ترجمه فارسی مقاله یادگیری الگوریتم های تصادفی با ترانسفورماتورها

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Learning Randomized Algorithms with Transformers
عنوان مقاله به فارسی یادگیری الگوریتم های تصادفی با ترانسفورماتورها
نویسندگان Johannes von Oswald, Seijin Kobayashi, Yassir Akram, Angelika Steger
فرمت مقاله انگلیسی PDF
تعداد صفحات 21
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 20 August, 2024; originally announced August 2024.
توضیحات به فارسی 20 اوت 2024 ارسال شد.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

Randomization is a powerful tool that endows algorithms with remarkable properties. For instance, randomized algorithms excel in adversarial settings, often surpassing the worst-case performance of deterministic algorithms with large margins. Furthermore, their success probability can be amplified by simple strategies such as repetition and majority voting. In this paper, we enhance deep neural networks, in particular transformer models, with randomization. We demonstrate for the first time that randomized algorithms can be instilled in transformers through learning, in a purely data- and objective-driven manner. First, we analyze known adversarial objectives for which randomized algorithms offer a distinct advantage over deterministic ones. We then show that common optimization techniques, such as gradient descent or evolutionary strategies, can effectively learn transformer parameters that make use of the randomness provided to the model. To illustrate the broad applicability of randomization in empowering neural networks, we study three conceptual tasks: associative recall, graph coloring, and agents that explore grid worlds. In addition to demonstrating increased robustness against oblivious adversaries through learned randomization, our experiments reveal remarkable performance improvements due to the inherently random nature of the neural networks' computation and predictions.

چکیده به فارسی (ترجمه ماشینی)

تصادفی سازی ابزاری قدرتمند است که الگوریتم هایی را با خصوصیات قابل توجه درون می آورد.به عنوان مثال ، الگوریتم های تصادفی در تنظیمات مخالف برتری دارند ، که اغلب از بدترین عملکرد الگوریتم های قطعی با حاشیه های بزرگ فراتر می روند.علاوه بر این ، احتمال موفقیت آنها می تواند با استراتژی های ساده مانند تکرار و رای گیری اکثریت تقویت شود.در این مقاله ، ما شبکه های عصبی عمیق ، به ویژه مدلهای ترانسفورماتور را با تصادفی سازی تقویت می کنیم.ما برای اولین بار نشان می دهیم که الگوریتم های تصادفی می توانند از طریق یادگیری ، به روشی کاملاً داده و هدف محور در ترانسفورماتورها القا شوند.اول ، ما اهداف متناقض شناخته شده را که الگوریتم های تصادفی برای آنها یک مزیت متمایز نسبت به موارد قطعی ارائه می دهند ، تجزیه و تحلیل می کنیم.سپس ما نشان می دهیم که تکنیک های بهینه سازی متداول ، مانند نزول شیب یا استراتژی های تکاملی ، می توانند به طور مؤثر پارامترهای ترانسفورماتور را که از تصادفی ارائه شده به مدل استفاده می کنند ، بیاموزند.برای نشان دادن کاربرد گسترده تصادفی در توانمندسازی شبکه های عصبی ، ما سه وظیفه مفهومی را مطالعه می کنیم: فراخوان انجمنی ، رنگ آمیزی نمودار و عوامل که جهان های شبکه را کشف می کنند.علاوه بر نشان دادن افزایش استحکام در برابر مخالفان فراموشی از طریق تصادفی آموخته شده ، آزمایش های ما بهبود عملکرد قابل توجهی را به دلیل ماهیت ذاتاً تصادفی محاسبات و پیش بینی شبکه های عصبی نشان می دهد.

📚 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.