Future – Telegram
Future
683 subscribers
90 photos
103 videos
73 files
201 links
توی این کانال یه سری از موضوعات علمی که ازشون خوشم میاد رو میذارم
خیلی جنراله موضوعات
و یکی دو تا نیس:)
ولی بیشتر این موضوعاته
1. Neural network
2. Casual network
3. Chaos theory
4. Dynamical modelling
5. Reinforcement learning
6. Robotic
Download Telegram
دید این کتاب رو دوست داشتم خیلی!
به گراف ها به چشم یه ماتریس نگاه میکنه و قوانین مختلف مربوط به ماتریس از دید یه گراف بررسی میکنه
گرچه این نگرش برام تازگی نداشت ولی یه سری چیزا رو برای اولین بار نسبت بهش کنجکاو شدم
اینکه ضرب ماتریسی از دید گراف چی میتونه باشه
دترمینان به چه معنییه؟
#Graph
👍2
این پایانامه به نظرم جالب اومد
تبدیل متن به گراف
https://uwspace.uwaterloo.ca/handle/10012/15739
https://dstlry.github.io/
#NLP
#Graph
👍1
یه ایده ای رو از سال پیش داشتم که میخواستم از الگوریتم های یادگیری تقویتی برای تقویت الگوریتم های فراتکاملی مثل PSO استفاده کنم :)
وقتی به یکی از استاد های اینجا گفتم فهمیدم که خودش اینو کار کرده و مقاله شم داده
بخوام یه توضیح کوچیکی بدم توی الگوریتم PSO یه مسئله بهینه سازی با کمک اجزای مختلف به همدیگه حل میشه
فرض کنید گروهی توی یه کوهستانی دنبال گنج میگردن، گنج در عمیق ترین نقطه کوهستان پنهان شده پس وظیفه اینا پیدا کردن عمیق ترین نقطه بین کوهستانه
حالا براساس این الگوریتم PSO هرکدوم این سیاست رو پی میگیرن
1. میبینن خودشون تا حالا کدوم نقطه براشون عمیق ترین بوده و الان چه جهتی داره براشون
2. میبینن کدوم نقطه برای همه اعضای گروه عمیق تر بوده و الان چه جهتی داره براشون
3. مسیر قبلیشون به کدوم سمت بوده
در نتیجه یه برایندی از این سه جهت میگیرن
این الگوریتم به شدت عالی عمل میکنه!!
به نظرم این نگرش میتونه مسائلی که تعداد ایجنت ها در یادگیری تقویتی بالاس کمک کننده باشه
حالا ایده این مقاله اینه که به این افراد چیزی بیشتر بده :)
https://www.tandfonline.com/doi/full/10.1080/0305215X.2020.1867120
#Optimization
👍2
Future
این پایانامه به نظرم جالب اومد تبدیل متن به گراف https://uwspace.uwaterloo.ca/handle/10012/15739 https://dstlry.github.io/ #NLP #Graph
این موضوع خیلی برام جالبه!
یه متن قابلیت این رو داره که به یک گراف علیت تبدیل بشه
قسمت قشنگ ترش تعیین فاکتور های موثر کورولیشن هاست
و این میتونه یه پیش پردازش خیلی خوبی از یه متن باشه

https://arxiv.org/abs/2109.10453
https://arxiv.org/abs/2202.11768
#Corrolation_Causation
#NLP
#Graph
👍2
این انتگرال معروفه که غیرقابل حله. یعنی تا جایی که توی ریاضی دانشگاه بهمون گفتن این انتگرال حلی واسش وجود نداره.
یه حل براش پیدا کردم بر پایه انتگرال فاینمن
جالبه
https://medium.com/@rthvik.07/solving-the-gaussian-integral-using-the-feynman-integration-method-215cf3cd6236
#Math
👍1
این وبسایت مجموعه ای از همبستگی های گودرز-شقایقی رو جمع آوری کرده :))
https://www.tylervigen.com/spurious-correlations
#Corrolation_Causation
3👍1
Future pinned a video
یه سری پست های کانال رو تا جایی که میشد براش هشتگ گذاشتم فک میکنم حداقل یه نظمی به کار میده :)
#NLP : Natural Language Process
#Corrolation_Causation
#Math
#Graph
#Optimization
#Psychology
#GAN
#Vision
#Science : General topic
#Neuroscience
#Finance
#commonsense
#RL : Reinforcement Learning
#reasoning
#Robotic
#stochastic
#biomechanic
👍5👏1
Future pinned «یه سری پست های کانال رو تا جایی که میشد براش هشتگ گذاشتم فک میکنم حداقل یه نظمی به کار میده :) #NLP : Natural Language Process #Corrolation_Causation #Math #Graph #Optimization #Psychology #GAN #Vision #Science : General topic #Neuroscience #Finance #commonsense…»
مدل جدید گوگل در فهم و درک متون بی نظیره!
قابلیت فهم شوخ طبعی، استنتاج ریاضی و ...
من خودم با اینکه میتونه جوک رو توضیح بده خیلی حال کردم :))
https://storage.googleapis.com/pathways-language-model/PaLM-paper.pdf
https://twitter.com/hausman_k/status/1511052696509300739
#NLP
#Reasoning
#Corrolation_Causation
👍5🤯4😱1
Future
Venom, is that you? :)))) #Robotic
توی مقاله ای که دادن، خیلی دیتیل تر کارایی که از این ربات بر میاد رو توضیح دادن :))

https://onlinelibrary.wiley.com/doi/full/10.1002/adfm.202112508
#Robotic
1
Future
یکی از پارامتر های انتخاب فیلد تحقیقاتی، بررسی ترند ها و نیاز های بازاره ولی اونقد این مسیر میتونه سخت و پیچیده باشه و نیاز به تحقیق زیاد داره که گاها نادیده گرفته میشه و فقط نگاه به علاقه شخصی میشه حالا سوال اینه که چجوری بفهمیم ترند ها چی هستن به نظرم رد…
قبلا در مورد پارامتر های انتخاب فیلد تحقیقاتی صحبت کرده بودم و یکی از ایجنسی هایی که در تامین فاند دانشجو ها (یعنی NSERC) بود رو در موردش توضیح داده بودم
حالا میخوام از یه ایجنسی دیگه ای که خیلی خیلی جالبتر هستش حرف بزنم یعنی mitacs
مایتکس یک نهاد متصل کننده صنعت به دانشگاهه که این امکان رو برای شرکت ها فراهم میکنه که پروژه های تحقیقاتیشون رو از طریق دانشگاه ها انجام بدن
و در این رابطه شرکت ها رو در تامین نیروی انسانی هم کمک میکنه
در واقع نیمی از حقوق افراد رو از طریق بودجه دولتی تامین میکنه (اگه جاییش رو اشتباه میگم تو کامنت ها بهم بگید)
حالا مجموعه از پروژه هایی که توی فیلد های مختلف انجام میشه رو در این سایت آورده شده
میتونید ببینید که فیلدتون در چه حالت صنعتی میتونه کاربردی باشه و عملا میتونه یه راهی باشه که بین نیاز بازار و علاقه شخصی یه نقطه اشتراکی پیدا کرد
https://www.mitacs.ca/en/projects
#science
👍2
یک از مشکلاتی که شبکه عصبی های ساده باهاش درگیر هستن، "مسئله چند جوابی" عه
یعنی چی؟
فرض کنید میخوایم ببینیم جواب دنباله زیر چی میشه
1,2,3,?
خب این مسئله بیشمار جواب داره
جواب طبیعیش میتونه عدد 4 باشه
ولی اگه با دنباله فیبوناچی بریم به عدد 5 میرسیم
مسئله چند جوابی برای شبکه عادی قابل انجام نیست!
یه مثال دیگه اش دو نمودار بالاس که توی سمت چپی شبکه فوق العاده عمل کرده و تونسته رابطه رو تشخیص بده، اما توی سمت راستی چون هر نقطه x به چندین نقطه y مربوط شده، شبکه نتونسته رابطه رو تشخیص بده
حالا راه حل چیه؟
اینجاست که الگوریتم های Mixure density networks به کار میان و مسئله رو به حالت توزیع های احتمال میبرن
https://github.com/hardmaru/pytorch_notebooks/blob/master/mixture_density_networks.ipynb
#reasoning