تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله یادگیری عمیق و نظریه تعادل نقطه ای – نشریه الزویر

عنوان فارسی: یادگیری عمیق و نظریه تعادل نقطه ای
عنوان انگلیسی: Deep learning and punctuated equilibrium theory
تعداد صفحات مقاله انگلیسی : 11 تعداد صفحات ترجمه فارسی : 25 (1 صفحه رفرنس انگلیسی)
سال انتشار : 2017 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : pdf فرمت ترجمه مقاله : pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله : بی نازنین سایز ترجمه مقاله : 14
نوع مقاله : ISI نوع نگارش : مقالات پژوهشی (تحقیقاتی)
پایگاه : اسکوپوس نوع ارائه مقاله : ژورنال
ایمپکت فاکتور(IF) مجله : 2.026 در سال 2019 شاخص H_index مجله : 41 در سال 2020
شاخص SJR مجله : 0.291 در سال 2019 شناسه ISSN مجله : 1389-0417
شاخص Q یا Quartile (چارک) : Q4 در سال 2019 کد محصول : 10432
محتوای فایل : zip حجم فایل : 1.40Mb
رشته و گرایش های مرتبط با این مقاله: مهندسی کامپیوتر، هوش مصنوعی و رایانش ابری
مجله: تحقیقات سیستم های شناختی - Cognitive Systems Research
دانشگاه: دانشکده سیاست عمومی باواریا، دانشگاه فنی مونیخ، آلمان
کلمات کلیدی: یادگیری عمیق، شبکه های عصبی، تعادل نقطه ای،فرایند خط مشی، انتشار بازگشتی
کلمات کلیدی انگلیسی: Deep learning - Neural networks - Punctuated equilibrium - Policy process - Backpropagation
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن: به صورت انگلیسی درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است ✓
ضمیمه: دارد اما ترجمه نشده است ✓
بیس: نیست ☓
مدل مفهومی: ندارد ☓
پرسشنامه: ندارد ☓
متغیر: ندارد ☓
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1016/j.cogsys.2017.02.006
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1.مقدمه

2. یادگیری عمیق چیست؟

3.فرایند سیاسی بصورت پردازش اطلاعات

4.مدل نمایشی: یادگیری عمیق و فرآیند سیاسی

5.نظریه پیوند سیاست های بودجه ای به سیات های رسیدگی

6. یادگیری عمیق پیشرفته

7. چشم انداز

نمونه متن انگلیسی

Abstract

Deep learning is associated with the latest success stories in AI. In particular, deep neural networks are applied in increasingly different fields to model complex processes. Interestingly, the underlying algorithm of backpropagation was originally designed for political science models. The theoretical foundations of this approach are very similar to the concept of Punctuated Equilibrium Theory (PET). The article discusses the concept of deep learning and shows parallels to PET. A showcase model demonstrates how deep learning can be used to provide a missing link in the study of the policy process: the connection between attention in the political system (as inputs) and budget shifts (as outputs).

نمونه متن ترجمه

چکیده

یادگیری عمیق با اخرین گزارش های موفقیت آمیز در AI مرتبط است. به طور خاص، شبکه های عصبی عمیق در زمینه های فزاینده ی مختلف برای مدل سازی فرایندهای پیچیده استفاده می شوند. جالب توجه است که الگوریتم انتشار بازگشتی در اصل برای مدل های علوم سیاسی طراحی شده است. مبانی نظری این رویکرد بسیار مشابه مفهوم نظریه تعادل نقطه ای (PET) است. این مقاله مفهوم یادگیری عمیق را مورد بحث و بررسی قرار می دهد و نشان می دهد که با PET همخوانی دارد. یک مدل جلوه گر نشان می دهد که چگونه یادگیری عمیق برای ارائه ی یک ارتباط از دست رفته در فرایند خط مشی می تواند مورد استفاده قرار گیرد: ارتباط بین توجه در نظام سیاسی (به عنوان ورودی ها) و تغییرات بودجه (به عنوان خروجی).