ترجمه فارسی مقاله وکتور کشف اطلاعات منبع باز نمادین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Vector Symbolic Open Source Information Discovery
عنوان مقاله به فارسی وکتور کشف اطلاعات منبع باز نمادین
نویسندگان Cai Davies, Sam Meek, Philip Hawkins, Benomy Tutcher, Graham Bent, Alun Preece
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Information Retrieval,بازیابی اطلاعات ,
توضیحات Submitted 20 August, 2024; originally announced August 2024. , Journal ref: Artificial Intelligence and Machine Learning for Multi-Domain Operations Applications VI, vol. 13051, pp. 380-390. SPIE, 2024
توضیحات به فارسی 20 اوت 2024 ارسال شد.در ابتدا اوت 2024 اعلام شد. ، مجله Ref: هوش مصنوعی و یادگیری ماشین برای برنامه های عملیاتی چند دامنه vi ، جلد.13051 ، صص 380-390.Spie ، 2024
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

Combined, joint, intra-governmental, inter-agency and multinational (CJIIM) operations require rapid data sharing without the bottlenecks of metadata curation and alignment. Curation and alignment is particularly infeasible for external open source information (OSINF), e.g., social media, which has become increasingly valuable in understanding unfolding situations. Large language models (transformers) facilitate semantic data and metadata alignment but are inefficient in CJIIM settings characterised as denied, degraded, intermittent and low bandwidth (DDIL). Vector symbolic architectures (VSA) support semantic information processing using highly compact binary vectors, typically 1-10k bits, suitable in a DDIL setting. We demonstrate a novel integration of transformer models with VSA, combining the power of the former for semantic matching with the compactness and representational structure of the latter. The approach is illustrated via a proof-of-concept OSINF data discovery portal that allows partners in a CJIIM operation to share data sources with minimal metadata curation and low communications bandwidth. This work was carried out as a bridge between previous low technology readiness level (TRL) research and future higher-TRL technology demonstration and deployment.

چکیده به فارسی (ترجمه ماشینی)

عملیات ترکیبی ، مشترک ، درون دولتی ، بین آژانس و چند ملیتی (CJIIM) نیاز به به اشتراک گذاری سریع داده ها بدون تنگناهای درمان و تراز ابرداده دارد.درمان و تراز به ویژه برای اطلاعات منبع باز خارجی (OSINF) ، به عنوان مثال ، رسانه های اجتماعی ، که به طور فزاینده ای در درک موقعیت های آشکار کننده ارزشمند شده است ، غیر ممکن است.مدل های بزرگ زبان (ترانسفورماتور) داده های معنایی و تراز ابرداده را تسهیل می کنند اما در تنظیمات CJIIM ناکارآمد هستند که به عنوان پهنای باند رد شده ، تخریب ، متناوب و کم (DDIL) مشخص می شوند.معماری نمادین وکتور (VSA) از پردازش اطلاعات معنایی با استفاده از بردارهای باینری بسیار جمع و جور ، به طور معمول بیت های 1-10K ، مناسب در یک تنظیم DDIL پشتیبانی می کند.ما یک ادغام جدید از مدل های ترانسفورماتور با VSA را نشان می دهیم ، و قدرت اولی را برای تطبیق معنایی با فشرده سازی و ساختار بازنمایی دومی ترکیب می کنیم.این رویکرد از طریق پورتال کشف داده OSINF اثبات مفهوم نشان داده شده است که به شرکای یک عملیات CJIIM اجازه می دهد تا منابع داده را با حداقل درمان ابرداده و پهنای باند ارتباطات کم به اشتراک بگذارند.این کار به عنوان پلی بین تحقیقات قبلی سطح آمادگی فناوری پایین (TRL) و تظاهرات و استقرار فناوری بالاتر TRL در آینده انجام شد.

📚 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.