Machine learning books and papers

Открыть в Telegram

Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn

Больше

📈 Аналитический обзор Telegram-канала Machine learning books and papers

Канал Machine learning books and papers (@machine_learn) языкового сегмента Английский является активным участником. Сейчас сообщество объединяет 24 521 подписчиков, занимая 8 070 место в категории Образование и 13 778 место в регионе Иран.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 24 521 подписчиков.

Согласно последним данным от 23 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -162, а за последние 24 часа — -13, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 8.28%. В первые 24 часа после публикации контент обычно набирает 1.90% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 2 031 просмотров. В течение первых суток публикация набирает 465 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 4.
Тематические интересы: Контент сосредоточен на ключевых темах, таких как disorder, psy, مقاله, framework, graph.

📝 Описание и контентная политика

Автор описывает ресурс как площадку для выражения субъективного мнения:
“Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn”

Благодаря высокой частоте обновлений (последние данные получены 24 июня, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Образование.

24 521

Подписчики

-1324 часа

-547 дней

-16230 день

2 031

Просмотры поста

~ 46524 часа

~ 57948 часов

8.28%

Коэффициент вовлеченности

Нет данных

Постов в день

Ads index

beta

Архив постов

24 521

Repost from Papers

با عرض سلام یکی از مقالاتمون در حوزه ی wound image classification در ژورنال nature scientific reports ریوایزد خورده و جایگاه های ۲ و ۵ اش قابل اضافه شدن می باشد. دوستانی که نیاز دارن می تونن جهت ثبت اسم به ایدی بنده پیام بدن Price 2: 300$ 5:150$ @Raminmousa @Paper4money @Machine_learn

24 521

📃 Current Bioinformatics Tools in Precision Oncology 📎 Study paper @Machine_learn

24 521

Repost from Papers

با عرض سلام مقاله MedicalRec توسط بنده و دوستان ارائه شد. این مقاله جهت ارائه ی سیستم پیشنهاد دهنده مدل طبقه بندی برای تصاویر پزشکی میباشد. در ادامه ما می خواهیم MedicalRec2 را توسعه دهیم که یک مدل پیشنهاد دهنده طبقه بند و تقسیم بند در حوزه ی پزشکی می باشد. از این رو نفرات ۲ تا ۶ این مقاله را جهت مشارکت در نظر داریم. هزینه ها از قرار زیر می باشند. 2: 500$ 3: 400$ 4: 300$ 5: 250$ 6: 200$ جهت مشارکت با ایدی بنده در ارتباط باشین. @Raminmousa @Paper4money

24 521

🎬 ساخت ویدیو • Sora • Kling • Veo • Seedance • Lumalabs 🎨 ساخت تصویر • Google Flow • Qwen Image • NanoBanana • ChatGPT Image • Grok 🎤 تقلید صدا • ElevenLabs • Fish Audio • Minimax • Descript • Respeecher 🧠 تحقیق و کاوش • ChatGPT • Gemini • Perplexity • NotebookLM • Deepseek 🗣 ساخت کاراکتر سخنگو • Heygen • Synthesia • D-ID • Hedra ━━━━━━━━━━━━━━━ 🔗 لینک ابزارها: • ChatGPT → https://chatgpt.com • Gemini → https://gemini.google.com • Perplexity → https://perplexity.ai • Deepseek → https://deepseek.com • NotebookLM → https://notebooklm.google.com • Kling → https://klingai.com • Veo → https://deepmind.google/technologies/veo • Lumalabs → https://lumalabs.ai • Sora → https://openai.com/sora • ElevenLabs → https://elevenlabs.io • Fish Audio → https://fish.audio • Descript → https://descript.com • Heygen → https://heygen.com • Synthesia → https://synthesia.io • D-ID → https://d-id.com @ai_farshad

24 521

تنها ۳ روز تا سابمیت این مقاله باقی مونده....!

24 521

برای این مقاله فقط ۵ روز وقت داریم دوستانی که نیاز دارند زودتر اقدام کنن...!

24 521

با عرض سلام یکی از مقالاتمون در حوزه ی wound image classification در ژورنال nature scientific reports ریوایزد خورده و جایگاه های ۲، ۴ و ۵ اش قابل اضافه شدن می باشد. دوستانی که نیاز دارن می تونن جهت ثبت اسم به ایدی بنده پیام بدن Price 2: 300$ 4: 200$ 5:150$ @Raminmousa @Paper4money @Machine_learn

24 521

Repost from Papers

با عرض سلام یکی از مقالاتمون در حوزه ی wound image classification در ژورنال nature scientific reports ریوایزد خورده و جایگاه های ۲، ۴ و ۵ اش قابل اضافه شدن می باشد. دوستانی که نیاز دارن می تونن جهت ثبت اسم به ایدی بنده پیام بدن Price 2: 300$ 4: 200$ 3:150$ @Raminmousa @Paper4money @Machine_learn

24 521

Repost from Machine Learning with Python

Follow the Machine Learning with Python channel on WhatsApp: https://whatsapp.com/channel/0029VaC7Weq29753hpcggW2A

24 521

🔥 Awesome open-source project to learn more about Transformer Models! 🤖✨ We found this interactive website that shows you visually how transformer models work. 🌐📊 Transformer Explainer: https://poloclub.github.io/transformer-explainer/ @Machine_learn

24 521

❣️

24 521

با عرض سلام دوستان اوضاع اصلا جالب نیست و کلا اینترنت نداریم. امیدوارم حالتون خوب باشه و اوضاع بهتر بشه. 🖤

24 521

Fri, 27 Feb 2026 (showing first 50 of 206 entries ) [1] arXiv:2602.23352 [pdf, html, other] Stark localization of interacting particles Wojciech De Roeck, Amirali Hannani, Alessio Lerose, Nathan Vandenbosch Subjects: Mathematical Physics (math-ph); Disordered Systems and Neural Networks (cond-mat.dis-nn) [2] arXiv:2602.23350 [pdf, html, other] A strengthening of the dimensional Brunn-Minkowski conjecture implies the (B)-Conjecture Sotiris Armeniakos, Jacopo Ulivelli Comments: Comments are welcome! Subjects: Functional Analysis (math.FA); Metric Geometry (math.MG) [3] arXiv:2602.23343 [pdf, html, other] Cyclic sieving for a class of rectangular domino tableaux Laura Colmenarejo, Bridget Eileen Tenner, Camryn E. Thompson Comments: 17 pages Subjects: Combinatorics (math.CO) [4] arXiv:2602.23340 [pdf, html, other] Combinatorial Properties of the Raisonnier Filter Spyridon Dialiatsis, Yurii Khomskii Subjects: Logic (math.LO) [5] arXiv:2602.23326 [pdf, html, other] Spin Glass Concepts in Computer Science, Statistics, and Learning Andrea Montanari Comments: 33 pages; 2 pdf figures Subjects: Probability (math.PR); Disordered Systems and Neural Networks (cond-mat.dis-nn) [6] arXiv:2602.23325 [pdf, html, other] Spanning tight components in 4-uniform hypergraphs Francesco Di Braccio, Brian Hearn, Joanna Lada, Mihir Neve, Lu-Ming Zhang Comments: 24 pages, 4 figures Subjects: Combinatorics (math.CO) [7] arXiv:2602.23323 [pdf, html, other] Modeling Large-Scale Adversarial Swarm Engagements using Optimal Control Claire Walton, Isaac Kaminer, Qi Gong, Abram H. Clark, Theodoros Tsatsanifos Comments: arXiv admin note: substantial text overlap with arXiv:2108.02311. substantial text overlap with arXiv:2108.02311 Subjects: Optimization and Control (math.OC) @Machine_learn

24 521

فقط نفرات ۲ و ۳ از این مقاله باقی موندن...!

24 521

✨RoboCurate: Harnessing Diversity with Action-Verified Neural Trajectory for Robot Learning 📝 Summary: RoboCurate enhances synthetic robot learning data by evaluating action quality through simulator replay consistency. It also augments observation diversity via image editing and video transfer techniques. This leads to substantial improvements in robot task success rates compared to using real da... 🔹 Publication Date: Published on Feb 21 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2602.18742 • PDF: https://arxiv.org/pdf/2602.18742 • Project Page: https://seungkukim.github.io/robocurate/ @Machine_learn

24 521

Repost from Papers

با عرض سلام مي خواهيم مقاله كنفرانسي با عنوان زير بنويسيم Complex Sig: Complex deep model for signal classification Abstract: The ability to classify signals is an important task that provides the opportunity for many different applications. In the early research for signal classification, they had to decompose the signal using FT (Fourier transform), SIFT, MFCC or other manual methods using statistical modulation features, then classify these signals by a traditional machine learning approach. In the last few years, the process of learning deep models that lead to the automatic extraction of features has positively affected classification. Different deep-learning models with di erent depths have been proposed in the literature. This article proposes different approaches to classify signals in different SNR conditions. ResNet-based approaches perform well for high SNRs but poorly when dealing with low SNRs. Therefore, TRansforme-based approaches were proposed for classification, reaching an average accuracy of 0.7056 in low SNR and an average of 0.9089 in high SNR. نتايج اوليه خوب بوده و قابل مقايسه با ساير مقالات تو اين حوزه ميباشد. نياز به ٢ يا سه نفر داريم كه مشاركت كنند. Price: 2: 300$ 3:200$ 4:100$ @Raminmousa @paper4money @Machine_learn

24 521

هر ثانیه توقف، یعنی از دست رفتن زمان، هزینه و فرصت… پایداری دیگر یک انتخاب نیست؛ یک ضرورت است. 🚀 ایران‌GPU؛جایی که پروژه‌ها متوقف نمی‌شوند. 🏛 تنها و اولین شرکت بورسی هوش مصنوعی ایران 🕒 بیش از ۵ سال سابقه فعالیت حرفه‌ای 🌐 شبکه‌ای از ۲۰+ دیتاسنتر غیرمتمرکز در سراسر کشور 🧠 مناسب تیم‌ها، پژوهشگران و سازمان‌های حرفه‌ای AI 🛟 پشتیبانی ۲۴ ساعته، ۷ روز هفته 📈 تضمین SLA با دسترس‌پذیری 99.9٪ و ارائه سرور داخل ایران 📩 ثبت درخواست مشاوره | شروع مسیر هوشمندانه https://b2n.ir/qk8423

24 521

🔹 Title: Predicting the Order of Upcoming Tokens Improves Language Modeling 🔹 Publication Date: Published on Aug 26 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.19228 • PDF: https://arxiv.org/pdf/2508.19228 • Github: https://github.com/zaydzuhri/token-order-prediction @Machine_learn

24 521

🔹 Title: CODA: Coordinating the Cerebrum and Cerebellum for a Dual-Brain Computer Use Agent with Decoupled Reinforcement Learning 🔹 Publication Date: Published on Aug 27 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.20096 • PDF: https://arxiv.org/pdf/2508.20096 • Project Page: https://github.com/OpenIXCLab/CODA • Github: https://github.com/OpenIXCLab/CODA @Machine_learn

24 521

رمضان الکریم ❤️ @Machine_learn