اکسپرس 24
ترجمه فارسی مقاله چارچوب شبکه جریان بیزی برای وظایف شیمی

ترجمه فارسی مقاله چارچوب شبکه جریان بیزی برای وظایف شیمی

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 From pixels to planning: scale-free active inference
عنوان مقاله به فارسی چارچوب شبکه جریان بیزی برای وظایف شیمی
نویسندگان Karl Friston, Conor Heins, Tim Verbelen, Lancelot Da Costa, Tommaso Salvatori, Dimitrije Markovic, Alexander Tschantz, Magnus Koudahl, Christopher Buckley, Thomas Parr
فرمت مقاله انگلیسی PDF
تعداد صفحات 64
دسته بندی موضوعات Machine Learning,Neurons and Cognition,یادگیری ماشین , نورون و شناخت ,
توضیحات Submitted 27 July, 2024; originally announced July 2024. , Comments: 64 pages, 28 figures , MSC Class: 92 ACM Class: F.1.1
توضیحات به فارسی ارسال شده در 27 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 64 صفحه ، 28 شکل ، کلاس MSC: 92 ACM کلاس: F.1.1

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: 2,560,000 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 describes a discrete state-space model -- and accompanying methods -- for generative modelling. This model generalises partially observed Markov decision processes to include paths as latent variables, rendering it suitable for active inference and learning in a dynamic setting. Specifically, we consider deep or hierarchical forms using the renormalisation group. The ensuing renormalising generative models (RGM) can be regarded as discrete homologues of deep convolutional neural networks or continuous state-space models in generalised coordinates of motion. By construction, these scale-invariant models can be used to learn compositionality over space and time, furnishing models of paths or orbits; i.e., events of increasing temporal depth and itinerancy. This technical note illustrates the automatic discovery, learning and deployment of RGMs using a series of applications. We start with image classification and then consider the compression and generation of movies and music. Finally, we apply the same variational principles to the learning of Atari-like games.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک مدل حالت فضایی گسسته-و روشهای همراه-برای مدل سازی تولیدی شرح داده شده است.این مدل فرایندهای تصمیم گیری مارکوف را تا حدی مشاهده می کند تا مسیرهایی را به عنوان متغیرهای نهفته در بر بگیرد ، و آن را برای استنباط فعال و یادگیری در یک محیط پویا مناسب می کند.به طور خاص ، ما اشکال عمیق یا سلسله مراتبی را با استفاده از گروه تجدید ساختار در نظر می گیریم.مدل های تولیدی پس از آن (RGM) را می توان به عنوان همولوگ گسسته شبکه های عصبی عمیق و یا مدلهای حالت مداوم در فضای در مختصات عمومی حرکت در نظر گرفت.با ساخت و ساز ، از این مدل های متغیر مقیاس می توان برای یادگیری ترکیب در فضا و زمان ، مدل های مبله مسیرها یا مدارها استفاده کرد.یعنی وقایع افزایش عمق و سفر زمانی.این نت فنی با استفاده از یک سری برنامه ها ، کشف خودکار ، یادگیری و استقرار RGM ها را نشان می دهد.ما با طبقه بندی تصویر شروع می کنیم و سپس فشرده سازی و تولید فیلم و موسیقی را در نظر می گیریم.سرانجام ، ما همان اصول متنوع را برای یادگیری بازی های مانند آتاری اعمال می کنیم.

📚 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.