_id
stringlengths 40
40
| text
stringlengths 0
12.6k
|
|---|---|
d31798506874705f900e72203515abfaa9278409 | लेख इतिहास: 26 अगस्त 2007 प्राप्त 7 मई 2008 संशोधित रूप में प्राप्त 13 मई 2008 स्वीकार |
6d96f946aaabc734af7fe3fc4454cf8547fcd5ed | |
1c26786513a0844c3a547118167452bed17abf5d | ट्रांसलिट्रेशन समस्या का संक्षिप्त परिचय देके अउर अरबी से अंग्रेजी अनुवाद खातिर कुछ खास मुद्दान का उजागर कइके, समस्या का कम्प्यूटेशनल समाधान के रूप मा तीन चरण के एल्गोरिथ्म का परिचय दिहल गइल बा. एल्गोरिथ्म एक छिपा मार्कोव मॉडल दृष्टिकोण मा आधारित छ, तर पनि अनलाइन डाटाबेस मा उपलब्ध जानकारी को लाभ उठाउँछ। एल्गोरिथ्म का मूल्यांकन करें, और दिखाएं कि सटीकता 80% तक पहुंच गई है। |
dbc82e5b8b17faec972e1d09c34ec9f9cd1a33ea | कॉमनसेन्स रीजनिंग पर हमार शोध मा हम इ पाये हन कि एक खास तरह कै ज्ञान जवन जरूरी होत है ऊ मनुष्य कै लक्ष्य कै बारे मा ज्ञान होय। विशेष रूप से जब आम अर्थ का तर्क इंटरफेस एजेंटों पर लागू होता है, तो हमें उपयोगकर्ता क्रियाओं से लक्ष्यों की पहचान करनी चाहिए (योजना मान्यता), और उन क्रियाओं का अनुक्रम उत्पन्न करना चाहिए जो लक्ष्य (योजना) को लागू करते हैं। हम अक्सर इनक्यूबेटर पय पूछत अहैंः "कीऽ आप इहय उपयोग करत हैं? ", "का आप इहय उपयोग करत हैं? ","का आप इहय उपयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? ","का आप इहय प्रयोग करत हैं? कॉमन्सेंस ज्ञान अधिग्रहण पर पिछले काम में, उपयोगकर्ताओं से ऐसी जानकारी के लिए सीधे अनुरोध किया गया है। हाल ही मा, हालांकि, एक अन्य दृष्टिकोण उभरा है- उपयोगकर्ताओं को गेम खेलने मा लुभाने का जहां ज्ञान प्रदान करना खेल मा राम्रो स्कोर को साधन हो, यस प्रकार खिलाडिय़ों को प्रेरित। इ दृष्टिकोण क अग्रणी लोग लुईस वॉन अहन अउर उनके साथी रहे, जे इका मानव गणना कहत रहे हैं। कॉमन कंसेंस एक मजेदार, आत्म-सहायक वेब-आधारित गेम है, जो हर रोज के लक्ष्य के बारे मा कॉमनसेन्स ज्ञान का संग्रहण अउर सत्यापन करत है। इ टीवी गेम शो फैमिली फेड1 की संरचना पर आधारित है। एक छोट उपयोगकर्ता अध्ययन से पता चला कि उपयोगकर्ता गेम का आनंद ले रहे हैं, ज्ञान की गुणवत्ता बहुत अच्छी है, और ज्ञान इकट्ठा करने की दर तेज़ है। एसीएम वर्गीकरणः एच.३.३ [सूचना भंडारण अउर पुनर्प्राप्ति]: सूचना खोज अउर पुनःप्राप्ति; आई.२.६ [कृत्रिम बुद्धिमत्ता]: सीखना |
f8b1534b26c1a4a30d32aec408614ecff2412156 | |
4c479f8d18badb29ec6a2a49d6ca8e36d833fbe9 | पृष्ठभूमि अपने छोटे आकार के बावजूद, कोकसिक्स का कई महत्वपूर्ण कार्य हैं। साथ ही कई मांसपेशियों, लिगामेंट्स, और tendons के लिए सम्मिलन स्थल होने के साथ, यह tripod का एक पैर के रूप में भी कार्य करता है- साथ ही ischial tuberosities- जो बैठने की स्थिति में एक व्यक्ति को वजन-लागने वाला समर्थन प्रदान करता है। कोक्सिडिनिया (कोकसिक्स के क्षेत्र में दर्द) की घटना की सूचना नहीं दी गई है, लेकिन कोक्सिडिनिया विकसित होने के बढ़ते जोखिम से जुड़े कारकों में मोटापा और महिला लिंग शामिल हैं। ई लेख कोक्सिडिनिया के बिस् का, फिजियोलॉजी, अउर इलाज के बारे मा जानकारी देत है। परिणाम: 90% मा रूढ़िवादी उपचार सफल होत है, अउर कई मामला मा बिना चिकित्सा उपचार के ठीक हो जात है। रेफ्रेक्टरी केस के इलाज मा पेल्विक फ्लोर रिहैबिलिटेशन, मैनुअल मैनिपुलेशन अउर मालिश, ट्रांसकटनस इलेक्ट्रिकल तंत्रिका उत्तेजना, मनोचिकित्सा, स्टेरॉयड इंजेक्शन, तंत्रिका ब्लॉक, रीढ़ की हड्डी उत्तेजना, अउर सर्जिकल प्रक्रिया शामिल हैं। निष्कर्ष एक बहु-विषयक दृष्टिकोण फिजियोथेरेपी, एर्गोनोमिक अनुकूलन, दवाओं, इंजेक्शन, और, संभवतः, मनोचिकित्सा का उपयोग कर रहा है, आग से बचने वाले कोकसिक्स दर्द वाले रोगियों में सफलता का सबसे बड़ा मौका है। यद्यपि नए शल्य चिकित्सा तकनीक विकसित होत हैं, उनका प्रभावकारिता निर्धारित होवे से पहिले अधिक शोध की आवश्यकता होत है। |
0989bbd8c15f9aac24e8832327df560dc8ec5324 | लगभग छह दशक के बाद से जब से शोधकर्ता इ खोजे हैं कि उनके पास एक अच्छा इंजन है, वे एक बड़े पैमाने पर शोध कर रहे हैं - कई बार उन्होंने खुद का दावा किया है कि वे एक बड़ी मशीन से काम कर रहे हैं। जबकि एक्सोस्केलेटन विकास से जुड़ी कई चुनौतियां अभी भी हैं, जिन्हें अभी तक पूरा नहीं किया जा सका है, क्षेत्र में प्रगति बहुत बड़ी है। इ पेपर मा, हम इतिहास की समीक्षा करें और निचले अंग एक्सोस्केलेटन और सक्रिय ऑर्थोसिस की स्थिति पर चर्चा करें। हम हार्डवेयर, एक्ट्यूएशन, सेंसर, अउर कंट्रोल सिस्टम के बारे मा डिज़ाइन अवलोकन प्रदान करत हैं जवन कि साहित्य मा वर्णित कीन गा है, अउर जवन प्रमुख प्रगति कीन गै है अउर अवधी बाधाओं का दूर करे के खातिर चर्चा के साथ समाप्त होत है। |
4adffe0ebdda59d39e43d42a41e1b6f80164f07e | गैर-नकारात्मक मैट्रिक्स फैक्टराइजेशन (एनएमएफ) एक अनसुपरवाइज्ड लर्निंग विधि है, जो कि छवि प्रसंस्करण अउर दस्तावेजों का सिमेंटिक विश्लेषण सहित विभिन्न अनुप्रयोगों मा उपयोगी है। इ पेपर सममित एनएमएफ (एसएनएमएफ) पर केंद्रित है, जो एनएमएफ अपघटन का एक विशेष मामला है। इ समस्या के लिए तीन समानांतर गुणन अद्यतन एल्गोरिदम स्तर 3 बुनियादी रैखिक बीजगणित उपप्रोग्राम का उपयोग कर रहे हैं। सबसे पहिले, यूक्लिडियन दूरी को कम से कम करके, एक गुणन अद्यतन एल्गोरिथ्म का प्रस्ताव है, और हल्का परिस्थितियों में एकर अभिसरण सिद्ध होता है। एकर आधार पर हम आगे दूयगो अउर तेज समानांतर विधि प्रस्तावित करे हई: α-SNMF अउर β-SNMF एल्गोरिदम. अउर इ सब कछू क अलावा इ घटना क भए आजु तीसर दिन अहइ इ एल्गोरिदम संभावित क्लस्टरिंग पर लागू होत हैं. हम चेहरा चित्र समूह, दस्तावेज़ वर्गीकरण, अउर जीन अभिव्यक्ति मा पैटर्न समूह मा उनकर प्रभावकारिता का प्रदर्शन करें। |
2a4423b10725e54ad72f4f1fcf77db5bc835f0a6 | सांख्यिकीय यांत्रिकी (एक सीमित तापमान पर थर्मल संतुलन में कई डिग्री स्वतंत्रता वाले प्रणालियों का व्यवहार) और बहु-परिवर्तनीय या संयोजक अनुकूलन (कई मापदंडों पर निर्भर एक दिए गए फ़ंक्शन का न्यूनतम खोजना) के बीच एक गहरा और उपयोगी संबंध है। ठोस पदार्थों मा annealing संग एक विस्तृत समानता धेरै ठूलो र जटिल प्रणाली को गुण को अनुकूलन को लागी एक रूपरेखा प्रदान गर्दछ। सांख्यिकीय यांत्रिकी से ई संबंध नई जानकारी का खुलासा करता है अउर पारंपरिक अनुकूलन समस्या अउर विधियन पर एक अपरिचित परिप्रेक्ष्य प्रदान करत है। |
dec997b20ebe2b867f68cc5c123d9cb9eafad6bb | गहन तंत्रिका नेटवर्क का प्रशिक्षण आम तौर पे भारी मात्रा मा डाटा की आवश्यकता होत है और बहुत जादा कंप्यूटिंग की आवश्यकता होत है। हम इहौ देखावा है कि ई संभव होइ सकत है कि महंगा ढाल वंश प्रक्रिया से बचें अउर एक तंत्रिका नेटवर्क के पैरामीटर का सीधा प्रशिक्षण डेटा के गुण से प्राप्त करें. हम देखब कि अभिसरण के पास, इनपुट के पास परतों खातिर ढाल अवतरण समीकरणों का रैखिक रूप दिया जा सकत है अउर प्रत्येक वर्ग के लिए डेटा के सह-विभाजन से संबंधित शोर के साथ स्थैतिक समीकरण बन सकत है। हम इ समीकरणन कय हल कय वितरण का पता लगाय लिहिन औ इ पता लगाय लिहिन कि इ एक पर्यवेक्षित मुख्य घटक विश्लेषण से संबंधित अहै। हम इ परिणामों का छवि डेटासेट MNIST, CIFAR10 औ CIFAR100 पे लागू करत हैं औ पावा कि, वास्तव में, पूर्व-प्रशिक्षित परतें हमरे निष्कर्षों का उपयोग करत हुए समान आकार औ आर्किटेक्चर के न्यूरल नेटवर्क से तुलनात्मक या बेहतर प्रदर्शन करत हैं, जेका ग्रेडिएंट वंश के साथ प्रशिक्षित करा गवा अहै। एकर अलावा, हमार पूर्व-प्रशिक्षित परतों का अक्सर प्रशिक्षण डेटा का एक अंश का उपयोग करके गणना की जा सकती है, क्योंकि ई सह-विभेदक मैट्रिक्स का एक त्वरित अभिसरण है। इ प्रकार, हमार निष्कर्ष इ दिखावा करत है कि हमपेन प्रशिक्षण समय का कम से कम करइ मँ मदद करें, जद्यपि ओनकर वजन कम होइ गवा बा। एकर अतिरिक्त, ई निष्कर्ष जे यक परीक्षण पर लागा अहै उ कै वैधता कय परीक्षण, गैर-कवनो नियम से सिद्ध करत है कि ई सही हय। |
Subsets and Splits