papers I read

เอกสาร-ฉัน-อ่าน

ฉันกำลังลองใช้ความคิดริเริ่มใหม่ - กระดาษต่อสัปดาห์ พื้นที่เก็บข้อมูลนี้จะเก็บเอกสารทั้งหมดและข้อมูลสรุปและบันทึกที่เกี่ยวข้อง

รายชื่อเอกสาร

• Toolformer - โมเดลภาษาสามารถสอนตัวเองให้ใช้เครื่องมือได้
• คำแนะนำในการออกแบบระบบคอมพิวเตอร์
• นโยบายสังเคราะห์สำหรับการถ่ายโอนและการปรับตัวข้ามงานและสภาพแวดล้อม
• โครงข่ายประสาทเทียมระดับลึกสำหรับการแนะนำของ YouTube
• หางในระดับ
• บทเรียนเชิงปฏิบัติจากการทำนายการคลิกโฆษณาบน Facebook
• การคาดการณ์การคลิกโฆษณา - มุมมองจากร่องลึก
• กายวิภาคศาสตร์ของการลืมภัยพิบัติ - การเป็นตัวแทนที่ซ่อนอยู่และความหมายของงาน
• หลักสูตรจะทำงานเมื่อใด?
• เรียนรู้อย่างต่อเนื่องกับไฮเปอร์เน็ตเวิร์ก
• การเรียนรู้แบบ Zero-shot โดยการสร้างอะแดปเตอร์เฉพาะงาน
• ไฮเปอร์เน็ตเวิร์ก
• แบบจำลองพลังงานเพื่อการเรียนรู้อย่างต่อเนื่อง
• GPipe - ปรับขนาดได้ง่ายด้วยความขนานไปป์ไลน์แบบ Micro-Batch
• คำอธิบายองค์ประกอบของเซลล์ประสาท
• รูปแบบการออกแบบสำหรับระบบกระจายแบบอิงคอนเทนเนอร์
• Cassandra - ระบบจัดเก็บข้อมูลที่มีโครงสร้างแบบกระจายอำนาจ
• CAP สิบสองปีต่อมา - กฎเกณฑ์มีการเปลี่ยนแปลงอย่างไร
• การแลกเปลี่ยนความสม่ำเสมอในการออกแบบระบบฐานข้อมูลแบบกระจายสมัยใหม่
• สำรวจการเรียนรู้การเป็นตัวแทนสยามอย่างง่าย
• การจัดการข้อมูลสำหรับการลงชื่อเพียงครั้งเดียวบนอินเทอร์เน็ต
• ค้นหา Build Debt - ประสบการณ์ในการจัดการหนี้ทางเทคนิคที่ Google
• โซลูชันเดียวไม่ใช่สิ่งที่คุณต้องการ - การประมาณค่าแบบไม่กี่ช็อตผ่าน MaxEnt RL ที่มีโครงสร้าง
• คำอธิบายการเรียนรู้ที่เปลี่ยนแปลงได้ยาก
• การจดจำด้วยเหตุผลที่ถูกต้อง - คำอธิบายช่วยลดการลืมอันหายนะ
• มุมมองแบบ Foliated ของการถ่ายโอนการเรียนรู้
• ระบบการเก็บเกี่ยว ผลผลิต และความสามารถในการปรับขนาดได้
• MONet - การสลายตัวและการเป็นตัวแทนของฉากโดยไม่ได้รับการดูแล
• ทบทวนความรู้พื้นฐานของการเล่นซ้ำประสบการณ์
• การเรียนรู้การเสริมกำลังเชิงลึกและกลุ่มสามมรณะ
• Alpha Net: การปรับตัวด้วยองค์ประกอบในพื้นที่ลักษณนาม
• โครงข่ายประสาทเทียมขนาดใหญ่อย่างอุกอาจ: เลเยอร์ผู้เชี่ยวชาญแบบผสมผสานที่มีรั้วรอบขอบชิด
• การผ่าตัดแบบไล่ระดับเพื่อการเรียนรู้แบบหลายงาน
• GradNorm: การทำให้เป็นมาตรฐานของการไล่ระดับสีสำหรับการปรับสมดุลการสูญเสียแบบปรับตัวในเครือข่ายมัลติทาสก์ระดับลึก
• TaskNorm: ทบทวน Batch Normalization สำหรับ Meta-Learning
• น้ำหนักเฉลี่ยนำไปสู่ ​​Optima ที่กว้างขึ้นและลักษณะทั่วไปที่ดีขึ้น
• การเรียนรู้การเสริมกำลังแบบกระจายอำนาจ: การตัดสินใจระดับโลกผ่านธุรกรรมทางเศรษฐกิจในท้องถิ่น
• เมื่อใดจึงควรใช้แบบจำลองพาราเมตริกในการเรียนรู้แบบเสริมกำลัง
• การสุ่มเครือข่าย - เทคนิคง่ายๆ สำหรับการวางนัยทั่วไปในการเรียนรู้แบบเสริมกำลังเชิงลึก
• เรื่องความยากของการฝึกอบรมโครงข่ายประสาทเทียมแบบวอร์มสตาร์ท
• การเรียนรู้แบบตรงกันข้ามภายใต้การดูแล
• CURL - การนำเสนอแบบไม่มีผู้ดูแลที่ตรงกันข้ามสำหรับการเรียนรู้แบบเสริมกำลัง
• การฝึกอบรมการแข่งขันสำหรับส่วนผสมของโมเดล Deep Generative อิสระ
• การจัดหมวดหมู่รูปภาพมากกว่า 10,000 หมวดหมู่บอกอะไรเรา
• การผสมผสาน - นอกเหนือจากการลดความเสี่ยงเชิงประจักษ์
• ELECTRA - การฝึกอบรมตัวเข้ารหัสข้อความล่วงหน้าในฐานะตัวแบ่งแยกแทนที่จะเป็นตัวกำเนิด
• การเลือกตัวอย่างแบบไล่ระดับสีเพื่อการเรียนรู้ต่อเนื่องแบบออนไลน์
• ตัวแยกประเภทของคุณเป็นแบบจำลองพลังงานอย่างลับๆ และคุณควรปฏิบัติต่อมันเหมือนเป็นแบบจำลอง
• การแปลด้วยเครื่องประสาทหลายภาษาจำนวนมากในป่า - การค้นพบและความท้าทาย
• การสังเกตมากเกินไปในการเรียนรู้แบบเสริมกำลัง
• การเรียนรู้อย่างรวดเร็วหรือการใช้คุณสมบัติซ้ำ? สู่การทำความเข้าใจประสิทธิผลของ MAML
• SGD มินิแบทช์ขนาดใหญ่ที่แม่นยำ - การฝึกอบรม ImageNet ใน 1 ชั่วโมง
• การนำหลายรุ่นมารวมกันเป็นหนึ่งเดียว
• สู่ทฤษฎีรวมแห่งนามธรรมของรัฐสำหรับ MDP
• ALBERT - Lite BERT สำหรับการเรียนรู้การนำเสนอภาษาด้วยตนเอง
• การเรียนรู้ Atari, Go, Chess และ Shogi โดยการวางแผนด้วยโมเดลที่เรียนรู้
• การเรียนรู้ที่ตรงกันข้ามของแบบจำลองโลกที่มีโครงสร้าง
• สถาปัตยกรรมนักแสดงและผู้เรียนที่ใช้การนินทาสำหรับ Deep RL
• วิธีฝึก MAML ของคุณ
• PHYRE - เกณฑ์มาตรฐานใหม่สำหรับการใช้เหตุผลทางกายภาพ
• เลเยอร์หน่วยความจำขนาดใหญ่พร้อมรหัสผลิตภัณฑ์
• การใช้เหตุผลสามัญสำนึกแบบย่อ
• การเรียนรู้การเสริมกำลังเชิงลึกในการทดลองจำนวนหนึ่งโดยใช้แบบจำลองพลวัตที่น่าจะเป็น
• การประเมินลักษณะทั่วไปในการเรียนรู้แบบเสริมกำลังเชิงลึก
• ลักษณะทั่วไปเชิงปริมาณในการเรียนรู้แบบเสริมกำลัง
• ตั้งค่า Transformer: กรอบงานสำหรับโครงข่ายประสาทเทียมที่ไม่แปรผันตามการเรียงสับเปลี่ยนตามความสนใจ
• การวัดการใช้เหตุผลเชิงนามธรรมในโครงข่ายประสาทเทียม
• โครงข่ายประสาทเทียมแฮมิลตัน
• การคาดเดานอกเหนือจากการสาธิตที่ต่ำกว่าปกติผ่านการเรียนรู้การเสริมกำลังแบบผกผันจากการสังเกต
• การเรียนรู้การเสริมแรงเมตาดาต้าของกลยุทธ์การสำรวจแบบมีโครงสร้าง
• การเรียนรู้การเสริมกำลังเชิงสัมพันธ์
• การเพิ่มข้อมูลองค์ประกอบที่ดีเพียงพอ
• การเรียนรู้การเสริมกำลังตามแบบจำลองหลายรูปแบบ
• สู่มาตรฐานธรรมชาติสำหรับการเรียนรู้อย่างต่อเนื่อง
• กฎการอัปเดต Meta-Learning สำหรับการเรียนรู้การเป็นตัวแทนแบบไม่มีผู้ดูแล
• GNN Explainer - เครื่องมือสำหรับคำอธิบายหลังการขายของโครงข่ายประสาทเทียมแบบกราฟ
• ปรับแต่งหรือไม่ปรับแต่ง? การปรับการนำเสนอที่ได้รับการฝึกอบรมมาล่วงหน้าให้เข้ากับงานที่หลากหลาย
• โมเดลการเรียนรู้เสริมแรงตลอดชีวิตแบบลำดับชั้นดั้งเดิม
• TuckER - การแยกตัวประกอบเทนเซอร์สำหรับการเติมกราฟความรู้ให้สมบูรณ์
• ความรู้ทางภาษาศาสตร์เป็นหน่วยความจำสำหรับโครงข่ายประสาทเทียมที่เกิดซ้ำ
• ความหลากหลายคือสิ่งที่คุณต้องการ - ทักษะการเรียนรู้โดยไม่ต้องให้รางวัล
• เมตาดาต้าการเรียนรู้แบบโมดูลาร์
• RL แบบลำดับชั้นโดยใช้ชุดนโยบายเป็นระยะ
• การเรียนรู้ตลอดชีวิตอย่างมีประสิทธิภาพด้วย A-GEM
• โครงข่ายประสาทเทียมแบบกราฟล่วงหน้าพร้อมเคอร์เนล
• ฟังก์ชั่นการสูญเสียที่ราบรื่นสำหรับการจำแนกประเภท Deep Top-k
• เล่นซ้ำประสบการณ์การมองย้อนกลับไป
• การแลกเปลี่ยนการเป็นตัวแทนสำหรับการฝังแบบไฮเปอร์โบลิก
• เรียนรู้เครื่องมือเพิ่มประสิทธิภาพที่ปรับขนาดและสรุปได้
• การเรียนรู้แบบ One-shot ด้วยโครงข่ายประสาทเทียมเสริมหน่วยความจำ
• BabyAI - ก้าวแรกสู่การเรียนรู้ภาษาที่มีพื้นฐานโดยมีมนุษย์อยู่ในวง
• การฝังPoincaréเพื่อการเรียนรู้การเป็นตัวแทนตามลำดับชั้น
• เมื่อโมเดลที่เกิดซ้ำไม่จำเป็นต้องเกิดซ้ำ
• HoME - สภาพแวดล้อมหลายรูปแบบในครัวเรือน
• การเกิดขึ้นของภาษาองค์ประกอบที่มีพื้นฐานในประชากรที่มีหลายตัวแทน
• ฟังก์ชันการสูญเสียความหมายสำหรับการเรียนรู้เชิงลึกด้วยความรู้เชิงสัญลักษณ์
• การเรียนรู้การแสดงกราฟแบบลำดับชั้นพร้อมการรวมอนุพันธ์
• ตัวแทนเสริมจินตนาการสำหรับการเรียนรู้เสริมเชิงลึก
• หน่วยที่เกิดซ้ำของ Kronecker
• การเรียนรู้กลไกเชิงสาเหตุอิสระ
• การปรับพารามิเตอร์ตามหน่วยความจำ
• เกิดใหม่อีกครั้งโครงข่ายประสาทเทียม
• Net2Net-เร่งการเรียนรู้ผ่านการถ่ายทอดความรู้
• การเรียนรู้ที่จะนับวัตถุในภาพธรรมชาติเพื่อการตอบคำถามด้วยภาพ
• การส่งผ่านข้อความประสาทสำหรับเคมีควอนตัม
• การเรียนรู้แบบไม่มีผู้ดูแลโดยการทำนายเสียงรบกวน
• สมมติฐานตั๋วลอตเตอรี - การฝึกอบรมโครงข่ายประสาทเทียมที่ถูกตัดแต่ง
• อัตราการเรียนรู้แบบวัฏจักรสำหรับการฝึกอบรมโครงข่ายประสาทเทียม
• การปรับปรุงการดึงข้อมูลโดยการได้รับหลักฐานภายนอกด้วยการเรียนรู้แบบเสริมกำลัง
• การตรวจสอบเชิงประจักษ์ของการลืมหายนะในโครงข่ายประสาทเทียมแบบไล่ระดับ
• การเรียนรู้ SAT Solver จาก Single-Bit Supervision
• การอนุมานเชิงสัมพันธ์ทางประสาทสำหรับระบบที่มีปฏิสัมพันธ์
• การถ่ายโอนโวหารในระบบการสร้างภาษาธรรมชาติโดยใช้โครงข่ายประสาทเทียมที่เกิดซ้ำ
• เข้าถึงประเด็น: การสรุปด้วยเครือข่าย Pointer-Generator
• StarSpace - ฝังทุกสิ่ง!
• เครื่องสนทนาทางอารมณ์ - การสร้างการสนทนาทางอารมณ์พร้อมหน่วยความจำภายในและภายนอก
• การสำรวจแบบจำลองและข้อมูลสำหรับการตอบคำถามแบบรูปภาพ
• คุณสมบัติที่สามารถถ่ายโอนได้ในโครงข่ายประสาทเทียมระดับลึก
• การกลั่นกรองความรู้ในโครงข่ายประสาทเทียม
• ทบทวนการเรียนรู้แบบกึ่งกำกับดูแลด้วยการฝังกราฟ
• เครือข่ายการสังเคราะห์สองขั้นตอนสำหรับการถ่ายโอนการเรียนรู้ในความเข้าใจของเครื่อง
• องค์กรระดับสูงของเครือข่ายที่ซับซ้อน
• ลวดลายเครือข่าย - การสร้างบล็อกอย่างง่ายของเครือข่ายที่ซับซ้อน
• การแสดงคำผ่านการฝังแบบเกาส์เซียน
• HARP - การเรียนรู้การเป็นตัวแทนตามลำดับชั้นสำหรับเครือข่าย
• Swish - ฟังก์ชั่นการเปิดใช้งานแบบ Self-Gated
• การอ่านวิกิพีเดียเพื่อตอบคำถามแบบเปิดโดเมน
• การปฏิรูปแบบสอบถามเชิงงานด้วยการเรียนรู้แบบเสริมกำลัง
• ปรับแต่งการแสดงแหล่งที่มาด้วยเครือข่ายสัมพันธ์สำหรับการแปลด้วยเครื่องนิวรัล
• เครือข่ายพอยน์เตอร์
• เรียนรู้การคำนวณการฝังคำได้ทันที
• R-NET - ความเข้าใจในการอ่านเครื่องด้วยเครือข่ายการจับคู่ตัวเอง
• ReasoNet - การเรียนรู้ที่จะหยุดการอ่านในความเข้าใจของเครื่อง
• การตรวจจับหลักตัวอย่างที่ไม่กระจายในโครงข่ายประสาทเทียม
• ถามฉันอะไรก็ได้: เครือข่ายหน่วยความจำแบบไดนามิกสำหรับการประมวลผลภาษาธรรมชาติ
• แบบจำลองเดียวในการเรียนรู้ทั้งหมด
• การปรับเปลี่ยน Word2Vec ง่ายเกินไปสองรายการสำหรับปัญหาไวยากรณ์
• โมเดลความสนใจแบบแยกส่วนสำหรับการอนุมานภาษาธรรมชาติ
• Parser การพึ่งพาที่รวดเร็วและแม่นยำโดยใช้โครงข่ายประสาทเทียม
• เครือข่ายโมดูลประสาท
• ทำให้ V ใน VQA มีความสำคัญ: ยกระดับบทบาทของความเข้าใจด้านภาพในการตอบคำถามด้วยภาพ
• เครือข่ายความคล้ายคลึงกันแบบมีเงื่อนไข
• พื้นฐานง่ายๆ สำหรับการตอบคำถามด้วยภาพ
• VQA: การตอบคำถามด้วยภาพ
• การเรียนรู้ที่จะสร้างบทวิจารณ์และการค้นพบความรู้สึก
• มองเห็นลูกศรแห่งกาลเวลา
• การเพิ่มประสิทธิภาพตั้งแต่ต้นทางถึงปลายทางของระบบบทสนทนาที่ขับเคลื่อนด้วยเป้าหมายและมองเห็นได้
• เดาอะไร! การค้นพบวัตถุภาพผ่านบทสนทนาหลายรูปแบบ
• การแยกความหมายผ่านการถอดความ
• การสำรวจกราฟความรู้ในเวกเตอร์สเปซ
• PPDB: ฐานข้อมูลถอดความ
• NewsQA: ชุดข้อมูลความเข้าใจของเครื่อง
• รูปแบบการสนทนาทางประสาทตามบุคคล
• “ทำไมฉันต้องเชื่อคุณ” อธิบายการคาดการณ์ของลักษณนามใด ๆ
• Nets ฝ่ายตรงข้ามกำเนิดแบบมีเงื่อนไข
• จัดการกับปัญหาคำที่หายากในการแปลด้วยเครื่องประสาท
• บรรลุการแปลด้วยเครื่องประสาทคำศัพท์แบบเปิดด้วยแบบจำลองคำและอักขระแบบไฮบริด
• โมเดลเชิงลึกแบบเรียกซ้ำสำหรับการจัดองค์ประกอบเชิงความหมายเหนือทรีแบงค์ความรู้สึก
• การปรับปรุงการนำเสนอคำผ่านบริบททั่วโลกและต้นแบบคำหลายคำ
• การเรียนรู้การแทนวลีโดยใช้ตัวเข้ารหัส RNN – ตัวถอดรหัสสำหรับการแปลด้วยเครื่องทางสถิติ
• ข้ามความคิดเวกเตอร์
• ตาข่ายฝ่ายตรงข้ามที่สร้าง Convolutional เชิงลึก
• ตาข่ายปฏิปักษ์ทั่วไป
• แผนงานสู่ Machine Intelligence
• การตอบกลับอัจฉริยะ: คำแนะนำการตอบกลับอัตโนมัติสำหรับอีเมล
• เครือข่ายประสาทเทียมสำหรับการจำแนกประโยค
• การสร้างภาพตามเงื่อนไขด้วยตัวถอดรหัส PixelCNN
• โครงข่ายประสาทเทียมแบบพิกเซล
• เครือข่าย Convolutional ภายในลึก: การแสดงภาพแบบจำลองการจำแนกประเภทรูปภาพและแผนที่ความโดดเด่น
• เคล็ดลับเพื่อการจำแนกข้อความอย่างมีประสิทธิภาพ
• GloVe: เวกเตอร์สากลสำหรับการแทนคำ
• SimRank: การวัดความคล้ายคลึงกันของโครงสร้างและบริบท
• วิธีที่จะไม่ประเมินระบบการสนทนาของคุณ: การศึกษาเชิงประจักษ์ของตัวชี้วัดการประเมินแบบไม่มีผู้ดูแลสำหรับการสร้างการตอบสนองของบทสนทนา
• การสร้างนิพจน์ปกติทางประสาทจากภาษาธรรมชาติที่มีความรู้โดเมนน้อยที่สุด
• WikiReading : งานทำความเข้าใจภาษาขนาดใหญ่แบบใหม่บน Wikipedia
• WikiQA: ชุดข้อมูลท้าทายสำหรับการตอบคำถามแบบโอเพ่นโดเมน
• เครื่องการสอนให้อ่านและทำความเข้าใจ
• การประเมินคุณสมบัติเบื้องต้นสำหรับการเรียนรู้ระบบไดอะล็อกตั้งแต่ต้นทางถึงปลายทาง
• การทำให้เครือข่ายประสาทเทียมเกิดซ้ำ
• คณิตศาสตร์เชิงลึก: แบบจำลองลำดับเชิงลึกสำหรับการเลือกสถานที่ตั้ง
• รูปแบบการสนทนาทางประสาท
• เครือข่ายหน่วยความจำคีย์-ค่าสำหรับการอ่านเอกสารโดยตรง
• ความก้าวหน้าในการเพิ่มประสิทธิภาพเครือข่ายที่เกิดซ้ำ
• เครือข่ายการถดถอยแบบสอบถามสำหรับความเข้าใจของเครื่อง
• ลำดับการเรียนรู้ตามลำดับด้วยโครงข่ายประสาทเทียม
• ความยากในการฝึกอบรมสถาปัตยกรรมเชิงลึกและผลของการฝึกอบรมล่วงหน้าโดยไม่มีผู้ดูแล
• การตอบคำถามด้วยการฝังกราฟย่อย
• สู่การตอบคำถามแบบ AI-Complete: ชุดงานของเล่นที่จำเป็นต้องมี
• การแสดงภาพข้อมูลขนาดใหญ่และมิติสูง
• การแสดงข้อมูลด้วย t-SNE
• การเรียนรู้หลักสูตร
• เครือข่ายหน่วยความจำแบบครบวงจร
• เครือข่ายหน่วยความจำ
• การเรียนรู้ที่จะดำเนินการ
• GraphLab แบบกระจาย: กรอบงานสำหรับการเรียนรู้ของเครื่องและการขุดข้อมูลในระบบคลาวด์
• เครือข่ายระดับลึกแบบกระจายขนาดใหญ่
• การประมาณค่าการแสดงคำในพื้นที่เวกเตอร์อย่างมีประสิทธิภาพ
• การทำให้เป็นมาตรฐานและการเลือกตัวแปรผ่านตาข่ายยืดหยุ่น
• การรวมเศษส่วนสูงสุดแบบเศษส่วน
• TAO: พื้นที่เก็บข้อมูลแบบกระจายของ Facebook สำหรับกราฟโซเชียล
• การทำให้เป็นมาตรฐานแบบกลุ่ม: เร่งการฝึกอบรมเครือข่ายเชิงลึกโดยการลดการเปลี่ยนแปลงโควาเรียตภายใน
• โครงสร้างพื้นฐานการบันทึกแบบรวมสำหรับการวิเคราะห์ข้อมูลที่ Twitter
• สิ่งที่มีประโยชน์บางประการที่ควรรู้เกี่ยวกับการเรียนรู้ของเครื่อง
• Hive – คลังข้อมูลขนาดเพตะไบต์โดยใช้ Hadoop
• Kafka: ระบบส่งข้อความแบบกระจายสำหรับการประมวลผลบันทึก
• การกระจายกฎกำลังในข้อมูลเชิงประจักษ์
• Pregel: ระบบสำหรับการประมวลผลกราฟขนาดใหญ่
• GraphX: การรวมการวิเคราะห์ข้อมูลแบบขนานและกราฟแบบขนานเข้าด้วยกัน
• Pig Latin: ภาษาที่ไม่เป็นภาษาต่างประเทศสำหรับการประมวลผลข้อมูล
• ชุดข้อมูลที่กระจายแบบยืดหยุ่น: นามธรรมที่ทนทานต่อข้อผิดพลาดสำหรับการประมวลผลคลัสเตอร์ในหน่วยความจำ
• MapReduce: การประมวลผลข้อมูลแบบง่ายบนคลัสเตอร์ขนาดใหญ่
• BigTable: ระบบจัดเก็บข้อมูลแบบกระจายสำหรับข้อมูลที่มีโครงสร้าง
• Spark SQL: การประมวลผลข้อมูลเชิงสัมพันธ์ใน Spark
• จุดประกาย: คอมพิวเตอร์คลัสเตอร์พร้อมชุดการทำงาน
• ข้อมูลที่รวดเร็วในยุคของข้อมูลขนาดใหญ่: สถาปัตยกรรมคำแนะนำแบบสอบถามที่เกี่ยวข้องกับเรียลไทม์ของ Twitter
• ปรับขนาด Memcache ที่ Facebook
• Dynamo: ร้านค้าคีย์-ค่าที่พร้อมใช้งานสูงของ Amazon
• f4 : ระบบจัดเก็บข้อมูล Warm BLOB ของ Facebook
• คู่มือนักทฤษฎีเพื่อการวิเคราะห์เชิงทดลองของอัลกอริทึม
• นกกาเหว่าแฮชิง
• การเรียนรู้ที่ไม่มีวันสิ้นสุด