ترجمه فارسی مقاله قدرت شانس دوم: حداکثر سازی ساب مدولار شخصی شده با دو نامزد

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 The Power of Second Chance: Personalized Submodular Maximization with Two Candidates
عنوان مقاله به فارسی قدرت شانس دوم: حداکثر سازی ساب مدولار شخصی شده با دو نامزد
نویسندگان Jing Yuan, Shaojie Tang
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Data Structures and Algorithms,یادگیری ماشین , ساختار داده ها و الگوریتم ها ,
توضیحات Submitted 5 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 5 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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

Most of existing studies on submodular maximization focus on selecting a subset of items that maximizes a \emph{single} submodular function. However, in many real-world scenarios, we might have multiple user-specific functions, each of which models the utility of a particular type of user. In these settings, our goal would be to choose a set of items that performs well across all the user-specific functions. One way to tackle this problem is to select a single subset that maximizes the sum of all of the user-specific functions. Although this aggregate approach is efficient in the sense that it avoids computation of sets for individual functions, it really misses the power of personalization - for it does not allow to choose different sets for different functions. In this paper, we introduce the problem of personalized submodular maximization with two candidate solutions. For any two candidate solutions, the utility of each user-specific function is defined as the better of these two candidates. Our objective is, therefore, to select the best set of two candidates that maximize the sum of utilities of all the user-specific functions. We have designed effective algorithms for this problem. We also discuss how our approach generalizes to multiple candidate solutions, increasing flexibility and personalization in our solution.

چکیده به فارسی (ترجمه ماشینی)

بسیاری از مطالعات موجود در مورد حداکثر سازی زیرودیک در انتخاب زیر مجموعه ای از مواردی که حداکثر عملکرد \ emp {single} را به حداکثر می رساند ، تمرکز دارد.با این حال ، در بسیاری از سناریوهای دنیای واقعی ، ما ممکن است چندین کارکرد خاص کاربر داشته باشیم که هر یک از آنها ابزار نوع خاصی از کاربر را مدل می کند.در این تنظیمات ، هدف ما انتخاب مجموعه ای از مواردی است که در تمام عملکردهای خاص کاربر عملکرد خوبی دارد.یکی از راه های مقابله با این مشکل ، انتخاب یک زیر مجموعه واحد است که به حداکثر رساندن مجموع کلیه توابع خاص کاربر است.اگرچه این رویکرد کل به این معنا که از محاسبه مجموعه ها برای کارکردهای فردی جلوگیری می کند ، واقعاً قدرت شخصی سازی را از دست نمی دهد - زیرا این امکان را برای انتخاب مجموعه های مختلف برای عملکردهای مختلف فراهم نمی کند.در این مقاله ، ما مشکل حداکثر سازی زیرنویس شخصی را با دو راه حل نامزد معرفی می کنیم.برای هر دو راه حل نامزد ، ابزار هر عملکرد خاص کاربر به عنوان بهتر از این دو نامزد تعریف می شود.بنابراین ، هدف ما این است که بهترین مجموعه دو نامزد را انتخاب کنیم که حداکثر تعداد برنامه های کارکردهای خاص کاربر را به حداکثر برساند.ما برای این مشکل الگوریتم های مؤثر طراحی کرده ایم.ما همچنین بحث می کنیم که چگونه رویکرد ما به چندین راه حل نامزد ، افزایش انعطاف پذیری و شخصی سازی در راه حل ما تعمیم می یابد.

📚 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.