ترجمه فارسی مقاله همگرایی زنجیره‌های مارکوف برای نزول گرادیان تصادفی با اندازه گام ثابت با توابع قابل تفکیک

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Convergence of Markov Chains for Constant Step-size Stochastic Gradient Descent with Separable Functions
عنوان مقاله به فارسی همگرایی زنجیره‌های مارکوف برای نزول گرادیان تصادفی با اندازه گام ثابت با توابع قابل تفکیک
نویسندگان David Shirokoff, Philip Zaleski
فرمت مقاله انگلیسی PDF
تعداد صفحات 30
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Optimization and Control,Dynamical Systems,Numerical Analysis,بهینه سازی و کنترل , سیستم های دینامیکی , تجزیه و تحلیل عددی ,
توضیحات Submitted 18 September, 2024; originally announced September 2024. , MSC Class: 68W20; 68W40; 37A30; 60J20
توضیحات به فارسی ارائه شده در 18 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، کلاس MSC: 68W20 ؛68W40 ؛37A30 ؛60J20
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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

Stochastic gradient descent (SGD) is a popular algorithm for minimizing objective functions that arise in machine learning. For constant step-sized SGD, the iterates form a Markov chain on a general state space. Focusing on a class of separable (non-convex) objective functions, we establish a "Doeblin-type decomposition," in that the state space decomposes into a uniformly transient set and a disjoint union of absorbing sets. Each of the absorbing sets contains a unique invariant measure, with the set of all invariant measures being the convex hull. Moreover the set of invariant measures are shown to be global attractors to the Markov chain with a geometric convergence rate. The theory is highlighted with examples that show: (1) the failure of the diffusion approximation to characterize the long-time dynamics of SGD; (2) the global minimum of an objective function may lie outside the support of the invariant measures (i.e., even if initialized at the global minimum, SGD iterates will leave); and (3) bifurcations may enable the SGD iterates to transition between two local minima. Key ingredients in the theory involve viewing the SGD dynamics as a monotone iterated function system and establishing a "splitting condition" of Dubins and Freedman 1966 and Bhattacharya and Lee 1988.

چکیده به فارسی (ترجمه ماشینی)

نزول شیب تصادفی (SGD) یک الگوریتم محبوب برای به حداقل رساندن عملکردهای عینی است که در یادگیری ماشین بوجود می آید.برای SGD به اندازه گام ثابت ، تکرارها یک زنجیره مارکوف را در یک فضای دولتی عمومی تشکیل می دهند.با تمرکز بر روی یک کلاس از کارکردهای عینی قابل جدا شدن (غیر کنفکس) ، ما یک "تجزیه از نوع doeblin" ایجاد می کنیم ، به این ترتیب که فضای دولت به یک مجموعه یکنواخت گذرا و اتحادیه ای از مجموعه های جذب کننده تجزیه می شود.هر یک از مجموعه های جذب کننده حاوی یک اندازه گیری ثابت منحصر به فرد است که مجموعه ای از تمام اقدامات ثابت ، بدنه محدب است.علاوه بر این ، مجموعه اقدامات ثابت نشان داده شده است که جذب جهانی زنجیره مارکوف با میزان همگرایی هندسی است.این تئوری با مثالهایی برجسته شده است که نشان می دهد: (1) عدم موفقیت تقریب انتشار برای توصیف دینامیک طولانی مدت SGD.(2) حداقل جهانی یک عملکرد عینی ممکن است خارج از حمایت از اقدامات ثابت باشد (یعنی ، حتی اگر در حداقل جهانی اولیه شود ، تکرار SGD ترک می کند).و (3) bifurcations ممکن است تکرار SGD را به انتقال بین دو حداقل محلی تبدیل کند.ترکیبات اصلی این تئوری شامل مشاهده دینامیک SGD به عنوان یک سیستم عملکرد تکراری یکنواخت و ایجاد "شرایط تقسیم" Dubins and Freedman 1966 و Bhattacharya و Le 1988 است.

📚 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.