សូមអរគុណចំពោះការទស្សនា Neal.com ។ កំណែនៃកម្មវិធីរុករកដែលអ្នកកំពុងប្រើមានការគាំទ្រ CSS មានកំណត់។ ដើម្បីទទួលបានលទ្ធផលល្អបំផុតយើងសូមណែនាំឱ្យអ្នកប្រើកម្មវិធីរុករកថ្មី (ឬបិទរបៀបដែលអ្នកបែកខ្ញែកនៅក្នុងកម្មវិធីរុករកអ៊ីនធឺណិត) ។ ក្នុងពេលនេះដើម្បីធានាការគាំទ្រដែលកំពុងបន្តយើងកំពុងបង្ហាញទីតាំងដោយមិនមានស្ទីលឬ JavaScript ។
កម្មវិធីមួយដែលទទួលបានជោគជ័យបំផុតនៃការរៀនម៉ាស៊ីននៅក្នុងរូបវិទ្យាគណនារូបវិទ្យាគឺដំណោះស្រាយដែលបង្កើនល្បឿននៃសមីការឌីផេរ៉ង់ស្យែល (PDES) ។ គោលដៅសំខាន់នៃកម្មវិធីដោះស្រាយឌីជីថលដែលសិក្សាដោយផ្នែកដែលផ្អែកលើការរៀនគឺដើម្បីផលិតដំណោះស្រាយដែលមានភាពត្រឹមត្រូវលឿនជាងវិធីសាស្ត្រលេខស្តង់ដារដែលត្រូវធ្វើជាការប្រៀបធៀបមូលដ្ឋាន។ ដំបូងយើងធ្វើការពិនិត្យឡើងវិញជាប្រព័ន្ធនៃអក្សរសិល្ប៍ក្នុងការរៀនម៉ាស៊ីននៅលើការដោះស្រាយសមីការឌីផេរ៉ង់ស្យែលមួយផ្នែក។ ក្នុងចំណោមឯកសារទាំងអស់ដែលរាយការណ៍អំពីការប្រើប្រាស់ ML ដើម្បីដោះស្រាយសមីការឌីផេរ៉ង់ស្យែលដែលមានលក្ខណៈពិសេសនិងអះអាងឧត្តមភាពលើវិធីសាស្ត្រលេខស្តង់ដារយើងបានរកឃើញ 79% (60/76) បើប្រៀបធៀបទៅនឹងមូលដ្ឋានខ្សោយ។ ទី 2 យើងបានរកឃើញភ័ស្តុតាងនៃការរាយការណ៍អំពីភាពលំអៀងជាពិសេសនៅក្នុងរបាយការណ៍លទ្ធផលនិងការបោះពុម្ពផ្សាយលំអៀង។ យើងសន្និដ្ឋានថាការស្រាវជ្រាវរៀនរបស់ម៉ាស៊ីនលើការដោះស្រាយសមីការឌីជីថលមួយផ្នែកគឺមានសុទិដ្ឋិនិយមហួសហេតុគឺការបញ្ចូលខ្សោយអាចនាំឱ្យមានលទ្ធផលវិជ្ជមានហួសហេតុហើយការរាយការណ៍អំពីភាពលំអៀងអាចនាំឱ្យមានការរាយការណ៍ពីលទ្ធផលអវិជ្ជមាន។ មួយចំណែកធំបញ្ហាទាំងនេះហាក់ដូចជាបណ្តាលមកពីកត្តាស្រដៀងនឹងវិបត្តិនៃការបង្កើតឡើងវិញពីមុន: ការសំរេចចិត្តរបស់ការស៊ើបអង្កេតនិងការទទួលបានលទ្ធផលវិជ្ជមាន។ យើងអំពាវនាវឱ្យមានការផ្លាស់ប្តូរវប្បធម៌ពីក្រោមទៅក្រោមដើម្បីកាត់បន្ថយការរាយការណ៍លំអៀងនិងការកែទម្រង់រចនាសម្ព័ន្ធខ្ពស់បំផុតដើម្បីកាត់បន្ថយការលើកទឹកចិត្តដែលមិនចេះនិយាយធ្វើដូច្នេះ។
បញ្ជីរាយនាមអ្នកនិពន្ធនិងអត្ថបទដែលបង្កើតដោយការត្រួតពិនិត្យជាប្រព័ន្ធក៏ដូចជាការធ្វើចំណាត់ថ្នាក់នៃអត្ថបទនីមួយៗក្នុងគំរូចៃដន្យគឺអាចរកបានជាសាធារណៈនៅគេហទំព័រ https://doi.17605 (យោង។ 124) ។ 124) ។ 124) ។ 124) ។ 124) ។ 124) ។ 124) ។ 124) ។
ក្រមដែលត្រូវការដើម្បីបង្កើតលទ្ធផលក្នុងតារាងទី 2 អាចរកបាននៅលើ Github :/github.com/nickmcgreivy/weakbaselines/ (យោង។ https://codeule.com/capeules/9605539/ មែកធាង / V1 (តំណភ្ជាប់ 126) និង https://codeocean.com/capsule/0799002/tree/v1 (តំណភ្ជាប់ 127) ។
Randall, D. , និង Welser, K, កត្តាវិបត្តិដែលមិនគួរឱ្យជឿនៅក្នុងវិទ្យាសាស្ត្រទំនើប: មូលហេតុ, ផលវិបាកនិងសមាគមនាងរបស់អ្នកវិទ្យាសាស្ត្រជាតិឆ្នាំ 2018) ។
Ritchie, S. ការប្រឌិតបែបវិទ្យាសាស្ត្រ: របៀបដែលការក្លែងបន្លំ, លំអៀងភាពស្ងៀមស្ងាត់, ភាពស្ងៀមស្ងាត់និង Hype ធ្វើឱ្យខូចដល់ការស្វែងរកការពិត (រសជាតិ, 2020) ។
បើកកិច្ចសហការវិទ្យាសាស្ត្រ។ វាយតម្លៃការផលិតនៃការផលិតឡើងវិញនូវវិទ្យាសាស្ត្រចិត្តសាស្ត្រ។ វិទ្យាសាស្រ្ត 349, AAAC4716 (2015) ។
Prinz, អេហ្វ។ អេស។ អេស។ អេស។ ណាត។ ការរកឃើញគ្រឿងញៀន "។ 10, 712 (2011) ។
Bynley KG និង Ellis, ស្តង់ដារ LM Rapings ក្នុងការស្រាវជ្រាវជំងឺមហារីកដ៏ស្រស់ស្អាត។ ធម្មជាតិ 483, 531-533 (2012) ។
A. Gelman និង E. Loken ដែលជាសួននៃផ្លូវ Forking: ហេតុអ្វីបានជាការប្រៀបធៀបច្រើនគឺជាបញ្ហាទោះបីជាមិនមាន "P-Pubs" ឬ "P-Hackes, VOL ។ 348, 1-17 (នាយកដ្ឋានស្ថិតិ, 2013) ។
Karagiorgi, G. , Kasecka, G, Kravitz, S. , Nachman, B. , B. , B. , D. SHI. D. ម៉ាស៊ីនរៀនសូត្រក្នុងការស្វែងរករូបវិទ្យាមូលដ្ឋានគ្រឹះថ្មី។ ណាត។ បណ្ឌិតទស្សនវិជ្ជាក្នុងរូបវិទ្យា។ 4, 399-412 (2022) ។
ដារ៉ាអេស, Damercherla S, ចាដហាស, បាប៊ូសនិងអាសេន MJ ។ ការរៀនម៉ាស៊ីនក្នុងការរកឃើញគ្រឿងញៀន: ការពិនិត្យឡើងវិញ។ ATIF ។ Intel ។ ed ។ 55, 1947-1999 (2022) ។
MHETH ដូចជាការរៀនសូត្រយ៉ាងជ្រៅជ្រៅយ៉ាងជ្រៅ។ j.chemistry ។ ជូនដំណឹង។ គំរូ។ 59, 2545-2559 (2019) ។
Rajkomar A. , Dean J. និង Kohan I. ស្វែងរកម៉ាស៊ីនក្នុងវេជ្ជសាស្ត្រ។ ទិនានុប្បវត្តិវេជ្ជសាស្ត្រអង់គ្លេសថ្មី។ 380, 1347-1358 (2019) ។
ហ្គីមមឺជជេរ៉ូបឺតខ្ញុំ។ ហើយការរៀនម៉ាស៊ីន Stewart Bm ក្នុងវិទ្យាសាស្ត្រសង្គម: វិធីសាស្រ្តដែលមានភាពជឿនលឿន។ បាល់ arv. ann ។ វិទ្យាសាស្រ្ត។ 24, 395-419 (2021) ។
លោត, J. et al ។ ធ្វើឱ្យការព្យាករណ៍រចនាសម្ព័ន្ធប្រូតេអ៊ីនត្រឹមត្រូវដោយប្រើអាល់ហ្វាថល។ ធម្មជាតិ 596, 583-589 (2021) ។
Gunderen, OE, Cookle, K. Kirkpatrick, K. , y. ប្រភពនៃភាពមិនគួរឱ្យជឿក្នុងការរៀនម៉ាស៊ីន: ការពិនិត្យឡើងវិញ។ ទំនាបដែលមាននៅគេហទំព័រ https://arxiv.0iv.07610 (2022) ។
ដោយចម្លែក, ឃ។ , Snook, J. , Wiltschko, A, A. , និង Rahimi, A. អ្នកឈ្នះរបស់អ្នកឈ្នះ? ក្នុងល្បឿនល្បឿនវឌ្ឍនភាពនិងភាពម៉ត់ចត់នៃភ័ស្តុតាងជាក់ស្តែង (អាយស៊ីអិលអិល 2018) ។
អាមស្ត្រង, ធីអាមស្ត្រង, មើមដំឡូង, អេ, អេ, អេ។ អេ។ អេ។ អេ។ អេ។
Kapoor, S. និង Narayanan, A. ការលេចធ្លាយនិងវិបត្តិសាស្ត្រផលិតឡើងវិញនៅក្នុងវិទ្យាសាស្ត្រសិក្សាដោយម៉ាស៊ីន។ លំនាំ, 4, 100, 100804 (2023) ។
Kapoor s. et al ។ កំណែទម្រង់: ស្តង់ដាររបាយការណ៍វិទ្យាសាស្ត្រផ្អែកលើការរៀនម៉ាស៊ីន។ បន្ទាយដែលមាននៅ https://arxiv.org/abs/2308.07832 (2023) ។
Demasi, o,,,,, ខ្សែ, C. , C. , និង rech, ខ។ ប្រៀបធៀបគ្មានន័យអាចនាំឱ្យមានសុទិដ្ឋិនិយមក្លែងក្លាយនៅក្នុងការរៀនម៉ាស៊ីនពេទ្យ។ plos មួយ 12, E0184604 (2017) ។
រ៉ូបឺត, អិម et al ។ អតិសុខុមប្រាមិតទូទៅនិងការអនុវត្តល្អបំផុតសម្រាប់ការប្រើប្រាស់ម៉ាស៊ីនរៀនដើម្បីរកនិងទាយ Covid-19 ពីកាំរស្មីអ៊ិចអ៉ីននិងកាំរស្មីអ៊ិច។ ណាត។ អតិបរមា។ Intel ។ 3, 199-217 (2021) ។
Winantz L. et al ។ ម៉ូឌែលព្យាករណ៍សម្រាប់ការធ្វើរោគវិនិច្ឆ័យនិងការព្យាករណ៍នៃ Covid-19: ការត្រួតពិនិត្យជាប្រព័ន្ធនិងការវាយតម្លៃសំខាន់។ BMJ 369, M1328 (2020) ។
Whalen S. , Schreiber J. , Noble Ws និង Pollard KS បានយកឈ្នះអន្ទាក់នៃការប្រើប្រាស់ម៉ាស៊ីនរៀននៅហ្សែនហ្សែន។ ណាត។ គ្រូគង្វាលហ្គីណី។ 23, 169-181 (2022) ។
atris n. et al ។ ការអនុវត្តល្អបំផុតសម្រាប់ការរៀនម៉ាស៊ីនក្នុងគីមីវិទ្យា។ ណាត។ គីមី។ 13, 505-508 (2021) ។
ទិសដៅ Brutton SL និង KUTZ JN JN សន្យាសម្រាប់ការរៀនម៉ាស៊ីននៃសមីការឌីផេរ៉ង់ស្យែលមួយផ្នែក។ ណាត។ គណនា។ វិទ្យាសាស្រ្ត។ 4, 483-494 (2024) ។
Vinuesa, R. និង Brustrnon, SL ធ្វើឱ្យប្រសើរឡើងនូវថាមវន្តអង្គធាតុរាវនៃម៉ាស៊ីនត្រជាក់តាមរយៈការរៀនម៉ាស៊ីន។ ណាត។ គណនា។ វិទ្យាសាស្រ្ត។ 2, 358-366 (2022) ។
អ្នកឈ្មោះ et al ។ ការរៀនម៉ាស៊ីនវិទ្យាសាស្ត្រជាមួយបណ្តាញសរសៃប្រសាទដែលមានព័ត៌មានរាងកាយ: កន្លែងដែលយើងនៅពេលនេះនិងអ្វីដែលក្រោយមក។ J. វិទ្យាសាស្ត្រ។ គណនា។ 92, 88 (2022) ។
ឌូរ៉ាសាមី, ខេ, យាកាកាកូណូ, ជី, G. , និង Xiao, H. ចល័តចលាចលនៅក្នុងយុគសម័យទិន្នន័យ។ បោះពុម្ពឡើងវិញនៃអានអាន។ 51, 357-377 (2019) ។
Durraan, Druals វិធីសាស្រ្តលេខសម្រាប់ការដោះស្រាយសមីការវល្លិ hydrodnamics ភតិសរូប, វ៉ុល។ 32 (Springer, 2013) ។
Mishra, S. ក្របខ័ណ្ឌសិក្សាម៉ាស៊ីនសម្រាប់ការពន្លឿនការគណនាដែលជំរុញទិន្នន័យនៃសមីការឌីផេរ៉ង់ស្យែល។ គណិតវិទ្យា។ វិស្វករ។ https://doi.10/10.3934/Mine.2018.118 (2018) ។
Kochikov d. et al ។ ការរៀនម៉ាស៊ីន - ការបង្កើនល្បឿននៃសក្ដានុពលនៃអង្គធាតុរាវរបស់ម៉ាស៊ីនត្រជាក់។ ដំណើរការ។ បណ្ឌិត្យសភាវិទ្យាសាស្ត្រជាតិ។ វិទ្យាសាស្រ្ត។ សហរដ្ឋអាមេរិក 118, E2101784111 (2021) ។
Kadapa, K. ម៉ាស៊ីនរៀនសម្រាប់វិទ្យាសាស្ត្រកុំព្យូទ័រនិងវិស្វកម្ម - សេចក្តីណែនាំខ្លីនិងបញ្ហាសំខាន់ៗមួយចំនួន។ បន្ទាយដែលមាននៅគេហទំព័រ https://arxiv.org/abs/2112.120120.12014 (2021) ។
រ៉ូស, A. , Z, Perezhogin, P. , Fernandez-Granda, C. , C. , C. , C. , C. , C. , C. , C. , J.D ។ គំរូ។ ប្រព័ន្ធផែនដី។ 15 ។ E2022M003258 (2023) ។
Lippe, P. , Wieling, B. , Perdikaris, P, Traner, R ។ សន្និសីទលើកទី 37 ស្តីពីប្រព័ន្ធដំណើរការព័ត៌មានសរសៃប្រគ្រាស (បង្កាន់ដៃឆ្នាំ 2023) ។
Frachas, pr et al ។ ក្បួនដោះស្រាយផ្នែកខាងក្រោយនិងការគណនាអាងស្តុកទឹកនៅក្នុងបណ្តាញសរសៃប្រសាទដែលកើតឡើងដដែលៗសម្រាប់ការទស្សន៍ទាយនៃសក្ដានុពល Spatiotemal ដែលស្មុគស្មាញ។ បណ្តាញសរសៃប្រសាទ។ 126, 191-217 (2020) ។
រ៉ារីស, ម។ ជេកុំព្យូទ័រ។ រូបវិទ្យា។ 378, 686-707 (2019) ។
Grossmann, TG, Komorowska, UJ, Lutz, J. , និងSchönlieb, K.-b. បណ្តាញសរសៃប្រសាទដែលមានមូលដ្ឋានលើរូបវិទ្យាដែលមានមូលដ្ឋានលើរូបវិទ្យាវិធីសាស្ត្រកំណត់នៃធាតុផ្សំនៃធាតុផ្សំ? ima J. កម្មវិធី។ គណិតវិទ្យា។ 89, 143-174 (2024) ។
ដឺឡាម៉ាដា, អេហ្វអេហ្វជីជុនណាណា, អិម។ រូបវិទ្យា។ លេខ 610, 128415 (2023) ។
Zhuang, P.-y. & បាបា, ឡារបាយការណ៍ជាក់ស្តែងមួយនៅលើបណ្តាញសរសៃប្រសាទដែលមានមូលដ្ឋានលើរូបវិទ្យាក្នុងការធ្វើសមាធិវត្ថុរាវ: ចំនុចគ្រោះថ្នាក់និងការខកចិត្ត។ ទំនាបដែលមាននៅគេហទំព័រ https://arxiv.org/abs/2205.14249 (2022) ។
Zhuang, P.-y. និងបាបារ៉ា, ដែនកំណត់នៃការព្យាករណ៍របស់បណ្តាញសរសៃប្រសាទដែលមានព័ត៌មានរាងកាយនៅលើការបង្កើត Vortex ។ បន្ទាយដែលមាននៅគេហទំព័រ https://arxiv.org/abs/2306.00230 (2023) ។
វ៉ាង, អេស, អេស, អេ។ ជេកុំព្យូទ័រ។ រូបវិទ្យា។ 449, 110768 (2022) ។
Krishnapriyan, A. , Gholami, A. , Zhe, S. , Kirby, R. , និង Mahoney, លក្ខណៈរបស់ MW ដែលអាចកើតមានក្នុងបណ្តាញព័ត៌មានវិទ្យាដែលអាចកើតមានក្នុងបណ្តាញព័ត៌មានខាងព័ត៌មានវិទ្យា។ សន្និសីទលើកទី 35 ស្តីពីប្រព័ន្ធដំណើរការព័ត៌មានខាងប្រព័ន្ធសរសៃប្រសាទវ៉ុល។ 34, 26548-26560 (neurips 2021) ។
Basi, S. និងសែនក្លូន, I. ការសិក្សាសំខាន់នៃរបៀបបរាជ័យក្នុងបណ្តាញសរសៃប្រសាទដែលមានមូលដ្ឋានលើរូបវិទ្យា។ នៅ Aiaa Scitech 2022 វេទិកា 2353 (ទូក 2022) ។
Karnakov P. , Litvinov S. និង Koumoutsakos P. ដោះស្រាយបញ្ហាបញ្ច្រាសរាងកាយដោយបង្កើនការខាតបង់ដែលអាចបំបែកបានលឿន: ការរៀនសូត្រយ៉ាងឆាប់រហ័សនិងត្រឹមត្រូវបើគ្មានបណ្តាញសរសៃប្រសាទឆាប់រហ័សនិងត្រឹមត្រូវបើគ្មានបណ្តាញសរសៃប្រសាទ។ ដំណើរការ។ បណ្ឌិត្យសភាវិទ្យាសាស្ត្រជាតិ។ វិទ្យាសាស្រ្ត។ Nexus 3, Pgae005 (2024) ។
គោលការណ៍មូលដ្ឋានគ្រឹះរបស់ Gunderen OE នៃការបន្តពូជឡើងវិញ។ Phil.crss ។ R. Shuker ។ លេខ 379, 20200210 (2021) ។
Aromaris E និង Pearson A. ការពិនិត្យឡើងវិញជាប្រព័ន្ធ: ទិដ្ឋភាពទូទៅ។ ត្រូវហើយ។ J. ថែទាំគិល 114, 53-58 (2014) ។
Magiera, J. , Ray, D. , Hesthaven, JS, និង Rohde, K. បណ្តាញសរសៃប្រសាទដែលមានបញ្ហាសម្រាប់បញ្ហា Riamemn ។ ជេកុំព្យូទ័រ។ រូបវិទ្យា។ 409, 109345 (2020) ។
សៀគ្វីបរិមាណនៃបរិមាណបរិមាណដែលបានផ្តល់ឱ្យដោយមិនមានវ៉ុលដែលត្រូវបានគេផ្តល់ឱ្យដោយមិនមានបន្ទុកបែបបុរាណ។ ជេកុំព្យូទ័រ។ រូបវិទ្យា។ 437, 110324 (2021) ។
ពេលវេលាក្រោយ: ខែកញ្ញា -29-2024