_id
stringlengths 40
40
| text
stringlengths 0
12.6k
|
|---|---|
40baa5d4632d807cc5841874be73415775b500fd | मोटर ड्राइव खातिर पारंपरिक दो-स्तरीय उच्च आवृत्ति पल्स चौड़ाई मॉडुलन (पीडब्ल्यूएम) इन्वर्टर मा मोटर वाइंडिंग मा उच्च आवृत्ति स्विचिंग से जुड़ी कई समस्याएं हैं जउन सामान्य मोड वोल्टेज और उच्च वोल्टेज परिवर्तन (डीवी / डीटी) दर का उत्पादन करत हैं। बहुस्तरीय इन्वर्टर इ समस्या का हल करै काहे से उनके यंत्रन कै आवृत्ति बहुत कम होय जाथै। विद्युत चालन के लिए कनवर्टर के रूप मा उपयोग करे खातिर दो अलग-अलग बहुस्तरीय टोपोलॉजी का पहचान कीन गयल है, एक अलग डीसी स्रोतों के साथ एक कैस्केड इन्वर्टर और एक बैक-टू-बैक डायोड क्लैम्प्ड कनवर्टर। कैस्केड इन्वर्टर एक प्राकृतिक फिट है बड़े ऑटोमोटिव एलेक्ट्रिक ड्राइव के लिए उच्च VA रेटिंग संभव है और क्योंकि यह कई स्तरों का उपयोग करता है डीसी वोल्टेज स्रोतों का जो बैटरी या ईंधन सेल से उपलब्ध होगा। बैक-टू-बैक डायोड क्लैम्प्ड कनवर्टर आदर्श है जहां एसी वोल्टेज का स्रोत उपलब्ध है जैसे कि एक हाइब्रिड इलेक्ट्रिक वाहन। सिमुलेशन अउर प्रयोगात्मक परिणाम से पता चलता है कि ई दुइ कन्वर्टर्स पीडब्लूएम आधारित ड्राइव से बेहतर हैं। |
895fa1357bcfa9b845945c6505a6e48070fd5d89 | इ काम मा हम एक सुरक्षित इलेक्ट्रॉनिक वोटिंग प्रोटोकॉल का प्रस्ताव करत हैं जवन इंटरनेट से होत है. प्रोटोकॉल एक मतदाता का अनाम रूप से वोट डाले का अनुमति देता है, बिना पहचान के फिर भी प्रामाणिक संदेश का आदान-प्रदान करके। प्रोटोकॉल सुनिश्चित करत है कि (i) केवल योग्य मतदाता ही वोट डाले, (ii) एक मतदाता केवल एक वोट डाले सकता है, (iii) एक मतदाता यह सत्यापित कर सकता है कि अंतिम मतगणना में उसका वोट गिना गया है, (iv) कोई भी, मतदाता के अलावा, एक मतदाता से एक वोट नहीं जोड़ सकता है, और (v) यदि कोई मतदाता मतदान न करने का निर्णय लेता है, तो कोई भी मतदाता की जगह पर धोखाधड़ी मत दे सकता है। प्रोटोकॉल मा पंजीकृत मतदाता से सब केहू का सहयोग करै का चाही. या क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार क्यार ई वैकल्पिक मतदान प्रोटोकॉल से अलग है, जवन साहित्य में प्रस्तावित अहैं। प्रोटोकॉल सफल संचालन खातिर मतदाता से तीन एजेंट का उपयोग करत है। मुला हम भरोसा नाहीं करित कि उ पचे हमरे भरोसे अहइँ। यानी, एजेंट भौतिक रूप से विकलांग अहैं या ओन्हनके साथे मिलि क एक वैध विकलांगता कय प्रयास करय चाहा जात है। अगर धोखाधड़ी होत है, तौ आसानी से पता चल सकत है अउर प्रमाणन कीन जा सकत है, जेसे वोट न होय पावा जाइ। यद्यपि हम ई प्रोटोकॉल क प्रस्ताव इलेक्ट्रॉनिक मतदान के रूप मा रखित ह्वा, प्रोटोकॉल का दूसर अनुप्रयोगन मा उपयोग कै सका जात है जौन गैर-अनुपालन योग्य फिर भी प्रामाणिक संदेश विनिमय शामिल है। ऐसन आवेदन कय उदाहरण गुमनाम रूप से गोपनीय प्रश्नावली कय जवाब देत अहै या गुमनाम वित्तीय लेनदेन होत है। |
cf9145aa55da660a8d32bf628235c615318463bf | पिछले एक दशक से ई स्पष्ट रूप से देखाई दे रहा है कि ई सब कुछ हमार ग्रह की ग्रह की आबादी के हिसाब से बड़ी मात्रा पर घट रहा है। कई एम्बेडेड एप्लीकेशन के वायरलेस प्रकृति अउर साथ ही साथ इनकी सर्वव्यापीता सुरक्षा अउर गोपनीयता बनाए रखे के यंत्रणा के जरूरत के खास महत्व देत हवै। इ प्रकार, जइसे कि एफपीजीए एम्बेडेड सिस्टम का अभिन्न अंग बनत है, ई उनकर सुरक्षा का एक संपूर्णता से ध्यान रखे हुए आवश्यक हय। इ योगदान प्रणाली अउर कार्यान्वयन दुन्नो दृष्टिकोण से एफपीजीए पर सुरक्षा मुद्दों का एक अत्याधुनिक विवरण प्रदान करत है। हम क्रिप्टोग्राफिक अनुप्रयोगों खातिर पुनर्संरचित हार्डवेयर के लाभों पर चर्चा करत हैं, एफपीजीए की संभावित सुरक्षा समस्याओं का दिखावा करते हैं, और खुला अनुसंधान समस्याओं की एक सूची प्रदान करते हैं। एकरे अलावा, हम एफपीजीए पर सार्वजनिक अउर सममित-कुंजी एल्गोरिथ्म कार्यान्वयन का सारांश देत अही। |
748eb923d2c384d2b3af82af58d2e6692ef57aa1 | टेक्स्ट माइनिंग कम्प्यूटर विज्ञान कय एक नया अउर रोमांचक क्षेत्र होय जवन डेटा माइनिंग, मशीन लर्निंग, प्राकृतिक भाषा प्रसंस्करण, सूचना पुनर्प्राप्ति अउर ज्ञान प्रबंधन से तकनीक का संयोजन कइके सूचना अधिभार के संकट का हल करै कै कोसिस करत है। टेक्स्ट माइनिंग हैंडबुक टेक्स्ट माइनिंग अउर लिंक डिटेक्शन के ताजा तकनीक का एक व्यापक चर्चा प्रस्तुत करत है। मूल पाठ खनन अउर लिंक डिटेक्शन एल्गोरिदम अउर संचालन क गहन जांच प्रदान करे के अलावा, पुस्तक उन्नत पूर्व-प्रसंस्करण तकनीक, ज्ञान प्रतिनिधित्व विचार, अउर दृश्य दृष्टिकोण क जांच करत है, जउन वास्तविक दुनिया क अनुप्रयोगों के साथ समाप्त होत है। |
d044d399049bb9bc6df8cc2a5d72610a95611eed | उद्देश्य लोगन मा सुबहाइट स्ट्रोक वाले लोगन मा लोकोमेट के साथ रोबोट-सहायता वाले पैदल प्रशिक्षण की प्रभावकारिता की तुलना करना। METHODS कुल 63 प्रतिभागी< 6 महीने पोस्ट स्ट्रोक 0. 1 से 0. 6 m/ s के बीच शुरुआती चलने की गति के साथ बहु- केन्द्र, यादृच्छिक नैदानिक परीक्षण पूरा किए। सभी प्रतिभागी लोगन का लोकोमेट या पारंपरिक पैदल प्रशिक्षण का चौबीस घंटा सत्र मिला। परिणाम मापने का पैमाना प्रशिक्षण से पहिले, 12 अउर 24 सत्रों के बाद, अउर 3 महीने बाद की जांच कीन गै बाय। स्व-चयनित जमीन पर चलय के गति और 6 मिनट में चलय वाली दूरी प्राथमिक परिणाम माप रहे थे, जबकि द्वितीयक परिणाम माप में संतुलन, गतिशीलता और कार्य, गति और समरूपता, विकलांगता का स्तर और जीवन की गुणवत्ता माप शामिल रहे। परिणाम जे पारंपरिक पैदल प्रशिक्षण प्राप्त करत रहे ऊ लोग लोकोमेट पर प्रशिक्षित लोगन की तुलना में पैदल गति (पी = .002) और दूरी (पी = .03) में काफी अधिक लाभ क अनुभव करत रहे। तीन महीना के बाद भी इनतान के जांच होत रही अउर एक महीना के बाद भी इनतान के जांच होत रही। द्वितीयक माप 2 समूहों के बीच भिन्न नहीं रहे, हालांकि पारंपरिक बनाम लोकोमेट समूह में गति में 2 गुना अधिक सुधार देखा गया। निष्कर्षः मध्यम से गंभीर गतिज विकार वाले सुबहाइट स्ट्रोक प्रतिभागियों के लिए, पारंपरिक गतिज प्रशिक्षण हस्तक्षेप की विविधता रोबोट-सहायता वाले गतिज प्रशिक्षण की तुलना में अधिक प्रभावी प्रतीत होती है, जिससे चलने की क्षमता में सुधार होता है। |
098cc8b16697307a241658d69c213954ede76d59 | दुई प्लेटफार्मों मा 43 उपयोगकर्ताओं से डेटा का उपयोग करत है, हम स्मार्टफ़ोन यातायात मा एक विस्तृत रूप दिखत है। हम पइसनी कि ब्राउज़िंग मा आधा से जादा ट्रैफ़िक का योगदान है, जबकि ई-मेल, मीडिया अउर मानचित्रऽन् से हर एक के लगभग 10% योगदान है। हम ई भी पाते हैं कि निचली परत प्रोटोकॉल का ओवरहेड छोटा ट्रांसफर साइज की वजह से ज्यादा है। ट्रांसपोर्ट-लेवल सुरक्षा का उपयोग करने वाले आधे ट्रांसफर के लिए, हेडर बाइट्स कुल का 40% का मेल खाती हैं। हम देखब कि पैकेट के नुकसान स्मार्टफोन यातायात के थ्रूपुट के सीमा मा मुख्य कारक है, इंटरनेट सर्वर मा बड़े भेजें बफर ट्रांसफर का एक चौथाई का थ्रूपुट सुधार सकत है। अंत मा, स्मार्टफोन यातायात और रेडियो पावर प्रबंधन नीति के बीच बातचीत का अध्ययन कर, हम पाते हैं कि पैकेट एक्सचेंजों के प्रदर्शन पर न्यूनतम प्रभाव के साथ रेडियो की ऊर्जा खपत 35% तक घटाई जा सकती है। |
1e126cee4c1bddbfdd4e36bf91b8b1c2fe8d44c2 | ई कागज पावरबूटर, एक स्वचालित शक्ति मॉडल निर्माण तकनीक का वर्णन करत है जवन बिल्ट-इन बैटरी वोल्टेज सेंसर का उपयोग करत है और बैटरी डिस्चार्ज व्यवहार का ज्ञान बिजली की खपत की निगरानी के लिए अलग-अलग घटकों के पावर प्रबंधन और गतिविधि राज्यों का स्पष्ट रूप से नियंत्रित करत है। इ कवनो बाहरी माप उपकरण कय आवश्यकता नाही अहै। हम भी PowerTutor, एक घटक शक्ति प्रबंधन और गतिविधि राज्य आत्मनिरीक्षण आधारित उपकरण का वर्णन करते हैं जो ऑनलाइन शक्ति अनुमान के लिए PowerBooter द्वारा उत्पन्न मॉडल का उपयोग करता है। पावरबूटर का मकसद अनुप्रयोग डेवलपर्स अउर अंत उपयोगकर्ता लोगन खातिर नया स्मार्टफोन वेरिएंट खातिर पावर मॉडल के जल्दी अउर आसान बनाबई हव, जेकर हर एक अलग-अलग बिजली खपत गुण होत हैं अउर एही से अलग-अलग पावर मॉडल के जरूरत होत हैं। पावरट्यूटर का मकसद एम्बेडेड सिस्टम खातिर बिजली दक्ष सॉफ्टवेयर के डिजाइन अउर चयन के सुगम बनावैं के अहै। PowerBooter अउर PowerTutor के संयुक्त लक्ष्य बा कि ज्यादा से ज्यादा स्मार्टफोन वैरिएंट अउर उनके उपयोगकर्ता के लिए पावर मॉडलिंग अउर विश्लेषण खोले। |
3f62fe7de3bf15af1e5871dd8f623db29d8f0c35 | 255 उपयोगकर्ता से विस्तृत ट्रेस का उपयोग करके, हम स्मार्टफोन के उपयोग का एक व्यापक अध्ययन करते हैं। हम जानबूझकर उपयोगकर्ता गतिविधि का वर्णन करत हैं -- डिवाइस अउर उपयोग की गई एप्लिकेशन के साथ बातचीत -- अउर नेटवर्क अउर ऊर्जा उपयोग पर ऊ गतिविधि का प्रभाव. हम लोगन का पता लाग कि ई प्रयोगकर्ता लोग आपस में मिल-जुल के नकल करत हईन. हम जउन अध्ययन करत रहे हैं ओन सब पर आधारित है अउर जउन उपयोगकर्ता इ सबइ काम करत हीं उ सबइ लोगन स अलग-अलग रहत हीं। उदाहरण के लिए, प्रति दिन औसतन बातचीत का संख्या 10 से 200 तक भिन्न होत है, अउर प्रति दिन प्राप्त डेटा का औसत मात्रा 1 से 1000 एमबी तक भिन्न होत है। इ स्तर विविधता से पता चलता है कि उपयोगकर्ता अनुभव या ऊर्जा की खपत का सुधार करने के लिए तंत्र अधिक प्रभावी होंगे अगर वे उपयोगकर्ता व्यवहार का सीखते हैं और अनुकूलित करते हैं। हम लोगन का पता चल गवा है कि उपयोगकर्ता के बीच गुणात्मक समानता मौजूद है, जवन उपयोगकर्ता व्यवहार का सीखै के काम के सुविधा प्रदान करत है। उदाहरण के लिए, एक घातीय वितरण का उपयोग करके सापेक्ष अनुप्रयोग लोकप्रियता का मॉडल बनाया जा सकता है, विभिन्न उपयोगकर्ताओं के लिए अलग-अलग वितरण मापदंडों के साथ। हम भविष्य मा ऊर्जा की खपत का भविष्यवाणी करैं वाले यंत्रणा के संदर्भ मा उपयोगकर्ता व्यवहार मा अनुकूलन का मूल्य दिखावत है। अनुकूलन के साथ 90 वीं प्रतिशत त्रुटि उपयोगकर्ता के बीच औसत व्यवहार पर आधारित भविष्यवाणियों की तुलना में आधा से कम है। |
45654695f5cad20d2be36d45d280af5180004baf | इ लेख मा हम भविष्य मा 5G नेटवर्क के लिए एक नया फ्रंटहॉल इंटरफ़ेस के डिजाइन पर चर्चा करत हैं। वर्तमान फ्रंटहाउस समाधानन कय प्रमुख कमिन् कय पहिले विश्लेषण करल गवा है, औ बाद मा अगला पीढ़ी के फ्रंटहाउस इंटरफ़ेस (NGFI) नामक एक नया फ्रंटहाउस इंटरफ़ेस प्रस्तावित करल गवा है। एनजीएफआई के डिजाइन सिद्धांत प्रस्तुत करल गइल बा, जेहमे एंटेना के संख्या से फ्रंटहॉल बैंडविड्थ के विच्छेदन, सेल अउर उपयोगकर्ता उपकरण प्रसंस्करण के विच्छेदन, अउर उच्च प्रदर्शन-बढ़त सहयोगात्मक प्रौद्योगिकि पर ध्यान केंद्रित करल गइल बा। एनजीएफआई का उद्देश्य मुख्य 5जी प्रौद्योगिकियों का बेहतर समर्थन करना है, विशेष रूप से क्लाउड आरएएन, नेटवर्क फ़ंक्शंस वर्चुअलाइजेशन, और बड़े पैमाने पर एंटीना सिस्टम। एनजीएफआई कम बैंडविड्थ के फायदे का दावा करत है अउर साथ ही मोबाइल नेटवर्क यातायात पर ज्वारीय लहर प्रभाव का शोषण करके ट्रांसमिशन दक्षता में सुधार करत है। एनजीएफआई का प्रसारण ईथरनेट पर आधारित है ताकि लचीलापन और विश्वसनीयता का लाभ उठाया जा सके। इथरनेट आधारित फ्रंटहाउस नेटवर्क कय प्रमुख प्रभाव, चुनौति अउर संभावित समाधान कय भी विश्लेषण करल गवा हय। जिटर, विलंब, समय अउर आवृत्ति समक्रमण का सामना करे वाले प्रमुख समस्या अहय। |
a1bbd52c57ad6a36057f5aa69544887261eb1a83 | हम एक वाक्यविन्यास-आधारित एल्गोरिथ्म का वर्णन करते हैं जो स्वचालित रूप से सिमुलेटर से समकक्ष अनुवाद सेट से परिमित राज्य ऑटोमैट (शब्द जाली) बनाता है। ई FSAs पैराफ़्रेज़ का अच्छा प्रतिनिधित्व करत हैं. इनका उपयोग लेक्सिकल अउर सिंटैक्सिक पैराफ्रेज़ जोड़ा निकारै अउर नया, अनदेखा वाक्य बनावे खातिर करल जा सकत है जवन इनपुट सेट मा वाक्य के समान अर्थ व्यक्त करत हैं। हमार FSAs वैकल्पिक सिमेंटिक प्रतिपादन कय सहीता कय भी भविष्यवाणी कइ सकत हैं, जेकर उपयोग अनुवादन कय गुणवत्ता कय मूल्यांकन करै मा किन्हें जाय सकत है। |
78e2cf228287d7e995c6718338e3ec58dc7cca50 | |
7674e4e66c60a4a31d0b68a07d4ea521cca8a84b | फजीलॉग एक आंशिक रूप से आदेशित साझा लॉग अमूर्तता है। वितरित अनुप्रयोग एक साथ आंशिक आदेश मा संलग्न गर्न सक्छन् र यो पछाडि प्ले। फजीलॉग अनुप्रयोग एक अंतर्निहित साझा लॉग का लाभ प्राप्त करत हैं - मजबूत स्थिरता, स्थायित्व, और विफलता परमाणुता को सरल तरीकों से निकाल रहा है - बिना इसके नुकसान का सामना कर रहा है। आंशिक क्रम का खुलासा करके, फजीलॉग अनुप्रयोगों के लिए तीन प्रमुख क्षमताओं का सक्षम बनाता हैः थ्रूपुट और क्षमता (एटॉमिकिटी का त्याग किए बिना), कमजोर स्थिरता गारंटी, और नेटवर्क विभाजन के लिए सहिष्णुता। हम डैपल, फजीलॉग अमूर्त का एक वितरित कार्यान्वयन प्रस्तुत करत हैं जवन आंशिक आदेश का संक्षिप्त रूप से संग्रहीत करत है अउर एक नया आदेश प्रोटोकॉल के माध्यम से कुशल जोड़ / प्लेबैक का समर्थन करत है। हम कई डेटा संरचनाओं अउर अनुप्रयोगों का लागू कर रहे हैं FuzzyLog पर, कई मानचित्र वेरिएंट सहित ZooKeeper कार्यान्वयन सहित। हमार मूल्यांकन से पता चलता है कि इ अनुप्रयोग कॉम्पैक्ट, तेज, अउर लचीला हैंः इ एक साझा लॉग डिज़ाइन की सादगी (100s कोड की पंक्तियों) अउर मजबूत सिमेंटिक्स (टिकाऊपन अउर विफलता परमाणुता) का बनाए रखते हुए रैखिक स्केलेबिलिटी, लचीला सुसंगतता गारंटी (जैसे, कारण + स्थिरता), अउर नेटवर्क विभाजन सहिष्णुता के लिए फ़जीलॉग का आंशिक आदेश का शोषण करते हुए। 6-नोड डैपल परिनियोजन पर, हमार फ़ज़ीलॉग आधारित ज़ूओकीपर 3M/सेकंड एकल-कुंजी लिखत है, अउर 150K/सेकंड परमाणु क्रॉस-शार्ड नाम बदलै का समर्थन करत है। |
38bcf0bd4f8c35ff54d292d37cbdca1da677f3f5 | श्रवण बायोसेंसर (डब्ल्यूबीएस) कई नई सेटिंग्स में निरंतर हृदय (सीवी) की निगरानी की अनुमति देगा। कई बड़ी बीमारियन का निदान अउर इलाज करावै मा फायदा होई सकत है। डब्ल्यूबीएस, उचित अलार्म एल्गोरिदम के साथ संयोजन में, उच्च जोखिम वाले विषयों के लिए सीवी आपदा के लिए निगरानी क्षमताओं का बढ़ा सकता है। डब्ल्यूबीएस भी पुरानी बीमारी के इलाज मा एक भूमिका निभा सकत है, जानकारी प्रदान कर कि थेरेपी का सटीक उपादान या रोगी अनुपालन मा चूक का पता लगा सकत है। डब्लूबीएस खतरनाक आपरेशन (सैन्य, अग्निशमन, आदि) के दौरान लोगन की वायरलेस निगरानी मा एक महत्वपूर्ण भूमिका निभाय सकत है। ) या ऐसे संवेदक का उपयोग बड़े पैमाने पर नागरिक हताहत घटना के दौरान किया जा सकता है। चूँकि CV फिजियो-लॉजिकल पैरामीटर " महत्वपूर्ण संकेत " बनात है जउन आपातकालीन चिकित्सा स्थितियन में सबसे महत्वपूर्ण जानकारी होत है, WBS जोखिम वाले विषयों की बड़ी संख्या के लिए एक वायरलेस निगरानी प्रणाली सक्षम कर सकता है। इहि तरह से आज के अति-व्यस्त आपातकालीन विभागन के प्रतीक्षा कक्षन मा निगरानी रखे मा भी उपयोगी होइ सकत है। अस्पताल मा भर्ती मरीजन खातिर जवन सीवी निगरानी के जरूरत है, वर्तमान बायोसेंसर तकनीक आमतौर पर मरीजन का तारन के जाल मा बांध देत है, जबकि पहनने योग्य सीवी सेंसर अस्पताल मा भर्ती मरीजन के आराम मा वृद्धि कर सकत है और शायद ट्रिपिंग और गिरने का खतरा भी कम कर सकत है, अस्पताल के मरीजन खातिर एक बारहमासी समस्या है जो बीमार हैं, दवा पर हैं, और एक अपरिचित सेटिंग मा हैं। दैनिक आधार पर, पहना जा सकने वाले सीवी सेंसर अनियंत्रित उच्च रक्तचाप का पता लगाकर दवा की एक छूट गई खुराक का पता लगा सकते हैं और रोगी के लिए दवा लेने के लिए एक स्वचालित अनुस्मारक ट्रिगर कर सकते हैं। एकरे अलावा, उच्च रक्तचाप के इलाज के लिए डॉक्टरन का टाइट्रेट करना भी महत्वपूर्ण है, काहे से कि अपर्याप्त चिकित्सा अउर अत्यधिक चिकित्सा (जे असामान्य रूप से कम रक्तचाप का कारण बनत है) मृत्यु दर बढ़ा देत है। हालांकि, स्वास्थ्य सेवा प्रदाता के पास रक्तचाप का केवल आंतरायिक मूल्य है, जिन पर उपचार के निर्णय का आधार है; यह संभव है कि निरंतर रक्तचाप की निगरानी से उपचार का सुधार और मृत्यु दर में कमी हो। इसी तरह, डब्ल्यूबीएस एक मरीज के व्यायाम प्रयास का शारीरिक हस्ताक्षर (दिल दर और रक्तचाप मा बदलाव के रूप मा प्रकट) लॉग इन कर सकति है, रोगी और स्वास्थ्य देखभाल प्रदाता को स्वास्थ्य परिणामों मा सुधार को साबित करने के लिए एक आहार अनुपालन का आकलन करने की अनुमति देत है। क्रोनिक हृदय रोग, जइसे कि दिल की विफलता वाले मरीजन खातिर, डब्ल्यूबीएस का उपयोग करे वाली होम मॉनिटरिंग बहुत जल्दी (और अक्सर आसानी से इलाज योग्य) चरणों में विकृति का पता लगा सकत है, इससे पहिले कि रोगी अधिक खतरनाक स्तर तक बढ़ जाए, जेकरा खातिर आपातकालीन कक्ष का दौरा और महंगी अस्पताल में भर्ती की आवश्यकता होये। एह आलेख मा हम तकनीकी अउर नैदानिक चर्चा करत अही ... |
86c9a59c7c4fcf0d10dbfdb6afd20dd3c5c1426c | फिंगरप्रिंट वर्गीकरण फिंगरप्रिंट डाटाबेस मा एक महत्वपूर्ण अनुक्रमण तंत्र प्रदान करत है। एक सटीक अउर सुसंगत वर्गीकरण बड़ी मात्रा मा डाटाबेस कय फिंगरप्रिंट मिलान समय घटा सकत है। हम एक फिंगरप्रिंट वर्गीकरण एल्गोरिथ्म प्रस्तुत करत हैं जवन पहिले से सास्त्रीय रिपोर्ट से बेहतर सटीकता प्राप्त करे मा सक्षम अहै। हम अंगूठे क छवियन क पाँच श्रेणियन मँ बाँटत अही: घुमावदार, दाहिन पासा, बाएँ पासा, मेहराब अउर टेन्ट मेहराब। एल्गोरिथ्म एक उपन्यास प्रतिनिधित्व (फिंगरकोड) का उपयोग करत है और वर्गीकरण करे खातिर दुई-चरण वर्गीकरणकर्ता पर आधारित है। एनआईएसटी-4 डाटाबेस मा 4000 छवियों मा परीक्षण किया गा है। पांच-वर्ग समस्या के लिए, 90 प्रतिशत वर्गीकरण सटीकता हासिल की गई है (फीचर निष्कर्षण चरण के दौरान 1.8 प्रतिशत अस्वीकृति के साथ) । चार वर्ग समस्या (आर्क अउर टेंट आर्क एक वर्ग मा संयुक्त) खातिर, हम 94.8 प्रतिशत वर्गीकरण सटीकता प्राप्त कर सकत हैं (1.8 प्रतिशत अस्वीकृति के साथ) । वर्गीकरणकर्ता मा अस्वीकार विकल्प शामिल गरेर, वर्गीकरण सटीकता 96 प्रतिशत पाँच-वर्ग वर्गीकरण कार्य को लागी, र 97.8 प्रतिशत चार-वर्ग वर्गीकरण कार्य को लागी कुल 32.5 प्रतिशत छविहरु अस्वीकार गरे पछि बढाइयो गर्न सकिन्छ। |
a2ed347d010aeae4ddd116676bdea2e77d942f6e | इ पेपर मा फिंगरप्रिंट वर्गीकरण एल्गोरिथ्म प्रस्तुत कै देहे हई। औंठा के छाप पांच श्रेणिन मा वर्गीकृत कीन जात है: आर्क, टेंट आर्क, बायीं लूप, दाईं लूप अउर घुमावदार। एल्गोरिथ्म एक फिंगरप्रिंट छवि मा एकल बिंदु (कोर और डेल्टा) निकाले और पता लगाए गए एकल बिंदुओं की संख्या और स्थानों के आधार पर वर्गीकरण करे। वर्गीकरण रोटेशन, अनुवाद अउर पैमाना बदलाव कै छोट मात्रा मा अपरिवर्तनीय अहै। वर्गीकरण नियम-आधारित है, जहां नियम दिए गए डेटा सेट से स्वतंत्र रूप से उत्पन्न होते हैं। वर्गीकरणकर्ता का परीक्षण एनआईएसटी-४ डेटाबेस मा ४००० चित्रों पर और एनआईएसटी-९ डेटाबेस मा ५४०० चित्रों पर कीन गवा। एनआईएसटी-4 डाटाबेस खातिर, पांच-वर्ग समस्या खातिर 85.4% अउर चार-वर्ग समस्या खातिर 91.1% (आर्क अउर टेंट आर्क के साथ एक ही श्रेणी में रखल गयल) के वर्गीकरण सटीकता हासिल कीन गयल रहे। रिजेक्ट विकल्प कय उपयोग कइके, चार-वर्ग वर्गीकरण त्रुटि का 6% से कम कय लिए घटाया जा सकत है, 10% फिंगरप्रिंट छवियन कय खारिज कइके। एनआईएसटी-९ डाटाबेस पर भी इसी तरह का वर्गीकरण प्रदर्शन मिला. |
b07ce649d6f6eb636872527104b0209d3edc8188 | |
3337976b072405933a02f7d912d2b6432de38feb | इ पेपर मा तीन भाग शामिल हय: एक प्रारंभिक सामान्य मा सारांश का टाइपोग्राफी; वर्तमान और योजनाबद्ध मॉड्यूल का विवरण और संक्षिप्त रूप से संक्षिप्त रूप से स्वचालित बहुभाषी पाठ सारांश प्रणाली का प्रदर्शन, सैट आईएसआई द्वारा निर्मित, और सारांश का मूल्यांकन करने के तीन तरीकों की चर्चा। 1. माई बाप पहिले T H E N A T U R E F S U M A R I E S 1950 के दशक का अंत अउर 1960 के दशक का शुरुआत में कईल गईल प्रयोग से पता चलल की कंप्यूटर द्वारा पाठ सारांशित कईल संभव बा, लेकिन ई बिल्कुल सही नईखे (Luhn, 59; Edmundson, 68). तब विकसित विधियन काफी असुविधाजनक रहिन, मुख्य रूप से सतह स्तर की घटनाओं पर निर्भर रहिन जैसे कि वाक्य स्थिति और शब्द आवृत्ति की गिनती, और सार (पाठ से चयनित मार्ग, शब्दशः पुनः उत्पन्न) के बजाय अर्क (पाठ का व्याख्यात्मक भाग, नया उत्पन्न) के बजाय अर्क का उत्पादन करने पर ध्यान केंद्रित किया। कुछ दशक का अंतराल के बाद, ऑनलाइन पाठ की बढ़ती उपस्थिति - कॉर्पोरेस में अउर विशेष रूप से वेब पर - स्वचालित पाठ सारांश में रुचि का नवीनीकरण। इन बीच के दशक मा, नेचुरल लैंग्वेज प्रोसेसिंग (NLP) मा प्रगति, कम्प्यूटर मेमोरी अउर स्पीड मा भारी वृद्धि के साथै, जादा जटिल तकनीकें संभव बनाइ देहे, जेसे बहुतै हौसला बढ़े। 1990 के दशक के अंत मा, कुछ अपेक्षाकृत छोटा शोध निवेश अमेरिका मा (माइक्रोसॉफ्ट, लेक्सिस-नेक्सिस, ओरेकल, एसआरए, और टेक्स्टवाइज मा वाणिज्यिक प्रयासों सहित, और सीएमयू, एनएमएसयू, यूपीएन, और यूएससी / आईएसआई मा विश्वविद्यालयों के प्रयासों सहित) तीन या चार साल से अधिक कई संभावित बाजार का प्रदर्शन करने वाले कई प्रणालियों का उत्पादन किया है, साथ ही साथ कई नवाचारों का वादा किया है कि निरंतर सुधार होगा। एकरे अलावा, हाल के कुछ कार्यशालाओं, एक किताब संग्रह, अउर कई ट्यूटोरियल ई बात पर सहमत हैं कि स्वचालित पाठ सारांश एक गर्म क्षेत्र बन गवा है। जब एक व्यक्ति विभिन्न प्रणालियन कय अध्ययन करय कय खातिर समय देत है अउर सोचय कि वास्तव मा का कीन गवा है, त उ इन सबकय अंतर्निहित समानता, इन सबकय ध्यान कय सीमितता अउर समस्या कय आसपास अनजान कारक कय भारी संख्या पय ध्यान देत है। उदाहरण के लिए, एक बीटा नामित खंड का एक पीडीएफ फाइल का एक पीडीएफ फाइल का एक पीडीएफ फाइल है। कउनो मनई इ नाहीं जानत कि इ सही अहइ या गलत अहइ। हम अपने काम मा सारांश का उपयोग जेनेरिक शब्द के रूप मा करते हैं और इके निम्नानुसार परिभाषित करते हैंः एक सारांश एक पाठ है जो एक या अधिक (संभवतः मल्टीमीडिया) पाठों से उत्पन्न होता है, जिसमें (कुछ) मूल पाठ का एक ही जानकारी शामिल है, और जो मूल पाठ का आधा से अधिक नहीं है। चित्र क थोड़ा सा स्पष्ट करेक लिए, हम अनुसरण करत हैं अउर विविधता के निम्नलिखित पहलुओं का पहचान करके विस्तारित (स्पीयर जोंस, 97) । कौनो सारांश (कम से कम) तीन प्रमुख वर्गों की विशेषता द्वारा चिह्नित किया जा सकता हैः Invut: स्रोत पाठ की विशेषताएं) स्रोत का आकार: एकल-दस्तावेज़ v s . बहु-दस्तावेज़: एकल-दस्तावेज़ सारांश एक एकल इनपुट पाठ से लिया जाता है (हालांकि संक्षिप्त रूप से संदर्भित कुछ अन्य पाठों से संक्षिप्त रूप से संबंधित है), हालांकि इनपुट टेक्स्ट का एक सेट अप करें ताकि विभिन्न दस्तावेज़ एक-दूसरे से संबंधित हो सकें। एक बहु-दस्तावेज़ सारांश एक पाठ है जवन एक से अधिक इनपुट पाठ की सामग्री का कवर करता है, अउर आमतौर पय एकर इस्तेमाल केवल तभी होई जब इनपुट पाठ विषयात्मक रूप से संबंधित होंइ। विसेसता: डोमेन-विशिष्ट बनाम सामान्य: जब इनपुट पाठ सब एक डोमेन से संबंधित हों, तो सामान्य मामले की तुलना में डोमेन विशिष्ट सारांश तकनीक का उपयोग करना, विशिष्ट सामग्री पर ध्यान केंद्रित करना, और विशिष्ट प्रारूप का आउटपुट करना उचित हो सकता है। एक डोमेन-विशिष्ट सारांश इनपुट पाठ से प्राप्त होत है जेकर थीम एक एकल प्रतिबंधित डोमेन से संबंधित होत है। ई तरह से, ई कम शब्द अस्पष्टता, idiosyncratic शब्द अउर व्याकरणिक उपयोग, विशेष रूप से फ़ॉर्मेट करेक, अउर इन सब का सारांश में दर्शाइ सकत है. |
25126128faa023d1a65a47abeb8c33219cc8ca5c | हम बड़े पैमाने पर कर्नेल विधियों के लिए Nyström प्रकार सबसैंपलिंग दृष्टिकोण का अध्ययन करते हैं, और सांख्यिकीय सीखने की सेटिंग में सीखने की सीमाओं का साबित करते हैं, जहां यादृच्छिक नमूनाकरण और उच्च संभावना अनुमानों पर विचार किया जाता है। विशेष रूप से, हम इ सिद्ध करत रहे कि इन दृष्टिकोणों से सीखने का एक optimal स्तर प्राप्त हो सकता है, अगर सही ढंग से चयनित किया जाए। ई परिणाम Nyström कर्नेल नियमित न्यूनतम वर्गों का एक सरल वृद्धिशील संस्करण का सुझाव देत हैं, जहां उप-नमूना स्तर संगणनात्मक नियमितकरण का एक रूप लागू करता है, इस अर्थ में कि यह एक ही समय में नियमितकरण और गणनाओं को नियंत्रित करता है। व्यापक प्रयोगात्मक विश्लेषण से पता चलता है कि विचारणीय दृष्टिकोण बड़े पैमाने पर डेटासेट पर अत्याधुनिक प्रदर्शन का स्तर प्राप्त करता है। |
414573bcd1849b4d3ec8a06dd4080b62f1db5607 | वितरित सेवा से इनकार (डीडीओएस) हमला इंटरनेट पर एक बड़ा खतरा का रूप ले रहा है। हम प्रस्तावित D-WARD, एक DDoS रक्षा प्रणाली स्रोत-अंत नेटवर्क मा तैनात कि स्वायत्त रूप मा पता लगाि और इन नेटवर्क से उत्पन्न हमलों रोक्न। नेटवर्क अउर बाकी इंटरनेट के बीच द्वि-दिशात्मक यातायात प्रवाह के निरंतर निगरानी अउर सामान्य प्रवाह मॉडल के साथ आवधिक तुलना के माध्यम से हमलन का पता लगावा जात है। असंगत प्रवाह उनके आक्रामकता के अनुपात मा दर-सीमित हैं। डी-वार्ड हमला के दौरान भी वैध यातायात का अच्छा सेवा प्रदान करत है, जबकि प्रभावी रूप से डीडीओएस यातायात का एक नगण्य स्तर तक कम करत है। इ प्रणाली कय एक प्रोटोटाइप एक लिनक्स राउटर मा निर्मित है । हम अलग अलग हमला परिदृश्य मा एकर प्रभावकारिता दिखावा, तैनात के लिए प्रेरणाओं पर चर्चा करें, औ संबंधित लागत का वर्णन करें। |
705a24f4e1766a44bbba7cf335f74229ed443c7b | आम तौर पे चेहरा पहचानने वाले एल्गोरिदम आमतौर पे यह मान लेते हैं कि चेहरा चित्र काफी हद तक एक दुसरे से जुड़ा हुआ है अउर कई बार अलग अलग फ़ॉन्ट भी दिखाते हैं लेकिन फ़ॉन्ट का अलग अलग रंग और कई बार अलग अलग आकार भी होता है एही से चेहरा पहचान के बिना चेहरा चित्रन तक पहुंचल एगो सक्रिय क्षेत्र बन गइल बा. इ उद्देश्य कय लिए, स्थानीय बाइनरी पैटर्न (LBP) कय हिस्टोग्राम चेहरा पहचान कय लिए अत्यधिक भेदभावपूर्ण वर्णक सिद्ध होइ गवा है। बहरहाल, अधिकांश एलबीपी-आधारित एल्गोरिदम कठोर डिस्क्रिप्टर मिलान रणनीति का उपयोग करत हैं, जवन पोजिशन भिन्नता अउर गलत पंक्तिबद्धता के खिलाफ मजबूत नाहीं है. हम चेहरा पहचान के खातिर दुइ अल्गोरिदम प्रस्तावित करत हन जउन पोज वैरिएशन अउर डिसअलाइनिंग से निपटैं खातिर डिज़ाइन कीन गा हैं। हम भी एक प्रकाश सामान्यीकरण चरण शामिल है कि प्रकाश विविधता के खिलाफ मजबूती बढ़ जाती है। प्रस्तावित एल्गोरिदम एलबीपी के हिस्टोग्राम के आधार पर डिस्क्रिप्टर का उपयोग करत हैं अउर क्रमशः स्थानिक पिरामिड मिलान (एसपीएम) अउर नेव बेज़ निकटतम पड़ोसी (एनबीएनएन) के साथ डिस्क्रिप्टर मिलान करत हैं। हमार योगदान लचीला स्थानिक मिलान योजनाओं का शामिल है जउन एक छवि-से-वर्ग संबंध का उपयोग करते हैं ताकि इंट्रा-क्लास भिन्नता के संबंध में बेहतर मजबूती प्रदान की जा सके। हम प्रस्तावित एल्गोरिदम क सटीकता क तुलना एहोनेन क मूल एलबीपी-आधारित चेहरा पहचान प्रणाली अउर चार मानक डेटासेट पे दुई आधारभूत समग्र वर्गीकरणकर्ता से करत अही। हमार परिणाम बतावत हैं कि एनबीएनएन पर आधारित एल्गोरिथ्म दूसर समाधानन से बेहतर काम करत है, अउर यहिके बजाय पोज वैरिएशन के उपस्थिति मा अउर बेहतर काम करत है। |
fb8704210358d0cbf5113c97e1f9f9f03f67e6fc | पिछले 10 साल से कंप्यूटर विजन के क्षेत्र मा सबसे ज्यादा खोज भईल बा। विजुअल अउर मल्टीमीडिया डाटा कय ढेर अउर लगातार बढ़त मात्रा कय उपलब्धता, औ इंटरनेट कय विकास विषयगत पहुंच विधियन कय आवश्यकता का रेखांकित करत अहै जवन सरल पाठ-आधारित क्वेरी या सटीक डेटाबेस फ़ील्ड के मिलान पे आधारित अनुरोध से जादा प्रदान करत हैं। विजुअल या ऑडियो सामग्री पर आधारित क्वेरीज़ तैयार करने अउर निष्पादित करने अउर बड़े मल्टीमीडिया रिपॉजिटरीज़ ब्राउज़ करने में मदद करने खातिर कई प्रोग्राम अउर टूल विकसित करल गयल ह। बहरहाल, इन सबकै बावजूद, अउर बड़े-बड़े डाटाबेस की खोज कै जाय तौ इनकै इस्तेमाल कै सका जात बाय लकिन इनकै कै विकलांगता बाय। गति, अर्थिक विवरण या वस्तुनिष्ठ छवि व्याख्याओं के संबंध मा कई प्रश्नों का उत्तर अभीन भी अनुत्तरित है। चिकित्सा क्षेत्र मा, छवियाँ, अउर विशेष रूप से डिजिटल छवियाँ, का जादा से जादा उत्पादन होत है, अउर निदान अउर चिकित्सा के लिए इस्तेमाल कै जात है। जेनेवा के यूनिवर्सिटी अस्पताल के रेडियोलॉजी विभाग मा ही २००२ मा एक दिन मा १२,००० से जादा तस्वीर बनत रही। कार्डियोलॉजी वर्तमान मा डिजिटल छवि का दूसरा सबसे बड़ा उत्पादक है, खासकर कार्डियक कैथेटरिंग (लगभग 1800 परीक्षा प्रति वर्ष लगभग 2000 छवियों मा प्रत्येक) के साथ वीडियो के साथ। जेनेवा विश्वविद्यालय अस्पताल मा 2002 मा निर्मित कार्डियोलॉजिकल छवि डेटा का कुल मात्रा लगभग 1 TB थी। एंडोस्कोपिक वीडियो समान रूप से भारी मात्रा का डेटा उत्पन्न कर सकता है। चिकित्सा (डीआईसीओएम) मा डिजिटल इमेजिंग अउर संचार के साथ, छवि संचार खातिर एक मानक स्थापित कै गा है अउर रोगी जानकारी वास्तविक छवि के साथ संग्रहीत कै सका जात है, हालांकि मानकीकरण के संबंध मा कुछ समस्या अभी भी बनी हई। कै लेखों मा नैदानिक निर्णय लेने मा सहायता के लिए चिकित्सा छवियों तक सामग्री-आधारित पहुंच का प्रस्ताव दिया गा है जे नैदानिक डेटा का प्रबंधन आसान बना देहे और सामग्री-आधारित पहुंच विधियों का चित्र संग्रहण और संचार प्रणालियों (पीएसीएस) मा एकीकरण के लिए परिदृश्य बनाए गए हैं। ई लेख चिकित्सा छवि डाटा कय सामग्री-आधारित पहुंच कय क्षेत्र में अउर क्षेत्र मा प्रयुक्त प्रौद्योगिकि कय बारे मा उपलब्ध साहित्य कय एक अवलोकन देत है। खंड 1 जेनेरिक सामग्री आधारित छवि पुनर्प्राप्ति अउर इस्तेमाल की गई प्रौद्योगिकियों का परिचय देत है। खंड २ चिकित्सा अभ्यास मा छवि पुनर्प्राप्ति को उपयोग को लागी प्रस्तावहरु र विभिन्न दृष्टिकोण को व्याख्या गर्दछ। उदाहरण के लिए, योजना का नामकरण एक स्थानीय या भौगोलिक परिभाषा के रूप में संदर्भित है। खंड ३ मा लागू सिस्टम, उनकर डेटासेट अउर मूल्यांकन मा प्रयुक्त तकनीक का वर्णन है। खंड 4 क्लिनिकल अभ्यास के साथ-साथ अनुसंधान अउर शिक्षा में छवि पुनर्प्राप्ति प्रणालि के संभावित नैदानिक लाभों का पहचान करत है। नवा अनुसंधानन मा नवा दिशा दिखी गे हैं जउन उपयोगी साबित होइ सकत हैं। इ लेख मा क्षेत्र मा उल्लिखित कुछ समस्या कै व्याख्या भी कीन गै बाय काहे से कि ई लागत बाय कि चिकित्सा क्षेत्र से सिस्टम कै बरे ढेर प्रस्ताव बना बाय अउर चिकित्सा डाटासेट का उपयोग कइके कंप्यूटर विज्ञान विभागन मा अनुसंधान प्रोटोटाइप विकसित कै जाथै। फिर भी, क्लिनिकल अभ्यास से काफी हद तक यह पता चला है कि बच्चे का जन्म एक बड़ी संख्या में बच्चे की तरफ से होता है। इ भी कहा जाय की लक्ष्य, सामान्य तौर पे, ओन्हन तक क पहुँच प्राप्त करैं जिनका ऊपर कडी़ मात्रा में कार्यवाही कीन गवा अहै, ऊहे अहै जिनका वर्तमान मा काम चलै बा, बजाय ओकरे कि कउनो तकनीकी सहायता के लिए ओन्हन तक पहुंचय के बरे जेकर कमी बा ओन्हन तक पहुंचय के बरे जेकर कमी बा। |
38919649ae3fd207b96b62e95b3c8c8e69635c7f | ई अध्ययन वायरलेस मोबाइल एड-हॉक नेटवर्क खातिर प्रस्तावित तीन राउटिंग प्रोटोकॉल के तुलना बा। प्रोटोकॉल: गंतव्य अनुक्रम दूरी वेक्टर (DSDV), मांग पर दूरी वेक्टर (AODV) और गतिशील स्रोत रूटिंग (DSR) । व्यापक सिमुलेशन एक परिदृश्य मा बनाइन्छ जहाँ नोड्स अनियमित रूप मा सार्दछ। नतीजा एक नई गतिशीलता मीट्रिक के एक फलन के रूप मा प्रस्तुत कीन जात है जौन एक परिदृश्य मा नोड्स की सापेक्ष गति को प्रतिबिंबित करे खातिर डिज़ाइन कीन गा है। ई अतिरिक्त सुविधाएँ परदान करत है, अउर आमतौर पय यहिकै सिफारिश करी जात है। अधिकांश सिमुलेशन में, प्रतिक्रियाशील प्रोटोकॉल (एओडीवी और डीएसआर) डीएसडीवी से काफी बेहतर प्रदर्शन करते थे। मध्यम यातायात भार पर DSR सभी परीक्षण गतिशीलता मानों खातिर AODV से बेहतर प्रदर्शन कइलस, जबकि AODV उच्च यातायात भार पर DSR से बेहतर प्रदर्शन कइलस. उत्तरार्द्ध डीएसआर डाटा पैकेट मा स्रोत मार्गों से उत्पन्न होत है, जो नेटवर्क मा लोड बढ़ जात है। राउटर अउर मेजबान, इ प्रकार एक नोड अन्य नोड्स के बीच पैकेट अग्रेषित कइ सकत हैं अउर साथ ही उपयोगकर्ता अनुप्रयोग चला सकत हैं। मोबाइल एड-हॉक नेटवर्क हाल के कई अनुसंधान अउर विकास प्रयास कय फोकस रहा है। एड-हॉक पैकेट रेडियो नेटवर्क अब तक मुख्य रूप से सैन्य अनुप्रयोगों से संबंधित हैं, जहां एक विकेन्द्रीकृत नेटवर्क कॉन्फ़िगरेशन एक ऑपरेटिव लाभ या एक आवश्यकता है। नेटवर्क ad-hoc कॉन्फ़िगरेशन अवधारणाओं का उपयोग कई सैन्य अनुप्रयोगों में, परस्पर जुड़े वायरलेस एक्सेस पॉइंट्स से लेकर व्यक्तियों द्वारा किए गए वायरलेस उपकरणों के नेटवर्क तक, जैसे कि डिजिटल मैप्स, शरीर से जुड़े सेंसर, वॉयस संचार, आदि में इस्तेमाल किया जा सकता है। व्यापक दायरा अउर कम दायरा के एड-हॉक नेटवर्क के संयोजन से प्रतिकूल परिचालन परिस्थिति के दौरान भी मजबूत, वैश्विक कवरेज प्रदान करे के प्रयास होत है। |
0f7329cf0d388d4c5d5b94ee52ad2385bd2383ce | सुपरवोक्सल खंडन मा मजबूत क्षमता है कि जल्दी वीडियो विश्लेषण मा शामिल हो जा सकय काहे से सुपरपिक्सेल खंडन मा छवि विश्लेषण है। हालांकि, कई संभावित सुपरवोक्सल विधियां हैं, जिनमें से अधिकांश का समय व्यतीत होता है। वास्तव मा, हम सुपरवोक्सल विभाजन मा एक एकल तुलनात्मक अध्ययन को बारे मा जानकारी को रूप मा नहीं जानते। ऊ उद्देश्य से, हम सात सुपरवोक्सल एल्गोरिदम का अध्ययन करत हैं, जिसमें ऑफ-लाइन और स्ट्रीमिंग विधियां शामिल हैं, जैसा कि हम अच्छे सुपरवोक्सल के संदर्भ में देखते हैं: अर्थात्, स्थानिक-समय एकरूपता, ऑब्जेक्ट / क्षेत्र सीमा का पता लगाने, क्षेत्र संपीड़न और पैसिमोनी। मूल्यांकन खातिर हम सात गुणवत्ता माप का एक व्यापक सूट का प्रस्ताव करत हई ताकि इन वांछनीय सुपरवोक्सल विशेषता का माप कीन जा सके। एकरे अलावा, हम विडियो विश्लेषण में सुपरवोक्सल का बाद के उच्च-स्तरीय उपयोग खातिर एक प्रॉक्सी के रूप में सुपरवोक्सल वर्गीकरण कार्य में विधि का मूल्यांकन करत हैं। हम छह मौजूदा बेंचमार्क वीडियो डेटासेट का उपयोग कई प्रकार की सामग्री-प्रकार और घने मानव एनोटेशन के साथ करते हैं। हमार खोज हमरे लिए निर्णायक सबूत की ओर ले गई है कि सात विधियन में से पदानुक्रमित ग्राफ-आधारित (GBH), भारित एकत्रीकरण (SWA) और समसामयिक सुपरपिक्सेल (TSP) विधियां सबसे अच्छा प्रदर्शन कर रही हैं। ई सब सेगमेंटेशन सटीकता के हिसाब से अच्छा प्रदर्शन करत ह, लेकिन बाकी वांछित डेटा के हिसाब से अलग-अलग होत ह: जीबीएच ऑब्जेक्ट सीमाओं का सबसे अच्छा तरीका से कैप्चर करत ह; एसडब्ल्यूए में क्षेत्र संपीड़न के लिए सबसे अच्छा क्षमता होत ह; अउर टीएसपी सबसे अच्छा अंडरसेगमेंटेशन त्रुटि प्राप्त करत ह. |
50dea03d4feb1797f1d5c260736e1cf7ad6d45ca | हम तेजी से बढ़ रहे फाइब्रोएडेनोमा का मामला रिपोर्ट कर रहे हैं. मरीज एक 13 साल का लड़की बाएं स्तन मा एक द्रव्यमान को बारे मा आउट पेशेंट क्लिनिक मा परामर्श लिया। क्लिनिकल जांच से द्रव्यमान का फाइब्रोएडेनोमा का निदान हुआ, और मरीज का सावधानीपूर्वक निरीक्षण किया गया। हर महीना मा पचास प्रतिशत से भी ज्यादा बढ़ोतरी होत हवै अउर चार महीना मा पचास प्रतिशत से भी ज्यादा बढ़ोतरी होत हवै। लमपेक्टोमी कराई गई. ट्यूमर का हिस्टोलॉजिकल रूप से फाइब्रोएडेनोमा ऑर्गनाइज्ड टाइप के रूप में निदान किया गया था और कई ग्रंथि उपकला कोशिकाओं का एंटी- एस्ट्रोजन रिसेप्टर एंटीबॉडी के लिए न्यूक्लियस में सकारात्मक इम्यूनोहिस्टोकेमिकल स्टैनिंग थी। निष्कर्षः हवाई रक्षा का महत्व, इलेक्ट्रॉनिक युद्ध का महत्व कई बार बढ़ रहा है। |
0674c1e2fd78925a1baa6a28216ee05ed7b48ba0 | मा प्रो. अंतर्राष्ट्रीय कंप्यूटर विजन सम्मेलन, कोर्फू (सितंबर 1999) का एक ऑब्जेक्ट मान्यता प्रणाली विकसित की गई है जो स्थानीय छवि सुविधाओं का एक नया वर्ग का उपयोग करती है। फ़ीचर छवि मापने, अनुवाद, और घूर्णन के लिए अपरिवर्तनीय हैं, और आंशिक रूप से रोशनी परिवर्तन और आत्मीय या 3 डी प्रक्षेपण के लिए अपरिवर्तनीय हैं। इ विशेषताएं निचले temporal cortex मा न्यूरॉन्स के साथ समान गुण साझा करत हैं जिनका उपयोग प्राइमेट दृष्टि में वस्तु मान्यता के लिए कईल जात है। सुविधाओं का कुशलता से एक चरणबद्ध फ़िल्टरिंग दृष्टिकोण के माध्यम से पता चला है जो कि स्केल स्पेस में स्थिर बिंदुओं की पहचान करता है। छवि कुंजी बनवाई जाय जे स्थानीय ज्यामितीय विकृति के अनुमति देत है कयिउ ओरिएंटेशन विमानों में अउर कई पैमानन पे धुंधला छवि ढाल का प्रतिनिधित्व करत है। कुंजी का उपयोग निकटतम-पड़ोस अनुक्रमण विधि में इनपुट के रूप में कइल जात बा जे उम्मीदवार वस्तु मिलान के पहचान करत बा. प्रत्येक मैच का अंतिम सत्यापन अज्ञात मॉडल पैरामीटर के लिए एक कम-अवशिष्ट लघुतम-वर्ग समाधान का पता लगाकर करा जाता है। प्रायोगिक परिणाम से पता चलता है कि 2 सेकंड से कम समय की गणना समय के साथ अव्यवस्थित आंशिक रूप से अवरुद्ध छवियों में मजबूत वस्तु मान्यता प्राप्त की जा सकती है। |
bbb9c3119edd9daa414fd8f2df5072587bfa3462 | इ खुला स्रोत कंप्यूटिंग ढांचा नवा अनुप्रयोगों का खुलासा करइ खातिर स्ट्रीमिंग, बैच, अउर इंटरैक्टिव बड़ डेटा वर्कलोड का एकीकृत करत है । |
18ca2837d280a6b2250024b6b0e59345601064a7 | विज्ञान कय बहुत क्षेत्र एक्स्प्लोरेटरी डाटा विश्लेषण अउर विज़ुअलाइज़ेशन पे निर्भर करत हैं। बहु-परिवर्तनित डेटा कय बड़ मात्रा कय विश्लेषण करय कय जरूरत आयामियता घटावे कय मूलभूत समस्या का उठावय: उच्च-आयामी डेटा कय कॉम्पैक्ट निरूपण कय खोज कैना जाय। इँहा, हम स्थानीय रूप से रैखिक एम्बेडिंग (एलएलई) का परिचय देत हई, एगो अनसुरीक्षित सीखना एल्गोरिथ्म जवन कम-आयामी, उच्च-आयामी इनपुट के पड़ोस-संरक्षण एम्बेडिंग का गणना करत है। स्थानीय आयाम कम करे खातिर क्लस्टरिंग विधि के विपरीत, LLE कम आयाम के एक एकल वैश्विक निर्देशांक प्रणाली मा आपन इनपुट मैप करत है, अउर एकर अनुकूलन मा स्थानीय न्यूनतम शामिल नाही होला। रैखिक पुनर्निर्माण क स्थानीय समरूपता का शोषण करके, एलएलई गैर-रैखिक विविधता क वैश्विक संरचना का सीख सका है, जइसे कि चेहरे या पाठ दस्तावेजों की छवियों से उत्पन्न। |
a3bfe87159938a96d3f2037ff0fe10adca0d21b0 | जइसे-जइसे वाहनन मा अउर सफ्टवेयर मॉड्यूल अउर बाहरी इंटरफेस जोड़ा जात हैं, वइसहीं नँवा हमला अउर कमजोर जगहन के उदय होत हैं। शोधकर्ता बताइन कि कैसे ई-कंट्रोल यूनिट (ईसीयू) कै खतरा बाय अउर वाहन पै चलै कै नियंत्रण कै सकाथै। इ सब कमजोरियन का मुकाबला करे खातिर, विभिन्न प्रकार क सुरक्षा तंत्र प्रस्तावित करल गयल हव, पर इ सब सुरक्षा-गंभीर ECUs का विरोध करय में सक्षम नाही हव. इ कमी क कम करै खातिर, हम एक ऐनामेली-आधारित घुसपैठ डिटेक्शन सिस्टम (आईडीएस) का प्रस्ताव करत हई, जेका क्लॉक-आधारित आईडीएस (सीआईडीएस) कहा जात है। ई ईसीयू मा फिंगरप्रिंटिंग खातिर आवधिक इन-वाहन संदेशन के अंतराल मापत है अउर फिर इनका उपयोग करत है। इ प्रकार से प्राप्त फिंगरप्रिंट का उपयोग तब रिवर्सिव लेस्ट स्क्वायर (RLS) एल्गोरिथ्म के साथ ECUs घड़ी व्यवहार की एक आधार रेखा का निर्माण करने के लिए किया जाता है। इ आधार पर, सीआईडीएस संचयी योग (सीयूएसयूएम) का उपयोग पहचान त्रुटि में कौनो असामान्य बदलाव का पता लगाने के लिए करता है - घुसपैठ का एक स्पष्ट संकेत। ई ई-वाहन नेटवर्क घुसपैठ की त्वरित पहचान की अनुमति देता है, 0.055% की कम झूठी सकारात्मक दर के साथ। अगर हमला कै पता चलाथै तौ सीआईडीएस का ईसीयू कै फिंगरप्रिंटिंग भी जड़ कारण का विश्लेषण करै कै सुविधा देत है। एक CAN बस प्रोटोटाइप पर अउर वास्तविक वाहनन पर हमार प्रयोग से पता चला है कि सीआईडीएस इन-व्हीकल नेटवर्क हमला के एक विस्तृत श्रृंखला का पता लगा सकत है। |
c567bdc35a40e568e0661446ac4f9b397787e40d | अल्ट्रा-कम पावर वायरलेस सेंसर नोड्स के लिए एक 2.4 GHz इंटरफेयर-रेसिस्टेंट वेक-अप रिसीवर एक अनिश्चित-IF दोहरी रूपांतरण टोपोलॉजी का उपयोग करता है, जो एक वितरित बहु-चरण एन-पथ फ़िल्टरिंग तकनीक को एक अनलॉक लो-क्यू रेज़ोनरेटर-रेफरल स्थानीय थरथरानवाला के साथ जोड़ता है। ई संरचना संकीर्ण-बैंड चयनात्मकता अउर हस्तक्षेप के खिलाफ मजबूत प्रतिरक्षा प्रदान करत है, जबकि बीएडब्ल्यू रेजोनेटर या क्रिस्टल जैसन महंगा बाहरी अनुनाद घटकों से बचे हुए है। 65 एनएम सीएमओएस रिसीवर प्रोटोटाइप -97 डीबीएम की संवेदनशीलता प्रदान करता है और 5 मेगाहर्ट्ज ऑफसेट पर -27 डीबी से बेहतर कैरियर-टू-इंटरफेरर अनुपात प्रदान करता है, 10 केबी / एस की डेटा दर के लिए 10-3 बिट त्रुटि दर पर, जबकि निरंतर संचालन के तहत 0.5 वी वोल्टेज आपूर्ति से 99 μW का उपभोग करता है। |
703244978b61a709e0ba52f5450083f31e3345ec | इ खंड मा लेखक, अनुसंधान साहित्य से साथ-साथ कॉलेज के संकाय के साथ एक-एक कर काम के बीस-सात साल का अनुभव से, सीखने का सात सामान्य सिद्धांत प्रस्तुत करत हैं। उ सबइ विभिन्न परिप्रेक्ष्य (संज्ञानात्मक, विकासात्मक, अउर सामाजिक मनोविज्ञान; शैक्षिक अनुसंधान; मानव विज्ञान; जनसांख्यिकी; अउर संगठनात्मक व्यवहार) से अनुसंधान पर आधारित अहैं ताकि लर्निंग के तहत कुछ प्रमुख सिद्धान्तन के पहिचान कीन जा सके-जैसे कि प्रभावी संगठन सूचना के पुनःप्राप्ति अउर उपयोग का बढ़ावे अउर प्रेरणा का प्रभावित करै। इ सिद्धांत शिक्षकन का छात्रन की सिछा का समझ प्रदान करत है जवन उ लोगन के मदद कर सकत है कि कुछ शिक्षण पद्धति छात्रन की सिछा का समर्थन या समर्थन नाही करत है, शिक्षण पद्धति और रणनीति का निर्माण या परिष्कृत करें जवन विशिष्ट संदर्भों में छात्रन की सिछा का अधिक प्रभावी ढंग से बढ़ावा देत है, और इ सिद्धांतन का नए पाठ्यक्रमों मा स्थानांतरित करें और लागू करें। |
52a345a29267107f92aec9260b6f8e8222305039 | इ पेपर Bianchini et al. द्वारा Inside PageRank पेपर का एक साथी या विस्तार के रूप मा कार्य करत है। [19] अउर इ पेजरैंक से जुड़ी सब समस्या का एक व्यापक सर्वेक्षण है, जवन मूल पेजरैंक मॉडल, उपलब्ध अउर अनुशंसित समाधान विधियन, भंडारण समस्या, अस्तित्व, विशिष्टता, अउर अभिसरण गुण, मूल मॉडल में संभावित बदलाव, पारंपरिक समाधान विधियन, संवेदनशीलता अउर कंडीशनिंग, अउर अंततः अद्यतन समस्या का कवर करत है। हम कुछ नए निष्कर्ष पर पहुंचे हैं, हालांकि, कुछ भी गलत नहीं है। एक बड़े पैमाने पर शोध और एक मजबूत तकनीकी पेपर (मैकेनिकल इंजीनियरिंग) का निष्कर्ष है। |
0e5c8094d3da52340b58761d441eb809ff96743f | 1, भाग 2 विषय का इ पेपर मा, हम नई पेश की गई वितरित सक्रिय ट्रांसफार्मर (डीएटी) संरचना का प्रदर्शन पारंपरिक ऑन-चिप प्रतिबाधा-परिवर्तन विधियों से तुलना करें। मानक सिलिकॉन प्रक्रिया प्रौद्योगिकियों मा उच्च-शक्ति पूरी तरह से एकीकृत एम्पलीफायरों के डिजाइन मा उनके मूलभूत शक्ति-दक्षता सीमाओं का विश्लेषण किया जात है। डीएटी एक कुशल प्रतिबाधा-परिवर्तन और शक्ति-संयोजन विधि है, जो कई कम वोल्टेज पुश-पुल एम्पलीफायरों को श्रृंखला मा चुंबकीय युग्मन द्वारा संयोजित करता है। नई अवधारणा की वैधता का प्रदर्शन करने के लिए, 0.35-μm CMOS ट्रांजिस्टर का उपयोग करके निर्मित 2.4-GHz 1.9-W 2-V पूरी तरह से एकीकृत पावर-एम्पलीफायर 41% का पावर-जोड़ा दक्षता प्राप्त कर रहा है। आइटम प्रकारः लेख अतिरिक्त जानकारीः © Copyright 2002 IEEE। अनुमति के साथ पुनर्प्रकाशित करें। मई 27, 2001 का प्राप्त भइल पांडुलिपि [ऑनलाइन पोस्टः 2002-08-07] इ काम इंटेल कारपोरेशन, आर्मी रिसर्च ऑफिस, जेट प्रोपल्शन लेबोरेटरी, इन्फिनियन, अउर नेशनल साइंस फाउंडेशन द्वारा समर्थित रहा। लेखक चिप निर्माण खातिर कोनक्सनट सिस्टम्स का धन्यवाद देत हैं, विशेष रूप से आर. मागुन, एफ. इंटवेल्ड, जे. पॉवेल, ए. वो, अउर के. मोये। के. पॉटर, डी. हैम, अउर एच. वू, कैलिफोर्निया इंस्टीट्यूट ऑफ टेक्नोलॉजी (कैल्टेक), पासाडेना से, आपन मदद खातिर विशेष धन्यवाद के पात्र हैं। एजीलेंट टेक्नोलॉजीज अउर सोनेट सॉफ्टवेयर इंक., लिवरपूल, एनवाई, से सीएडी औजारन खातिर तकनीकी सहायता भी सराहना की जात है। सिलिकॉन-आधारित आरएफ अउर माइक्रोवेव एकीकृत सर्किट पर विशेष अंक, माइक्रोवेव सिद्धांत अउर तकनीक पर आईईईई लेनदेन, खंड। पचास का नाही. |
14fae9835ae65adfdc434b7b7e761487e7a9548f | ई जानि कि एगो रेडियल पावर कंबाइनर ढेर संख्या में पावर एम्पलीफायर के संयोजन में बहुत कारगर होला, जहाँ अपेक्षाकृत विस्तृत बैंड पर उच्च दक्षता (90% से अधिक) प्राप्त करल जा सकत बा। हालांकि, एकर वर्तमान उपयोगिता जड़ से संबंधित है, हालांकि, निश्चित रूप से, यह जड़ से संबंधित नहीं है। इ पेपर मा, हम एक चरण-दर-चरण डिजाइन प्रक्रिया का विकास करत हैं, जौन प्रारंभिक अनुमानित डिजाइन सूत्रों और अंतिम सटीक डिजाइन अनुकूलन उद्देश्यों के लिए उपयुक्त मॉडल शामिल है। तीन आयामी विद्युत चुम्बकीय मॉडलिंग कय आधार पे, मापा जाय वाले परिणाम से पूर्वानुमानित परिणाम बहुत नीक रहा । रेडियल-कम्बिनर दक्षता, एकर सुंदर गिरावट, अउर उच्च आदेश पैकेज प्रतिध्वनि के प्रभाव से संबंधित व्यावहारिक मुद्दा इ जगह पे विस्तार से चर्चा करल गयल ह |
47fdb5ec9522019ef7e580d59c262b3dc9519b26 | माइक्रोस्ट्रिप जांच और एक WR-430 आयताकार वेव गाइड का उपयोग कर 1:4 पावर डिवाइडर का सफल प्रदर्शन प्रस्तुत है। गैर-अनुकूलित संरचना का 15-डीबी रिटर्न हानि बैंडविड्थ 22% और 0.5-डीबी सम्मिलन हानि बैंडविड्थ 26% का प्रदर्शन किया जाता है। जबकि पारंपरिक मशीनिंग के माध्यम से पूरा, ऐसी संरचना एक फैशन में इकट्ठा की जा रही है, साबित मिलीमीटर और उप मिलीमीटर तरंग माइक्रो-मशीनिंग तकनीक के साथ संगत है। एइसे, संरचना एक संभावित शक्ति विभाजन और शक्ति संयोजन वास्तुकला प्रस्तुत करत है, जवन माइक्रोमैशिनिंग के माध्यम से, 100GHz से अधिक अनुप्रयोगों के लिए उपयोग की जा सकत है। |
68218edaf08484871258387e95161a3ce0e6fe67 | एक आठ-डिवाइस का-बैंड ठोस-राज्य शक्ति एम्पलीफायर एक यात्रा-लहर शक्ति-विभाजन/संयोजन तकनीक का उपयोग करके डिजाइन और निर्मित किया गया है। ई डिजाइन में प्रयुक्त कम प्रोफ़ाइल स्लॉटेड वेव गाइड संरचना न केवल एक व्यापक बैंडविड्थ पर उच्च शक्ति संयोजन दक्षता प्रदान करत है, बल्कि सक्रिय डिवाइसेस के लिए कुशल गर्मी सिंक भी प्रदान करत है। आठ-डिवाइस पावर एम्पलीफायर का मापा गया अधिकतम छोटा-सिग्नल लाभ ३.२ गीगाहर्ट्ज (f/sub L/=३१.८ गीगाहर्ट्ज, f/sub H/=३५ गीगाहर्ट्ज) की ३-डीबी बैंडविड्थ के साथ ३४ गीगाहर्ट्ज पर १९.४ डीबी है। पावर एम्पलीफायर से १-डीबी संपीड़न (पी/सब आउट/१ डीबी पर) पर मापा गया अधिकतम आउटपुट पावर ३३ डीबीएम (/स्प्ल सिम/२ डब्ल्यू) ३२.२ गीगाहर्ट्ज पर, ८०% की पावर-कॉम्बिनिंग दक्षता के साथ है। ई उपकरण के विफलता के कारण ई शक्ति एम्पलीफायर के प्रदर्शन गिरावट का भी अनुकरण और मापा गवा है। |
db884813d6d764aea836c44f46604128735bffe0 | उच्च शक्ति, व्यापक बैंडविड्थ, उच्च रैखिकता, और कम शोर एम्पलीफायर डिजाइन में सबसे महत्वपूर्ण विशेषताएं हैं। ब्रॉडबैंड स्पेशल पावर-कॉम्बिनिंग तकनीक इन सब मुद्दों का समाधान करती है, जबकि अच्छी रैखिकता बनाए रखते हुए और एमएमआईसी एम्पलीफायरों के चरण शोर को बेहतर बनाते हुए, एक ब्रॉडबैंड समाक्षीय वेवगाइड वातावरण में बड़ी मात्रा में माइक्रोवेव मोनोलिथिक एकीकृत सर्किट (एमएमआईसी) एम्पलीफायरों की आउटपुट शक्ति का संयोजन करती है। एक समाक्षीय वेव गाइड का उपयोग व्यापक बैंडविड्थ और बेहतर एकरूपता के लिए संयोजन सर्किट के मेजबान के रूप में प्रत्येक तत्व के लिए समान रूप से इनपुट पावर वितरित करके किया गया था। एक नया कॉम्पैक्ट समाक्षीय संयोजक जेकर आकार बहुत छोट है, जांच कीन जात है। ब्रॉडबैंड स्लॉटलाइन से माइक्रोस्ट्रिप-लाइन संक्रमण वाणिज्यिक MMIC एम्पलीफायरों के साथ बेहतर संगतता के लिए एकीकृत है। थर्मल सिमुलेशन करल जा है और ऊष्मा प्रबंधन योजना का सुधार करल जा है जो कि पहिले के डिजाइन से ऊष्मा डूबने का सुधार कर के करल जा है। कॉम्पैक्ट कंबाइनर डिजाइन का उपयोग कर एक उच्च-शक्ति एम्पलीफायर का निर्माण किया जाता है और 44-W अधिकतम आउटपुट पावर के साथ 6 से 17 GHz तक बैंडविड्थ का प्रदर्शन किया जाता है। रैखिकता माप 52 डीबीएम का एक उच्च तीसरे क्रम का इंटरसेप्ट बिंदु दिखाया है। विश्लेषण से पता चलता है कि एम्पलीफायर में स्प्योरियस-फ्री डायनामिक रेंज का विस्तार 2 से 3 गुना तक की क्षमता है। एम्पलीफायर भी एक एकल MMIC एम्पलीफायर की तुलना में 5-6-dB कमी के साथ वाहक से 10-kHz ऑफसेट पर 140 dBc के करीब अवशिष्ट चरण मंजिल दिखाया है। |
e73ee8174589e9326d3b36484f1b95685cb1ca42 | आगामी 5 वीं पीढ़ी के सेलुलर संचार खातिर 28 गीगाहर्ट्ज का एंटीना समाधान का विवरण प्रस्तुत करल गइल बा. व्यापक माप और सिमुलेशन से पता चलता है कि प्रस्तावित 28 गीगाहर्ट्ज एंटीना समाधान यथार्थवादी प्रचार वातावरण में काम कर रहे सेलुलर हैंडसेट के लिए अत्यधिक प्रभावी है। |
4e85503ef0e1559bc197bd9de0625b3792dcaa9b | नेटवर्क आधारित हमला आम अउ जटिल बन गवा बा। इ कारण से, घुसपैठ का पता लगाने वाली प्रणालियां अब अपन ध्यान मेसिन पर अउर उनके संचालन प्रणालियों से नेटवर्क पर केंद्रित कर रही हैं। नेटवर्क-आधारित घुसपैठ का पता लगाना चुनौतीपूर्ण है काहे से कि नेटवर्क ऑडिटिंग से ढेर मात्रा मा डाटा पैदा होत है, अउर एक एकल घुसपैठ से संबंधित अलग-अलग घटना नेटवर्क पै अलग-अलग जगह देखाय परी सकत है। इ पेपर नेटस्टैट का प्रस्तुत करत है, नेटवर्क घुसपैठ का पता लगाने का एक नया तरीका है। नेटवर्क अउर हमला दुन्नो के औपचारिक मॉडल का उपयोग कइके, नेटस्टैट ई निर्धारित करे मा सक्षम है कि कौन नेटवर्क घटना का निगरानी करेक चाही अउर कहाँ इनकै निगरानी कीन जा सकत है। |
818c13721db30a435044b37014fe7077e5a8a587 | क्वेरी अनुकूलन खातिर बड़हन समूह पर भारी डेटा विश्लेषण नया अवसर अउर चुनौति देत है। इ पर्यावरण की परिभाषा के अनुसार कम्प्यूटर का अनुकूलीकरण हर हाल मा नई जगह पय पय पय जाय का चाही। हालांकि, डेटा का पुनर्वितरण एक बहुत ही महंगा ऑपरेशन है, फिर भी ऐसे ऑपरेशन की संख्या कम से कम कई बार की जा सकती है, जिससे काफी हद तक सुधार हो सकता है। एई माहौल खातिर क्वेरी ऑप्टिमाइजर का डाटा विभाजन के बारे में तर्क करे मा सक्षम होना चाही जेहमा सॉर्टिंग अउर समूहीकरण के साथ एकर बातचीत भी शामिल होई सकत है। SCOPE एक SQL-जैसी स्क्रिप्टिंग भाषा है जेकर उपयोग माइक्रोसॉफ्ट मा बड़े पैमाने पर डेटा विश्लेषण के लिए कीन जात है। एक रूपांतरण-आधारित अनुकूलक कॉस्मस वितरित कंप्यूटिंग प्लेटफॉर्म के लिए स्क्रिप्ट का कुशल निष्पादन योजनाओं में रूपांतरण के लिए जिम्मेदार है। इ पेपर मा, हम बताना है कि कैसे SCOPE अनुकूलक मा डेटा विभाजन के बारे मा तर्क शामिल है। हम देखब कि रिलेशनल ऑपरेटर विभाजन, क्रमबद्ध अउर समूहीकृत गुणन के का प्रभावित करत हैं अउर वर्णन करत हैं कि कैसे ऑप्टिमाइज़र तर्क देत है अउर अनावश्यक संचालन से बचे क खातिर ऐसन गुणन का शोषण करत है। ज्यादातर ऑप्टिमाइज़र, समानांतर योजनाओं पर विचार कर रहा है, पोस्टप्रोसेसिंग चरण में। विभाजन के बारे मा तर्क SCOPE अनुकूलक को लागत आधारित अनुकूलन मा समानांतर, सीरियल और मिश्रित योजनाओं का विचार पूरी तरह से एकीकृत करने में सक्षम बनाता है। लाभ इ है कि हमार तरीका कई योजनाओं का सक्षम बनाथै। |
8420f2f686890d9675538ec831dbb43568af1cb3 | रोमन लिपि मा लिखे गए हिंग्लिश पाठ की भावनात्मक ध्रुवीयता का निर्धारण करै के लिए, हम विसेसता चयन विधियन के अलग-अलग संयोजन अउर शब्द आवृत्ति-विपरित दस्तावेज़ आवृत्ति सुविधा प्रतिनिधित्व का उपयोग कइके वर्गीकरणकर्ता का एक मेजबान के साथ प्रयोग करे रहेन। हम कुल 840 प्रयोग कैरे ताकि समाचार अउर फेसबुक टिप्पणी मा प्रदर्शित भावनाओं का सबसे अच्छा वर्गीकरण पता चल सके जवन हिंग्लिश मा लिखा गवा है। हम निष्कर्ष निकाला कि एक्सटेंशन आवृत्ति-विपरीत दस्तावेज़ आवृत्ति-आधारित सुविधा प्रतिनिधित्व, लाभ अनुपात आधारित सुविधा चयन, और रेडियल बेस फ़ंक्शन न्यूरल नेटवर्क का एक त्रिभुज हिंग्लिश पाठ में व्यक्त भावनाओं का वर्गीकरण करने का सबसे अच्छा संयोजन है। |
c97ebb60531a86bea516d3582758a45ba494de10 | आईईईई इंटेलिजेंट ट्रांसपोर्टेशन सिस्टम्स सोसाइटी अउर व्यापक कंप्यूटिंग अनुसंधान समुदाय के बीच घनिष्ठ सहयोग का बढ़ावा देबे खातिर, लेखक आईटीएस सोसाइटी का परिचय देत हैं अउर कई व्यापक कंप्यूटिंग-संबंधित अनुसंधान विषय प्रस्तुत करत हैं जिन पर आईटीएस सोसाइटी शोधकर्ता काम कर रहे हैं। ई विभाग बुद्धिमान परिवहन पर एक विशेष अंक का हिस्सा है। |
e91196c1d0234da60314945c4812eda631004d8f | हम भाषा सीखै खातिर एक इंटरैक्टिव मल्टी-मोडल फ्रेमवर्क का प्रस्ताव करत हन। प्राकृतिक पाठ कय बड़ मात्रा कय साथे निष्क्रिय रूप से संपर्क करय के बजाय, हमार सीखक (फीड-फॉरवर्ड न्यूरल नेटवर्क के रूप मा लागू) एक ताबुला रस सेटअप से शुरू होय वाले सहकारी संदर्भ खेल मा संलग्न होत हैं, अउर इ प्रकार खेल मा सफल होए खातिर आपन खुद कय भाषा विकसित करत हैं। प्रारंभिक प्रयोग आशाजनक परिणाम देत हैं, लेकिन इ भी सुझाव देत हैं कि इ सुनिश्चित करना महत्वपूर्ण है कि एजेंट जउन एह तरह से प्रशिक्षित अहैं उ केवल ओन्हन कोड्स के लिए प्रभावी अहैं जेन्हे ओन्हन कय खेल मा लागू कै सका जात अहै। |
500b7d63e64e13fa47934ec9ad20fcfe0d4c17a7 | हाल मा, उच्च आवृत्ति सिग्नल का समय नियंत्रण तीन आयामी (3 डी) LTCC- आधारित SiP अनुप्रयोगों मा उच्च एकीकरण घनत्व को कारण जोरदार मांग मा छ। एही से, समय विलंब या समय विलंब के नियंत्रित करे खातिर, नया 3D विलंब रेखा प्रस्तावित करल जा सकत बा. सिग्नल के माध्यम से नाजुकता के लिए, हम समाक्षीय लाइन की अवधारणा को अपनाते हैं और अर्ध समाक्षीय जमीन (QCOX-GND) vias के साथ संरचना के माध्यम से एक उन्नत सिग्नल का प्रस्ताव करते हैं। हम ईएम अउर सर्किट सिमुलेटर का उपयोग कइके सिमुलेटेड परिणाम देखाउब। |
1a07186bc10592f0330655519ad91652125cd907 | हम एक एकल संवितरण तंत्रिका नेटवर्क वास्तुकला का वर्णन करते हैं, जो एक वाक्य दिए गए, भाषा प्रसंस्करण भविष्यवाणियों का एक मेजबान आउटपुट करता हैः भाषण का हिस्सा टैग, टुकड़े, नामित इकाई टैग, अर्थपूर्ण भूमिकाएं, अर्थपूर्ण रूप से समान शब्द और संभावना है कि वाक्य समझ में आता है (व्याकरणिक और अर्थपूर्ण रूप से) एक भाषा मॉडल का उपयोग कर। पूरा नेटवर्क इन सब कामन मा मिलके प्रशिक्षण देत है जौन भार-साझेदारी, मल्टीटास्क लर्निंग कय एक उदाहरण अहै। लैंग्वेज मॉडल के अलावा सब टास्क लेबल वाले डाटा का उपयोग करत हैं जवन बिना लेबल वाले पाठ से सीखे जात हैं अउर साझा टास्क खातिर अर्ध-पर्यवेक्षित सीख का एक नया रूप प्रस्तुत करत हैं। हम देखब कि multitask learning अउर semi-supervised learning दूनौ साझा कार्य कय सामान्यीकरण, अव नवीनतम प्रदर्शन कय परिणाम देत अहै। |
27e38351e48fe4b7da2775bf94341738bc4da07e | एकल-शब्द वेक्टर स्थान मॉडल शब्दकोश जानकारी का अध्ययन करने में बहुत सफल रहा है। हालांकि, उ लोग इ तर्क का खंडन करत भए कहत रहेन कि भाषा के बारे मँ ज्यादा जानकारी इहै बाय कि संज्ञा कै वैचारिकता होय. हम एक पुनरावर्ती तंत्रिका नेटवर्क (आरएनएन) मॉडल का परिचय देत हैं जवन मनमाना वाक्यविन्यास प्रकार अउर लंबाई के वाक्यांश अउर वाक्य खातिर संरचनात्मक वेक्टर प्रतिनिधित्व सीखत है। हमार मॉडल एक पार्स पेड़ मा हर नोड को एक वेक्टर और एक मैट्रिक्स आवंटित करत हैः वेक्टर घटक का अंतर्निहित अर्थ कैप्चर करत है, जबकि मैट्रिक्स कैप्चर करत है कि ई पड़ोसी शब्द या वाक्यांशों का अर्थ कैसे बदलता है। इ मैट्रिक्स-वेक्टर RNN प्रस्तावनात्मक तर्क अउर प्राकृतिक भाषा मा संचालकन का अर्थ सीख सकत है। मॉडल तीन अलग-अलग प्रयोगों पर कला प्रदर्शन का राज्य प्राप्त करता हैः अव्यय-विशेषण जोड़े का बारीक-खरदार भावना वितरण की भविष्यवाणी; फिल्म समीक्षाओं का भावनात्मक लेबल वर्गीकृत करना और उनके बीच सिंटेक्सिक पथ का उपयोग करके संज्ञाओं के बीच कारण-प्रभाव या विषय-संदेश जैसे अर्थ संबंधी संबंधों का वर्गीकरण करना। |
303b0b6e6812c60944a4ac9914222ac28b0813a2 | इ पेपर वाक्यांश-स्तर भावना विश्लेषण का एक नया तरीका प्रस्तुत करत है जवन पहिले ई निर्धारित करत है कि अभिव्यक्ति तटस्थ या ध्रुवीय है अउर फिर ध्रुवीय अभिव्यक्ति की ध्रुवीयता का निर्दिष्ट करत है। ई दृष्टिकोण से, सिस्टम भावनात्मक अभिव्यक्ति का एक बड़ा उपसमुच्चय के लिए संदर्भात्मक ध्रुवीयता का स्वचालित रूप से पहचान कर सकता है, जो कि आधारभूत से काफी बेहतर परिणाम प्राप्त कर रहा है। |
4eb943bf999ce49e5ebb629d7d0ffee44becff94 | समय कई दिलचस्प मानवीय घटना का रहस्य बताता है। इ प्रकार, कनेक्शनिस्ट मॉडल में समय का प्रतिनिधित्व बहुत जरूरी है। एक दृष्टिकोण समय का प्रतिनिधित्व करना है, बजाय समय के प्रसंस्करण के बजाय (जैसे स्थानिक प्रतिनिधित्व) । इ रिपोर्ट एक प्रस्ताव का विस्तार करत है जवन पहली बार 1986 में जॉर्डन द्वारा तैयार कीन गा रहा। इ प्रस्ताव मा नेटवर्क कय गतिशील मेमोरी बनावे कय लिए आवर्ती लिंक कय उपयोग करेक शामिल है। इ दृष्टिकोण मा, छिपा इकाई पैटर्न खुद को वापस खिलाया जाता है; आंतरिक प्रतिनिधित्व जो विकसित होत हैं, यस प्रकार पिछले आंतरिक राज्यों के संदर्भ में कार्य मांग का प्रतिबिंबित करत हैं। सिमुलेशन का एक सेट रिपोर्ट कीन गवा है जवन अपेक्षाकृत सरल समस्या से (एक्सओआर का समय-समय पर संस्करण) शब्दन खातिर वाक्यविन्यास/शब्दार्थ सुविधाओं का खोज तक होत है। नेटवर्क दिलचस्प आंतरिक प्रतिनिधित्व सीख सकत हैं जउन कार्य मांगों के साथ मेमोरी मांगों का शामिल करत हैं; वास्तव में, इ दृष्टिकोण में, मेमोरी की धारणा कार्य प्रसंस्करण से अविभाज्य रूप से जुड़ी हुई है। इ प्रतिनिधित्व एक समृद्ध संरचना का खुलासा करत है, जउन ओके बहुत अधिक संदर्भ-निर्भर होए क अनुमति देत है जबकि आइटम के वर्गों में सामान्यीकरण का भी अभिव्यक्ति होत है। इ प्रतिनिधित्व शब्दकोश श्रेणी अउर प्रकार/टोकन अंतर का प्रतिनिधित्व करेक खातिर एक विधि का सुझाव देत है। |
2069c9389df8bb29b7fedf2c2ccfe7aaf82b2832 | ट्रांसफर लर्निंग एक नया मशीन लर्निंग पैराडायम के रूप मा हाल मा बढ़त ध्यान प्राप्त कीन गा है। जब लक्षित डोमेन मा प्रशिक्षण डेटा प्रभावी ढंग से भविष्यवाणी मॉडल सीखना पर्याप्त नहीं होत है, तब ट्रांसफर लर्निंग अन्य संबंधित सहायक डोमेन से सहायक स्रोत डेटा का लाभ उठात है। जबकि इ क्षेत्र मा मौजूद अधिकांश काम केवल स्रोत डेटा का उपयोग कर पर केंद्रित है, जउन लक्षित डेटा के रूप मा एक ही प्रतिनिधित्व संरचना के साथ है, इ पेपर मा, हम टेक्स्ट और छवियों के बीच ज्ञान हस्तांतरण के लिए एक विषम हस्तांतरण सीखने ढांचे का विस्तार करके इस सीमा को आगे बढ़ा रहे हैं। हम देखब कि लक्षित-डोमेन वर्गीकरण समस्या के लिए, कुछ एनोटेटेड छवियाँ कई सामाजिक वेब साइटों पर पायी जा सकती हैं, जो वेब पर उपलब्ध कई पाठ दस्तावेज़ों से ज्ञान का स्थानांतरण करने का एक पुल का काम कर सकती हैं। एक महत्वपूर्ण सवाल इ है कि स्रोत डेटा में ज्ञान का प्रभावी ढंग से हस्तांतरण कइसे कइल जाय, भले ही टेक्स्ट दस्तावेज़ ऊपरी स्तर पर हों. हमार समाधान ई है कि लक्ष्य छवि कय प्रतिनिधित्व सहायक स्रोत डेटा से निकालल सिमेंटिक अवधारणाओं से मैट्रिक्स फैक्टरिज़ेशन कय माध्यम से समृद्ध करा जाय, अउर सहायक डेटा द्वारा निर्मित लुप्त सिमेंटिक सुविधाओं का उपयोग कै बेहतर छवि वर्गीकरणकर्ता बनावेक बरे करा जाय। हम अनुभव से आपन एल्गोरिथ्म क प्रभावशीलता का सत्यापित करत हई कैल्टेक-256 छवि डेटासेट पर. |
381231eecd132199821c5aa3ff3f2278f593ea33 | |
a8823ab946321079c63b9bd42f58bd17b96a25e4 | चेहरा का पता लगावे अउर आंख का निकाले के बहुत से अनुप्रयोग में एक महत्वपूर्ण भूमिका अहै जइसे कि चेहरा पहचान, चेहरा अभिव्यक्ति विश्लेषण, सुरक्षा लॉगिन आदि। कंप्यूटर खातिर मानव चेहरा अउर चेहरा के संरचना जइसे आंखी, नाक का पता लगावैं के काम बहुतै जटिल प्रक्रिया है। इ पेपर सोबेल एज डिटेक्शन और मॉर्फोलॉजिकल ऑपरेशंस का उपयोग करके फ्रंटल फेस इमेजेज से फेस डिटेक्शन और आंखों का निष्कर्षण का एक एल्गोरिथ्म प्रस्तावित करता है। प्रस्तावित दृष्टिकोण तीन चरणों मा विभाजित है; पूर्व प्रसंस्करण, चेहरा क्षेत्र को पहचान, र आँखा को निकालन। चित्रण का आकार बदलना और ग्रे स्केल चित्रण रूपांतरण पूर्व प्रसंस्करण में प्राप्त होता है। चेहरा क्षेत्र पहचान सोबेल किनारा का पता लगावे अउर रूपात्मक संचालन द्वारा पूरा कीन जात है। अंतिम चरण मा, आंखें आकृति विज्ञान आपरेशन की मदद से चेहरे क्षेत्र से बाहर निकाला जा रहा है. प्रयोग क्रमशः IMM फ्रंटल फेस डाटाबेस, FEI फेस डाटाबेस और IMM फेस डाटाबेस की 120, 75, 40 छवियों पर किए गए हैं। चेहरा का पता लगाने की सटीकता क्रमशः 100%, 100%, 97.50% और आंखें निकालने की सटीकता दर क्रमशः 92.50%, 90.66%, 92.50% है। |
3b6911dc5d98faeb79d3d3e60bcdc40cfd7c9273 | एक समग्र हस्ताक्षर योजना एक डिजिटल हस्ताक्षर हो जो एकत्रीकरण का समर्थन करता हैः n अलग अलग उपयोगकर्ताओं से n अलग संदेशों पर n हस्ताक्षर दिए गए, इन सभी हस्ताक्षरों को एक एकल संक्षिप्त हस्ताक्षर में एकत्रित करना संभव है। इ एकल हस्ताक्षर (अउर n मूल संदेश) सत्यापनकर्ता का आश्वस्त करी कि n उपयोगकर्ता वास्तव में n मूल संदेश पर हस्ताक्षर किहे रहेन (यानी, उपयोगकर्ता i i = 1 के लिए संदेश Mi पर हस्ताक्षर किहे रहा, . . . . . अऊर का होगा ? . . अऊर का होगा ? , n) मा इ पेपर मा हम एक समग्र हस्ताक्षर की अवधारणा का परिचय देत हैं, ऐसे हस्ताक्षर के लिए सुरक्षा मॉडल प्रस्तुत करत हैं, और समग्र हस्ताक्षर के लिए कई अनुप्रयोग देत हैं। हम बोनेह, लिन, अउर शचम के कारन द्विध्रुवीय मानचित्रन के आधार पर हाल ही मा एक लघु हस्ताक्षर योजना से एक कुशल कुल हस्ताक्षर का निर्माण करें. एकत्रीकृत हस्ताक्षर प्रमाणपत्र श्रृंखला का आकार कम करे खातिर उपयोगी होत है (सभी हस्ताक्षर श्रृंखला में एकत्रीकृत करके) अउर एसबीजीपी जैसन सुरक्षित रूटिंग प्रोटोकॉल में संदेश का आकार कम करे खातिर। हम ई भी देखावत हई की कुल हस्ताक्षर से सत्यापित रूप से एन्क्रिप्टेड हस्ताक्षर पैदा होत है। अइसन हस्ताक्षर सत्यापनकर्ता के जांच करे खातिर सक्षम बनावत हैं कि का कउनो दिहल गइल सिफरटेक्स्ट C दिहल गइल संदेश M पर हस्ताक्षर के एन्क्रिप्शन बा . सत्यापित रूप से एन्क्रिप्टेड हस्ताक्षर अनुबंध-हस्ताक्षर प्रोटोकॉल मा प्रयोग करे जायँ। अंत मा, हम दिखायब कि सरल रिंग हस्ताक्षर दै छोटो हस्ताक्षर योजना का विस्तार करेक लिए समान विचार का उपयोग कै सका जात है। |
6d4fa4b9037b64b8383331583430711be321c587 | सोंच विश्लेषण एक बढ़त अनुसंधान का क्षेत्र है, वाणिज्यिक अनुप्रयोगों औ अकादमिक रुचि दोनों से प्रेरित है। ई पेपर में, हम वैलेंस अउर उत्तेजना के भावनात्मक आयाम खातिर डायरी-जैसे ब्लॉग पोस्ट का बहु-वर्ग वर्गीकरण क पता लगाइत ह, जहां कार्य का लक्ष्य क्रमशः बहुत नकारात्मक/कम से बहुत सकारात्मक/उच्च तक, एक ऑर्डिनल पांच-स्तरीय पैमाने पर एक पोस्ट के वैलेंस अउर उत्तेजना के स्तर का भविष्यवाणी करना है। हम ई दर्शाई देईब कि कैसे अलग अलग भावुक अवस्था के मानचित्रण ई दुनहु आयाम में क्रमबद्ध पैमानन में करल जा सकत बा, रसेल के प्रभाव के परिघीय मॉडल के मनोवैज्ञानिक मॉडल के आधार पर अउर पहिले से उपलब्ध बहुआयामी, वास्तविक-मूल्यवान एनोटेशन के साथ एक कोरपस का लेबल लगावल जा सकत बा। समर्थन वैक्टर मशीन वर्गीकरणकर्ता का प्रतिगमन अउर एक-बनाम-सब दृष्टिकोण का उपयोग कइके प्रयोगात्मक परिणाम देखाई देत हैं कि यद्यपि बाद वाला दृष्टिकोण बेहतर सटीक क्रम वर्ग भविष्यवाणी सटीकता प्रदान करत है, प्रतिगमन तकनीक छोट पैमाना पर त्रुटि पैदा करे क ओर अग्रसर है। |
9931c6b050e723f5b2a189dd38c81322ac0511de | हम मानव क्रिया मान्यता समुदाय के भीतर सार्वजनिक रूप से उपलब्ध डेटासेट की वर्तमान स्थिति पर एक समीक्षा प्रस्तुत करते हैं; पोज-आधारित विधियों का पुनरुद्धार और व्यक्ति-व्यक्ति बातचीत मॉडलिंग को समझने की हालिया प्रगति पर प्रकाश डाला। हम डेटासेट का वर्गीकरण कई प्रमुख गुणों के बारे में उपयोग के लिए एक बेंचमार्क डेटासेट के रूप में; वर्ग लेबल की संख्या, प्रदान की गई ग्राउंड सत्य, और उनके द्वारा कब्जा किए गए एप्लिकेशन डोमेन सहित। हम भी हर डेटासेट का अमूर्त स्तर का विचार कर रहे हैं; उन समूहों का समूह बना रहे हैं जो क्रिया, बातचीत और उच्च स्तरीय सिमेंटिक गतिविधियों का प्रतिनिधित्व करते हैं। सर्वेक्षण मुख्य रूप से उपस्थिति अउर पोज आधारित डेटासेट का पहचान करत है, सरल, जोर दिया गवा, या स्क्रिप्टेड एक्शन क्लासेस के लिए एक प्रवृत्ति का उल्लेख करत है जवन अक्सर सब-एक्शन इशारन के एक स्थिर संग्रह द्वारा आसानी से परिभाषित कीन जात है। अइसन डेटासेट के स्पष्ट कमी बा जउन घनिष्ठ रूप से संबंधित क्रिया प्रदान करत बा, ऊ जेके निहित रूप से पहचानल नई जा सकत बा, अउर इशारा आउर इशारा के श्रृंखला के माध्यम से, बल्कि बातचीत के गतिशील सेट के माध्यम से. हम त ईहे खातिर प्रस्तावित हईं कि एगो अदद डेटासेट बनवई जे दू आदमी के बीचे जटिल बातचीत से संबंधित है, अउर ई 3 डी पोस के माध्यम से होत है। 8 जोड़ी-जोड़ी बातचीत 7 अलग-अलग बातचीत आधारित परिदृश्य का वर्णन दो Kinect गहराई सेंसर का उपयोग करके एकत्रित की गई थी। इ घटना का उद्देश्य कई आदिम क्रिया, बातचीत अउर गति से निर्मित घटना प्रदान करना है; वास्तविक दुनिया का अधिक प्रतिनिधि सूक्ष्म क्रिया वर्ग का एक सेट प्रदान करना, अउर वर्तमान में विकसित मान्यता पद्धति का चुनौती देना है। हमार मानना बा कि ई बातचीत बातचीत कै वर्गीकरण कै खातिर समर्पित पहिला डेटासेट में से एक है जवन 3D पोज प्रीप्रिंट का उपयोग करत है जवन एल्सवियर कै 27 अक्टूबर, 2015 कै सुविधाओं अउर संबंधित कागजात से प्रस्तुत कीन गै बाय जवन ई काम कै दरसावै ई काम वास्तव मा संभव बाय। पूरा डाटाबेस कय जांच कय लिए, इ अनुसंधान समुदाय कय खातिर सार्वजनिक रूप से उपलब्ध अहै । |
26e6b1675e081a514f4fdc0352d6cb211ba6d9c8 | हम आधुनिक कारों मा उपयोग किए जा रहे निष्क्रिय कुंजी रहित प्रवेश और स्टार्ट (पीकेईएस) सिस्टम पर रिले हमले का प्रदर्शन करेंगे। हम दुइ दक्ष अउर सस्ता हमला क एहसास, तारबंद अउर ताररहित भौतिक-स्तर रिले बनाइत ह, जउन हमलावरन क कार मा घुसइ अउर स्मार्ट कुंजी के बीच संदेश भेजके कार शुरू करे क अनुमति देत ह। हमार रिले मा माड्यूलर, प्रोटोकॉल, या मजबूत प्रमाणीकरण अउर एन्क्रिप्शन की उपस्थिति से पूरी तरह से स्वतंत्र है. हम आठ निर्माताओं से 10 कार मॉडल पर एक व्यापक मूल्यांकन का काम कर रहे हैं। हमार परिणाम बतावत है कि सिग्नल का एक दिशा मा प्रसारण (कार से चाबी तक) हमला करै खातिर पर्याप्त है जबकि चाबी अउर कार के बीच वास्तविक दूरी बहुत ज्यादा है (परीक्षण 50 मीटर तक की दूरी पर की गई है, दृष्टि से बाहर) । हम ई भी देखब कि, हमरे सेटअप से, स्मार्ट कुंजी 8 मीटर तक उत्तेजित होई सकत है। इ हमलावर के जरूरत का दूर करत है कि वहिका रले के ताई करी करी प्राप्त कीन जाय। हम आगे भी विश्लेषण करेंगे अउर समझेंगे कि कौन कौन से प्रमुख कारक कारक हैं। रिले हमला के सामान्यता अउर मूल्यांकन की गई प्रणालियों की संख्या का ध्यान में रखकर, इ संभावना है कि समान डिजाइन पर आधारित सभी पीकेईएस सिस्टम भी उसी हमला के लिए कमजोर हैं। अंत मा, हम तत्काल प्रभाव डाले का उपाय करत हई जौन परल-बढ़ल हमला से बचे के खातिर और हाल के उपाय केऊ कीही रोकथाम कीन जई जवन की PKES के लिए शुरू मा उपयोग कीन गा रहा। |
69d685d0cf85dfe70d87c1548b03961366e83663 | हम रक्त ऑक्सीजन संतृप्ति (SpO2) की निगरानी के लिए एक गैर-संपर्क विधि प्रस्तुत करते हैं। इ विधि एक ट्रिगर नियंत्रण के साथ एक सीएमओएस कैमरा का उपयोग करत है ताकि दो विशेष तरंग दैर्ध्य पर वैकल्पिक रूप से फोटोप्लेटिसमोग्राफी (पीपीजी) सिग्नल रिकॉर्डिंग की अनुमति मिल सके, और SpO2 का निर्धारण इन तरंग दैर्ध्य पर पीपीजी सिग्नल के नाड़ी से गैर-नाड़ी वाले घटकों के मापा अनुपात से करे। SpO2 मान का सिग्नल-टू-शोर अनुपात (SNR) तरंग दैर्ध्य के चयन पर निर्भर करता है। हम पाए कि नारंगी (λ = 611 nm) और निकट अवरक्त (λ = 880 nm) का संयोजन गैर-संपर्क वीडियो-आधारित पता लगाने की विधि के लिए सबसे अच्छा SNR प्रदान करता है। ई संयोजन पारंपरिक संपर्क-आधारित SpO2 माप मा उपयोग कै जाय वाले से अलग है काहे से कि इन तरंग दैर्ध्य पै PPG सिग्नल ताकत और कैमरा क्वांटम दक्षता गैर-संपर्क विधि का उपयोग कैके SpO2 माप मा अधिक अनुकूल है। हम एक छोटे से पायलट अध्ययन भी चलाये हैं ताकि बिना संपर्क के विधि का 83%-98% SpO2 पर परीक्षण किया जा सके। ई अध्ययन के परिणाम एक संदर्भ संपर्क SpO2 उपकरण (r = 0.936, p <; 0.001) का उपयोग करके मापा गया परिणाम से सुसंगत हैं। प्रस्तुत विधि विशेष रूप से स्वतंत्र-जीवित स्थितियों में घर पर एक के स्वास्थ्य अउर कल्याण का ट्रैक करे खातिर उपयुक्त अहै, अउर उन लोगन खातिर जिनका पारंपरिक संपर्क-आधारित पीपीजी उपकरण का उपयोग नहीं कर सकत ह। |
51c88134a668cdfaccda2fe5f88919ac122bceda | वेब वीडियो मा मल्टीमीडिया घटनाओं का पता लगाना मल्टीमीडिया और कंप्यूटर विजन के क्षेत्र मा एक उभरता हुआ गरम अनुसंधान क्षेत्र हो। इ पेपर मा, हम घटना का पता लगाने की समग्र समस्या के विभिन्न पहलुओं से निपटने के लिए एनालिटिक मीडिया प्रोसेसिंग (ई-लैम्प) प्रणाली के माध्यम से घटना लेबलिंग के लिए हाल ही मा विकसित ढांचे की मूल विधियों और प्रौद्योगिकियों का परिचय देते हैं। विशेष रूप से, हम फीचर एक्सट्रैक्शन के लिए कुशल तरीके विकसित किए हैं ताकि हम वीडियो डेटा के हजारों घंटों के साथ बड़े संग्रह का प्रबंधन कर सकें। दूसरा, हम extracted कच्चा features का spatial bag-of-words model में represent करते हैं, अधिक प्रभावी tilings के साथ ताकि अलग अलग features और अलग अलग events का spatial layout जानकारी बेहतर तरीके से कैप्चर की जा सके, इस प्रकार समग्र detection performance में सुधार किया जा सके। तीसर, व्यापक रूप से उपयोग की जाय वाली प्रारंभिक अउर देर से संलयन योजनाओं से अलग, एक नया एल्गोरिथ्म विकसित करल गयल ह ताकि कई सुविधाओं से एक अधिक मजबूत अउर भेदभावपूर्ण मध्यवर्ती सुविधा प्रतिनिधित्व सीख सकय ताकि बेहतर घटना मॉडल एकर ऊपर बनावल जा सके। अंत मा, केवल कुछ सकारात्मक उदाहरणों के साथ घटना का पता लगाने की अतिरिक्त चुनौती का सामना करने के लिए, हम एक नए एल्गोरिथ्म का विकास किया है जो घटना का पता लगाने में मदद करने के लिए सहायक स्रोतों से सीखे गए ज्ञान का प्रभावी ढंग से अनुकूलन कर सकता है। हमरे अनुभव पर भी अउर आधिकारिक तौर पै TRECVID MED11 अउर MED12 पर भी जउन नतीजा निकरा बा, उ पचे इ सिद्ध करत हीं कि येहिसे अउर अच्छा काम कीन्ह गवा बा। |
10d6b12fa07c7c8d6c8c3f42c7f1c061c131d4c5 | हम मजबूत दृश्य वस्तु मान्यता खातिर सुविधा सेट के सवाल का अध्ययन; एक परीक्षण मामला के रूप मा रैखिक SVM आधारित मानव पता लगाने अपनाने. मौजूदा किनारा अउर ढाल आधारित डिस्क्रिप्टर क समीक्षा कइके, हम प्रयोगात्मक रूप से देखाइ देत ह कि उन्मुख ढाल (एचओजी) डिस्क्रिप्टर क हिस्टोग्राम क ग्रिड मानव पहचान क लिए मौजूदा सुविधा सेट क तुलना मा काफी बेहतर है। हम प्रदर्शन पर गणना का हर चरण का प्रभाव का अध्ययन, निष्कर्ष है कि ठीक पैमाने पर ढाल, ठीक अभिविन्यास binning, अपेक्षाकृत मोटा स्थानिक binning, और ओवरलैपिंग वर्णक ब्लॉक में उच्च गुणवत्ता वाले स्थानीय विपरीत सामान्यीकरण सभी अच्छे परिणाम के लिए महत्वपूर्ण हैं। नया तरीका मूल एमआईटी पैदल यात्री डाटाबेस पर लगभग सही अलगाव देता है, इसलिए हम एक अधिक चुनौतीपूर्ण डेटासेट का परिचय देते हैं जिसमें 1800 से अधिक एनोटेटेड मानव चित्र हैं, विभिन्न प्रकार के मुद्रा परिवर्तन और पृष्ठभूमि के साथ। |
2337ff38e6cfb09e28c0958f07e2090c993ef6e8 | कई पैटर्न मान्यता कार्यों के लिए, आदर्श इनपुट सुविधा कई भ्रमित गुणों (जैसे कि कंप्यूटर विजन अनुप्रयोगों में, रोशनी और देखने का कोण) के लिए अपरिवर्तनीय होगी। हाल ही मा, बिना निगरानी मा प्रशिक्षित गहरी वास्तुकला उपयोगी सुविधाहरु को निकालन को लागी एक स्वचालित विधि को रूप मा प्रस्तावित गरीएको छ। बहरहाल, ई सीखा जाय वाले विशेषताओं का वर्गीकरण करै मा कठिन परी अहै। इ पेपर मा, हम कई अनुभवजन्य परीक्षणों की पेशकश करत हैं जौन सीधे मापत हैं कि किस डिग्री तक इन सीखे हुए सुविधाओं का विभिन्न इनपुट रूपांतरणों के लिए अपरिवर्तनीय है। हम पाते हैं कि स्टैक्ड ऑटोएनकोडर सीखते हैं मामूली रूप से गहराई के साथ तेजी से अपरिवर्तनीय सुविधाएँ जब प्राकृतिक छवियों पर प्रशिक्षित किया जाता है। हम पाते हैं कि संवितरण गहरी विश्वास नेटवर्क हर परत मा काफी अधिक अपरिवर्तनीय सुविधा सीखत हैं। ई परिणाम deep बनाम shallower प्रतिनिधित्व का उपयोग के औचित्य का समर्थन करत हैं, लेकिन इ सुझाव देत हैं कि एक ऑटोकोडर के ऊपर दूसरे के ऊपर ढेर लगाने से परे तंत्र अपरिवर्तनीयता प्राप्त करने के लिए महत्वपूर्ण हो सकत हैं। हमार मूल्यांकन माप का उपयोग गहरी सीख मा भविष्य मा काम का मूल्यांकन करे खातिर भी कीन जा सकत है, अउर येहिसे भविष्य के एल्गोरिदम के विकास मा मदद मिल सकत है। |
31b58ced31f22eab10bd3ee2d9174e7c14c27c01 | इंटरनेट के आगमन के साथ, अब ऑनलाइन अरबों चित्र मुफ्त मा उपलब्ध हैं औ दृश्य दुनिया का एक घना नमूना बना रहा है। विभिन्न गैर-पैरामीटर विधि का उपयोग करत, हम इ दुनिया कय खोज कईके इंटरनेट से जुटा 79,302,017 चित्रन कय एक बड़ा डेटासेट कय मदद से कईले अहँय। मनोभौतिकीय परिणामों से प्रेरित होकर जो मानव दृश्य प्रणाली का छवि संकल्प में गिरावट के लिए उल्लेखनीय सहिष्णुता दिखाते हैं, डेटासेट में छवियां 32 x 32 रंग छवियों के रूप में संग्रहीत की गई हैं। प्रत्येक चित्रण पर अंग्रेजी मा ७५,०६२ गैर-अमूर्त संज्ञाओं मा से एक के साथ ढीला-ढाला लेबल किया गवा है, जैसय कि Wordnet शब्दावली डेटाबेस मा सूचीबद्ध है। इ प्रकार से इमेज डाटाबेस का एक व्यापक कवरेज सभी वस्तु श्रेणियों अउर दृश्यों का देत है। वर्डनेट से अर्थ संबंधी जानकारी का उपयोग निकटतम-पड़ोसी विधियन के साथ मिलकर कई अर्थ संबंधी स्तरों पर वस्तु वर्गीकरण करे खातिर कइल जा सकत बा, जवन लेबलिंग शोर के प्रभाव के कम कर देत बा. कुछ वर्ग खातिर जवन डेटा सेट में विशेष रूप से प्रचलित ह, जइसे कि लोग, हम वर्ग-विशिष्ट वायोला-जोन्स शैली डिटेक्टर के तुलना में एक मान्यता प्रदर्शन प्रदर्शित करे में सक्षम हयन. |
4b605e6a9362485bfe69950432fa1f896e7d19bf | स्वचालित चेहरा पहचान प्रौद्योगिकि का गहराई से सीखने अउर गहरा नेटवर्क का प्रशिक्षण देवे खातिर बड़ डेटासेट के उपलब्धता के संयोजन के कारण प्रदर्शन में महत्वपूर्ण सुधार देखल गयल ह। चूँकि चेहरा पहचानना एक ऐसा काम है, जेहका मनई बहुत अच्छा मानित ह, ई तो बस स्वाभाविक बा कि जब पूरी तरह से बिना कउनो रोक-टोक के चेहरा के छवियन के देखात ह, तब स्वचालित चेहरा पहचान अउर मनई के तुलनात्मक प्रदर्शन के तुलना कइल जाय. इ काम मा, हम मानव अउर स्वचालित प्रणालि के पहचाने सटीकता का पिछला अध्ययन पर विस्तार करत रहे हैं, कई उपन्यास विश्लेषण का उपयोग करके असीमित चेहरा चित्रण का उपयोग करत रहे हैं। हम प्रदर्शन पर प्रभाव का जांच करते हैं जब मानव मान्यताओं के प्रति विषय, अपरिवर्तनीय गुण जैसे लिंग, और परिस्थितिजन्य गुण जैसे कि अवरुद्ध, रोशनी, और मुद्रा के साथ अलग-अलग मात्रा में छवियां प्रस्तुत की जाती हैं। नतीजा इ बताय देई कि आईजेबी-ए डाटासेट पर मनुष्य अत्याधुनिक स्वचालित चेहरा पहचान एल्गोरिदम से काफी बेहतर हैं। |
a4d510439644d52701f852d9dd34bbd37f4b8b78 | सेलुलर ऑटोमैटा (सीए) पर आधारित SLEUTH मॉडल का उपयोग महानगरीय क्षेत्रों में शहर के विकास का अनुकरण करने के लिए किया जा सकता है। इ अध्ययन में SLEUTH मॉडल का सहरी विस्तार का मॉडल बनाए और तेहरान में सहरी विकास का भविष्य का संभावित व्यवहार का अनुमान लगाने के लिए इस्तेमाल किया गया था। मूल डेटा पांच लैंडसैट TM अउर ईटीएम 1988, 1992, 1998, 2001 अउर 2010 के छवियां रहैं। तीन सैचेनो का स्थानिक पैटर्न का अनुकरण करने के लिए डिज़ाइन किया गया था। पहिला परिदृश्य ऐतिहासिक शहरीकरण मोड का मानता रहा और विकास के लिए एकमात्र सीमा ऊंचाई और ढलान रही। दूसर एक छोट परिदृश्य रहा जउन विकास क ज्यादातर अंदरूनी बना रहा अउ उपनगरीय क्षेत्रों का विस्तार सीमित करा रहा। अंतिम परिदृश्य एक पॉलीसेन्ट्रिक शहरी संरचना का प्रस्ताव रहा जो कि छोटे पैच * संबंधित लेखक। फोन मा जवाब मिला। : +98 912 3572913 ई-मेल पता: [email protected] |
f19e6e8a06cba5fc8cf234881419de9193bba9d0 | तंत्रिका नेटवर्क आमतौर पय वर्गीकरण अउर निर्णय कार्य कय लिए प्रयोग होत हय। इ आलेख मा हम उन परिणामों की स्थानीय विश्वसनीयता की समस्या पर ध्यान केंद्रित करत हैं जवन कि उनके लिए बेसिक महत्व का है। हम सांख्यिकीय निर्णय सिद्धांत से कुछ धारणाओं की समीक्षा करते हैं जो न्यूरल नेटवर्क के साथ वर्गीकरण के लिए विश्वास माप का निर्धारण और उपयोग पर एक अंतर्दृष्टि प्रदान करते हैं। बाद मा हम मौजूदा विश्वास माप का एक सिंहावलोकन प्रस्तुत करत हैं औ अंत मा एक सरल माप का प्रस्ताव करत हैं जो नेटवर्क आउटपुट की संभाव्य व्याख्या का लाभ और बूटस्ट्रैप त्रुटि अनुमान द्वारा मॉडल की गुणवत्ता का अनुमान लगावत है। हम वास्तविक दुनिया मा एक आवेदन और एक कृत्रिम समस्या पर अनुभवजन्य परिणाम की चर्चा करें और दिखावा करें कि सबसे सरल उपाय अक्सर अधिक जटिल से बेहतर काम करत हैं, लेकिन कुछ परिस्थितियों मा खतरनाक हो सकत हैं। |
4a5be26509557f0a1a911e639868bfe9d002d664 | विनिर्माण संदेश विनिर्देश (एमएमएस) प्रोटोकॉल का व्यापक रूप से औद्योगिक प्रक्रिया नियंत्रण अनुप्रयोगों में उपयोग किया जाता है, लेकिन यह खराब रूप से प्रलेखित है। इ पेपर मा हम जानकारी सुरक्षा के संदर्भ मा एमएमएस प्रोटोकॉल की बेहतर समझ का खातिर एक विश्लेषण प्रस्तुत करत हन। हमार निष्कर्षव मा इ देखावत है कि एमएमएस मे पर्याप्त सुरक्षा परिमाणों की कमी है और इ भी कम स कम एकजुटता का एक साधन है. अउर येहि मे कम से कम एकजुटता का एक साधन के रूप मा काम करत है. |
15a2ef5fac225c864759b28913b313908401043f | आपन ग्राहकन का भरोसा देवावै खातिर, सॉफ्टवेयर विक्रेता आपन उत्पाद का सुरक्षा मानदंड के हिसाब से प्रमाणित कर सकत हैं, जइसे कि कॉमन क्रिटेरिया (आईएसओ 15408) । हालांकि, एक सामान्य मापदण्ड मा प्रमाणन एक सफ्टवेयर उत्पाद को समझ मा दस्तावेज को आवश्यकता हो। एह दस्तावेज के निर्माण मा काफी समय अउर पैसा लागी। हम एक सॉफ्टवेयर डेवलपमेंट प्रोसेस का प्रस्ताव करत हैं जवन कॉमन क्रिटेरिया सर्टिफिकेशन के लिए जरूरी दस्तावेज के निर्माण का समर्थन करत है। इ खातिर, हम इ जानइ चाहित ह कि का हम तनिक हाथ उठाइ सकित ह। एकरे अलावा हम प्रस्तावित की हई कि Common Criteria दस्तावेज के निर्माण मा संभावित समस्या का पता लगावे के लिए ADIT नामक आवश्यकता-संचालित सॉफ्टवेयर इंजीनियरिंग प्रक्रिया का एक उन्नत संस्करण का उपयोग कीन जाय। हमार मकसद प्रमाणन प्रक्रिया से पहिले ही इ समस्या कय पता लगावै हौ। एहसे हम लोगन का प्रमाण पत्र के रूप मा काम मा देरी न होय का परे। ADIT एक सहज विकास दृष्टिकोण प्रदान करत है जवन विभिन्न प्रकार के UML मॉडल के बीच एकरूपता जांच की अनुमति देत है। एडीआईटी सुरक्षा आवश्यकताओं से डिजाइन दस्तावेजों तक की अनुपालन का भी समर्थन करता है। हम अपने एप्प से एक स्मार्ट मीटरिंग गेटवे सिस्टम विकसित कर रहे हैं। |
21968ae000669eb4cf03718a0d97e23a6bf75926 | हाल ही मा, सोशल नेटवर्किंग मा प्रभाव को प्रसार को घटना मा एक जबरदस्त रुचि छ। इ क्षेत्र कय अध्ययन इ मान लेत है कि ऊ आपन समस्या कय समाधान के बरे एक सामाजिक ग्राफ पेस करत है जेहमा प्रयोगकर्ता कय बीच प्रभाव कय संभावनाओं का लेबल लगावा गा है। हालांकि, जहां तक इनक्यूबेटर की सुरक्षा का सवाल है, कृपया सुनिश्चित करें कि आप सही जगह पर हैं, फिर आप आश्वस्त रहें कि आप सही जगह पर हैं। इ त दिलचस्प बा कि एक सामाजिक ग्राफ से अउर उपयोगकर्ता के गतिविधि का लॉग से का प्रभाव पड सकत है? इ समस्या कागज की छाप से संबंधित है। मॉडल मा मापदंडों को सीखने और भविष्यवाणियां करने के लिए सीखे मॉडल का परीक्षण करने के लिए मॉडल और एल्गोरिदम का प्रस्ताव करने के अलावा, हम उन समय की भविष्यवाणी करने की तकनीक भी विकसित करते हैं, जब तक कि उपयोगकर्ता को एक कार्रवाई करने की उम्मीद की जा सकती है। हम आपन विचार अउर तकनीक का फ़्लिकर डेटा सेट का उपयोग करके सत्यापित करत हैं जेहमा 1.3M नोड्स, 40M किनारों वाले सामाजिक ग्राफ अउर 35M ट्यूपल्स से युक्त एक एक्शन लॉग शामिल है जउन 300K अलग-अलग क्रियाओं का संदर्भ देत है। देखावा जाय कि वास्तविक सामाजिक नेटवर्क पय वास्तविक प्रभाव का होत है, हम ई देखावा जाय कि हमरे तकनीक मा बहुत अच्छे भविष्यवाणि है। |
c8a04d0cbb9f70e86800b11b594c9a05d7b6bac0 | |
61dc8de84e0f4aab21a03833aeadcefa87d6d4e5 | गोपनीयता-संरक्षण डेटा एकत्रीकरण ad hoc नेटवर्क मा एक चुनौतीपूर्ण समस्या हो, वितरित संचार र नियन्त्रण आवश्यकता, गतिशील नेटवर्क टोपोलॉजी, अविश्वसनीय संचार लिंक, आदि विचार। जब बेईमान नोड्स मौजूद होत हैं त समस्या अतिरंजित होत है, अउर बेईमान नोड्स के खिलाफ गोपनीयता, सटीकता, अउर मजबूती का सुनिश्चित करे के लिए एक खुला मुद्दा बना रहत है। व्यापक रूप से प्रयुक्त क्रिप्टोग्राफिक दृष्टिकोण से अलग, इस पेपर में, हम वितरित सहमति तकनीक का उपयोग करके इस चुनौतीपूर्ण समस्या का समाधान करते हैं। हम पहिले से एक सुरक्षित सहमति-आधारित डेटा एकत्रीकरण (SCDA) एल्गोरिथ्म का प्रस्ताव करत हैं, जवन कि संवेदनशील डेटा की गोपनीयता बनाए रखे हुए सटीक योग एकत्रीकरण की गारंटी देता है। फिर, बेईमान नोड्स से polluti on को कम करने के लिए, हम एक Enhanced SCDA (E-SCDA) एल्गोरिथ्म का प्रस्ताव करते हैं जो पड़ोसियों को बेईमान नोड्स का पता लगाने की अनुमति देता है, और जब undetectable dishones t नोड्स होते हैं तो त्रुटि बाउंड का पता लगाता है। हम एससीडीए अउर ई-एससीडीए दूनौ के अभिसरण का साबित करत हई। हम ई भी साबित करित है कि प्रस्तावित एल्गोरिदम हैं- dataprivacy, और और σ के बीच गणितीय संबंध प्राप्त करें। व्यापक सिमुलेशन से पता चला है कि प्रस्तावित एल्गोरिथ्म की उच्च सटीकता और कम जटिलता है, और नेटवर्क गतिशीलता और बेईमान नोड्स के खिलाफ मजबूत है। |
dbde4f47efed72cbb99f412a9a4c17fe39fa04fc | प्राकृतिक छवि उत्पादन वर्तमान मा गहन शिक्षा मा सबसे सक्रिय रूप देखि अन्वेषण क्षेत्रहरु मा एक हो। कई दृष्टिकोण, उदा। कलात्मक शैली या प्राकृतिक बनावट संश्लेषण का राज्य के लिए, पर्यवेक्षित रूप से प्रशिक्षित गहरे तंत्रिका नेटवर्क में पदानुक्रमित प्रतिनिधित्व के आंकड़ों पर भरोसा करें। हालांकि, ई स्पष्ट नहीं है कि ई सुविधा का प्रतिनिधित्व प्राकृतिक छवि उत्पादन के लिए महत्वपूर्ण हैः depth, pooling or training of the features on natural images? हम इहौ सवाल के प्राकृतिक बनावट के संश्लेषण के काम खातिर देखित हन अउर देखाइत ह कि इन सब के ऊपर के पहलुओं मा से कउनो भी अपरिहार्य नाहीं हय। एकरे बजाय हम ई साबित करे बदे कि उच्च स्तर पर पावल जाए वाली प्राकृतिक बनावट वाले नेटवर्कन से उच्च स्तर पर पावल जाय वाले बनावट सिर्फ़ एक्कय परत कय होय, बिना कौनो पूलिंग या रैंडम फ़िल्टर के। |
acdc3d8d8c880bc9b9e10b337b09bed4c0c762d8 | कपडा अउर पहिरे योग्य सामान के भीतर एकीकृत दूरसंचार प्रणाली अइसन तरीका हव जेकरे से चिकित्सा उपकरण स्वास्थ्य सेवा के प्रावधान के चौबीस घंटा बढ़ावे मा असर करत हैं। जब इ वस्त्र पूरा विकसित होइ जाइ तब इ रोगियन का सतर्कता अउर सावधानी बरतइ बरे, अगर जरूरत पड़इ, तउन आवश्यक चीजन क लइ लेई अउर अस्पताल मँ दवाई अउर श्रम क कम कइ देई। एकरे अलावा, अगर आपकय कउनो अपूर्णता कौनो प्रकार से जुड़ी हुई है या ई बात पे ध्यान दियै का भय है कि आपकय भाषा कय अपूर्णताएं हैं, तौ आपकय भाषा कय अपूर्णताएं दूर करै मा सहायता पय भी जा सकत है। इ काम अल्ट्रा-वाइडबैंड (UWB) एंटीना क जांच की व्यवहार्यता का प्रस्तुत करत है जवन पूरी तरह से कपड़ा सामग्री से बना है जवन सब्सट्रेट के साथ-साथ डिजाइन किए गए एंटीना के चालक भागों के लिए उपयोग की गई थी। सिमुलेटेड और मापा परिणाम से पता चलता है कि प्रस्तावित एंटीना डिजाइन व्यापक कार्य बैंडविड्थ की आवश्यकताओं का पूरा करता है और कॉम्पैक्ट आकार, धोने योग्य और लचीली सामग्री के साथ 17GHz बैंडविड्थ प्रदान करता है। रिटर्न लॉस, बैंडविड्थ, रेडिएशन पैटर्न, करंट डिस्ट्रीब्यूशन के साथ-साथ लाभ और दक्षता के संदर्भ में परिणाम वर्तमान मैनुस्क्रिप्ट डिजाइन की उपयोगिता का सत्यापन करने के लिए प्रस्तुत किए गए हैं। इ काम कय गहन प्रभाव भविस्स कय अध्ययन कय लिए स्वतंत्र सूट पर पड़ा अहै जवन एक दिन पहनै वाले (रोगी) कय अइसन विश्वसनीय औ आरामदायक चिकित्सा निगरानी तकनीक प्रदान करै मा मदद कइ सकत है। 12 अप्रैल 2011 का प्राप्त, 23 मई 2011 का स्वीकार, 10 जून 2011 का अनुसूचित * संवाददाता लेखक: माई ए रहमान उस्मान ([email protected]) |
aab8c9514b473c4ec9c47d780b7c79112add9008 | एक शोध रणनीति के रूप मा मामला अध्ययन अक्सर छात्रन अउर अन्य नव शोधकर्ताओं के लिए एक स्पष्ट विकल्प के रूप मा उभरा है जो अपने काम के स्थान या सीमित संख्या मा संगठनों की तुलना के आधार पर मामूली पैमाने पर शोध परियोजना का संचालन करे का प्रयास कर रहे हैं। इ संदर्भ में मामला अध्ययन अनुसंधान का सबसे चुनौतीपूर्ण पहलू इ है कि "क्या होता है" का एक वर्णनात्मक विवरण से जांच का एक टुकड़ा अनुसंधान के टुकड़े पर उठाना है जो ज्ञान के लिए एक सार्थक, अगर मामूली अतिरिक्त दावा कर सकता है। ई लेख केस स्टडी रिसर्च अउर संबंधित क्षेत्रन, जइसे कि यिन, 1994, हैमेल एट अल., 1993, ईटन, 1992, गोम, 2000, पेरी, 1998, अउर सांडर्स एट अल., 2000 पर स्थापित पाठ्यपुस्तकवन पर भारी भरकम आधारित अहै, लेकिन ई केस स्टडी रिसर्च के मुख्य पहलुअन का अलग-अलग तरीका से प्रस्तुत करै कै कोसिस करत है जेसे नये शोधकर्ता ई रिसर्च दृष्टिकोण के कुछ मुख्य सिद्धांतन कै सामना करै अउर लागू करै कै प्रोत्साहित होइँ। ई लेख ई बतावेला कि केस स्टडी रिसर्च, रिसर्च डिज़ाइन, डेटा कलेक्शन, अउर डेटा एनालिसिस कय कब उपयोग कै सका जात है, अउर अंत मा रिपोर्ट या शोध प्रबंध लिखे मा साक्ष्य पय आधारित सुझाव देत है। |
a088bed7ac41ae77dbb23041626eb8424d96a5ba | इ पेपर एफ़्रा प्रश्न उत्तर इंजन का वर्णन करत है, एक मॉड्यूलर और विस्तार योग्य ढांचा जो एक प्रणाली मा प्रश्न उत्तर देने के लिए कई दृष्टिकोणों को एकीकृत करने की अनुमति देत है। हमार ढांचा कय अँग्रेजी कय अलावा अन्य भासा कय खातिर अनुकूलित कय जा सकत है, जेहमा भाषा-विशिष्ट अवयव शामिल है। ई प्रश्नवाचक उत्तर, ज्ञान टिप्पणिय अउर ज्ञान खनन कय दु प्रमुख दृष्टिकोण कय समर्थन करत है। एफ़्रा वेब कय डाटा स्रोत के रूप मा उपयोग करत है, लेकिन ई छोट-छोट समूहन कय साथे भी काम कइ सकत है। एकरे अलावा हम सवाल के व्याख्या खातिर एक नवा दृष्टिकोण के प्रस्ताव करत हई जउन मूल रूप से सवाल के रूप मा तैयार नई होत है। पाठ पैटर्न का उपयोग एक प्रश्न का व्याख्या अउर पाठ स्निपेट से उत्तर निकाले खातिर कीन जात है। हमार सिस्टम स्वचालित रूप से जवाब निकाले खातिर पैटर्न सीखत है, प्रशिक्षण डेटा के रूप मा प्रश्न-उत्तर जोड़े का उपयोग करत है। प्रयोगात्मक मा परिणाम को रूप मा यो दृष्टिकोण को क्षमता को उजागर गर्यो। |
227ed02b3e5edf4c5b08539c779eca90683549e6 | अधिकांश मौजूदा फ़्रेमवर्क ई हैं कि ऊ आपन सार्वभौमिक लागू करै खातिर पर्याप्त अहैं (जैसे कि ई हैं कि वे एक विशिष्ट सामाजिक-आर्थिक अउर तकनीकी संदर्भित अहैं) । ई-शासन लागू करय के मामला मा अबै तक कौनौ एक आकार सबके लिए उपयुक्त रणनीति नाय आय, ई परिवर्तन मा कुछ जरूरी आम तत्व हैं। ई कागज विकासशील अउर विकसित देसन के मौजूदा ई-भागीदारी पहल से सीखल कुछ सिद्धांत अउर सीख के आधार पर एक अद्वितीय टिकाऊ मॉडल विकसित करे के प्रयास करत है, ताकि आईसीटी के लाभ के अधिकतम रूप से सुनिश्चित कीन जा सके अउर अधिक भागीदारी सुनिश्चित कीन जा सके। |
6afe5319630d966c1355f3812f9d4b4b4d6d9fd0 | |
a2c2999b134ba376c5ba3b610900a8d07722ccb3 | |
ab116cf4e1d5ed947f4d762518738305e3a0ab74 | |
64f51fe4f6b078142166395ed209d423454007fb | गहन नेटवर्क मॉडल कय सटीक अउर मजबूत बनावे कय लिए बड़ी मात्रा मा एनोटेट कीन गवा प्रशिक्षण छवियन कय संग्रह कय बहुत महत्व अहै, लेकिन एनोटेट कीन गवा प्रशिक्षण छवियन कय ढेर मात्रा कय संग्रह कय बहुत समय लागथै अउर खर्चीला होत है। इमेज सिंथेसिस मशीनों द्वारा स्वचालित रूप से एनोटेटेड प्रशिक्षण इमेज उत्पन्न करके इस बाधा को कम करता है, जिसने हाल के गहन सीखने वाले शोध में बढ़ती रुचि का आकर्षण किया है। हम एक अभिनव छवि संश्लेषण तकनीक का विकास करते हैं जो कि पृष्ठभूमि छवियों में रुचि के अग्रभूमि वस्तुओं (ओआईआई) का यथार्थवादी रूप से एम्बेड करके एनोटेटेड प्रशिक्षण छवियों का निर्माण करता है। प्रस्तावित तकनीक मा दुइ मुख्य घटक शामिल अहैं जवन सिद्धांत रूप मा गहरी नेटवर्क प्रशिक्षण मा संश्लेषित छवियों की उपयोगिता को बढ़ावा देत हैं। पहिला त संदर्भ-जागरूक शब्दार्थिक एकजुटता है जवन ई सुनिश्चित करत है कि ओओआई पृष्ठभूमि छवि के भीतर शब्दार्थिक रूप से सुसंगत क्षेत्र के आसपास लगावल जाए. दूसर एक समन्वित रूप समायोजन है जवन ई सुनिश्चित करत है कि एम्बेडेड ओओआई आसपास के पृष्ठभूमि के साथे संतुलित है, जियॉमेट्री संरेखण अउर उपस्थिति यथार्थवाद दुनहु से। प्रस्तावित तकनीक का मूल्यांकन दु संबंधित लेकिन बहुत अलग कंप्यूटर विजन चुनौतियों पर किया गयल है, अर्थात्, दृश्य पाठ का पता लगाव और दृश्य पाठ मान्यता। कई सार्वजनिक डाटासेट पर प्रयोग से हमार प्रस्तावित छवि संश्लेषण तकनीक की प्रभावशीलता का पता चलता है गहरी नेटवर्क प्रशिक्षण में हमार संश्लेषित छवियों का उपयोग वास्तविक छवियों का उपयोग करने की तुलना में समान या बेहतर दृश्य पाठ का पता लगाने और दृश्य पाठ मान्यता प्रदर्शन प्राप्त करने में सक्षम है। |
ceb4040acf7f27b4ca55da61651a14e3a1ef26a8 | |
226cfb67d2d8eba835f2ec695fe28b78b556a19f | हम बिटकॉइन प्रोटोकॉल मा एक व्यावहारिक संशोधन प्रस्तावित करत है जवन कि बिटकॉइन कय सामान्य मामला मा बचावत है। इ एक गठबंधन से स्वार्थी खनन पर रोक लगावत है जउन एक चौथाई से कम संसाधन का प्रबंधन करत है। ई सीमा गलत रूप से मान लिय गयल आधा से कम ह, लेकिन ई वर्तमान वास्तविकता से बेहतर ह, जहां कौनो कम्पन का कौनो आकार कय गठबंधन से सिस्टम कय समझौता करय कय अनुमति नाइ है। बिटकॉइन क्रिप्टोकरन्सी आपन लेनदेन का सार्वजनिक लॉग में रिकॉर्ड करत है जेकरा ब्लॉकचेन कहल जात है। एकर सुरक्षा ब्यस्त रूप से वितरित प्रोटोकॉल पर टिका है जवन ब्लॉकचेन का रखरखाव करत है, जवन कि खनिकन द्वारा चलावल जात है। परंपरागत रूप से, खनन प्रोटोकॉल का दावा है कि ई प्रोत्साहन-संगत है और अल्पसंख्यक समूहों द्वारा प्रायोजित सुरक्षा से सुरक्षित है, अर्थात्, खनिकों का प्रोटोकॉल का पालन करने का प्रोत्साहन देता है जैसा कि निर्धारित है। हम देखब कि बिटकॉइन खनन प्रोटोकॉल प्रोत्साहन-संगत नाहीं बा। हम एक हमला प्रस्तुत करत अही जउन ब्लाक आय से खनन कार्य कय बढ़ावा देत है । हमला के बिटकॉइन खातिर महत्वपूर्ण परिणाम हो सकत हैं: तर्कसंगत खनिक हमलावरन से जुड़ल पसंद करत हैं, अउर कंसल्टिंग समूह के आकार मा वृद्धि होई जब तक कि इ बहुमत न बन जाए। ए बिंदु पे, बिटकॉइन प्रणाली एक विकेन्द्रीकृत मुद्रा का रूप ले रहा है। जब तक कि कुछ निश्चित मानदंड न हों, स्वार्थी खनन संभव है कि कोई भी गठबंधन आकार का मिलान खनिक। |
2b00e526490d65f2ec00107fb7bcce0ace5960c7 | इ पेपर "इंटरनेट ऑफ थिंग्स" का संदर्भ देत है। ई आशाजनक परिदृश्य का मुख्य कारक कई प्रौद्योगिकियों और संचार समाधानों का एकीकरण है। पहचान अउर ट्रैकिंग तकनीक, वायर्ड अउर वायरलेस सेंसर अउर एक्ट्यूएटर नेटवर्क, बढ़े हुए संचार प्रोटोकॉल (अगली पीढ़ी के इंटरनेट के साथ साझा), अउर स्मार्ट वस्तु खातिर वितरित खुफिया जानकारी बस सबसे ज्यादा प्रासंगिक हव। जैसै कि आप आसानी से कल्पना कइ सकत हैं, इंटरनेट ऑफ थिंग्स की प्रगति मा कउनो भी गंभीर योगदान जरूरी रूप से विभिन्न ज्ञान क्षेत्रन, जैसै कि दूरसंचार, सूचना विज्ञान, इलेक्ट्रॉनिक्स अउर सामाजिक विज्ञानन मा चलाए जावै वाले सामंजस्यपूर्ण गतिविधि का परिणाम होई। ई जटिल परिदृश्य में, ई सर्वेक्षण ओ लोगन के लक्षित अहै जे एह जटिल अनुशासन से संबंधित अहैं अउर एहकै विकास में योगदान करय चाहा जात है। इ इंटरनेट ऑफ थिंग्स पैराडिगमा क अलग अलग विजन क रिपोर्ट कीन गै बाय अउर सक्षम टेक्नोलॉजीज क समीक्षा कीन गै बाय। इहा तक कि आइ॰पी कय प्रयोग करय वाले कुछ मनई अहैं। सबसे महत्वपूर्ण बात त ई बा कि ई सब त बस ब्लाग पर ही लिखा गवा हय। 2010 एल्सवियर बी.वी. सब अधिकार सुरक्षित. |
839a69a55d862563fe75528ec5d763fb01c09c61 | कम आयामी वेक्टर एम्बेडिंग, एलएसटीएम या सरल तकनीक का उपयोग करके गणना की गई, पाठ का "अर्थ" कैप्चर करने का एक लोकप्रिय तरीका है और डाउनस्ट्रीम कार्यों के लिए उपयोगी अनसुपरवाइज्ड लर्निंग का एक रूप है। हालांकि, उनकी क्षमता का हिसाब अभी भी काफी सीमित है। वर्तमान कागज रैखिक एम्बेडिंग योजनाओं का उप-मामला देखकर औपचारिक समझ का पता लगाता है। संकुचित संवेदन का सिद्धांत का उपयोग करके हम दिखाते हैं कि घटक शब्द वेक्टरों का संयोजन प्रतिनिधित्व अनिवार्य रूप से सूचना-संरक्षण रैखिक माप हैं Bag-of-n-Grams (BonG) पाठ का प्रतिनिधित्व। इ LSTMs के बारे मा एक नया सैद्धांतिक परिणाम की ओर ले जाता हैः कम-आयामी embeddings एक कम-स्मृति LSTM से प्राप्त वर्गीकरण कार्य पर कम से कम शक्तिशाली हैं, एक छोटी त्रुटि तक, BonG वैक्टरों पर एक रैखिक वर्गीकरणकर्ता के रूप में, एक परिणाम है कि व्यापक अनुभवजन्य कार्य अब तक दिखाया नहीं जा सका है। हमार प्रयोग इ सैद्धांतिक निष्कर्षन क समर्थन करत हय औ मानक रूप से संदर्भित संदर्भन पे आधारित हय, जौन अक्सर कहूँ एक शब्द का स्तर होत हय। हम ई भी बताय देहे हई कि ग्लोवे अउर वर्ड2वेक जैसन एम्बेडेड चीज का एक नया आश्चर्यजनक गुण का पता लगावैं: ई पाठ के लिए एक अच्छा सेंसर मैट्रिक्स बनावैं जवन यादृच्छिक मैट्रिक्स से ज्यादा कारगर है, मानक स्परस रिकवरी टूल, जवन समझा सकत है कि ई व्यवहार में बेहतर प्रतिनिधित्व का नेतृत्व काहे करत है। |
06e04fd496cd805bca69eea2c1977f90afeeef83 | एल्गोरिथम निष्पक्षता मा अधिकांश दृष्टिकोण मशीन सीखने विधियों को सीमित कर रहे हो ताकि परिणामस्वरूप भविष्यवाणियां निष्पक्षता की कई सहज धारणाओं मा से एक को संतुष्ट कर सकें। जब कि इ निजी कंपनियां असमानता के कानून का पालन करत हैं या गलत प्रचार करत हैं। हमार मानना है कि कई बेर माफी कै मांग पूरी नाई कीन जा सकत। जब तक प्रशिक्षण का आंकड़ा एकत्रित नहीं किया जाता, तब तक विकलांग समूहों का सामूहिक चयन होता है, जबकि विकलांग समूह का चयन होता है। ई काम में हम बात कर रहे हैं, बमुश्किल नए सिरे से सार्वजनिक नीति का रूप लेवे वाले हस्तक्षेप पर, अउर ख़ास तौर से इ बात पर कि एकर सकारात्मक प्रभाव का हम केतना हद तक बढ़ा सकते हैं, जब कि समग्र व्यवस्था में एकरसता का सुधार हो रहा है । हम हस्तक्षेप के प्रभाव का मॉडलिंग करे खातिर कारण-कारण विधि का उपयोग करत हई, जे संभावित हस्तक्षेप के अनुमति देत हई-हर व्यक्ति का परिणाम ई निर्भर करत है कि हस्तक्षेप केकरा ऊपर अउर कौन प्राप्त करत है। हम ई बाति का उदाहरण के रूप मा बताये हन कि कैसे न्यू यॉर्क शहर मा स्कूलन कै डाटाबेस से शिक्षा कै बजट बनाये जाय। |
44dd6443a07f0d139717be74a98988e3ec80beb8 | अब अनुप्रेषण सीखै कै कई अच्छी तरह से विकसित तरीका मौजूद अहैं, पर हर एक कै विशिष्ट सीमाएं अहैं जवन हटाय कै कठिन अहैं। बहु-नीति सीखना एक एल्गोरिथ्म मा कई विधिओं का संयोजन करके इ समस्या से निपटने का प्रयास करत है। ई लेख दु व्यापक रूप से इस्तेमाल कै जाये वाली अनुभवजन्य तरीका कै एकीकरण बतावत अहै: नियम अनुनय अउर उदाहरण-आधारित सीखे। नया एल्गोरिथ्म में, उदाहरण अधिकतम विशिष्ट नियम के रूप में माना जाता है, और वर्गीकरण एक बेहतरीन मिलान रणनीति का उपयोग करके किया जाता है। नियम तब तक सीखल जात हैं जब तक कि स्पष्ट सटीकता का कौनो सुधार ना हो जाए। सैद्धांतिक विश्लेषण से पता चलता है कि ई दृष्टिकोण सार्थक अहै। इ RISE 3.1 प्रणाली मा लागू होत है। एक व्यापक अनुभवजन्य अध्ययन मा, RISE लगातार उच्च सटीकता हासिल करली है कि इके दुनो मूल दृष्टिकोण (PEBLS और CN2) के साथ-साथ एक निर्णय पेड सीखने वाले (C4.5) के राज्य के कला प्रतिनिधियों। लेसन स्टडी से पता चलता है कि RISE का प्रत्येक घटक इस काम का महत्वपूर्ण हिस्सा है। सबसे महत्वपूर्ण रूप से, 30 अध्ययन डोमेन से 14 में, RISE PEBLS और CN2 का सबसे अच्छा से अधिक सटीक है, यह दर्शाता है कि कई अनुभवजन्य विधियों का संयोजन करके एक महत्वपूर्ण तालमेल प्राप्त किया जा सकता है। |
b38ac03b806a291593c51cb51818ce8e919a1a43 | |
4debb3fe83ea743a888aa2ec8f4252bbe6d0fcb8 | ओपन सोर्स सॉफ्टवेयर (ओएसएस) हाल ही मा बहुत ब्यापारिक रुचि का बिषय बनि गा है। निस्संदेह, ओएसएस सॉफ्टवेयर संकट का मुख्य मुद्दा के समाधान मा बहुत अधिक वादा करत है, अर्थात् सॉफ्टवेयर विकसित करे मा बहुत अधिक समय लाग जात है, आपन बजट से अधिक, अउर बहुत अच्छी तरह से काम नहीं करत है। वास्तव मा, महत्वपूर्ण ओएसएस सफलता की कई मिसाल देहे हई- लिनक्स ऑपरेटिंग सिस्टम, अपाचे वेब सर्वर, BIND डोमेन नाम समाधान उपयोगिता, कुछ का नाम मात्र है। बहरहाल, ओएसएस पर गहन शोध कीन जाय पै आज तक बहुत कम लोगन का मोटापा आय। इ अध्ययन मा, एक ढांचा दो पिछला ढांचा से लिया ग रहा है जो आईएस क्षेत्र मा बहुत प्रभावशाली रहे हैं, अर्थात् ज़चमैन का आईएस वास्तुकला (आईएसए) और चेकलैंड का सीएटीडब्ल्यूओई ढांचा सॉफ्ट सिस्टम मेथोडोलॉजी (एसएसएम) से। परिणामी रूपरेखा का उपयोग ओएसएस दृष्टिकोण का विस्तार से विश्लेषण करने के लिए किया जाता है। ओएसएस अनुसंधान का संभावित भविष्य भी चर्चा का विषय है। |
4bd48f4438ba7bf731e91cb29508a290e938a1d0 | 2.4 गीगाहर्ट्ज WLAN एक्सेस पॉइंट अनुप्रयोगों खातिर परिपत्र ध्रुवीकरण (CP) का एक कॉम्पैक्ट सर्व-दिशात्मक एंटीना प्रस्तुत करल गइल बा. एंटीना मा चार घुमावदार मोनोपोल अउर एक फीडिंग नेटवर्क होत है जउन एक साथ इन चार मोनोपोल का उत्तेजित करत है। सीपी एंटीना का विद्युत आकार केवल λ <sub> 0</sub>/5×λ <sub> 0</sub>/5×λ <sub> 0</sub>/13 है। प्रतिबाधा बैंडविड्थ (Sgadgad <sub> 11 <sub> Rad <; -10 dB) 3.85% (2.392 GHz से 2.486 GHz) है और अक्षीय अनुपात अज़ीमुथ प्लेन में ऑपरेटिंग बैंड में 0.5 dB से कम है. |
0015fa48e4ab633985df789920ef1e0c75d4b7a8 | पता लगावा (सीवीपीआर 97 की कार्यवाही में दिखाई दे रहा है, 17-19 जून, 1997, प्यूर्टो रिको) एडगर ओसुनाई? रॉबर्ट फ्रेंड? फेडेरिको गिरोसी yCenter for Biological and Computational Learning and Operations Research Center मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी कैम्ब्रिज, एमए, 02139, यू.एस.ए. सारांश हम कंप्यूटर विजन में समर्थन वेक्टर मशीन (एसवीएम) के आवेदन की जांच करते हैं। एसवीएम एक सीखै वाली तकनीक है जवन वी. वापनिक अउर उनकर टीम (एटी एंड टी बेल लैब्स) द्वारा विकसित कीन गै है। जेके बहुपद, तंत्रिका नेटवर्क, या रेडियल बेस फंक्शन क्लासिफायर का प्रशिक्षण देने के लिए एक नई विधि के रूप में देखा जा सकता है। निर्णय सतहों एक रैखिक रूप से बाध्य quadratic प्रोग्रामिंग समस्या का समाधान करके पाया जाता है। इ अनुकूलन समस्या चुनौतीपूर्ण अहै काहे से कि द्विघातीय रूप पूरी तरह से घना अहै अउर मेमोरी आवश्यकताएँ डेटा बिंदुअन की संख्या के वर्ग के साथ बढ़ जात हैं। हम एक विघटन एल्गोरिथ्म प्रस्तुत करत हैं जउन वैश्विक इष्टतमता क गारंटी देत है, अउर एसवीएम का बहुत बड़ा डेटा सेट पर प्रशिक्षण देवे खातिर इस्तेमाल कै सका जात है। अवकलन के पीछे मुख्य विचार उप-समस्याओं का पुनरावर्ती समाधान अउर इष्टतमता स्थितियन का मूल्यांकन है जेकर उपयोग दुनहु सुधारित पुनरावर्ती मान उत्पन्न करे खातिर कइल जाला, अउर एल्गोरिदम खातिर रोके वाला मानदंड भी स्थापित करे खातिर कइल जाला. हम अपने एसवीएम के कार्यान्वयन का प्रयोगात्मक परिणाम प्रस्तुत करत बानी, अउर 50,000 डेटा बिंदुअन के डाटा सेट से जुड़ी चेहरा पहचान समस्या पर आपन दृष्टिकोण के व्यवहार्यता का प्रदर्शन करत बानी। |
ca74a59166af72a14af031504e31d86c7953dc91 | |
0122e063ca5f0f9fb9d144d44d41421503252010 | अनसुपरवेटेड फीचर लर्निंग अउर डीप लर्निंग मा हाल के काम से पता चला है कि बड़े मॉडल का प्रशिक्षण देके कामकाज के प्रदर्शन मा काफी सुधार हो सकत है। इ पेपर मा, हम दस हजार सीपीयू कोर का उपयोग कईके एक अरब मापदंडों वाले गहरे नेटवर्क का प्रशिक्षण देने की समस्या पर विचार करत हन। हम DistBelief नाम कय एक सॉफ्टवेयर फ्रेमवर्क विकसित किहिन जवन बड़ी मॉडल कय प्रशिक्षण करय कय खातिर हजारन मशीनन कय संग कंप्यूटिंग क्लस्टर कय उपयोग कइ सकत हय। ई ढाँचा के भीतर, हम बड़े पैमाना पर वितरित प्रशिक्षण खातिर दुइ एल्गोरिदम विकसित कै है: (i) डाउनपूर एसजीडी, एक अतुल्यकालिक स्टोचैस्टिक ग्रेडिएंट वंश प्रक्रिया जेकय कई मॉडल प्रतिकृति का समर्थन करत है, अउर (ii) सैंडब्लास्टर, एक ढाँचा जेकय कई प्रकार के वितरित बैच अनुकूलन प्रक्रियाओं का समर्थन करत है, जेमा एल-बीएफजीएस का वितरित कार्यान्वयन भी शामिल है। डाउनपूर एसजीडी अउर सैंडब्लास्टर एल-बीएफजीएस दुनो गहन नेटवर्क प्रशिक्षण का पैमाना अउर गति बढ़ावत हैं। हम आपन सिस्टम क उपयोग 30 गुना बड़ा गहन नेटवर्क का प्रशिक्षण देइ बरे सफलतापूर्वक किहे अही जउन पहिले से सास्त्रीय रिपोर्ट्स मा रिपोर्ट कीन ग रहा, अउर इ इमेजनेट, 16 मिलियन छवियन अउर 21 हजार श्रेणियन वाले विजुअल ऑब्जेक्ट मान्यता कार्य पर अत्याधुनिक प्रदर्शन प्राप्त करत अहइ। हम देखब कि ई समान तकनीक वाणिज्यिक भाषण मान्यता सेवा खातिर एक अधिक मामूली आकार के गहन नेटवर्क के प्रशिक्षण का नाटकीय रूप से तेज करत हय। यद्यपि हम इ सबइ विधियन क प्रयोग बड़े पैमाने पर न्यूरल नेटवर्क क प्रशिक्षण बरे करत अही अउर रिपोर्ट करित अही, फिन भी इनहिन मापदण्ड पर आधारित बी.ए.सी. (बल्कि ए.एस.) एल्गोरिदम लागू होत हीं। |
f5fca08badb5f182bfc5bc9050e786d40e0196df | एक वायरलेस सेंसर नेटवर्क पर आधारित जल पर्यावरण निगरानी प्रणाली का प्रस्ताव है। एकर तीन हिस्सा होत हीं: डाटा मॉनिटरिंग नोड्स, डाटा बेस स्टेशन अउर रिमोट मॉनिटरिंग सेंटर। ई प्रणाली जटिल अउर बड़ पैमाना पर जल वातावरण निगरानी खातिर उपयुक्त अहै, जइसे कि जलाशय, झील, नदी, दलदल, अउर उथल या गहरे भूजल। ई पेपर हमरे नए जल पर्यावरण निगरानी प्रणाली डिजाइन का स्पष्टीकरण और चित्रण खातिर समर्पित है। इ प्रणाली एक कृत्रिम झील के पानी के तापमान अउर पीएच मान के पर्यावरण का ऑनलाइन ऑटो-निगरानी करे मा सफलता पाइस है। सिस्टम की माप क्षमता पानी के तापमान खातिर 0 से 80 °C तक, ±0.5 °C की सटीकता के साथ; पीएच मान खातिर 0 से 14 तक, ±0.05 पीएच इकाइयों की सटीकता के साथ। विभिन्न जल गुणवत्ता परिदृश्यों के लिए लागू सेंसर विभिन्न जल वातावरणों की निगरानी मांगों का पूरा करने और विभिन्न मापदंडों का प्राप्त करने के लिए नोड्स पर स्थापित किए गए हैं। एसे मा मॉनिटरिंग सिस्टम के व्यापक रूप से लागू होय के संभावना है। |
0969bae35536395aff521f6fbcd9d5ff379664e3 | हम बहु-रेडियो, बहु-हॉप वायरलेस नेटवर्क मा रूटिंग का एक नया मीट्रिक प्रस्तुत करत हैं। हम स्थिर नोड वाले वायरलेस नेटवर्क पर ध्यान केंद्रित कर रहे हैं, जैसे कि सामुदायिक वायरलेस नेटवर्क। मीट्रिक का लक्ष्य स्रोत और गंतव्य के बीच एक उच्च-थ्रूपुट पथ का चयन करना है। हमार मीट्रिक लिंक पर पैकेट का अपेक्षित प्रसारण समय (ETT) के आधार पर व्यक्तिगत लिंक का वजन निर्दिष्ट करत है। ईटीटी हानि दर अउर लिंक के बैंडविड्थ का एक फलन है। अलग-अलग लिंक वजन एक पथ मीट्रिक मा संयुक्त हो ग्यायी जौन वजनित संचयी ईटीटी (डब्ल्यूसीईटीटी) कहा जात है जे स्पष्ट रूप से लिंक के बीच हस्तक्षेप के लिए खाता है जे एक्कै चैनल का उपयोग करत है। डब्ल्यूसीईटीटी मेट्रिक एक रूटिंग प्रोटोकॉल मा शामिल है जौन हम बहु-रेडियो लिंक-गुणवत्ता स्रोत रूटिंग कहत हैं. हम आपन मेट्रिक के प्रदर्शन का अध्ययन एक वायरलेस टेस्टबेड मा लागू करके करे हव जौन 23 नोड्स से बना अहै, हर एक दुई 802.11 वायरलेस कार्ड से सुसज्जित है। हम ई पाइत ह कि बहु-रेडियो वातावरण में, हमार मीट्रिक पहिले से प्रस्तावित रूटिंग मीट्रिक से काफी बेहतर अहै, काहेकी इ दुसरे रेडियो का समझदारी से उपयोग करत है। |
3a01f9933066f0950435a509c2b7bf427a1ebd7f | इ पेपर मा हम मॉनिटर के एलईडी से स्मार्टफोन कैमरा तक डाटा लीक कर के डाटा एक्सफ़िल्ट्रेशन खातिर एक नई पध्दति प्रस्तुत करत हन। हमलावरन द्वारा नई पध्दति का उपयोग संगठन से मूल्यवान जानकारी लीक करे खातिर कीन जा सकत है जइसे कि एक उन्नत लगातार खतरा (एपीटी) का हिस्सा. अवधारणा का प्रमाण जे विकसित करल गईल रहे ऊ पेपर में वर्णित बा, एगो प्रयोग का विवरण जवन ई दर्शाउता ह कि व्यावहारिक रूप से लोग हमला के बारे में जानकारी नईखे देत. हम प्रस्तावित कीन गवा रहेन कि ई सब बंदी फाड़िके पहिले कीन गवा रहेन। |
698b8181cd613a72adeac0d75252afe7f57a5180 | हम अब लय कई-कोर मंच, उदा, सामान्य प्रयोजन कंप्यूटिंग (GPGPU) खातिर उपयुक्त समकालीन ग्राफिक्स कार्ड के लिए पेड़-समूह एल्गोरिदम यादृच्छिक वन (आरएफ) अउर अत्यंत यादृच्छिक पेड़ (ईआरटी) के दो नए समानांतर कार्यान्वयन प्रस्तुत करत हैं। यादृच्छिक वन अउर अत्यधिक यादृच्छिक पेड़ वर्गीकरण अउर प्रतिगमन खातिर एसेम्बल शिक्षार्थी हैं। उ प्रशिक्षण समय मा निर्णय पेड क एक भीड़ का निर्माण करके अउर व्यक्तिगत पेडों का उत्पादन की तुलना करके एक भविष्यवाणी का उत्पादन करके काम करत हैं। कार्य का अंतर्निहित समानांतरता के लिए धन्यवाद, इसकी गणना के लिए एक स्पष्ट मंच बड़ी संख्या में प्रसंस्करण कोर के साथ समकालीन GPUs का उपयोग करना है। साहित्य मा रैंडम वन क खातिर पिछला समानांतर एल्गोरिदम या तो पारंपरिक मल्टी-कोर सीपीयू प्लेटफार्मों या प्रारंभिक इतिहास GPUs के लिए सरल हार्डवेयर वास्तुकला और अपेक्षाकृत कम कोर की संख्या के साथ डिज़ाइन की गई हैं। नया समानांतर एल्गोरिदम समकालीन GPUs के लिए बड़ी संख्या में कोर के साथ डिज़ाइन किए गए हैं और मेमोरी पदानुक्रम और थ्रेड शेड्यूलिंग जैसे नए हार्डवेयर आर्किटेक्चर के पहलुओं का ध्यान रखते हैं। ई सब एनवीडिया-आधारित जीपीयू पर सर्वोत्तम संभव प्रदर्शन खातिर सी/सी++ भाषा अउर सीयूडीए इंटरफ़ेस का उपयोग करके लागू करल जात है। सीपीयू अउर जीपीयू प्लेटफार्म खातिर सबसे महत्वपूर्ण पिछला समाधान के तुलना करे वाला एक प्रयोगात्मक अध्ययन नया कार्यान्वयन खातिर महत्वपूर्ण सुधार दिखावा, अक्सर कई परिमाण के साथ. |
1b4e04381ddd2afab1660437931cd62468370a98 | पाठ कॉर्पोरेसन जवन भाषण के हिस्सा के जानकारी से टैग करल गइल बा ऊ भाषायी अनुसंधान के कई क्षेत्र में उपयोगी बा. इ पेपर मा, न्यूरल नेटवर्क (नेट-टैगर) पर हासड एक नई भाग-भाषण टैगिंग विधि प्रस्तुत कीन गयल है और एकर प्रदर्शन का तुलना llMM-टैगर (कटिंग एट अल, 1992) और एक ट्राईग्राम आधारित टैगर (केम्पे, 1993) से कीन गयल है। ई देखाई दिहा बा कि नेट-टैगर ट्रिग्राम-आधारित टैगर के साथ-साथ आईआईएमएम-टैगर से बेहतर काम करत है। |
68ba338be70fd3c5bdbc1c271243740f2e0a0f0c | हम बड़े बिखरे हुए बाइनरी डेटा सेट से पूछे गए क्वेरीज़ का त्वरित अनुमानित उत्तर उत्पन्न करने की समस्या का जांच करते हैं। हम विशेष रूप से इ समस्या का हल करय के लिए संभाव्य मोड l-आधारित दृष्टिकोण पर ध्यान केंद्रित करत अहन आउर कुछ तकनीक विकसित करत अहन जवन बेसलाइन आजादी मॉडल की तुलना में काफी जादा सटीक अहय। विशेष रूप से, हम दो तकनीकें परिचय आवृत्ति आइटम सेट से संभाव्यता मॉडल का निर्माण करने के लिएः आइटम सेट अधिकतम एन्ट्रॉपी विधि, और आइटम सेट मॉडल पर समावेशन-बहिष्करण। अधिकतम एन्ट्रोपी विधि मा हम itemsets क्वेरी चर का वितरण पर बाधाओं के रूप मा उपचार और tributes ऑनलाइन मा क्वेरी को लागी एक संयुक्त सम्भावना मोडेल को निर्माण गर्न अधिकतम एन्ट्रोपी सिद्धान्त को उपयोग। समावेशन-बहिष्करण मॉडल में आइटमसेट और उनके आवृत्ति एक डेटा संरचना में संग्रहीत हैं, जिसे एडीट्री कहा जाता है, जो क्वेरी का जवाब देने के लिए समावेशन-बहिष्करण सिद्धांत का एक कुशल कार्यान्वयन का समर्थन करता है। हम अनुभव से इन दो आइटम-सेट आधारित मॉडल का तुलना करें मूल डेटा का प्रत्यक्ष क्वेरी, मूल डेटा के नमूनों का क्वेरी, साथ ही साथ अन्य संभाव्य मॉडल जैसे कि इंडिपेंडेंस मॉडल, चाउ-लियू ट्री मॉडल, और बर्नौली मिश्रण मॉडल। इ मॉडल उच्च आयाम (सैकड़ों या हजारों विशेषता) का संभाल सके, जबकि इ मामले पर अधिकांश अन्य काम अपेक्षाकृत कम आयाम वाले ओएलएपी की समस्याओं पर केंद्रित हैं। सिमुलेटेड अउर रियलवर्ल्ड लेनदेन डेटा सेट दुन्नो पर प्रयोगात्मक परिणाम अनुमान त्रुटि, मॉडल जटिलता, अउर क्वेरी उत्तर क गणना करेक खातिर जरूरी ऑनलाइन समय के बीच विभिन्न मौलिक व्यापार-बदलाव का चित्रण करत हौवे। |
90522a98ccce3aa0ce20b4dfedb76518b886ed96 | एह पांडुलिपि के पहिले संस्करण कय मदद करे खातिर रॉबर्ट स्किपर अउर हारून हाइमन का विशेष धन्यवाद। साथ ही शॉन मैकक्विटी, रॉबिन पीटरसन, चक पिक्ट, केविन शानाहान, अउर जर्नल ऑफ बिजनेस रिसर्च संपादक अउर समीक्षक का भी धन्यवाद, उनके उपयोगी टिप्पणियन खातिर। इ पांडुलिपि कय एक पहिले संस्करण २००१ सोसाइटी फॉर मार्केटिंग एडवांस सम्मेलन मा प्रस्तुत सर्वोत्तम कागज खातिर शॉ पुरस्कार जिते रहा। जर्नल ऑफ बिजनेस रिसर्च मा प्रकाशित इ हस्तलिपि कय एक संक्षिप्त संस्करण कय प्रकाशन खातिर स्वीकृति दइ दीन गय । |
2e0db4d4c8bdc7e11541b362cb9f8972f66563ab | |
05c025af60aeab10a3069256674325802c844212 | हम वीडियो अउर मोशन कैप्चर मा मानव शरीर के पोज के पहचान अउर भविष्यवाणी खातिर एनकोडर-रिकर्रेन्ट-डेकोडर (ईआरडी) मॉडल का प्रस्ताव करत हन। ईआरडी मॉडल एक पुनरावर्ती तंत्रिका नेटवर्क है जेहमा पुनरावर्ती परतों से पहिले अउर बाद में गैर-रैखिक एन्कोडर अउर डिकोडर नेटवर्क शामिल ह. हम मोशन कैप्चर (मोकैप) जनरेशन, बॉडी पोज लेबलिंग अउर वीडियो में बॉडी पोज पूर्वानुमान के काम में ईआरडी आर्किटेक्चर के उदाहरण का परीक्षण करत बानी। हमार मॉडल कई विषयों अउर गतिविधि डोमेन मा मॉकअप प्रशिक्षण डेटा को संभालता है, अउर लंबे समय तक बहाव से बचते समय उपन्यास आंदोलनों का संश्लेषण करता है। मानव पोज लेबलिंग के लिए, ईआरडी बाएं-दाएं शरीर के हिस्से की भ्रम का समाधान करके प्रति फ्रेम शरीर के हिस्से का डिटेक्टर से बेहतर प्रदर्शन करता है। वीडियो पोज पूर्वानुमान खातिर, ईआरडी 400ms का एक समय क्षितिज पर शरीर संयुक्त विस्थापन का भविष्यवाणी करत है और ऑप्टिकल प्रवाह पर आधारित प्रथम-क्रम गति मॉडल का प्रदर्शन करत है। ईआरडी साहित्य मा पहिले से लँग शॉर्ट टर्म मेमोरी (एलएसटीएम) मॉडल का विस्तार करत हैं ताकि संयुक्त रूप से प्रतिनिधित्व और उनके गतिशीलता का सीख सकैं। हमार प्रयोग से पता चलता है कि ई सब प्रतिनिधित्व उपजवाब पढ़ी कय बाद भी, अवकाश-समय मा चिह्नित करै कय बरे अउर पूर्वानुमान लगावै कय बरे प्रयोग होत है। हम ई पाइत ह कि ई 1 डी पाठ, भाषण या हस्तलेखन के तुलना में स्थानिक-समयिक दृश्य डोमेन के बीच एक विशिष्ट विशेषता ह, जहां सीधा हार्ड कोडेड प्रतिनिधित्व उत्कृष्ट परिणाम दिखाए हैं जब सीधे आवर्ती इकाइयों के साथ संयुक्त होत हैं [31]। |
092b64ce89a7ec652da935758f5c6d59499cde6e | हम एक नया डेटासेट प्रस्तुत करत हैं, मानव3.6M, 3.6 मिलियन सटीक 3D मानव पोज्स, 5 महिला और 6 पुरुष विषयों के प्रदर्शन को रिकॉर्ड करके अधिग्रहित, 4 अलग-अलग दृष्टिकोण के तहत, यथार्थवादी मानव संवेदन प्रणालियों का प्रशिक्षण और मानव पोज अनुमान मॉडल और एल्गोरिदम की अगली पीढ़ी का मूल्यांकन करने के लिए। डाटासेट कय आकार कय बढ़ावै के अलावा, हम इ डेटासेट कय मनई कय सामान्य गतिविधि (फोटो खिंचवैं, फोन कय बात करै, पोज देइ, नमस्कार करै, खाएब, आदि) कय रूप मा मिले वाले गतिविधी अउर मुद्रा कय विविधता से पूरक करै कय लक्ष्य रखत अहन। ), अतिरिक्त सिंक्रनाइज़ छवि, मानव गति कैप्चर, और उड़ान का समय (गहराई) डेटा, और सभी शामिल विषय अभिनेताओं का सटीक 3D बॉडी स्कैन के साथ। हम भी नियंत्रित मिश्रित वास्तविकता मूल्यांकन परिदृश्य प्रदान करत हैं जहां 3 डी मानव मॉडल गति कैप्चर का उपयोग करके एनिमेटेड हैं और सही 3 डी ज्यामिति का उपयोग करके सम्मिलित हैं, जटिल वास्तविक वातावरण में, चल कैमरे के साथ देखा गया, और ऑक्ल्यूशन के तहत। अंत मा, हम बड़े पैमाने पर सांख्यिकीय मॉडल का एक सेट प्रदान करत हैं और डेटासेट के लिए विस्तृत मूल्यांकन आधार रेखाएं प्रदान करत हैं जौन एकर विविधता औ अनुसंधान समुदाय मा भविष्य के काम से सुधार की गुंजाइश का चित्रण करत हैं। हमार प्रयोग से पता चलता है कि हमार सबसे अच्छा पैमाना पै मॉडल आपन पूरा प्रशिक्षण टीम का कामयाबी मा 20% की वृद्धि दर पय पहुँच सका अहै जब तक कि यहिकै तुलना करै कै एक तरीका नाय बाय। बहरहाल, हम बेहतर तरीके से उच्च प्रदर्शन वाले मॉडल का उपयोग कर पाएंगे, जितना कि पहले से ही काफी खराब है। डाटासेट के साथ-साथ संबंधित बड़े पैमाना पर सीखने वाले मॉडल, सुविधाओं, विज़ुअलाइज़ेशन टूल, साथ ही मूल्यांकन सर्वर का कोड, http://vision.imar.ro/human3.6m पर ऑनलाइन उपलब्ध है। |
ba4a037153bff392b1e56a4109de4b04521f17b2 | संकट सूचना विज्ञान के जांच करत है कि कैसे समाज का प्रौद्योगिकी तक पहुंच पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल पैल इ परिवर्तन क अध्ययन करेक लिए, जौन अबहीं तक भाषा समिति द्वारा अनुमोदित नहीं भयें, ओन्हे नियम द्वारा अनुमोदित करै कय आवश्यकता हय। इ चिंता का दूर करे खातिर, हम ईपीआईसी एनालाइज़ेशन - एगो परिवेश डिज़ाइन अउर लागू करे हई, जवन शोधकर्ता के सोशल मीडिया डेटा इकट्ठा करे अउर विश्लेषण करे में मदद करत है। हमार शोध ई बिषय पर चल रहा है कि - NoSQL, MapReduce, caching, and search - इन सेवाओँ का भरोसेमंद, स्केलेबल, एक्स्टेन्सिबल, और कुशल बनेक लिए कऊन-कौन से कंपोनेंट्स जरूरी हयेन. हम ईपीआईसी विश्लेषण का निर्माण करत समय, समय बनाम स्थान व्यापार, अउर एक उपयोगी अउर प्रयोग योग्य प्रणाली की आवश्यकता जैसे कि - डेटा मॉडलिंग, समय बनाम स्थान व्यापार, और एकर स्केलेबिलिटी, प्रदर्शन, अउर कार्यक्षमता पर चर्चा करत समय, डिजाइन चुनौतियों का वर्णन करत हैं। |
4416236e5ee4239e86e3cf3db6a2d1a2ff2ae720 | आधुनिक विश्लेषिकी अनुप्रयोग जादा जटिल वर्कफ़्लो क निर्माण करय के लिए अलग-अलग लाइब्रेरी अउर फ्रेमवर्क से कई कार्य कय संयोजन करत हैं। यद्यपि हर एक फलन क अलग से उच्च प्रदर्शन प्राप्त कइ सकत ह, संयुक्त वर्कफ़्लो का प्रदर्शन अक्सर हार्डवेयर सीमाओं से कम होत ह काहेकी एक्स्टेंसिव डेटा मूवमेंट फ़ंक्शनन के बीच होत ह। इ समस्या का हल करय के खातिर हम वेलड, डेटा-गहन अनुप्रयोग खातिर एक रनटाइम प्रस्तावित करत बानी जउन असंगत लाइब्रेरी अउर फलन के बीच अनुकूलित करत बा. वेल्ड एसक्यूएल, मशीन लर्निंग अउर ग्राफ एनालिटिक्स सहित विभिन्न डेटा समानांतर वर्कलोड्स की संरचना का कैप्चर करेक लिए एक आम मध्यवर्ती प्रतिनिधित्व का उपयोग करत है। इ त बाद में कुंजी डेटा आंदोलन अनुकूलन करत है अउर पूरे वर्कफ़्लो के लिए कुशल समानांतर कोड उत्पन्न करत है। वेल्ड मौजूदा ढांचे जैसे TensorFlow, Apache Spark, NumPy and Pandas में बिना उनके उपयोगकर्ता-सामने वाले एपीआई को बदले क्रमिक रूप से एकीकृत किया जा सकता है। हम देखब कि वेल्ड ई फ्रेमवर्क, अउर ई सब संयोजन के अनुप्रयोग, 30 गुना तक तेज कइ सकत ह. |
Subsets and Splits