ترجمه فارسی مقاله برآورد چگالی از طریق ادغام چند بعدی بی سیم

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 Density Estimation via Binless Multidimensional Integration
عنوان مقاله به فارسی برآورد چگالی از طریق ادغام چند بعدی بی سیم
نویسندگان Matteo Carli, Alex Rodriguez, Alessandro Laio, Aldo Glielmo
فرمت مقاله انگلیسی PDF
تعداد صفحات 36
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Machine Learning,Chemical Physics,Data Analysis, Statistics and Probability,یادگیری ماشین , یادگیری ماشین , فیزیک شیمیایی , تجزیه و تحلیل داده ها , آمار و احتمال ,
توضیحات Submitted 14 July, 2024; v1 submitted 10 July, 2024; originally announced July 2024.
توضیحات به فارسی ارسال شده در 14 ژوئیه 2024 ؛V1 ارسال شده 10 ژوئیه 2024 ؛در ابتدا ژوئیه 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

We introduce the Binless Multidimensional Thermodynamic Integration (BMTI) method for nonparametric, robust, and data-efficient density estimation. BMTI estimates the logarithm of the density by initially computing log-density differences between neighbouring data points. Subsequently, such differences are integrated, weighted by their associated uncertainties, using a maximum-likelihood formulation. This procedure can be seen as an extension to a multidimensional setting of the thermodynamic integration, a technique developed in statistical physics. The method leverages the manifold hypothesis, estimating quantities within the intrinsic data manifold without defining an explicit coordinate map. It does not rely on any binning or space partitioning, but rather on the construction of a neighbourhood graph based on an adaptive bandwidth selection procedure. BMTI mitigates the limitations commonly associated with traditional nonparametric density estimators, effectively reconstructing smooth profiles even in high-dimensional embedding spaces. The method is tested on a variety of complex synthetic high-dimensional datasets, where it is shown to outperform traditional estimators, and is benchmarked on realistic datasets from the chemical physics literature.

چکیده به فارسی (ترجمه ماشینی)

ما روش ادغام ترمودینامیکی چند بعدی (BMTI) را برای برآورد چگالی غیر پارامتری ، قوی و کارآمد داده معرفی می کنیم.BMTI با محاسبه اختلاف چگالی ورود به سیستم بین نقاط داده همسایه ، لگاریتم چگالی را تخمین می زند.پس از آن ، چنین اختلافاتی با استفاده از یک فرمولاسیون حداکثر احتمال ، با عدم قطعیت های مرتبط با آنها یکپارچه می شوند.این روش را می توان به عنوان یک پسوند برای یک تنظیم چند بعدی از ادغام ترمودینامیکی ، تکنیکی که در فیزیک آماری ایجاد شده است ، مشاهده کرد.این روش از فرضیه منیفولد استفاده می کند ، و مقادیر موجود در منیفولد داده های ذاتی را بدون تعریف نقشه مختصات صریح تخمین می زند.این امر به هیچ پارتیشن بندی یا تقسیم فضایی متکی نیست ، بلکه بیشتر به ساخت یک نمودار محله بر اساس یک روش انتخاب پهنای باند تطبیقی ​​است.BMTI محدودیت هایی را که معمولاً با برآوردگرهای چگالی غیر پارامتری سنتی مرتبط است ، کاهش می دهد ، و به طور موثری پروفایل های صاف را حتی در فضاهای تعبیه شده با ابعاد بالا بازسازی می کند.این روش بر روی انواع مجموعه داده های پیچیده مصنوعی پیچیده آزمایش شده است ، جایی که نشان داده شده است که از برآوردگرهای سنتی بهتر عمل می کند ، و در مجموعه داده های واقع گرایانه از ادبیات فیزیک شیمیایی معیار 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.