ON THE PRESS-TEMPERING

نویسندگان
چکیده

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

survey on the rule of the due & hindering relying on the sheikh ansaris ideas

قاعده مقتضی و مانع در متون فقهی کم و بیش مستند احکام قرار گرفته و مورد مناقشه فقهاء و اصولیین می باشد و مشهور معتقند مقتضی و مانع، قاعده نیست بلکه یکی از مسائل ذیل استصحاب است لذا نگارنده بر آن شد تا پیرامون این قاعده پژوهش جامعی انجام دهد. به عقیده ما مقتضی دارای حیثیت مستقلی است و هر گاه می گوییم مقتضی احراز شد یعنی با ماهیت مستقل خودش محرز گشته و قطعا اقتضاء خود را خواهد داشت مانند نکاح که ...

15 صفحه اول

Tempering the Polylogarithm

converges when |z| < 1, defining the classical polylogarithm function, equal to − log(1 − z) when s = 1. In general, the behavior of these functions at z = 1 is complicated: it is known, for example, that Lis has an analytic continuation to the cut plane C − 1,∞). The fact that the ‘modified’ polylogarithm of Bloch, Ramakrishnan, Wigner, Wojtkowiak, Zagier, . . . , defined as the real, or imagi...

متن کامل

Variational Tempering

Variational inference (VI) combined with data subsampling enables approximate posterior inference with large data sets for otherwise intractable models, but suffers from poor local optima. We first formulate a deterministic annealing approach for the generic class of conditionally conjugate exponential family models. This algorithm uses a temperature parameter that deterministically deforms the...

متن کامل

Importance tempering

Simulated tempering (ST) is an established Markov chain Monte Carlo (MCMC) method for sampling from a multimodal density π(θ). Typically, ST involves introducing an auxiliary variable k taking values in a finite subset of [0, 1] and indexing a set of tempered distributions, say πk(θ) ∝ π(θ) k. In this case, small values of k encourage better mixing, but samples from π are only obtained when the...

متن کامل

Deep Tempering

Restricted Boltzmann Machines (RBMs) are one of the fundamental building blocks of deep learning. Approximate maximum likelihood training of RBMs typically necessitates sampling from these models. In many training scenarios, computationally efficient Gibbs sampling procedures are crippled by poor mixing. In this work we propose a novel method of sampling from Boltzmann machines that demonstrate...

متن کامل

ذخیره در منابع من


  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ژورنال

عنوان ژورنال: Tetsu-to-Hagane

سال: 1954

ISSN: 0021-1575,1883-2954

DOI: 10.2355/tetsutohagane1915.40.7_681