اکسپرس 24
ترجمه فارسی مقاله یک مطالعه مقایسه‌ای تجربی از پس‌انتشار و جایگزین‌ها برای آموزش شبکه‌های عصبی دودویی برای طبقه‌بندی تصویر

ترجمه فارسی مقاله یک مطالعه مقایسه‌ای تجربی از پس‌انتشار و جایگزین‌ها برای آموزش شبکه‌های عصبی دودویی برای طبقه‌بندی تصویر

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 An experimental comparative study of backpropagation and alternatives for training binary neural networks for image classification
عنوان مقاله به فارسی یک مطالعه مقایسه‌ای تجربی از پس‌انتشار و جایگزین‌ها برای آموزش شبکه‌های عصبی دودویی برای طبقه‌بندی تصویر
نویسندگان Ben Crulis, Barthelemy Serres, Cyril de Runz, Gilles Venturini
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 8 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 8 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 680,000 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

Current artificial neural networks are trained with parameters encoded as floating point numbers that occupy lots of memory space at inference time. Due to the increase in the size of deep learning models, it is becoming very difficult to consider training and using artificial neural networks on edge devices. Binary neural networks promise to reduce the size of deep neural network models, as well as to increase inference speed while decreasing energy consumption. Thus, they may allow the deployment of more powerful models on edge devices. However, binary neural networks are still proven to be difficult to train using the backpropagation-based gradient descent scheme. This paper extends the work of cite{crulis2023alternatives}, which proposed adapting to binary neural networks two promising alternatives to backpropagation originally designed for continuous neural networks, and experimented with them on simple image classification datasets. This paper proposes new experiments on the ImageNette dataset, compares three different model architectures for image classification, and adds two additional alternatives to backpropagation.

چکیده به فارسی (ترجمه ماشینی)

شبکه های عصبی مصنوعی فعلی با پارامترهای رمزگذاری شده به عنوان شماره های نقطه شناور که فضای حافظه زیادی را در زمان استنتاج اشغال می کنند ، آموزش داده می شوند.با توجه به افزایش اندازه مدلهای یادگیری عمیق ، در نظر گرفتن آموزش و استفاده از شبکه های عصبی مصنوعی در دستگاه های لبه بسیار دشوار است.شبکه های عصبی باینری قول می دهند اندازه مدلهای شبکه های عصبی عمیق و همچنین افزایش سرعت استنتاج را در حالی که باعث کاهش مصرف انرژی می شوند ، کاهش دهند.بنابراین ، آنها ممکن است امکان استقرار مدل های قدرتمندتر در دستگاه های لبه را فراهم کنند.با این حال ، شبکه های عصبی باینری هنوز هم ثابت شده است که آموزش استفاده از طرح نزول شیب مبتنی بر پشتوانه دشوار است.این مقاله کار cite {crulis2023alternatives} را گسترش می دهد ، که پیشنهاد می کند با شبکه های عصبی باینری دو گزینه جایگزین برای بازگشت به عقب را که در ابتدا برای شبکه های عصبی مداوم طراحی شده است ، ارائه می دهد و در مجموعه داده های طبقه بندی تصویر ساده آزمایش می کند.در این مقاله آزمایش های جدیدی در مجموعه داده های Imagenette ارائه شده است ، سه معماری مدل مختلف را برای طبقه بندی تصویر مقایسه می کند و دو گزینه دیگر را برای بازگشت به عقب اضافه 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.

🎯 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.