ترجمه فارسی مقاله تقریب عملگر پروگزیمال هنجار $ell_infty$ با استفاده از شبکه عصبی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Approximation of the Proximal Operator of the $\ell_\infty$ Norm Using a Neural Network
عنوان مقاله به فارسی تقریب عملگر پروگزیمال هنجار $\ell_\infty$ با استفاده از شبکه عصبی
نویسندگان Kathryn Linehan, Radu Balan
فرمت مقاله انگلیسی PDF
تعداد صفحات 30
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Numerical Analysis,Machine Learning,تجزیه و تحلیل عددی , یادگیری ماشین ,
توضیحات Submitted 20 August, 2024; originally announced August 2024. , Comments: 30 pages, 5 figures, 6 tables , MSC Class: 65K10; 68T07
توضیحات به فارسی 20 اوت 2024 ارسال شد.در ابتدا اوت 2024 اعلام شد ، نظرات: 30 صفحه ، 5 شکل ، 6 جدول ، کلاس MSC: 65K10 ؛68T07
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

Computing the proximal operator of the $\ell_\infty$ norm, $\textbf{prox}_{α||\cdot||_\infty}(\mathbf{x})$, generally requires a sort of the input data, or at least a partial sort similar to quicksort. In order to avoid using a sort, we present an $O(m)$ approximation of $\textbf{prox}_{α||\cdot||_\infty}(\mathbf{x})$ using a neural network. A novel aspect of the network is that it is able to accept vectors of varying lengths due to a feature selection process that uses moments of the input data. We present results on the accuracy of the approximation, feature importance, and computational efficiency of the approach. We show that the network outperforms a "vanilla neural network" that does not use feature selection. We also present an algorithm with corresponding theory to calculate $\textbf{prox}_{α||\cdot||_\infty}(\mathbf{x})$ exactly, relate it to the Moreau decomposition, and compare its computational efficiency to that of the approximation.

چکیده به فارسی (ترجمه ماشینی)

محاسبه اپراتور پروگزیمال $ \ ell_ \ infty $ norm ، $ \ textbf {prox} _ {α || \ cdot || _ \ infty} (\ mathbf {x}) $ ، به طور کلی نیاز به نوعی از داده های ورودی دارد، یا حداقل یک نوع جزئی شبیه به QuickSort.برای جلوگیری از استفاده از یک نوع ، ما یک تقریب $ O (m) $ $ \ textBf {prox} _ {α || \ cdot || _ \ intty} (\ mathbf {x}) $ با استفاده از یک شبکه عصبی ارائه می دهیم.بشرجنبه جدیدی از شبکه این است که به دلیل یک فرآیند انتخاب ویژگی که از لحظه های داده های ورودی استفاده می کند ، می تواند بردارهای مختلف را بپذیرد.ما نتایج را در مورد صحت تقریب ، اهمیت ویژگی و راندمان محاسباتی رویکرد ارائه می دهیم.ما نشان می دهیم که این شبکه از "شبکه عصبی وانیلی" بهتر عمل می کند که از انتخاب ویژگی استفاده نمی کند.ما همچنین یک الگوریتم با تئوری مربوطه برای محاسبه $ \ textbf {prox} _ {α || \ cdot || _ \ infty} (\ mathbf {x}) دقیقاً ، آن را با تجزیه مورو با آن مقایسه می کنیم و محاسباتی آن را مقایسه می کنیم.کارآیی در مورد تقریب.

📚 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.