اکسپرس 24
ترجمه فارسی مقاله مدل‌سازی بسته شدن تصادفی مبتنی بر داده از طریق مدل انتشار شرطی و عملگر عصبی

ترجمه فارسی مقاله مدل‌سازی بسته شدن تصادفی مبتنی بر داده از طریق مدل انتشار شرطی و عملگر عصبی

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 Data-Driven Stochastic Closure Modeling via Conditional Diffusion Model and Neural Operator
عنوان مقاله به فارسی مدل‌سازی بسته شدن تصادفی مبتنی بر داده از طریق مدل انتشار شرطی و عملگر عصبی
نویسندگان Xinghao Dong, Chuanqi Chen, Jin-Long Wu
فرمت مقاله انگلیسی PDF
تعداد صفحات 32
دسته بندی موضوعات Machine Learning,Dynamical Systems,Computational Physics,یادگیری ماشین , سیستم های دینامیکی , فیزیک محاسباتی ,
توضیحات Submitted 6 August, 2024; originally announced August 2024. , MSC Class: 68T01
توضیحات به فارسی ارائه شده در 6 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، کلاس MSC: 68T01

قیمت: 19,000 تومان

سفارش

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

قیمت: 1,280,000 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

Closure models are widely used in simulating complex multiscale dynamical systems such as turbulence and the earth system, for which direct numerical simulation that resolves all scales is often too expensive. For those systems without a clear scale separation, deterministic and local closure models often lack enough generalization capability, which limits their performance in many real-world applications. In this work, we propose a data-driven modeling framework for constructing stochastic and non-local closure models via conditional diffusion model and neural operator. Specifically, the Fourier neural operator is incorporated into a score-based diffusion model, which serves as a data-driven stochastic closure model for complex dynamical systems governed by partial differential equations (PDEs). We also demonstrate how accelerated sampling methods can improve the efficiency of the data-driven stochastic closure model. The results show that the proposed methodology provides a systematic approach via generative machine learning techniques to construct data-driven stochastic closure models for multiscale dynamical systems with continuous spatiotemporal fields.

چکیده به فارسی (ترجمه ماشینی)

مدل های بسته شدن به طور گسترده ای در شبیه سازی سیستم های دینامیکی پیچیده مانند تلاطم و سیستم زمین مورد استفاده قرار می گیرند ، که برای آن شبیه سازی عددی مستقیم که تمام مقیاس ها را برطرف می کند اغلب بسیار گران است.برای آن دسته از سیستم های بدون جداسازی در مقیاس روشن ، مدلهای تعطیل قطعی و محلی اغلب فاقد توانایی تعمیم کافی هستند ، که عملکرد آنها را در بسیاری از برنامه های دنیای واقعی محدود می کند.در این کار ، ما یک چارچوب مدل سازی داده محور برای ساخت مدل های بسته شدن تصادفی و غیر محلی از طریق مدل انتشار مشروط و اپراتور عصبی پیشنهاد می کنیم.به طور خاص ، اپراتور عصبی فوریه در یک مدل انتشار مبتنی بر نمره گنجانیده شده است ، که به عنوان یک مدل بسته شدن تصادفی داده محور برای سیستمهای پیچیده دینامیکی اداره شده توسط معادلات دیفرانسیل جزئی (PDE) عمل می کند.ما همچنین نشان می دهیم که چگونه روشهای نمونه برداری شتاب می تواند باعث بهبود کارایی مدل بسته شدن تصادفی داده محور شود.نتایج نشان می دهد که روش پیشنهادی یک رویکرد سیستماتیک از طریق تکنیک های یادگیری ماشین تولیدی برای ساخت مدل های بسته شدن تصادفی داده محور برای سیستم های دینامیکی چند مقیاس با زمینه های فضایی مداوم مداوم ارائه می دهد.

📚 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.