اکسپرس 24
ترجمه فارسی مقاله فیلترینگ دقیق مبتنی بر یادگیری عمیق برای دینامیک آشوبناک با شناسایی ناپایداری‌ها بدون یک مجموعه

ترجمه فارسی مقاله فیلترینگ دقیق مبتنی بر یادگیری عمیق برای دینامیک آشوبناک با شناسایی ناپایداری‌ها بدون یک مجموعه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Accurate deep learning-based filtering for chaotic dynamics by identifying instabilities without an ensemble
عنوان مقاله به فارسی فیلترینگ دقیق مبتنی بر یادگیری عمیق برای دینامیک آشوبناک با شناسایی ناپایداری‌ها بدون یک مجموعه
نویسندگان Marc Bocquet, Alban Farchi, Tobias S. Finn, Charlotte Durand, Sibo Cheng, Yumeng Chen, Ivo Pasmans, Alberto Carrassi
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
دسته بندی موضوعات Chaotic Dynamics,Atmospheric and Oceanic Physics,Machine Learning,دینامیک هرج و مرج , فیزیک جوی و اقیانوسی , یادگیری ماشین ,
توضیحات Submitted 9 September, 2024; v1 submitted 8 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 9 سپتامبر 2024 ؛V1 ارسال شده در 8 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 400,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

We investigate the ability to discover data assimilation (DA) schemes meant for chaotic dynamics with deep learning. The focus is on learning the analysis step of sequential DA, from state trajectories and their observations, using a simple residual convolutional neural network, while assuming the dynamics to be known. Experiments are performed with the Lorenz 96 dynamics, which display spatiotemporal chaos and for which solid benchmarks for DA performance exist. The accuracy of the states obtained from the learned analysis approaches that of the best possibly tuned ensemble Kalman filter, and is far better than that of variational DA alternatives. Critically, this can be achieved while propagating even just a single state in the forecast step. We investigate the reason for achieving ensemble filtering accuracy without an ensemble. We diagnose that the analysis scheme actually identifies key dynamical perturbations, mildly aligned with the unstable subspace, from the forecast state alone, without any ensemble-based covariances representation. This reveals that the analysis scheme has learned some multiplicative ergodic theorem associated to the DA process seen as a non-autonomous random dynamical system.

چکیده به فارسی (ترجمه ماشینی)

ما توانایی کشف طرح های جذب داده (DA) را برای پویایی هرج و مرج با یادگیری عمیق بررسی می کنیم.تمرکز بر یادگیری مرحله تجزیه و تحلیل DA پی در پی ، از مسیرهای دولتی و مشاهدات آنها ، با استفاده از یک شبکه عصبی حلقوی باقیمانده ساده است ، در حالی که فرض می کند پویایی شناخته می شود.آزمایشات با Dynamics Lorenz 96 انجام می شود ، که هرج و مرج فضایی را نشان می دهد و معیارهای جامد برای عملکرد DA وجود دارد.صحت حالتهای به دست آمده از تجزیه و تحلیل آموخته شده از بهترین فیلتر کلمن مجموعه ای که احتمالاً تنظیم شده است ، و به مراتب بهتر از گزینه های DA متغیر است.از نظر انتقادی ، این امر می تواند در حالی که حتی در یک مرحله پیش بینی حتی یک حالت واحد را نیز تبلیغ می کند ، حاصل شود.ما دلیل دستیابی به دقت فیلتر کردن گروه را بدون یک گروه بررسی می کنیم.ما تشخیص می دهیم که طرح تجزیه و تحلیل در واقع آشفتگی های دینامیکی کلیدی را مشخص می کند ، که به طرز خفیف با فضای ناپایدار ، از حالت پیش بینی شده به تنهایی ، بدون هیچ گونه نمایش کواریانس مبتنی بر گروه ، تراز شده است.این نشان می دهد که طرح تجزیه و تحلیل برخی از قضیه های ارگودیک چند برابر مرتبط با فرآیند DA را که به عنوان یک سیستم دینامیکی تصادفی غیر خودمختار دیده می شود ، آموخته است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.