این برنامه ویندوز با نام Emb-GAM است که آخرین نسخه آن را می توان با عنوان v0.2.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این اپلیکیشن به نام Emb-GAM را با OnWorks به صورت آنلاین دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
عکس ها
Ad
Emb-GAM
شرح
مدل‌های یادگیری عمیق به عملکرد پیش‌بینی قابل توجهی دست یافته‌اند، اما اغلب قابلیت تفسیرپذیری را قربانی می‌کنند، که یک ملاحظات مهم در حوزه‌های پرمخاطره مانند مراقبت‌های بهداشتی یا سیاست‌گذاری است. در مقابل، مدل‌های افزایشی تعمیم‌یافته (GAM) می‌توانند قابلیت تفسیر را حفظ کنند، اما اغلب از عملکرد پیش‌بینی ضعیف به دلیل ناتوانی در گرفتن مؤثر تعاملات ویژگی رنج می‌برند. در این کار، هدف ما این است که این شکاف را با استفاده از مدل‌های زبان عصبی از پیش آموزش‌دیده برای استخراج تعبیه‌ها برای هر ورودی قبل از یادگیری یک مدل خطی در فضای جاسازی، پر کنیم. مدل نهایی (که ما آن را Emb-GAM می نامیم) یک تابع شفاف و خطی از ویژگی های ورودی و تعاملات ویژگی است. استفاده از مدل زبان به Emb-GAM اجازه می‌دهد تا ضرایب خطی بسیار کمتری را بیاموزد، تعاملات بزرگ‌تری را مدل‌سازی کند و به ورودی‌های جدید تعمیم دهد. در میان انواع مجموعه داده‌های پردازش زبان طبیعی، Emb-GAM به عملکرد پیش‌بینی قوی بدون به خطر انداختن قابلیت تفسیر دست می‌یابد.
امکانات
- برای کنترل دقیق تر، به جای آن می توانید این مخزن را از منبع شبیه سازی و نصب کنید
- مدل خطی قابل تفسیر که از یک مدل زبان از پیش آموزش دیده برای یادگیری بهتر تعاملات استفاده می کند
- عملکرد تناسب یک خطی
- Emb-GAM از یک مدل زبان از پیش آموزش دیده برای استخراج ویژگی ها از داده های متنی استفاده می کند
- ویژگی ها را به منظور استخراج یک مدل ساده و خطی ترکیب می کند
- بهترین راه برای استفاده از Emb-GAM از طریق بسته imodelsx است
- Emb-GAM عملکرد پیش بینی قوی را بدون به خطر انداختن قابلیت تفسیر به دست می آورد
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می تواند از https://sourceforge.net/projects/emb-gam.mirror/ نیز دریافت شود. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.
