ترجمه فارسی مقاله بسته Geometrickernels: هسته های گرما و matérn برای یادگیری هندسی روی منیفولدها ، مش و نمودارها
عنوان مقاله به انگلیسی
The GeometricKernels Package: Heat and Matérn Kernels for Geometric Learning on Manifolds, Meshes, and Graphs
عنوان مقاله به فارسی
بسته Geometrickernels: هسته های گرما و matérn برای یادگیری هندسی روی منیفولدها ، مش و نمودارها
نویسندگان
Peter Mostowsky, Vincent Dutordoir, Iskander Azangulov, Noémie Jaquier, Michael John Hutchinson, Aditya Ravuri, Leonel Rozo, Alexander Terenin, Viacheslav Borovitskiy
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
Kernels are a fundamental technical primitive in machine learning. In recent years, kernel-based methods such as Gaussian processes are becoming increasingly important in applications where quantifying uncertainty is of key interest. In settings that involve structured data defined on graphs, meshes, manifolds, or other related spaces, defining kernels with good uncertainty-quantification behavior, and computing their value numerically, is less straightforward than in the Euclidean setting. To address this difficulty, we present GeometricKernels, a software package which implements the geometric analogs of classical Euclidean squared exponential - also known as heat - and Matérn kernels, which are widely-used in settings where uncertainty is of key interest. As a byproduct, we obtain the ability to compute Fourier-feature-type expansions, which are widely used in their own right, on a wide set of geometric spaces. Our implementation supports automatic differentiation in every major current framework simultaneously via a backend-agnostic design. In this companion paper to the package and its documentation, we outline the capabilities of the package and present an illustrated example of its interface. We also include a brief overview of the theory the package is built upon and provide some historic context in the appendix.
چکیده به فارسی (ترجمه ماشینی)
هسته ها یک فنی اساسی در یادگیری ماشین هستند.در سالهای اخیر ، روشهای مبتنی بر هسته مانند فرآیندهای گاوسی در برنامه هایی که کمیت عدم اطمینان از علاقه کلیدی برخوردار است ، به طور فزاینده ای اهمیت می یابد.در تنظیماتی که شامل داده های ساختاری تعریف شده بر روی نمودارها ، مش ، منیفولدها یا سایر فضاهای مرتبط ، تعریف هسته ها با رفتار عدم اطمینان خوب و محاسبه مقدار آنها به صورت عددی است ، کمتر از تنظیم اقلیدسی است.برای پرداختن به این دشواری ، ما Geometrickernels را ارائه می دهیم ، یک بسته نرم افزاری که آنالوگ های هندسی نمایی کلاسیک اقلیدسی را که به عنوان گرما شناخته می شود - و هسته های ماترن نیز استفاده می کند ، که در تنظیماتی که عدم اطمینان از علاقه کلیدی است استفاده می شود.ما به عنوان یک محصول جانبی ، ما توانایی محاسبه گسترش از نوع 4-Feature ، که به طور گسترده در سمت خود مورد استفاده قرار می گیرند ، در مجموعه گسترده ای از فضاهای هندسی به دست می آوریم.اجرای ما از تمایز اتوماتیک در هر چارچوب عمده فعلی به طور همزمان از طریق یک طرح با پس زمینه آگنوستیک پشتیبانی می کند.در این مقاله همراه با بسته و مستندات آن ، قابلیت های بسته را تشریح می کنیم و نمونه ای از واسط آن را ارائه می دهیم.ما همچنین شامل یک مرور کلی از نظریه ای است که بسته بر روی آن ساخته شده است و زمینه های تاریخی را در پیوست ارائه می دهیم.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
