ترجمه فارسی مقاله فروپاشی عصبی همه جانبه برای طبقه بندی نامتوازن

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی All-around Neural Collapse for Imbalanced Classification
عنوان مقاله به فارسی فروپاشی عصبی همه جانبه برای طبقه بندی نامتوازن
نویسندگان Enhao Zhang, Chaohua Li, Chuanxing Geng, Songcan Chen
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Computer Vision and Pattern Recognition,یادگیری ماشین , دید رایانه و تشخیص الگوی ,
توضیحات Submitted 13 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 13 اوت 2024 ؛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

Neural Collapse (NC) presents an elegant geometric structure that enables individual activations (features), class means and classifier (weights) vectors to reach \textit{optimal} inter-class separability during the terminal phase of training on a \textit{balanced} dataset. Once shifted to imbalanced classification, such an optimal structure of NC can be readily destroyed by the notorious \textit{minority collapse}, where the classifier vectors corresponding to the minority classes are squeezed. In response, existing works endeavor to recover NC typically by optimizing classifiers. However, we discover that this squeezing phenomenon is not only confined to classifier vectors but also occurs with class means. Consequently, reconstructing NC solely at the classifier aspect may be futile, as the feature means remain compressed, leading to the violation of inherent \textit{self-duality} in NC (\textit{i.e.}, class means and classifier vectors converge mutually) and incidentally, resulting in an unsatisfactory collapse of individual activations towards the corresponding class means. To shake off these dilemmas, we present a unified \textbf{All}-around \textbf{N}eural \textbf{C}ollapse framework (AllNC), aiming to comprehensively restore NC across multiple aspects including individual activations, class means and classifier vectors. We thoroughly analyze its effectiveness and verify on multiple benchmark datasets that it achieves state-of-the-art in both balanced and imbalanced settings.

چکیده به فارسی (ترجمه ماشینی)

فروپاشی عصبی (NC) یک ساختار هندسی ظریف را ارائه می دهد که فعال سازی های فردی (ویژگی ها) ، وسایل کلاس و طبقه بندی کننده (وزن) را قادر می سازد تا به \ textit {بهینه} جدایی بین کلاس در مرحله ترمینال آموزش در یک \ textit {متعادل} برسند.مجموعه دادهپس از جابجایی به طبقه بندی نامتعادل ، چنین ساختار بهینه NC را می توان به راحتی توسط بدنام \ textit {فروپاشی اقلیت} ، که در آن بردارهای طبقه بندی کننده مربوط به کلاس های اقلیت فشرده می شوند ، از بین ببرد.در پاسخ ، کارهای موجود تلاش می کند NC را به طور معمول با بهینه سازی طبقه بندی کننده ها بازیابی کند.با این حال ، ما می دانیم که این پدیده فشرده نه تنها محدود به بردارهای طبقه بندی کننده است بلکه با وسایل کلاس نیز رخ می دهد.در نتیجه ، بازسازی NC صرفاً در جنبه طبقه بندی کننده ممکن است بیهوده باشد ، زیرا این ویژگی به معنای فشرده شدن باقی می مانند و منجر به نقض ذاتی \ textit {خود بودن} در NC (\ textit {یعنی}} ، کلاس و بردارهای طبقه بندی شده متقابل می شود)و اتفاقاً ، منجر به فروپاشی نامطلوب از فعال سازی های فردی به سمت کلاس مربوطه می شود.برای تکان دادن این معضلات ، ما یک \ textbf {all} -around \ textbf {n} eural \ textbf {c} چارچوب ollapse (ALLNC) را ارائه می دهیم ، با هدف بازگرداندن جامع NC در چندین جنبه از جمله فعال سازی های فردی ، وسایل کلاس و کلاس کاربردیبردارهاما اثربخشی آن را به طور کامل تجزیه و تحلیل می کنیم و در مجموعه داده های معیار متعدد که در هر دو تنظیمات متعادل و نامتعادل به پیشرفته می رسد ، تأیید می کنیم.

📚 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.