🔸 منابع پیشنهادی خانم صالحی:

🎙 پادکست‌ها:

How I Built This (from NPR)
HBR IdeaCast
📚 کتاب‌ها:

The Lean Startup (توصیه‌ی ویژه)
Financial Accounting
Crossing the Chasm
The Undoing Project
The Book of Why

💻 مجلات، وب‌سایت‌ها:

TechCrunch, Business Insider, WIRED, Science, New Scientist, Harvard Business School Case Studies


▫️ @ReACT_2020
🔹 @EEResana

ReACT 2021⚡️
This year we've aimed further...

▫️ @ReACT2021
🔹 @EEResana

#ReACT_2021
#Webinar

⚡️ بر فراز گستره‌ی دنیای مهندسی برق
🗺 از سرتاسر نقاط جهان
✨ در رویداد ReACT

🔻تیزر رویداد سال گذشته

🌐 http://ee.sharif.edu/~resana/react

▫️ @ReACT2021
🔹 @EEResana

#ReACT_2021
#Webinar

پس از اینکه اولین دوره رویداد ReACT در سال گذشته با موفقیت برگزار شد، امسال با دومین دوره‌ی این رویداد که درباره‌ی فناوری‌ها و پژوهش‌های روز مهندسی برق است در خدمت شما همراهان گرامی هستیم.

🗓 این رویداد در مدت چهار روز، در قالب مجموعه‌ای از ارائه‌ها توسط اساتید، مدیران ارشد و مهندسان شرکت‌های بزرگ و فارغ‌التحصیلان جوان مهندسی برق برگزار می‌شود.
💠 ارائه‌دهندگان، در این رویداد از ایران و سراسر جهان گرد هم آمده‌اند تا پیرامون زمینه‌ی کاری خود و چالش‌های آن‌ صحبت کنند.

رویداد ReACT توسط انجمن علمی دانشکده‌ی مهندسی برق شریف، رسانا، برگزار خواهد شد.

🔔 منتظر اطلاعیه‌های بعدی ما باشید.
برای اطلاعات بیشتر می‌توانید به سایت رویداد مراجعه کنید:
https://react.ee.sharif.edu/

▫️@ReACT2021
🔹@EEResana

#ReACT_2021
#Webinar

💎 رویداد بین‌المللی ReACT پس از تجربه موفق خود در سال گذشته، هم‌اکنون در آستانه دومین دوره برگزاری است.

💫 این رویداد با محوریت بررسی فناوری‌های نوین مهندسی برق، امسال هم افتخار میزبانی از فعالان علمی و صنعتی شناخته‌شده از دانشگاه‌ها و شرکت‌های نام‌آشنای سراسر دنیا را دارد.

⭐️ رویداد امسال به مدت چهار روز با ارائه مدعوین در قالب مجازی توسط رسانا، انجمن علمی دانشکده برق دانشگاه صنعتی شریف برگزار می‌شود.

🗓 مهلت ثبت‌نام: از تاریخ ۱۹ الی ۲۹ آذرماه در وب‌سایت رسمی رویداد
📅 زمان برگزاری: اول و دوم، هشتم و نهم دی‌ماه.

🔻 برای دریافت اخبار بعدی رویداد، مشاهده خلاصه ارائه مدعوین محترم و همچنین ارتباط با روابط عمومی رویداد می‌توانید از طریق لينک‌های زیر ما را در فضای مجازی دنبال کنید:

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021
🔸@ReACT2021_Support
🔹@EEResana

#ReACT_2021
#Webinar

شاهرخ ولایی

🔻 استاد دانشکده برق و کامپیوتر دانشگاه تورنتو کانادا

📋 سوابق:
🎓 کارشناسی و کارشناسی ارشد مهندسی برق از دانشگاه تهران
🎓 دکترا مهندسی برق از دانشگاه McGill کانادا

🔸 استاد دانشکده برق دانشگاه‌ شریف در سال‌های ۱۳۷۵ تا ۱۳۸۰
🔸 همکار پژوهشی در INRS Telecommunications در دانشگاه Quebec کانادا
🔸 بنیانگذار و مدیر آزمایشگاه wireless و اینترنت در دانشگاه تورنتو
🔹 حوزه‌های تحقیقاتی: زمینه شبکه‌های وسایل نقلیه بی‌سیم و حسگر، تخمین مکان و شبکه‌های سلولی.

💎 محتوای ارائه:
فناوری 6G با خدمات گسترده خود، چالش‌های جدیدی در زمینه‌های سطوح هوشمند با قابلیت تنظیم مجدد (RIS)، طیف موج میلی‌متری، سیستم‌های عظیم MIMO به همراه دارد. یکی از عناصر کلیدی در فناوری 6G اهمیت سنجش و موقعیت‌یابی دقیق است. در این ارائه بحث خواهد شد که چگونه موقعیت‌یابی می‌تواند عامل کلیدی در فناوری 6G باشد، این گفتگو با بررسی استانداردها و راه‌حل‌های موجود آغاز می‌شود و سپس به بحث در مورد روش‌های بومی‌سازی با کمک فناوری‌های نوظهور مانند RIS و AI/ML برای شبکه‌های 6G می‌پردازد.

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021

حمیدرضا توافقی

🔻 مهندس نرم‌افزار در شرکت گوگل

📋 سوابق:
🎓 کارشناسی مهندسی برق از دانشگاه صنعتی شریف
🎓 دکترا و کارشناسی ارشد مهندسی برق از دانشگاه میشیگان
🎓 دوره پسادکترا مهندسی کنترل در دانشگاه برکلی

🔹 حوزه های تحقیقاتی: کنترل آماری، تحلیل داده، تئوری بازی با کاربرد در تحلیل بازار، حمل و نقل هوشمند، سیستم‌های انرژی.

💎 محتوای ارائه:
چشم‌انداز شهرهای هوشمند، فعال‌سازی زیرساخت‌های کارآمد و پایدار و همچنین خدمات‌رسانی از طریق مدل‌سازی و کنترل است.
در این ارائه به بررسی داده‌محور در حوزه کنترل حمل و نقل هوشمند و ایمنی وسایل نقلیه خودران و همچنین بررسی نتايج تحلیلی و الگوریتم‌های محاسباتی که به دنبال رويکردی سیستماتیک برای تلاقی فناوری‌های مهم این حوزه هستند، پرداخته خواهد شد.

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021

مونا جراحی

🔻 استاد و رئیس آزمایشگاه الکترونیک تراهرتز در دانشگاه UCLA

📋 سوابق:
🎓 کارشناسی مهندسی برق از دانشگاه صنعتی شریف
🎓 کارشناسی ارشد و دکترای مهندسی برق از دانشگاه استنفورد
🎓 محقق پسادکتری در دانشگاه برکلی

🔸 استادیار دانشگاه میشیگان از سال ۲۰۰۸ تا ۲۰۱۳
🔸 برنده جایزه Presidential Early Career Award for Scientists and Engineers و ده‌ها عنوان بزرگ دیگر...
🔹 حوزه‌های تحقیقاتی: الکترونیک تراهرتز/موج میلی‌متری، اپتوالکترونیک، فوتونیک مایکرویوو، الکترواپتیک فوق‌سریع، تصویربرداری و طیف‌سنجی تراهرتز

💎 محتوای ارائه:
اگر چه قابلیت‌های امواج تراهرتز در زمینه شناسایی مواد شیمیایی، دسته‌بندی مواد، حسگری بیولوژیک و تصویربرداری پزشکی شناخته شده است اما عملکرد نسبتا ضعیف، قیمت بالا و حجیم بودن سیستم‌های تراهرتز مانع از استفاده رایج آن‌ها شده است. در این جلسه درباره نتایج توسعه زیربنایی کامپوننت‌های الکترونیکی/الکترواپتیکی جدید تراهرتز مانند تصویربرداری، طیف‌سنجی و ساختارهای ارتباطی که به هموارسازی مسیر سیستم‌های تراهرتز کمک می‌کنند صحبت خواهد شد.

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021

مجتبی تفاق

🔻 استادیار دانشگاه صنعتی شریف

📋 سوابق:
🎓 کارشناسی ریاضی و علوم کامپیوتر از دانشگاه صنعتی شریف
🎓 کارشناسی ارشد و دکتری مهندسی برق از دانشگاه استنفورد
🔸 مدال طلای المپیاد جهانی دانشجویان در رشته ریاضی(۲۰۱۵،۲۰۱۴)
🔹 حوزه‌های تحقیقاتی: بهینه‌سازی محدب، بیولوژی سیستمی، Cryptoeconomics

💎 محتوای ارائه:
از حدود دو دهه پیش، پیشرفت‌های زیادی در زمینه تکنولوژی‌های Omics با ظرفیت پذیرش بالا صورت گرفته و این امر رشد نمایی بازسازی‌های دقیق شبکه‌های متابولیک را ممکن ساخت. اما حجم زیاد داده‌ یک شمشیر دو لبه است که کارهای ضروری را از لحاظ محاسباتی بسیار دشوار می‌سازد و برای برطرف کردن نیازهای بیولوژی سیستمی، تکنیک‌های محاسباتی سریعتری مورد نیاز است.
در این سخنرانی زمینه‌های مختلف بیولوژی سیستمی از آنالیز کوپلاژ شار تا بازسازی زمینه‌ خاص صحبت خواهد شد و روش‌های بهینه محاسباتی برای فعالیت‌های مختلف به صورت جداگانه پیشنهاد خواهد شد. سپس بر روی یک رویکرد جامع‌تر کار خواهد شد و ایده کاهش شبکه متابولیک برای کم کردن تعداد واکنش‌ها برای هر فعالیت عمومی مورد بحث قرار خواهد گرفت.
🌐 https://react.ee.sharif.edu/
▫️@ReACT2021

بهتاش بابادی

🔻 استادیار دانشگاه مریلند در کالج پارک ایالات متحده آمریکا

📋 سوابق:
🎓 کارشناسی مهندسی برق از دانشگاه صنعتی شریف
🎓 دکترا و کارشناسی ارشد مهندسی برق از دانشگاه هاروارد
🎓 دوره پسادکترا در دپارتمان مغز و علوم شناختی موسسه ماساچوست

🔸 دارنده جایزه NSF CAREER در سال 2016
🔹 حوزه های تحقیقاتی: پردازش آماری سیگنال، پردازش سیگنال‌های طبیعی، علوم اعصاب.

💎 محتوای ارائه:
قوه شنیداری جز عملکردهای پیچیده مغز انسان است، چرا که نیازمند یکپارچه‌سازی سلسله مراتبی از اطلاعات در حوزه زمان و تبدیل آن به خروجی رفتاری است.
در این سخنرانی با رویکرد مدل‌سازی فضای حالت، فیلترینگ تطبیقی، آمار در ابعاد بالا و فرآیندهای نقطه‌ای، به ارائه روش‌های محاسباتی جهت استخراج شبکه‌های پویای عصبی در مغز که زمینه قوه شنیداری هستند، و همچنین بیان فرصت‌ها و چالش‌های فضای بین علوم اعصاب و هوش مصنوعی پرداخته خواهد شد.

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021

فرشید آشتیانی

🔻 محقق پسادکتری در دانشگاه پنسیلوانیا

📋 سوابق:
🎓 کارشناسی و کارشناسی ارشد مهندسی برق از دانشگاه صنعتی شریف
🎓 دکترای مهندسی برق و سیستم‌ها از دانشگاه پنسیلوانیا

🔸 برنده جایزه Nokia Bell Labs First Prize
🔹 حوزه‌های تحقیقاتی: سیستم‌های مجتمع هیبریدی فوتونیک-الکترونیک، silicon photonics، مدارهای مجتمع آنالوگ و RF

💎 محتوای ارائه:
تکنولوژی اطلاعات با کاربردهای وسیع خود بر سه پایه اصلی محاسبات، مخابرات و سیستم‌های ذخیره‌سازی استوار است. برای دهه‌ها، مدارهای مجتمع الکترونیکی سیلیکونی ابزار اصلی برای سیستم‌های با مصرف انرژی بهینه، ارزان‌تر و با اندازه کوچک‌تر بوده‌اند. علی‌رغم پیشرفت‌های حاصل شده، نیاز به سرعت بیشتر و انرژی کمتر در مخابره و پردازش اطلاعات، روش‌های سنتی الکترونیکی را به چالش کشیده است. در این سخنرانی، درباره اینکه چگونه سیستم‌های اپتیکی و الکتریکی در کنار هم می‌توانند عملکرد بهتری در سرعت، مصرف انرژی، هزینه و اندازه داشته باشند، صحبت خواهد شد.

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021

💎 همراهان عزیز ReACT، ثبت نام در رویداد از دقایقی دیگر در وب‌سایت رویداد آغاز می‌شود.

🔻 همچنین برای آشنایی با مدعوین محترم و مشاهده خلاصه‌ای از ارائه‌ آنان می‌توانید به وب‌سایت رویداد مراجعه کنید.

🔻 با مراجعه به قسمت ثبت‌نام در سایت رویداد از تاریخ 19 آذر ساعت 12 ظهر ، پس از تکمیل فرآیند پرداخت و ارائه‌ی اطلاعات فردی لازم در درگاه پرداخت، ثبت‌نام شما انجام می‌شود.
ایمیل تاییدیه، حاوی لینک و جزئیات ورود به رویداد، یک روز قبل از آغاز رویداد (30 آذر) برای ثبت‌نام کنندگان ارسال خواهد شد.

🔻 در صورت بروز هرگونه سوال یا اشکال در فرآیند ثبت‌نام یا شرکت در رویداد، از طریق راه‌های ارتباطی زیر با ما در تماس باشید:


🌐 https://react.ee.sharif.edu/
▫️@ReACT2021
🔸@ReACT2021_Support
🔹@EEResana

#ReACT2021
#Webinar

بنیامین حقی

🔻 دانشجوی دکترای دانشکاه کلتک

📋 سوابق:
🎓 کارشناسی مهندسی برق و ریاضی از دانشگاه صنعتی شریف
🎓 کارشناسی ارشد مهندسی برق از دانشگاه کلتک

🔸 دارنده Caltech Departmental Fellowship و Chen Institute for Neuroscience Fellowship
🔹 حوزه‌های تحقیقاتی: توسعه نرم‌افزار و سخت‌افزار سیستم‌های قوی مبتنی بر یادگیری، شامل سیستم‌های پزشکی مانند رابط‌های مغز-ماشین و سیستم‌های دسته‌بندی ECG arrhythmia تا سیستم‌های پرنده هدایت‌پذیر از دور

💎 محتوای ارائه:
در این سخنرانی، در رابطه با طراحی و تست الگوریتم‌های هوشمند و پیاده‌سازی سخت‌افزاری بهینه آن‌ها برای رابط‌های پزشکی قوی که شامل رابط‌های حلقه-بسته عصبی و آشکارساز ضربان قلب می‌شود، شرح داده خواهند شد.
ویژگی‌های پزشکی استخراج‌شده پایدار و دیکودر‌هایی که از الگوریتم‌های یادگیری ماشین استفاده می‌کنند، سیستم‌های قوی را که قابلیت یادگیری مدل‌های دینامیک عمومی‌سازی‌شده را دارند، پشتیبانی می‌کند. پیاده‌سازی بهینه بر روی چیپ، استفاده از توان کمتر و اندازه کوچک‌تر سیستم‌های کنونی گام بزرگی به سوی سیستم‌ها BMI پوشیدنی و قابل ایمپلنت خواهد بود.

🌐 https://react.ee.sharif.edu

سعید سعادت‌نژاد

🔻دانشجوی دکترا علوم کامپیوتر از دانشگاه EPFL سوئیس

📋 سوابق:
🎓 کارشناسی و کارشناسی ارشد مهندسی برق از دانشگاه صنعتی شریف

🔸 حائز بورسیه تحصیلی دانشگاه EPFL در مقطع دکترا
🔹 حوزه های تحقیقاتی: پیش‌بینی رفتار انسان، مدل‌های مولد عمیق، image and video synthesis

💎 محتوای ارائه:
ایمنی همچنان دغدغه اصلی وسایل نقلیه خودران (AV) است. اگرچه آنها عملکرد قابل توجهی نشان داده‌اند، اما شکست آن‌ها به ویژه هنگامی که در محیط‌های کنترل شده کار می‌کنند، دیده می‌شود. به عنوان مثال، یک اقدام اشتباه در یک موقعیت غیرمنتظره مانند برخورد با عابر پیاده قابل اغماض نیست. از طرفی ارزیابی خودروهای خودران در دنیای واقعی گزینه خوبی نیست چراكه به وسایل نقلیه و محیط اطراف‌شان آسیب می‌رسانند. علاوه بر زمان و هزینه‌های زیاد مورد نیاز سنجش در دنیای واقعی، پوشش همه موارد نادر غیرممکن است. بنابراین شبیه‌سازی می‌تواند نقش بسزایی در غلبه بر این مسائل داشته باشد. در این ارائه، پیشرفت‌های اخیر در بینایی کامپیوتری برای ارزیابی و ارتقاء عملکرد مدل‌ها بررسی خواهد شد.

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021

امیرعلی طلاساز

🔻 از هم‌موسسان و مدیران موسسه Guardant Health

📋 سوابق:
🎓 کارشناسی مهندسی برق از دانشگاه صنعتی شریف
🎓 دکترا و کارشناسی ارشد مهندسی برق از دانشگاه استنفورد

🔸 از مدیران شرکت Illumina
🔸 موسس شرکت Auriphex Biosciences
🔸 رهبری گروه توسعه فناوری در مرکز فناوری ژنوم دانشگاه استنفورد
🔹 حوزه های تحقیقاتی: خالص سازی و تجزیه و تحلیل ژنتیکی سلول های تومور در گردش برای مدیریت سرطان، فناوری‌های مختلف ژنومی مناسب برای کاربردهای بالینی.

💎 محتوای ارائه:
نوآوری در درمان سرطان و تشخیص دقیق، بر زندگی افراد بی‌شماری تأثیر گذاشته است. با این حال، برای کاهش موثر مرگ و میر ناشی از سرطان، باید سرطان‌های رایج را شناسایی کنیم تا بتوانیم با مداخله زودهنگام به درمان آن‌ها امیدوار باشیم.
در این ارائه به بررسی روش‌های نوین تست تشخیص سرطان با استفاده از مفاهیم مهندسی، از جمله کدگذاری دیجیتال در زیست‌شناسی مولکولی برای تشخیص سطوح بسیار پایین محتوای ژنومی مرتبط با تومور در خون بیمار، پرداخته خواهد شد.

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021

شروین مینایی

🔻 مدیر بخش یادگیری ماشین در کمپانی Snap

📋 سوابق:
🎓 کارشناسی مهندسی برق از دانشگاه صنعتی شریف
🎓 کارشناسی ارشد و دکترای مهندسی برق و علوم کامپیوتر از دانشگاه نیویورک

🔸 محقق در آزمایشگاه‌های AT&T Bell Labs, Samsung Reaserach Labs, Expedia Group
🔸 برنده جایزه بهترین ارائه پژوهش از سامسونگ
🔹 حوزه‌های تحقیقاتی: کاربرد یادگیری عمیق در بینایی ماشین و NLP، پردازش سیگنال و تصویر، بهینه‌سازی

💎 محتوای ارائه:
در این ارائه، دکتر مینایی درباره مسیر تحقیقاتی و صنعتی خود که در زمینه‌های کلاسیک ECE شروع و به سمت هوش مصنوعی و یادگیری عمیق کشیده شد، صحبت خواهند کرد. ایشان درباره پیشینه، وضعیت کنونی و کاربردهای هوش مصنوعی و یادگیری عمیق در صنعت و محیط آکادمیک و زندگی خواهند گفت و در انتها پیشنهاداتی برای قرار گرفتن در مسیر موفقیت به دانشجویان و محققان جوان خواهند داشت.

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021

سروش باسلی‌زاده

🔻دانشجوی کارشناسی ارشد علوم کامپیوتر دانشگاه واترلو

📋 سوابق:
🎓 کارشناسی مهندسی کامپیوتر از دانشگاه صنعتی شریف

🔸 از اعضای آزمایشگاه RIML در دانشگاه شریف
🔸 همکاری گسترده با گروه واقعیت افزوده و متدهای پزشکی با کمک کامپیوتر و دریافت جایزه عالی دوره کارشناسی از دانشگاه صنعتی مونیخ

🔹 حوزه های تحقیقاتی: بینایی کامپیوتر، یادگیری ماشینِ قابل اعتماد

💎 محتوای ارائه:
ماهیت جعبه سیاه مدل‌های عمیق سوالات متعددی را در مورد قابلیت اطمینان آن‌ها ایجاد کرده‌است. در این ارائه، به این سوال پرداخته می‌شود: "آیا اطلاعات ورودی حیاتی، در مسیرهای پراکنده خاصی در شبکه عصبی کدگذاری می شوند؟"
اگر جواب بله باشد و بتوان این مسیرها را به دست آورد، زیر‌حوزه‌های مختلف یادگیری ماشینِ قابل اعتماد، مانند توضیح‌ پذیری، تفسیرپذیری، اصلاح‌پذیری و ... بسیار از مزایای آن بهره‌مند خواهند شد. در این ارائه به بررسی این سوال و راه‌حل‌های احتمالی و ایرادات آن‌ها می‌پردازیم.

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021

محسن بیاتی

🔻 هیئت علمی دانشگاه استنفورد

📋 سوابق:
🎓 کارشناسی ریاضی از دانشگاه صنعتی شریف
🎓 کارشناسی ارشد ریاضی و دکترای مهندسی برق از دانشگاه استنفورد

🔸محقق پسادکترا در مایکروسافت و استنفورد در سال‌های ۲۰۰۷-۲۰۱۱
🔸 دارنده جایزه بهترین مقاله INFORMS Healthcare Applications Society در سال‌های ۲۰۱۴،۲۰۱۶
🔹 حوزه‌های تحقیقاتی: مدل‌های گرافی، آمار بعد بالا، تصمیم‌گیری شخصی‌سازی‌شده، مدیریت سلامت

💎 محتوای ارائه:
در دهه گذشته با توجه به رشد در دسترس بودن گزارش‌های الکترونیکی پزشکی، موج بزرگی در روش‌های یادگیری ماشین در سلامت اتفاق افتاد. هدف این سخنرانی بررسی سه مثال از این کاربرد، چالش‌های روش‌شناختی مرتبط، و مثال‌های پژوهش اخیر است. در ابتدا در مورد اینکه چگونه یادگیری ماشین می‌تواند منابع پزشکی محدود را از لحاظ هزینه به صورت بهینه در اختیار بگیرد، صحبت خواهد شد. سپس به طراحی روشی کم‌هزینه برای اندازه‌گیری خطر چندین بیماری‌های مزمن پیشرو پرداخته خواهد شد و در انتها شخصی‌سازی روش‌های درمان پزشکی مورد بحث واقع خواهد شد.

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021

پرنیان کسرایی

🔻 دانشجوی دکترای ETH زوریخ و عضو کانون یادگیری ماشین و مرکز هوش مصنوعی دانشگاه ETH

📋 سوابق:
🎓 کارشناسی مهندسی برق و علوم کامپیوتر از دانشگاه صنعتی شریف
🎓 کارشناسی ارشد علوم کامپیوتر از دانشگاه ETH زوریخ

🔹 حوزه‌های تحقیقاتی: فوندانسیون یادگیری تقویتی مرتبط با Meta-Learning، همگرایی الگوریتم‌های بهینه‌سازی Bayesian

💎 محتوای ارائه:
الگوریتم‌های بهینه‌سازی Bayesian زمانی که دیتای آفلاین کمی موجود است یا مشکل به صورت ذاتی در لحظه به وجود می‌آید، ابزاری قدرتمند برای تخمین و بهینه‌سازی تابع زیان هستند. با توحه به فرض‌های مشخص درباره تابع زیان، تضمین‌های کلاسیکی برای همگرایی الگوریتم‌های BO (Bayesian Optimization) وجود دارد. در این سخنرانی، بر روی حالتی تمرکز می‌کنیم که علاوه بر ناشناخته بودن تابع زیان، اطلاعات کمی درباره نوع تابع وجود دارد. دو راه برای بررسی تابع‌های زیان پیچیده پیشنهاد می‌شود: تخمین به کمک شبکه‌های عصبی و یادگیری مستقیم نوع تابع به کمک Meta-Learning. برای هر دو روش همگرایی به بهینگی با احتمال بالا نشان داده خواهد شد.

🌐 https://react.ee.sharif.edu/
▫️@ReACT2021