کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
Many real-world applications require machine-learning models to be able to deal with non-stationary data distributions and thus learn autonomously over an extended period of time, often in an online setting. One of the main challenges in this scenario is the so-called catastrophic forgetting (CF) for which the learning model tends to focus on the most recent tasks while experiencing predictive degradation on older ones. In the online setting, the most effective solutions employ a fixed-size memory buffer to store old samples used for replay when training on new tasks. Many approaches have been presented to tackle this problem. However, it is not clear how predictive uncertainty information for memory management can be leveraged in the most effective manner and conflicting strategies are proposed to populate the memory. Are the easiest-to-forget or the easiest-to-remember samples more effective in combating CF? Starting from the intuition that predictive uncertainty provides an idea of the samples' location in the decision space, this work presents an in-depth analysis of different uncertainty estimates and strategies for populating the memory. The investigation provides a better understanding of the characteristics data points should have for alleviating CF. Then, we propose an alternative method for estimating predictive uncertainty via the generalised variance induced by the negative log-likelihood. Finally, we demonstrate that the use of predictive uncertainty measures helps in reducing CF in different settings.
چکیده به فارسی (ترجمه ماشینی)
بسیاری از برنامه های کاربردی در دنیای واقعی به مدل های یادگیری ماشین نیاز دارند تا بتوانند با توزیع داده های غیر ثابت برخورد کنند و بنابراین در یک دوره طولانی ، اغلب در یک محیط آنلاین ، خودمختار را یاد بگیرند.یکی از اصلی ترین چالش ها در این سناریو ، به اصطلاح فراموشی فاجعه بار (CF) است که مدل یادگیری تمایل دارد ضمن تجربه تخریب پیش بینی کننده در کارهای قدیمی ، روی جدیدترین کارهای متمرکز شود.در تنظیمات آنلاین ، مؤثرترین راه حل ها از یک بافر حافظه با اندازه ثابت برای ذخیره نمونه های قدیمی استفاده شده برای پخش در هنگام آموزش در کارهای جدید استفاده می کنند.رویکردهای زیادی برای مقابله با این مشکل ارائه شده است.با این حال ، هنوز مشخص نیست که چگونه می توان اطلاعات عدم قطعیت پیش بینی کننده برای مدیریت حافظه را به صورت مؤثرترین شیوه استفاده کرد و استراتژی های متناقض برای جمع آوری حافظه پیشنهاد می شود.آیا ساده ترین تا به جلو یا ساده ترین نمونه های به یادگار در مبارزه با CF مؤثرتر است؟با شروع از شهود که عدم اطمینان پیش بینی ایده ای از موقعیت نمونه ها در فضای تصمیم گیری را ارائه می دهد ، این کار تجزیه و تحلیل عمیق از برآورد و استراتژی های مختلف عدم اطمینان را برای جمع آوری حافظه ارائه می دهد.این تحقیقات درک بهتری از ویژگی های داده های داده ها برای کاهش CF ارائه می دهد.سپس ، ما یک روش جایگزین برای برآورد عدم اطمینان پیش بینی از طریق واریانس تعمیم یافته ناشی از احتمال ورود منفی پیشنهاد می کنیم.سرانجام ، ما نشان می دهیم که استفاده از اقدامات عدم اطمینان پیش بینی به کاهش CF در تنظیمات مختلف کمک می کند.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
