ترجمه فارسی مقاله تقارن بهینه در طبقه بندی باینری

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Optimal Symmetries in Binary Classification
عنوان مقاله به فارسی تقارن بهینه در طبقه بندی باینری
نویسندگان Vishal S. Ngairangbam, Michael Spannowsky
فرمت مقاله انگلیسی PDF
تعداد صفحات 13
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Data Analysis, Statistics and Probability,Machine Learning,یادگیری ماشین , هوش مصنوعی , تجزیه و تحلیل داده ها , آمار و احتمال , یادگیری ماشین
توضیحات Submitted 16 August, 2024; originally announced August 2024. , Comments: 13 pages, 1 figure, 2 tables , Report number: IPPP/24/57
توضیحات به فارسی ارائه شده 16 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 13 صفحه ، 1 شکل ، 2 جدول ، شماره گزارش: IPPP/24/57
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

We explore the role of group symmetries in binary classification tasks, presenting a novel framework that leverages the principles of Neyman-Pearson optimality. Contrary to the common intuition that larger symmetry groups lead to improved classification performance, our findings show that selecting the appropriate group symmetries is crucial for optimising generalisation and sample efficiency. We develop a theoretical foundation for designing group equivariant neural networks that align the choice of symmetries with the underlying probability distributions of the data. Our approach provides a unified methodology for improving classification accuracy across a broad range of applications by carefully tailoring the symmetry group to the specific characteristics of the problem. Theoretical analysis and experimental results demonstrate that optimal classification performance is not always associated with the largest equivariant groups possible in the domain, even when the likelihood ratio is invariant under one of its proper subgroups, but rather with those subgroups themselves. This work offers insights and practical guidelines for constructing more effective group equivariant architectures in diverse machine-learning contexts.

چکیده به فارسی (ترجمه ماشینی)

ما نقش تقارن گروهی را در کارهای طبقه بندی باینری بررسی می کنیم و یک چارچوب جدید را ارائه می دهیم که از اصول بهینه Neyman-Pearson استفاده می کند.برخلاف شهود مشترک که گروه های تقارن بزرگتر منجر به بهبود عملکرد طبقه بندی می شوند ، یافته های ما نشان می دهد که انتخاب تقارن گروه مناسب برای بهینه سازی عمومی و کارآیی نمونه بسیار مهم است.ما یک بنیاد نظری برای طراحی شبکه های عصبی گروهی Equivariant ایجاد می کنیم که انتخاب تقارن با توزیع احتمال اساسی داده ها را تراز می کند.رویکرد ما یک روش یکپارچه برای بهبود دقت طبقه بندی در طیف گسترده ای از برنامه ها با تنظیم دقیق گروه تقارن به ویژگی های خاص مسئله ارائه می دهد.تجزیه و تحلیل نظری و نتایج تجربی نشان می دهد که عملکرد طبقه بندی بهینه همیشه با بزرگترین گروه های متمایز ممکن در دامنه همراه نیست ، حتی اگر نسبت احتمال در زیر یکی از زیر گروه های مناسب خود متغیر باشد ، بلکه بیشتر با آن زیر گروه ها است.این کار بینش و دستورالعملهای عملی برای ساخت معماری های مؤثرتر گروهی در زمینه های یادگیری ماشین را ارائه 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.