ترجمه مقاله یادگیری عمیق و نظریه تعادل نقطه ای – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
یادگیری عمیق و نظریه تعادل نقطه ای
عنوان انگلیسی مقاله:
Deep learning and punctuated equilibrium theory
کلمات کلیدی مقاله:
یادگیری عمیق، شبکه های عصبی، تعادل نقطه ای،فرایند خط مشی، انتشار بازگشتی
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی و رایانش ابری
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1.مقدمه
2. یادگیری عمیق چیست؟
3.فرایند سیاسی بصورت پردازش اطلاعات
4.مدل نمایشی: یادگیری عمیق و فرآیند سیاسی
5.نظریه پیوند سیاست های بودجه ای به سیات های رسیدگی
6. یادگیری عمیق پیشرفته
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Deep learning is associated with the latest success stories in AI. From autonomous cars to AI beating a Go-master: deep learning is the method of choice to construct machine learning models that are useful in many complex situations. Taking this success-story into account, it seems obvious that political science could profit from this method as well. A whole branch of political science approaches sees the policy process as a kind of cognitive system that transforms political inputs from society into outputs. Punctuated Equilibrium Theory (PET) is a very successful concept in political science that is grounded in the theoretical works of Herbert Simon on bounded rationality (Simon, 1955). What separates this approach from rational choice theories is – amongst others – the understanding of organizations (Jones, 2003). While theories that rely solely on market mechanisms can see organizations only as individuals (maximizing their utility function) or as markets, where individuals meet. In bounded rationality organizations are seen as cooperations of individuals identifying with the organization. In many cases, this makes organizations much more effective than markets, especially because parallel processes can be organized with less information costs. But this makes organizations quite complex, as well.
1.مقدمه
یادگیری عمیق با اخرین گزارش های موفقیت آمیز در AI مرتبط است. یادگیری عمیق روش انتخابی برای ساخت مدل های یادگیری ماشینی است که در بسیاری از شرایط پیچیده مفید هستند. با درنظر گرفتن این مسیر ترقی, روشن است که علوم سیاسی نیز می تواند از این روش سودی ببرد. تمام شاخه های رویکرد علوم سیاسی, روند سیاسی را بعنوان نوعی سیستم شناختی درنظر میگیرند که نهاده های سیاسی از جامعه را به خروجی تبدیل می کند. نظریه ی تعادل نقطه ای (PET) یک مفهوم بسیار موفق در علوم سیاسی است که در آثار نظری هربرت سیمون در عقلانیت محدود (Simon، 1955) پایه ریزی شده است. آنچه این نظریه را از نظریه های انتخاب منطقی (عقلانی) جدا می کند – در میان دیگران – درک سازمان هاست (جونز، 2003). درحالیکه نظریه ها به تنهایی به مکانیزم های بازار متکی هستند, میتوانند سازمان ها را بصورت فردی (حداکثر رساندن کارکرد سودمندی آنها) و یا بصورت بازار ببینند. در عقلانیت محدود, سازمان ها بمنظور همکاری برای شناسایی افراد با سازمان ها در نظر گرفته می شوند. در بسیاری از موارد، آنها باعث می شوند که سازمان ها بسیار موثر تر از بازار عمل کنند، به خصوص به دلیل اینکه فرآیندهای موازی می توانند با کمترین هزینه های اطلاعاتی سازماندهی شوند. اما باعث می شوند که سازمانها نیز پیچیده باشند.
