Machine learning books and papers

🔹 Title: Explain Before You Answer: A Survey on Compositional Visual Reasoning 🔹 Publication Date: Published on Aug 24 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.17298 • PDF: https://arxiv.org/pdf/2508.17298 • Project Page: https://github.com/pokerme7777/Compositional-Visual-Reasoning-Survey • Github: https://github.com/pokerme7777/Compositional-Visual-Reasoning-Survey @Machine_learn

مسابقه برنامه‌نویسی در کوئرا، فرصت همکاری با ترب Torob Turbo: The LLM Rush 💥 تُرب توربو < Torob Turbo > چیه: هکاتونی مسئله‌محوره که با تمرکز بر حل مسائل واقعی صنعت و بهره‌گیری از مدل‌های زبانی بزرگ (LLM) طراحی شده. چرا باید توی این مسابقه شرکت کنی: ⚡️ وبینارهای تخصصی و آموزشی رایگان 🎁 ۲۵۰ میلیون تومان جوایز نقدی و جوایز غیر نقدی برای نفرات متعدد 🚀 فرصت همکاری با تیم ترب ✨ گواهی رسمی کوئرا و ترب 🔗 https://quera.org/r/1z7ii

جایگاه سوم رزرو شد...!

بنام خدا حدود 4 الی 5 ماه است که در حال نوشتن مقاله ای مروری مبنی بر کاربرهای هوش مصنوعی، یادگیری ماشین، یادگیری ژرف و پردازش تصویر در صنعت غذا هستیم. این مقاله کاربردهای فناوری های مورد نظر در جنبه های مختلف صنعت غذا شامل ✅Food Classification, Detection, Segmentation, Localization ✅Caloric Estimation, Detecting Food In Fridges ✅Freshness, Quality and Defect Detection ✅ Food Safety & Integrity (Contamination, Adulteration and Fraud, Freshness, Quality, Processing, etc) ✅ Food Waste (Causes & Impact, FW Detection, Estimation, Quantification, Demand Prediction with ANN, Image Processing) ✅Recommender Systems (Restaurant, Sentiment Analysis, Nutrition and Diet, Health, etc) ✅Agriculture and Supply Chain (ML, AI and CV in Orchard, Harvesting, Postharvest QC, Manufacturing, Freshness and Ripening, Spoilage, etc) ✅Other Review Papers ✅Computer Vision, Machine Learning, Aritifical Neural Networks, Image Processing, etc را در بر میگیرد. در نسخه اولیه این مقاله برای سابمیت بیش از 250 (250 الی 300 مقاله مرتبط جدید که 90 درصد برای بعد 2020 و حداقل 80 درصد برای بعد 2022 هستند) مورد بررسی دقیق قرار گرفته اند. هدف این مقاله مروری چاپ در ژورنال های Q1-Q2 با IF بالا است. ⛏️به دلیل حجم بالای کار و کیفیت بسیار بالای مقاله امکان حداکثر 7 نفر در این مقاله وجود دارد. انتظار می رود که مقاله پس از چاپ در یکی از ژورنالهای مورد نظر ظرف 1 سال (به دلیل مروری و جامع بودن) حداقل 50 سایتیشن بخورد. نفر اول (کارسپاند): 700 تتر ✅واگذار شد. نفر دوم: 350 تتر نفر سوم: 250 تتر نفر چهارم: 220 تتر نفر پنجم: 190 تتر نفر ششم: 160 تتر نفر هفتم: 130 تتر 👌مناسب و عالی برای اپلای دکتری و ارشد به دلیل سطح بالای مقاله و کیفیت ژورنال های مورد سابمیت 👌مناسب برای رشته های علوم کامپیوتر، هوش مصنوعی، بینایی کامپیوتری و پردازش تصویر، صنایع، صنایع غذایی 👌مناسب برای اقامت آمریکا از EB2 و حتی EB1 (به دلیل کیفیت و سایتشن های زیاد) 👍امکان افزایش سایتیشن شما (به صورت مشروط به یکی از حوزه ها یا متدها) فراهم است. برای بررسی لطفا لینک یا DOI مقاله خود را ارسال کنید 🎈مقاله در نسخه نهایی بازبینی خود، برای برطرف سازی هر گونه اشکال احتمالی است و ظرف 1 هفته الی حداکثر 1 ماه (October 1st) سابمیت خواهد شد. 🎈مشارکت کنندگان علاوه بر ایمیل (ترجیحا ایمیل دانشگاهی)، بهتر است کد ORCID نیز ارائه دهند. (کافی است در ORCID یک اکانت بسازید و کد 16 رقمی خود را که با اسم شما همخوانی دارد بدهید) ارتباط: @Raminmousa

Dataset Name: Used Cars Dataset Basic Description: Vehicles listings from Craigslist.org 🔴 Dataset Size: Download dataset as zip (275 MB) 🔰 Direct dataset download link: https://www.kaggle.com/api/v1/datasets/download/austinreese/craigslist-carstrucks-data 📚 RELATED NOTEBOOKS: 1. Automatic Number Plate Recognition | Upvotes: 2,295 URL: https://www.kaggle.com/code/aslanahmedov/automatic-number-plate-recognition 2. Automatic Number Plate Recognition | Upvotes: 419 URL: https://www.kaggle.com/code/mohamedbhy/automatic-number-plate-recognition 3. Used Cars Price Prediction by 15 models | Upvotes: 355 URL: https://www.kaggle.com/code/vbmokin/used-cars-price-prediction-by-15-models 4. USA Housing Listings | Upvotes: 75 URL: https://www.kaggle.com/datasets/austinreese/usa-housing-listings 5. 1.2 Million Used Car Listings | Upvotes: 61 URL: https://www.kaggle.com/datasets/jpayne/852k-used-car-listings @Machine_learn

با عرض سلام ما برای یکی از مقالاتمون در حوزه ی پزشکی نیاز به نفر ۴ ام داریم با قبولی شرایط پرداخت میتونیم اضافه کنیم. زمان سابمیت فردا شب ...! @Raminmousa

Caltech's "Undergraduate Game Theory" lecture notes by Omer Tamuz PDF: https://tamuz.caltech.edu/teaching/ps172/lectures.pdf @Machine_learn

با عرض سلام مقاله زیر جهت سابمیت اماده ی ارسال می باشد. دوستانی که نیاز دارند جایگاه های ۲ تا ۵ خالی می باشد. Title: Atomistic Insights into Surfactant–PEG Interfacial Dynamics Governing Zerumbone Nanoemulsion Stability Abstract: "This study uses large-scale molecular dynamics (MD) simulations to unravel how surfactant/cosurfactant composition controls the self-assembly and stability of zerumbone-loaded nanoemulsions (NEs). Twelve formulations varying in Tween 80 (surfactant), PEG-600 (cosurfactant), oleic acid (oil), and water content were constructed to analyze their droplet morphology and interfacial properties. Key metrics, including droplet eccentricity, radius of gyration (Rg), minimum-distance distribution functions (MDDFs) with Kirkwood-Buff (KB) integrals, hydrogen bonding (HB), density profiles, and interfacial film thickness, indicate a strong dependence of nanodroplet shape and integrity on component ratios. Balanced surfactant–PEG–water systems (e.g., F3, F6) consistently formed compact, spherical droplets (low eccentricity) stabilized by dense interfacial hydration networks and preferential PEG solvation at the interface. PEG-free systems (F9, F10) instead produced elongated rod-like micelles (high eccentricity) due to surfactant aggregation, lacking the cosurfactant’s steric and hydrogen-bonding stabilization. Interestingly, an extreme high-water, low-surfactant formulation (F12) displays diffuse surfactant layer despite the notable experimental stability, suggesting kinetic or metastable stabilization mechanisms not fully captured within the limited timescale of MD simulations. These findings provide a molecular-level understanding of how surfactant and cosurfactant synergistically mediate NE formation and stability, with direct implications for designing robust delivery systems for hydrophobic bioactives. Potential applications include guiding the optimal Tween 80/PEG ratio and water content to formulate stable nanocarriers for drug delivery, where a well-organized surfactant/PEG interfacial film ensures sustained encapsulation of poorly soluble compounds." "Keywords: MD Simulation; Nanoemulsion Stability; Zerumbone; Interfacial Properties" 2: 400$ 3: 300$ 4: 200$ 5: 100$ @Raminmousa @Machine_learn @Paper4money

🔹 Title: Explain Before You Answer: A Survey on Compositional Visual Reasoning 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.17298 • PDF: https://arxiv.org/pdf/2508.17298 • Project Page: https://github.com/pokerme7777/Compositional-Visual-Reasoning-Survey • Github: https://github.com/pokerme7777/Compositional-Visual-Reasoning-Survey @Machine_learn

📃 A Comprehensive and Systematic Review for Deep Learning-Based De Novo Peptide Sequencing 📎 Study the paper @Machine_learn

سلام ما گروهی از دانشجویان اروپا و امریکا هستیم. ریسرچ ما در حال سابمیت دو‌ پیپر در زمینه کامپیوتر ساینس با موضوعات زیر در ژورنال‌های کامپیوتری هست : - Customized Attention-based Model for Medical Image Classification. - Robust and Efficient Model Training for on the Edge Devices . برای هر کدام از پیپرها دو پوزیشن نویسنده خالی هست. در صورت تمایل لطفا به آی دی زیر پیام بدین: @rezaa_alvandi لطفا توجه بفرمایید که زمان سابمیت هر دو مقاله جمعه ۵ سپتامبر است.

"GPT-5 moves from human-comparable to above human-expert performance" GPT-5 outperforms licensed human experts by 25-30% and achieves SOTA results on the US medical licensing exam and the MedQA benchmark. I sound like a broken record, but AI models are better than most doctors. 📚 Paper @Machine_learn

Scientific Visualization: Python + Matplotlib 📚 Book @Machine_learn

با عرض سلام ما برای یکی از مقالاتمون در حوزه ی پزشکی نیاز به نفر ۴ ام داریم با قبولی شرایط پرداخت میتونیم اضافه کنیم. @Raminmousa

"Transcendence" is when an LLM, trained on diverse data from many experts, can exceed the ability of the individuals in its training data. This paper demonstrates three types: when AI picks the right expert skill to use, when AI has less bias than experts & when it generalizes. 📚 Read @Machine_learn

📃 Energy-Based Transformers are Scalable Learners and Thinkers

Inference-time computation techniques, analogous to human System 2 Thinking, have recently become popular for improving model performances. In this paper, we ask the question "Is it possible to generalize these System 2 Thinking approaches, and develop models that learn to think solely from unsupervised learning?" Interestingly, we find the answer is yes, by learning to explicitly verify the compatibility between inputs and candidate-predictions, and then re-framing prediction problems as optimization with respect to this verifier. Specifically, we train Energy-Based Transformers (EBTs) -- a new class of Energy-Based Models (EBMs) -- to assign an energy value to every input and candidate-prediction pair, enabling predictions through gradient descent-based energy minimization until convergence. Across both discrete (text) and continuous (visual) modalities, we find EBTs scale faster than the dominant Transformer++ approach during training, achieving an up to 35% higher scaling rate with respect to data, batch size, parameters, FLOPs, and depth. During inference, EBTs improve performance with System 2 Thinking by 29% more than the Transformer++ on language tasks, and EBTs outperform Diffusion Transformers on image denoising while using fewer forward passes.

@Machine_learn

Attacking LLMs and AI Agents: Advertisement Embedding Attacks Against LLMs 📚 Paper @Machine_learn

ComputerRL: Scaling End-to-End Online Reinforcement Learning for Computer Use Agents 📚 Read @Machine_learn

جشنواره ویژه GPU در ایران‌سرور آغاز شده! 📌 آفرهای ویژه: 💰 ‌۱۰٪ تخفیف برای تهیه زیرساخت پردازشی 💡 ‌مشاوره تخصصی برای انتخاب درست سخت‌افزار و معماری اجرای مدل ⭐ ‌۱ ماه پشتیبانی VIP رایگان ( پاسخ فوری | مانیتورینگ ۲۴/۷ | رفع سریع مشکلات) 🚀 تو فقط به ایده‌ات فکر کن؛ ما کنارت هستیم از مرحله انتخاب تا اجرای مدل نهایی. ❓ حتی اگر نمی‌دونی چه کارت گرافیکی برای پروژه‌ت مناسبه، تیم فنی ایران‌سرور راهنمایی‌ت می‌کنه. ⏳ این پیشنهاد محدود و موقته — فرصت رو از دست نده، همین حالا اقدام کن. 🌐 ثبت درخواست مشاوره

🔹 Title: Visual-CoG: Stage-Aware Reinforcement Learning with Chain of Guidance for Text-to-Image Generation 🔹 Publication Date: Published on Aug 25 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.18032 • PDF: https://arxiv.org/pdf/2508.18032 @Machine_learn