ترجمه فارسی مقاله نمونه‌برداری مداوم: آزادسازی پتانسیل مونت کارلو متوالی

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 Persistent Sampling: Unleashing the Potential of Sequential Monte Carlo
عنوان مقاله به فارسی نمونه‌برداری مداوم: آزادسازی پتانسیل مونت کارلو متوالی
نویسندگان Minas Karamanis, Uroš Seljak
فرمت مقاله انگلیسی PDF
تعداد صفحات 30
دسته بندی موضوعات Machine Learning,Machine Learning,Computation,یادگیری ماشین , یادگیری ماشین , محاسبات ,
توضیحات Submitted 30 July, 2024; originally announced July 2024. , Comments: 30 pages, 9 figures, 4 tables. Submitted to Statistics & Computing
توضیحات به فارسی ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 30 صفحه ، 9 شکل ، 4 جدول.ارسال به آمار و محاسبات

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: 1,200,000 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

Sequential Monte Carlo (SMC) methods are powerful tools for Bayesian inference but suffer from requiring many particles for accurate estimates, leading to high computational costs. We introduce persistent sampling (PS), an extension of SMC that mitigates this issue by allowing particles from previous iterations to persist. This generates a growing, weighted ensemble of particles distributed across iterations. In each iteration, PS utilizes multiple importance sampling and resampling from the mixture of all previous distributions to produce the next generation of particles. This addresses particle impoverishment and mode collapse, resulting in more accurate posterior approximations. Furthermore, this approach provides lower-variance marginal likelihood estimates for model comparison. Additionally, the persistent particles improve transition kernel adaptation for efficient exploration. Experiments on complex distributions show that PS consistently outperforms standard methods, achieving lower squared bias in posterior moment estimation and significantly reduced marginal likelihood errors, all at a lower computational cost. PS offers a robust, efficient, and scalable framework for Bayesian inference.

چکیده به فارسی (ترجمه ماشینی)

روشهای متوالی مونت کارلو (SMC) ابزارهای قدرتمندی برای استنباط بیزی هستند اما از نیاز به ذرات زیادی برای برآورد دقیق رنج می برند و منجر به هزینه های محاسباتی بالا می شوند.ما نمونه گیری مداوم (PS) را معرفی می کنیم ، پسوند SMC که با اجازه دادن ذرات از تکرارهای قبلی ، این مسئله را کاهش می دهد.این یک گروه در حال رشد و وزنه برداری از ذرات توزیع شده در سراسر تکرارها ایجاد می کند.در هر تکرار ، PS از نمونه برداری از اهمیت چندگانه و استفاده مجدد از مخلوط کلیه توزیع های قبلی برای تولید نسل بعدی ذرات استفاده می کند.این امر به فقر ذرات و فروپاشی حالت می پردازد و در نتیجه تقریب های دقیق تر خلفی ایجاد می شود.علاوه بر این ، این رویکرد برآورد احتمال حاشیه ای با واریانس پایین تر برای مقایسه مدل را ارائه می دهد.علاوه بر این ، ذرات مداوم سازگاری هسته انتقال را برای اکتشاف کارآمد بهبود می بخشند.آزمایشات مربوط به توزیع های پیچیده نشان می دهد که PS به طور مداوم از روشهای استاندارد بهتر عمل می کند ، دستیابی به تعصب کمتر مربع در تخمین لحظه خلفی و خطاهای احتمال حاشیه ای را به طور قابل توجهی کاهش می دهد ، همه با هزینه محاسباتی پایین تر.PS یک چارچوب قوی ، کارآمد و مقیاس پذیر برای استنباط بیزی 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.