تراجع الجملة هي تقنية تكييف مجال بسيطة وقوية.نقوم بإجراء تصنيف النطاق لحساب الحوسبة أوزان مع 1) نموذج اللغة Cross Entropy الفرق 2) شبكة عصبية تشفيرية 3) شبكة توتور العصبية العودية.قارنا هذه الأساليب فيما يتعلق بدقة تصنيف المجال ودراسة توزيع الاحتمالا
ت الخلفية.ثم نقوم بتنفيذ تجارب NMT في السيناريو حيث ليس لدينا فورانيا متوازية في المجال وعلى الفورورا المحدودة في المجال.هنا ونحن نستخدم مصنف المجال للاعتقال جمل كوربوس التدريب خارج المجال.هذا يؤدي إلى تحسينات تصل إلى 2.1 بلو للترجمة الألمانية إلى الإنجليزية.
تلخيص الجماعي، مهمة توليد ملخص موجز لمستندات المدخلات، يتطلب: (1) التفكير في المستند المصدر لتحديد القطع البارزة من المعلومات المنتشرة عبر المستند الطويل، و (2) تأليف نص متماسك بإعادة بناء هذه الحقائق البارزة في ملخص أقصر يعكس بإخلاص العلاقات المعقدة
التي تربط هذه الحقائق. في هذه الورقة، نتكيف مع TP-Transformer (Schlag et al.، 2019)، وهي عبارة عن بنية تثري المحولات الأصلية (Vaswani et al.، 2017) مع تمثيل المنتج التركيبي الصريح للتوتر (TPR)، لمهمة التلخيص المبشور وبعد الميزة الرئيسية لطرازنا هي التحيز الهيكلي الذي نقدمه من خلال ترميز مجموعتين منفصلين لكل رمزي لتمثيل الهيكل النحوي (مع ناقلات الدور) والمحتوى الدلالي (مع ناقلات حشو) بشكل منفصل. ثم يربط النموذج ثم متجاهلة الدور والحشو إلى TPR كإخراج الطبقة. نقول أن التمثيلات الوسيطة المنظمة تمكن النموذج من السيطرة بشكل أفضل على المحتويات (الحقائق البارزة) والهياكل (بناء الجملة الذي يربط الحقائق) عند إنشاء الملخص. وإظهار تجريبيا، نظرا لأن لدينا TP-Transforment تفوقنا على المحول ومحول TP الأصلي بشكل كبير على العديد من مجموعات بيانات تلخيص الجماع على حد سواء التقييمات التلقائية والإنسانية. في العديد من المهام التحقيق النحوية واللالسة، نوضح المعلومات الهيكلية الناشئة في مجاهاجر الدور واكتساب الأداء من خلال خصوصية المعلومات من مواقف الدور وتحسين الترجمة الترجمة الترجمة النحوية في مخرجات طبقة TPR. (التعليمات البرمجية المتاحة في HTTPS: // github.com/jianggyctarheel/tpt-summ)
حققت خوارزمية التعلم العميق مؤخرًا الكثير من النجاح خاصة في مجال رؤية الكمبيوتر.يهدف البحث الحالي إلى وصف طريقة التصنيف المطبقة على مجموعة البيانات الخاصة بأنواع متعددة من الصور (صور الرادار ذي الفجوة المركبةSAR والصور ليست SAR) ، أستخدم نقل التعلم م
تبوعًا بأساليب الضبط الدقيق في مخطط التصنيف هذا . تم استخدام بنيات مدربة مسبقًا على قاعدة بيانات الصور المعروفهImageNet، تم استخدام نموذج VGG 16 بالفعل كمستخرج ميزات وتم تدريب مصنف جديد بناءً على الميزات المستخرجة .تركز بيانات الإدخال بشكل أساسي على مجموعة البيانات التي تتكون من خمس فئات فئة صور الرادارSAR (المنازل) وفئات الصور ليستSAR (القطط والكلاب والخيول والبشر). تم اختيار الشبكة العصبية التلافيفية (CNN) كخيار أفضل لـعملية التدريب لانها نتجت عن دقة عالية. لقد وصلنا إلى الدقة النهائية بنسبة 91.18٪ في خمس فئات مختلفة. تتم مناقشة النتائج من حيث احتمالية الدقة لكل فئة في تصنيف الصورة بالنسبة المئوية. تحصل فئة القطط على 99.6٪ ، بينما تحصل فئة المنازل على 100٪ وتحصل انواع آخرى من الفئات بمتوسط درجات 90٪ وما فوق.
يوجد في الواقع كثير من المسائل تتمثل بنمذجة العلاقات بين الكيانات ثم توقع العلاقات المستقبلية, فمثلاً اقت ارح منتج لزبون معين أو توقع من سيتحدث عن موضوع معين على الشبكة الاجتماعية. يمكن باستخدام هذه الطريقة نمذجة معطيات كثيرة ذات أبعاد عديدة ودمج أكت
ر من مصدر من البيانات (لنمذجة السياق) مع القدرة على التوسعة, إذ يمكن بشروط معينة جعل التعقيد خطي.
في هذا البحث نعرف التنسورات و فضاء ريمان و الفضاءات ذات التقوس
الثابت, و نقدم دراسة لبعض الحالات المرتبطة بموضوع البحث , الوظيفة الأساسية هي دراسة
العلاقات التي تبقى صالحة عندما يتم التغير من منظومة إحداثيات إلى منظومة أخرى .
تم في هذا البحث حساب المقطع العرضي التفاضلي الفعّال للتفاعل المدروس داخل اطار النموذج القياسي و خارجه و حسبت التصحيحات الإشعاعية الناجمة عن ادخال المركبات السلمية و شبه السلمية و التنسورية في مطال التفاعل بطريقتين مختلفتين و تبيّن أنها متعلقة فقط بمر
بعات ثوابت الاقتران،.
ناقش البحث مدى صمود النموذج القياسي أمام توسيع مطال التشتت المرن للنيوترينو على الالكترون مستفيدين من القيم التجريبية لثوابت الاقتران المتحصل عليها مؤخرا من تجربتي TEXONO , LSND.
نعرّف فضاء ساساكي المكافئي و نجد الشرط اللازم و الكافي لوجود تطبيق جيوديزي
بين فضائي ساساكي، ثمّ نثبت أن الشرط اللازم و الكافي لوجود تطبيق جيوديزي بين
فضائي ساساكي ذو البنية الواحدة هو أن يكونا متقايسين.
ثمّ نصل إلى نتيجة أنه إذا وجد تطبيق جيوديزي
بين فضائي ساساكي ثابتيّ التقوس
فإن تنسوريّ ريتشي للفضائين متناسبان.
في هذا البحث سوف :
-1 نعرف فضاء ريمان , التطبيق المتزاوي , فضاء أينشتاين , فضاء أينشتاين
المتكرر ريتشيا.
-2 دراسة التطبيق المتزوي بين فضاءات أينشتاين الموافقة لسطح سوي , و
المتكررة ريتشيا.
يهدف هذا البحث إلى دراسة الحلول التوزيعية لمعادلات تفاضلية جزئية من المرتبة
الثانية.
و بشكل خاص سندرس الحلول التوزيعية لمعادلة لابلاس و معادلة التسخين و معادلة
الموجة بعدة أبعاد, بالإضافة إلى معادلة شرودينجر.
سيتم عرض الحلول الأساسية للمعادلات ال
مذكورة و استنتاج الحلول التوزيعية لها عن
طريق مفهوم التفاف التوزيعات و ذلك من خلال عرض عددٍ من المبرهنات اللازمة لذلك
مع اثباتها, لاسيما لمعادلة لابلاس. و تقديم بعض الملاحظات إضافة إلى التعاريف و
المفاهيم الأساسية اللازمة لذلك.
المعادلة التفاضلية الجزئية من المرتبة الثانية
التوزيعات
الجداء التنسوري للتوزبعات
التفاف التوزيعات
الحلول الأساسية
الحلول التوزيعية
partial differential equations of second order
Distributions
Tensor product of distributions
Convolution of distributions
Fundamental solution
Distributive solution
المزيد..
تم في هذا البحث حساب المركبة العرضية للتشوهات الطاقية في الصيغ الموجية المرونية لسائل كوانتي و ذلك في إطار نظرية لانداو في سائل فيرمي، آخذين بعين الاعتبار تأثير المركبة العرضية للاضطراب الخارجي المطبق على الجملة، حيث تم حساب كثافة التيار المرتبطة بهذ
ه المركبة إضافةً إلى حساب تنسور الضغط في هذه الحالة. أثناء دراستنا تم اعتبار درجة الحرارة منخفضة بشكل كبير بحيث تتحقق من أجلها المتراجحة حيث تمثل درجة حرارة فيرمي (Fermi Temperature).
تم مقارنة استجابة السائل للمركبة العرضية للكمون الخارجي المطبق، مع استجابته للمركبة الطولية لهذا الاضطراب عند نفس الشروط، من خلال دراسة تابعية أنماط القص العرضية و الطولية (التي تعبر عن هاتين الاستجابتين) لتردد و متجهة الموجة للاضطراب المطبق. تبين لنا أن هاتين الاستجابتين مختلفتان في الحالة العامة و لكنهما تصبحان متساويتين في الحالة الخاصة ، حيث تمثل السرعة على سطح فيرمي. و التي من أجلها تصبح فرضيات النموذج اللزوجي صحيحة.