اکسپرس 24
ترجمه فارسی مقاله معادلات دیفرانسیل عادی عصبی برای کاهش سفارش مدل سیستم های سفت

ترجمه فارسی مقاله معادلات دیفرانسیل عادی عصبی برای کاهش سفارش مدل سیستم های سفت

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 Neural Ordinary Differential Equations for Model Order Reduction of Stiff Systems
عنوان مقاله به فارسی معادلات دیفرانسیل عادی عصبی برای کاهش سفارش مدل سیستم های سفت
نویسندگان Matteo Caldana, Jan S. Hesthaven
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
دسته بندی موضوعات Numerical Analysis,تجزیه و تحلیل عددی ,
توضیحات Submitted 12 August, 2024; originally announced August 2024. , MSC Class: 65L99; 68T07
توضیحات به فارسی ارائه شده 12 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، کلاس MSC: 65L99 ؛68T07

قیمت: 19,000 تومان

سفارش

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

قیمت: 800,000 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

Neural Ordinary Differential Equations (ODEs) represent a significant advancement at the intersection of machine learning and dynamical systems, offering a continuous-time analog to discrete neural networks. Despite their promise, deploying neural ODEs in practical applications often encounters the challenge of stiffness, a condition where rapid variations in some components of the solution demand prohibitively small time steps for explicit solvers. This work addresses the stiffness issue when employing neural ODEs for model order reduction by introducing a suitable reparametrization in time. The considered map is data-driven and it is induced by the adaptive time-stepping of an implicit solver on a reference solution. We show the map produces a nonstiff system that can be cheaply solved with an explicit time integration scheme. The original, stiff, time dynamic is recovered by means of a map learnt by a neural network that connects the state space to the time reparametrization. We validate our method through extensive experiments, demonstrating improvements in efficiency for the neural ODE inference while maintaining robustness and accuracy. The neural network model also showcases good generalization properties for times beyond the training data.

چکیده به فارسی (ترجمه ماشینی)

معادلات دیفرانسیل عادی عصبی (ODE) نشان دهنده پیشرفت قابل توجهی در تقاطع یادگیری ماشین و سیستم های دینامیکی است و یک آنالوگ زمان مداوم به شبکه های عصبی گسسته را ارائه می دهد.علیرغم وعده آنها ، استفاده از ODE های عصبی در برنامه های عملی اغلب با چالش سختی روبرو می شود ، شرایطی که تغییرات سریع در برخی از مؤلفه های راه حل نیاز به مراحل زمان کمی برای حل کننده های صریح دارد.این کار با استفاده از ODE های عصبی برای کاهش سفارش مدل با معرفی یک بازپرداخت مناسب در زمان ، مسئله سختی را به وجود می آورد.نقشه در نظر گرفته شده داده محور است و با استفاده از گام سازگار زمان یک حل کننده ضمنی در یک راه حل مرجع القا می شود.ما نشان می دهیم که نقشه یک سیستم غیر Stiff تولید می کند که با یک طرح ادغام زمان صریح قابل حل است.پویا اصلی ، سفت و سخت با استفاده از نقشه ای که توسط یک شبکه عصبی آموخته می شود که فضای دولت را به زمان بازپرداخت زمان متصل می کند ، بازیابی می شود.ما روش خود را از طریق آزمایش های گسترده تأیید می کنیم ، و در عین حال که استحکام و دقت را حفظ می کنیم ، پیشرفت در کارآیی برای استنتاج ODE عصبی را نشان می دهیم.مدل شبکه عصبی همچنین ویژگی های عمومی سازی خوبی را برای زمان های فراتر از داده های آموزش نشان 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.