ترجمه فارسی مقاله مسئله‌ی به دام افتادن در یادگیری غیرمتمرکز گام تصادفی

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 Entrapment Problem in Random Walk Decentralized Learning
عنوان مقاله به فارسی مسئله‌ی به دام افتادن در یادگیری غیرمتمرکز گام تصادفی
نویسندگان Zonghong Liu, Salim El Rouayheb, Matthew Dwyer
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
دسته بندی موضوعات Machine Learning,Distributed, Parallel, and Cluster Computing,Information Theory,یادگیری ماشین , توزیع , موازی و محاسبات خوشه ای , تئوری اطلاعات ,
توضیحات Submitted 30 July, 2024; originally announced July 2024. , Comments: 10 pages, accepted by 2024 IEEE International Symposium on Information Theory. The associated presentation of this paper can be found in https://www.youtube.com/watch?v=et0sR4lJK_s&ab_channel=LiuZonghong
توضیحات به فارسی ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 10 صفحه ، که توسط سمپوزیوم بین المللی IEEE در مورد تئوری اطلاعات پذیرفته شده است.ارائه همراه این مقاله را می توان در https://www.youtube.com/watch؟v=et0sr4ljk_s&ab_channel=liuzonghong یافت.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

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

This paper explores decentralized learning in a graph-based setting, where data is distributed across nodes. We investigate a decentralized SGD algorithm that utilizes a random walk to update a global model based on local data. Our focus is on designing the transition probability matrix to speed up convergence. While importance sampling can enhance centralized learning, its decentralized counterpart, using the Metropolis-Hastings (MH) algorithm, can lead to the entrapment problem, where the random walk becomes stuck at certain nodes, slowing convergence. To address this, we propose the Metropolis-Hastings with Lévy Jumps (MHLJ) algorithm, which incorporates random perturbations (jumps) to overcome entrapment. We theoretically establish the convergence rate and error gap of MHLJ and validate our findings through numerical experiments.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله به بررسی یادگیری غیرمتمرکز در یک تنظیم مبتنی بر نمودار می پردازیم ، جایی که داده ها در گره ها توزیع می شوند.ما یک الگوریتم SGD غیر متمرکز را بررسی می کنیم که از یک پیاده روی تصادفی برای به روزرسانی یک مدل جهانی بر اساس داده های محلی استفاده می کند.تمرکز ما بر طراحی ماتریس احتمال انتقال برای سرعت بخشیدن به همگرایی است.در حالی که نمونه برداری از اهمیت می تواند یادگیری متمرکز را تقویت کند ، همتای غیر متمرکز آن ، با استفاده از الگوریتم متروپولیس-هاستینگ (MH) ، می تواند منجر به مشکل گرفتاری شود ، جایی که پیاده روی تصادفی در گره های خاص گیر می کند و همگرایی را کند می کند.برای پرداختن به این موضوع ، ما متروپولیس را با الگوریتم Lévy Jumps (MHLJ) پیشنهاد می کنیم ، که شامل آشفتگی های تصادفی (پرش) برای غلبه بر گرفتاری است.ما از لحاظ تئوریکی میزان همگرایی و شکاف خطای MHLJ را تعیین می کنیم و یافته های خود را از طریق آزمایش های عددی اعتبار می دهیم.

📚 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.