ترجمه فارسی مقاله هسته ناهمسانگرد گذرا برای یادگیری احتمالاتی روی منیفولدها

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 Transient anisotropic kernel for probabilistic learning on manifolds
عنوان مقاله به فارسی هسته ناهمسانگرد گذرا برای یادگیری احتمالاتی روی منیفولدها
نویسندگان Christian Soize, Roger Ghanem
فرمت مقاله انگلیسی PDF
تعداد صفحات 44
دسته بندی موضوعات Machine Learning,Machine Learning,یادگیری ماشین , یادگیری ماشین ,
توضیحات Submitted 31 July, 2024; originally announced July 2024. , Comments: 44 pages, 14 figures , MSC Class: 68Q32; 68T05; 62R30; 6 0J20 ACM Class: G.3
توضیحات به فارسی ارسال 31 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 44 صفحه ، 14 شکل ، کلاس MSC: 68Q32 ؛68T05 ؛62R30 ؛6 کلاس 0J20 ACM: G.3

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: 1,760,000 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

PLoM (Probabilistic Learning on Manifolds) is a method introduced in 2016 for handling small training datasets by projecting an Itô equation from a stochastic dissipative Hamiltonian dynamical system, acting as the MCMC generator, for which the KDE-estimated probability measure with the training dataset is the invariant measure. PLoM performs a projection on a reduced-order vector basis related to the training dataset, using the diffusion maps (DMAPS) basis constructed with a time-independent isotropic kernel. In this paper, we propose a new ISDE projection vector basis built from a transient anisotropic kernel, providing an alternative to the DMAPS basis to improve statistical surrogates for stochastic manifolds with heterogeneous data. The construction ensures that for times near the initial time, the DMAPS basis coincides with the transient basis. For larger times, the differences between the two bases are characterized by the angle of their spanned vector subspaces. The optimal instant yielding the optimal transient basis is determined using an estimation of mutual information from Information Theory, which is normalized by the entropy estimation to account for the effects of the number of realizations used in the estimations. Consequently, this new vector basis better represents statistical dependencies in the learned probability measure for any dimension. Three applications with varying levels of statistical complexity and data heterogeneity validate the proposed theory, showing that the transient anisotropic kernel improves the learned probability measure.

چکیده به فارسی (ترجمه ماشینی)

PLOM (یادگیری احتمالی در منیفولدها) روشی است که در سال 2016 برای دستیابی به مجموعه داده های آموزش کوچک با طرح یک معادله ITô از یک سیستم دینامیکی همیلتون تصادفی تصادفی ، که به عنوان ژنراتور MCMC عمل می کند ، معرفی شده است ، که برای آن اندازه گیری احتمال تخمین زده شده با KDE با مجموعه داده های آموزش است.اندازه گیری ثابتPLOM با استفاده از پایه های انتشار (DMAPS) که با یک هسته ایزوتروپیک مستقل از زمان ساخته شده است ، یک پیش بینی بر اساس وکتور مرتبه کاهش یافته مربوط به مجموعه داده های آموزش انجام می دهد.در این مقاله ، ما یک پایه بردار طرح ریزی ISDE جدید ساخته شده از یک هسته ناهمسانگرد گذرا را پیشنهاد می کنیم ، و جایگزینی برای مبنای DMAPS برای بهبود جانشین های آماری برای منیفولد های تصادفی با داده های ناهمگن ارائه می دهیم.ساخت و ساز تضمین می کند که برای زمان های نزدیک به زمان اولیه ، مبنای DMAP ها همزمان با مبانی گذرا است.برای زمان های بزرگتر ، تفاوت بین این دو پایه با زاویه زیر مجموعه های بردار مسکونی آنها مشخص می شود.بازده فوری بهینه مبنای گذرا بهینه با استفاده از برآورد اطلاعات متقابل از تئوری اطلاعات ، که توسط تخمین آنتروپی نرمال می شود ، تعیین می شود تا اثرات تعداد تحقق مورد استفاده در تخمین ها را به خود اختصاص دهد.در نتیجه ، این پایه بردار جدید بهتر نشان دهنده وابستگی های آماری در اندازه گیری احتمال آموخته شده برای هر بعد است.سه برنامه با سطوح مختلف پیچیدگی آماری و ناهمگونی داده ها نظریه پیشنهادی را تأیید می کنند ، نشان می دهد که هسته ناهمسانگرد گذرا اندازه گیری احتمال آموخته شده را بهبود می بخشد.

📚 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.