کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
The artificial intelligence (AI) world is running out of real data for training increasingly large generative models, resulting in accelerating pressure to train on synthetic data. Unfortunately, training new generative models with synthetic data from current or past generation models creates an autophagous (self-consuming) loop that degrades the quality and/or diversity of the synthetic data in what has been termed model autophagy disorder (MAD) and model collapse. Current thinking around model autophagy recommends that synthetic data is to be avoided for model training lest the system deteriorate into MADness. In this paper, we take a different tack that treats synthetic data differently from real data. Self-IMproving diffusion models with Synthetic data (SIMS) is a new training concept for diffusion models that uses self-synthesized data to provide negative guidance during the generation process to steer a model's generative process away from the non-ideal synthetic data manifold and towards the real data distribution. We demonstrate that SIMS is capable of self-improvement; it establishes new records based on the Fréchet inception distance (FID) metric for CIFAR-10 and ImageNet-64 generation and achieves competitive results on FFHQ-64 and ImageNet-512. Moreover, SIMS is, to the best of our knowledge, the first prophylactic generative AI algorithm that can be iteratively trained on self-generated synthetic data without going MAD. As a bonus, SIMS can adjust a diffusion model's synthetic data distribution to match any desired in-domain target distribution to help mitigate biases and ensure fairness.
چکیده به فارسی (ترجمه ماشینی)
جهان هوش مصنوعی (AI) از داده های واقعی برای آموزش مدلهای تولیدی به طور فزاینده ای در حال اتمام است و در نتیجه باعث تسریع فشار برای آموزش داده های مصنوعی می شود.متأسفانه ، آموزش مدلهای جدید تولیدی با داده های مصنوعی از مدل های نسل فعلی یا گذشته ، یک حلقه اتوفاژوس (خودجوش) ایجاد می کند که کیفیت و/یا تنوع داده های مصنوعی را در آنچه که نامیده می شود اختلال اتوفاژی (MAD) و فروپاشی مدل است ، ایجاد می کند.بشرتفکر فعلی پیرامون اتوفاژی مدل توصیه می کند که از داده های مصنوعی برای آموزش مدل جلوگیری شود تا مبادا سیستم به جنون بدتر شود.در این مقاله ، ما یک مشکل متفاوت را می گیریم که داده های مصنوعی را متفاوت از داده های واقعی درمان می کند.مدلهای انتشار خودی با داده های مصنوعی (SIMS) یک مفهوم آموزش جدید برای مدل های انتشار است که از داده های خودکشی شده برای ارائه راهنمایی های منفی در طی فرآیند تولید برای هدایت فرآیند تولیدی یک مدل به دور از منیفولد داده های مصنوعی غیر ایده آل و به سمت آن استفاده می کند.توزیع داده واقعی.ما نشان می دهیم که سیمز قادر به بهبود خود است.این سوابق جدید را بر اساس متریک فاصله Fréchet (FID) برای Cifar-10 و Generation Imagenet-64 ایجاد می کند و به نتایج رقابتی در FFHQ-64 و ImageNet-512 می رسد.علاوه بر این ، سیمز ، به بهترین دانش ما ، اولین الگوریتم AI تولید کننده پیشگیری کننده است که می تواند به طور مکرر بر روی داده های مصنوعی خود تولید شده بدون اینکه دیوانه شود ، آموزش دیده باشد.به عنوان یک جایزه ، SIMS می تواند توزیع داده های مصنوعی مدل انتشار را برای مطابقت با هر توزیع هدف در دامنه مورد نظر تنظیم کند تا به کاهش تعصبات و اطمینان از انصاف کمک کند.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
