اکسپرس 24
ترجمه فارسی مقاله یک چارچوب پویای یکپارچه مبتنی بر روانشناسی برای یادگیری برنامه درسی

ترجمه فارسی مقاله یک چارچوب پویای یکپارچه مبتنی بر روانشناسی برای یادگیری برنامه درسی

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 Psychology-based Unified Dynamic Framework for Curriculum Learning
عنوان مقاله به فارسی یک چارچوب پویای یکپارچه مبتنی بر روانشناسی برای یادگیری برنامه درسی
نویسندگان Guangyu Meng, Qingkai Zeng, John P. Lalor, Hong Yu
فرمت مقاله انگلیسی PDF
تعداد صفحات 28
دسته بندی موضوعات Computation and Language,محاسبه و زبان ,
توضیحات Submitted 9 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 9 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: 1,120,000 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

Directly learning from examples of random difficulty levels is often challenging for both humans and machine learning models. A more effective strategy involves exposing learners to examples in a progressive order, from easy to difficult. Curriculum Learning (CL) has been proposed to implement this strategy in machine learning model training. However, two key challenges persist in CL framework design: defining the difficulty of training data and determining the appropriate amount of data to input at each training step. This paper presents a Psychology-based Unified Dynamic Framework for Curriculum Learning (PUDF), drawing inspiration from psychometrics. We quantify the difficulty of training data by applying Item Response Theory (IRT) to responses from Artificial Crowds (AC). This theory-driven IRT-AC approach leads to global (i.e., model-independent) and interpretable difficulty values. Leveraging IRT, we propose a Dynamic Data Selection via Model Ability Estimation (DDS-MAE) strategy to schedule the appropriate amount of data during model training. Since our difficulty labeling and model ability estimation are based on a consistent theory, namely IRT, their values are comparable within the same scope, potentially leading to a faster convergence compared to the other CL methods. Experimental results demonstrate that fine-tuning pre-trained language models with PUDF enhances their performance on the GLUE benchmark. Moreover, PUDF surpasses other state-of-the-art (SOTA) CL methods on the GLUE benchmark. We further explore the components of PUDF, namely the difficulty measurer (IRT-AC) and the training scheduler (DDS-MAE) qualitatively and quantitatively. Lastly, we conduct an ablation study to clarify which components of PUDF contribute to faster convergence and higher accuracy.

چکیده به فارسی (ترجمه ماشینی)

یادگیری مستقیم از نمونه هایی از سطح دشواری تصادفی اغلب برای هر دو مدل یادگیری ماشین و ماشین چالش برانگیز است.یک استراتژی مؤثرتر شامل افشای زبان آموزان در برابر نمونه هایی در یک نظم مترقی ، از آسان تا دشوار است.یادگیری برنامه درسی (CL) برای اجرای این استراتژی در آموزش مدل یادگیری ماشین پیشنهاد شده است.با این حال ، دو چالش مهم در طراحی چارچوب CL ادامه دارد: تعریف دشواری در آموزش داده ها و تعیین میزان مناسب داده ها برای ورود در هر مرحله آموزش.در این مقاله یک چارچوب پویا یکپارچه مبتنی بر روانشناسی برای یادگیری برنامه درسی (PUDF) ارائه شده است ، و الهام بخش از روان سنجی است.ما با استفاده از تئوری پاسخ مورد (IRT) به پاسخ های جمعیت مصنوعی (AC) ، دشواری داده های آموزش را کمیت می کنیم.این رویکرد IRT-AC تئوری محور منجر به ارزشهای جهانی (به عنوان مثال ، مستقل از مدل) و قابل تفسیر می شود.با استفاده از IRT ، ما یک استراتژی انتخاب داده های پویا را از طریق استراتژی تخمین توانایی مدل (DDS-MAE) پیشنهاد می کنیم تا مقدار مناسب داده ها را در طول آموزش مدل برنامه ریزی کنیم.از آنجا که برچسب زدن مشکل ما و برآورد توانایی مدل مبتنی بر یک تئوری سازگار ، یعنی IRT است ، مقادیر آنها در همان محدوده قابل مقایسه است ، که به طور بالقوه منجر به همگرایی سریعتر در مقایسه با سایر روشهای CL می شود.نتایج تجربی نشان می دهد که مدل های زبان قبل از آموزش خوب با PUDF عملکرد آنها را در معیار چسب تقویت می کند.علاوه بر این ، پودف از سایر روشهای پیشرفته (SOTA) CL در معیار چسب پیشی می گیرد.ما در ادامه اجزای PUDF ، یعنی دشواری اندازه گیری (IRT-AC) و برنامه ریزی آموزش (DDS-MAE) را از نظر کیفی و کمی بررسی می کنیم.سرانجام ، ما یک مطالعه فرسایش را انجام می دهیم تا مشخص کنیم کدام مؤلفه های PUDF به همگرایی سریعتر و دقت بالاتر 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.

🎯 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.