ترجمه فارسی مقاله بیز متغیر معنایی بر اساس نظریه اطلاعات معنایی برای حل متغیرهای پنهان

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 Semantic Variational Bayes Based on a Semantic Information Theory for Solving Latent Variables
عنوان مقاله به فارسی بیز متغیر معنایی بر اساس نظریه اطلاعات معنایی برای حل متغیرهای پنهان
نویسندگان Chenguang Lu
فرمت مقاله انگلیسی PDF
تعداد صفحات 21
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Information Theory,یادگیری ماشین , هوش مصنوعی , تئوری اطلاعات ,
توضیحات Submitted 11 August, 2024; originally announced August 2024. , Comments: 21 pages, 7 figures, 39 references , MSC Class: 94A17; 94A15; 68T05; 62F15; 68P30; 68T27; 68T50; 30B42 ACM Class: H.1.1; I.1.2; I.2.6; I.2.8; I.2.4; E.4; G.1.6
توضیحات به فارسی ارسال شده در 11 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 21 صفحه ، 7 شکل ، 39 مرجع ، کلاس MSC: 94A17 ؛94A15 ؛68T05 ؛62F15 ؛68p30 ؛68T27 ؛68T50 ؛کلاس 30B42 ACM: H.1.1 ؛I.1.2 ؛I.2.6 ؛I.2.8 ؛I.2.4 ؛E.4 ؛G.1.6
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 Variational Bayesian method (VB) is used to solve the probability distributions of latent variables with the minimum free energy criterion. This criterion is not easy to understand, and the computation is complex. For these reasons, this paper proposes the Semantic Variational Bayes' method (SVB). The Semantic Information Theory the author previously proposed extends the rate-distortion function R(D) to the rate-fidelity function R(G), where R is the minimum mutual information for given semantic mutual information G. SVB came from the parameter solution of R(G), where the variational and iterative methods originated from Shannon et al.'s research on the rate-distortion function. The constraint functions SVB uses include likelihood, truth, membership, similarity, and distortion functions. SVB uses the maximum information efficiency (G/R) criterion, including the maximum semantic information criterion for optimizing model parameters and the minimum mutual information criterion for optimizing the Shannon channel. For the same tasks, SVB is computationally simpler than VB. The computational experiments in the paper include 1) using a mixture model as an example to show that the mixture model converges as G/R increases; 2) demonstrating the application of SVB in data compression with a group of error ranges as the constraint; 3) illustrating how the semantic information measure and SVB can be used for maximum entropy control and reinforcement learning in control tasks with given range constraints, providing numerical evidence for balancing control's purposiveness and efficiency. Further research is needed to apply SVB to neural networks and deep learning.

چکیده به فارسی (ترجمه ماشینی)

از روش متغیر بیزی (VB) برای حل توزیع احتمال متغیرهای نهفته با حداقل معیار انرژی آزاد استفاده می شود.درک این معیار آسان نیست و محاسبه پیچیده است.به همین دلایل ، این مقاله روش متغیر معنایی Bayes (SVB) را ارائه می دهد.نظریه اطلاعات معنایی که نویسنده قبلاً پیشنهاد کرده بود ، عملکرد-تقطیر نرخ R (D) را به عملکرد R (G) افزایش می دهد ، جایی که R حداقل اطلاعات متقابل برای اطلاعات متقابل معنایی G. SVB از راه حل پارامتر استR (g) ، که در آن روش های متنوع و تکراری از تحقیقات شانون و همکاران در مورد عملکرد میزان اختلاف نرخ سرچشمه گرفته است.توابع محدودیت SVB استفاده می کند شامل احتمال ، حقیقت ، عضویت ، شباهت و توابع اعوجاج است.SVB از معیار حداکثر راندمان اطلاعات (G/R) استفاده می کند ، از جمله حداکثر معیار اطلاعات معنایی برای بهینه سازی پارامترهای مدل و حداقل معیار اطلاعات متقابل برای بهینه سازی کانال شانون.برای همان کارها ، SVB از نظر محاسباتی ساده تر از VB است.آزمایش های محاسباتی موجود در مقاله شامل 1) استفاده از یک مدل مخلوط به عنوان نمونه ای برای نشان دادن اینکه مدل مخلوط با افزایش G/R همگرا می شود.2) نشان دادن کاربرد SVB در فشرده سازی داده ها با گروهی از دامنه خطا به عنوان محدودیت.3) نشان دادن چگونگی استفاده از اندازه گیری اطلاعات معنایی و SVB برای حداکثر کنترل آنتروپی و یادگیری تقویت در کارهای کنترل با محدودیت های محدوده داده شده ، ارائه شواهد عددی برای متعادل کردن هدف و کارآیی کنترل.تحقیقات بیشتر برای استفاده از SVB در شبکه های عصبی و یادگیری عمیق لازم 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.