ترجمه فارسی مقاله یک مدل نفوذ از ظهور: تجزیه و تحلیل ترانسفورماتورهای آموزش دیده بر روی یک زبان رسمی

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 A Percolation Model of Emergence: Analyzing Transformers Trained on a Formal Language
عنوان مقاله به فارسی یک مدل نفوذ از ظهور: تجزیه و تحلیل ترانسفورماتورهای آموزش دیده بر روی یک زبان رسمی
نویسندگان Ekdeep Singh Lubana, Kyogo Kawaguchi, Robert P. Dick, Hidenori Tanaka
فرمت مقاله انگلیسی PDF
تعداد صفحات 58
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 7 September, 2024; v1 submitted 22 August, 2024; originally announced August 2024. , Comments: Preprint
توضیحات به فارسی ارسال 7 سپتامبر 2024 ؛V1 ارسال شده 22 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: preprint
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

Increase in data, size, or compute can lead to sudden learning of specific capabilities by a neural network -- a phenomenon often called "emergence''. Beyond scientific understanding, establishing the causal factors underlying such emergent capabilities is crucial to enable risk regulation frameworks for AI. In this work, we seek inspiration from study of emergent properties in other fields and propose a phenomenological definition for the concept in the context of neural networks. Our definition implicates the acquisition of general structures underlying the data-generating process as a cause of sudden performance growth for specific, narrower tasks. We empirically investigate this definition by proposing an experimental system grounded in a context-sensitive formal language and find that Transformers trained to perform tasks on top of strings from this language indeed exhibit emergent capabilities. Specifically, we show that once the language's underlying grammar and context-sensitivity inducing structures are learned by the model, performance on narrower tasks suddenly begins to improve. We then analogize our network's learning dynamics with the process of percolation on a bipartite graph, establishing a formal phase transition model that predicts the shift in the point of emergence observed in our experiments when changing the data structure. Overall, our experimental and theoretical frameworks yield a step towards better defining, characterizing, and predicting emergence in neural networks.

چکیده به فارسی (ترجمه ماشینی)

افزایش در داده ها ، اندازه یا محاسبات می تواند منجر به یادگیری ناگهانی توانایی های خاص توسط یک شبکه عصبی شود - پدیده ای که اغلب به آن "ظهور" گفته می شود. فراتر از درک علمی ، ایجاد عوامل علیت اساسی در چنین توانایی های نوظهور برای فعال کردن چارچوب های تنظیم خطر بسیار مهم استبرای هوش مصنوعی در این کار ، ما از مطالعه خواص ظهور در زمینه های دیگر الهام می گیریم و تعریف پدیدارشناختی را برای مفهوم در زمینه شبکه های عصبی ارائه می دهیم.رشد ناگهانی عملکرد برای کارهای خاص و باریک تر این تعریف را با پیشنهاد یک سیستم آزمایشی که در یک زبان رسمی حساس به متن است ، بررسی می کنیم و می دانیم که ترانسفورماتورهای آموزش دیده برای انجام وظایف در بالای رشته ها از این زبان در واقع توانایی های ظهور دارند.ما نشان می دهیم که هنگامی که گرامر اساسی زبان و ساختارهای القا کننده زمینه ای از متن توسط مدل آموخته می شود ، عملکرد روی کارهای باریکتر ناگهان شروع به بهبود می کند.ما سپس پویایی یادگیری شبکه خود را با فرآیند نفوذ در یک نمودار دو حزب قیاس می کنیم و یک مدل انتقال فاز رسمی را ایجاد می کنیم که تغییر در نقطه ظهور مشاهده شده در آزمایشات ما هنگام تغییر ساختار داده را پیش بینی می کند.به طور کلی ، چارچوب های تجربی و نظری ما گامی به سوی تعریف بهتر ، توصیف و پیش بینی ظهور در شبکه های عصبی انجام می دهد.

📚 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.