ترجمه فارسی مقاله NeuSemSlice: به سوی نگهداری مؤثر مدل DNN از طریق برش معنایی در سطح نورون

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی NeuSemSlice: Towards Effective DNN Model Maintenance via Neuron-level Semantic Slicing
عنوان مقاله به فارسی NeuSemSlice: به سوی نگهداری مؤثر مدل DNN از طریق برش معنایی در سطح نورون
نویسندگان Shide Zhou, Tianlin Li, Yihao Huang, Ling Shi, Kailong Wang, Yang Liu, Haoyu Wang
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
دسته بندی موضوعات Machine Learning,Software Engineering,یادگیری ماشین , مهندسی نرم افزار ,
توضیحات Submitted 25 July, 2024; originally announced July 2024.
توضیحات به فارسی ارسال شده 25 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 800,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 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

Deep Neural networks (DNNs), extensively applied across diverse disciplines, are characterized by their integrated and monolithic architectures, setting them apart from conventional software systems. This architectural difference introduces particular challenges to maintenance tasks, such as model restructuring (e.g., model compression), re-adaptation (e.g., fitting new samples), and incremental development (e.g., continual knowledge accumulation). Prior research addresses these challenges by identifying task-critical neuron layers, and dividing neural networks into semantically-similar sequential modules. However, such layer-level approaches fail to precisely identify and manipulate neuron-level semantic components, restricting their applicability to finer-grained model maintenance tasks. In this work, we implement NeuSemSlice, a novel framework that introduces the semantic slicing technique to effectively identify critical neuron-level semantic components in DNN models for semantic-aware model maintenance tasks. Specifically, semantic slicing identifies, categorizes and merges critical neurons across different categories and layers according to their semantic similarity, enabling their flexibility and effectiveness in the subsequent tasks. For semantic-aware model maintenance tasks, we provide a series of novel strategies based on semantic slicing to enhance NeuSemSlice. They include semantic components (i.e., critical neurons) preservation for model restructuring, critical neuron tuning for model re-adaptation, and non-critical neuron training for model incremental development. A thorough evaluation has demonstrated that NeuSemSlice significantly outperforms baselines in all three tasks.

چکیده به فارسی (ترجمه ماشینی)

شبکه های عصبی عمیق (DNNS) ، که به طور گسترده در رشته های متنوع اعمال می شوند ، با معماری های یکپارچه و یکپارچه آنها مشخص می شوند و آنها را از سیستم های نرم افزاری معمولی جدا می کنند.این تفاوت معماری چالش های خاصی را برای کارهای نگهداری ، مانند بازسازی مدل (به عنوان مثال ، فشرده سازی مدل) ، سازگاری مجدد (به عنوان مثال ، متناسب با نمونه های جدید) و توسعه افزایشی (به عنوان مثال ، تجمع دانش مداوم) ارائه می دهد.تحقیقات قبلی با شناسایی لایه های نورون مهم وظیفه و تقسیم شبکه های عصبی به ماژول های متوالی معنایی شبیه به این چالش ها ، به این چالش ها می پردازد.با این حال ، چنین رویکردهای سطح لایه ای در شناسایی دقیق و دستکاری اجزای معنایی در سطح نورون ، محدود کردن کاربرد آنها در کارهای نگهداری مدل ریز دانه.در این کار ، ما Neusemslice را اجرا می کنیم ، یک چارچوب جدید که تکنیک برش معنایی را برای شناسایی مؤثر اجزای معنایی در سطح عصبی در مدلهای DNN برای کارهای نگهداری مدل آگاه معنایی معرفی می کند.به طور خاص ، برش معنایی نورونهای مهم را در دسته ها و لایه های مختلف با توجه به شباهت معنایی آنها مشخص می کند ، طبقه بندی می کند و ادغام می کند و باعث انعطاف پذیری و اثربخشی آنها در کارهای بعدی می شود.برای کارهای نگهداری مدل آگاه معنایی ، ما مجموعه ای از استراتژی های جدید را بر اساس برش معنایی برای تقویت Neusemslice ارائه می دهیم.آنها شامل مؤلفه های معنایی (به عنوان مثال ، نورونهای بحرانی) برای بازسازی مدل ، تنظیم انتقادی نورون برای سازگاری مجدد مدل و آموزش نورون غیر بحرانی برای توسعه افزایشی مدل هستند.یک ارزیابی کامل نشان داده است که Neusemslice به طور قابل توجهی از خطوط پایه در هر سه کار بهتر است.

📚 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.