مقاله یک مدار عصبی فرایادگیری آموخته برای استنباط بیزی غیرپارامتری

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی A Metalearned Neural Circuit for Nonparametric Bayesian Inference
عنوان مقاله به فارسی مقاله یک مدار عصبی فرایادگیری آموخته برای استنباط بیزی غیرپارامتری
نویسندگان Jake C. Snell, Gianluca Bencomo, Thomas L. Griffiths
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 13
دسته بندی موضوعات Machine Learning,Neural and Evolutionary Computing,Machine Learning,یادگیری ماشین , محاسبات عصبی و تکاملی , یادگیری ماشین ,
توضیحات Submitted 24 November, 2023; originally announced November 2023. , Comments: 13 pages, 3 figures. Code available at https://github.com/jakesnell/neural-circuits
توضیحات به فارسی ارسال شده 24 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد ، نظرات: 13 صفحه ، 3 شکل.کد موجود در https://github.com/jakesnell/neural-circuits

چکیده

Most applications of machine learning to classification assume a closed set of balanced classes. This is at odds with the real world, where class occurrence statistics often follow a long-tailed power-law distribution and it is unlikely that all classes are seen in a single sample. Nonparametric Bayesian models naturally capture this phenomenon, but have significant practical barriers to widespread adoption, namely implementation complexity and computational inefficiency. To address this, we present a method for extracting the inductive bias from a nonparametric Bayesian model and transferring it to an artificial neural network. By simulating data with a nonparametric Bayesian prior, we can metalearn a sequence model that performs inference over an unlimited set of classes. After training, this "neural circuit" has distilled the corresponding inductive bias and can successfully perform sequential inference over an open set of classes. Our experimental results show that the metalearned neural circuit achieves comparable or better performance than particle filter-based methods for inference in these models while being faster and simpler to use than methods that explicitly incorporate Bayesian nonparametric inference.

چکیده به فارسی (ترجمه ماشینی)

بیشتر برنامه های یادگیری ماشین به طبقه بندی مجموعه ای بسته از کلاس های متعادل را فرض می کنند.این با دنیای واقعی مغایرت دارد ، جایی که آمار وقوع کلاس اغلب از توزیع قدرت طولانی قانون پیروی می کند و بعید است که همه کلاس ها در یک نمونه واحد مشاهده شوند.مدلهای بیزی غیرپارامتری به طور طبیعی این پدیده را ضبط می کنند ، اما موانع عملی قابل توجهی برای پذیرش گسترده ، یعنی پیچیدگی اجرای و ناکارآمدی محاسباتی دارند.برای پرداختن به این موضوع ، ما روشی را برای استخراج تعصب القایی از یک مدل بیزی غیر پارامتری و انتقال آن به یک شبکه عصبی مصنوعی ارائه می دهیم.با شبیه سازی داده ها با یک بیزی غیر پارامتری قبلی ، می توانیم یک مدل دنباله ای را انجام دهیم که استنتاج را بر روی مجموعه ای نامحدود از کلاس ها انجام می دهد.پس از آموزش ، این "مدار عصبی" تعصب القایی مربوطه را تقطیر کرده و می تواند با موفقیت استنتاج پی در پی را بر روی یک مجموعه باز از کلاس انجام دهد.نتایج تجربی ما نشان می دهد که مدار عصبی با استفاده از روشهای مبتنی بر فیلتر ذرات برای استنتاج در این مدل ها ، عملکرد قابل مقایسه یا بهتری را به دست می آورد ، در حالی که سریعتر و ساده تر از روش هایی است که صریحاً استنتاج غیر پارامتری بیزی را در بر می گیرد.

📚 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.