ترجمه فارسی مقاله تأثیر کانال: تخمین تأثیر داده برای سری‌های زمانی چند متغیره

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 Channel-wise Influence: Estimating Data Influence for Multivariate Time Series
عنوان مقاله به فارسی تأثیر کانال: تخمین تأثیر داده برای سری‌های زمانی چند متغیره
نویسندگان Muyao Wang, Zeke Xie, Bo Chen
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 26 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 26 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
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

The influence function, a technique from robust statistics, measures the impact on model parameters or related functions when training data is removed or modified. This effective and valuable post-hoc method allows for studying the interpretability of machine learning models without requiring costly model retraining. It would provide extensions like increasing model performance, improving model generalization, and offering interpretability. Recently, Multivariate Time Series (MTS) analysis has become an important yet challenging task, attracting significant attention. However, there is no preceding research on the influence functions of MTS to shed light on the effects of modifying the channel of training MTS. Given that each channel in an MTS plays a crucial role in its analysis, it is essential to characterize the influence of different channels. To fill this gap, we propose a channel-wise influence function, which is the first method that can estimate the influence of different channels in MTS, utilizing a first-order gradient approximation that leverages the more informative average gradient of the data set. Additionally, we demonstrate how this influence function can be used to estimate the impact of a channel in MTS. Finally, we validated the accuracy and effectiveness of our influence estimation function in critical MTS analysis tasks, such as MTS anomaly detection and MTS forecasting. According to abundant experiments on real-world dataset, the original influence function performs worse than our method and even fail for the channel pruning problem, which demonstrate the superiority and necessity of channel-wise influence function in MTS analysis tasks.

چکیده به فارسی (ترجمه ماشینی)

عملکرد تأثیر ، یک تکنیک از آمار قوی ، تأثیر بر پارامترهای مدل یا توابع مرتبط را هنگام حذف یا اصلاح داده ها اندازه گیری می کند.این روش مؤثر و ارزشمند پس از تعقیب ، امکان مطالعه تفسیر مدل های یادگیری ماشین را بدون نیاز به آموزش مدل پر هزینه فراهم می کند.این برنامه ها مانند افزایش عملکرد مدل ، بهبود تعمیم مدل و ارائه تفسیر را فراهم می کند.اخیراً ، تجزیه و تحلیل سری زمانی چند متغیره (MTS) به یک کار مهم و در عین حال چالش برانگیز تبدیل شده است و توجه قابل توجهی را به خود جلب کرده است.با این حال ، هیچ تحقیق قبلی در مورد کارکردهای تأثیر MTS برای روشن کردن اثرات اصلاح کانال آموزش MTS وجود ندارد.با توجه به اینکه هر کانال در یک MTS نقش مهمی در تجزیه و تحلیل آن ایفا می کند ، توصیف تأثیر کانال های مختلف ضروری است.برای پر کردن این شکاف ، ما یک تابع تأثیرگذاری کانال را پیشنهاد می کنیم ، که اولین روشی است که می تواند تأثیر کانال های مختلف در MTS را تخمین بزند ، با استفاده از تقریب شیب مرتبه اول که از شیب متوسط ​​آموزنده تر مجموعه داده ها استفاده می کند.علاوه بر این ، ما نشان می دهیم که چگونه می توان از این عملکرد تأثیر برای تخمین تأثیر یک کانال در MTS استفاده کرد.سرانجام ، ما صحت و اثربخشی عملکرد تخمین تأثیر خود را در کارهای تحلیل بحرانی MTS ، مانند تشخیص ناهنجاری MTS و پیش بینی MTS تأیید کردیم.با توجه به آزمایش های فراوان در مورد مجموعه داده های دنیای واقعی ، عملکرد تأثیر اصلی بدتر از روش ما است و حتی برای مشکل هرس کانال شکست می خورد ، که نشان دهنده برتری و ضرورت عملکرد تأثیر کانال در کارهای تجزیه و تحلیل MTS است.

📚 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.