ترجمه فارسی مقاله یادگیری فاکتورسازی‌های ماتریس غیرمنفی از داده‌های فشرده

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 Learning nonnegative matrix factorizations from compressed data
عنوان مقاله به فارسی یادگیری فاکتورسازی‌های ماتریس غیرمنفی از داده‌های فشرده
نویسندگان Abraar Chaudhry, Elizaveta Rebrova
فرمت مقاله انگلیسی PDF
تعداد صفحات 27
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Optimization and Control,Machine Learning,Numerical Analysis,بهینه سازی و کنترل , یادگیری ماشین , تجزیه و تحلیل عددی ,
توضیحات Submitted 8 September, 2024; originally announced September 2024. , MSC Class: 15A23; 68T10; 68W20; 65F30
توضیحات به فارسی ارسال شده در 8 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، کلاس MSC: 15A23 ؛68T10 ؛68W20 ؛65F30
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

We propose a flexible and theoretically supported framework for scalable nonnegative matrix factorization. The goal is to find nonnegative low-rank components directly from compressed measurements, accessing the original data only once or twice. We consider compression through randomized sketching methods that can be adapted to the data, or can be oblivious. We formulate optimization problems that only depend on the compressed data, but which can recover a nonnegative factorization which closely approximates the original matrix. The defined problems can be approached with a variety of algorithms, and in particular, we discuss variations of the popular multiplicative updates method for these compressed problems. We demonstrate the success of our approaches empirically and validate their performance in real-world applications.

چکیده به فارسی (ترجمه ماشینی)

ما یک چارچوب انعطاف پذیر و از لحاظ نظری برای فاکتورسازی ماتریس غیر منفی مقیاس پذیر پیشنهاد می کنیم.هدف این است که اجزای کم نظیر غیر منفی را مستقیماً از اندازه گیری های فشرده پیدا کنید و فقط یک یا دو بار به داده های اصلی دسترسی پیدا کنید.ما فشرده سازی را از طریق روشهای طراحی تصادفی در نظر می گیریم که می تواند با داده ها سازگار باشد ، یا می تواند فراموشی باشد.ما مشکلات بهینه سازی را تدوین می کنیم که فقط به داده های فشرده شده بستگی دارد ، اما می تواند یک عامل غیر منفی را که از نزدیک ماتریس اصلی را نزدیک می کند ، بازیابی کند.مشکلات تعریف شده را می توان با انواع الگوریتم ها نزدیک کرد و به ویژه ، ما در مورد تغییرات روش به روزرسانی های چند برابر محبوب برای این مشکلات فشرده بحث می کنیم.ما موفقیت رویکردهای خود را به صورت تجربی نشان می دهیم و عملکرد آنها را در برنامه های دنیای واقعی تأیید 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.