ترجمه فارسی مقاله مدل‌های انتشار محدود از طریق آموزش دوگانه

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 Constrained Diffusion Models via Dual Training
عنوان مقاله به فارسی مدل‌های انتشار محدود از طریق آموزش دوگانه
نویسندگان Shervin Khalafi, Dongsheng Ding, Alejandro Ribeiro
فرمت مقاله انگلیسی PDF
تعداد صفحات 41
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Computer Vision and Pattern Recognition,Optimization and Control,یادگیری ماشین , دید رایانه و تشخیص الگوی , بهینه سازی و کنترل ,
توضیحات Submitted 27 August, 2024; originally announced August 2024. , Comments: 41 pages, 4 figures, 2 tables
توضیحات به فارسی ارسال شده در 27 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 41 صفحه ، 4 شکل ، 2 جدول
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

Diffusion models have attained prominence for their ability to synthesize a probability distribution for a given dataset via a diffusion process, enabling the generation of new data points with high fidelity. However, diffusion processes are prone to generating biased data based on the training dataset. To address this issue, we develop constrained diffusion models by imposing diffusion constraints based on desired distributions that are informed by requirements. Specifically, we cast the training of diffusion models under requirements as a constrained distribution optimization problem that aims to reduce the distribution difference between original and generated data while obeying constraints on the distribution of generated data. We show that our constrained diffusion models generate new data from a mixture data distribution that achieves the optimal trade-off among objective and constraints. To train constrained diffusion models, we develop a dual training algorithm and characterize the optimality of the trained constrained diffusion model. We empirically demonstrate the effectiveness of our constrained models in two constrained generation tasks: (i) we consider a dataset with one or more underrepresented classes where we train the model with constraints to ensure fairly sampling from all classes during inference; (ii) we fine-tune a pre-trained diffusion model to sample from a new dataset while avoiding overfitting.

چکیده به فارسی (ترجمه ماشینی)

مدلهای انتشار برای توانایی آنها در سنتز توزیع احتمال برای یک مجموعه داده معین از طریق یک فرآیند انتشار ، برجسته شده اند و باعث می شود تولید نقاط جدید با وفاداری بالا تولید شود.با این حال ، فرآیندهای انتشار مستعد تولید داده های مغرضانه بر اساس مجموعه داده آموزش هستند.برای پرداختن به این مسئله ، ما با تحمیل محدودیت های انتشار بر اساس توزیع های مورد نظر که توسط الزامات مطلع می شوند ، مدل های انتشار محدود را توسعه می دهیم.به طور خاص ، ما آموزش مدلهای انتشار را تحت الزامات به عنوان یک مشکل بهینه سازی توزیع محدود می کنیم که هدف آن کاهش اختلاف توزیع بین داده های اصلی و تولید شده در حالی است که از محدودیت های توزیع داده های تولید شده پیروی می کنیم.ما نشان می دهیم که مدل های انتشار محدود ما داده های جدیدی را از توزیع داده های مخلوط ایجاد می کنند که به تجارت مطلوب در بین عینی و محدودیت ها دست می یابد.برای آموزش مدلهای انتشار محدود ، ما یک الگوریتم آموزش دوگانه ایجاد می کنیم و بهینه سازی مدل انتشار محدود شده آموزش داده شده را توصیف می کنیم.ما به صورت تجربی اثربخشی مدلهای محدود خود را در دو وظیفه تولید محدود نشان می دهیم: (i) ما یک مجموعه داده را با یک یا چند کلاس کم نماینده در نظر می گیریم که در آن مدل را با محدودیت ها آموزش می دهیم تا از نمونه گیری عادلانه از همه کلاس ها در هنگام استنتاج اطمینان حاصل کنیم.(ب) ما یک مدل انتشار از پیش آموزش داده شده را به خوبی تنظیم می کنیم تا ضمن جلوگیری از بیش از حد ، از یک مجموعه داده جدید نمونه برداری 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.