_id
stringlengths 40
40
| text
stringlengths 0
12.6k
|
|---|---|
bdf67ee2a13931ca2d5eac458714ed98148d1b34 | एक वास्तविक समय घुसपैठ-खोज विशेषज्ञ प्रणाली का एक मॉडल कंप्यूटर दुरुपयोग के तोड़-फोड़, घुसपैठ, और अन्य रूपों का पता लगाने में सक्षम है। इ मॉडल इ धारणा पर आधारित है कि सिस्टम के उपयोग के असामान्य पैटर्न के लिए सिस्टम के ऑडिट रिकॉर्ड की निगरानी करके सुरक्षा उल्लंघनों का पता लगावल जा सकत है। मॉडल मा मेट्रिक्स और सांख्यिकीय मॉडल के संदर्भ मा वस्तुओं के संबंध मा विषयों का व्यवहार का प्रतिनिधित्व करने के लिए प्रोफाइल शामिल हैं, और ऑडिट रिकॉर्ड से इस व्यवहार के बारे मा ज्ञान प्राप्त करने और असामान्य व्यवहार का पता लगाने के लिए नियम हैं। ई मॉडल कौनो खास सिस्टम, एप्लिकेशन पर्यावरण, सिस्टम की कमजोरिया, या घुसपैठ का प्रकार से स्वतंत्र है, जेसे एक सामान्य प्रयोजन घुसपैठ का पता लगाने वाले विशेषज्ञ प्रणाली का ढांचा उपलब्ध कराता है. |
eeb1a1e0cab8d809b5789d04418dc247dca956cc | ली, स्टोल्फो, अउर मोक पहिले से ही घुसपैठ का पता लगावे खातिर ज्ञान प्राप्त करे खातिर खनन लेखा परीक्षा डेटा खातिर संघ नियम अउर आवृत्ति एपिसोड के उपयोग के बारे में रिपोर्ट कै चुके हैं। फजी तर्क के साथ संघ नियम अउर आवृत्ति एपिसोड का एकीकरण घुसपैठ का पता लगाने के लिए अधिक अमूर्त अउर लचीला पैटर्न का उत्पादन कर सकत है, काहे से कि घुसपैठ का पता लगाने में कई मात्रात्मक विशेषता शामिल हैं अउर सुरक्षा खुद फजी है। हम पहिले से ही बताये गए एल्गोरिथ्म का संशोधन प्रस्तुत करते हैं, fuzzy association rules का खनन करते हैं, fuzzy frequency episodes की अवधारणा को परिभाषित करते हैं, और fuzzy frequency episodes का खनन करने का एक मूल एल्गोरिथ्म प्रस्तुत करते हैं। हम एक सामान्यीकरण चरण को जोड़ने के लिए फजी संघ नियम खनन के लिए एक डेटा उदाहरण से अधिक अन्य से योगदान से रोकने के लिए की खातिर प्रक्रिया का उपयोग करें. हम फजी आवृत्ति एपिसोड सीखै के खातिर खनन आवृत्ति एपिसोड के प्रक्रिया मा भी बदलाव करें। प्रयोगात्मक परिणाम से पता चलता है कि घुसपैठ का पता लगाने में धुंधला संघ नियम और धुंधला आवृत्ति एपिसोड की उपयोगिता है। मसौदा: इंटरनेशनल जर्नल ऑफ इंटेलिजेंट सिस्टम्स, वॉल्यूम 15, नं. अगस्त २०००, ३ |
0b07f84c22ce01309981a02c23d5cd1770cad48b | टेबल विभाजन एक टेबल मा छोट भाग मा विभाजित ह्वे जा सकदो, भण्डारण, र एक दूसरे देखि स्वतंत्र रखरखाव। क्वेरी प्रदर्शन मा सुधार मा आपन पारंपरिक उपयोग से, विभाजन रणनीति डेटाबेस सिस्टम की समग्र प्रबंधनीयता मा सुधार करे खातिर एक शक्तिशाली तंत्र मा विकसित ह्वे गे। तालिका विभाजन प्रशासनिक कार्य जैसे डेटा लोडिंग, हटाने, बैकअप, सांख्यिकीय रखरखाव, और भंडारण प्रावधान का सरल बनाता है। क्वेरी भाषा एक्सटेंशन अब अनुप्रयोग अउर उपयोगकर्ता क्वेरी के निर्दिष्ट करे मा सक्षम करत हैं कि आगे के उपयोग के लिए ओकर परिणाम का विभाजन कैना होए चाही। हालांकि, क्वेरी ऑप्टिमाइज़ेशन तकनीक का उपयोग टेबल विभाजन के उपयोग और उपयोगकर्ता नियंत्रण में तेजी से प्रगति के साथ तालमेल नहीं मिला है। हम ई खाई का समाधान कईके नई तकनीक विकसित कईके एसक्यूएल क्वेरीज खातिर कुशल योजना तैयार कईके कई तरह से जुडवा शामिल कईके विभाजन तालिकाओं पर. हमार तकनीक नीचे-ऊपर क्वेरी ऑप्टिमाइज़र में आसानी से शामिल करे खातिर डिज़ाइन कीन गयल हइन जउन आज व्यापक रूप से उपयोग में अहै। हम इ तकनीक का पोस्टग्रेस्कुलर ऑप्टिमाइजर में प्रोटोटाइप करा हयेन। एक व्यापक मूल्यांकन से पता चलता है कि हमारी विभाजन-जागरूक अनुकूलन तकनीकें, कम अनुकूलन ओवरहेड के साथ, योजनाएं उत्पन्न करती हैं जो वर्तमान अनुकूलक द्वारा उत्पादित योजनाओं से बेहतर परिमाण का एक आदेश हो सकता है। |
26d673f140807942313545489b38241c1f0401d0 | दुनिया भर मा अउर हमरे जिंनगी मा डाटा कै मात्रा लगातार बढ़त जात बाय अउर बढ़त जाय के कवनो सीमा नाय बाय। विका वर्कबेंच अत्याधुनिक मशीन लर्निंग एल्गोरिदम अउर डेटा पूर्व-प्रसंस्करण उपकरण का एक संगठित संग्रह अहै। इ विधियन से बातचीत का मूल तरीका कमांड लाइन से इनक्यूबेटर मा इनक्यूबेटर मा इनक्यूबेटर मा इनक्यूबेटर मा इनक्यूबेटर मा इनक्यूबेटर मा इनक्यूबेटर मा इनक्यूबेटर मा इनक्यूबेटर मा इनक्यूबेटर मा है। बहरहाल, डाटा एक्सप्लोरेशन खातिर, वितरित कंप्यूटिंग प्लेटफार्म पर बड़े पैमाना पर प्रयोग स्थापित करे खातिर अउर स्ट्रीम डेटा प्रोसेसिंग खातिर कॉन्फ़िगरेशन डिजाइन करे खातिर सुविधाजनक इंटरैक्टिव ग्राफिकल यूजर इंटरफेस उपलब्ध कराई गा है। इ इंटरफेस प्रयोगात्मक डाटा खनन खातिर एक उन्नत वातावरण का गठन करत हैं। वर्गीकरण व्यापक अनुप्रयोगों वाले डेटा खनन तकनीक का एक महत्वपूर्ण हिस्सा है। ई कई तरह कय जानकारी कय वर्गीकृत करत अहै। ई पेपर REPTree, सिंपल कार्ट अउर रैंडम ट्री वर्गीकरण एल्गोरिथ्म कय प्रदर्शन मूल्यांकन करै खातिर करल गयल है। ई पेपर भारतीय समाचार के डाटासेट के संदर्भ में वर्गीकरणकर्ता REPTree, सरल कार्ट अउर रैंडम ट्री का तुलनात्मक मूल्यांकन करे खातिर बा ताकि सही सकारात्मकता दर के अधिकतम अउर गलत सकारात्मकता दर के न्यूनतम स्तर पर लावा जा सके। प्रसंस्करण खातिर विका एपीआई कय उपयोग कै गय रहा। भारतीय समाचार डाटासेट पर पेपर मा भी परिणाम से पता चलता है कि रैंडम ट्री की दक्षता और सटीकता REPTree, और Simple Cart से बेहतर है। कीवर्ड- सिंपल कार्ट, रैंडम ट्री, रेप ट्री, विका, WWW |
6e633b41d93051375ef9135102d54fa097dc8cf8 | हाल ही मा ensemble learning - विधियन मा बहुत रुचि रही है जौन कई वर्गीकरणकर्ता उत्पन्न करत हैं औ उनके परिणामों का संकलित करत हैं। दुइ प्रसिद्ध तरीका वर्गीकरण पेड़ों का बढ़ावा (देखा, उदा, Shapire et al., 1998) अउर बैगिंग Breiman (1996) हैं। बढ़त मा, क्रमिक पेड़ पहिले के भविष्यवाणियन द्वारा गलत रूप से भविष्यवाण करे वाले बिंदुअन पे जादा वजन देत हैं। अंत मा, एक वजन का वोट लेने का मतलब है कि . . . बैगिंग मा, क्रमिक पेड पहिले के पेड पर निर्भर नहीं करत हैं - प्रत्येक एक डेटा सेट का एक बूटस्ट्रैप नमूना का उपयोग करके स्वतंत्र रूप से निर्मित है। अंत मा, एक साधारण बहुमत का मतदान, जौन जादा से जादा होवै का चाही, ऊहे होत है । Breiman (2001) यादृच्छिक वन का प्रस्ताव दिहिन, जवन बैगिंग कय अतिरिक्त यादृच्छिकता कय परत जोड़त है। प्रत्येक पेड़ का निर्माण डेटा का एक अलग बूटस्ट्रैप नमूना का उपयोग करके करने के अलावा, यादृच्छिक वन बदलते हैं कि वर्गीकरण या प्रतिगमन पेड़ कैसे बनाए जाते हैं। मानक पेड़ों मा, हर नोड का सभी चरों मा सबसे अच्छा विभाजन का उपयोग करके विभाजित किया जाथै। एक यादृच्छिक वन मा, प्रत्येक नोड का उपयोग बेहतरीन का उपयोग करके विभाजित किया जात है कि नोड मा यादृच्छिक रूप से चुना भविष्यवाणी का एक उपसमुच्चय. इ कुछ हद तक counterintuitive रणनीति कई अन्य वर्गीकरणकर्ता, भेदभाव विश्लेषण, समर्थन वेक्टर मशीनों और तंत्रिका नेटवर्क सहित की तुलना में बहुत अच्छी तरह से प्रदर्शन करने के लिए पता चला है, और ओवरफिटिंग के खिलाफ मजबूत है (Breiman, 2001) । एकर अतिरिक्त, ई कई मामलन में सहज ज्ञान युक्त अहै, काहे से की इ केवल दुई मुख्य भुंजाओं (आधारभूत संरचनाओं) का प्रतिनिधित्व करत है, जबकि कई मामलन में ई एक सामान्य भुंजा है। रैंडम फ़ोरेस्ट पैकेज ब्रेमन अउर कटलर द्वारा फोर्ट्रान प्रोग्राम (http://www.stat.berkeley.edu/ users/breiman/ पर उपलब्ध) खातिर एक आर इंटरफ़ेस प्रदान करत है। इ लेख R फ़ंक्शन कय उपयोग अउर विशेषताओं कय बारे मा एक संक्षिप्त परिचय देत अहै। |
8cfe24108b7f73aa229be78f9108e752e8210c36 | यद्यपि डेटा खनन का बिज़नेस जगत मा कुछ समय से सफलतापूर्वक कार्यान्वयन होत है, उच्च शिक्षा मा एकर उपयोग अभी भी अपेक्षाकृत नया है, अर्थात एकर उपयोग डाटा से नया अउर संभावित रूप से मूल्यवान ज्ञान का पहचानने और निकाले खातिर कीन जात है। डाटा माइनिंग कय उपयोग कइके एक मॉडल विकसित कै लीन गवा जेसे छात्रन कय शैक्षणिक सफलता कय बारे मा निष्कर्ष निकार सका जात है। छात्रन के सफलता के भविष्यवाणी के दौरान डेटा माइनिंग के अलग-अलग तरीका अउर तकनीक का तुलना कीन गयल, जवन कि 2010-2011 का शैक्षणिक साल में तुजला विश्वविद्यालय, अर्थशास्त्र संकाय, प्रथम वर्ष के छात्रन के बीच ग्रीष्मकालीन सेमेस्टर के दौरान कराये गये सर्वे से एकत्रित आंकड़ा अउर नामांकन के दौरान लिया गये आंकड़ा का लागू करत रहे। परीक्षा मा उत्तीर्ण अंक के साथ सफलता का मूल्यांकन कीन गा। छात्रन के सामाजिक-जनसांख्यिकीय चरन का प्रभाव, हाई स्कूल अउर प्रवेश परीक्षा से प्राप्त परिणाम अउर पढ़ाई के प्रति रवैया, जवन सफलता पर असर डाल सकत हैं, सब जांच कीन गै बाय। अध्ययन के प्रक्रिया से जुड़ी चरन के पहिचान अउर मूल्यांकन के साथ, अउर नमूना के बढ़ोतरी के साथ, भविष्य की जांच में, ऊ मॉडल तैयार करना संभव होई जवन उच्च शिक्षा में निर्णय सहायता प्रणाली के विकास खातिर आधार के रूप में खड़ा होई। |
cc5c84c1c876092e6506040cde7d2a5b9e9065ff | इ पेपर निर्णय पेड और बेयसियन नेटवर्क एल्गोरिदम की सटीकता की तुलना करता है, जो कि दो अलग-अलग शैक्षणिक संस्थानों मा स्नातक और स्नातकोत्तर छात्रों की शैक्षणिक प्रदर्शन की भविष्यवाणी करे हए: वियतनाम मा एक बड़ा राष्ट्रीय विश्वविद्यालय कैन थो विश्वविद्यालय (सीटीयू) और एशियाई प्रौद्योगिकी संस्थान (एआईटी), थाईलैंड मा एक छोटा सा अंतरराष्ट्रीय स्नातकोत्तर संस्थान जो 86 अलग-अलग देशो से छात्रन को आकर्षित करता है। यद्यपि इ दुन्नो छात्र आबादी कय विविधता बहुत अलग है, डाटा-माइनरिंग औजार छात्रन कय प्रदर्शन कय भविष्यवाणी करय कय लिए समान स्तर कय सटीकता प्राप्त करेक सकाहय: क्रमशः CTU/AIT मा 73/71% {fail, fair, good, very good} औ 94/93% {fail, pass}। ई भविष्यवाणियां सीटीयू (64% सटीक) पर असफल छात्रन की पहचान अउर सहायता करय के खातिर सबसे उपयोगी हय, अउर एआईटी (82% सटीक) पर छात्रवृत्ति के खातिर बहुत अच्छा छात्रन का चयन करय के खातिर. इ विश्लेषण मा, निर्णय पेड बायेसियन नेटवर्क से 3-12% अधिक सटीक रहे। इ केस स्टडी का परिणाम सही छात्र के प्रदर्शन का भविष्यवाणी करे खातिर तकनीक में अंतर्दृष्टि देत है, डेटा खनन एल्गोरिदम की सटीकता की तुलना करें, अउर खुला स्रोत उपकरण की परिपक्वता का प्रदर्शन करें। |
9d0f09e343ebc9d5e896528273b79a1f13aa5c07 | |
2cb6d78e822ca7fd0e29670ec7e26e37ae3d3e8f | इ पेपर एक नया कॉम्पैक्ट कम तापमान cofired सिरेमिक (LTCC) बैंडपास फिल्टर (BPF) का परिचय देत है जौन विस्तृत स्टॉपबैंड और उच्च चयनात्मकता के साथ है। प्रस्तावित सर्किट मा दुई जोडिएको λ <sub> g <sub> / 4 प्रसारण लाइन resonators शामिल छ। तीसरी हार्मोनिक आवृत्ति पर संचरण शून्य (टीजेड) उत्पन्न करने के लिए एक नया भेदभावपूर्ण युग्मन योजना का एहसास करने के लिए एक विशेष युग्मन क्षेत्र का चयन किया जाता है। तंत्र का विश्लेषण और डिजाइन गाइडलाइन का वर्णन करें। स्रोत-लोड युग्मन का परिचय पासबैंड के पास दुई टीजेड अउर स्टॉपबैंड में एक उत्पन्न करे खातिर दिहल जात है। इ प्रकार, बिना अतिरिक्त सर्किट के, विस्तृत स्टॉपबैंड प्राप्त कई जा सकत है। LTCC बहुपरत संरचनाओं के कारण, फ़िल्टर का आकार 0.058 λ <sub> g <sub> × 0.058 λ <sub> g <sub> × 0.011 λ <sub> g <sub>, या 2.63 मिमी × 2.61 मिमी × 0.5 मिमी है। प्रस्तावित डिजाइन का सत्यापन करने के लिए प्रदर्शित LTCC BPF का अनुकरण और मापा परिणाम प्रस्तुत किया जाता है। |
52c9eb70c55685b349126ed907e037f383673cf3 | हम प्रस्तावित नई सामग्री का संक्षिप्त रूप से समर्थन करेंः ई-पेपर कहीं भी . . . हम मौजूदा URL क्लस्टर का लाभ उठायब औ प्रति क्लस्टर शब्द ग्राफ का निर्माण करब जउन ज्ञात सारांश का संयोजन करत समय URL-विशिष्ट विशेषता का हटा देत है। URL सुविधाओं पर परिणामी टोपोलॉजी, हमें एक संरचनात्मक सीखने कार्य के रूप मा सारांश समस्या का कास्ट करने की अनुमति देता है, डिकोडिंग चरण के रूप मा सबसे कम लागत पथ खोज का उपयोग कर रहा है। URL क्लस्टर की एक बड़ी संख्या पर प्रारंभिक प्रयोगात्मक परिणाम बताते हैं कि इ दृष्टिकोण पहिले से प्रस्तावित वेब सारांशकों से बेहतर है। |
8947ca4949fc66eb65f863dfb825ebd90ab01772 | टेक्स्ट प्रोसेसिंग मा कई अनुप्रयोगों मा या तो बड़े दस्तावेज संग्रह (जब सांख्यिकीय मॉडल सीख रहे हों) या उनसे नियम निकाले (जब ज्ञान इंजीनियरिंग का उपयोग कर रहे हों) के लिए महत्वपूर्ण मानव प्रयास की आवश्यकता होती है। इ काम मा, हम इ प्रयास को कम करण का तरीका बताय है, जबकि विधि की सटीकता को बनाए रखकर, एक हाइब्रिड वर्गीकरणकर्ता का निर्माण करण से, जो मानव तर्क का उपयोग कर रहा है, स्वचालित रूप से खोजे गए पाठ पैटर्न को पूरक करने के लिए मशीन लर्निंग। एक मानक भावना-वर्गीकरण डेटासेट अउर वास्तविक ग्राहक प्रतिक्रिया डेटा का उपयोग कइके, हम इ देखावा करत हई कि परिणामी तकनीक का परिणामस्वरूप एक निश्चित वर्गीकरण सटीकता प्राप्त करे खातिर आवश्यक मानव प्रयास के काफी कमी आई है। ई संकरित पाठ वर्गीकरणकर्ता मशीन-सीखने पर आधारित वर्गीकरणकर्ता से सटीकता मा भी एक महत्वपूर्ण वृद्धि का परिणाम देत है जब लेबल डेटा का एक तुलनीय मात्रा का उपयोग किया जात है। |
563384a5aa6111610ac4939f645d1125a5a0ac7f | लोगन क स्वचालित रूप से पहचान कई हालिया वर्षों के दौरान बहुत ध्यान प्राप्त भवा ह काहेकी इकरे कई अनुप्रयोग विभिन्न क्षेत्रों मा हैं जैसे कानून प्रवर्तन, सुरक्षा अनुप्रयोग या वीडियो अनुक्रमण। चेहरा पहचानना एक महत्वपूर्ण अउर बहुत चुनौतीपूर्ण तकनीक है जवन स्वचालित रूप से लोगन का पहचान सके। आज तक, कोउनो भी तकनीक नाही बा जौन एक मजबूत समाधान प्रदान करत बा ई फेस रिकग्निशन का हर परिस्थिति और विभिन्न अनुप्रयोगन के लिए जौन हो सकत है। आम तौर पे हम इ सुनिश्चित करें कि एक चेहरा पहचान प्रणाली का कामकाज का का तरीका निर्धारित करें कि वैक्टर का फ़ीचर सटीक रूप से extract करे और उसे group में सटीक रूप से classify करे एह बरे इ जरुरी अहइ कि हम पचे जासूस क बारे मँ अच्छी तरह पता लगाई कि उ कउन अहइ। इ पेपर मा, प्रिंसिपल कंपोनेंट एनालिसिस (पीसीए) का उपयोग फीचर एक्सट्रैक्टर मा एक प्रमुख भूमिका निभाने के लिए कीन जात है और एसवीएम का उपयोग चेहरा पहचान समस्या से निपटने के लिए कीन जात है। सपोर्ट वेक्टर मशीन (एसवीएम) हाल ही मा पैटर्न मान्यता के लिए एक नया वर्गीकरणकर्ता के रूप मा प्रस्तावित कीन गा है। हम कैम्ब्रिज ओआरएल फेस डेटाबेस पर एसवीएम की क्षमता का चित्रण करते हैं, जिसमें 40 व्यक्तियों की 400 छवियां शामिल हैं, जिनमें अभिव्यक्ति, मुद्रा, और चेहरे का विवरण काफी अधिक भिन्नता है। एसवीएम का इस्तेमाल रैखिक (एलएसवीएम), बहुपद (पीएसवीएम), अउर रेडियल बेस फंक्शन (आरबीएफएसवीएम) एसवीएम शामिल रहे। हम प्रायोगिक सबूत प्रदान करत हई जवन ई दर्शावत है कि बहुपद अउर रेडियल बेस फंक्शन (आरबीएफ) एसवीएम ओआरएल फेस डेटासेट पर रैखिक एसवीएम से बेहतर प्रदर्शन करत हई जब दुनहु क उपयोग एक के खिलाफ सब वर्गीकरण क साथ कईल जात है। हम एसवीएम आधारित मान्यता की तुलना मानक आइजेनफेस दृष्टिकोण से कई-परत धारणा (एमएलपी) वर्गीकरण मानदंड का उपयोग करके भी की है। |
47daf9cc8fb15b3a4b7c3db4498d29a5a8b84c22 | 3D ऑब्जेक्ट कैटेगरीज़ेशन कंप्यूटर विजन मा एक गैर-तुच्छ काम है जौन कई वास्तविक दुनिया क अनुप्रयोगों का समाविष्ट करत है। हम 3D बहुभुज जाल का वर्गीकरण की समस्या का सामना कर रहे हैं क्योंकि 2D छवियों से मल्टी-व्यू उपस्थिति विकास सीख रहे हैं। 3D बहुभुज जाल का एक कोरपस दिए, हम पहले एक समान क्षेत्र पर कई दृश्य बिंदुओं से संबंधित RGB और गहराई छवियों का प्रतिपादन करते हैं। रैंक पूलिंग का उपयोग करके, हम 2D दृश्यों की उपस्थिति विकास का अध्ययन करने के लिए दो विधियां का प्रस्ताव करते हैं। सबसे पहिले, हम गहरे संवहन तंत्रिका नेटवर्क (सीएनएन) पर आधारित दृश्य-अपरिवर्तनीय मॉडल का प्रशिक्षण देत हैं, अउर प्रस्तुत आरजीबी-डी छवियों का उपयोग करके और, इ तरह से, इन निष्कासित सुविधाओं के विकास को पकड़ने के लिए पूरी तरह से जुड़ी परत सक्रियण का रैंक करना सीखते हैं। इ प्रक्रिया के दौरान सीखे गए पैरामीटर 3D आकार के प्रतिनिधित्व के रूप मा काम मा लाए जात हैं। दूसर विधि मा, हम रैंकिंग मशीन का उपयोग करके शुरू से ही दृश्यों का एकत्रीकरण सीखते हैं, जो कि रेंडर्ड आरजीबी-डी छवियों पर सीधे, जो कि एकत्रीकृत 2 डी छवियां उत्पन्न करता है जिन्हें हम ``3 डी आकार छवियों के रूप में संदर्भित करते हैं। फिर हम सीएनएन मॉडल सीखते हैं इस उपन्यास आकार प्रतिनिधित्व पर आरजीबी और गहराई दोनों के लिए जो बहुभुज का प्रमुख ज्यामितीय संरचना एन्कोड करते हैं। मॉडलनेट40 अउर मॉडलनेट10 डेटासेट पर प्रयोग से पता चलता है कि प्रस्तावित विधि लगातार 3D आकार मान्यता में मौजूदा अत्याधुनिक एल्गोरिदम से बेहतर है। |
58156d27f80ee450ba43651a780ebd829b70c363 | कर्नेल निगरानी अउर सुरक्षा पर पहिले के शोध व्यापक रूप से उच्च विशेषाधिकार प्रणाली घटक, जइसे हार्डवेयर वर्चुअलाइजेशन एक्सटेंशन, पर निर्भर करत है, ताकि संभावित कर्नेल हमलन से सुरक्षा उपकरण अलग हो सके. ई तरीका दुनो रखरखाव प्रयास अउर विशेषाधिकार प्राप्त सिस्टम घटक के कोड बेस आकार बढ़ावै, जउन नतीजा में सुरक्षा कमजोरियन का जोखिम बढ़ावै। एसकेईई, जवन कि सिक्योर कर्नेल लेवल एक्जिक्यूशन एनवायरनमेंट खातिर बा, ई मूलभूत समस्या का हल करत बा. SKEE एक नया सिस्टम है जवन कर्नेल के समान विशेषाधिकार स्तर पर एक अलग हल्का निष्पादन वातावरण प्रदान करत है. एसकेईई कमोडिटी एआरएम प्लेटफार्म खातिर डिज़ाइन करल गइल बा। एकर मुख्य लक्ष्य kernel के सुरक्षित निगरानी अउर सुरक्षा सुनिश्चित करैं मा अहै, बिना कौनों सक्रिय भागीदारी के उच्च-अधिकार वाले सॉफ़्टवेयर के। एसकेईई अलगाव की गारंटी के लिए नई तकनीक का एक सेट प्रदान करता है। ई एक संरक्षित पता स्थान बनावेला जवन कि कर्नेल खातिर सुलभ नई होला, जवन कि हासिल करे खातिर चुनौतीपूर्ण होला जब कि कर्नेल और अलग-थलग वातावरण दुनो एक्के विशेषाधिकार स्तर साझा करत हयन. SKEE ई चुनौती का हल करत है कि कर्नेल का आपन मेमोरी अनुवाद तालिकाओं का प्रबंधन करने से रोकेके। एहसे, सिस्टम मेमोरी लेआउट का संशोधित करे खातिर कर्नेल एसकेईई पर स्विच करे खातिर मजबूर है. बदले मा, SKEE सत्यापित करत है कि अनुरोधित संशोधन संरक्षित पता स्थान का अलगाव से समझौता नहीं करत है। ओएस कर्नेल से एसकेईई तक स्विच करना विशेष रूप से एक अच्छी तरह से नियंत्रित स्विच गेट से गुजरता है। ई स्विच गेट ध्यान से डिजाइन करल बा ताकि एकर निष्पादन क्रम परमाणु अउर निर्धारक हो सके. इ गुण संयुक्त गारंटी देत हैं कि एक संभावित रूप से समझौता कर्नेल अलगाव से समझौता करे क खातिर स्विचिंग अनुक्रम का शोषण नहीं कर सकत है। अगर कर्नेल इ गुणन का उल्लंघन करे का प्रयास करत है, त इ संरक्षित पता स्थान का खुलासा किए बिना सिस्टम को विफल करे का कारण बनत है. एसकेईई पूरी ओएस मेमोरी कय एक्सेस अनुमतियन का एक्सेस नियंत्रित करत है। इ प्रकार, इ हमलावरन का रोकत है जउन गैर-सत्यापित कोड का इंजेक्ट करे क प्रयास करत हैं। एकरे अलावा, ई कई टूल की खोज अउर परीक्षण की अनुमति देइ वाले सिस्टम की घटनाओं का अवरोधित करे खातिर आसानी से एक्स्टेंडेबल अहै। ई कागज एगो एसकेईई प्रोटोटाइप प्रस्तुत करत बा जवन 32-बिट एआरएमवी 7 और 64-बिट एआरएमवी 8 आर्किटेक्चर दुनो पर चलत बा. परफॉर्मेंस इवैल्यूएशन का नतीजा बताता है कि एसकेईई वास्तविक दुनिया की प्रणालियों का एक व्यावहारिक समाधान है। इ लेखक लोगन कय इ काम कय लिए बराबर योगदान रहा। |
698902ce1a836d353d4ff955c826095e28506e05 | |
da09bc42bbf5421b119abea92716186a1ca3f02f | हम परिचय का एक नया प्रकार पहचान-आधारित एन्क्रिप्शन (आईबीई) योजना का परिचय देते हैं जिसे हम फजी पहचान-आधारित एन्क्रिप्शन कहते हैं। फजी आईबीई मा हम पहचान को वर्णनात्मक विशेषता का सेट के रूप मा देखित ह्वा। एक फजी आईबीई योजना एक पहचान, ω, के लिए एक निजी कुंजी का उपयोग एक पहचान, ω′ के साथ एन्क्रिप्टेड एक सिफरटेक्स्ट को डिक्रिप्ट करने के लिए अनुमति देती है, अगर और केवल अगर पहचान ω और ω′ एक दूसरे के करीब हैं जैसा कि set overlap दूरी मीट्रिक द्वारा मापा जाता है। एक फजी आईबीई योजना का उपयोग पहचान के रूप मा बायोमेट्रिक इनपुट का उपयोग करके एन्क्रिप्शन सक्षम करे खातिर कईल जा सकत है; एक फजी आईबीई योजना की त्रुटि-सहिष्णुता संपत्ति ठीक से जैव-सामाजिक पहचान का उपयोग करे खातिर अनुमति देत है, जवन कि स्वाभाविक रूप से हर बार जब ऊ नमूना लेत है त कुछ शोर होई। एकर अतिरिक्त, हम ई देखाई देई चाहित है कि फजी-आईबीई का उपयोग ओन्हन अनुप्रयोगन के बरे भी कीन जाय सकत ह जेनके बरे हम शब्द क प्रयोग "अनुरूपता-आधारित एन्क्रिप्शन" से करत अही। इ पेपर मा हम फजी IBE योजनाओं की दो रचना प्रस्तुत करत हैं। हमार रचना कई विशेषता के तहत एक संदेश का पहचान-आधारित एन्क्रिप्शन के रूप मा देखा जा सकत है जउन एक (फजी) पहचान का निर्माण करत है। हमार IBE योजनाएं दुनो त्रुटि-सहिष्णु हैं अउर षड्यंत्र के हमला से सुरक्षित हैं। एकरे अलावा, हमार मूल रचना रउआ लोगन के बीच चलल-फिरल वाली गद्य-गीत से नाहीं जुड़त। हम आपन योजना के सुरक्षा का चयनित-पहचान सुरक्षा मॉडल के तहत सिद्ध करत हैं। |
b3baba6c34a2946b999cc0f6be6bb503d303073e | ई पेपर एक संशोधित कोल्मोगोरोव-स्मिर्नोव (केएस) परीक्षण पर आधारित रिसीवर ऑपरेटिंग कैरेक्टरिस्ट (आरओसी) वक्रों की समकक्षता का एक सरल, गैर-पैरामीटरिक और सामान्य परीक्षण का वर्णन करता है। आमतौर पर इस्तेमाल की गयल तकनीक जैसे कि आरओसी वक्र के नीचे का क्षेत्रफल (एयूसी) और नीमन-पीयरसन विधि के संबंध में परीक्षण का वर्णन कीन गवा बा। हम पहिले देखब कि केएस टेस्ट कय उपयोग शून्य परिकल्पना कय परीक्षण करय के बरे कि वर्गीकरणकर्ता द्वारा भविष्यवाणी करल गयल वर्ग लेबल यादृच्छिक से बेहतर नाहीं हय। तब हम एक अंतराल मैपिंग तकनीक का प्रस्ताव करत हैं जवन हमका शून्य परिकल्पना का परीक्षण करे खातिर दो केएस परीक्षणों का उपयोग करे की अनुमति देत है कि दो वर्गीकरणों में आरओसी वक्र हैं जो समकक्ष हैं। हम देखब कि इ परीछन अलग-अलग ROC वक्रन का भेदभाव करत हय जब एक वक्र दूसर पर हावी होत हय और जब वक्र परस्पर आकर होत हय और इ AUC द्वारा भेदभाव नाही कीन जात हय। अंतराल मैपिंग तकनीक का तब उपयोग करल जाला जब ई देखावा करल जाला की, हालांकि एयूसी क आपन सीमाएं ह, ई एगो मॉडल-स्वतंत्र और सुसंगत माप ह जवन वर्गीकरणकर्ता के प्रदर्शन के. |
090f4b588ba58c36a21eddd67ea33d59614480c1 | मोर दृष्टिकोण एक उथला प्रवचन मॉडल अउर लेक्सिकल ज्ञान आधार से प्राप्त एनिमेशन जानकारी पर निर्भर करत है। हम ई भी दिखावा करित है कि कैसे खंड और अनुनासिक सीमाओं का स्थानीय संदर्भ के आधार पर निर्णय प्रक्रिया का उपयोग करके भरोसेमंद रूप से निर्धारित किया जा सकता है, जो कि भाषण के भाग-टैग्स और संज्ञा खंडों द्वारा दर्शाया गया है। फिर हम सरलीकरण प्रक्रिया के दौरान वाक्य रचना अउर प्रवचन के बीच होत बातचीत का औपचारिक रूप देत बानी. इ महत्वपूर्ण अहय काहेकि अगर दुबारा-मनी लिखे गए पाठ में सामंजस्य न होइ तौ सिंटैक्सिक सरलीकरण कय उपयोगिता एक पाठ कय व्यापक दर्शकन कय लिए सुलभ बनावय में कमजोर कय दीन जाय सकत है। हम इ बताय देहे हई कि वाक्य क्रम, क्यू-वर्ड चयन, संदर्भित-अभिव्यक्ति पीढ़ी, निर्धारक चयन अउर सर्वनाम के उपयोग जैसे कई पीढ़ी के मुद्दों का कैसे हल किया जा सकत है ताकि वाक्यविन्यास सरलीकरण के दौरान संयोजक अउर अनाफोरिक सामंजस्यपूर्ण संबंधन का बचावा जा सके। वाक्यविन्यास सरलीकरण करै के खातिर, मोका कई प्राकृतिक भाषा प्रसंस्करण समस्या का हल करै का पड़ा है, जेहमा खंड अउर अनुनासिक पहचान अउर अनुलग्नक, सर्वनाम समाधान अउर संदर्भ-अभिव्यक्ति पीढ़ी शामिल है। हम आपन समस्या का हल करै खातिर आपन तरीका का अलग से मूल्यांकन करत हन, अउर आपन सिंटैक्सिक सरलीकरण प्रणाली का भी समग्र मूल्यांकन करत हन। वाक्यविन्यास सरलीकरण एक पाठ कय व्याकरणिक जटिलता कय कम करै कय प्रक्रिया होय, जबकि एकर सूचना सामग्री अउर अर्थ बरकरार रखत अहै। वाक्यविन्यास सरलीकरण का उद्देश्य पाठ को मानव पाठकों, या प्रोग्राम द्वारा संसाधित करने के लिए आसान बनाना है। ई निबंध में, हम वर्णन करत हई कि कइसे वाक्यविन्यास सरलीकरण के प्राप्त करल जा सकत बा, उ सपाट मजबूत विश्लेषण, हाथ से तैयार सरलीकरण नियम के एक छोटा सेट अउर वाक्यविन्यासिक रूप से पाठ के फिर से लिखे के प्रवचन-स्तर के पहलुओं का एक विस्तृत विश्लेषण का उपयोग करके. हम आप से कुछ बात करा चाहित है (काहेकि इ आप लोगन के बरे चिढ़उली बनत रही) । हम आप लोगन का बताय दे चाहित है कि आपकय भाषा अवधी के बरे नई-नई तकनीक का प्रयोग करय का चाही ताकि आपकय भाषा सही ढंग से बोले जाय। मोर कहब अहइ कि इ सबइ सँदेसा केवल सब्दन मँ ही नाहीं लिखा गवा अहइँ। |
a9a7168b5b45fcf63e7f8904f68f6a90f8062443 | |
6d7c6c8828c7ac91cc74a79fdc06b5783102a784 | ई लेख स्वास्थ्य से संबंधित अनुप्रयोगों पर कंपनी माइक्रोवेव विजन, पहिले सैटीमो, की गतिविधि का अवलोकन देता है। विशिष्ट अवशोषण दर (एसएआर) माप अउर आरएफ सुरक्षा के संदर्भ में मौजूदा उत्पाद का विस्तार से वर्णन कीन गा है। माइक्रोवेव्स का उपयोग करके स्तन पैथोलॉजी का पता लगाने के लिए एक नई इमेजिंग मोडलिटी के विकास की प्रगति जल्द ही बताई जा रही है। |
0c1a55e0e02c1dbf6cf363ec022ca17925586e16 | अनुगमन की गई वस्तुओं की पहचान वायु, सतह और उप-सतह (समुद्री), और जमीनी वातावरण के लिए स्वचालित निगरानी और सूचना प्रणाली की एक प्रमुख क्षमता है, जो स्थितिजन्य जागरूकता में सुधार कर रही है और परिचालन उपयोगकर्ताओं के लिए निर्णय सहायता प्रदान कर रही है। बेयसन-आधारित पहचान डेटा संयोजन प्रक्रिया (आईडीसीपी) विभिन्न स्रोत से अनिश्चित पहचान संकेतों का संलयन करने का एक प्रभावी साधन प्रदान करता है। प्रक्रिये कय विन्यास कय लिए एक उपयोगकर्ता-उन्मुख दृष्टिकोण लागू कै गा है, जवन ऑपरेटरन कय आइडीसीपी कय बदलते परिचालन परिदृश्यन् में पहचान आवश्यकताओं तक समायोजित करै कय सक्षम करत है। संज्ञानात्मक मनोविज्ञान अउर निर्णय सिद्धांत से प्राप्त परिणाम का अनुप्रयोग बेयसियन डेटा के पुनर्प्राप्ति के लिए अच्छी पहुंच प्रदान करत है अउर परिचालन विशेषज्ञ के लिए विन्यास के आसानी से संभव बनात है। |
2636bff7d3bdccf9b39c5e1e7d86a77690f1c07d | इनाम आकार मा अनुशंसित लर्निंग (आरएल) मा क्रेडिट असाइनमेंट की महत्वपूर्ण लेकिन चुनौतीपूर्ण समस्या का समाधान करने का सबसे प्रभावी तरीका है। हालांकि, आकार बनाए क कार्य खातिर आमतौर पय बहुतै बिसेस ज्ञान और हाथ की अभियांत्रिकी की आवश्यकता होत है, अउर इनक्यूबेटर पय बहुतै जटिल कार्य कय समाधान करय के लिए एकर आवश्यकता होत है। ई पेपर में, हम काम के वितरण पर इनाम बनावे पर विचार करत बानी, अउर स्वचालित रूप से नया नमूना कार्य पर कुशल इनाम बनावे के लिए एक सामान्य मेटा-लर्निंग फ्रेमवर्क का प्रस्ताव करत बानी, जे केवल साझा राज्य स्थान पर मानता है लेकिन जरूरी नहीं कि एक्शन स्पेस का. हम पहिले से ही मॉडल-मुक्त आरएल में क्रेडिट असाइनमेंट के संदर्भ में सैद्धांतिक रूप से इष्टतम इनाम आकार का निष्कर्स लेते हैं। तब हम इ मान-आधारित मेटा-लर्निंग एल्गोरिथ्म का प्रस्ताव करत हैं ताकि इष्टतम इनाम आकारन पर एक प्रभावी पूर्व का निष्कर्षण हो सके। पहिले का सीधा नया कार्य पर लागू करल जा सकत है, या कुछ ढाल अद्यतन के भीतर कार्य का हल करत समय कार्य-बाद के लिए अनुकूलित करल जा सकत है। हम आपन आकार के प्रभावकारिता का प्रदर्शन कइके काफी सुधारल सीखे के दक्षता अउर विभिन्न सेटिंग्स मा व्याख्या योग्य विजुअलाइजेशन के माध्यम से, विशेष रूप से डीक्यूएन से डीडीपीजी तक सफल हस्तांतरण सहित। |
0309ec1f0e139cc10090c4fefa08a83a2644530a | |
42771aede47980ae8eeebac246c7a8b941d11414 | हम प्रस्तुत करें अउर मूल्यांकन करें कि ई कइसे करै का अहै . . . ताकि वै वेब कैमरा का फ़ॉन्ट वैध होय. एक आम वैयक्तिकरण दृष्टिकोण मा शीर्ष N खोज परिणामों को पुनः रैंकिंग शामिल छ कि दस्तावेज को संभावना छ कि उपयोगकर्ता द्वारा पसंद गरीन्छ उच्च प्रस्तुत गरीन्छ। पुनर्व्यवस्थापन का उपयोगिता का लाभ कुछ हद तक सीमित है, जब कि ई कामयाबी का स्रोत विभिन्न प्रकार के विकिरण से कम होत है। हम तीन तरीका सुझावे जात है जेसे की सबसे अच्छा परिणाम के वैविध्य के बढ़ावै अउर इनतान के प्रभावी मूल्यांकन करै कै तरीका होय। |
22a8979b53315fad7f98781328cc0326b5147cca | एकल-फीड परिपत्र-ध्रुवीकृत वर्ग माइक्रोस्ट्रिप एंटीना (सीपीएसएमए) के डिजाइन के लिए एक कृत्रिम तंत्रिका नेटवर्क-आधारित संश्लेषण मॉडल का प्रस्ताव है। प्रशिक्षण डेटा सेट प्राप्त करने के लिए, वर्ग माइक्रोस्ट्रिप एंटेना की अनुनाद आवृत्ति और क्यू-कारक का अनुभवजन्य सूत्रों द्वारा गणना की जा रही है। तब ट्रंक किए गए कोने का आकार और सबसे अच्छा अक्षीय अनुपात वाले ऑपरेशन आवृत्ति प्राप्त की जा रही है। लेवेनबर्ग-मार्क्वार्ट (एलएम) एल्गोरिथ्म का उपयोग करके, एक सटीक संश्लेषण मॉडल प्राप्त करने के लिए तीन छिपे हुए स्तरित नेटवर्क को प्रशिक्षित किया जाता है। अंत मा, इलेक्ट्रोमैग्नेटिक सिमुलेशन और माप से एकर परिणाम की तुलना करके मॉडल का मान्य किया जा सकता है। ई सिंगल-फीड सीपीएसएमए कय पैच भौतिक आयाम सीधे प्राप्त करेक खातिर एंटीना इंजीनियरन कय खातिर बेहद उपयोगी अहै। |
93f962a46b24030bf4486a77b282f567529e7782 | ई कागज 180 डिग्री रिंग हाइब्रिड कपलर का उपयोग ANSYS HFSS मा एक कॉम्पैक्ट और बिजली-कुशल 5 गीगाहर्ट्ज इन-बैंड फुल-डुप्लेक्स (एफडी) डिजाइन प्रस्तुत करत है। प्रस्तावित डिजाइन 57dB का एक उत्कृष्ट अलगाव प्राप्त करता है जो युग्मक से जुड़े दो विकिरण एंटेना के बीच विनाशकारी हस्तक्षेप का लाभ उठाकर, आत्म-हस्तक्षेप में एक बड़ी कमी का कारण बनता है। ई डिजाइन निष्क्रिय है अउर ई अतिरिक्त शक्ति क आवश्यकता का पूरा करत है ताकि अनुकूली चैनल अनुमानन का पूरा कइ सका जा सके। एकर अतिरिक्त, ईवा कयिउ भौतिक आकार कय होला जवन की एक्ठु वांछित आवृत्ति कय साथे काम करत है। प्रस्तावित एफडी डिजाइन इहिसे कॉम्पैक्ट और ऊर्जा-कुशल है, जेकर उपयोग मोबाइल डिवाइसेज़ में, जैसे सेल फोन या टैबलेट/पैबलेट डिवाइसेज़ में अधिक लचीलापन और अधिक मात्रा में दुर्लभ आरएफ संसाधनों का समावेशन के लिए किया जा सकता है। |
023cc7f9f3544436553df9548a7d0575bb309c2e | इ पेपर पाठ वर्गीकरण खातिर एक सरल अउर कुशल आधार रेखा का अन्वेषण करत है । हमार प्रयोग से पता चलता है कि हमार तेज पाठ वर्गीकरण फास्टटेक्स्ट अक्सर गहरी सीखी गई वर्गीकरण की सटीकता के हिसाब से एक स्तर पर है, अउर कई परिमाणन का तेजी से प्रशिक्षण अउर मूल्यांकन के लिए। हम fastText का एक मानक मल्टीकोर CPU का उपयोग करके दस मिनट से भी कम समय में एक अरब से अधिक शब्दों पर प्रशिक्षण दे सकते हैं, और 312K वर्गों के बीच एक मिलियन से अधिक वाक्य वर्गीकृत कर सकते हैं। |
d80e7da055f9c25e29f732d0a829daf172eb1fa0 | ई लेख एक व्यापक साहित्य समीक्षा का सारांश देत है जवन इ सवाल का संबोधित करत है, कि हम स्वास्थ्य सेवा वितरण अउर संगठन में नवाचार के प्रचार अउर निरंतरता का कइसे कर सकत है? ई सामग्री (संस्थाओं मा नवाचार का प्रसार को परिभाषित करना और मापना) और प्रक्रिया (एक व्यवस्थित और पुनरुत्पादित तरीका से साहित्य की समीक्षा) दोनों पर विचार करत है। ई लेख चर्चा (1) स्वास्थ्य सेवा संगठनों मा नवाचारों का प्रसार पर विचार करने का एक परोपकारी और साक्ष्य-आधारित मॉडल, (2) स्पष्ट ज्ञान अंतराल जहां आगे के शोध पर ध्यान केंद्रित किया जाना चाहिए, और (3) स्वास्थ्य सेवा नीति और प्रबंधन की व्यवस्थित रूप से समीक्षा के लिए एक मजबूत और हस्तांतरणीय पद्धति। मॉडल अउर विधि दूनौ के व्यापक रूप मा कई संदर्भों मा परीक्षण कीन जाये का चाही। |
3343d1d78f2a14045b52b71428efaf43073d616d | OBJECTIVE ऊर्जा-घन आहार का सेवन से बढ़ रही मोटापे की दरें जुड़ी हैं। हम जांच कीन कि क्या डाइट एनर्जी डेन्सिटी मोटापा अउर संबंधित विकारन से जुड़ी हई, जेहमा इंसुलिन प्रतिरोध अउर मेटाबोलिक सिंड्रोम शामिल है। अनुसंधान डिजाइन और विधिय हम 1999-2002 राष्ट्रीय स्वास्थ्य और पोषण परीक्षा सर्वेक्षण (n = 9,688) से > या = 20 वर्ष की आयु वाले अमेरिकी वयस्कों का राष्ट्रीय प्रतिनिधि डेटा का उपयोग करके एक क्रॉस-सेक्शनल अध्ययन किया। आहार ऊर्जा घनत्व का गणना केवल खाद्य पदार्थों के आधार पर की गई थी। हम कई प्रकार के रैखिक प्रतिगमन मॉडल का उपयोग कइके आहार ऊर्जा घनत्व, मोटापा माप (बीएमआई [किलो प्रति वर्ग मीटर] अउर कमर परिधि [सेंटीमीटर]), ग्लाइसीमिया, या इंसुलिनमिया के बीच स्वतंत्र संबंध का निर्धारण करे खातिर कइले बानी। हम राष्ट्रीय कोलेस्ट्रॉल अउर शिक्षा कार्यक्रम (वयस्क उपचार पैनल III) द्वारा परिभाषित आहार ऊर्जा घनत्व अउर चयापचय सिंड्रोम के बीच स्वतंत्र संघ का निर्धारित करे खातिर बहु-उद्देश्यीय पोसन प्रतिगमन मॉडल का उपयोग कइलीं। परिणाम आहार ऊर्जा घनत्व स्वतंत्र रूप से और महत्वपूर्ण रूप से उच्च बीएमआई के साथ जुड़ा हुआ था (बीटा = 0.44 [95% आईसी 0.14-0.73]) और पुरुषों में एक महत्वपूर्ण संघ की ओर रुझान (बीटा = 0.37 [- 0.007 से 0.74], पी = 0.054) । आहार ऊर्जा घनत्व महिलाओ (बीटा = 1. 11 [0. 42- 1. 80]) और पुरुषो (बीटा = 1. 33 [0. 46- 2. 19]) में अधिक कमर परिधि से जुड़ा हुआ था। आहार ऊर्जा घनत्व भी स्वतंत्र रूप से ऊंचा उपवास इंसुलिन (बीटा = 0. 65 [0. 18-1. 12]) और मेटाबोलिक सिंड्रोम (प्रचलन अनुपात = 1. 10 [95% आईसी 1. 03- 1. 17]) के साथ जुड़ा हुआ था। निष्कर्षः हवाई रक्षा का महत्व, इलेक्ट्रॉनिक युद्ध का महत्व कई बार बढ़ रहा है। आहार ऊर्जा घनत्व घटावे खातिर हस्तक्षेप अध्ययन जरूरी बा। |
3e597e492c1ed6e7bbd539d5f2e5a6586c6074cd | अधिकांश तंत्रिका मशीन अनुवाद (एनएमटी) मॉडल क्रमिक एन्कोडर-डेकोडर ढांचे पर आधारित हैं, जो कि वाक्यविन्यास जानकारी का उपयोग नहीं करता है। इ कागज में, हम इ मॉडल का सुधार करत हैं कि स्रोत-पक्षीय सिंटैक्सिक पेड़ों का स्पष्ट रूप से शामिल करें. अधिक विशेष रूप से, हम प्रस्तावित (1) एक द्विदिश पेड़ एन्कोडर जे sequential अउर पेड़ संरचित प्रतिनिधित्व दुनो सीखत हैं; (2) एक पेड़-कवरेज मॉडल जे ध्यान स्रोत-पक्ष वाक्यविन्यास पर निर्भर करत है। चीनी-अंग्रेजी अनुवाद पर प्रयोग से पता चलता है कि हमार प्रस्तावित मॉडल अनुक्रमिक ध्यान मॉडल से बेहतर है, साथ ही साथ एक मजबूत आधार रेखा भी है, नीचे से ऊपर की ओर से पेड़ एन्कोडर और शब्द कवरेज के साथ। |
4e88de2930a4435f737c3996287a90ff87b95c59 | समय के साथ अनुक्रम सूचना का संरक्षित करे खातिर इनकर बेहतर क्षमता के कारन, लॉन्ग शॉर्ट-टर्म मेमोरी (एल एस टी एम) नेटवर्क, एक प्रकार का आवर्ती तंत्रिका नेटवर्क जेकर एक अधिक जटिल कम्प्यूटेशनल इकाई है, कई प्रकार के अनुक्रम मॉडलिंग कार्य पर मजबूत परिणाम प्राप्त कै सका है। अब तक जवन एल एस टी एम संरचना के जांच कीन गै बाय उ एक रैखिक श्रृंखला होय। हालांकि, प्राकृतिक भाषा का विचलन (syntactical properties) है, जो प्राकृतिक रूप से संबंधित है। हम ट्री-एल एस टी एम का परिचय देत हैं, एल एस टी एम का एक सामान्यीकरण पेड़-संरचित नेटवर्क टोपोलॉजीज के लिए। TreeLSTMs दो कार्यो पर सभी मौजूदा सिस्टम और मजबूत LSTM आधारभूत रेखाओ से बेहतर प्रदर्शन करते है: दो वाक्यो का अर्थ संबंधी सम्बन्ध का अनुमान लगाना (SemEval 2014, Task 1) और भावना वर्गीकरण (स्टैनफोर्ड भावना ट्रीबैंक) । |
6411da05a0e6f3e38bcac0ce57c28038ff08081c | सिमेंटिक निरूपण का लंबा समय से तर्क दिहल गइल बा कि ई अर्थ संरक्षण अउर मशीन अनुवाद विधियन के सामान्यीकरण प्रदर्शन में सुधार खातिर संभावित रूप से उपयोगी हो सकेला. इ काम मा, हम पहिला हयेन जे स्रोत वाक्य (यानी, सिमेंटिक-रोल प्रतिनिधित्व) के प्रेडिक्ट-आर्गुमेंट संरचना के बारे मा जानकारी को न्यूरल मशीन अनुवाद मा शामिल करे हई। हम ग्राफ कन्वोल्यूशनल नेटवर्क (जीसीएन) का उपयोग वाक्य एन्कोडर मा एक सिमेंटिक पूर्वाग्रह इंजेक्ट करने और अंग्रेजी-जर्मन भाषा जोड़ी पर भाषाई-अज्ञेयवादी और syntaxaware संस्करणों पर BLEU स्कोर में सुधार प्राप्त करने के लिए करते हैं। |
9f291ce2d0fc1d76206139a40a859283674d8f65 | एनकोडर-डेकोडर वास्तुकला पर आधारित न्यूरल मशीन ट्रांसलेशन (एनएमटी) हाल ही में अत्याधुनिक प्रदर्शन हासिल की है। शोधकर्ता इ सिद्ध कईले है कि स्रोत-साइड वाक्यांश संरचना को शामिल करके वाक्यांश स्तर ध्यान को शब्द स्तर ध्यान मा विस्तार ध्यान मोडेल मा सुधार को प्राप्त गर्न सक्छ। हालांकि, स्रोत वाक्य का सही ढंग से समझने के लिए शब्द निर्भरता का मतलब हमेशा से ही एक चाहे अन्य शब्द से संबंधित न हो, बल्कि एक से अधिक अर्थ हो सकता है, खासकर जब से . . . कुछ बार ऊ बात-बात पर कुच्छो कर नाहीं पावा- कभी कभी ऊ बात पर कुच्छो कर नाहीं पावा . वाक्यांश संरचना स्पष्ट रूप से लंबी दूरी की निर्भरता का मॉडल बनाए रखने का सबसे अच्छा तरीका नहीं है। इ पेपर मा हम एनएमटी मा स्रोत-पक्षीय लंबी दूरी निर्भरता शामिल करैं खातिर एक सरल लेकिन प्रभावी विधि का प्रस्ताव करत हन। निर्भरता पेड़ों पर आधारित हमार विधि हर स्रोत राज्य का वैश्विक निर्भरता संरचना से समृद्ध करत है, जवन स्रोत वाक्य के अंतर्निहित वाक्यविन्यास संरचना का बेहतर ढंग से पकड़ सकत है. चीनी-अंग्रेजी अउर अंग्रेजी-जापानी अनुवाद कार्य पर प्रयोग से पता चलता है कि हमार प्रस्तावित विधि आधुनिक एसएमटी अउर एनएमटी आधार रेखाओं से बेहतर अहै। |
d12c173ea92fc33dc276d1da90dc72a660f7ea12 | लिंक डाटा का मुख्य उद्देश्य लिंक अउर एकीकरण है, अउर इ लक्ष्य का मूल्यांकन करेक एक प्रमुख कदम इ है कि लिंक ओपन डाटा (LOD) क्लाउड डाटासेट के बीच सब कनेक्शन का खोज करें। दुइ या दुइ से जादा डाटासेट के बीच कनेक्टिविटी आम संस्थाओं, ट्रिपल, लिटेरल, अउर स्कीमा एलिमेंट्स के माध्यम से प्राप्त की जा सकत है, जबकि अधिक कनेक्शन यूआरआई के बीच समकक्षता संबंध के कारण हो सकत है, जइसे कि owl:sameAs, owl:equivalentProperty अउर owl:equivalentClass, काहे से की कई प्रकाशक ऐसे समकक्षता संबंध का उपयोग करत हैं, ई घोषणा करै खातिर कि उनकर यूआरआई अन्य डेटासेट के यूआरआई के साथ समकक्ष हैं। हालांकि, उपलब्ध कनेक्टिविटी माप (और सूचकांक) मा दो से अधिक डेटासेट शामिल नहीं हैं, जो कि पूरी सामग्री (जैसे, संस्थाओं, स्कीमा, ट्रिपल) या डेटासेट का "स्लाइस" (जैसे, एक विशिष्ट इकाई के लिए ट्रिपल) को कवर करते हैं, हालांकि वे कई वास्तविक दुनिया के कार्यों के लिए प्राथमिक महत्व का हो सकते हैं, जैसे सूचना संवर्धन, डेटासेट डिस्कवरी और अन्य। आम तौर पै, ई डेटा सेट के बीच कनेक्शन ढूंढना एक आसान काम नहीं है, काहे से की ढेर संख्या मा LOD डेटा सेट है और समकक्षता संबंधों का पारगमन और सममित समापन गायब कनेक्शन की अनुपस्थिति के लिए गणना की जानी चाहिए। इ कारण से, हम स्केलेबल विधि अउर एल्गोरिदम का परिचय देत हई, (ए) समकक्ष संबंध खातिर पारगमन अउर सममित समापन क गणना करे खातिर (काहे से की उ डेटासेट के बीच जादा कनेक्शन का उत्पादन कर सकत हैं); (बी) समर्पित वैश्विक सिमेंटिक्स-जागरूक सूचकांक का निर्माण करे खातिर जवन डेटासेट के पूरा सामग्री का कवर करत हैं; अउर (सी) दुई या अधिक डेटासेट के बीच कनेक्टिविटी मापने खातिर। अंत मा हम प्रस्तावित यक चरन मा तेजी लाई, जब चूंकि हम दुई अरब तिगुना से जादा की तुलनात्मक परिणाम की रिपोर्ट करत हैं। |
d6020bdf3b03f209174cbc8fb4ecbe6208eb9ff1 | हम पहिले लेखक के शोध कैरियर पर एक पूर्वानुमान के साथ शुरू करत हैं, जवन कि बड़े पैमाने पर संगठनात्मक बदलाव के लिए सूचना प्रौद्योगिकी (आईटी) के प्रभाव के बारे मा शोध मा समर्पित है। जबकि आईटी का लम्बा समय से संगठनात्मक बदलाव से जुड़ल बा, संगठनात्मक सिद्धांत में प्रौद्योगिकी के इलाज का हमार ऐतिहासिक समीक्षा बताता है कि संगठन का भौतिक पहलू सिद्धांत विकास के पिछड़ेपन में केतना आसानी से गायब हो सकता है। ई एक दुर्भाग्यपूर्ण परिणाम है काहे से की आईटी पहल का भौतिक विशेषताएं अन्य संगठनात्मक परिवर्तन पहल से अलग हैं। हमार मकसद आईटी के असर के अध्ययन खातिर एकर गायब होए के कारन का पता लगा के अउर वैकल्पिक तरीका देके आईटी के असर के अध्ययन के फिर से महत्व देवै के बा जेहमा आईटी के ज्यादा केंद्रीय सैद्धांतिक भूमिका रही। हम एक सामाजिक-तकनीकी परिप्रेक्ष्य अपनाइत ह जवन एक सख्त सामाजिक-भौतिक परिप्रेक्ष्य से अलग होत ह काहे से कि हम भौतिक कलाकृतियन अउर उनके सामाजिक संदर्भ के बीच का ओन्टोलॉजिकल भेद बनाए रखे चाहत हन। हमार विश्लेषण "सहायता" की अवधारणा का उपयोग करके चलता है, एक रिलेशनल अवधारणा के रूप में, सामाजिक-तकनीकी परिप्रेक्ष्य से सुसंगत है। तब हम सघीय कार्यपद्धति सिद्धांत का विस्तार प्रस्तावित करत हई जवन कि भौतिक कलाकृतियन का सृजनशील प्रणाली में शामिल करत हई जवन कि कार्यपद्धति के रूप में जानल जात ह. इ योगदान आईटी के संगठनात्मक प्रभावों का अध्ययन में एक नए शोध फोकस के रूप में भौतिकता का अपनाने में निहित कई चुनौतियों का उदाहरण है। |
7039b7c97bd0e59693f2dc4ed7b40e8790bf2746 | हम एक न्यूरल नेटवर्क मॉडल का वर्णन करत हैं जवन टेक्स्ट अउर ज्ञान आधार (KB) संस्थाओं का संयुक्त रूप से वितरित प्रतिनिधित्व सीखत है. KB मा एक पाठ देई गवा है, हम आपन प्रस्तावित मॉडल का पाठ से संबंधित संस्थाओं का भविष्यवाणी करे खातिर प्रशिक्षित करत हैं. हमार मॉडल कई एनएलपी कार्य आसानी से निपटावे की क्षमता के साथ सामान्य रूप से डिजाइन कइल गइल बा. हम विकिपीडिया से निकाले गए पाठ अउर उनके इकाई एनोटेशन का उपयोग कइके मॉडल का प्रशिक्षण देत अही। हम तीन महत्वपूर्ण एनएलपी कार्य पर मॉडल का मूल्यांकन किया (यानी, वाक्य पाठ समानता, इकाई लिंकिंग, और फैक्टोइड प्रश्न का उत्तर देना) जिसमें अनसुरीक्षित और पर्यवेक्षित सेटिंग्स शामिल हैं। नतीजा इ रहा कि हम उन तीनों का चयन किहेन जउन अच्छी तरह से आपन काम करत रहिन। हमार कोड अउर प्रशिक्षित मॉडल आगे अकादमिक अनुसंधान खातिर सार्वजनिक रूप से उपलब्ध अहयँ। |
42f75b297aed474599c8e598dd211a1999804138 | हम ऑटोकलास का वर्णन करत हई, जवन क्लासिकल मिश्रण मॉडल पर आधारित अनसुरीक्षित वर्गीकरण क एगो दृष्टिकोण ह, जवन कि इष्टतम वर्गन का निर्धारित करे क खातिर बेयसन विधि द्वारा पूरक ह। हम AutoClass सिस्टम के पीछे गणित का एक मध्यम विस्तृत विवरण शामिल हैं। हम जोर देके कहत हई कि कौनो भी मौजूदा असुरक्षित वर्गीकरण प्रणाली अकेले संचालन करै वाले अधिकतम उपयोगी परिणाम नाही दे सकत हय। इ डोमेन विशेषज्ञों अउर मॉडल अंतरिक्ष मा खोज करैं वाली मशीन के बीच बातचीत है, जवन नया ज्ञान पैदा करत है। डाटाबेस विश्लेषण कार्य मा दुनो अद्वितीय जानकारी और क्षमता प्रदान करत हैं, अउर प्रत्येक अन्य को दूसर की e eectivity बढ़ाता है। हम ई बिन्दु कय चित्रण कई अनुप्रयोगों के साथ ऑटोक्लास कय जटिल वास्तविक दुनिया डाटाबेस कय साथ करत हैं, अउर परिणामी सफलताओं अउर विफलताओं का वर्णन करत हैं। 6.1 परिचयः इ अध्याय डाटाबेस से उपयोगी जानकारी निकाले खातिर स्वचालित वर्गीकरण प्रोग्राम (AutoClass) का उपयोग करैं में हमरे अनुभव का सारांश अहै। ई भी उन सिद्धांतों का अवलोकन देत है जवन स्वचालित रूप से वर्गीकरण क आधार होत है, अउर विशेष रूप से ऑटोक्लास का. हम लेबल किए गए उदाहरणों से वर्ग विवरण की पीढ़ी (जिसे पर्यवेक्षित सीखने का कहा जाता है) के बजाय डेटा (कभी-कभी क्लस्टरिंग, या अनसुरीक्षित सीखने) में कक्षाओं की स्वचालित खोज की समस्या से चिंतित हैं। कुछ अर्थ मा, स्वचालित वर्गीकरण डेटा मा "प्राकृतिक" वर्गहरु को खोज मा उद्देश्य छ। इ वर्ग के आधारभूत कारण तंत्र के बारे मा बात करत है जवन कुछ मामलन मा एक दुसरे से जादा समानता देत है बाकी मामलन मा तुलना. इन कारणन से सेनानियन कय डेटा में नमूना पूर्वाग्रह कय रूप मा बोरिंग हो सकत है, या डोमेन में कुछ प्रमुख नवा खोज कय परिणाम हो सकत है। कभी, इन वर्गों क्षेत्र मा विशेषज्ञों को अच्छी तरह से जाना जाता रहा, लेकिन ऑटोक्लास को अज्ञात, और अन्य समय |
32aea4c9fb9eb7cf2b6869efa83cf73420374628 | |
091778f43d947affb69dbccc2c3251abfa852ad2 | एक सिमेंटिक फाइल सिस्टम एक सूचना भंडारण प्रणाली है जो सिस्टम की सामग्री का लचीला संबद्ध पहुंच प्रदान करता है, स्वचालित रूप से फ़ाइल प्रकार विशिष्ट ट्रांसड्यूसर के साथ फ़ाइलों से विशेषताएं निकालने के लिए। संघात्मक पहुंच मौजूदा ट्री-संरचित फ़ाइल सिस्टम प्रोटोकॉल का एक रूढ़िवादी विस्तार द्वारा प्रदान की जा रही है, और उन प्रोटोकॉल द्वारा प्रदान की जा रही है जो विशेष रूप से सामग्री आधारित पहुंच के लिए डिज़ाइन किए गए हैं। मौजूदा फाइल सिस्टम प्रोटोकॉल के साथ संगतता एक आभासी निर्देशिका की अवधारणा का परिचय देकर प्रदान की जा रही है। आभासी निर्देशिका नाम क्वेरी के रूप मा व्याख्या कीन जात है, अउर यहिसे मौजूदा सॉफ्टवेयर के साथ संगत एक तरीका से फ़ाइलों अउर निर्देशिकाओं तक लचीला संबद्ध पहुंच प्रदान करत है। फ़ाइल सिस्टम सामग्री तक त्वरित विशेषता-आधारित पहुंच फ़ाइल सिस्टम ऑब्जेक्ट्स के कुंजी गुणों का स्वचालित निष्कर्षण और अनुक्रमण द्वारा लागू की जाती है। फ़ाइलन् अउर निर्देशिकाओं का स्वचालित अनुक्रमणिका "शब्दार्थ" कहलावत है काहे से कि उपयोगकर्ता प्रोग्राम योग्य ट्रांसड्यूसर अनुक्रमणिका के लिए गुणन का निकाले क लिए अद्यतन फ़ाइल सिस्टम वस्तुओं के शब्दार्थ के बारे मा जानकारी का उपयोग करत है। सिमेंटिक फाइल सिस्टम लागू करै से प्रायोगिक परिणाम ई थीसिस कय समर्थन करत है कि सिमेंटिक फाइल सिस्टम सूचना साझा अउर कमांड स्तर प्रोग्रामिंग के लिए पारंपरिक ट्री स्ट्रक्चर्ड फाइल सिस्टम से जादा प्रभावी स्टोरेज अमूर्तता प्रस्तुत करत है। |
096db7e8d2b209fb6dca9c7495ac84405c40e507 | कागज मा हम गैर नकारात्मक मैट्रिक्स फैक्टराइजेशन (एनएमएफ) को लागी नयाँ वैकल्पिक न्यूनतम वर्ग (एएलएस) एल्गोरिदम प्रस्तुत गर्दछन् र 3 डी गैर नकारात्मक टेन्सर फैक्टराइजेशन (एनटीएफ) मा उनीहरुको विस्तार कि शोर को उपस्थिति मा मजबूत छ र धेरै संभावित अनुप्रयोगहरु छन्, बहु-तरिका ब्लाइन्ड स्रोत पृथक्करण (बीएसएस), बहु-संवेदी वा बहु-आयामी डाटा विश्लेषण, र गैर नकारात्मक तंत्रिका विरल कोडिंग सहित। हम स्थानीय लागत फलन का उपयोग कर क प्रस्तावित करत हयन जेकर समवर्ती या अनुक्रमिक (एक से एक) न्यूनीकरण एक बहुत ही सरल एएलएस एल्गोरिथ्म की तरफ जात ह जवन कुछ कम-निर्धारित (एक प्रणाली जेकर स्रोत से कम सेंसर होत ह) अउर अति-निर्धारित मॉडल दुनहु खातिर कुछ कमता बाधाओं के तहत काम करत ह. व्यापक प्रयोगात्मक परिणाम विकसित एल्गोरिदम की वैधता अउर उच्च प्रदर्शन क पुष्टि करत हैं, खासकर बहु-परत पदानुक्रमित NMF का उपयोग कइके। प्रस्तावित एल्गोरिथ्म का बहुआयामी स्पायरस कंपोनेंट विश्लेषण और स्मूथ कंपोनेंट विश्लेषण तक विस्तार का भी प्रस्ताव है। |
339888b357e780c6e80fc135ec48a14c3b524f7d | एक ब्लूम फ़िल्टर सदस्यता क्वेरी का समर्थन करे खातिर एक सेट का प्रतिनिधित्व करे खातिर एक सरल स्थान-कुशल यादृच्छिक डेटा संरचना होय। ब्लूम फिल्टर गलत पॉजिटिव का अनुमति देत हैं, लेकिन जब त्रुटि की संभावना नियंत्रित की जात है, तौ अंतरिक्ष की बचत अक्सर इन कमियों से अधिक होत है। ब्लोम फ़िल्टर 1970 कय दशक कय बाद से डाटाबेस अनुप्रयोगन मा प्रयोग कैला जात है, लेकिन हाल कय साल मा ई नेटवर्किंग साहित्य मा लोकप्रिय होइ गा है। इ पेपर का उद्देश्य ब्लूम फिल्टर का विभिन्न नेटवर्क समस्या में उपयोग और संशोधन का तरीका का सर्वेक्षण करना है, ताकि भविष्य के अनुप्रयोगों में इनका उपयोग को प्रोत्साहित करने के लिए एक एकीकृत गणितीय और व्यावहारिक ढांचा प्रदान किया जा सके। |
dc3e8bea9ef0c9a2df20e4d11860203eaf795b6a | सामान्य पैदल चलै के दौरान पैदा होय वाली जमीनी प्रतिक्रिया बल का प्रयोग हाल ही मा समय के साथ देखल गयल बल के पैटर्न के आधार पर व्यक्ति के पहिचान अउर/या वर्गीकरण करे खातिर करल गयल हौवे। एक विशेषता जे ऊर्ध्वाधर जमीन प्रतिक्रिया बल से निकाली जा सकत हय ऊ शरीर द्रव्यमान होय। इ एकल सुविधा का पहचान करै वाले शक्ति का तुलनात्मक रूप से अन्य अध्ययनन से तुलना करल जा सकत हय जेके कई और अधिक जटिल सुविधाएँ का उपयोग करत हय। ई अध्ययन पहचान में शरीर के द्रव्यमान के भूमिका के समझे में योगदान देत बा (1) ऊ सटीकता अउर सटीकता के मात्रा के निर्धारण करे से जेकर साथ शरीर के द्रव्यमान के ऊर्ध्वाधर जमीन प्रतिक्रिया बल के उपयोग से प्राप्त करल जा सकत बा, (2) पैदल गति विश्लेषण के संबंध में पहिले से अध्ययन करल गइल आबादी के बीच शरीर के द्रव्यमान के वितरण के मात्रा के निर्धारण करे से, अउर (3) कमजोर बायोमेट्रिक के रूप में शरीर के द्रव्यमान के उपयोग करे वाली प्रणालि के अपेक्षित पहचान क्षमता के मात्रा के निर्धारण करे से। हमार परिणाम बतावत हैं कि एक सेकेंड के आधे हिस्से मा शरीर कय द्रव्यमान मापा जा सकत है औ त्रुटि 1 किलोग्राम से कम होय जाये। |
1b2f2bb90fb08d0e02eabb152120dbf1d6e5837e | हम निरंतर शब्द प्रतिनिधित्व क गणना खातिर तंत्रिका-जाल-प्रेरित मॉडल का एक परिवार प्रस्तुत करत हई, जवन विशेष रूप से एकल-भाषा अउर बहुभाषी पाठ दुनहु क शोषण करे खातिर डिज़ाइन कीन गवा बा। इ फ्रेमवर्क हमका एम्बेडेड सिस्टम्स कय बिना निगरानी कय प्रशिक्षण प्रदान करत है जवन सिंटैक्सिक अउर सिमेंटिक रचनात्मकता कय उच्च सटीकता, साथ ही साथ बहुभाषी सिमेंटिक समानता, बिना निगरानी कय प्रशिक्षण पावे वाले पिछला मॉडल कय तुलना मा देखाइ देत है। हम ई भी दिखावा करित है कि ऐसे बहुभाषी एम्बेडेड, अर्थिक समानता के लिए अनुकूलित, सांख्यिकीय मशीन अनुवाद का प्रदर्शन बढ़ा सकते हैं कि कैसे यह समानांतर डेटा में मौजूद शब्दो का संभालता है। |
396945dabf79f4a8bf36ca408a137d6e961306e7 | |
6010c2d8eb5b6c5da3463d0744203060bdcc07a7 | सैल्मन कीड़ा, लेपेओफ़ेथेयरस सैल्मनिस (क्रॉययर, 1837) मछली का एक्टोपैरासाइट्स हैं, जो अटलांटिक सैल्मन की समुद्री खेती में महत्वपूर्ण आर्थिक नुकसान का कारण बनता है, सैल्मो सालर लिनियस, 1758. मछली फार्म पर एल. साल्मोनिस का नियंत्रण काफी हद तक एंटी-परजीवी दवाओं से उपचार पर निर्भर करता है। रासायनिक नियंत्रण से संबंधित एक समस्या प्रतिरोध का विकास का क्षमता है, जो कि एल साल्मोनिस में ऑर्गेनोफोस्फेट, पाइरेथ्रोइड्स और एवरमेक्टिन सहित कई दवा वर्गों के लिए प्रलेखित है। एटीपी-बाइंडिंग कैसेट (एबीसी) जीन सुपरफैमिली सभी बायोटा मा पायी जायगी औ दवा इफ्लक्स ट्रांसपोर्टर की एक श्रृंखला शामिल ह्वाई जवन कैंसर औ रोगजनक के खिलाफ दवा प्रतिरोध प्रदान कर सकति हैं। ई बात भी पक्का बा कि कुछ ए बी सी ट्रांसपोर्टर कीटनाशक प्रतिरोधक क्षमता पैदा करे मा भी शामिल है। जबकि कई अध्ययन L. salmonis मा ABC ट्रांसपोर्टरों की जांच की है, इस प्रजाति के लिए ABC जीन परिवार का कोई व्यवस्थित विश्लेषण मौजूद नहीं है। इ अध्ययन एल. साल्मोनिस मा एबीसी जीन का एक जीनोम-व्यापी सर्वेक्षण प्रस्तुत करत है, जेकरे खातिर, एबीसी सुपरफैमिली के सदस्य एल. साल्मोनिस जीनोम की समरूपता खोज के माध्यम से पहचाना गयल रहे। एकर अतिरिक्त, ABC प्रोटीन की पहचान परजीवी की एक संदर्भ ट्रांसक्रिप्टोम में की गई थी, जो एक बहु-चरण RNA लाइब्रेरी की उच्च-प्रवाह RNA अनुक्रमण (RNA-seq) द्वारा उत्पन्न की गई थी। जीनोम अउर ट्रांसक्रिप्टोम दुनौ के खोज कुल 33 जीन/ट्रांसक्रिप्ट की पहचान कीन जउन एबीसी प्रोटीन के खातिर कोड करत हैं, जेमा से 3 का जीनोम अउर 4 का ट्रांसक्रिप्टोम में ही प्रतिनिधित्व करत हैं। अठारह अनुक्रमों को एबीसी उप-परिवारों मा सौंपा गयल रहे जौन जानकरी से ड्रग ट्रांसपोर्टर शामिल ह्वे रहे, यानी उपपरिवार B (4 अनुक्रम), C (11) और G (2) । नतीजा इ बताय देत है कि एल. साल्मोनिस के एबीसी जीन परिवार मा अन्य आर्थ्रोपोड के लिए दर्ज कीन गै सदस्यन से कम सदस्य हैं। एल. साल्मोनिस एबीसी जीन सुपर फैमिली का वर्तमान सर्वेक्षण सैल्मन डिलुइजिंग एजेंट्स की विषाक्तता में एबीसी ट्रांसपोर्टर की संभावित भूमिका और ड्रग रेसिस्टेंस के संभावित तंत्र के रूप में आगे के शोध का आधार प्रदान करेगा। |
4a3235a542f92929378a11f2df2e942fe5674c0e | इ पेपर अनसुपरवेटेड न्यूरल नेट बेस्ड इंट्रूज़न डिटेक्टर (यूएनएनआईडी) सिस्टम का परिचय देत है, जवन अनसुपरवेटेड न्यूरल नेटवर्क का उपयोग करके नेटवर्क-आधारित घुसपैठ और हमले का पता लगाता है। एह प्रणाली मा बिना निगरानी वाले जाल कय प्रशिक्षण, परीक्षण औ ट्यूनिंग कय सुविधा है जवने कय उपयोग घुसपैठ कय पता लगावे कय लिए कीन जाय। इ प्रणाली का प्रयोग कइके, हम बिना निगरानी के adaptive resonance theory (ART) जाल (ART-1 and ART-2) के दुई परकार कय परीक्षण किहेन । परिणाम के आधार पर, अइसन जाले सभ नेटवर्क ट्रैफ़िक के सामान्य अउर घुसपैठ वाले दुन्नूं मा वर्गीकृत कर सकत हैं। इ प्रणाली दुरुपयोग अउर विसंगति डिटेक्शन दृष्टिकोण का एक संकर का उपयोग करत है, यहै कारन इ ज्ञात हमला प्रकार के साथ-साथ विसंगति के रूप मा नए हमला प्रकार का पता लगावे मा सक्षम है। |
10a9abb4c78f0be5cc85847f248d3e8277b3c810 | कम्प्यूटेशनल नेचुरल लैंग्वेज लर्निंग पर सम्मेलन एक साझा कार्य का सुविधा देत है, जौन प्रतिभागी आपन सीख प्रणाली का प्रशिक्षण देत है अउर वही डेटा सेट पर परीक्षण करत है। 2007 मा, 2006 मा के रूप मा, साझा कार्य निर्भरता पार्सिंग को समर्पित छ, यस वर्ष दुबै एक बहुभाषी ट्रैक र एक डोमेन अनुकूलन ट्रैक संग। इ पेपर मा, हम अलग-अलग ट्रैक के काम का परिभाषित करत हन औ दस भाषाओं के लिए मौजूदा ट्रीबैंक्स से डेटासेट का निर्माण कइसे कीन गवा हय। एकर अलावा, हम सहभागी लोगन की विभिन्न प्रणालियन का यक सूचीबद्ध करत हई, जवन कि टेस्टिंग परिणाम की रिपोर्ट करत है अउर ओके एक निश्चित स्तर तक सीमित करत है, अउर आमतौर पय यहिकै सिफारिश करी जात है कि भाषा के बारे मा जानकारी के लिए इनक्यूबेटर मा स्तर पय रहें। |
14626b05a5ec7ec2addc512f0dfa8db60d817c1b | इ पेपर मा हम गहरी तंत्रिका नेटवर्क पर विशेष ध्यान देहे के खातिर बड़े पैमाना पर गैर-उपमुख अनुकूलन समस्या के लिए त्वरण तकनीक का पता लगाये हव। एक्स्ट्रापोलेशन योजना उत्तल अनुकूलन खातिर स्टोचस्टिक ग्रेडिएंट अवतरण के गति बढ़ावे खातिर एक क्लासिक तरीका ह, लेकिन इ सामान्य रूप से उत्तल अनुकूलन खातिर अच्छा काम नहीं करत है. वैकल्पिक रूप से, हम गैर-उपमुख अनुकूलन का गति बढ़ाने का एक अंतराल योजना का प्रस्ताव करते हैं और विधि को इंटरपोलट्रॉन कहते हैं। हम इंटरपोलट्रॉन के पीछे का प्रेरणा का वर्णन करें और एक गहन अनुभवजन्य विश्लेषण करें। CIFAR-10 और ImageNet पर बड़ी गहराई (जैसे, 98-layer ResNet और 200-layer ResNet) के DNNs पर अनुभवजन्य परिणाम दिखाते हैं कि इंटरपोलट्रॉन गति और एडम के साथ SGD जैसे अत्याधुनिक तरीकों से बहुत तेजी से अभिसरण कर सकता है। एकरे अलावा, एंडरसन का त्वरण, जेहमा मिश्रण गुणांक के गणना सबसे कम वर्ग के अनुमान से कीन जात है, के परफॉर्मेंस बेहतर करे खातिर भी इस्तेमाल कइल जा सकत बा. इंटरपोलट्रॉन अउर एंडरसन का एक्सेलेरेशन लागू करै अउर ट्यून करै मा आसान अहै। हम ई भी देखब कि इंटरपोलट्रॉन कय कुछ नियमात्मकता मान कय तहत रैखिक अभिसरण दर अहै। |
55baef0d54403387f5cf28e2ae1ec850355cf60a | कीर्न्स, नील, रोथ, अउर वू [आईसीएमएल २०१८] हाल ही मा अमीर उपसमूह निष्पक्षता की धारणा का प्रस्तावित कीन गवा है, जेकर उद्देश्य सांख्यिकीय अउर व्यक्तिगत निष्पक्षता की धारणा के बीच के अंतर का पालना करेक अहै। रिच उपसमूह निष्पक्षता एक सांख्यिकीय निष्पक्षता बाधा (कहते हैं, संरक्षित समूहों पर झूठी सकारात्मक दरों का समकक्ष), लेकिन फिर पूछता है कि क्या यह बाधा बाउंड वीसी आयाम के साथ कार्यों के एक वर्ग द्वारा परिभाषित उपसमूहों का एक घातीय या असीम रूप से बड़ा संग्रह है। उ एक एल्गोरिथ्म देत है जौन गारंटीकृत रूप से इ बाधा के अधीन सीखत है, इ शर्त के तहत कि इके पास ओरेकल तक पहुंच है, निष्पक्षता बाधा के बिना पूरी तरह से सीखने के लिए। इ पेपर मा, हम केयर्नस एट अल का एल्गोरिथ्म का एक व्यापक अनुभवजन्य मूल्यांकन करत हयन। चार वास्तविक डेटासेट पर जौन निष्पक्षता चिंता का विषय है, हम एल्गोरिथ्म के मूल अभिसरण की जांच करते हैं जब सीख रहे ओरेकल के स्थान पर तेजी से heuristics के साथ उदाहरण दिया जाता है, निष्पक्षता और सटीकता के बीच व्यापार-बंद का माप करें, और इस दृष्टिकोण की तुलना करें अगरवाल, बेगेलज़ायमर, डुडिक, लैंगफोर्ड, और वाल्च [ICML 2018] के हालिया एल्गोरिथ्म के साथ, जो व्यक्तिगत संरक्षित विशेषताओं द्वारा परिभाषित कमजोर और अधिक पारंपरिक सीमांत निष्पक्षता बाधाओं का कार्यान्वयन करता है। हम ई सब कै निदान करत हई, ई सब बिन बिन प्रमाण कीन जात है। एल्गोरिथ्म तेजी से अभिसरण करत है, निष्पक्षता में बड़ा लाभ सटीकता के लिए मामूली लागत के साथ प्राप्त किया जा सकता है, और केवल सीमांत निष्पक्षता के अधीन सटीकता का अनुकूलन महत्वपूर्ण उपसमूह अनुचितता के साथ वर्गीकरणकर्ता का नेतृत्व करता है। हम भी कई विश्लेषण अउर विज़ुअलाइज़ेशन कीन किन्नर एट अल का गतिशीलता अउर व्यवहार का प्रदान करत हैं। एल्गोरिथ्म मा कुल मिला के हम ई अल्गोरिदम वास्तविक डेटा पर प्रभावी पाये हैं, अउर समृद्ध उपसमूह निष्पक्षता अभ्यास में एगो व्यवहार्य धारणा है. |
6be461dd5869d00fc09975a8f8e31eb5f86be402 | कंप्यूटर एनिमेटेड एजेंट्स अउर रोबोट्स मनुष्य कंप्यूटर इंटरैक्शन मा एक सामाजिक आयाम लाते हैं अउर हमें नए तरीका से सोचने के लिए मजबूर करते हैं कि कंप्यूटर का हर रोज के जीवन मा कैसे इस्तेमाल कै सका जात है। आमने-सामने संचार वास्तविक समय मा एक प्रक्रिया होंद अर 40 मिलीसेकंड का क्रम मा समय मा काम करदो। इ समय पै अनिश्चितता का स्तर काफी ज्यादा होत है, यहै कारन मनई अउर मशीनन का इ समस्यन के समझ से जादा समझदारी वाले प्राथमिक तत्वन पे भरोसा करै के जरूरत होत है। इ पेपर मा हम यक बुध्दिमान मनई पर प्रगती प्रस्तुत करत हई। सिस्टम स्वचालित रूप से वीडियो स्ट्रीम मा फ्रंटल चेहरे का पता लगाता है और वास्तविक समय मा 7 आयामों के संबंध मा उन्हें कोडित करता हैः तटस्थ, क्रोध, घृणा, भय, खुशी, उदासी, आश्चर्य। चेहरा खोजक प्रवर्धन तकनीक से प्रशिक्षित फीचर डिटेक्टर का एक कैस्केड का उपयोग करता है [15, 2]। अभिव्यक्ति पहचानकर्ता चेहरा डिटेक्टर द्वारा स्थित छवि पैच प्राप्त करता है। पैच का एक गॅबोर प्रतिनिधित्व बनत है और फिर एसवीएम वर्गीकरणकर्ता का एक बैंक द्वारा संसाधित किया जात है। Adaboost अउर SVM का एक नया संयोजन प्रदर्शन बढ़ावेला. इ प्रणाली का परीक्षण मुड़ के भाव का कोहन-कनाडा डेटासेट पर कईल गयल रहे । एक 7-तरफा जबरन चयन सही के लिए नए विषयों का सामान्यीकरण प्रदर्शन। सबसे दिलचस्प बात इ है कि वर्गीकरणकर्ता का आउटपुट समय के साथ आसानी से बदल जात है, अउर संभावित रूप से मूल्यवान प्रतिनिधित्व प्रदान करत है ताकि चेहरे पर अभिव्यक्ति गतिशीलता पूरी तरह से स्वचालित और गैर-आक्रामक तरीके से कोडित हो सके। इ प्रणाली सोनी के एइबो पालतू रोबोट, एटीआर के रोबोवी, अउर सीयू एनिमेटर सहित कई तरह के प्लेटफार्मों पर तैनात की गई है, अउर वर्तमान में स्वचालित रूप से पढ़ै वाले ट्यूटर्स, मानव-रोबोट बातचीत का मूल्यांकन सहित अनुप्रयोगों के लिए मूल्यांकन की जा रही है। |
15f932d189b13786ca54b1dc684902301d34ef65 | कम बिजली वाले फोटोवोल्टिक अनुप्रयोग खातिर एक उच्च दक्ष LLCC-प्रकार के अनुनाद डीसी-डीसी कनवर्टर का इ पेपर में चर्चा कीन गा है। ई रिज़ोनेंट टैंक कय अलग-अलग डिज़ाइन मेकानिज्म पे जोर दियत अहै। एक ही समय मा इन्वर्टर के साथ-साथ rectifier पुल का नरम स्विचिंग माना जात है। डिजाइन नियम के बारे मा, एक नई चुनौती एक वोल्टेज स्रोत आउटपुट के साथ एक LLCC-कन्वर्टर डिजाइन मा हल कीन गै बाय। प्रतिध्वनि तत्वों के बजाय, उनके अनुपात, उदाहरण के लिए, इंडक्टेंस का अनुपात Ls/Lp को सबसे पहले डिजाइन मापदंड के रूप मा माना जाता है। ई अतिरिक्त रूप से, ट्रान्सफार्मर-इंडक्टर डिवाइसेज़ के लिए व्युत्पन्न डिजाइन नियम सीधे समग्र LLCC-डिज़ाइन में फिट बैठता है। ट्रांसफार्मर की प्रकृति के कारन, यानी प्रेरण Ls/Lp का संबंध केवल ज्यामिति का एक फलन है, यह डिजाइन पैरामीटर सीधे ज्यामिति द्वारा माना जाता है। प्रयोगात्मक परिणाम ऊँच स्तर पर होत रहे. |
f13902eb6429629179419c95234ddbd555eb2bb6 | |
07d138a54c441d6ae9bff073025f8f5eeaac4da4 | बड़ी मात्रा मा डाटा पै प्रशिक्षित बड़े गहरे तंत्रिका नेटवर्क (डीएनएन) मॉडल हाल ही मा कठिन कार्यो पर सबसे अच्छी सटीकता प्राप्त कीन गवा है, जैसन कि छवि और भाषण मान्यता। कमोडिटी मशीनों का एक क्लस्टर का उपयोग करके इन डीएनएन का प्रशिक्षण एक आशाजनक दृष्टिकोण है, क्योंकि प्रशिक्षण समय लेने वाला और कंप्यूटिंग गहन है। अत्यधिक बड़े डीएनएन का प्रशिक्षण सक्षम करने के लिए, मॉडल मशीनों पर विभाजित हैं। बहुत बडे डेटा सेट पर प्रशिक्षण तेज करे खातिर, कई मॉडल प्रतिकृति प्रशिक्षण उदाहरणों के अलग-अलग उप-समूहों पर समानांतर रूप से प्रशिक्षित करे जात हैं, एक वैश्विक पैरामीटर सर्वर इन प्रतिकृतिओं पर साझा भार बनाए रखेगा। मॉडल अउर डेटा विभाजन अउर समग्र सिस्टम प्रावधान खातिर सही चुनाव डीएनएन अउर वितरित सिस्टम हार्डवेयर विशेषता पर बहुत निर्भर करत है। इ निर्णय अब महत्वपूर्ण डोमेन का विशेषज्ञता और समय-उपभोग वाले अनुभवजन्य राज्य अंतरिक्ष अन्वेषण की आवश्यकता है। इ पेपर प्रदर्शन मॉडल का विकास करत है जवन कुल वितरित सिस्टम प्रदर्शन और स्केलेबिलिटी पर इ विभाजन और प्रावधान निर्णयों का प्रभाव का मापता है। साथ ही, हम इ प्रदर्शन मॉडल का उपयोग एक स्केलेबिलिटी ऑप्टिमाइज़र बनाएँ खातिर करित है जवन कि इष्टतम सिस्टम विन्यास का कुशलता से निर्धारित करत है जवन कि DNN प्रशिक्षण समय का कम से कम करत है। हम आपन प्रदर्शन मॉडल अउर स्केलेबिलिटी ऑप्टिमाइजर का मूल्यांकन करत हैं, जवन कि एक अत्याधुनिक वितरित डीएनएन प्रशिक्षण ढांचे का उपयोग करत है, जवन कि दू गो बेंचमार्क अनुप्रयोगन पर आधारित है. परिणाम ई दिखावत है कि हमार परफॉर्मेंस मॉडल डीएनएन ट्रेनिंग टाइम का अनुमान लगावत है, अउर हमार स्केलेबिलिटी ऑप्टिमाइजर सही ढंग से सबसे अच्छा कॉन्फ़िगरेशन चुनत है, वितरित डीएनएन का ट्रेनिंग टाइम कम करत है। |
eee686b822950a55f31d4c9c33d02c1942424785 | सार- इ पेपर में क्वार्टर वेव ट्रांसफार्मर के साथ टी-जंक्शन का उपयोग करके 2 x 2 त्रिकोणीय माइक्रोस्ट्रिप पैच एंटीना का वर्णन है। पैच एंटीना मा दूरी को विनियमित करैं अउर फीड पोजीशन का समायोजन करैं, बैंडविड्थ प्राप्त कीन जा सकत है अउर एक सरणी का उपयोग कइके, दिशात्मकता बढ़ाई जा सकत है। बड़ी बैंडविड्थ, उच्च दिशात्मकता, और न्यूनतम आकार की आवश्यकता T- जंक्शन नेटवर्क के साथ फीडिंग 5.5 GHz पर काम करने वाले 2 x 2 त्रिकोणीय माइक्रोस्ट्रिप पैच एंटीना सरणी के डिजाइन का कारण बनती है। एक FR4 सब्सट्रेट पर डिजाइन का एक एंटीना जेकर एक डाइलेक्ट्रिक स्थिरता (r) 4.4, एक हानि स्पर्शरेखा 0.02 और 1.6 मिमी मोटाई थी. सिमुलेशन परिणाम से पता चला कि डिजाइन किए गए एंटीना का डायरेक्टिविटी 12.91 डीबी और बैंडविड्थ 173 मेगाहर्ट्ज है, वीएसडब्ल्यूआर 1.07 टी-जंक्शन फीडिंग नेटवर्क का उपयोग कर रहा है। प्रस्तावित 2 x 2 त्रिकोणीय सरणी मा हल्का वजन, निर्माण को सरलता, एकल परत संरचना, र उच्च directivity को लाभ छ। कीवर्ड बैंडविड्थ, कॉर्पोरेट फीडिंग, रिटर्न लॉस, टी-जंक्शन, वीएसडब्ल्यूआर. |
c707938422b60bf827ec161872641468ec1ffe00 | हम सीमित राज्य मा मान समारोहों का स्थान का ज्यामितीय और टोपोलॉजिकल गुण स्थापित करते हैंक्रिया मार्कोव निर्णय प्रक्रियाओं। हमार मुख्य योगदान एकर आकार की प्रकृति का लक्षणन है: एक सामान्य पॉलीटोप (एगर एट अल, 2010) । इ परिनाम के प्रदर्शित करय के लिए, हम नीति अउर मूल्य कार्यों के बीच संरचनात्मक संबंध के कई गुणन के प्रदर्सन करत हई, जेमा रेखा प्रमेय शामिल बा, जे दिखाता है कि एक राज्य के अलावा सभी राज्यन पर प्रतिबंधित नीति के मूल्य कार्यों का एक रेखा खंड का वर्णन करत है. अंत मा, हम इ नवा परिप्रेक्ष्य का उपयोग करैं का विज़ुअलाइज़ेशन का परिचय देंय के लिए सुदृढीकरण सीखन एल्गोरिदम की गतिशीलता का समझ बढ़ावे खातिर। |
86854374c13516a8ad0dc28ffd9cd4be2bca9bfc | हाल के बरस मा समस्या मा बढ़त रुचि रही है, जहां या तो अवलोकन डेटा या छिपा राज्य चर एक ज्ञात रिमैनियन manifold तक सीमित हैं। क्रमिक डाटा विश्लेषण मा इ रुचि भी बढ़ रही है, लेकिन बल्कि कच्चा एल्गोरिदम लागू कीन गा है: या तो मोंटे कार्लो फ़िल्टर या क्रूर-बल discretisations। इ दृष्टिकोण खराब रूप से मापत ह अउर एक लापता अंतर का स्पष्ट रूप से दिखावा करत ह: गैर-यूक्लिडियन डोमेन में वर्तमान में कलमैन फ़िल्टर का कौनो सामान्य एनालॉग उपलब्ध नाही है। इ पेपर मा, हम पहिले बिना गंध वाले ट्रांसफॉर्म अउर फिर बिना गंध वाले कलमैन फ़िल्टर का रिमैनियन मल्टीफ़ोल्ड मा सामान्यीकरण करके इ समस्या का समाधान करत हैं। जैसै कल्मान फ़िल्टर को गॉस-न्यूटन विधि से जुड़ा एक अनुकूलन एल्गोरिथ्म के रूप मा देखा जा सकता है, हमार एल्गोरिथ्म भी manifolds पर एक सामान्य-उद्देश्य अनुकूलन ढांचा प्रदान करता है। हम सुझावे वाली विधि का वर्णन करत हैं कि कइसे मजबूत अउर अभिसरण का अध्ययन करेक है, एक क्षेत्र मा ट्रैकिंग समस्या का उपयोग करत है सह-विचलन सुविधाएं, एक स्पष्ट ट्रैकिंग समस्या, एक औसत मूल्य अनुकूलन और एक पोजीशन अनुकूलन समस्या। |
a075a513b2b1e8dbf9b5d1703a401e8084f9df9c | यूनिप्लेनर कॉम्पैक्ट इलेक्ट्रोमैग्नेटिक बैंडगैप (यूसी-ईबीजी) सब्सट्रेट प्रिंटेड एंटीना ज्यामिति में सतह तरंग उत्तेजना को कम करने का एक प्रभावी उपाय साबित हुआ है। इ पेपर एक यूसी-ईबीजी सब्सट्रेट मा एम्बेडेड एक माइक्रोस्ट्रिप एंटीना चरणबद्ध सरणी का प्रदर्शन जांचता है। परिणाम तत्वों के बीच आपसी युग्मन मा एक कमी दिखावा करते हैं और मुद्रित तत्वों के साथ चरणबद्ध सरणी अनुप्रयोगों मा "अंधे स्थान" समस्या का एक संभावित समाधान प्रदान करते हैं। एक नया अउर कुशल UC-EBG सरणी विन्यास प्रस्तावित बा. एक उच्च विद्युत स्थिर सब्सट्रेट पर 7/spl बार/5 तत्वों का एक जांच खिला पैच एंटीना चरणबद्ध सरणी डिजाइन, निर्मित और परीक्षण किया गया था। सिमुलेशन और माप परिणाम सक्रिय रिटर्न हानि और सरणी केन्द्र तत्व का सक्रिय पैटर्न मा सुधार दिखाते हैं। इ काम कय सबसे अच्छा तरीका ई है कि ई काम राउर खुद कय सरेसा से करय |
16a0fde5a8ab5591a9b2985f60a04fdf50a18dc4 | उपयोगकर्ता प्रमाणीकरण के लिए पैदल का एक कुशल बायोमेट्रिक लक्षण माना जाता है। यद्यपि कुछ अध्ययन अइसन भी अहैं जवन चाल-प्रणाली आधारित प्रमाणीकरण प्रणालियों में चाल-प्रणाली टेम्पलेट/मॉडल क सुरक्षा कय कार्य कय संबोधित करत हँय, ऊ लोग चाल-प्रणाली डेटा कय कम भेदभाव अउर उच्च भिन्नता कय ध्यान नाय देत हँय जवन प्रस्तावित प्रणालि कय सुरक्षा अउर व्यावहारिकता कय काफी प्रभावित करत हँय। इ पेपर मा, हम जड़ता से संवेदक आधारित पैदल क्रिप्टो सिस्टम मा उपरोक्त कमी को संबोधित करने पर ध्यान केंद्रित कर रहे हैं। विशेष रूप से, हम रैखिक भेदभाव विश्लेषण का लाभ उठायब, पैदल पैटर्न का भेदभाव बढ़ाए खातिर, अउर ग्रे कोड क्वांटिज़ेशन का उच्च भेदभावपूर्ण अउर स्थिर बाइनरी पैटर्न निकाले खातिर। 38 अलग-अलग उपयोगकर्ता पर प्रयोगात्मक परिणाम से पता चला कि हमार प्रस्तावित विधि गैट क्रिप्टो सिस्टम का प्रदर्शन अउर सुरक्षा मा काफी सुधार करे है। विशेष रूप से, हम 6 × 10−5% (यानी, 16983 परीक्षणों में से 1 विफल रहा) का गलत स्वीकृति दर हासिल की, और 148-बिट सुरक्षा के साथ 9.2% गलत अस्वीकृति दर। |
d7fd575c7fae05e055e47d898a5d9d2766f742b9 | |
84ade3cb5b57624baee89d9e617bb5847ee07375 | |
9e5158222c911bec96d4f533cd0d7a1a0cff1731 | अगला पीढ़ी क आरएफ सेंसर मॉड्यूल क खातिर बहुक्रियाशील सक्रिय इलेक्ट्रॉनिक रूप से निर्देशित एंटीना (एईएसए) प्रणालि क विभिन्न संचालन मोड का संयोजन की आवश्यकता होई, जइसे कि रडार, इलेक्ट्रॉनिक युद्ध (ईडब्ल्यू) कार्यक्षमता अउर एक ही एंटीना फ्रंटएंड के भीतर संचार/डेटा लिंक। ऊ आमतौर पर C-बैंड, X-बैंड और Ku-बैंड में काम करते हैं और 10 GHz से अधिक की बैंडविड्थ आवश्यकता का मतलब है। आधुनिक सक्रिय इलेक्ट्रॉनिक रूप से निर्देशित एंटीना की प्राप्ति के लिए, ट्रांसमिट/रिसीव (टी/आर) मॉड्यूल को सख्त ज्यामिति आवश्यकताओं का मिलान करना होगा। ई भविष्य कय बहुक्रियाशील आरएफ सेंसर मॉड्यूल कय लिए एक प्रमुख चुनौती आधा तरंग दैर्ध्य एंटेना ग्रिड अंतराल द्वारा निर्धारित करल जात है, जवन भौतिक चैनल चौड़ाई <12 मिमी या उससे भी कम तक सीमित करत है, जउन उच्चतम संचालन आवृत्ति पे निर्भर करत है, जउन बीम प्वाइंटिंग आवश्यकताओं का अनुपालन करत है। इ ज्यामिति क मांगों का पार करे क खातिर एक आशाजनक समाधान कुल मोनोलिथिक माइक्रोवेव एकीकृत सर्किट (एमएमआईसी) चिप क्षेत्र का कम करैं है, जवन कि अलग-अलग आरएफ कार्यक्षमताओं का एकीकृत करके प्राप्त कीन जात है, जवन आमतौर पे अलग-अलग एकीकृत सर्किट (आईसी) के माध्यम से प्राप्त कीन जात है, नया बहुक्रियाशील (एमएफसी) एमएमआईसी में। इ काम मा कई अवधारणाओं, कुछ पहले से ही लागू, अगली पीढ़ी के आरएफ सेंसर मॉड्यूल की ओर चर्चा कीन जई और समझाइ जई। |
77a9473256f6841d40cb9198feb5b91dccf9ffd1 | इ पेपर एक डिमेबल चार्ज-पंप ड्राइवर का प्रस्तुत करत है ताकि प्रकाश उत्सर्जक डायोड (एलईडी) को पावर फैक्टर सुधार (पीएफसी) और शून्य वोल्टेज स्विचिंग (जेडवीएस) के साथ पावर दिया जा सके। प्रस्तावित एलईडी ड्राइवर इलेक्ट्रोलाइटिक कैपेसिटर का उपयोग नहीं करता है, उच्च उपयोगी जीवन प्रदान करता है, और ओपन लूप नियंत्रण में आउटपुट करंट को स्थिर कर सकता है, बिना करंट सेंसर की आवश्यकता के, लागत को कम कर सकता है। आउटपुट पावर स्विचिंग आवृत्ति के अनुपात मा है, जो एल ई डी को मंद करने की अनुमति देत है। 22W का एक प्रोटोटाइप लागू किया गया था और प्रयोगात्मक परिणाम पर चर्चा की गई। प्रोटोटाइप का पावर फैक्टर 0.996 रहा और 89.5 प्रतिशत की दक्षता रही। ड्राइवर आउटपुट पावर स्विचिंग आवृत्ति के माध्यम से 40% से अधिक कम हो गयल ह जबकि 53 kHz से 30 kHz तक भिन्न होत ह अउर कनवर्टर ZVS में काम करत रहत ह। |
b5fe4731ff6a7a7f1ad8232186e84b1f944162e0 | क्रॉस-मीडिया हैशिंग, जवन अलग-अलग मोडालिटी से डेटा का एक सामान्य कम-आयामी हैमिंग स्पेस में एम्बेड करके क्रॉस-मीडिया रिकवरी का संचालन करता है, हाल के वर्षों में गहन ध्यान आकर्षित किया है। ई तथ्य से प्रेरित ह) बहु-मॉडल डेटा व्यापक रूप से फैलल बा, उदाहरन खातिर, फ़्लिकर पर वेब चित्र टैग के साथ जुड़ल बा, अउर बी) हैशिंग बड़ पैमाना पर उच्च आयामी डेटा प्रोसेसिंग के लिए एक प्रभावी तकनीक ह, जवन कि क्रॉस-मीडिया रिकवरी के स्थिति ह। गहरी शिक्षा मा हालिया प्रगति से प्रेरित होके, हम बहु-मॉडल न्यूरल नेटवर्क पर आधारित क्रॉस-मीडिया हैशिंग दृष्टिकोण का प्रस्ताव करत हन। सीखय के उद्देश्य मा प्रतिबंध लगावत (क) प्रासंगिक क्रॉस-मीडिया डेटा के लिए हैश कोड समान होय, अउर (ख) हैश कोड वर्ग लेबल का भविष्यवाणी करय के लिए विभेदक होय, सीखे गए हैमिंग स्पेस से क्रॉस-मीडिया सिमेंटिक रिश्ता के ठीक से पकड़य के उम्मीद कीन जात है अउर सिमेंटिक रूप से विभेदक होय। दुन्नो वास्तविक दुनिया के डाटा सेट पर प्रयोग से पता चलता है कि हमार दृष्टिकोण आधुनिक समय की तकनीक की तुलना में अधिकतर क्रॉस-मीडिया रिकवरी प्रदर्शन का दिखावा करता है। |
9814dd00440b08caf0df96988edb4c56cfcf7bd1 | एक आकर्षण उच्च स्तर का कार्य इरादा प्रदान करता है और स्थानीय योजनाकार के लिए पर्यावरण के बारे में वैश्विक जानकारी शामिल करता है, जिससे लंबी अवधि के साथ महंगी वैश्विक योजना की आवश्यकता समाप्त हो जाती है। ई देखाई दिहा बा कि एक आकर्षण के साथ प्रक्षेपवक्र योजना का परिणाम एकल स्थानीय योजना वाले प्रणालियों की तुलना में बेहतर प्रदर्शन है एक्टिव SLAM एक स्वायत्त रोबोट खातिर SLAM प्रक्रिया के साथ-साथ कुशल मार्गन का योजना बनाए खातिर चुनौती पैदा करत है। रोबोट, नक्शा अउर सेंसर माप के अनिश्चितता अउर गतिशील अउर गति प्रतिबंधन के योजना प्रक्रिया मा विचार कीन जाये के जरूरत है। इ पेपर मा, सक्रिय SLAM समस्या एक इष्टतम प्रक्षेपवक्र योजना समस्या के रूप मा तैयार कीन गा है। एक नया तकनीक शुरू की गई है जो एक स्थानीय योजना रणनीतियों के साथ एक आकर्षक का उपयोग कर रही है जैसे कि मॉडल भविष्यवाणी नियंत्रण (a.k.a. ई समस्या का हल करै खातिर, हमलोगन कुछ समय खातिर सोच-विचार (मैट्रिक्स) कीन। |
bc32313c5b10212233007ebb38e214d713db99f9 | वयस्क क्लिनिकल इलेक्ट्रोकार्डियोग्राफी (ईसीजी) सिग्नल प्रोसेसिंग तकनीक अउर डिजिटल प्रोसेसर क शक्ति मा महत्वपूर्ण प्रगति के बावजूद, गैर-आक्रामक भ्रूण ईसीजी (एनआई-एफईसीजी) का विश्लेषण अभी भी आपन प्रारंभिक अवस्था मा अहै। फिजियोनेट/कम्प्यूटिंग इन कार्डियोलॉजी चैलेंज 2013 इन सीमाओं में से कुछ का समाधान करता है, सिग्नल प्रोसेसिंग तकनीकों का मूल्यांकन करने के लिए वैज्ञानिक समुदाय के लिए सार्वजनिक रूप से उपलब्ध एफईसीजी डेटा का एक सेट बनाकर। पेट के ईसीजी सिग्नल को पहले एक बैंड-पास फ़िल्टर के साथ पूर्व-प्रसंस्कृत किया गया था ताकि उच्च आवृत्तियों और बेसलाइन भटकने को हटाया जा सके। अगर जरूरी होय, तौ एक ठो फ़िल्टर यक वैकल्पिक तरीका से बनवा जाय ताकि वै एक समुदाय का फिर से बनाय सकैं, या इनक्यूबेटर पय एक विकी मा बदल सका जाय। तब माथेरन ईसीजी के रद्द करे खातिर विभिन्न स्रोत अलगाव तकनीक लागू करे से पहिले सिग्नल के सामान्यीकृत करल गयल. इ तकनीक में शामिल थेः टेम्पलेट घटाव, मुख्य/स्वतंत्र घटक विश्लेषण, विस्तारित कलमैन फ़िल्टर और इन विधियों का एक उप-समूह (FUSE विधि) का संयोजन। फ्यूटल क्यूआरएस का पता पैन एंड टॉमपकिन्स क्यूआरएस डिटेक्टर का उपयोग करके सभी अवशेषों पर लगाया गया था और सबसे सुचारू भ्रूण हृदय गति समय श्रृंखला के साथ अवशिष्ट चैनल का चयन किया गया था। वैधता अउर परीक्षण सेट पर, सबसे अच्छा चुनौती स्कोर प्राप्त हुआ ई 1 = 179.44, ई 2 = 20.79, ई 3 = 153.07, ई 4 = 29.62 अउर ई 5 = 4.67 क्रमशः घटना 1-5 खातिर FUSE विधि का उपयोग करत हुए। इ 53 अंतर्राष्ट्रीय टीमों मा से ई 1 अउर ई 2 खातिर सबसे अच्छा चैलेंज स्कोर रहा अउर चैलेंज में भाग लेबे वालन में से ई 3, ई 4 अउर ई 5 खातिर तीसर अउर दूसरा सबसे अच्छा चैलेंज स्कोर रहा। परिणाम से पता चला कि भ्रूण हृदय गति का अनुमान लगाने के लिए मौजूदा मानक दृष्टिकोण में सुधार किया जा सकता है। हम खुलत स्रोत कोड प्रदान करत हैं ताकि आप वर्णन कै सका जाय कि मानक दृष्टिकोण का तुलना करै के लिए का चाही। |
09f13c590f19dce53dfd8530f8cbe8044cce33ed | हाल के बरस मा, कई उपयोगकर्ता इंटरफ़ेस उपकरण भौतिक बातचीत का प्रबंधन करने के लिए दिखाई दिए हैं। माइक्रोसॉफ्ट का काइनेट कैमरा एक क्रांतिकारी अउर उपयोगी डेप्थ कैमरा है जवन इशारा या गति का पता लगा के Xbox प्लेटफार्म पर इंटरैक्टिव गेमिंग का नया उपयोगकर्ता अनुभव देत है। इ पेपर मा हम माइक्रोसफ्ट किनेट सेंसर का उपयोग कर क्वाड्रोटर एआर ड्रोन का नियंत्रण क लिए एक दृष्टिकोण प्रस्तुत करत हैं। |
ca78c8c4dbe4c92ba90c8f6e1399b78ced3cf997 | इ पेपर मा हम देखब कि ध्यान और आउटपुट के बीच संयुक्त वितरण का एक सरल बीम अनुमान अनुक्रम से अनुक्रम सीखने के लिए एक आसान, सटीक, और कुशल ध्यान तंत्र है। इ पद्धति कठोर ध्यान मा तेज फोकस का फायदा और नरम ध्यान की कार्यान्वयन आसानी को जोड़ती है। पांच अनुवादन अउर दो रूपवैज्ञानिक बदलावन कय काम कय तुलना मा हम BLEU मा मौजूदा ध्यान तंत्र कय तुलना मा सहज अउर लगातार लाभ देखाइ देत हैं। |
abdb694ab4b1cb4f54f07ed16a657765ce8c47f5 | नवाचार के विशेषता अउर नवाचार के अपनयब अउर कार्यान्वयन के संबंध मा सत्तर-पांच लेखन के समीक्षा अउर मेटा-विश्लेषण करल गयल. विश्लेषण का एक हिस्सा मौजूदा अध्ययन का एक पद्धतिगत प्रोफ़ाइल का निर्माण, और एक काल्पनिक इष्टतम दृष्टिकोण के साथ तुलना शामिल था। अध्ययन का दूसरा भाग मेटा-विश्लेषणात्मक सांख्यिकीय तकनीक का उपयोग मौजूदा अनुभवजन्य निष्कर्षों की सामान्यता और स्थिरता का आकलन करने के लिए किया गया। तीन नवाचार विशेषता (संगतता, सापेक्ष लाभ, अउर जटिलता) नवाचार को अपनाने मा सबसे अधिक सुसंगत महत्वपूर्ण सम्बन्ध रहा। इ क्षेत्र मा भविष्य मा अनुसंधान करेक खातिर प्रस्तावित कईल गयल हौ। |
518fd110bbf86df5259fb99126173d626a2ff744 | हम मोबाइल मैनिपुलेटर जइसे पर्सनल रोबोट अउर असेंबली लाइन रोबोट खातिर ट्रेजेक्टरी से सीखय के प्राथमिकता के समस्या पर विचार करत हन। इ हमार पसंदीदा सीखा है, ट्रेजेक्टरी पर सरल ज्यामितीय बाधाओं से ज्यादा जटिल है; इकरे बजाय पर्यावरण में विभिन्न वस्तुअन अउर मानवीय बातचीत के आसपास के संदर्भ से शासित होत है। हम प्रस्तावित ऑनलाइन शिक्षण फ्रेमवर्क का संदर्भित कर रहे हैं ताकि वै प्रासंगिक वातावरण में प्रासंगिकता का प्रचार कर सकें। हमार तरीका का मुख्य नवीनता उपयोगकर्ता से अपेक्षित प्रतिक्रिया का प्रकार मा निहित: मानव उपयोगकर्ता को प्रशिक्षण डेटा के रूप मा इष्टतम प्रक्षेपवक्र को प्रदर्शित करने की आवश्यकता नहीं है, बल्कि केवल इटरेटिव रूप से प्रक्षेपवक्र प्रदान करने की आवश्यकता है कि वर्तमान मा प्रणाली द्वारा प्रस्तावित प्रक्षेपवक्र मा थोड़ा सुधार हो। हमार तर्क ई बा कि इ सहक्रियात्मक वरीयता प्रतिक्रिया का इष्टतम प्रक्षेपवक्र के प्रदर्शन से जादा आसानी से प्राप्त करल जा सकत बा. बहरहाल, हमार एल्गोरिथ्म का सैद्धांतिक पछतावा सीमा इष्टतम प्रक्षेपवक्र एल्गोरिदम का असीमित दर से मेल खात है. हम आपन एल्गोरिथ्म लागू करे हन दु उच्च-डिग्री-ऑफ-फ्रीडम रोबोट्स पे, PR2 और Baxter, और प्रस्तुत करे हन तीन सहज तंत्र अइसन वृद्धिशील फीडबैक प्रदान करे खातिर। हमार प्रयोगात्मक मूल्यांकन मा हम दुई संदर्भ समृद्ध सेटिंग्स, घरेलू कामों अउर किराना स्टोर चेकआउट मा विचार करत हैं, अउर दिखावा करत हैं कि उपयोगकर्ता रोबोट का केवल कुछ फीडबैक के साथ प्रशिक्षित कर सकत हैं (केवल कुछ मिनट लग रहा है) । |
9f927249d7b33b91ca23f8820e21b22a6951a644 | मिलिमीटर तरंग (mmWave) सेलुलर सिस्टम की उच्च डेटा दर सक्षम करै खातिर बेस स्टेशनों अउर मोबाइल उपयोगकर्ताओं दुनौ जगह पै बड़का एंटीना सरणी तैनात करै कै जरूरत है। mmWave सेलुलर नेटवर्क कभरेज अउर दर पै पहिले काम कै मामला पै ध्यान केंद्रित करा जब बेस स्टेशन अउर मोबाइल बीम फॉर्मिंग वैक्टर अधिकतम बीम फॉर्मिंग लाभ के लिए पूर्वनिर्धारित कै जात हैं। बीम बनाने/संयोजन वैक्टर डिजाइन करै मा प्रशिक्षण की आवश्यकता है, जउन एसआईएनआर कवरेज अउर मिमीवेव सिस्टम की दर दोनों का प्रभावित कइ सकत है। इ पेपर बीम प्रशिक्षण/संयोजन ओवरहेड का हिसाब रखेके समय एमएमवेव सेलुलर नेटवर्क प्रदर्शन का मूल्यांकन करत है. सबसे पहिले, बीम स्वीपिंग अउर डाउनलिंक नियंत्रण पायलट पुनः उपयोग के आधार पर प्रारंभिक बीम एसोसिएशन का एक मॉडल विकसित करल जात है. बीम प्रशिक्षण का प्रभाव शामिल करने के लिए, एक नया मीट्रिक, प्रभावी विश्वसनीय दर कहा जाता है, परिभाषित और अपनाया जाता है। स्टोचैस्टिक ज्यामिति का उपयोग करके, एमएमवेव सेलुलर नेटवर्क का प्रभावी दर दो विशेष मामलों के लिए प्राप्त की गई हैः लगभग-ओर्थोगोनल पायलट और पूर्ण पायलट पुनः उपयोग। विश्लेषणात्मक अउर सिमुलेशन परिणाम दुइ महत्वपूर्ण सवालन का जवाब दैहै पे ध्यान देवावत अहै। सबसे पहिले, mmWave नेटवर्क पर बीम एसोसिएशन का प्रभाव क्या है? तब, का ऑर्थोगोनल या फिर से उपयोग किए जा सकने वाले पायलट का उपयोग किया जाय? नतीजा से पता चलता है कि जब तक रासायनिक ऊर्जा की खपत बढ़ रही है, तब तक परमाणु ऊर्जा का उत्पादन बहुत तेजी से बढ़ रहा है |
6bd1f2782d6c8c3066d4e7d7e3afb995d79fa3dd | एक अर्थपूर्ण विभाजन एल्गोरिथ्म एक छवि मा हरेक पिक्सेल को एक लेबल असाइन गर्न पर्छ। हाल ही मा, आरजीबी छवि का अर्थपूर्ण विभाजन गहरी शिक्षा का कारण काफी हद तक उन्नत है। काहे से कि सिमेंटिक सेगमेंटेशन खातिर डेटासेट बनाना कठिन काम है, इ डेटासेट ऑब्जेक्ट मान्यता डेटासेट से काफी छोटा है। इ कठिन बनावत बा सीधे सिमेंटिक खंडन खातिर गहन तंत्रिका नेटवर्क का प्रशिक्षित करेक, काहे से की इ अति-फिटिंग का खतरा होई । इकरे साथ व्यवहार करे खातिर, गहरी सीखा मॉडल आमतौर पर आभासी तंत्रिका नेटवर्क का उपयोग करत हैं, जवन कि बड़ी-बड़ी छवि वर्गीकरण डेटासेट पर पूर्व-प्रशिक्षित होत हैं, और तब वै वैदिक खण्डन खातिर ठीक-ठाक होत हैं। गैर-आरजीबी चित्र खातिर, इ वर्तमान मा संभव नाही हौ काहे से की बड़े पैमाना पर लेबल वाले गैर-आरजीबी डेटासेट मौजूद नाही है। इ पेपर मा, हम बहु-स्पेक्ट्रल रिमोट सेंसिंग इमेजरी का अर्थविशिष्ट खंडन खातिर दुई गहन तंत्रिका नेटवर्क विकसित कीन। लक्षित डेटासेट पर प्रशिक्षण से पहिले, हम बड़ी मात्रा में सिंथेटिक बहु-स्पेक्ट्रल इमेजरी के साथ नेटवर्क का आरंभ करते हैं। हम देखब कि ई वास्तविक दुनिया मा रिमोट सेंसिंग इमेजरी पर परिणाम मा काफी सुधार करत है, और हम Hamlin Beach स्टेट पार्क डेटासेट पर एक नया राज्य-ऑफ-द-आर्ट परिणाम स्थापित करत है। |
9e9b8832b9e727d5f7a61cedfa4bdf44e8969623 | इ पेपर मा वैश्विक समाधान खोज क लिए बड़े पैमाने पर गैर-रैखिक अनुकूलन समस्याओं के लिए शिक्षण-शिक्षण-आधारित अनुकूलन (टीएलबीओ) नामक एक कुशल अनुकूलन विधि का प्रस्ताव दिया गवा है। प्रस्तावित विधि एक कक्षा मा शिक्षार्थी का उत्पादन मा एक शिक्षक को प्रभाव मा आधारित छ। विधि का मूल दर्शन विस्तार से समझावा गा है। विधि कय प्रभावकारिता कय कई अलग-अलग विशेषता वाले बेंचमार्क समस्या पय परीक्षण किन्ह जात है औ परिणाम कय दुसर जनसंख्या आधारित विधि से तुलना कीन जात है। 2011 एल्सवीयर इंक. सब अधिकार सुरक्षित. |
3ca6ab58ae015860098d800a9942af9df4d1e090 | खोज-आधारित ग्राफ क्वेरी, जइसे कि लघु पथ अउर आइसोमॉर्फिक सबग्राफ खोज, मेमोरी विलंबता से प्रभावित होत हैं। अगर इनपुट ग्राफ सही ढंग से विभाजन योग्य होई जात है, तौ बड़ा क्लस्टर-आधारित कंप्यूटिंग प्लेटफार्म इन क्वेरीज़ चला सकत हैं। हालांकि, इनपुट ग्राफ के हर वर्टेक्स मा कम्प्यूटिंग-बाउंड प्रोसेसिंग की कमी अउर पड़ोसीन का पुनर्प्राप्त करै खातिर लगातार जरूरत की वजह से प्रोसेसर का कम उपयोग कीन जात है। एकरे अलावा, "असफल" ग्राफिक्सिक्स (जैसे कि "मौजूदा गंतव्य स्थान") पय कीन जाय वाले स्थानिक विकीन्डोन् कय भी सूचीबद्ध नाइ कीन जाय सकत है। मैसिव मल्टीथ्रेडिंग एक वैकल्पिक वास्तुशिल्प प्रतिमान है, जौन एक बड़ी साझा मेमोरी का प्रोसेसर के साथ जोड़ता है जौन कई थ्रेड संदर्भों का समर्थन करे खातिर अतिरिक्त हार्डवेयर का समर्थन करत है। प्रोसेसर गति सामान्य रूप से सामान्य से धीमी है, और कोई भी डेटा कैश नहीं है। मेमोरी विलंबता को कम करने के बजाय, बहु-थ्रेडेड मशीनें इसे सहन कर रही हैं। ई पैमाना ग्राफ खोज की समस्या से ठीक-ठाक जुड़ा है, काहे से की कम्प्यूटेशन खातिर मेमोरी अनुरोधों का उच्च अनुपात मल्टीथ्रेडिंग के माध्यम से सहन की जा सकत है. इ पेपर मा, हम बहु-थ्रेडेड ग्राफ लाइब्रेरी (एमटीजीएल) का परिचय देत हौवे, बहु-थ्रेडेड कंप्यूटरों पे सिमेंटिक ग्राफ्स क प्रोसेसिंग क खातिर जेनेरिक ग्राफ क्वेरी सॉफ्टवेयर. ई लाइब्रेरी वर्तमान मा सीरियल मशीनों अर Cray MTA-2 पर चलदी छे, पर Sandia एक रन-टाइम सिस्टम विकसित करदी छे जो MTGL-आधारित कोड सममित मल्टीप्रोसेसर पर चलना संभव करदी छे। हम कनेक्टेड घटकों खातिर एक बहु-थ्रेडेड एल्गोरिथ्म अउर असत्य उपग्राफ आइसोमॉर्फिज्म खातिर एक नया युरेस्टिक भी प्रस्तुत करत बानी हम इ अउर अन्य बुनियादी ग्राफ एल्गोरिदम के प्रदर्शन के जांच बड़े पैमाने पर मुक्त ग्राफ पर करत बानी. हम क्रै एमटीए-2 अउर ब्लू जीन/लाइट के बीच एस-टी कनेक्टिविटी खातिर प्रदर्शन तुलना के साथ निष्कर्ष निकालल. |
d4c65ee21bb8d64b8e4380f80ad856a1629b5949 | ब्रॉडबैंड ऑर्थो-मोड ट्रांसड्यूसर मा दोहरी समकोण रैखिक ध्रुवीकरण को अलग करने के लिए एक मुड़ा हुआ पार्श्व हाथों के साथ एक वेव गाइड डिवाइडर प्रस्तुत कीन गा है। संरचना एक प्रसिद्ध डबल समरूपता जंक्शन पर आधारित है, जहां धातु के पिन हटा दिए गए हैं और एक संयुक्त प्रभाव प्राप्त करने के लिए पार्श्व आउटपुट मोड़ दिए गए हैंः ऊर्ध्वाधर ध्रुवीकरण के लिए मिलान और एक बहुत महत्वपूर्ण आकार का कमी। एकर अलावा, चूंकि पार्श्व शाखाओं का मार्ग छोटा है, विभिन्न ध्रुवीकरणों का सम्मिलन हानि संतुलित है। orthogonal polarizations बीच अलगाव junction का डबल-समरूपता की वजह से रखा जाता है। यांत्रिक दृष्टि से, प्रस्तावित जंक्शन ऑर्थो-मोड ट्रांसड्यूसर भागों का एक अधिक सरल निर्माण और संयोजन का अनुमति देता है, जो कि एक Ku-बैंड डिजाइन के साथ दिखाया गया है, जो कि 12.6 से 18.25 GHz तक पूरे Ku-बैंड को कवर करता है। प्रायोगिक प्रोटोटाइप मा मापा गया रिटर्न हानि डिजाइन बैंड मा 28 dB से बेहतर र दुवै ध्रुवीकरण को लागी 0.15 dB से कम सम्मिलन हानि देखाईएको छ। |
db3259ae9e7f18a319cc24229662da9bf400221a | |
10dae7fca6b65b61d155a622f0c6ca2bc3922251 | |
5021c5f6d94ffaf735ab941241ab21e0c491ffa1 | एमएसईआर सुविधाओं का मिलान और पुनर्प्राप्ति कार्यों में उनके प्रदर्शन का सुधार करने के लिए फिर से परिभाषित किया जाता है। प्रस्तावित SIMSER सुविधा (यानी. पैमाना-असंवेदनशील एमएसईआर) चरम क्षेत्र हैं जो न केवल सीमा परिवर्तन (जैसे एमएसईआर) के तहत अधिकतम स्थिर हैं, बल्कि, अतिरिक्त रूप से, छवि पुनस्केलिंग (सुचारूकरण) के तहत। इ बदलाव कय सैद्धांतिक फायदा कय चर्चा कीन गवा अहै। इ भी प्रायोगिक रूप से सत्यापित कीन गवा है कि ए तरह का संशोधन एमएसईआर की बुनियादी विशेषताओं का संरक्षित करता है, अर्थात सुविधाओं का औसत संख्या, दोहराव, और कम्प्यूटेशनल जटिलता (जो केवल उपयोग किए गए तराजू की संख्या से गुणात्मक रूप से बढ़ी है), जबकि प्रदर्शन (आमतौर पर CBVIR मीट्रिक द्वारा मापा जाता है) में काफी सुधार हो सकता है। विशेष रूप से, बेंचमार्क डेटासेट पर परिणाम डिस्क्रिप्टर-आधारित मिलान और शब्द-आधारित मिलान दोनों के लिए, याद मूल्यों में महत्वपूर्ण वृद्धि का संकेत देते हैं। सामान्य तौर पर, SIMSERs का उपयोग बड़े दृश्य शब्दावली वाले उपयोग के लिए विशेष रूप से उपयुक्त प्रतीत होता है, जैसे कि ऊ भविष्यवाणिय रूप से बड़े पैमाने पर डेटाबेस में बीओडब्ल्यू पूर्व-खोज संचालन की गुणवत्ता में सुधार के लिए लागू की जा सकती है। |
e23c9687ba0bf15940af76b7fa0e0c1af9d3156e | उपभोक्ता इलेक्ट्रॉनिक्स उद्योग 240 बिलियन डॉलर का एक वैश्विक उद्योग है। हम ई उद्योग मा कौनो भी वैश्विक आपूर्ति श्रृंखला से जुड़े बहुत सारे जोखिमों का वर्णन करें। उदाहरण के तौर पे हम उहौ अउर कुछ कदम उठाय चुका हई जउन अभी तलक चल रहा है ओन्हन सबके खिलाफ जे सैंसैंग इलेक्ट्रॉनिक्स और ओन्हनके सहायक, सैमसंग इलेक्ट्रॉनिक्स यूके,नई करत बा। जोखिम का वर्णन अउर रोकथाम प्रयास के बारे मा हमार चित्रण भविष्य के अनुसंधान के क्षेत्र के पहिचान खातिर पृष्ठभूमि प्रदान करत है। |
2f52cbef51a6a8a2a74119ad821526f9e0b57b39 | एसएपी हाना डाटाबेस एसएपी हाना उपकरण का कोर के रूप मा तैनात है लेनदेन के अनुरूप परिचालन वर्कलोड के साथ संयोजन मा जटिल व्यापार विश्लेषणात्मक प्रक्रियाओं का समर्थन करे खातिर। ई कागज के भीतर, हम एसएपी हाना डेटाबेस की बुनियादी विशेषता का रूपरेखा, अन्य शास्त्रीय संबंधपरक डेटाबेस प्रबंधन प्रणालियों से एसएपी हाना डेटाबेस को अलग करने वाले विशिष्ट विशेषताओं पर जोर देते हैं। तकनीकी रूप से, SAP HANA डाटाबेस मा एक वितरित क्वेरी प्रोसेसिंग वातावरण संग एकाधिक डाटा प्रोसेसिंग इंजन शामिल छ डाटा प्रोसेसिंग को पूरा स्पेक्ट्रम प्रदान गर्न को लागी - क्लासिक रिलेशनल डाटा बाट एक हाइब्रिड ईन्जिन मा पङ्क्ति र स्तम्भ उन्मुख भौतिक प्रतिनिधित्व को समर्थन, ग्राफ र पाठ प्रसंस्करण को लागी अर्ध र गैर संरचित डाटा प्रबंधन को लागी एक नै प्रणाली भित्र। एक अधिक अनुप्रयोग उन्मुख परिप्रेक्ष्य से, हम कई डोमेन-विशिष्ट भाषाओं का एसएपी हाना डेटाबेस द्वारा प्रदान की गई विशिष्ट सहायता का रूपरेखा तैयार करते हैं, जिसमें मूल रूप से लागू व्यावसायिक कार्यों का एक अंतर्निहित सेट है। एसक्यूएल - रिलेशनल डाटाबेस सिस्टम खातिर लिंगुआ फ्रैंका के रूप मा - अब आधुनिक अनुप्रयोगों की सब आवश्यकताओं का पूरा करने के लिए नहीं माना जा सकता है, जउन डेटा प्रबंधन परत के साथ घनिष्ठ बातचीत की मांग करत हैं। एसे, एसएपी हाना डाटाबेस अंतर्निहित डेटा प्रबंधन मंच के साथ आवेदन अर्थशास्त्र का आदान-प्रदान की अनुमति देता है, जिसका उपयोग क्वेरी अभिव्यक्तिशीलता बढ़ाने और व्यक्तिगत एप्लिकेशन-से-डेटाबेस राउंड ट्रिप की संख्या को कम करने के लिए किया जा सकता है। |
3a011bd31f1de749210b2b188ffb752d9858c6a6 | हम निर्णय समर्थन सुविधाओं का विस्तार बड़े परिष्कृत नेटवर्क तक करे का विचार कर रहे हैं, जिन पर बहुआयामी विशेषताएं नेटवर्क इकाई से जुड़ी हैं, जिससे तथाकथित बहुआयामी नेटवर्क का निर्माण होता है। डाटा वेयरहाउस अउर ओएलएपी (ऑनलाइन एनालिटिकल प्रोसेसिंग) तकनीक रिलेशनल डाटा प फैसला समर्थन खातिर कारगर औजार साबित होइ चुकी हैं। हालांकि, ईस्टर की सटीक तारीख कई बार विवाद का विषय रहा है। हालांकि, एथेरियम के लिए एक अलग परिभाषा है, जो आमतौर पर गलत है। इ पेपर मा, हम ग्राफ क्यूब, एक नया डेटा वेयरहाउसिंग मॉडल पेश करत हौवा जे ओएलएपी क्वेरीज का समर्थन करत हौवा जे बड़े बहु-आयामी नेटवर्क पै प्रभावी ढंग से करत हौवा। नेटवर्क के विशेषता एकत्रीकरण अउर संरचना सारांश दुनौ का ध्यान में रखत हुए, ग्राफ क्यूब पारंपरिक डेटा क्यूब मॉडल से परे चला जात है, जेके केवल संख्यात्मक मान आधारित समूह-द्वारा से शामिल होत है, जेसे हर संभव बहु-आयामी स्थान के भीतर एक अधिक अंतर्दृष्टिपूर्ण अउर संरचना-समृद्ध समग्र नेटवर्क होत है। पारंपरिक क्युबोइड क्वेरीज के अलावा, OLAP क्वेरीज का एक नया वर्ग, क्रॉसबोइड, पेश किया जाता है जो बहु-आयामी नेटवर्क में अद्वितीय रूप से उपयोगी है और पहिले से अध्ययन नहीं किया गया है। हम ग्राफ क्यूब लागू करत हैं बहुआयामी नेटवर्क की विशेष विशेषताओं का संयोजन करके मौजूदा अच्छी तरह से अध्ययन डेटा क्यूब तकनीक के साथ। हम वास्तविक दुनिया के डेटा सेट की एक श्रृंखला पर व्यापक प्रयोगात्मक अध्ययन करें और Graph Cube बड़े बहुआयामी नेटवर्क पर निर्णय समर्थन का एक शक्तिशाली और कुशल उपकरण साबित होता है। |
4b573416043cf9cff42cbb7b753993c907a2be4a | कई पारंपरिक अउर नया व्यापारिक अनुप्रयोग अंतर्निहित रूप से ग्राफ-संरचित डेटा के साथ काम करत हैं अउर एही कारण से ग्राफ के सार अउर डेटा प्रबंधन परत में प्रदान की गई संचालन से लाभान्वित होत हैं। संपत्ति ग्राफ डेटा मॉडल न केवल स्कीमा लचीलापन प्रदान करत है बल्कि डेटा अउर मेटाडेटा का प्रबंधन अउर प्रसंस्करण क भी अनुमति देत है। ग्राफिक्स संचालन क सीधा डाटाबेस इंजन मा लागू करैं अउर इन सब का एक सहज प्रोग्रामिंग इंटरफ़ेस अउर एक घोषणात्मक भाषा के रूप मा उजागर करैं से, जटिल व्यापार अनुप्रयोग तर्क का जादा आसानी से व्यक्त कै सका जात है अउर बहुत प्रभावी ढंग से निष्पादित कै सका जात है। इ पेपर मा हम आपन चल रहे काम का वर्णन करत है जौन SAP HANA डाटाबेस का विस्तार करैं में अंतर्निहित ग्राफ डाटा समर्थन करैं। हम ई SAP HANA के साथ आधुनिक व्यापार अनुप्रयोगन खातिर एक कुशल अउर सहज डेटा प्रबंधन मंच प्रदान करे के राह में एक अगला कदम के रूप में देखित ह. |
16af753e94919ca257957cee7ab6c1b30407bb91 | |
cc75568885ab99851cc0e0ea5679121606121e5d | काम करै वाले कुत्ता का प्रशिक्षण अउर रखरखाव एक महंगाईपूर्ण प्रक्रिया है अउर विशेष कौशल अउर तकनीकी सहायता की आवश्यकता है। कम से कम सबकात्मक अउर सस्ता प्रशिक्षण तकनीक इ कुत्तन क साथे हमार भागीदारी बेहतर बनाए रखि सकत ह। अउर हम लोगन क सक्रियता अउर निस्चय ही उनके कौशल का लाभ उठावइ मँ मदद करिहीं। ई सुविधा खातिर, हम कुत्ता शरीर क्षेत्र नेटवर्क (cBAN) विकसित कर रहल बानी, जवन सेंसर टेक्नोलॉजी अउर कम्प्यूटेशनल मॉडलिंग के संयोजन करत बा ताकि कुत्ता के प्रशिक्षण खातिर एगो सटीक व्याख्या के साथ हैंडलर प्रदान कर सके। इकर पहिला चरण हम इनिटी माप इकाई (आईएमयू) का उपयोग कैके कुत्ता के व्यवहारिक गतिविधि का दूर से पता लगाय सका। निर्णय पेड़ वर्गीकरणकय और छिपे मार्कोव मॉडल का उपयोग स्थैतिक मुद्राओं (बैठे, खड़े, लेटे, दो पैरों पर खड़े और जमीन से खा रहे) और गतिशील गतिविधियों (चलने, सीढ़ियों पर चढ़ने और रैंप से नीचे चलने) का पता लगाने के लिए किया गया था, जो कि एक कुत्ते के बनियान पर तैनात वायरलेस सेंसर सिस्टम द्वारा प्रदान किए गए त्वरणमापक और जाइरोस्कोप डेटा की heuristic सुविधाओं पर आधारित थे। 6 लैब्राडोर रिट्रीवर्स अउर एक काई केन से डेटा एकत्रित कीन गवा रहा। IMU स्थान अउर अभिविन्यास का विश्लेषण स्थिर अउर गतिशील गतिविधि मान्यता के लिए उच्च वर्गीकरण सटीकता प्राप्त करे मा मदद कीन। |
694a40785f480cc0d65bd94a5e44f570aff5ea37 | मोबाइल रोबोट नेविगेशन पर शोध से इनडोर वातावरण का मानचित्रण करे खातिर दुइ प्रमुख प्रतिमान तैयार होइ ग है: ग्रिड-आधारित अउर टोपोलॉजिकल। जबकि ग्रिड-आधारित विधियन से सटीक मीट्रिक मानचित्र पैदा होत हैं, ओनकर जटिलता अक्सर बड़े पैमाने पर इनडोर वातावरण में कुशल योजना अउर समस्या निवारण से रोकत है। दूसरी ओर, टोपोलॉजिकल मानचित्र का उपयोग बहुत सरेखा तरीका से कइल जा सकत है, फिर भी सटीक अउर सुसंगत टोपोलॉजिकल मानचित्र बड़े पैमाने पर वातावरण में सीखल बहुत कठिन बा. इ पेपर एक ऐसी प्रथा का वर्णन करत है जवन दुनो प्रतिमानन का एकीकृत करत हैः ग्रिड-आधारित अउर टोपॉलॉजिकल. ग्रिड-आधारित मानचित्र कृत्रिम तंत्रिका नेटवर्क अउर बेयसन एकीकरण का उपयोग कइके सीखा जात ह। टोपोलॉजिकल मानचित्र ग्रिड-आधारित मानचित्रों के ऊपर उत्पन्न होते हैं, बाद वाले को सुसंगत क्षेत्रों में विभाजित करके। ग्रिड-आधारित अउर टोपोलॉजिकल- दोनों प्रतिमानन का संयोजन कइके, जउन इहौ प्रस्तुत कीन गवा बा, दुनौ दुनियाँ में सबसे अच्छा: सटीकता/संगतता अउर दक्षता प्राप्त होत है। इ पेपर एक स्वायत्त रूप से आबादी वाले बहु-कमरे वाले वातावरण में सोनर सेंसर से लैस एक मोबाइल रोबोट का संचालन करने का परिणाम देता है। |
a512385be058b1e2e1d8b418a097065707622ecd | कैंसर का वैश्विक बोझ बढ़ता जा रहा है ज्यादातर दुनिया की आबादी बढ़ रही है, साथ ही साथ प्रति व्यक्ति कैंसर का एक बड़ा हिस्सा बन रहा है। ग्लोबोकैन 2008 के अनुमान के अनुसार, 2008 मा लगभग 12.7 मिलियन कैंसर अउर 7.6 मिलियन कैंसर मौतें दर्ज कीन गै हैं; इनहिमँ से, 56% केस और 64% मौतें आर्थिक रूप से विकासशील देशन् मा भयल हैं। स्तन कैंसर सबसे ज्यादा लोगन का कैंसर का कारण बन जात है। कुल मिलाकर, 23 प्रतिशत से ज्यादा लोगन का कैंसर का इलाज होत है, जबकि कैंसर से मौत का आंकड़ा 14 प्रतिशत तक होत है। फेफड़ा कय कैंसर पुरूषन मा सबसे जादा होखेला, कुल कैंसर मामलन मा 17% अउर कुल कैंसर मौतन मा 23% । स्तन कैंसर अब आर्थिक रूप से विकासशील देशोँ मा कैंसर से मौत का सबसे बडा कारण बन रहा है, जबकि पिछले दशक मा कैंसर से मौत का सबसे बडा कारण गर्भाशय ग्रीवा का कैंसर हुअय रहा। विकासशील देशोँ मा महिलाओँ का फेफडाँ कय कैंसर से मौत का बोझ गर्भाशय ग्रीवा कय कैंसर से मौत का बोझ जेतना ज्यादा होत हैँ, जेतना कि कुल कैंसर से मौत का 11% होत हैँ। जबकि विकसनशील देश मा कैंसर की कुल दर विकसित देश मा देखी गई तुलना मा आधा है, सामान्य रूप मा कैंसर मृत्यु दर सामान्यतया समान छ। कैंसर बचे के संभावना विकासशील देशन मा जादा है, सबसे जादा संभावना निदान मा देर से चरण और समय पर और मानक उपचार तक सीमित पहुंच की वजह से है। कैंसर के दुनिया भर मा बोझ का एक बड़ा हिस्सा कैंसर नियंत्रण के मौजूदा ज्ञान का आवेदन और तंबाकू नियंत्रण, टीकाकरण (यकृत और गर्भाशय ग्रीवा के कैंसर के लिए), और प्रारंभिक पता लगाने और उपचार, साथ ही साथ सार्वजनिक स्वास्थ्य अभियानों का प्रचार शारीरिक गतिविधि और एक स्वस्थ आहार का सेवन के माध्यम से रोका जा सकता है। क्लिनिक, जन स्वास्थ्य पेशेवर, अउर नीति निर्माता वैश्विक स्तर पर इन हस्तक्षेपऽन् कय कार्यान्वयन मा तेजी लावे कय लिए सक्रिय भूमिका निभा सकत हैं। |
37fa040ec0c4bc1b85f3ca2929445f3229ed7f72 | हम प्रस्तुत करत हई स्केच-आरएनएन, एगो रिकर्सिव न्यूरल नेटवर्क (आरएनएन) जवन सामान्य वस्तुअन के स्ट्रोक-आधारित चित्र बनावे में सक्षम बा। मॉडल हजारन कच्चा मानव-चित्रित छवियन पे प्रशिक्षित है जउन सैकड़ों वर्ग का प्रतिनिधित्व करत हैं। हम सशर्त अउर बिना शर्त स्केच जनरेशन खातिर एक ढांचा का रूपरेखा देत हई, अउर वैक्टर प्रारूप में सुसंगत स्केच चित्रण उत्पन्न करे खातिर नया मजबूत प्रशिक्षण विधियन का वर्णन करत हई। |
a1a1c4fb58a2bc056a056795609a2be307b6b9bf | क्लाउड स्टोरेज तेजी से कई आईटी इंफ्रास्ट्रक्चर का आधारशिला बन चुका है, जो बड़ी मात्रा में डेटा का बैकअप, सिंक्रनाइज़ेशन और साझाकरण का एक सहज समाधान है। क्लाउड सेवा प्रदाताओं का उपयोगकर्ता डेटा का प्रत्यक्ष नियंत्रण, हालांकि, आउटसोर्स किए गए डेटा की अखंडता, संवेदनशील जानकारी का आकस्मिक या जानबूझकर रिसाव, उपयोगकर्ता गतिविधियों का प्रोफाइलिंग आदि से संबंधित सुरक्षा और गोपनीयता चिंताओं का कारण बनता है। एकरे अलावा अगर क्लाउड सप्लायर भरोसामंद होत है, तब भी आउटरसोर्स फ़ाइलन तक पहुँच वाले उपयोगकर्ता खराब हो सकत हैं अउर गलत व्यवहार करत हैं। इ चिंता का विषय विकीर्ण अनुप्रयोगों जैसन कि व्यक्तिगत स्वास्थ्य रिकॉर्ड और क्रेडिट स्कोर सिस्टम मा विशेष रूप से गंभीर हय। ई समस्या से निपटे खातिर, हम गोरम, एगो क्रिप्टोग्राफिक सिस्टम प्रस्तुत करत बानी जवन कि गैर-विश्वसनीय सर्वर अउर दुर्भावनापूर्ण क्लाइंट दुनों के संबंध में आउटसोर्स डेटा के गोपनीयता अउर अखंडता के सुरक्षा करत बा, अउर एह तरह के डेटा तक पहुंच के गुमनामी अउर अनलिंकिबिलिटी के गारंटी देत है, अउर डेटा मालिक के दूसर क्लाइंट के साथ आउटसोर्स डेटा साझा करे के अनुमति देत है, अउर चुनिंदा रूप से ओके पढे अउर लिखे के अनुमति देत है। गोरम पहिला अइसन सिस्टम ह जवन आउटसोर्स स्टोरेज खातिर सुरक्षा अउर गोपनीयता गुणन के एतना व्यापक रेंज हासिल करे ला। एक कुशल निर्माण का डिजाइन की प्रक्रिया में, हम दो नए, सामान्य रूप से लागू क्रिप्टोग्राफिक योजनाएं विकसित कीं, अर्थात्, मिश्रण का बैच शून्य-ज्ञान प्रमाण और शमशान हस्ताक्षर पर आधारित एक जवाबदेही तकनीक, जिसे हम स्वतंत्र हित का मानते हैं। हम अमेजन इलास्टिक कम्प्यूट क्लाउड (ईसी2) मा गोराम लागू करे हन अउर प्रदर्शन मूल्यांकन चलाये हन जेसे हमार निर्माण की स्केलेबिलिटी अउर दक्षता दिखायिन। |
32527d9fcbfb0c84daf715d7e9a375f647b33c2c | |
269ed5ba525519502123b58472e069d77c5bda14 | एक इंटरएक्टिव प्रश्न उत्तर (क्यूए) प्रणाली अक्सर गैर-संदर्भ (अपूर्ण) प्रश्नों का सामना करती है। इ गैर-महत्वपूर्ण सवालों का मतलब सिस्टम से हो सकता है जब एक उपयोगकर्ता उनसे बातचीत का संदर्भ बिना पूछे पूछे पूछे पूछता है। इ खातिर सिस्टम क बातचीत का संदर्भ मा ध्यान देक जरूरत है अपूर्ण प्रश्न का संसाधित करै के खातिर। इ काम मा, हम एक आवर्ती तंत्रिका नेटवर्क (आरएनएन) आधारित एन्कोडर डिकोडर नेटवर्क प्रस्तुत करत हैं जउन एक पूरा (उद्देश्य) प्रश्न उत्पन्न कर सकत हैं, एक अपूर्ण प्रश्न और बातचीत संदर्भ दिया गवा है। जब लाखों वाक्य वाले समानांतर कोरपस पर प्रशिक्षित करे जाय तब आरएनएन एनकोडर डिकोडर नेटवर्क अच्छा काम करे खातिर देखाई दिहा है, हालांकि इ परिमाण कय बातचीत डेटा प्राप्त करय कय बहुत कठिन अहै। हम त एही बदे मूल समस्या का दू अलग-अलग सरलीकृत समस्या में विभाजित करेके प्रस्ताव करत बानी जहाँ हर समस्या एक अमूर्त पर केंद्रित होत बा। विशेष रूप से, हम सिमेंटिक पैटर्न का अध्ययन करने के लिए एक सिमेंटिक अनुक्रम मॉडल का प्रशिक्षण देते हैं, और भाषाई पैटर्न का अध्ययन करने के लिए एक सिंटैक्सिक अनुक्रम मॉडल का। हम आगे सिंटेक्टिक अउर सिमेंटिक अनुक्रम मॉडल के संयोजन कइके एक एंसेंबल मॉडल तैयार करत हई। हमार मॉडल का ब्लीउ स्कोर 30.15 है जबकि स्टैण्डर्ड आरएनएन एनकोडर डिकोडर मॉडल का 18.54 है। |
27099ec9ea719f8fd919fb69d66af677a424143b | सोच-समझ का अनुकूली नियंत्रण (एसीटी-आर; जे. आर. एंडरसन एंड सी. लेबियर, 1998) एक सिद्धांत में विकसित हुआ है, जिसमें कई मॉड्यूल शामिल हैं, लेकिन यह भी बताता है कि सुसंगत अनुभूति का उत्पादन करने के लिए इन मॉड्यूल का एकीकरण कैसे किया जाता है। अवधारण-मोटर मॉड्यूल, लक्ष्य मॉड्यूल, अउर घोषणात्मक मेमोरी मॉड्यूल ACT-R मा विशेष प्रणालि के उदाहरण के रूप मा प्रस्तुत कीन गा है। ई मोड्यूल अलग-अलग कोर्टेक्स क्षेत्रऽन् से जुड़लऽ बा । इ मॉड्यूल बफर मा टुकड़ा रखत है जहां उ एक उत्पादन प्रणाली द्वारा पता लगावल जा सकत है जउन बफर मा सूचना पैटर्न का जवाब देत है। समय समय पर, एक एकल उत्पादन नियम वर्तमान समय पैटर्न का पालन करने के लिए चुना जा रहा है। उप-प्रतीकात्मक प्रक्रिया आग का नियम का चयन करने के साथ-साथ कुछ मॉड्यूल के आंतरिक संचालन का मार्गदर्शन करती है। सीख का ज्यादातर हिस्सा इन सब्सिंबॉलिक प्रक्रियाओं का पालन करे मा लगाथे. इ मॉड्यूल अलग-अलग रूप मा और सद्भाव मा कैसे काम करदन, इ दिखाने के लिए कई सरल और जटिल अनुभवजन्य उदाहरणों का वर्णन कीन गवा हय। |
6fdbf20f50dfd6276d9b89e494f86fbcc7b0b9b7 | हम डिजाइन अउर परीक्षण एक नया इलेक्ट्रॉनिक ट्रैकिंग एंटीना सरणी है कि 2 × 2 microstrip उप-सरणी से बना है है। प्रत्येक उप-सरणी पर समय अनुक्रम चरण भारन के माध्यम से, परिणामी एकल चैनल के आउटपुट से प्रत्येक उप-सरणी पर आयाम और चरण बरामद की जा सकती हैं। प्रत्येक सरणी पर आयाम और चरण का उपयोग डिजिटल सिग्नल प्रोसेसिंग द्वारा योग और अंतर विकिरण पैटर्न का उत्पादन करने के लिए किया जा सकता है। मोनोपल्स सिस्टम के तुलना में, आरएफ तुलनक का हटा दिया जाता है और रिसीवर चैनलों की संख्या 3 से 1 तक घटा दी जाती है। एक प्रोटोटाइप का प्रूफ-ऑफ-कॉन्सेप्ट बनाकर परीक्षण किया गया। माप परीणाम प्रस्तावित योजना की वैधता औ लाभ की पुष्टि किहिन। चैनल सुधार कय प्रक्रिया दीन्हा गवा अहै। |
3701bdb05b6764b09a5735cdc3cb9c40736d9765 | हम स्टोचैस्टिक असिन्क्रोनस प्रॉक्सिमल अल्टर्नेटिंग लाइनरीज़ेड मिनिमलाइजेशन (SAPALM) विधि का परिचय देते हैं, गैर-उपम, गैर-सुचारू अनुकूलन समस्याओं का समाधान करने के लिए एक ब्लॉक समन्वय स्टोचैस्टिक प्रॉक्सिमल-ग्रेडिएंट विधि। SAPALM पहिला अतुल्यकालिक समानांतर अनुकूलन विधि है जउन गैर-उण्डेस, गैर-सुचारू समस्या के एक बड़े वर्ग पर प्रमाणित रूप से अभिसरण करत है. हम साबित कर रहे हैं कि SAPALM इस समस्या वर्ग पर - समकालिक या विषमकालिक विधियों के बीच - अभिसरण की सबसे अच्छी ज्ञात दर से मेल खात है। हम श्रमिकन की संख्या पर ऊपरी सीमा प्रदान करत हैं, जेकर खातिर हम रैखिक गति देखय के उम्मीद कर सकत हैं, जउन कम जटिल समस्या के लिए सबसे अच्छा ज्ञात सीमा से मेल खात हैं, अउर देखाइ सकत हैं कि व्यवहार में SAPALM इ रैखिक गति प्राप्त करत है। हम कई मैट्रिक्स फैक्टराइजेशन समस्याओं पर अत्याधुनिक प्रदर्शन का प्रदर्शन करते हैं। |
5cd28cdc4c82f788dee27cb73d7d9280cf9c7343 | इ पेपर हवाई छवियों से निकाले गए मिलान वाले ग्राफलेट्स (यानी, छोटे जुड़े उपग्राफ) के आधार पर हवाई छवियों की श्रेणियों की पहचान करने का एक तरीका प्रस्तुत करता है। प्रत्येक हवाई चित्रण का ज्यामितीय गुण और रंग वितरण को एन्कोड करने के लिए एक क्षेत्र आसन्नता ग्राफ (RAG) का निर्माण करके, हम RAG-to-RAG मिलान के रूप में हवाई चित्रण श्रेणी मान्यता का निर्माण करते हैं। ग्राफ सिद्धांत के आधार पे, RAG-to-RAG मिलान उनके सभी संबंधित graphlets का मिलान करके किया जाता है। एक प्रभावी ग्राफलेट मिलान प्रक्रिया की ओर, हम एक बहु-आकार वाले एल्गोरिथ्म का विकास करते हैं ताकि अलग-अलग आकार के ग्राफलेट्स को समान लंबाई वाले फीचर वेक्टर में स्थानांतरित किया जा सके और आगे इन फीचर वेक्टरों को एक कर्नेल में एकीकृत किया जा सके। इ कर्नेल हवाई चित्र श्रेणियों की मान्यता खातिर एक SVM [8] वर्गीकरणकर्ता का प्रशिक्षण देवे खातिर प्रयोग कइल जात है. प्रयोगात्मक परिणाम से पता चलता है कि सभी लोग एक बड़ी चेन का हिस्सा हैं। |
b2dac341df54e5f744d5b6562d725d254aae8e80 | ई अध्ययन ओपनहार्, सार्वजनिक रूप से खुला डाटा सेट के संयोजन अउर एकीकरण खातिर एगो मुक्त मैटलाब टूलबॉक्स के परिचय देत है। इ दस सार्वजनिक रूप से खुला मानव गतिविधि डेटा सेट का एक्सेलेरोमीटर सिग्नल तक सुलभ पहुंच प्रदान करत है। डाटा सेट कय एक्सेस आसान अहै काहे से ओपन ह्रस्व एक ही प्रारूप मा सब डेटा सेट उपलब्ध कराइ देत है। एकर अलावा, इकाई, माप रेंज अउर लेबल, साथ ही सरीर की स्थिति आईडी का एकीकरण होत है। एकर अलावा, अलग-अलग नमूनाकरण दर वाले डेटा सेट डाउनसाम्पिंग का उपयोग करके एकजुट किए जाते हैं। एकरे अलावा, डेटा सेट कय भी ऑप्टिकल रूप से जांच कीन गा है ताकि दिखाई देई सका जाय कि कौन अवरोध अहै, जइसे कि गलत ओरिएंटेशन कय सेंसर। ओपनएचएआर इन त्रुटियन का सुधार कैके डेटा सेट का फिर से प्रयोग कै सका जात है। कुल मिलाकर, OpenHAR® का लगभग 65 मिलियन का आंकड़ा है। इ 3 डी त्वरण माप से 280 घंटे से अधिक के आंकड़ा के बराबर होत है। इमे 211 अध्ययन विषयों से डेटा शामिल है जउन 17 दैनिक मानव गतिविधि का प्रदर्शन करत हैं अउर 14 अलग-अलग शरीर के स्थिति में सेंसर का उपयोग करत हैं। |
7347b4601078bd52eec80d5de29f801890f82de3 | एक युग्मित-Gysel ब्रॉडबैंड संयोजक/विभाजक प्रस्तावित है अउर देखावा है। नवा अवधारणा डिजाइन मा एक एकल युग्मित लाइन खंड का उपयोग कर निर्भर गर्दछ। कम हानि, डिजाइन की आसानी, और लचीलापन बनाए रखते हुए बैंडविड्थ में महत्वपूर्ण सुधार का एहसास हो रहा है। युग्मित-Gysel का प्रदर्शन 0.1 dB विभाजक हानि के साथ 2.5 - 8 GHz (105% आंशिक बैंडविड्थ) विभाजक, और 0.2 dB विभाजक हानि के साथ 3.4 - 10.2 GHz (100% आंशिक बैंडविड्थ) के साथ किया जाता है। |
a05d984443d62575c097ad65b747aae859a5f8b0 | वीडियो गेम का बच्चा के मनोसामाजिक विकास पर प्रभाव अभी भी चर्चा का विषय है। दु समय बिंदुओं पर, 1 साल अलग, 194 बच्चे (7.27-11.43 साल पुराना; पुरुष = 98) ने अपने गेमिंग आवृत्ति, और हिंसक वीडियो गेम खेलने की उनकी प्रवृत्ति, और गेम (ए) सहयोगात्मक रूप से और (बी) प्रतिस्पर्धात्मक रूप से खेलने की रिपोर्ट की; इसी तरह, माता-पिता ने अपने बच्चों के मनोसामाजिक स्वास्थ्य की रिपोर्ट की। समय पर एक गेम खेलना भावनात्मक समस्याओं का बढ़ोतरी से जुड़ा रहा। हिंसक गेमिंग मनोसामाजिक बदलाव से जुडल नाहीं रहे। सहकारी खेल सामाजिक व्यवहार मा परिवर्तन को रूप मा होइन। अंत मा, प्रतिस्पर्धी गेमिंग सामाजिक व्यवहार मा गिरावट संग जुड्छ, तर केवल बच्चाहरु जो उच्च आवृत्ति संग भिडियो गेम खेल्छन्। इ प्रकार, गेमिंग आवृत्ति आंतरिककरण मा वृद्धि संग सम्बन्धित थियो, तर बाहरीकरण, ध्यान, या साथी समस्याहरु मा वृद्धि संग सम्बन्धित थिएन, हिंसक गेमिंग बाह्यकरण समस्याहरु मा वृद्धि संग सम्बन्धित थिएन, र बच्चाहरु को लागी लगभग 8 घन्टा या अधिक प्रति हप्ता खेल्ने, लगातार प्रतिस्पर्धी गेमिंग एक हुन सक्छ कम prosocial व्यवहार को लागी जोखिम कारक। हमार तर्क ई बा कि दोहराव जरूरी बा अउर भविष्य के शोध के बेहतर तरीका से अलग-अलग रूप के खेल के बीच अंतर करे के चाही ताकि ज्यादा बारीक अउर सामान्यीकृत अंतर्दृष्टि मिल सके। |
5a47e047d4d41b61204255e1b265d704b7f265f4 | शब्द बड़ा डेटा (big data) का तात्पर्य हर जगह से है। अकादमिक, उद्योग अउर मीडिया के बीच साझा उत्पत्ति के कारण कौनो एकल एकीकृत परिभाषा नाही है, अउर विभिन्न हितधारक लोग भिन्न अउर अक्सर परस्पर विरोधी परिभाषा देत हैं। एक सुसंगत परिभाषा की कमी से अस्थिरता का परिचय होता है और बड़े डेटा से संबंधित चर्चा में बाधा डालता है। इ छोट लेख मा विभिन्न परिभाषाओं का एक साथ जोड़ै का प्रयास है जवन कुछ हद तक ट्रेस प्राप्त कीन है अउर एक स्पष्ट अउर संक्षिप्त परिभाषा प्रदान करै खातिर एक अन्यथा अस्पष्ट शब्द का। |
7065e6b496af41bba16971246a02986f5e388860 | संगठन का प्रबंधन अउर क्षमता का सुदृढ़ बनाना बहुत जरूरी हय। प्रबंधन का समर्थन करै खातिर अउर सुधार कै सुविधा दें खातिर, कामयाबी कै मूल्यांकन अक्सर कीन जाथै। संगठनात्मक क्षमता का आकलन करने का एक तरीका परिपक्वता ग्रिड का उपयोग है। जबकि परिपक्वता ग्रिड एक सामान्य संरचना साझा कर सकते हैं, उनकी सामग्री अलग-अलग है और अक्सर नए सिरे से विकसित की जा रही है। इ कागज परिपक्वता ग्रिड विकसित करैं खातिर एक संदर्भ बिंदु अउर मार्गदर्शन दुन्नो प्रस्तुत करत है। ई 24 मौजूदा परिपक्वता ग्रिड कय समीक्षा कइके अउर इनका विकास कय लिए एक रोडमैप का सुझाव दइके पूरा होत है। समीक्षा परिपक्वता रेटिंग्स की सूत्रीकरण में संगठनात्मक परिवर्तन के बारे में अंतर्निहित मान्यताओं पर विशेष जोर देती है। प्रस्तावित योजना चार चरण मा बणाये का है- योजना, विकास, मूल्यांकन, रखरखाव। प्रत्येक चरण मा विकास को लागी निर्णय बिन्दुहरु को एक संख्या मा छलफल, जस्तै प्रक्रिया क्षेत्रहरु को चयन, परिपक्वता स्तर, र वितरण संयन्त्र। औद्योगिक अभ्यास मा रोडमैप की उपयोगिता का प्रदर्शन करने वाला एक उदाहरण प्रस्तुत किया गवा है। सड़क योजना का उपयोग मौजूदा दृष्टिकोण का मूल्यांकन करने के लिए भी किया जा सकता है। पेपर का समापन करते हुए, प्रबंधन अभ्यास अउर अनुसंधान पर प्रभाव का वर्णन कीन गवा बा। |
5dd79167d714ff3907ffbba102b8e6fba49f053e | इ पेपर का उद्देश्य डिजिटल वायरलेस संचार मा उच्च बिट-रेट का बैंडविड्थ कुशल वितरण की अंतिम सीमाओं की बुनियादी समझ की आवश्यकता से प्रेरित है और यह भी जांच शुरू करें कि इन सीमाओं का कैसे संपर्क किया जा सकता है। हम बहु-तत्व सरणी (एमईए) प्रौद्योगिकी का शोषण का अध्ययन करते हैं, जो कुछ अनुप्रयोगों में वायरलेस क्षमताओं का सुधार करने के लिए स्थानिक आयाम (न केवल समय आयाम) का प्रसंस्करण कर रहा है। विशेष रूप से, हम कुछ बुनियादी सूचना सिद्धांत का परिणाम प्रस्तुत करत हैं जउन वायरलेस लैन में एमईए का उपयोग करने अउर वायरलेस संचार लिंक बनाए क लिए बड़े लाभ का वादा करत हैं। हम महत्वपूर्ण मामला का पता लगायब जब चैनल विशेषता ट्रांसमीटर पर उपलब्ध नाही होत है, लेकिन रिसीवर विशेषता का जानत है (ट्रैक करत है) जवन कि रेले फीडिंग के अधीन है. कुल ट्रांसमिटेड पावर का निर्धारण करके, हम MEA तकनीक द्वारा दी गई क्षमता का व्यक्त करते हैं और हम देखते हैं कि ट्रांसमीटर और रिसीवर दोनों पर एंटीना तत्वों की एक बड़ी लेकिन व्यावहारिक संख्या के लिए SNR बढ़ने के साथ क्षमता का माप कैसे होता है। हम स्वतंत्र रेलेघ फीका पथ एंटेना तत्वों के बीच मामला जांच और पाते हैं कि उच्च संभावना के साथ असाधारण क्षमता उपलब्ध है। बेसलाइन n = 1 केस की तुलना में, जो कि शैनन के क्लासिकल फॉर्मूला द्वारा एक बिट / चक्र के रूप में प्रत्येक 3 डीबी सिग्नल-टू-शोर अनुपात (एसएनआर) वृद्धि के लिए, उल्लेखनीय रूप से एमईए के साथ, स्केलिंग लगभग एन के रूप में है एसएनआर में हर 3 डीबी वृद्धि के लिए बिट्स / चक्र। इ क्षमता केतना बड़ी है, छोट n के लिए भी, n = 2, 4 और 16 का मामला लें औसतन 21 dB का प्राप्त SNR पर। 99% से अधिक चैनलन कै क्षमता क्रमशः 7, 19 अउर 88 बिट/चक्र होय, जबकि अगर n = 1 तब 99% स्तर पे केवल 1.2 बिट/चक्र होत है। उदाहरण के लिए, चैनल बैंडविड्थ के बराबर प्रतीक दर, चूंकि सिग्नल नक्षत्रों के लिए बिट्स/प्रतीक/आयाम प्रासंगिक है, ये उच्च क्षमताएं अनुचित नहीं हैं। 19 बिट/चक्र n = 4 खातिर 4.75 बिट/प्रतीक/आयाम के बराबर होला जबकि 88 बिट/चक्र n = 16 खातिर 5.5 बिट/प्रतीक/आयाम के बराबर होला. जब अंतिम रूप से संभव हो जाए तब मानक दृष्टिकोण जैसे चयन और इष्टतम संयोजन का तुलना में कमतरता दिखाई दे रही है। इ नया कोडिक के आविष्कार की आवश्यकता है कि वादा की गई बड़ी क्षमता का एक अच्छा हिस्सा का एहसास हो। |
4f911fe6ee5040e6e46e84a9f1e211153943cd9b |
Subsets and Splits