ترجمه فارسی مقاله شبکه های عصبی فردولم

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Fredholm Neural Networks
عنوان مقاله به فارسی شبکه های عصبی فردولم
نویسندگان Kyriakos Georgiou, Constantinos Siettos, Athanasios N. Yannacopoulos
فرمت مقاله انگلیسی PDF
تعداد صفحات 22
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Numerical Analysis,Dynamical Systems,تجزیه و تحلیل عددی , سیستم های دینامیکی ,
توضیحات Submitted 20 August, 2024; v1 submitted 18 August, 2024; originally announced August 2024. , Comments: 22 pages, 11 figures Replacement reason: corrected licence to arXiv.org perpetual, non-exclusive license , MSC Class: 65R20 (Primary); 68T07; 45B05; 65N38 (Secondary)
توضیحات به فارسی 20 اوت 2024 ارسال شد.V1 ارسال شده 18 اوت 2024 ؛در ابتدا اوت 2024. ، نظرات: 22 صفحه ، 11 رقم دلیل جایگزینی: مجوز اصلاح شده به Arxiv.org دائمی ، مجوز غیر انحصاری ، کلاس MSC: 65R20 (اولیه) ؛68T07 ؛45B05 ؛65N38 (ثانویه)
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

Within the family of explainable machine-learning, we present Fredholm neural networks (Fredholm NNs), deep neural networks (DNNs) which replicate fixed point iterations for the solution of linear and nonlinear Fredholm Integral Equations (FIE) of the second kind. Applications of FIEs include the solution of ordinary, as well as partial differential equations (ODEs, PDEs) and many more. We first prove that Fredholm NNs provide accurate solutions. We then provide insight into the values of the hyperparameters and trainable/explainable weights and biases of the DNN, by directly connecting their values to the underlying mathematical theory. For our illustrations, we use Fredholm NNs to solve both linear and nonlinear problems, including elliptic PDEs and boundary value problems. We show that the proposed scheme achieves significant numerical approximation accuracy across both the domain and boundary. The proposed methodology provides insight into the connection between neural networks and classical numerical methods, and we posit that it can have applications in fields such as Uncertainty Quantification (UQ) and explainable artificial intelligence (XAI). Thus, we believe that it will trigger further advances in the intersection between scientific machine learning and numerical analysis.

چکیده به فارسی (ترجمه ماشینی)

در داخل خانواده یادگیری ماشین قابل توضیح ، ما شبکه های عصبی Fredholm (Fredholm NNS) ، شبکه های عصبی عمیق (DNN) را ارائه می دهیم که تکرارهای نقطه ثابت را برای حل معادلات انتگرال خطی و غیرخطی فردولم (FIE) از نوع دوم تکرار می کنند.برنامه های کاربردی FIE شامل حل معادلات معمولی و همچنین دیفرانسیل جزئی (ODE ، PDE) و موارد دیگر است.ما ابتدا ثابت می کنیم که NNS Fredholm راه حل های دقیقی را ارائه می دهد.سپس با اتصال مستقیم مقادیر آنها به نظریه ریاضی اساسی ، ما بینش در مورد مقادیر هایپرپارامترها و وزن های قابل آموزش/قابل توضیح و تعصب DNN را ارائه می دهیم.برای تصاویر ما ، ما از NNS Fredholm برای حل مشکلات خطی و غیرخطی ، از جمله PDE های بیضوی و مشکلات ارزش مرزی استفاده می کنیم.ما نشان می دهیم که طرح پیشنهادی به دقت تقریب عددی قابل توجهی در هر دو دامنه و مرز دست می یابد.روش پیشنهادی بینشی در مورد ارتباط بین شبکه های عصبی و روشهای عددی کلاسیک ارائه می دهد ، و ما اظهار داریم که می تواند در زمینه هایی مانند کمیت عدم اطمینان (UQ) و هوش مصنوعی قابل توضیح (XAI) کاربردی داشته باشد.بنابراین ، ما معتقدیم که این امر باعث پیشرفت بیشتر در تقاطع بین یادگیری ماشین علمی و تجزیه و تحلیل عددی خواهد 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.