فروشگاه ترجمه جو | ترجمه مقالات | مقالات ترجمه شده

دانلود ترجمه مقاله تحلیل اطلاعات لرزه ای به کمک شبکه های عصبی مصنوعی عمیق – اسپرینگر 2018

17,000 تومان

شبکه های عصبی مصنوعی عمیق انتخاب بهتری از ویژگی ها در داده های سری های زمانی در مقایسه با شبکه های NN کم عمق ارائه می کنند و ویژگی های بیشتری را نیز در نظر می گیرند. واضح است که تمامی ساختارهای موجود DNN و انتخاب های آموزش آن ها در این مقاله ارائه نشده است.. به عنوان مثال، یک جهت گیری امیدوار کننده توسعه مدل هایی است که معماری خود را در فرآیند یادگیری تغییر می دهند. کارهای تحقیقاتی عملی در حال حاضر در اختیار ریاضی دانان است تا هر چیزی را در ارتباط با DNN اثبات کنند. نسخه های بسیاری از معماری عمیق وجود دارد و در بیشتر موارد هیچ اثبات ریاضی مبنی بر بهتر یا خوب بودن آن ها نسبت به موارد دیگر وجود ندارد.

قوانین ارسال دیدگاه

  • دیدگاه بعد از تایید نشان داده خواهد شد

توضیحات

عنوان فارسی:دانلود ترجمه مقاله تحلیل اطلاعات لرزه ای به کمک شبکه های عصبی مصنوعی عمیق

دانلود ترجمه مقاله تحلیل اطلاعات لرزه ای به کمک شبکه های عصبی مصنوعی عمیق – اسپرینگر 2018:شبکه های عصبی مصنوعی عمیق انتخاب بهتری از ویژگی ها در داده های سری های زمانی در مقایسه با شبکه های NN کم عمق ارائه می کنند و ویژگی های بیشتری را نیز در نظر می گیرند. واضح است که تمامی ساختارهای موجود DNN و انتخاب های آموزش آن ها در این مقاله ارائه نشده است.. به عنوان مثال، یک جهت گیری امیدوار کننده توسعه مدل هایی است که معماری خود را در فرآیند یادگیری تغییر می دهند. کارهای تحقیقاتی عملی در حال حاضر در اختیار ریاضی دانان است تا هر چیزی را در ارتباط با DNN اثبات کنند. نسخه های بسیاری از معماری عمیق وجود دارد و در بیشتر موارد هیچ اثبات ریاضی مبنی بر بهتر یا خوب بودن آن ها نسبت به موارد دیگر وجود ندارد.

عنوان فارسی مقاله:

 تحلیل اطلاعات لرزه ای به کمک شبکه های عصبی مصنوعی عمیق

عنوان انگلیسی مقاله:
سال انتشار میلادی: 2018
نشریه:

اسپرینگر

ابزارهای لرزه ای – Seismic Instruments

کلمات کلیدی فارسی:
کلمات کلیدی انگلیسی:
deep neural networks – deep learning – greedy algorithm – seismic data – multitask learning
تعداد صفحات ترجمه شده: ۱۷ صفحه (شامل ۱ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
نویسندگان:
Melike Demir Doğan,
موضوع: , , ,
دسته بندی رشته: ,
فرمت فایل انگلیسی: 9 صفحه با فرمت pdf
فرمت فایل ترجمه شده: Word
کیفیت ترجمه: عالی
نوع مقاله: isi
تعداد رفرنس:

مقاله انگلیسی+ترجمه فارسی

فهرست مقالات

چکیده

مقدمه

شبکه های عصبی عمیق

ویژگی های تحلیل داده های لرزه ای

یادگیری چند منظوره

نتایج و بحث

نتیجه گیری ها

منابع


چکیده

تعداد مطالعات لرزه شناسی برمبنای شبکه های عصبی مصنوعی در حال افزایش است. با این حال، شبکه های عصبی با یک لایه مخفی (پنهان) تقریباً به محدوده قابلیت های خود دست یافته است. در چند سال اخیر پیشرفت های جدیدی در زمینه فناوری نرونی مرتبط با توسعه شبکه های نسل سوم یعنی شبکه عصبی عمیق وجود داشته است. این شبکه ها با داده هایی در یک سطح بالاتر کار می کنند. داده های بدون علامت برای پیشگیری از شبکه قابل استفاده هستند، به این معنا که نیازی وجود ندارد که یک متخصص از قبل مشخص کند که این داده ها به چه پدیده ای مرتبط هستند. آموزش نهایی نیازمند مقدار کمی از داده های علامت گذاری شده است.

شبکه های عمیق دارای یک سطح بالاتر از انتزاع هستند و خطاهای کمتری تولید می کنند. شبکه ای یکسان برای حل کارهای متعدد در یک زمان قابل استفاده است یا دستیابی به آن از یک کار به کار دیگر آسان است. این مقاله درباره امکان به کارگیری شبکه های عمیق در لرزه شناسی بحث می کند. ما به طور کامل شبکه های عمیق، مزیت های آن ها، نحوه آموزش آن ها، نحوه تطبیق آن ها با ویژگی های داده های لرزه شناسی و چشم اندازهای موجود در ارتباط با استفاده از آن ها را به طور کامل مورد بررسی قرار داده ایم.


Abstract

The number of seismological studies based on artificial neural networks has been increasing. However, neural networks with one hidden layer have almost reached the limit of their capabilities. In the last few years, there has been a new boom in neuroinformatics associated with the development of third-generation networks, deep neural networks. These networks operate with data at a higher level. Unlabeled data can be used to pretrain the network, i.e., there is no need for an expert to determine in advance the phenomenon to which these data correspond. Final training requires a small amount of labeled data.

Deep networks have a higher level of abstraction and produce fewer errors. The same network can be used to solve several tasks at the same time, or it is easy to retrain it from one task to another. The paper discusses the possibility of applying deep networks in seismology. We have described what deep networks are, their advantages, how they are trained, how to adapt them to the features of seismic data, and what prospects are opening up in connection with their use.


نمونه ترجمه مقاله:

2502 test_Compressed

اطلاعات بیشتر

فرمت مقاله انگلیسی

نشریه

تعداد صفحات مقاله انگلیسی

فرمت مقاله فارسی

تعداد صفحات فارسی

کیفیت ترجمه

نوع مقاله

سال انتشار میلادی

رشته

,

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود ترجمه مقاله تحلیل اطلاعات لرزه ای به کمک شبکه های عصبی مصنوعی عمیق – اسپرینگر 2018”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

10% تخفیف خرید مقالات ترجمه شده _کد تخفیف : NJ3E4REH