_id
stringlengths 40
40
| text
stringlengths 0
9.62k
|
|---|---|
a0117ec4cd582974d06159644d12f65862a8daa3 | डीप बिलीफ नेटवर्क (डीबीएन) छिपल कारण चर के कई परत के साथे जनरेटिव मॉडल होला, हाल ही में हिंटन, ओसिंडरो आउर तेह (2006) द्वारा एगो लालची परत-बुद्धिमान अनसुअरवेज लर्निंग एल्गोरिथ्म के साथे पेश कइल गइल रहे. ले रूक्स आउर बेंगियो (2008) आउर सुटस्केवर आउर हिंटन (2008) पर निर्माण करत, हम देखवईला कि सार्वभौमिक सन्निकटन प्राप्त करे खातिर गहिरा लेकिन संकीर्ण जनरेटिव नेटवर्क के उथल-पुथल वाले के तुलना में जादा पैरामीटर के आवश्यकता ना होला. प्रूफ तकनीक के उपयोग करके, हम ई साबित कर सकित ह कि सिग्मोइडल इकाई के साथे गहिरा लेकिन संकरी फीड फॉरवर्ड न्यूरल नेटवर्क कउनो भी बूलियन अभिव्यक्ति के प्रतिनिधित्व कर सकेला. |
274946a974bc2bbbfe89c7f6fd3751396f295625 | इ पत्र में हमसब मजबूत अनुकूलन (आरओ) के क्षेत्र में सैद्धांतिक अउरी प्रयुक्त दुन्नो प्राथमिक सोध के सर्वेक्षण कयल बा. हमनी के फोकस आरओ दृष्टिकोण के कम्प्यूटेशनल आकर्षण पर, साथे ही मॉडलिंग शक्ति आउर पद्धति के व्यापक प्रयोज्यता पर होई. पिछला दसक में आरओ के सबसे प्रमुख सैद्धांतिक परिनाम के सर्वेक्षण के अलावा, हम आरओ के बहु-चरण के निर्णय लेवे के समस्या खातिर अनुकूलन योग्य मॉडल से जोड़त कुछ हालिया परिनाम भी प्रस्तुत करब. अंत में, हम वित्त, सांख्यिकी, सीखना आउर इंजीनियरिंग के विभिन्न क्षेत्रन सहित डोमेन के व्यापक स्पेक्ट्रम में आरओ के अनुप्रयोग के उजागर करब. |
573cd4046fd8b899a7753652cd0f4cf6e351c5ae | हम किनारा जानकारी के आधार पर जटिल आकार के वस्तु के पहचान के एगो तरीका प्रस्तुत करत बानी. पहिले हम एगो विशिष्ट परिवेश में एगो लक्ष्य वस्तु के उदाहरण चित्र के उपयोग वर्गीकरणकर्ता कैस्केड के प्रशिक्षित करे खातिर करेनी जे इ निर्धारित करेला कि चित्र में किनारा पिक्सल वांछित वस्तु या अव्यवस्था के उदाहरण से संबंधित बा. एगो नया चित्र के साथ प्रस्तुत कइल गइल, हम अव्यवस्थित किनारा पिक्सल के हटावे खातिर कैस्केड के उपयोग करब आउर वस्तु के कुल मिला के पता लगावे खातिर वस्तु किनारा पिक्सल के समूहबद्ध करब. किनारा पिक्सेल वर्गीकरण खातिर उपयोग कइल जाए वाला बिसेसता स्थानीय, छिटपुट किनारा घनत्व संचालन होला. प्रयोग छवि-विमान के बाहर मनमाने ढंग से घूमे के तहत विभिन्न प्रकार के अव्यवस्थित इनडोर दृश्य में जटिल वस्तु के सेट के पहचान खातिर तकनीक के प्रभावशीलता के मान्य करेला. एकरे अलावा, हमार प्रयोग बतावेला कि ई तकनीक प्रशिक्षण आउर परीक्षण वातावरण के बीच भिन्नता खातिर मजबूत हवे आउर रनटाइम पर कुशल हवे. |
e9b7367c63ba970cc9a0360116b160dbe1eb1bb4 | हम एगो सुदृढीकरण सीखना ढांचा प्रस्तुत करत बानी, जेकरा के प्रोग्रामेटिक रूप से व्याख्या योग्य सुदृढीकरण सीखना (पीआईआरएल) कहल जाला, जे कि व्याख्या योग्य आउर सत्यापित एजेंट नीति कुल के उत्पन्न करे खातिर डिज़ाइन कइल गइल बा. डीप रिइनफोर्समेंट लर्निंग (डीआरएल) पैराडिग्म के उल्टा, जवन तंत्रिका नेटवर्क द्वारा नीति के प्रतिनिधित्व करेला, पीआईआरएल एगो उच्च-स्तरीय, डोमेन-विशिष्ट प्रोग्रामिंग भाषा के उपयोग करके नीति के प्रतिनिधित्व करेला. ऐसन प्रोग्राममेटिक नीति के लाभ होला कि एकरा के न्यूरल नेटवर्क के तुलना में आसानी से समझल जा सकेला, आउर प्रतीकात्मक विधि द्वारा सत्यापन के खातिर तैयार रहे के चाही. हम एगो नया तरीका प्रस्तावित करत बानी, जेकरा के न्यूरोली डायरेक्टेड प्रोग्राम सर्च (एनडीपीएस) कहल जाला, जे अधिकतम इनाम के साथ एगो प्रोग्रामेटिक नीति के खोजे के चुनौतीपूर्ण गैर-सुचारू अनुकूलन समस्या के हल करे खातिर बा. एनडीपीएस डीआरएल के उपयोग करके एगो तंत्रिका नीति नेटवर्क के पहिले सीखके काम करेला, आउर फेर प्रोग्रामेटिक नीति पर स्थानीय खोज करेला जे इ तंत्रिका ओरेकल से दूरी के कम करे के प्रयास करेला. हम एनडीपीएस के मूल्यांकन ई काम पर करे खातिर करेनी कि ई सीखे कि टीओआरसीएस कार रेसिंग वातावरण में एगो अनुकरण कार कइसे चलावल जाय. हमनी के ई देखावे के बा कि एनडीपीएस मानव-पठनीय नीति के खोज करे में सक्षम बा जे कुछ महत्वपूर्ण प्रदर्शन बार के पास करेला. हम इहो देखावत बानी कि पीआईआरएल नीति के बेहतर तरीका से लागू कइल जा सकेला, आ ई आसान तरीका से ओह माहौल में लागू कइल जा सकेला जवन प्रशिक्षण के दौरान ना मिले, जबकि डीआरएल नीति के तुलना में ई आसान बा। |
48d103f81e9b70dc2de82508973bc35f61f8ed01 | ई दस्तावेज तेज रफ्तार वाली रेलगाड़ी आ जमीनी वाहनन पर मोबाइल उपग्रह संचार खातिर टीईएस केयू बैंड एंटीना के अत्याधुनिकता आ केयू बैंड एंटीना के परफॉर्मेंस में सुधार आ का बैंड टर्मिनल में अपग्रेड के बारे में जानकारी देला। |
7294d9fa5c5524a43619ad7e52d132a90cfe91bb | इ पत्र के सामान्य मुद्दा उच्च-डेटा-रेट सैटकॉम खातिर चरणबद्ध सरणी एंटीना के डिजाइन से संबंधित बा. एगो अंतिम प्रदर्शन एंटेना के मानव रहित हवाई वाहन (यूएवी) पर स्थापित कइल जा सकेला ताकि कै-बैंड में उपग्रह के साथ संचार कइल जा सके. सबसे पहिले, एक कॉम्पैक्ट प्रतिबिंब-प्रकार चरण शिफ्टर के डिजाइन आउर साकार कइल जाला. दूसरा, एगो चरणबद्ध सरणी एंटीना प्रोटोटाइप के अवधारणा विस्तृत बा. तीसर, एगो नया कैलिब्रेशन विधि शामिल बा जे कि वांछित दिशा में बीम के स्कैन करे खातिर प्रत्येक चरण शिफ्टर पर लागू करे वाला बायस वोल्टेज प्रदान कर सकेला. |
b40b8a2b528a88f45bba5ecd23cec02840798e72 | एगो 2 डी आवधिक लीक-वेव एंटीना एगो का-बैंड सैटकॉम-ऑन-द-मोव ग्राउंड यूजर टर्मिनल खातिर प्रस्तुत कइल गइल बा. एंटीना पैनल 20 गीगाहर्ट्ज डाउनलिंक के साथ-साथ 30 गीगाहर्ट्ज अपलिंक बैंड पर संबंधित परिपत्र ध्रुवीकरण के साथ काम करेला, एगो समान विकिरण एपर्चर आउर एगो समान चरण केंद्र के उपयोग करेला. दुगो-बैंड प्रदर्शन एगो सावधानी से डिजाइन कइल गइल ढेर दुगो-परत आवृत्ति चयनात्मक सतह द्वारा प्राप्त कइल जाला, जेमे एगो परत 20 गीगाहर्ट्ज पर काम करेला आउर 30 गीगाहर्ट्ज पर पारदर्शी होला, आउर दूसर परत विपरीत काम करेला. पेपर परिपत्र रूप से ध्रुवीकृत प्राथमिक फीड, दोहरे-परत संरचना, आउर पूरा कॉम्पैक्ट लीक-वेव एंटीना पैनल के डिजाइन के वर्णन करेला. मापल गईल विकिरण प्रदर्शन 22 डीबीआई से ऊपर के वास्तविक लाभ मान आउर 60% से ऊपर के दक्षता के प्रकट करेला. क्रॉस-पोलराइजेशन भेदभाव आउर साइडलोब स्तर का-बैंड पर उपग्रह संचार खातिर बिजली के वर्णक्रमीय आवश्यकता के पूरा करे खातिर उपयुक्त बा. |
1f009366a901c403a8aad65c94ec2fecf3428081 | पिछला तंत्रिका मशीन अनुवाद मॉडल कुछ युरेस्टिक खोज एल्गोरिदम (जइसे, बीम खोज) के उपयोग कइलस ताकि परीक्षण चरण में अनुवाद वाक्य पर अधिकतम उत्तरार्ध के समस्या के हल करे से बचे के खातिर. इ पेपर में, हम गंबलग्रीडी डिकोडिंग के प्रस्ताव देले बानी जवन एगो प्रशिक्षित मॉडल के तहत अनुवाद के भविष्यवाणी करे खातिर एगो जनरेटिव नेटवर्क के प्रशिक्षित करेला. हम लोग अइसन समस्या के हल करे खातिर गंबल-सॉफ्टमैक्स रेपारामेटरीजेशन के प्रयोग करेनी, जवन हमनी के जनरेटिव नेटवर्क के डिफरेंशियल आ स्टॉकास्टिक ग्रेडिएंट के मानक तरीका से प्रशिक्षित करे लायक बनावेला. हम अनुभवजन्य रूप से देखावल चाहत बानी कि हमनी के प्रस्तावित मॉडल अलग-अलग शब्दन के क्रम के उत्पन्न करे खातिर प्रभावी बा. |
8e49caba006e1832a70162f3a93a31be25927349 | इ लेख एगो नया विचार के चर्चा करेला जेकरा के संज्ञानात्मक रडार कहल जाला. संज्ञानात्मक रडार के निर्माण के तीन गो मूल तत्व होलाः 1) बुद्धिमान सिग्नल प्रोसेसिंग, जे रडार के आसपास के वातावरण के साथ बातचीत के माध्यम से सीखे पर आधारित होला; 2) रिसीवर से ट्रांसमीटर तक फीडबैक, जे खुफिया के एगो सुविधा हवे; आउर 3) रडार रिटर्न के सूचना सामग्री के संरक्षण, जे बेयसन दृष्टिकोण द्वारा टारगेट डिटेक्शन के माध्यम से हासिल कइल जाला. इ तीनों अवयव एगो चमगादड़ के इको-लोकेशन सिस्टम में मौजूद होला, जेकरा के संज्ञानात्मक रडार के भौतिक प्राप्ति (हालांकि न्यूरोबायोलॉजिकल शब्द में) के रूप में देखल जा सकेला. राडार एगो रिमोट-सेंसिंग सिस्टम हवे जे सिविल आ मिलिट्री दुनों जरूरत खातिर निगरानी, ट्रैकिंग आ इमेजिंग एप्लीकेशन सभ में इस्तेमाल होला। एह लेख में हमनी के रडार के भविष्य के संभावना पर ध्यान केंद्रित करब जा, आ ई ज्ञान के मुद्दा पर खास जोर देबे वाला बा। एह तरीका से एगो उदाहरण के रूप में हमनी के समुंद्री वातावरण में लागू रडार निगरानी के समस्या पर विचार करब। |
f584c3d1c2d0e4baa7f8fc72fcab7b9395970ef5 | इ सब पेचीदा सवालन के अध्ययन में बहुत कम काम कइल गइल बा, आउर हम इ छाप नाही देवल चाहत बानी कि विचार के कौनो व्यापक सेट मौजूद बा जेकरा के "सिद्धांत" कहल जा सकेला. विज्ञान आ दर्शन के इतिहास के बात कइल जाय त ई बात बहुत आश्चर्यजनक बा कि दिमाग के काम में रुचि के बढ़न्ती के मुख्य कारन, मनोवैज्ञानिक आ शारीरिक दुनों, एगो यंत्र, एगो मशीन, डिजिटल कंप्यूटर से भइल बा। एगो मानव और एगो मानव समाज के साथ व्यवहार में, हमनी के तर्कहीन, असमंजस, असंगत, अउर अपूर्ण रहे के लक्जरी के आनंद लेवेनी, अउर फिर भी सामना करेनी. कंप्यूटर चलावे में, हमनी के विस्तृत निर्देशन के कठोर आवश्यकता के पूरा करे के चाहीं आउर पूर्ण सटीकता के भी. अगर हमनी के मानव मन के क्षमता के समझल जा, जब जटिलता, अनिश्चितता, आ तर्कहीनता के सामना करे में प्रभावी निर्णय लेवे के होला तब हमनी के कंप्यूटर के उपयोग हमनी के तुलना में दस लाख गुना ज्यादा प्रभावी तरीका से कर सकिला. इ तथ्य के मान्यता तंत्रिका-शरीर विज्ञान के क्षेत्र में अनुसंधान के उछाल के खातिर एगो प्रेरणा रहे. जेतना जादा हम मन के सूचना संसाधित करे के पहलु के अध्ययन करब, ओतने ही हम अधिक भ्रमित आउर प्रभावित होब. इ प्रक्रिया के समझे में बहुत समय लागी ताकि हम एकर पुनरुत्पादन कर सकी. कउनो भी स्थिति में, गणितज्ञ दर्जनों उभरते क्षेत्रन में सैकड़ों आउर हजारों भयानक नया समस्या, पहेलियन के बहुतायत, आउर उनकर दिल के सामग्री खातिर चुनौतियन के देखेलन. ऊ इनहन में से कुछ के कभी हल ना कर सके, लेकिन ऊ कबो ऊब ना जाई. उ अउर का चाह सकत बा? |
9d2222506f6a076e2c9803ac4ea5414eda881c73 | सड़क दुर्घटना में चालक के सुस्ती एगो महत्वपूर्ण योगदान करे वाला कारक बा. एह समस्या से निपटे खातिर एगो तरीका बा ड्राइवर के सुस्ती के पता लगावे खातिर तकनीकी उपाय विकसित कइल, ताकि दुर्घटना होखे से पहिले ड्राइवर के चेतावनी दिहल जा सके। विधि इ समीक्षा के लक्ष्य ई आकलन कइल बा कि, वर्तमान ज्ञान के स्थिति के ध्यान में रख के, का वाहन के माप के उपयोग वास्तविक समय में नींद के भविष्यवाणी करे खातिर कइल जा सकेला. नतीजा कई गो व्यवहारिक प्रयोग देखवले बाड़े कि नियंत्रित, प्रयोगात्मक सेटिंग में नींद के ड्राइविंग पर गंभीर प्रभाव पड़ सकेला. हालांकि, ऊमे से अधिकतर अध्ययन में प्रदर्शन के सरल कार्य के जांच कइल गइल बा (जइसे लेन स्थिति के मानक विचलन) आउर परिणाम के अक्सर चालक कुल आउर समय के माध्यम से औसत के रूप में बतावल जाला. अधिक जटिल कार्य के जांच करे खातिर, साथ ही चालक के बीच व्यक्तिगत अंतर के जांच करे खातिर आगे के शोध के जरूरत बा. चालक के नींद के भविष्यवाणी करे खातिर सफल काउंटरमेजर खातिर बहुविध मानदंड के सेट करे के, आउर बहुविध उपाय के उपयोग के आवश्यकता हो सकेला. |
7bbd56f4050eb9f8b63f0eacb58ad667aaf49f25 | मोबाइल डेटा ट्रैफिक में तेजी से बढ़ोतरी से मोबाइल नेटवर्क क्षमता में मौजूदा 3जी/4जी नेटवर्क से बढ़ोतरी के जरूरत बा. इ पत्र में, हम अगिला पीढ़ी के मोबाइल संचार प्रणाली (5 जी) खातिर मिलीमीटर तरंग मोबाइल ब्रॉडबैंड (एमएमबी) प्रणाली के प्रस्ताव करत बानी. एमएमबी 3-300 गीगाहर्ट्ज रेंज में विशाल स्पेक्ट्रम के उपयोग करे ला ताकि बढ़त मांग के पूरा कइल जा सके। हम एह बात पर तर्क देलीं कि मोबाइल ब्रॉडबैंड अनुप्रयोग खातिर मिलीमीटर तरंग स्पेक्ट्रम काहें उपयुक्त बा. हम मिलिमीटर तरंग के अनूठा फायदा के चर्चा करब जइसे कि स्पेक्ट्रम उपलब्धता आ छोट आकार के कारक में बड़ बीम-फॉर्मिंग लाभ। हम एगो व्यावहारिक एमएमबी सिस्टम डिजाइन के भी वर्णन कर रहल बानी जे 500 मीटर तक के दूरी पर जीबी/एस डेटा दर प्रदान करे में सक्षम बा आउर 350 किमी/घंटा तक के गतिशीलता के समर्थन करेला. सिस्टम सिमुलेशन के माध्यम से, हम देखब कि एगो मूल एमएमबी सिस्टम औसत सेल थ्रूपुट आ सेल-एज थ्रूपुट परफॉर्मेंस देबे में सक्षम बा जे वर्तमान 20 मेगाहर्ट्ज एलटीई-एडवांस्ड सिस्टम से 10 से 100 गुना बेहतर बा. |
3bc9f8eb5ba303816fd5f642f2e7408f0752d3c4 | |
0c83eeceee8f55fb47aed1420b5510aa185feace | हमनी के एगो अइसन तरीका के प्रस्ताव बा जे भौगोलिक मैशअप से प्रेरित बा, जेह में खुला रूप से उपलब्ध कार्यक्षमता आ डेटा के ढीला-ढीला तरीका से जोड़ल जाला आ वास्तविक विनिमय मानक के इस्तेमाल कइल जाला। हमनी के केस स्टडी में MySQL, PHP आ LandSerf GIS के संयोजन बा ताकि KML में वर्णित एन्कोडिंग के साथे विजुअल सिंथेसिस आ इंटरैक्शन खातिर गूगल अर्थ के इस्तेमाल कइल जा सके। ई तरीका मोबाइल डायरेक्टरी सेवा के 1.42 मिलियन अनुरोध के लॉग के खोज खातिर इस्तेमाल कइल गइल बा. अंतःक्रिया अउरी दृश्य एन्कोडिंग के नया संयोजन विकसित कयल गईल बा, जेकरा में स्थानिक टैग क्लाउड , टैग मैप , डेटा डायल अउरी बहु-स्केल घनत्व सतह सामिल बा. एह तरीका के चार गो पहलुअन के अनौपचारिक रूप से मूल्यांकन कइल गइल बा: इस्तेमाल कइल गइल दृश्य एन्कोडिंग, डेटासेट के दृश्य अन्वेषण में इनहन के सफलता, इस्तेमाल कइल गइल खास औजार आ मैशप तरीका। प्रारंभिक खोज दृश्य के खातिर मैशअप के उपयोग करे पर विचार करे वाला दुसर लोग खातिर लाभदायक होई. विकसित विशिष्ट तकनीक के व्यापक रूप से लागू कइल जा सकेला ताकि इहाँ खोजल गइल प्रकार के बहुविध स्थानिक-समयिक डेटा के संरचना में अंतर्दृष्टि प्रदान कइल जा सके. बड़हन संरचित, बहुआयामी स्थानिक-समयिक डेटासेट के प्रारंभिक जांच खातिर खोजपूर्ण दृश्य विश्लेषण उपयोगी होला. इ प्रक्रिया में समय, स्थान आउर विशेषता द्वारा रिकॉर्ड के चयन आउर एकत्रीकरण, डेटा के बदले के क्षमता आउर उपयुक्त दृश्य एन्कोडिंग आउर बातचीत के लागू करे के लचीलापन के आवश्यकता होला. |
11e907ef1dad5daead606ce6cb69ade18828cc39 | हम लोग बड़ आ बिसाल दिसा वाला ग्राफ में बिंदु-से-बिंदु छोट रस्ता के गणना खातिर एगो त्वरण विधि के अध्ययन कर रहल बानी जेमे दिहल गइल गैर-ऋणात्मक चाप भार बा. त्वरण पद्धति के आर्क-फ्लैग दृष्टिकोण कहल जाला आउर इ डाइकस्ट्र के एल्गोरिथ्म पर आधारित बा. आर्क-फ्लैग दृष्टिकोण में, हमनी के नेटवर्क डेटा के पूर्व-प्रसंस्करण के अतिरिक्त जानकारी उत्पन्न करे खातिर अनुमति देले बानी जा, जेकर उपयोग तब सबसे कम पथ क्वेरी के गति बढ़ावे खातिर कइल जाला. पूर्व-प्रसंस्करण चरण में, ग्राफ के क्षेत्र में विभाजित कइल जाला आउर इ जानकारी इकट्ठा कइल जाला कि का एगो धनुष कौनो दिहल गइल क्षेत्र में सबसे छोट पथ पर बा. आर्क-फ्लैग विधि के संयोजन में उचित विभाजन आउर द्विदिश खोज के साथे बड़ नेटवर्क (1 मिलियन नोड्स, 2.5 मिलियन आर्क) पर डिजस्ट्र्रा के मानक एल्गोरिथ्म के तुलना में 500 से अधिक के औसत स्पीडअप कारक प्राप्त होला. इ संयोजन डिजकस्ट्रा के एल्गोरिथ्म के खोज स्थान के लगभग लम्बा दूरी के लघुतम-पथ क्वेरी खातिर संबंधित सबसे छोट पथ के आकार तक सीमित कर देवेला. हम एगो प्रयोगात्मक अध्ययन क संचालन करत बानी जवन ई मूल्यांकन करेला कि कौन-कौन विभाजन आर्क-फ्लैग विधि खातिर सबसे उपयुक्त बा. विशेष रूप से, हम कम्प्यूटेशनल ज्यामिति आउर बहु-मार्ग के आर्क विभाजक विभाजन से विभाजन एल्गोरिदम के जांच करब. ई मूल्यांकन जर्मन सड़क नेटवर्क पर कइल गइल रहे. सबसे छोट पथ एल्गोरिथ्म के गति पर अलग-अलग विभाजन के प्रभाव के तुलना कइल गइल बा. एकरे अलावा, हम गतिवर्धन तकनीक के कई स्तर के विभाजन में विस्तार प्रस्तुत करब. इ बहुस्तरीय संस्करण के साथ, समान गति कारक के कम स्थान आवश्यकता के साथे प्राप्त कइल जा सकेला. इ, इ प्रकार, पूर्व-गणित डेटा के संपीड़न के रूप में देखल जा सकेला जवन कि गणना कइल गइल सबसे छोट पथ के शुद्धता के संरक्षित करेला. |
09be020a9738464799740602d7cf3273c1416c6a | प्रक्रियात्मक बनावट निर्माण एगो कलाकार के मदद के बिना अधिक समृद्ध आउर विस्तृत आभासी वातावरण के निर्माण के सक्षम करेला. हालाँकि, वास्तविक दुनिया के बनावट के एगो लचीला जनरेटिव मॉडल खोजल एगो खुला समस्या बा. हम एगो उपन्यास कन्वॉल्यूशनल न्यूरल नेटवर्क आधारित बनावट मॉडल प्रस्तुत करत बानी जेह में दू सारांश आँकड़ा (ग्रामियन आउर ट्रांसलेशन ग्रामियन मैट्रिक्स), साथ ही वर्णक्रमीय बाधा शामिल बा. हम लोग फूरियर ट्रांसफॉर्म या विंडो फूरियर ट्रांसफॉर्म के स्पेक्ट्रल बाधा के लागू करे में जांच कइलें, आ पावल कि विंडो फूरियर ट्रांसफॉर्म से उत्पन्न बनावट के गुणवत्ता में सुधार भइल। हम आपन सिस्टम के प्रभावकारिता के तुलना संबंधित अत्याधुनिक सिस्टम के आउटपुट से कर के देखावेनी. |
9fa3c3f1fb6f1566638f97fcb993fe121646433e | |
f8f92624c8794d54e08b3a8f94910952ae03cade | व्यक्ति के पुनः पहचान (री-आईडी) एगो क्रॉस-कैमरा रिकवरी कार्य ह जे अलग-अलग कैमरा के कारण छवि शैली में बदलाव से ग्रसित होला. ई कला एगो कैमरा-अपरिवर्तनीय वर्णक उप-स्थान के सीखके इ समस्या के निहित रूप से संबोधित करेला. इ पेपर में, हम कैमरा स्टाइल (कैमस्टाइल) के परिचय देके स्पष्ट रूप से इ चुनौती पर विचार करब. कैमस्टाइल डेटा एग्मेंटेशन के तरीका के रूप में काम कर सकेला जवन डीप नेटवर्क ओवरफिटिंग के जोखिम के कम करेला आ कैमस्टाइल असमानता के कम करेला. विशेष रूप से, एगो स्टाइल ट्रांसफर मॉडल के साथ, लेबल कइल गइल प्रशिक्षण छवियन के प्रत्येक कैमरा में स्थानांतरित कइल जा सकेला, आउर मूल प्रशिक्षण नमूना के साथे, संवर्धित प्रशिक्षण सेट बनावेला. इ तरीका, डेटा विविधता के बढ़ावेला जबकि ओवरफिटिंग के खिलाफ, काफी स्तर के शोर भी पैदा करेला. शोर के प्रभाव के कम करे के प्रयास में, लेबल चिकनी नियमितकरण (एलएसआर) के अपनावल जाला. हमार तरीका के वैनिला संस्करण (एलएसआर के बिना) कुछ कैमरा सिस्टम पर उचित रूप से अच्छा काम करेला जेमे ओवरफिटिंग अक्सर होला. एलएसआर के साथ, हम सब सिस्टम में लगातार सुधार देखावत बानी, चाहे ओवरफिटिंग के सीमा के परवाह ना कर के. हम मार्केट-1501 आ ड्यूकएमटीएमसी-री-आईडी के तुलना में प्रतिस्पर्धी सटीकता के भी रिपोर्ट करेनीं। महत्वपूर्ण रूप से, कैमस्टाइल के उपयोग एक दृश्य सीखने आउर असुरक्षित डोमेन अनुकूलन (यूडीए) के चुनौतीपूर्ण समस्या के व्यक्ति के पुनः पहचान (री-आईडी) में कइल जा सकेला, जेमे से दुनों के महत्वपूर्ण अनुसंधान आउर अनुप्रयोग महत्व हवे. पहिले वाला में केवल एगो कैमरा दृश्य में डेटा लेबल कइल गइल बा आउर बाद वाला में केवल स्रोत डोमेन में डेटा लेबल कइल गइल बा. प्रयोगात्मक परिणाम से पता चलेला कि कैमस्टाइल दु समस्या में आधार रेखा के प्रदर्शन में महत्वपूर्ण सुधार करेला. विशेष रूप से, यूडीए खातिर, कैमस्टाइल मार्केट-1501 आउर ड्यूकएमटीएमसी-रीआईडी पर बेसलाइन डीप री-आईडी मॉडल के आधार पर अत्याधुनिक सटीकता प्राप्त करेला. हमनी के कोड उपलब्ध बा https://github.com/zhunzhong07/CamStyle. |
61ec08b1fd5dc1a0e000d9cddee6747f58d928ec | ई लेख अच्छा अनुमानित बिश्वास अंतराल बनावे खातिर बूटस्टैप तरीका के सर्वेक्षण करे ला। लक्ष्य मानक अंतराल θ̂ ± zα σ̂ के सटीकता में परिमाण के क्रम से सुधार करल बा, अइसन तरीका से कि बहुत जटिल समस्या में भी नियमित अनुप्रयोग के अनुमति मिले. ई देखावे खातिर कि ई कइसे कइल जाला, सिद्धांत आउर उदाहरण दुनों के उपयोग कइल जाला. पहिला सात खंड चार गो बूटस्ट्रैप आत्मविश्वास अंतराल प्रक्रिया के एगो अवलोकन प्रदान करेलेंः बीसीए, बूटस्ट्रैप-टी, एबीसी आउर कैलिब्रेशन. खंड 8 आउर 9 इ विधियन के पीछे के सिद्धांत के वर्णन करेला, आउर बारंडोर्फ-निल्सन, कॉक्स आउर रीड आउर दुसर द्वारा विकसित संभावना-आधारित विश्वास अंतराल सिद्धांत के साथे उनकर घनिष्ठ संबंध. |
a9a6322f5d6575adb04d9ed670ffdef741840958 | फोर्डिस स्पॉट्स एगो एक्टोपिक सेबेसीअस ग्रंथि होला, जेकर व्यास 2 से 3 मिमी के बीच होला. इ सौम्य घाव सबसे अधिक बार मौखिक श्लेष्म औरु जननांग त्वचा में स्थित होखेला. खासतौर से पुरुष जननांग क्षेत्र में ई खुजली, यौन क्रिया के दौरान असुविधा पैदा कर सके लीं आ ई सौंदर्य रूप से अप्रिय हो सके लीं। अब तक, कई प्रकार के चिकित्सीय प्रक्रिया के अलग-अलग सफलता आउर पुनरावृत्ति दर के साथ बतावल गइल बाटे. वर्तमान पश्चगामी अध्ययन में (n = 2003 आउर 2011 के बीच 23 रोगी) हम माइक्रो-पंच तकनीक के माध्यम से आपन सर्जिकल दृष्टिकोण प्रस्तुत करत बानी. इ प्रभावी तरीका के उपयोग कइके, हम बहुत संतोषजनक कार्यात्मक आउर सौंदर्य परिणाम प्राप्त कइनी. 12 से 84 महीना तक के पोस्टऑपरेटिव अवलोकन के दौरान पुनरावृत्ति के कौनो संकेत ना रहे (मध्यमान = 51. 3 महीना). |
970698bf0a66ddf935b14e433c81e1175c0e8307 | इंटरनेट ऑफ थिंग्स शब्द के सीधा व्याख्या ई हवे कि एम्बेडेड नेटवर्क में मनुष्य से चीज या चीज से चीज के बीच संचार खातिर मानक इंटरनेट प्रोटोकॉल के इस्तेमाल कइल जाला। हालाँकि सुरक्षा के जरूरत के इ क्षेत्र में ठीक से पहचानल जा रहल बा, तबो ई पूरा तरह से समझल नइखे जा रहल कि मौजूदा आईपी सुरक्षा प्रोटोकॉल आउर आर्किटेक्चर के कइसे तैनात कइल जा सकेला. इ पत्र में, हम चीज के इंटरनेट के संदर्भ में मौजूदा इंटरनेट प्रोटोकॉल आउर सुरक्षा वास्तुकला के प्रयोज्यता आउर सीमा पर चर्चा करब. सबसे पहिले, हम तैनाती मॉडल आउर सामान्य सुरक्षा जरूरत के बारे में एगो अवलोकन देब. एकरे बाद हमनी के आइपी आधारित सुरक्षा समाधान खातिर चुनौती आ जरूरत के बारे में जानकारी दिहल जाई आ मानक आइपी सुरक्षा प्रोटोकॉल के खास तकनीकी सीमा के बारे में जानकारी दिहल जाई। |
140df6ceb211239b36ff1a7cfdc871f06d787d11 | फंक्शनल एन्क्रिप्शन प्रतिबंधित डिक्रिप्शन कुंजी के समर्थन करेला जे उपयोगकर्ता के एन्क्रिप्टेड संदेस के विशिष्ट फंक्शन के सीखे के अनुमति देवेला. हालाँकि फंक्शनल एन्क्रिप्शन पर अब तक के ज्यादातर रिसर्च एन्क्रिप्टेड संदेस के प्राइवेसी पर केंद्रित रहल बा, कई ठे यथार्थवादी परिदृश्य में अइसन फंक्शन सभ खातिर भी प्राइवेसी के प्रावधान बहुत जरूरी बा जिनहन खातिर डिक्रिप्शन कुंजी उपलब्ध करावल गइल बा। जबकि फलन के गोपनीयता सार्वजनिक कुंजी सेटिंग में अंतर्निहित रूप से सीमित बा, निजी कुंजी सेटिंग में एकर बहुत बड़ संभावना बा. विशेष रूप से, अइसन योजना के निर्माण करे के उम्मीद कइल जा सकेला जहाँ संदेस $$\mathsf{m}_1, \ldots , \mathsf{m}_T$$ m 1 , ... , m T के एन्क्रिप्शन फलन $$f_1, \ldots , f_T$ f 1 , ... , f T से संबंधित डिक्रिप्शन कुंजी के साथे, मूल रूप से मान $$\{ f_i(\mathsf{m}_j) }_{i,j\in [T]}$ { f i (m j) } i , j ∈ [ T ] के अलावा कौनो सूचना ना प्रकट करेला. एकर बड़हन क्षमता के बावजूद, ज्ञात फलन-निजी निजी कुंजी योजना या त फलन के सीमित परिवार (जइसे कि आंतरिक उत्पाद) के समर्थन करे ले या फलन के गोपनीयता के कुछ कमजोर धारणा प्रदान करेले. हम एगो सामान्य परिवर्तन प्रस्तुत करब जउन एगो फलन-निजी कार्यात्मक एन्क्रिप्शन योजना उत्पन्न करेला, पर्याप्त रूप से समृद्ध फलन वर्ग खातिर कौनो गैर-फलन-निजी योजना से शुरू होला. हमनी के बदलाव मूल योजना के संदेश के गोपनीयता के बचावेला आ कई तरह के मौजूदा योजना के उपयोग करके एकर उदाहरण बनावल जा सकेला. फंक्शनल एन्क्रिप्शन योजना के ज्ञात निर्माण में प्लगिंग करके, हम त्रुटि के साथ सीखे परिकल्पना, अस्पष्टिकरण परिकल्पना, सरल बहु-रैखिक मानचित्र परिकल्पना, आउर इहां तक कि कौनो एक-तरफा फलन के अस्तित्व पर आधारित फलन-निजी योजना प्राप्त करब (सुरक्षा आउर दक्षता के बीच विभिन्न व्यापार-ऑफ के पेशकश). |
d0895e18d0553b9a35cff80bd7bd5619a19d51fb | हम उच्च गति ऑप्टिकल संचार लिंक खातिर 107 गीगाहर्ट्ज बेसबैंड अंतर अंतर-अवरुद्धता एम्पलीफायर आईसी के रिपोर्ट कर रहल बानी. दू गो डार्लिंगटन रेसिस्टिव फीडबैक चरण से बनल एम्पलीफायर 500 एनएम इनपी एचबीटी प्रक्रिया में लागू कइल गइल रहे आ 55 डीबीओएच अंतर अंतर प्रतिबाधा लाभ, 30 पीएस समूह देरी, पी1डीबी = 1 डीबीएम, आ 5.2 वी आपूर्ति से संचालित होला. अंतर इनपुट आउर आउटपुट प्रतिबाधा 50Ω होला. आईसी इंटरफेस -2V DC इनपुट पर हाई स्पीड फोटोडायोड के कनेक्शन खातिर आउर -450 mV DC आउटपुट पर गिल्बर्ट-सेल मिक्सर आउर ईसीएल लॉजिक के इंटरफेस खातिर होला. |
b9d5f2da9408d176a5cfc6dc0912b6d72e0ea989 | |
6910f307fef66461f5cb561b4d4fc8caf8594af5 | पिछला दू साल में, शब्द के सम्मिलित करे वाला एल्गोरिदम आ उनहन पर शोध के उछाल आइल बा। हालाँकि, मूल्यांकन ज्यादातर काम के एगो संकीर्ण सेट पर कइल गइल बा, मुख्य रूप से शब्द समानता/संबंधिता आउर शब्द संबंध समानता पर आउर एगो भाषा पर, अर्थात् अंग्रेजी पर. हम विभिन्न भाषा में एम्बेडिंग के मूल्यांकन करे खातिर एगो तरीका प्रस्तावित करेनी जे ई जांच क के कि शब्द एम्बेडिंग अलग-अलग वाक्य रचना के साथ केतना अच्छा से समूहबद्ध होला, एम्बेडिंग स्पेस के संरचना में अंतर्दृष्टि प्रदान करेला. हम देखवनी कि इ काम में सब एम्बेडिंग दृष्टिकोण समान व्यवहार करेला, आ निर्भरता-आधारित एम्बेडिंग सबसे अच्छा प्रदर्शन करेला. ई प्रभाव तब अउरी स्पष्ट होला जब कम आयामी एम्बेडेड- |
8d31dbda7c58de30ada8616e1fcb011d32d5cf83 | लचीला डेटा दर (सीएएन-एफडी) के साथे कंट्रोलर एरिया नेटवर्क अगिला पीढ़ी के इन-व्हीकल नेटवर्क तकनीक के रूप में ध्यान आकर्षित कर रहल बा. हालांकि, सुरक्षा के मुद्दा के पूरा तरह से ध्यान में ना रखल गइल बा जब सीएएन-एफडी के डिजाइन कइल जा रहल बा, हालांकि प्रेषित हर जानकारी चालक के सुरक्षा खातिर महत्वपूर्ण हो सकेला. अगर हमनी के सीएएन-एफडी के सुरक्षा कमजोरियन के सुलझावे में असफल हो जाईं, त हमनी के ई ना उमेद कइल जा सके कि वाहन-सूचना अउरी संचार प्रौद्योगिकी (वीहीकल-आईसीटी) के अभिसरण के विकास जारी रही. सौभाग्य से, सुरक्षित इन-व्हीकल सीएएन-एफडी संचार वातावरण सीएएन-एफडी के बड़ डेटा पेलोड के उपयोग करके बनावल जा सकेला. इ पत्र में, हम एगो प्रति-उपक्रम के रूप में इन-व्हीकल CAN-FD खातिर सुरक्षा वास्तुकला के प्रस्तावित करिला (CAN-FD विनिर्देश के अनुसार डिजाइन कइल गइल). इंटरनेशनल ऑर्गेनाइजेशन फॉर स्टैंडर्डइजेशन (आईएसओ) 26262 ऑटोमोटिव सेफ्टी इंटीग्रिटी लेवल आउर इन-व्हीकल सबनेटवर्क के विशेषता के व्यावहारिक सुरक्षा आर्किटेक्चर डिजाइन करे खातिर मानल गइल. हम प्रस्तावित सुरक्षा वास्तुकला के व्यवहार्यता के भी मूल्यांकन कइलिअइ, तीन प्रकार के माइक्रोकंट्रोलर इकाई आउर सीएएनओई सॉफ्टवेयर के उपयोग करके. हमनी के मूल्यांकन के नतीजा के अगिला पीढ़ी के वाहनन के निर्माण खातिर इलेक्ट्रॉनिक नियंत्रण इकाई के प्रदर्शन स्तर के सूचक के रूप में इस्तेमाल कइल जा सकेला. |
122ab8b1ac332bceacf556bc50268b9d80552bb3 | एगो व्यापक रूप से स्वीकार कइल गइल आधार ई ह कि जटिल सॉफ्टवेयर में अक्सर बग होला जेकर दुरस्थ हमलावर द्वारा फायदा उठावल जा सकेला. जब इ सॉफ्टवेयर वाहन में इलेक्ट्रॉनिक नियंत्रण इकाई (ईसीयू) पर होला, तब इ बग के फायदा उठावे से जीवन या मृत्यु के परिणाम हो सकेला. चूंकि वाहनन खातिर सॉफ्टवेयर समय के साथ अधिका से अधिका हो सकेला आउर जटिल हो सकेला, एही से शोषण योग्य कमजोरियन के संख्या बढ़ जाई. नतीजतन, निर्माता लोग जल्दी से अपडेट करे के जरूरत के बारे में बढ़िया से जानत बा ताकि सॉफ्टवेयर के कमजोरियन के जल्द से जल्द ठीक कइल जा सके। |
3a257a87ab5d1e317336a6cefb50fee1958bd84a | क्लाउड कंप्यूटिंग उच्च स्केलेबिलिटी, लचीलापन आ लागत-प्रभावीता के पेशकश करे ला ताकि उभरल कंप्यूटिंग के जरूरत के पूरा कइल जा सके। एगो बड़हन उत्पादन क्लाउड क्लस्टर पर वास्तविक वर्कलोड के विशेषता के समझे से न केवल क्लाउड सेवा प्रदाता बल्कि शोधकर्ता आउर दैनिक उपयोगकर्ता के भी फायदा होला. इ पेपर में बड़ पैमाना पर गूगल क्लस्टर उपयोग ट्रेस डेटासेट के अध्ययन कइल गइल बा आउर क्लस्टर में मशीन के प्रबंधन कइसे कइल जाला आउर 29 दिन के अवधि के दौरान प्रस्तुत वर्कलोड के व्यवहार के विशेषता दिहल गइल बा. हम मशीन रखरखाव घटना के आवृत्ति आउर पैटर्न, नौकरी- आउर कार्य-स्तर के वर्कलोड व्यवहार, आउर समग्र क्लस्टर संसाधन के उपयोग कइसे कइल जाला, पर ध्यान केंद्रित करब. |
7dfce578644bc101ae4ffcd0184d2227c6d07809 | बहुरूपिक एन्क्रिप्शन आउर छद्मनामकरण, संछेप में पीईपी के रूप में, संवेदनशील व्यक्तिगत डेटा के प्रबंधन खातिर एगो नया दृष्टिकोण बनावेला, खासकर के स्वास्थ्य देखभाल में. पारंपरिक एन्क्रिप्शन बहुते कठोर होलाः एक बेर एन्क्रिप्ट कइला पर, डेटा के डिक्रिप्ट करे खातिर खाली एगो चाबी के इस्तेमाल कइल जा सके ला। बड़ा डेटा विश्लेषण के संदर्भ में ई कठोरता एगो बड़हन समस्या बन रहल बा, जहवां अलग-अलग पक्ष जे कि एन्क्रिप्टेड डेटा सेट के हिस्सा के जांच करे चाहत बा, सब के डिक्रिप्शन खातिर एके कुंजी के जरूरत बा. बहुरूपिक एन्क्रिप्शन एगो नया क्रिप्टोग्राफिक तकनीक ह जवन इ समस्या के हल करेला. बहुरूपी छद्मनामकरण के संबंधित तकनीक के साथे-साथे नया सुरक्षा आउर गोपनीयता गारंटी दिहल जा सकेला जवन कि (व्यक्तिगत) स्वास्थ्य सेवा, स्व-मापन ऐप के माध्यम से चिकित्सा डेटा संग्रह आउर अधिक सामान्य रूप से गोपनीयता-अनुकूल पहचान प्रबंधन आउर डेटा विश्लेषण जइसन क्षेत्र में आवश्यक बाटे. बहुरूपिक एन्क्रिप्शन के मुख्य बिचार ई बा: उत्पन्न होखे के तुरंत बाद, डेटा के बहुरूप तरीका से एन्क्रिप्ट कइल जा सकेला आउर (क्लाउड) स्टोरेज सुविधा में अइसन तरीका से संग्रहीत कइल जा सकेला कि स्टोरेज प्रदाता के एक्सेस ना मिल सके. महत्वपूर्ण रूप से, इ तय करे के जरूरत नइखे कि डेटा के के देखे के बा, ताकि डेटा के तुरंत संरक्षित कइल जा सके। उदाहरण खातिर, पीईपी-सक्षम स्व-माप यंत्र आपन सब माप डेटा के एगो बैक-एंड डेटाबेस में बहुरूपी रूप से एन्क्रिप्ट कइल रूप में संग्रहीत करी. 2. आऊर आऊर बाद में ई तय कइल जाई कि केकरा द्वारा डेटा के डिक्रिप्ट कइल जाई. ई निर्णय एगो नीति के आधार पर कइल जाई, जेकरा में डेटा विषय के महत्वपूर्ण भूमिका निभइले के चाही. पीईपी-सक्षम डिवाइस के उपयोगकर्ता, उदाहरण खातिर, इ तय कर सकेला कि डॉक्टर एक्स, वाई, जेड कुछ चरण में आपन निदान में डेटा के उपयोग करे खातिर डिक्रिप्ट कर सकेलन, या चिकित्सा शोधकर्ता समूह ए, बी, सी आपन जांच खातिर एकर उपयोग कर सकेलन, या तीसरा पक्ष यू, वी, डब्ल्यू अतिरिक्त सेवा खातिर एकर उपयोग कर सकेलन, आदि. 3. आऊर आऊर ई एन्क्रिप्टेड डेटा के ट्वीक कइल जा सकेला ताकि कौनो खास पार्टी द्वारा एकर डिक्रिप्टेबल बनावल जा सके। एकरा खातिर एगो भरोसेमंद पार्टी के काम करे के होई जे जानत बा कि केकरा खातिर सिफरटेक्स्ट के कइसे ट्वीक कइल जाय. ई पीईपी तकनीक बड़ डेटा के विश्लेषण खातिर जरूरी सुरक्षा आ प्राइवेसी इंफ्रास्ट्रक्चर उपलब्ध करा सकेले। लोग आपन डेटा के पॉलीमोर्फिक रूप से एन्क्रिप्ट कइल रूप में सौंप सकेला, आउर हर बार बाद में तय कर सकेला कि विशिष्ट विश्लेषण उद्देश्य खातिर विशिष्ट पार्टी के खातिर (भाग के) उपलब्ध (डी-क्रिप्टेबल) बनावे के बा. एह तरीका से प्रयोगकर्ता नियंत्रण में रहे लें आ देख सके लें कि कौनों डेटा के इस्तेमाल कहाँ, के द्वारा आ कवन उद्देश्य से कइल जा रहल बा। - उ हो , ऊ . |
0426408774fea8d724609769d6954dd75454a97e | वैरिएशनल ऑटोएनकोडर बिना देखरेख के सीखे खातिर एगो शक्तिशाली ढांचा बाटे. हालांकि, पहिले के काम एगो या दू परत के पूरा तरह से फैक्टराइज्ड स्टोकास्टिक लैंटेंट चर के साथ उथले मॉडल तक ही सीमित रहे, जवन लैंटेंट प्रतिनिधित्व के लचीलापन के सीमित कर देला. हम भिन्नतापूर्ण ऑटोएनकोडर के प्रशिक्षण एल्गोरिदम में तीन गो प्रगति के प्रस्ताव देले बानी, जे पहिला बेर पांच स्टोचस्टिक परत के गहिरा मॉडल के प्रशिक्षण के अनुमति देला, (1) अनुमान मॉडल के रूप में सीढ़ी नेटवर्क के समान संरचना के उपयोग करके, (2) प्रारंभिक प्रशिक्षण में सक्रिय रहे वाला स्टोचस्टिक इकाइ के समर्थन करे खातिर वार्म-अप अवधि, आउर (3) बैच सामान्यीकरण के उपयोग. इ सब सुधार के उपयोग कइके हम कई बेन्चमार्क डेटासेट पर जनरेटिव मॉडलिंग खातिर अत्याधुनिक लॉग-संभाव्यता परिणाम देखावल जा सकेला. |
feebbb3378245c28c708a290a888248026b06ca8 | इ पेपर में बहु-हाथ तकनीक पर आधारित एगो उपन्यास बहु-आवृत्ति मुद्रित चतुर्भुज हेलिक्स एंटीना प्रस्तुत कइल गइल बा. दुगुना आवृत्ति आउर संतोषजनक एंटीना विसेसता प्राप्त करल जाला. एंटीना के आकार अपेक्षाकृत छोट बा आ एकर हेमिस्फेरिकल पैटर्न बा आ ई बढ़िया सर्कुलर रूप से ध्रुवीकृत कवरेज के साथ काम करेला। एंटीना के डिजाइन आउर एचएफएसएस सॉफ्टवेयर के अनुप्रयोग के साथ अनुकरण कइल गइल बा. सिमुलेशन परिणाम आउर विश्लेषण के प्रस्तुत कइल गइल बा. |
1ee72ed1db4ddbc49922255194890037c7a2f797 | इ पत्र में गस प्रक्रिया पर आधारित ब्रॉडबैंड मोनोपल्स तुलनात्मक एमएमआईसी (मोनोलिथिक माइक्रोवेव एकीकृत सर्किट) प्रस्तुत कइल गइल बा. तीन मैजिक टी आउर एगो लम्पड पावर डिवाइडर द्वारा निर्मित तुलनात्मक नेटवर्क एगो योग चैनल आउर दु डेल्टा चैनल खातिर प्रस्तावित कइल गइल बा. माप परिणाम से पता चलल कि कुल चैनल खातिर 2.5-डीबी से कम के नुकसान के साथ 15 से 30 गीगाहर्ट्ज (66.7% सापेक्ष आवृत्ति बैंडविड्थ) के बहुत व्यापक आवृत्ति बैंड प्राप्त कइल जा सकेला. आउर शून्य गहराई 15-27 गीगाहर्ट्ज में 22 डीबी से अधिक बा आउर दुगो डेल्टा चैनल खातिर 27-30 गीगाहर्ट्ज में 17 डीबी बा. कुल चिप आकार 3.4 मिमी बा (<इनलाइन-फॉर्मूला> <टेक्स-मैथ नोटेशन="लाटेक्स">$0.26\लम्ब्डा _{0}~0.26\लम्ब्डा _{0}$ </टेक्स-मैथ></इनलाइन-फॉर्मूला> 22.5 गीगाहर्ट्ज के केंद्र आवृत्ति पर). |
202b3b3bb4a5190ce53b77564f9ae1dc65f3489b | |
8eea0da60738a54c0fc6a092aecf0daf0c51cee3 | इ अध्ययन आंशिक रूप से, अत्यधिक, आउर पूर्ण स्वचालित वाहन के खरीदे खातिर उपयोगकर्ता स्वीकृति, चिंता आउर इच्छा के जांच कइलस. 63 सवाल के एगो इंटरनेट आधारित सर्वे के माध्यम से, हमनी के 109 देसन से 5000 जवाब जुटावेनी (40 देसन में कम से कम 25 लोग जवाब दिहल). हमनी के अंतर-राष्ट्रीय अंतर के निर्धारण कइलस, अउर व्यक्तिगत चर के साथ संबंध के आकलन कइलस, जइसे कि आयु, लिंग, आउर व्यक्तित्व लक्षण के साथ, जइसन कि बड़ पांच सूची के संक्षिप्त संस्करण के साथ मापल गइल बा. नतीजा ई देखवलस कि, औसत पर, उत्तरदाता के हिसाब से मैनुअल ड्राइविंग के सबसे सुखद तरीका मानल जाला. प्रतिक्रिया अलग-अलग रहे: 22% उत्तरदाता एगो पूरा तरह से स्वचालित ड्राइविंग सिस्टम खातिर $0 से जादे भुगतान ना करे चाहत रहन, जबकि 5% संकेत दिहलन कि ऊ लोग $ 30,000 से जादे भुगतान करे के इच्छुक होखी, आउर 33% संकेत दिहलन कि पूरा तरह से स्वचालित ड्राइविंग बहुत आनंददायक होई. 69% उत्तरदाता के अनुमान बा कि अब से ले के 2050 तक पूरा तरह से स्वचालित ड्राइविंग के बाजार हिस्सेदारी 50% तक चहुँप जाई. उत्तरदाता लोग सॉफ्टवेयर हैकिंग/दुरुपयोग के बारे में सबसे ज्यादा चिंतित रहले, अउर कानूनी मुद्दा आउर सुरक्षा के बारे में भी चिंतित रहले. न्यूरोटिसिज्म पर उच्च स्कोर करे वाला लोग डेटा ट्रांसमिशन के बारे में थोड़ा कम सहज रहे, जबकि अनुकूलता पर उच्च स्कोर करे वाला लोग एकरा बारे में थोड़ा अधिक सहज रहे. अधिक विकसित देश के उत्तरदाता (कम दुर्घटना के आंकड़ा, उच्च शिक्षा आउर उच्च आय के संदर्भ में) q = 0.80 आउर q = 0.90 के बीच अंतर-राष्ट्रीय सहसंबंध के साथे आपन वाहन संचारित डेटा के साथ कम सहज रहलन. वर्तमान परिणाम अंतर्राष्ट्रीय जनता के बीच वादा आउर चिंता के प्रमुख क्षेत्र के इंगित करेलन, आउर वाहन डेवलपर्स आउर अन्य हितधारक लोगन खातिर उपयोगी हो सकेला. 2015 एल्सेवियर लिमिटेड. सब अधिकार सुरक्षित बा. |
2d4f10ccd2503c37ec32aa0033d3e5b3559f4404 | स्थितिजन्य जागरूकता उड़ान सुरक्षा आउर परिचालन प्रदर्शन में योगदान देवे वाला एगो तेजी से प्रमुख कारक बन गइल बा, आउर आधुनिक विमान में उन्नत एवियोनिक्स सिस्टम के स्थापना से जुड़ल मानव प्रदर्शन चुनौती के सामना करे खातिर अनुसंधान तेजी से बढ़ल बा. स्थितिजन्य जागरूकता के व्यवस्थित अध्ययन आउर अनुप्रयोग कॉकपिट से परे भी विस्तारित भइल बा, जेकरा में अन्य जटिल, उच्च परिणामी कार्य क्षेत्र में काम करे वाला हवाई यातायात नियंत्रक आउर कर्मचारी शामिल बाड़ें. ई खंड निबंधन के संग्रह प्रदान करेला जे स्थितिजन्य जागरूकता अनुसंधान आउर अभ्यास में महत्वपूर्ण योगदान देले बा. एह उद्देश्य खातिर, ई स्थितिजन्य जागरूकता के वैचारिक विकास, एकर आकलन खातिर विधि, आउर प्रशिक्षण आउर डिजाइन के माध्यम से स्थितिजन्य जागरूकता के बढ़ावे खातिर अनुप्रयोग के संबोधित करे वाला प्रमुख रीडिंग तक अद्वितीय पहुंच प्रदान करेला. |
a7621b4ec18719b08f3a2a444b6d37a2e20227b7 | संवितरण नेटवर्क कंप्यूटर विजन आउर मशीन लर्निंग में सबसे व्यापक रूप से नियोजित आर्किटेक्चर में से एगो होला. जटिल कार्यन के सीखे के उनकर क्षमता के लाभ उठावे खातिर, प्रशिक्षण खातिर बड़ मात्रा में डेटा के आवश्यकता होला. अत्याधुनिक परिणाम उत्पन्न करे खातिर एगो बड़हन संकुचन नेटवर्क के प्रशिक्षण में आधुनिक GPU के उपयोग करे पर भी सप्ताह लग सकेला. एगो प्रशिक्षित नेटवर्क क उपयोग कईके लेबल क उत्पादन करना भी वेब-स्केल डेटासेट क साथे काम कईले की समय में महंगा हो सकेला. इ काम में, हम एगो सरल एल्गोरिथ्म प्रस्तुत कर रहल बानी जे प्रशिक्षण आउर अनुमान के एगो महत्वपूर्ण कारक द्वारा तेज करेला, आउर मौजूदा अत्याधुनिक कार्यान्वयन के तुलना में परिमाण के एगो क्रम से अधिक सुधार कर सकेला. ई फूरियर डोमेन में बिंदुवार उत्पाद के रूप में घुमाव के गणना करके कइल जाला जबकि एके रूपांतरित सुविधा मानचित्र के कई बार पुनः उपयोग कइल जाला. एल्गोरिथ्म के जीपीयू आर्किटेक्चर पर लागू कइल गइल बा आ ई कई ठो संबंधित समस्या सभ के समाधान करे ला। |
0ee6f663f89e33eb84093ea9cd94212d1a8170c9 | एगो लीक-वेव एंटीना (एलडब्ल्यूए) के जांच कइल गइल बा आ एकर प्रस्तुति भइल बा जे कॉम्पोसिट राइट-लेफ्ट-हैंड (सीआरएलएच) सब्सट्रेट इंटीग्रेटेड वेव गाइड (एसआईडब्ल्यू) पर आधारित बा। सीरीज इंटरडिजिटल कैपेसिटर के सीआरएलएच फंक्शन के हासिल करे खातिर वेव गाइड के सतह पर स्लॉट के इटचेट करके सर्किट में डालल गइल बा. दुगो सममित लीक ट्रैवल-वेव ट्रांसमिशन लाइन के ऑर्थोगोनल ध्रुवीकरण के साथ एक-दूसर के बगल में रखल जाला आउर 90° चरण अंतर के साथ उत्तेजित कइल जाला, जे एगो शुद्ध परिपत्र ध्रुवीकरण मोड उत्पन्न करेला. इ एंटीना क मुख्य बीम क निर्देशन के भीतर कम अक्षीय अनुपात (3 डीबी से कम) बनाए रखत समय आवृत्ति के बदलके लगातार निर्देशित करल जा सकेला. इ एलडब्ल्यूए के परफॉर्मेंस के पूरा तरंग अनुकरण आउर एगो निर्मित प्रोटोटाइप के माप के माध्यम से सत्यापित करल जाला जे एगो अच्छा समझौता दिखावेला. |
50bc77f3ec070940b1923b823503a4c2b09e9921 | |
48b38420f9c39c601dcf81621609d131b8035f94 | पिछला दू दशक में स्वास्थ्य निगरानी प्रणाली में तेजी से विकास भइल बा आउर वर्तमान में स्वास्थ्य सेवा के तरीका के बदले के क्षमता बाटे. हालाँकि स्मार्ट स्वास्थ्य निगरानी प्रणाली रोगी निगरानी कार्य के स्वचालित करेला आउर, ए प्रकार रोगी वर्कफ़्लो प्रबंधन में सुधार करेला, क्लिनिकल सेटिंग्स में उनकर दक्षता अभी भी विवादास्पद हवे. इ पत्र में स्मार्ट स्वास्थ्य निगरानी प्रणाली के समीक्षा आउर उनकर डिजाइन आउर मॉडलिंग के अवलोकन प्रस्तुत कइल गइल बा. एकरे अलावा, वर्तमान स्वास्थ्य निगरानी प्रणाली में सुधार खातिर दक्षता, नैदानिक स्वीकार्यता, रणनीति आउर सिफारिश के आलोचनात्मक विश्लेषण प्रस्तुत कइल जाई. एकर मुख्य उद्देश्य प्रौद्योगिकी निगरानी प्रणाली के वर्तमान स्थिति के समीक्षा कइल बा आउर स्मार्ट स्वास्थ्य निगरानी प्रणाली के क्षेत्र में पावल गइल निष्कर्ष के व्यापक आउर गहन विश्लेषण कइल बा. एह उद्देश्य से पचास गो से अधिका अलग-अलग निगरानी प्रणाली के चुनल, श्रेणीबद्ध, वर्गीकृत आ तुलना कइल गइल बा। अंत में, सिस्टम डिजाइन स्तर में प्रमुख प्रगति पर चर्चा कइल गइल बा, स्वास्थ्य सेवा प्रदाताओं के सामने मौजूदा मुद्दा के साथे-साथे स्वास्थ्य निगरानी क्षेत्र में संभावित चुनौतियों के पहचान कइल जाई आउर अन्य समान प्रणालियन से तुलना कइल जाई. |
66336d0b89c3eca3dec0a41d2696a0fda23b6957 | ई-बैंड में एगो हाई-गेन, ब्रॉडबैंड, आ लो-प्रोफाइल कंटीन्यूअस ट्रान्सवर्स स्टब एंटीना सरणी दिहल गइल बा. इ सरणी में 32 लंबा स्लॉट सामिल बा जेके एक समान कॉर्पोरेट समानांतर-प्लेट-वेव गाइड बीमफॉर्मिंग नेटवर्क द्वारा एक पिल्लबॉक्स युग्मन के साथ जोडल गइल बा. विकिरण स्लॉट आउर कॉर्पोरेट फीड नेटवर्क एल्यूमीनियम में बनल हव जबकि पिलबॉक्स कपलर आउर एकर फोकल स्रोत प्रिंटेड सर्किट बोर्ड तकनीक में निर्मित हव. दुनों निर्माण तकनीक के संयोजन खातिर विशिष्ट संक्रमण के डिजाइन कइल गइल बा. डिजाइन, निर्माण आउर माप परिणाम विस्तृत हव आउर एगो सरल डिजाइन पद्धति के प्रस्तावित करल गयल हव. एंटिना 71 से 86 गीगाहर्ट्ज के बीच अच्छी तरह से मेल खाला (S < 13.6 dB) आउर सिमुलेशन आउर माप के बीच एगो उत्कृष्ट समझौता पावल जाला, इ प्रकार प्रस्तावित डिजाइन के मान्य करेला. एंटिना लाभ 29.3 dBi से अधिक बा, 82.25 GHz पर 30.8 dBi के शिखर लाभ के साथ, आउर बीम के ई- आउर एच-प्लेन में लगभग समान आधा-शक्ति बीम चौड़ाई होला. इ एंटीना आर्किटेक्चर के लंबी दूरी के मिलीमीटर-लहर दूरसंचार अनुप्रयोग जइसे कि ई-बैंड में पांचवीं पीढ़ी के बैकहालिंग खातिर एगो अभिनव समाधान के रूप में मानल जाला. |
07d9dd5c25c944bf009256cdcb622feda53dabba | मार्कोव चेन मोंटे कार्लो (जइसे, मेट्रोपोलिस एल्गोरिथ्म आउर गिब्स सैंपलर) जटिल स्टोकास्टिक प्रक्रिया के अनुकरण खातिर एगो सामान्य उपकरण हवे जे कई प्रकार के सांख्यिकीय अनुमान में उपयोगी होला. मार्कोव चेन मोंटे कार्लो के मूलभूत बात के समीक्षा कइल गइल बा, जेह में एल्गोरिदम के चुनाव आ विचलन अनुमान शामिल बा, आ कुछ नया तरीका सभ के परिचय दिहल गइल बा। अधिकतम संभावना अनुमान खातिर मार्कोव श्रृंखला मोंटे कार्लो के उपयोग के बारे में बतावल गइल बा, आउर एकर प्रदर्शन के तुलना अधिकतम छद्म संभावना अनुमान से कइल गइल बा. |
2ffd5c401a958e88c80291c48738d21d96942c1a | हम लोग ई जाने के चाहत बानी कि किफायती लागत के अवधारणा स्वायत्त रोबोट नियंत्रण के बारे में हमनी के विचार के कइसे प्रभावित कर सकेला, आ स्वायत्त रोबोटिक्स से मिलल परिणाम किफायती लागत के अवधारणा पर चर्चा आ अध्ययन पर कइसे असर डाल सकेला। इ पेपर में, हम अध्ययन कईनी कि कैसे एगो मोबाइल रोबोट, 3 डी लेजर स्कैनर से लैस, ट्रांसेबिलिटी अफोर्डेंस के समझे के सीख सकेला आउर एकर उपयोग गोला, सिलेंडर आउर बक्सा से बनल कमरा में भटकने खातिर कर सकेला. नतीजा ई देखवलस कि सीखे के बाद, रोबोट गैर-पार करे योग्य वस्तुअन (जइसे कि, घुमावदार या टक्करदार) के संपर्क से बचे के बजाय इधर-उधर भटक सकेला. बॉक्स, ऊर्ध्वाधर सिलेंडर, या कुछ अभिविन्यास में पड़े वाला सिलेंडर), लेकिन पार करे योग्य वस्तुअन पर चलइत (जइसे कि गोला, आउर रोबोट के संबंध में रोलेबल अभिविन्यास में पड़े वाला सिलेंडर) ओकरा के आपन रास्ता से बाहर लुढ़कावत बाटे. हम देखले बानी कि प्रत्येक क्रिया खातिर लगभग 1% संवेदी विशेषता इ निर्धारित करे खातिर प्रासंगिक रहे कि इ दिहल गइल बा कि ना आउर इ प्रासंगिक विशेषता श्रेणी छवि के कुछ क्षेत्र में स्थित बा. प्रयोग भौतिक विज्ञान आधारित सिम्युलेटर के उपयोग करके आउर एगो वास्तविक रोबोट पर आयोजित कइल जाला. |
788121f29d86021a99a4d1d8ba53bb1312334b16 | ई कागज ट्यूटोरियल प्रक्रिया के प्रकृति से संबंधित बा; उ साधन जेकरा द्वारा एगो वयस्क या "विशेषज्ञ" केहू के मदद करेला जे कम वयस्क या कम विशेषज्ञ बा. एकर उद्देश्य सामान्य बा, लेकिन ई एगो विशेष काम के संदर्भ में व्यक्त कइल जालाः एगो ट्यूटर 3, 4 आउर 5 साल के बच्चा के एगो विशेष त्रि-आयामी संरचना बनावे खातिर सिखावल चाहेला जेकरा खातिर एगो डिग्री के कौशल के आवश्यकता होला जे शुरू में ओकरा से परे होला. ई सामान्य प्रकार के ट्यूशन स्थिति हवे जेह में एक सदस्य "उत्तर जानत बा" आ दूसर ना, बल्कि "व्यावहारिक" के तरह बा जेह में खाली प्रशिक्षक "कइसे" जानत बा. शिक्षक आ बच्चा के बीच के बदलत संबंध हमनी के जानकारी देला। विकासशील बच्चा द्वारा बहुत जल्दी समस्या के हल करे के इ क्रम के होला. हालाँकि जीवन के सुरुआती महीना से ऊ आपन आप में एगो "प्राकृतिक" समस्या सुलझाव वाला (जइसे कि एकर मतलब ई होला कि उनकर प्रयास के सहायता आ बढ़ावा ऊ लोग देला जे उनका से बेसी कुशल बा (केय, 1970). चाहे उ लोग प्रक्रिया सीख रहल होखे जे उपस्थिति, संचार, वस्तु के हेरफेर करे, लोकोमोटिव, या, वास्तव में, समस्या के हल करे के एगो अधिक प्रभावी प्रक्रिया के कौशल के गठन करे, आमतौर पर उपस्थिति में कुछ लोग भी रहे जे उनका रास्ता में मदद करत रहे. संक्षेप में, ट्यूटोरियल इंटरैक्शन शिशु आ बचपन के एगो महत्वपूर्ण विशेषता हवे। एकरे अलावा, हमार प्रजाति एकमात्र अइसन प्रजाति बा जेकरा में "इंटेन्शनल" ट्यूशन के काम होला (ब्रूनर, 1972; हिंडे, 1971). हालाँकि ई सच बा कि उच्च प्राइमेट प्रजाति के बहुत सारा प्रजाति आपन बड़ लोग के देख के सीख लेवे लीं (हम्बुर्ग, 1968; वैन लेविक-गुडॉल, 1968), लेकिन अइसन कौनो सबूत नइखे कि उ बड़ लोग आपन बच्चा के एह कौशल के प्रदर्शन के बारे में बतावे खातिर कुछ भी करे लें। मनुष्य के प्रजाति के रूप में जे अलग करेला ऊ खाली सीखे के क्षमता ना ह, बल्कि सिखावे के भी क्षमता ह. ई पेपर के मुख्य उद्देश्य विकासशील बच्चा आउर ओकर बड़ लोग के बीच ई अंतःक्रियात्मक, निर्देशात्मक संबंध के कुछ प्रमुख निहितार्थ के कौशल अधिग्रहण आउर समस्या समाधान के अध्ययन खातिर जांचना बा. मानव बच्चा में कौशल के अधिग्रहण के एगो पदानुक्रमित कार्यक्रम के रूप में फलदायक रूप से कल्पना कइल जा सकेला जउने में नया, जादे जटिल कार्य आवश्यकता के पूरा करे खातिर उपयुक्त ऑर्केस्ट्रेशन द्वारा घटक कौशल के "उच्च कौशल" में जोड़ल जाला (ब्रूनर, 1973). ई प्रक्रिया समस्या के हल करे के समान बा जेह में "निचला क्रम" या घटक समस्या के महारत एगो बड़हन समस्या के सफलता खातिर एगो शर्त ह, हर स्तर दूसर के प्रभावित करेला - जइसे कि पढ़े में जहाँ शब्द के डिक्रिप्शन वाक्य के डिक्रिप्शन के संभव बनावेला, आउर वाक्य तब विशेष शब्द के डिक्रिप्शन में सहायता करेला (एफ. स्मिथ, 1971) । युवा शिक्षार्थी में लगातार इरादा के चलते, घटक कौशल के "शब्दकोश" के चलते, महत्वपूर्ण कार्य अक्सर कॉम्पैक्ट कौशल के समझ के साथे-साथे जटिल कौशल के समझ के साथे होला. |
13eba30632154428725983fcd8343f3f1b3f0695 | लगभग सब वर्तमान निर्भरता पार्सर लाखों विरल संकेतक विसेसता के आधार पर वर्गीकृत करेला. इ सब विसेसता न केवल खराब रूप से सामान्यीकृत होला, बल्कि विसेसता गणना के लागत पार्सिंग गति के काफी हद तक सीमित कर देवेला. इ काम में, हम एगो नया तरीका से एगो न्यूरल नेटवर्क वर्गीकरन के सीखल प्रस्तावित कर तानी जेकर उपयोग लालची, संक्रमण-आधारित निर्भरता पार्सर में करल जा सकेला. चूंकि इ वर्गीकरणकर्ता केवल कुछ घनत्व वाला सुविधा के सीखत बा आउर ओकर उपयोग करेला, इ बहुत तेजी से काम कर सकेला, जबकि अंग्रेजी आउर चीनी डेटासेट दुनों पर बिना लेबल के आउर लेबल वाला अनुलग्नक स्कोर में लगभग 2% सुधार प्राप्त करेला. विशेष रूप से, हमनी के पार्सर अंग्रेजी पेन ट्रीबैंक पर 92.2% लेबल रहित अनुलग्नक स्कोर पर 1000 से अधिक वाक्य प्रति सेकंड के पार्स करे में सक्षम बा. |
c22f9e2f3cc1c2296f7edb4cf780c6503e244a49 | |
3dd9793bc7b1f97115c45e90c8874f786262f466 | सेलुलर से वाईफाई तक डेटा ट्रैफिक के धक्का देना इंटर रेडियो एक्सेस टेक्नोलॉजी (आरएटी) ऑफलोडिंग के एगो उदाहरण बाटे. जबकि ई स्पष्ट रूप से अतिभारित सेलुलर नेटवर्क पर भीड़ के कम करेला, अइसन ऑफलोडिंग के अंतिम क्षमता आउर एकर समग्र सिस्टम प्रदर्शन पर परभाव के ठीक से समझल ना जाला. एकरा समाधान खातिर, हम एगो सामान्य आउर व्यवहार्य मॉडल विकसित कर रहल बानी जेमे M अलग-अलग RATs शामिल बा, जे में से प्रत्येक के एक्सेस पॉइंट (AP) के K अलग-अलग स्तर तक तैनात कइल गइल बा, जहां प्रत्येक स्तर ट्रांसमिट पावर, पथ हानि घातांक, तैनाती घनत्व आउर बैंडविड्थ में भिन्न होला. एपी के हर वर्ग के एगो स्वतंत्र पॉइसन पॉइंट प्रक्रिया (पीपीपी) के रूप में मॉडलिंग कइल गइल बा, मोबाइल उपयोगकर्ता स्थान के एगो अन्य स्वतंत्र पीपीपी के रूप में मॉडलिंग कइल गइल बा, सब चैनल में आईआईडी शामिल बा. रेली फीका पड़ गइल बा. तब पूरा नेटवर्क पर दर के वितरण के भारित संघ रणनीति खातिर प्राप्त कइल जाला, जहवां अइसन भार के एगो विशेष लक्ष्य के अनुकूलित करे खातिर ट्यून कइल जा सकेला. हम देखवलीं कि एसआईएनआर कवरेज के अधिकतम करे खातिर ओप्टीमम ट्रैफिक के अंश आम तौर पर ओइसने ना होला जवन दर कवरेज के अधिकतम करे, जेकि दिहल दर के प्राप्त करे वाला उपयोगकर्ता के अंश के रूप में परिभाषित कइल गइल बा. |
e7b4ea66dff3966fc9da581f32cb69132a7bbd99 | मैक्रोसेल नेटवर्क में फेमटोसेल के तैनाती नेटवर्क क्षमता अउरी कवरेज के बढ़ावे के एगो किफायती अउरी कारगर तरीका बाटे. फिर भी, अंतर-स्तर आउर अंतर-स्तर हस्तक्षेप के उपस्थिति आउर फेमटोसेल के तदर्थ संचालन के कारण इ तरह के तैनाती चुनौतीपूर्ण बा. ओएफडीएमए के लचीला उपचैनल आवंटन क्षमता से प्रेरित होके, हमनी के दो-स्तरीय नेटवर्क में स्पेक्ट्रम आवंटन के प्रभाव के जांच करेनी जा, जहवां मैक्रोसेल बंद पहुंच नीति के उपयोग करेले आउर फेमटोसेल खुला या बंद पहुंच में काम कर सकेला. एगो व्यवहार्य मॉडल के प्रस्तुत करके, हम अलग-अलग स्पेक्ट्रम आवंटन आउर फेमटोसेल एक्सेस नीति के तहत प्रत्येक स्तर खातिर सफलता के संभावना निकालल जा सकेला. विशेष रूप से, हमनी के संयुक्त उपचैनल आवंटन पर विचार करे के बा, जेकरा में पूरा स्पेक्ट्रम दुनो स्तरन द्वारा साझा कइल जाला, साथ ही असंगत उपचैनल आवंटन, जेकरा द्वारा असंगत सेट के उपचैनल दुनो स्तरन के दिहल जाला. हम सफलता के संभावना आ प्रति-स्तर न्यूनतम दर के संदर्भ में सेवा के गुणवत्ता के बाधा के अधीन थ्रूपुट अधिकतम करे के समस्या के सूत्रबद्ध करब, आउर इष्टतम स्पेक्ट्रम आवंटन में अंतर्दृष्टि प्रदान करब. हमार परिणाम ई बतावेला कि बंद पहुंच फेमटोसेल के साथ, अनुकूलित संयुक्त आउर असंगत सबचैनल आवंटन क्रमशः विरल आउर घने फेमटोसेल नेटवर्क में सभे योजना के बीच सबसे अधिक थ्रूपुट प्रदान करेला. ओपन एक्सेस फेमटोसेल के साथ, अनुकूलित संयुक्त उपचैनल आवंटन सभी फेमटोसेल घनत्व के लिए उच्चतम संभव थ्रूपुट प्रदान करता है. |
09168f7259e0df1484115bfd44ce4fdcafdc15f7 | दु स्तर के सेलुलर नेटवर्क में - एगो केंद्रीय मैक्रोसेल से बनल जे कम रेंज के फेमटोसेल हॉटस्पॉट से बनल बा - क्रॉस-लेयर इंटरफेरेन्स सार्वभौमिक आवृत्ति पुनः उपयोग के साथ कुल क्षमता के सीमित करेला. सार्वभौमिक आवृत्ति पुनः उपयोग के साथ निकट-दूर के प्रभाव के मात्रा के मापे खातिर, इ पत्र एगो मौलिक संबंध उत्पन्न करेला जे सबसे बड़ संभव सेलुलर सिग्नल-टू-इंटरफेरेंस-प्लस-शोर अनुपात (एसआईएनआर) प्रदान करेला, जेकि संभव फेमटोसेल एसआईएनआर के कौनो सेट दिहल गइल बा. हमनी के एगो लिंक बजट विश्लेषण उपलब्ध करावल जा जे दू-स्तरीय नेटवर्क में सरल आ सटीक प्रदर्शन अंतर्दृष्टि के अनुमति देला. कोचनेल फेमटोसेल से मैक्रोसेल में क्रॉस-टियर हस्तक्षेप के कम करे खातिर फेमटोसेल में वितरित उपयोगिता-आधारित एसआईएनआर अनुकूलन के प्रस्ताव दिहल गइल बा. फॉस्चिनी-मिलजैनिक (एफएम) एल्गोरिथ्म अनुकूलन के एगो विशेष मामला बा. प्रत्येक फेमटोसेल आपन व्यक्तिगत उपयोगिता के अधिकतम करेला जेमें एसआईएनआर आधारित इनाम से कम लागत (मैक्रोसेल में हस्तक्षेप) शामिल होला. संख्यात्मक परिणाम एफएम के सापेक्ष औसत फेमटोसेल एसआईएनआर में 30% से अधिक सुधार देखावत बाटे. अगर क्रॉस-लेयर इंटरफेरेशन सेलुलर उपयोगकर्ता के आपन एसआईएनआर लक्ष्य प्राप्त करे से रोकत बा त एगो एल्गोरिथ्म प्रस्तावित कइल गइल बा जे सबसे मजबूत फेमटोसेल इंटरफेरेर्स के संचरण शक्ति के कम करेला. एल्गोरिथ्म ई सुनिश्चित करेला कि एगो सेलुलर उपयोगकर्ता 100 फेमटोसेल/सेल-साइट (सामान्य सेलुलर पैरामीटर के साथ) के साथे भी आपन एसआईएनआर लक्ष्य के प्राप्त करेला आउर फेमटोसेल में केवल 16% के खराब मामला एसआईएनआर कमी के आवश्यकता होला. ई परिणाम साझा स्पेक्ट्रम के साथे दु-स्तरीय नेटवर्क में न्यूनतम नेटवर्क ओवरहेड के आवस्कयता वाला बिजली नियंत्रण योजना के डिजाइन के प्रेरित करेलन. |
5309b8f4723d44de2fa51cd2c15bffebf541ef57 | पारंपरिक समतल छपल अर्ध-यागी एंटीना के सादगी आउर सहज डिजाइन एकर अच्छा दिशात्मकता खातिर व्यापक लोकप्रियता के जन्म देले बा. इ पेपर में, एगो एकल निर्देशक औरु एगो शंकुधारी परावर्तक के साथ, एस-बैंड में काम करे वाला, एगो उपन्यास अर्ध-यागी एंटीना प्रस्तावित कईल गईल बा. प्रतिरोधात्मकता विशेषता आउर विकिरण विशेषता के सीएसटी-माइक्रोवेव स्टूडियो के साथ अनुकरण कइल जाला, आउर एंटीना के निर्माण आउर मापल जाला. मापल परिणाम बतावेला कि 2.28-2.63GHz पर काम करे वाला एंटीना ऑपरेटिंग फ्रीक्वेंसी रेंज के भीतर 6.5dBi के औसत लाभ प्राप्त कर सकेला, खासकर 2.5GHz पर 7.5dBi के उच्चतम लाभ. प्रस्तावित एंटीना के व्यापक रूप से डब्ल्यूएलएएन/टीडी-एलटीई/बीडी1 इत्यादि में इस्तेमाल कइल जा सकेला. |
c03c3583153d213f696f1cbd4cd65c57437473a5 | इ पेपर एलएलसी रेज़ोनेंट कनवर्टर आधारित एलईडी (लाइट एमिटिंग डायोड) दीपक चालक के प्रस्ताव करेला जेकर उच्च बिजली कारक होला. प्रस्तावित सर्किट में पीएफसी (पावर फैक्टर करेक्शन) खातिर एगो बूस्ट कन्वर्टर के उपयोग कइल गइल बा जे निरंतर प्रवाह मोड (सीसीएम) में काम करेला आउर एलईडी लैंप लोड के चलावे खातिर अर्ध-ब्रिज रेज़ोनेंट कन्वर्टर के उपयोग कइल जाला. एलएलसी कनवर्टर के अइसन डिजाइन कइल गइल बा कि अर्ध-ब्रिज के सॉलिड स्टेट स्विच स्विचिंग के नुकसान के कम करे खातिर शून्य वोल्टेज स्विचिंग (जेडवीएस) के तहत काम करत रहे. 50 W एलईडी ड्राइवर के विश्लेषण, डिजाइन, मॉडलिंग आउर सिमुलेशन सार्वभौमिक एसी मेन खातिर MATLAB/Simulink टूल के उपयोग क के कइल गइल बा. प्रस्तावित एलईडी दीपक चालक के प्रदर्शन के मूल्यांकन करे खातिर बिजली गुणवत्ता सूचकांक के गणना कइल जाला, जइसे कि एसी मेन करंट (THDi) के कुल हार्मोनिक विकृति, बिजली कारक (PF) आउर क्रेस्ट कारक (CF). |
94a62f470aeea69af436e2dd0b54cd50eaaa4b23 | अनुशंसाकर्ता प्रणाली के निर्माण के सबसे सफल तरीका में से एगो के रूप में, सहयोगी फ़िल्टरिंग (सीएफ) अन्य उपयोगकर्ता लोगन खातिर अज्ञात प्राथमिकता के अनुशंसा या भविष्यवाणी करे खातिर उपयोगकर्ता के समूह के ज्ञात प्राथमिकता के उपयोग करेला. एह लेख में हमनी के पहिले सीएफ के काम आ ओकर मुख्य चुनौती सभ के बारे में जानकारी दिहल जाई, जइसे कि डेटा के कम उपलब्धता, स्केलेबिलिटी, पर्यायवाची शब्द, ग्रे भेड़, शिलिंग हमला, प्राइवेसी के सुरक्षा इत्यादि, आ एकरे संभावित समाधान। फेर हम सीएफ तकनीक के तीन मुख्य श्रेणी प्रस्तुत करब: मेमोरी-आधारित, मॉडल-आधारित, आउर हाइब्रिड सीएफ एल्गोरिदम (जे सीएफ के अन्य अनुशंसा तकनीक के साथ जोड़ेलन), प्रत्येक श्रेणी के प्रतिनिधि एल्गोरिदम के उदाहरण के साथे, आउर उनकर भविष्यवाणी प्रदर्शन आउर चुनौती के संबोधित करे के उनकर क्षमता के विश्लेषण. बुनियादी तकनीक से ले के अत्याधुनिक तक, हम एफ.सी. तकनीक खातिर एगो व्यापक सर्वेक्षण प्रस्तुत करे के कोसिस करब, जे एह क्षेत्र में अनुसंधान आउर अभ्यास खातिर रोडमैप के रूप में काम कर सकेला. |
ced981c28215dd218f05ecbba6512671b22d1cc6 | सारांश-आजकल सोशल मीडिया पर समाचार, लिंक, चित्र, या वीडीओ जइसन जानकारी व्यापक रूप से साझा कइल जा रहल बा। हालाँकि, सोशल मीडिया के माध्यम से सूचना के प्रसार के प्रभावकारिता में गुणवत्ता के कमी बा: कम तथ्य जांच, अधिक पूर्वाग्रह, आउर कई अफवाह. बहुत शोधकर्ता लोग ट्विटर पर विश्वसनीयता के बारे में जांच कइले बा, लेकिन फेसबुक पर विश्वसनीयता के जानकारी के बारे में शोध रिपोर्ट नइखे. इ पत्र फेसबुक सूचना पर विश्वसनीयता के मापे खातिर सुविधा के प्रस्ताव करेला. हम फेसबुक पर विश्वसनीयता खातिर एगो प्रणाली विकसित कईनी. सबसे पहिले, हमनी के हर पोस्ट के विश्वसनीयता के मापे खातिर एफबी विश्वसनीयता मूल्यांकनकर्ता विकसित कइले बानी जा, जे मैनुअल मानव लेबलिंग द्वारा कइल जाला। फेर हमनी के समर्थन वेक्टर मशीन (एसवीएम) के उपयोग करके मॉडल बनावे खातिर प्रशिक्षण डेटा इकट्ठा कइलस. दूसरा, हमनी के फेसबुक प्रयोगकर्ता लोग खातिर फेसबुक विश्वसनीयता के एगो क्रोम एक्सटेंशन बनवलें जेवना से कि हर पोस्ट के विश्वसनीयता के मूल्यांकन कइल जा सके। हमनी के फेसबुक क्रेडिबिलिटी क्रोम एक्सटेंशन के उपयोग के विश्लेषण के आधार पर, लगभग 81% उपयोगकर्ता के प्रतिक्रिया प्रस्तावित सिस्टम द्वारा स्वचालित रूप से गणना कइल गइल क्रेडिबिलिटी से सहमत बाटे. |
1b2a8dc42d6eebc937c9642799a6de87985c3da6 | सोशल मीडिया नेटवर्क घटना के कारण भारी मात्रा में मूल्यवान डेटा online उपलब्ध हो जाला आ ओकरा तक आसानी से पहुँचल जा सके ला। बहुत सारा प्रयोगकर्ता लोग अलग-अलग सोशल नेटवर्किंग साइट पर फोटो, वीडियो, टिप्पणी, समीक्षा, समाचार आ राय साझा करे ला, जेह में से ट्विटर सभसे परसिद्ध बाटे। ट्वीटर से इकट्ठा कइल गइल आँकड़ा बहुते अनस्ट्रक्टेड बा, आ ट्वीट्स से उपयोगी जानकारी निकाले में बहुत मुश्किल काम बा। ट्विटर पर अरब के बहुत सारा प्रयोगकर्ता बाड़ें जे ज्यादातर अरबी भाषा में ट्वीट लिखेलें आ पोस्ट करेलें। जबकि अंगरेजी में भावना विश्लेषण पर बहुत शोध भइल बा, अरबी भाषा में शोध आ डेटासेट के मात्रा सीमित बा। ई लेख एगो अरबी भाषा के डेटासेट के परिचय देला, जवन स्वास्थ्य सेवा के बारे में राय के बारे में बा आ ट्विटर से इकट्ठा कइल गइल बा। ई पेपर पहिले ट्विटर से डेटा एकत्र करे के प्रक्रिया के विस्तार से बतावल जाई आउर अरबी में भावना विश्लेषण डेटासेट बनावे खातिर अरबी पाठ के फ़िल्टरिंग, पूर्व-प्रसंस्करण आउर एनोटेट करे के प्रक्रिया भी बतावेला. कई गो मशीन लर्निंग एल्गोरिदम (नाइव बेय्स, सपोर्ट वेक्टर मशीन आउर लॉजिस्टिक रिग्रेशन) के साथे-साथे डीप आउर कन्वोल्यूशनल न्यूरल नेटवर्क के उपयोग हमनी के स्वास्थ्य डेटासेट पर भावना विश्लेषण के प्रयोग में कइल गइल रहे. |
d228e3e200c2c6f757b9b3579fa058b2953083c0 | |
f87b713182d39297e930c41e23ff26394cbdcade | |
838ec45eeb7f63875742a76aa1080563f44af619 | शोध के अंत में, अइसन शोध क्षेत्र के उदाहरण दिहल गइल बा जे केस रिसर्च के तरीका के इस्तेमाल क के जांच करे खातिर खासतौर से उपयुक्त बा। एसीएम श्रेणीः एच.ओ., जे.ओ. इ लेख इ गुणात्मक तरीका में से एगो के परिभाषित करेला आउर चर्चा करेला - केस रिसर्च रणनीति. शोधार्थी लोग खातिर सुझाव दिहल गइल बा जे लोग एह तरीका से शोध करे के चाहत बा. केस रिसर्च के मूल्यांकन खातिर मानदंड स्थापित कइल गइल बा आउर अध्ययन के वर्गीकृत करे खातिर कई विशेषता के पहचान कइल गइल बा. सूचना प्रणाली पत्रिका से लिहल गइल कागजात के एगो नमूना के समीक्षा कइल गइल बा. |
9cf2c6d3ab15c1f23fc708e74111324fa82a8169 | ई लेख शिक्षा में आईसीटी के भूमिका पर चर्चा करे ला। सूचना संचार प्रौद्योगिकी (ICT) वर्तमान में मनुष्य के जीवन के हर पहलू पर असर डालत बा। काम, व्यापार, शिक्षा, अउर मनोरंजन में ई लोग प्रमुख भूमिका निभा रहल बा. एकरे अलावा, बहुत लोग आईसीटी के बदलाव के कारक के रूप में पहिचानेलें; काम के स्थिति में बदलाव, सूचना के संभाल आ आदान-प्रदान, शिक्षण पद्धति, सीख के तरीका, वैज्ञानिक अनुसंधान, आ सूचना तक पहुँच में बदलाव। एहसे, ई समीक्षा लेख आईसीटी के भूमिका, शिक्षा प्रणाली में एकीकरण के वादा, सीमा आ मुख्य चुनौती पर चर्चा करे ला। एह समीक्षा में निम्नलिखित सवाल के जवाब देवे के कोशिश कइल गइल बा: (1) शिक्षा में आईसीटी के का फायदा बा? कुछ विकासशील देशन के शिक्षा प्रणाली में आईसीटी के उपयोग के मौजूदा वादा का ह? (3) शिक्षा प्रणाली में आईसीटी के एकीकरण के सीमा आउर मुख्य चुनौती का बा? समीक्षा में ई निष्कर्ष निकालल गइल बा कि आईसीटी के फायदा शिक्षा प्रणाली के बा कि ऊ रचनात्मकता के अनुरूप गुणवत्तापूर्ण शिक्षा प्रदान करे, जवन कि शिक्षा के समकालीन प्रतिमान हवे। |
bb73ea8dc36030735c1439acf93a0e77ac8a907c | ई चिट्ठी टैबलेट/लैपटॉप कंप्यूटर अनुप्रयोगन खातिर एगो आंतरिक यूनिप्लेनर छोट आकार के मल्टीबैंड एंटीना के प्रस्तुत करत बा. प्रस्तावित एंटीना सामान्य एलटीई/डब्ल्यूडब्ल्यूएएन चैनल के अलावा वाणिज्यिक जीपीएस/ग्लोनास आवृत्ति बैंड के भी कवर करे ला। एंटीना में तीन खंड होखेलाः 50 × 11 × 0.8 मिमी2 के आकार के युग्मित-खिला, शॉर्टिंग आउर कम आवृत्ति के सर्पिल स्ट्रिप्स. सर्पिल पट्टी के मदद से, 900 मेगाहर्ट्ज पर निचला बैंड संचालन प्राप्त कइल जाला. दू गो ऑपरेटिंग फ्रीक्वेंसी बैंड 870-965 आउर 1556-2480 MHz के कवर करेला. सिमुलेशन परिणाम के मान्य करे खातिर प्रस्तावित छपल एंटीना के प्रोटोटाइप बनावल जाला आउर ओकर परीक्षण कइल जाला. सिमुलेशन आउर माप परिणाम के बीच अच्छा समझौता प्राप्त करल जाला. |
8308e7b39d1f556e4041b4630a41aa8435fe1a49 | एमआईएमओ (मल्टीपल-इनपुट मल्टीपल-आउटपुट) रडार एगो आर्किटेक्चर के संदर्भित करेला जे बहु, स्थानिक रूप से वितरित ट्रांसमीटर आउर रिसीवर के नियोजित करेला. जबकि, सामान्य अर्थ में, एमआईएमओ रडार के एक प्रकार के मल्टीस्टेटिक रडार के रूप में देखल जा सकेला, अलग नामकरण अद्वितीय विशेषता के सुझाव देवेला जे एमआईएमओ रडार के मल्टीस्टेटिक रडार साहित्य से अलग करेला आउर एकर एमआईएमओ संचार से घनिष्ठ संबंध हवे. ई लेख MIMO रडार पर हाल के कुछ काम के समीक्षा करे ला जेकर एंटीना बहुत दूर पर बा. व्यापक रूप से अलग ट्रांसमिट/रिसीव एंटेना लक्ष्य के रडार क्रॉस सेक्शन (आरसीएस) के स्थानिक विविधता के कैप्चर करेला. एमआईएमओ रडार के अनूठी विशेषता के उदाहरण के द्वारा समझावल गइल बा आउर देखावल गइल बा. ई देखावल गइल बा कि गैर-सहज प्रसंस्करण के साथ, लक्ष्य के आरसीएस स्थानिक भिन्नता के उपयोग लक्ष्य के पता लगावे आउर विभिन्न पैरामीटर के अनुमान लगावे खातिर विविधता लाभ प्राप्त करे खातिर कइल जा सकेला, जइसे कि आगमन के कोण आउर डॉपलर. लक्ष्य स्थान खातिर, ई देखावल गइल बा कि सुसंगत प्रसंस्करण रडार के तरंगरूप द्वारा समर्थित रिज़ॉल्यूशन से बहुत अधिक रिज़ॉल्यूशन प्रदान कर सकेला. |
958d165f8bb77838ec915d4f214a2310e3adde19 | अपेक्षाकृत कम आयामी स्थान में वास्तविक-मूल्यवान वैक्टर के रूप में शब्द के वितरित निरूपण के उद्देश्य बड़ पाठ कॉर्पोरा से वाक्यविन्यास आउर अर्थ संबंधी विशेषता के निकाले के बा. हाल में वर्ड2वेक (मिकोलोव एट अल., 2013 ए; मिकोलोव एट अल., 2013 बी) नाम के एगो न्यूरल नेटवर्क के परिचय दिहल गइल, जे शब्द वेक्टर के दिशा में सिमेंटिक जानकारी के एन्कोड करे खातिर देखावल गइल. एह संक्षिप्त रिपोर्ट में, शब्द आवृत्ति के साथे-साथे शब्द के लंबाई के उपयोग शब्द संग्रह में शब्द महत्व के माप के रूप में करे के प्रस्ताव दिहल गइल बा. इ प्रस्ताव के समर्थन करे खातिर डोमेन-विशिष्ट सारांश के उपयोग करे वाला प्रयोगात्मक साक्ष्य प्रस्तुत कइल गइल बा. पाठ कॉर्पोरा खातिर एगो उपयोगी दृश्य प्रविधि उभरल, जहवां शब्द के दु-आयामी विमान पर मैप कइल जाला आउर स्वचालित रूप से महत्व के अनुसार रैंक कइल जाला. |
bb9e418469d018be7f5ac2c4b2435ccac50088a3 | मल्टीमीडिया समुदाय मल्टीमीडिया सामग्री के अउरी प्रभावी ढंग से विश्लेषण करे खातिर गहरी सीखे पर आधारित तकनीक के उदय देखलस ह. पिछला दस साल में, डीप-लर्निंग आ मल्टीमीडिया एनालिटिक्स के अभिसरण से कई ठे पारंपरिक काम के प्रदर्शन में बढ़ोतरी भइल बा, जइसे कि वर्गीकरण, डिटेक्शन आ रिग्रेशन, आ साथ ही कई ठे नया क्षेत्र के परिदृश्य में भी मौलिक बदलाव भइल बा, जइसे कि शब्दार्थिक विभाजन, कैप्शन आ कंटेंट जेनरेशन। एह लेख के मकसद मल्टीमीडिया एनालिटिक्स में प्रमुख काम के विकास के समीक्षा कइल आ भविष्य के दिशा के बारे में बिचार कइल बा। हमनी के मल्टीमीडिया एनालिटिक्स से जुड़ल बुनियादी गहिरा तकनीक के सारांश से शुरू करब, खासकर दृश्य डोमेन में, आउर फेर हाल के प्रगति से संचालित प्रतिनिधि उच्च-स्तरीय कार्य के समीक्षा करब. एकरे अलावा, लोकप्रिय बेंचमार्क के परफॉर्मेंस रिव्यू से टेक्नोलॉजी के तरक्की के राह देखाई पड़े ला आ मील के पत्थर के काम आ भविष्य के दिशा के पहिचान करे में मदद मिले ला। |
c481fb721531640e047ac7f598bd7714a5e62b33 | शिक्षक लोग पारंपरिक शिक्षा प्रणाली में मौखिक निर्देश के साथे पाठ्यपुस्तक के शुरूआत क के आपन छात्रन के सिखावे के कोशिश कइले बा. हालाँकि, सूचना अउरी संचार प्रौद्योगिकी (आईसीटी) के बिकास खातिर पढाई अउरी सिखे के बिधि में बदलाव करल जा सकत बा. अब समय आ गईल बा कि छात्रन के इंटरैक्टिव शिक्षा प्रणाली से सुसज्जित कईल जाव ताकि उ लोग आपन सीख, पकड़, आ याद राखे के क्षमता में सुधार कर सके। छात्रन खातिर उच्च गुणवत्ता वाला आ यथार्थवादी शिक्षा वातावरण बनावल बहुत जरूरी बा। दृश्य सीखना के समझल आउर उनकर सीख से निपटे में आसान हो सकेला. हमनी के प्राथमिक स्तर के छात्र लोगन खातिर विडियो के रूप में विजुअल लर्निंग मटेरियल (सौर मंडल के एगो अवलोकन) विकसित कईनी जा, जे में अलग-अलग मल्टीमीडिया एप्लीकेशन टूल के उपयोग कइल जाला। एह लेख के मकसद ई बा कि विजुअल लर्निंग मटेरियल आ ब्लेंडेड लर्निंग के माध्यम से छात्र लोग के नया ज्ञान आ कौशल हासिल करे के क्षमता के अध्ययन कइल जाव। हम लोग एह अध्ययन खातिर ढाका शहर के एगो प्राथमिक विद्यालय में गइल रहनी आ तीन गो अलग-अलग समूह के छात्रन के साथे शिक्षा के संचालन कइलन (i) शिक्षक पारंपरिक तरीका से छात्रन के एके सामग्री पर पढ़ावेलन आ छात्रन के अनुकूलन क्षमता के स्तर के सवाल के सेट से चिन्हित कइलन (ii) एगो आउर समूह के केवल दृश्य शिक्षा सामग्री के साथ पढ़ावल गइल आ 15 प्रश्नावली के साथ मूल्यांकन कइल गइल, (iii) तीसरा समूह के शिक्षक के निर्देश के साथ सौर प्रणाली के वीडियो के साथ पढ़ावल गइल आ ओही प्रश्नावली के साथ मूल्यांकन कइल गइल। मौखिक निर्देश के साथे दृश्य सामग्री (सौर प्रणाली) के इ एकीकरण सीखने के मिश्रित दृष्टिकोण बाटे. इंटरैक्टिव मिश्रित दृष्टिकोण से छात्रन के ज्ञान आ कौशल हासिल करे के क्षमता में बहुत बढ़ोतरी भइल। छात्रन के प्रतिक्रिया आउर धारणा अन्य दु गो विधियन के तुलना में मिश्रित तकनीक के प्रति बहुत सकारात्मक रहल. इ इंटरैक्टिव मिश्रण झुकाव प्रणाली विशेष रूप से स्कूली बच्चा खातिर एगो उपयुक्त विधि हो सकेला. |
bde40c638fd03b685114d8854de2349969f2e091 | शहरी ब्लैक होल, एगो ट्रैफिक असामान्यता के रूप में, आजकल कई बड़ शहरन में बहुत सारा विनाशकारी दुर्घटना के कारण बन गइल बा. पारंपरिक तरीका केवल एकल स्रोत डेटा (जैसे, टैक्सी प्रक्षेपवक्र) पर निर्भर करेला जे ब्लैकहोल डिटेक्शन एल्गोरिथ्म के एगो दृष्टिकोण से डिजाइन करे खातिर होला, जवन कि क्षेत्रीय भीड़ के प्रवाह के वर्णन करे खातिर अपूर्ण होला. इ पत्र में, हम न्यूयॉर्क शहर (एनवाईसी) के हर क्षेत्र में शहरी ब्लैक होल के मॉडल बना रहल बानीं, अलग-अलग समय अंतराल पर, क्रॉस-डोमेन डेटा स्रोत के मिला के, एगो त्रि-आयामी टेंसर के साथ. टेन्सर के गायब प्रविष्टियन के पूरक बना के, संदर्भ-जागरूक टेन्सर अपघटन दृष्टिकोण के माध्यम से, हम भौगोलिक विशेषता से ज्ञान के लाभ उठावेनी, 311 शिकायत विशेषता आउर मानव गतिशीलता विशेषता के पूरा न्यूयॉर्क शहर में ब्लैकहोल स्थिति के ठीक करे खातिर. ई जानकारी स्थानीय निवासी लोग के आ अधिकारी लोग के निर्णय लेवे में मदद कर सकेला। हम आपन मॉडल के मूल्यांकन न्यूयॉर्क से संबंधित पांच डेटासेट के साथ कइलें, शहरी ब्लैक होल के निदान कइलें जिनहन के पहचान एक्के डेटासेट से ना कइल जा सके (या जेवन के खोज कइल गइल होखे) । प्रायोगिक परिनाम चार आधार पद्धति से परे लाभ के प्रदर्शन करेला. |
09f83b83fd3b0114c2c902212101152c2d2d1259 | |
e905396dce34e495b32e40b93195deeba7096476 | ई संचार एगो चौड़ा बैंड अउरी कम प्रोफ़ाइल एच-प्लेन हॉर्न एंटीना प्रस्तुत करत बा जे एगो बड़ कंडक्टिंग ग्राउंड के साथ रिजेड सब्सट्रेट इंटीग्रेटेड वेव गाइड (एसआईडब्ल्यू) पर आधारित बा. हॉर्न एंटीना के एगो एकल सब्सट्रेट में लागू कइल जाला जेकर मोटाई 0.13 λ0 के केंद्र आवृत्ति पर होला. आपन कम प्रोफ़ाइल के बावजूद, नया एच-प्लेन हॉर्न एंटीना एगो चाप-आकार के तांबा के टेपर के उपयोग करके एगो बहुत व्यापक बैंडविड्थ प्राप्त करेला जे विस्तारित डाइलेक्ट्रिक स्लैब पर छापल गइल बा आउर तीन-चरणीय रिजड एसआईडब्ल्यू संक्रमण हवे. क्रैज्ड एसआईडब्ल्यू ऑपरेशन बैंडविड्थ के चौड़ा करे आउर विशेषता प्रतिबाधा के कम करे खातिर महत्वपूर्ण होला ताकि व्यापक आवृत्ति रेंज पर समाक्षीय जांच से संकीर्ण एसआईडब्ल्यू तक एगो उत्कृष्ट प्रतिबाधा मिलान प्राप्त कइल जा सके. 6.6 GHz से 18 GHz तक निर्मित हॉर्न एंटेना के मापल गइल वीएसडब्ल्यूआर 2.5 से कम बा. एंटीना भी ओही आवृत्ति रेंज में स्थिर विकिरण बीम प्रदर्शित करेला. ई देखल गइल बा कि नापल गइल परिणाम सिमुलेटेड परिणाम के साथे ठीक से मेल खाला. |
a33a1c0f69327b9bc112ee4857112312c41b13ff | हम स्टाइल एग्मेंटेशन, डेटा एग्मेंटेशन के एगो नया रूप के परिचय देले बानी जे रैंडम स्टाइल ट्रांसफर पर आधारित बा, जे वर्गीकरण आउर प्रतिगमन आधारित कार्य दुनों पर संवहन तंत्रिका नेटवर्क (सीएनएन) के मजबूती में सुधार करे खातिर बा. प्रशिक्षण के दौरान, हमार शैली में वृद्धि बनावट, विपरीत आ रंग के बेतरतीब ढंग से बदल देला, जबकि आकार आ अर्थ के सामग्री के बचा के रखले रहेला. ई एगो शैली छवि से अनुमान लगावे के बजाय बहु-परिवर्तनीय सामान्य वितरण से इनपुट शैली एम्बेडिंग के नमूना ले के, शैली यादृच्छिकरण करे खातिर मनमाना शैली स्थानांतरण नेटवर्क के अनुकूलित करके पूरा कइल जाला. मानक वर्गीकरण प्रयोग के अलावा, हम डोमेन स्थानांतरण कार्य पर शैली वृद्धि (आऊ सामान्य रूप से डेटा वृद्धि) के प्रभाव के जांच कर रहल बानी. हमहन के ई पता चलल बा कि डेटा एगमेंटेशन डोमेन शिफ्ट के मजबूती में काफी सुधार करेला, आ एकर इस्तेमाल डोमेन अनुकूलन के एगो आसान, डोमेन-अज्ञेय विकल्प के रूप में कइल जा सकेला. सात पारंपरिक संवर्धन तकनीक के मिश्रण के साथे शैली संवर्धन के तुलना करे पर, हमनी के ई पावे के होई कि नेटवर्क के प्रदर्शन में सुधार खातिर एकरा के आसानी से जोड़ल जा सकेला. हम वर्गीकरण में डोमेन स्थानांतरण प्रयोग आउर मोनोकुलर गहराई अनुमान के साथ आपन तकनीक के प्रभावकारिता के मान्य करत बानी, जे सामान्यीकरण में लगातार सुधार के चित्रण करेला. |
91acde3f3db1f793070d9e58b05c48401ff46925 | निर्णय के पेड़ सांख्यिकीय डेटा वर्गीकरण में एगो लोकप्रिय तकनीक बाटे. उ पुनरावर्ती रूप से विभक्त उप-क्षेत्र में सुविधा स्थान के विभाजन करेलें जब तक कि प्रत्येक उप-क्षेत्र एगो विशेष वर्ग के संबंध में समरूप न हो जाए. बुनियादी वर्गीकरण आउर प्रतिगमन पेड़ (सीएआरटी) एल्गोरिथ्म अक्ष समानांतर विभाजन क उपयोग कइके सुविधा स्थान के विभाजन करेला. जब वास्तविक निर्णय सीमा विशेषता अक्ष के साथे संरेखित ना होला, त इ दृष्टिकोण एगो जटिल सीमा संरचना उत्पन्न कर सकेला. तिरछा निर्णय के पेड़ संभावित रूप से सीमा संरचना के सरल बनावे खातिर तिरछा निर्णय सीमा के उपयोग करेला. इ दृष्टिकोण के मुख्य सीमा इ बा कि पेड़ प्रेरण एल्गोरिथ्म कम्प्यूटेशनल रूप से महंगा बा. एह लेख में हमनी के एगो नया निर्णय के पेड़ एल्गोरिथ्म प्रस्तुत करत बानी जा, जेकरा के एचएचसीएआरटी कहल जाला। इ विधि वृक्ष निर्माण के दौरान प्रत्येक नोड पर प्रशिक्षण डेटा के प्रतिबिंबित करे खातिर हाउसहोल्डर मैट्रिक्स के एगो श्रृंखला के उपयोग करेला. प्रत्येक प्रतिबिंब प्रत्येक वर्ग सह-परिमेयता मैट्रिक्स से स्वयं-वेक्टर के दिशा पर आधारित होला. परावर्तित प्रशिक्षण डेटा में अक्ष समानांतर विभाजन के विचार कइल अप्रतिबिंबित प्रशिक्षण डेटा में तिरछा विभाजन के खोज के एगो कुशल तरीका प्रदान करेला. प्रयोगात्मक परिणाम से पता चलेला कि एचसीएआरटी पेड़न क सटीकता औरु आकार साहित्य में कुछ बेंचमार्क विधियन के साथ तुलनीय होला. एचसीएआरटी के आकर्षक विशेषता ई बा कि ई एके तिरछा विभाजन में गुणात्मक आउर मात्रात्मक दुनु विशेषता के संभाल सकेला. |
896e160b98d52d13a97caa664038e37e86075ee4 | छवियन खातिर स्वचालित रूप से सीखे वाला गुणवत्ता मूल्यांकन हाल में एगो गरम विषय बन गइल बा काहे कि एकर उपयोगिता कई प्रकार के अनुप्रयोग में बा, जइसे कि छवि कैप्चर पाइपलाइन, भंडारण तकनीक आउर साझा मीडिया के मूल्यांकन. इ समस्या के व्यक्तिपरक प्रकृति के बावजूद, जादातर मौजूदा तरीका केवल एवीए आउर टीआईडी2013 जइसन डेटा सेट द्वारा प्रदान औसत राय स्कोर के भविष्यवाणी करेला. हमार तरीका बाकी लोग से अलग बा काहे कि हम लोग मानव राय के वितरण के भविष्यवाणी एगो संवितरण तंत्रिका नेटवर्क के उपयोग क के करेनी. हमार आर्किटेक्चर के भी ई फायदा बा कि ई तुलनात्मक परफॉरमेंस वाला दूसर तरीका के तुलना में बहुत आसान बा. हमार प्रस्तावित दृष्टिकोण सिद्ध, अत्याधुनिक गहन वस्तु मान्यता नेटवर्क के सफलता (आऊ पुनशिक्षा) पर निर्भर करेला. हमार इ नेटवर्क के इस्तेमाल से न सिर्फ तस्वीर के सही तरीका से देखावल जा सकेला, बल्कि फोटो एडिटिंग/एन्हांसमेंट एल्गोरिदम के अनुकूलन आ अनुकूलन में मदद भी मिल सकेला। ई सब एगो "सुनहरा" संदर्भ छवि के बिना कइल जाला, जेकरा से एकल-छवि, अर्थ-आधारित आउर अवधारणात्मक रूप से जागरूक, बिना संदर्भ के गुणवत्ता मूल्यांकन के अनुमति मिलेला. |
8cfb316b3233d9b598265e3b3d40b8b064014d63 | वर्तमान में विडियो वर्गीकरण के अत्याधुनिक तरीका बैग-ऑफ-वर्ड्स पर आधारित बा जेवना में स्थानीय दृश्य वर्णक के इस्तेमाल कइल जाला। आमतौर पर ई ऑरिअंटेड ग्रेडिएंट्स (एचओजी) के हिस्टोग्राम, ऑप्टिकल फ्लो (एचओएफ) के हिस्टोग्राम आउर मोशन बॉर्डर हिस्टोग्राम (एमबीएच) डिस्क्रिप्टर होला. जबकि अइसन दृष्टिकोण वर्गीकरण खातिर बहुत शक्तिशाली होला, इ गणनात्मक रूप से महंगा भी होला. ई पेपर कम्प्यूटेशनल दक्षता के समस्या के संबोधित करेला. विशेष रूप से: (1) हम घन नमूना HOG, HOF आउर MBH डिस्क्रिप्टर्स खातिर कई गति-अप के प्रस्ताव देले आउर मैटलैब कोड जारी करेले; (2) हम फ्रेम सैंपलिंग दर आउर ऑप्टिकल फ्लो विधि के प्रकार के संदर्भ में डिस्क्रिप्टर्स के सटीकता आउर कम्प्यूटेशनल दक्षता के बीच व्यापार-बंद के जांच करेले; (3) हम आमतौर पर अपनावल गइल वैक्टर क्वांटिज़ेशन तकनीक के उपयोग आउर तुलना करके फीचर शब्दावली के गणना खातिर सटीकता आउर कम्प्यूटेशनल दक्षता के बीच व्यापार-बंद के जांच करेले: $ k k k k -means, पदान्तरीय $ k k $ k -means, रैंडम फॉरेस्ट, फिशर वेक्टर आउर वीएलएडी. |
9992626e8e063c1b23e1920efd63ab4f008710ac | |
1a8fd4b2f127d02f70f1c94f330628be31d18681 | |
d880d303ee0bfdbc80fc34df0978088cd15ce861 | सार- हम केवल सामान्य नमूना के उपयोग करके वीडियो विसंगति के पता लगावे आउर स्थानीयकरण खातिर एगो उपन्यास अंत-से-अंत आंशिक रूप से पर्यवेक्षित गहरी सीखना दृष्टिकोण प्रस्तुत करत बानी. इ अध्ययन के प्रेरित करे वाला अंतर्दृष्टि इ बा कि सामान्य नमूना के कम से कम एगो गॉसियन घटक के साथ जोड़ल जा सकेला, जबकि विसंगति या त कवनो गॉसियन घटक से संबंधित ना होला. इ विधि गॉसियन मिश्रण भिन्नता ऑटोएनकोडर पर आधारित बा, जवन गहरी सीख के प्रशिक्षित गॉसियन मिश्रण मॉडल के रूप में सामान्य नमूना के विशेषता प्रतिनिधित्व सीख सकेला. इनपुट इमेज आउर आउटपुट फीचर मैप के बीच सापेक्षिक स्थानिक निर्देशांक के संरक्षित करे खातिर एन्कोडर-डेकोडर संरचना खातिर एगो पूर्ण रूप से संवहन नेटवर्क (एफसीएन) के उपयोग कइल जाला जेमे एगो पूर्ण रूप से जुड़ल परत ना होला. गॉसियन मिश्रण के प्रत्येक घटक के संयुक्त संभावना के आधार पर, हम छवि परीक्षण पैच के विसंगति के स्कोर करे खातिर नमूना ऊर्जा आधारित विधि के परिचय देले बानी. उपस्थिति आउर गति विसंगति के संयोजन करे खातिर एगो दु-प्रवाह नेटवर्क ढांचा के उपयोग कइल जाला, पहिले के खातिर आरजीबी फ्रेम आउर बाद के खातिर गतिशील प्रवाह छवियन के उपयोग करके. हम आपन दृष्टिकोण के दू लोकप्रिय बेंचमार्क (यूसीएसडी डाटासेट आउर एवेन्यू डाटासेट) पर परीक्षण करब. प्रयोगात्मक परिणाम कला के स्थिति के तुलना में हमनी के विधि के श्रेष्ठता के सत्यापित करेला. |
09f02eee625b7aa6ba7e6f31cfb56f6d4ddd0fdd | वर्ल्ड वाइड वेब (डब्ल्यूडब्ल्यूडब्ल्यू) के विकास आ स्मार्टफोन तकनीक हमनी के रोजमर्रा के जिनगी में क्रांति ले आवे में महत्वपूर्ण भूमिका निभइले बा। लोकेशन आधारित सोशल नेटवर्क (एलबीएसएन) के उदय भइल बा आ ई प्रयोगकर्ता लोग के चेक-इन के जानकारी आ मल्टिमिडिया सामग्री साझा करे में मदद करत बा। रुचि के बिंदु (पीओआई) अनुशंसा प्रणाली चेक-इन जानकारी के उपयोग सबसे संभावित चेक-इन स्थान के भविष्यवाणी करे खातिर करेला. चेक-इन जानकारी के अलग-अलग पहलु, उदाहरण खातिर, भौगोलिक दूरी, श्रेणी, आ पीओआई के समय के लोकप्रियता; आ समय के चेक-इन रुझान, आ प्रयोगकर्ता के सामाजिक (दोस्ती) जानकारी एगो कारगर सिफारिश में बहुत महत्व के भूमिका निभावेला। एह लेख में, हमनी के एगो एकीकृत सिफारिश मॉडल प्रस्तावित कइले बानी जा जेकरा के एमएपीएस (मल्टी एस्पेक्ट पर्सनलाइज्ड पीओआई रेकमेंडर सिस्टम) कहल जाला जे हमनी के ज्ञान के अनुसार पहिला अइसन मॉडल होई जे श्रेणीगत, कालानुक्रमिक, सामाजिक आ स्थानिक पहलु के एके मॉडल में मिला के काम करी। इ पेपर के मुख्य योगदान बाः (i) इ श्रेणी आउर दूरी पहलुअन पर बाधा के साथे स्थान नोड्स के ग्राफ के रूप में समस्या के महसूस करेला (यानी, दुगो स्थानन के बीच के किनारा एगो सीमा दूरी अउरी स्थानन के श्रेणी से सीमित बा), (ii) ई एगो बहु-आयामी फ्यूज्ड पीओआई सिफारिश मॉडल के प्रस्ताव करेला, अउरी (iii) ई मॉडल के दू गो वास्तविक दुनिया के डेटा सेट के साथ व्यापक रूप से मूल्यांकन करेला. |
04d7b7851683809cab561d09b5c5c80bd5c33c80 | बुनियादी विज्ञान परीक्षा क्षेत्र में क्वालिटी एग्जाम सिस्टम लगातार प्रगति कर रहल बा. एह काम में, हमनी के ज्ञान आ अनुमान के जरूरत के व्याख्या आधारित विश्लेषण विकसित करे के बा, जवन चुनौती के बारीकी से बर्णन करे के समर्थन करेला। विशेष रूप से, हम गुणवत्ता आश्वासन कार्य खातिर उपयोग करे खातिर उपयुक्त साक्ष्य स्रोत के आधार पर आवश्यकता के मॉडल बनाबई. हमनी के पहिले ज्ञान के आधार में उपयुक्त वाक्य के पहचान करे के जरूरत बनत बा जे सही उत्तर के समर्थन करत बा, फिर इनहन के इस्तेमाल स्पष्टीकरण बनावे खातिर कइल जाला, जवन कि कौनों जरूरी जानकारी के भर देला। ई स्पष्टीकरण के उपयोग आवश्यकता के सूक्ष्म वर्गीकरण बनावे खातिर कइल जाला. इ सब आवश्यकता के उपयोग करके, हम एगो पुनर्प्राप्ति आउर एगो अनुमान समाधान के तुलना 212 प्रश्न पर करब. विश्लेषण अनुमान समाधानकर्ता के लाभ के मान्य करेला, ई दर्शावेला कि इ जटिल अनुमान के जरूरत वाला जादे प्रश्न के उत्तर देवेला, जबकि समाधानकर्ता आउर ज्ञान स्रोत के सापेक्ष ताकत में अंतर्दृष्टि भी प्रदान करेला. हम एनोटेटेड प्रश्न आउर स्पष्टीकरण के विज्ञान परीक्षा के क्यूए खातिर व्यापक उपयोगिता के संसाधन के रूप में जारी कर रहल बानी, जेमे ज्ञान आधार निर्माण लक्ष्य के निर्धारण, साथ ही स्वचालित अनुमान में सूचना एकत्रीकरण के समर्थन शामिल बा. |
248040fa359a9f18527e28687822cf67d6adaf16 | हम रोबोट लर्निंग फ्रॉम डेमॉन्स्ट्रेशन (एलएफडी) के एगो व्यापक सर्वेक्षण प्रस्तुत करत बानी, एगो तकनीक जवन उदाहरण राज्य से एक्शन मैपिंग तक के नीति विकसित करेला. हम एलएफडी डिजाइन विकल्प के प्रदर्शनकर्ता, समस्या स्थान, नीति व्युत्पन्न आउर प्रदर्शन के संदर्भ में प्रस्तुत करब, आउर एगो संरचना खातिर नींव प्रदान करब जउने में एलएफडी अनुसंधान के वर्गीकृत करे के बा. विशेष रूप से, हम कई तरह से उदाहरण इकट्ठा करे के तरीका के विश्लेषण आउर वर्गीकृत करेनी, जे टेलीऑपरेशन से लेके अनुकरण तक के बा, साथ ही नीति व्युत्पन्न करे के खातिर विभिन्न तकनीक के भी शामिल करेनी, जेमे मिलान फलन, गतिशीलता मॉडल आउर योजना शामिल बा. अंत में हम एलएफडी के सीमा आ भविष्य के रिसर्च खातिर संबंधित आशाजनक क्षेत्रन पर चर्चा करब। |
38b1eb892e51661cd0e3c9f6c38f1f7f8def1317 | स्मार्टफोन आउर "एप" बाजार चिंता बढ़ा रहल बा कि कइसे तीसर-पक्ष के अनुप्रयोग उपयोगकर्ता के गोपनीयता-संवेदनशील डेटा के गलत उपयोग या गलत तरीका से संभाल सकेला. सौभाग्य से, पीसी दुनिया के विपरीत, हमनी के पास मोबाइल अनुप्रयोग के सुरक्षा में सुधार करे के एगो अनोखा अवसर बा लोकप्रिय ऐप बाजार के माध्यम से ऐप वितरण के केंद्रीकृत प्रकृति के खातिर धन्यवाद. एप्प बाजार में प्रवेश प्रक्रिया के हिस्सा के रूप में लागू एप्प के पूरा सत्यापन से मोबाइल डिवाइस सुरक्षा में काफी वृद्धि हो सकेला। ए पेपर में, हमनी के एप्प इंस्पेक्टर, एगो स्वचालित सुरक्षा सत्यापन प्रणाली के प्रस्ताव बा जे एप्प के विश्लेषण करेला आ संभावित सुरक्षा आ गोपनीयता उल्लंघन के रिपोर्ट बनावेला. हमनी के अपना विजन के बारे में बतावे के बा कि कइसे स्मार्टफोन एप्लिकेशन के स्वचालित वैलिडेशन के जरिये अउरी सुरक्षित बनावल जा सकेला आ सुरक्षा आ प्राइवेसी उल्लंघन के पता लगावे आ ओकर विश्लेषण करे, गहन परीक्षण कवरेज सुनिश्चित करे, आ ढेर संख्या में एप्लिकेशन के स्केल करे जइसन मुख्य चुनौती के बारे में बतावे के बा। |
74640bdf33a1e8b7a319fbbbaeccf681f80861cc | |
b7634a0ac84902b135b6073b61ed6a1909f89bd2 | |
c7b007d546d24322152719898c2836910f0d3939 | खोजपूर्ण विश्लेषण ई भी बतावेला कि छात्र फेसबुक जइसन साइट के इस्तेमाल मुख्य रूप से मौजूदा व्यक्तिगत संबंध के बनाए रखे खातिर करे लें आ चुनिंदा रूप से गोपनीयता सेटिंग के इस्तेमाल एसएनएस पर आपन खुद के प्रस्तुति के नियंत्रित करे खातिर करे लें। एह अध्ययन के नतीजा में एसएनएस पर कॉलेज के छात्र के आत्म-प्रकटीकरण के समझे के जानकारी मिलल, व्यक्तित्व आ आत्म-प्रकटीकरण पर साहित्य में सुधार भइल, आ ऑनलाइन आत्म-प्रस्तुति पर शोध आ अभ्यास के भविष्य के दिशा तय कइल गइल। एलेस्वीयर लिमिटेड द्वारा प्रकाशित कइल गइल वर्तमान शोध के उद्देश्य उच्च शिक्षा संस्थान में ऑनलाइन क्षेत्र में आत्म-प्रकटीकरण पर मौजूदा सिद्धांत के विस्तार कइल बा आउर कॉलेज के छात्र द्वारा लोकप्रिय सोशल नेटवर्किंग साइट (एसएनएस), फेसबुक के उपयोग के बारे में ज्ञान के आधार आउर समझ में योगदान दिहल बा. हम लोग एगो गैर-प्रयोगात्मक अध्ययन कईनी कि विश्वविद्यालय के छात्र (एन = 463) फेसबुक के उपयोग कइसे करेलन, अउर ऑनलाइन एसएनएस-आधारित वातावरण में जानकारी के खुलासा में व्यक्तित्व आउर संस्कृति के भूमिका के जांच कइलन. नतीजा ई देखवलस कि लोग ऑनलाइन बनाम व्यक्ति में अलग-अलग तरह से खुलासा करेला, आउर संस्कृति आउर व्यक्तित्व दुनु महत्वपूर्ण बा. विशेष रूप से, ई पावल गइल कि सामूहिक व्यक्ति जे बहिर्मुखीपन में कम रहलें आ ऑनलाइन वातावरण में बातचीत करत रहलें, दूसर लोग के तुलना में कम ईमानदार आ दर्शक-संबंधित जानकारी के खुलासा कइलें. |
c83abfeb5a2f7d431022cd1f8dd7da41431c4810 | हम चौराहा पर ड्राइवर व्यवहार के अनुमान लगावे खातिर एगो ढांचा प्रस्तुत करत बानी, जे में ऑटोनोमिक ड्राइविंग आउर वाहन सुरक्षा के अनुप्रयोग शामिल बा. ई फ्रेमवर्क ड्राइवर व्यवहार आ वाहन गतिशीलता के हाइब्रिड-स्टेट सिस्टम (एचएसएस) के रूप में मॉडलिंग करे पर आधारित बा, ड्राइवर के फैसला के मॉडलिंग असतत-राज्य प्रणाली के रूप में कइल जाला आ वाहन गतिशीलता के मॉडलिंग निरंतर-राज्य प्रणाली के रूप में कइल जाला। प्रस्तावित अनुमान पद्धति में तात्कालिक निरंतर स्थिति के ट्रैक करे खातिर अवलोकन योग्य पैरामीटर के उपयोग कइल जाला आउर इ अवलोकन के आधार पर चालक के सबसे संभावित व्यवहार के अनुमान लगावल जाला. इ पत्र एगो अइसन ढांचा के वर्णन करेला जवन वाहन-चालक युग्मन के संकर संरचना के शामिल करेला आउर फ़िल्टर्ड निरंतर अवलोकन से चालक व्यवहार के अनुमान लगावे खातिर छिपल मार्कोव मॉडल (एचएमएम) के उपयोग करेला. इ तरीका अइसन परिदृश्य खातिर उपयुक्त बा जेमे अन्य वाहन के अज्ञात निर्णय शामिल बा, जइसे कि लेन परिवर्तन या चौराहा तक पहुंच. अइसन ढाँचा खातिर व्यापक डेटा संग्रह के आवश्यकता होला, आउर लेखक वाहन ड्राइविंग डेटा के एकत्रित करे आउर विश्लेषण करे में उपयोग कइल गइल प्रक्रिया के वर्णन करेलन. उदाहरण खातिर, प्रस्तावित हाइब्रिड आर्किटेक्चर आउर चालक व्यवहार अनुमान तकनीक के अनुशिक्षित आउर अनुकरणीय परिणाम के साथ चौराहा के पास परीक्षण कइल गइल बा. प्रस्तावित ढांचा, सरल वर्गीकरण, आउर प्राकृतिक चालक अनुमान के बीच तुलना करल जाला. प्राप्त परिणाम एचएसएस-एचएमएम ढांचे के उपयोग खातिर आशाजनक देखावेला. |
a8c1347b82ba3d7ce03122955762db86d44186d0 | इ पत्र में कुशल बड़ पैमाना पर वीडियो पुनः प्राप्ति खातिर एगो नया ढांचा विकसित कइल गइल बा. हमनी के मकसद बा कि उच्च स्तर के समानता के आधार पर वीडियो खोजल जाव, जवन कि पारम्परिक लगभग दोहरा खोज के दायरा से बाहर बा. लोकप्रिय हैशिंग तकनीक के अनुसरण करत हमनी के कॉम्पैक्ट बाइनरी कोड के उपयोग करीले ताकि निकटतम पड़ोसी खोजल जा सके. पिछला तरीका के विपरीत जवन कि रिकवरी खातिर खाली एक प्रकार के हैश कोड के उपयोग करेला, इ पेपर वीडियो में विविध आउर बहु-स्केल दृश्य सामग्री के प्रभावी ढंग से वर्णन करे खातिर विषम हैश कोड के संयोजन करेला. हमार तरीका एगो एकल ढांचा में सुविधा पूलिंग आउर हैशिंग के एकीकृत करेला. पूलिंग चरण में, हमनी के वीडियो फ्रेम के पूर्व-निर्धारित घटक के सेट में डालल जाला, जवन वीडियो सामग्री के विभिन्न अर्थ के कैप्चर करेला. हैशिंग चरण में, हमनी के हर वीडियो घटक के एगो कॉम्पैक्ट हैश कोड के रूप में देखावल जाला, आ कई गो हैश कोड के जोड़ के हैश टेबल बनावल जाला ताकि खोज के काम हो सके। सबसे अधिक जानकारी वाला कोड के बचा के पुनर्प्राप्ति के तेज करे खातिर, हम पूलिंग आउर हैशिंग चरण के पुल करे खातिर ग्राफ-आधारित प्रभाव अधिकतम करे के विधि के प्रस्तावित करिला. हम देखवईब कि प्रभाव अधिकतम करे के समस्या उप-मॉड्यूलर बा, जे एगो लालची अनुकूलन विधि के लगभग इष्टतम समाधान प्राप्त करे के अनुमति देवेला. हमार तरीका बहुत कुशलता से काम करेला, TRECVID डेटासेट से लगभग 0.001 सेकंड में हजारों वीडियो क्लिप के पुनर्प्राप्त करेला. 1M नमूना के साथ बड़ पैमाना के सिंथेटिक डेटासेट खातिर, इ 100 क्वेरी के जवाब में 1 सेकंड से कम समय लेवेला. हमनी के तरीका के मूल्यांकन बिना देखरेख के भी कइल जाला आ देखरेख वाला परिदृश्य में भी कइल जाला, आ TRECVID मल्टीमीडिया इवेंट डिटेक्शन आ कोलंबिया कंज्यूमर वीडियो डेटासेट के परिणाम हमनी के प्रस्तावित तकनीक के सफलता के देखावत बा। |
0faccce84266d2a8f0c4fa08c33b357b42cf17f2 | कई भाषा निर्माण कार्य में संरचित आउर असंगठित इनपुट दुनों पर आधारित पाठ के उत्पादन के आवश्यकता होला. हम एगो उपन्यास तंत्रिका नेटवर्क आर्किटेक्चर प्रस्तुत करत बानी जवन एगो आउटपुट अनुक्रम उत्पन्न करेला जवन कि इनपुट फलन के मनमाने संख्या पर निर्भर करेला. महत्वपूर्ण रूप से, हमार दृष्टिकोण कंडीशनिंग संदर्भ के चुनाव आउर पीढ़ी के ग्रैन्युलैरिटी, उदाहरण खातिर पात्र या टोकन, के हाशिए पर रखे के अनुमति देवेला, इ प्रकार स्केलेबल आउर प्रभावी प्रशिक्षण के अनुमति देवेला. ई फ्रेमवर्क के उपयोग कइ के, हमनी के मिश्रित प्राकृतिक भाषा आ संरचित विनिर्देश से प्रोग्रामिंग कोड बनावे के समस्या के समाधान करे के बा. हम इ प्रतिमान खातिर दू गो नया डेटा सेट बनइनी जवन संग्रहणीय ट्रेडिंग कार्ड गेम मैजिक द गैथरिंग आउर हारथस्टोन से लिहल गइल बा. इ सब पर, आउर एगो तीसरका पहिले से मौजूद निकाय पर, हम देखावत बानी कि कई पूर्वानुमान के हाशिए पर रखला से हमार मॉडल मजबूत बेंचमार्क से बेहतर प्रदर्शन कर सकेला. |
ac569822882547080d3dc51fed10c746946a6cfd | |
e70ea58d023df2c31325a9b409ee4493e38b6768 | |
3895912b187adee599b1ea662da92865dd0b197d | उद्देश्य स्वास्थ्य सेवा में बड़ डेटा विश्लेषण के वादा आउर क्षमता के वर्णन कइल. ई लेख स्वास्थ्य सेवा में बिग डेटा एनालिटिक्स के नवोदित क्षेत्र के बारे में बतावेला, लाभ के बारे में चर्चा करे ला, वास्तुशिल्प ढांचा आ तरीका के बारे में बतावेला, साहित्य में बतावल उदाहरण के बारे में बतावेला, चुनौती सभ पर चर्चा करे ला आ निष्कर्ष पर पहुँचल जाला। ई पेपर स्वास्थ्य देखभाल शोधकर्ता आउर चिकित्सकन खातिर बड़ डेटा विश्लेषण के एगो व्यापक अवलोकन प्रदान करेला. स्वास्थ्य सेवा में बिग डेटा एनालिटिक्स बहुत बड़ डेटा सेट से अंतर्दृष्टि प्रदान करे आउर लागत के कम करत समय परिणाम में सुधार करे खातिर एगो आशाजनक क्षेत्र में विकसित हो रहल बा. एकर संभावना बहुत बड़ बा; हालाँकि, कुछ चुनौती अभी भी मौजूद बा, जेकरा के दूर करे के बा। |
73a19026fb8a6ef5bf238ff472f31100c33753d0 | ए पेपर में, हमनी के एसोसिएशन नियम खनन के बारे में बुनियादी अवधारणा के प्रारंभिक जानकारी प्रदान करेनीं आउर मौजूदा एसोसिएशन नियम खनन तकनीक के सूची के समीक्षा करेनीं. जाहिर बा कि, एगो लेख में सगरी एल्गोरिदम के पूरा समीक्षा ना कइल जा सके ला, लेकिन हमनी के उमेद बा कि संदर्भ में दिहल गइल संदर्भ सभ में प्रमुख सैद्धांतिक मुद्दा सभ के शामिल कइल जाई, शोधकर्ता के रोचक शोध दिशा में मार्गदर्शन कइल जाई, जिनहन के अभी तक खोजल नइखे गइल। |
75e5ba7621935b57b2be7bf4a10cad66a9c445b9 | हम एगो पैरामीटर-मुक्त चेहरा पहचान एल्गोरिथ्म विकसित कइनी जवन कि प्रकाश, अभिव्यक्ति, आवरण, आ उम्र में बड़हन अंतर के प्रति संवेदनशील ना होला, हर विषय खातिर एगो गैलरी के नमूना के उपयोग करत बाटे. हम इ अवलोकन के लाभ उठायब कि समदूर के प्रोटोटाइप एम्बेडिंग इष्टतम एम्बेडिंग ह जवन कि कक्षा के बीच न्यूनतम एक-विरोधी-बाकी मार्जिन के अधिकतम करेला. प्रशिक्षण डेटा के वैश्विक या स्थानीय संरचना के संरक्षित करे के बजाय, हमार तरीका, जेकरा के रैखिक प्रतिगमन विश्लेषण (एलआरए) कहल जाला, प्रशिक्षण डेटा के वास्तविक संरचना के परवाह कइले बिना, समान रूप से दूर के स्थान पर गैलरी के नमूना के मैप करे खातिर सबसे कम-वर्ग प्रतिगमन तकनीक के लागू करेला. एकरे अलावा, एगो नया जेनेरिक लर्निंग विधि, जे जेनेरिक चेहरा के इंट्रा-क्लास फेशियल डिफरेंस के शून्य वेक्टर तक मैप करे ला, के एलआरए के सामान्यीकरण क्षमता के बढ़ावे खातिर शामिल कइल गइल बा. इ उपन्यास विधि के उपयोग कइके, केवल कुछ मुट्ठी भर सामान्य वर्ग पर आधारित सीखना काफी हद तक चेहरा पहचान के प्रदर्शन में सुधार कर सकेला, तब भी जब सामान्य डेटा अलग डेटाबेस आउर कैमरा सेटअप से एकत्र कइल जाला. ग्रेविल एल्गोरिथ्म पर आधारित वृद्धिशील सीख के नया आवे वाला गैलरी वर्ग, प्रशिक्षण नमूना, या सामान्य भिन्नता से मानचित्रण मैट्रिक्स के कुशलता से अद्यतन करेला. हालांकि इ काफी सरल आउर पैरामीटर-मुक्त बा, एलआरए, आमतौर पर उपयोग कइल जाए वाला स्थानीय वर्णक, जइसे कि गॅबोर प्रतिनिधित्व आउर स्थानीय बाइनरी पैटर्न के साथ संयुक्त बा, विस्तारित येल बी, सीएमयू पीआईई, एआर आउर उपयुक्त लेखक पर कई मानक प्रयोग खातिर अत्याधुनिक विधि के बेहतर करेला. टेलीफोन: +86 10 62283059 फैक्स: +86 10 62285019 ईमेल पता: [email protected] (वेइहोंग डेंग) 28 मार्च 2014 के एल्सवियर के भेजल गइल प्रिप्रिंट |
b1cfe7f8b8557b03fa38036030f09b448d925041 | इ पेपर मानव दृश्य प्रणाली के प्रारंभिक चरण में दृश्य सूचना प्रसंस्करण खातिर बहु-चैनल फ़िल्टरिंग सिद्धांत से प्रेरित बनावट विभाजन एल्गोरिथ्म प्रस्तुत करेला. चैनल के गॅबर फिल्टर के एगो बैंक द्वारा चिह्नित कइल जाला जे लगभग समान रूप से स्थानिक-आवृत्ति डोमेन के कवर करेला, आउर एगो व्यवस्थित फिल्टर चयन योजना प्रस्तावित कइल जाला, जे फ़िल्टर्ड छवियन से इनपुट छवि के पुनर्निर्माण पर आधारित होला. बनावट के बिसेसता के प्राप्त करे खातिर प्रत्येक (चयनित) फ़िल्टर्ड छवि के एगो गैर-रैखिक परिवर्तन के अधीन रखल जाला आउर प्रत्येक पिक्सेल के आसपास एगो विंडो में "ऊर्जा" के माप के गणना कइल जाला. तब फीचर इमेज के एकीकृत करे खातिर स्क्वायर-एरर क्लस्टरिंग एल्गोरिथ्म के उपयोग कइल जाला आउर एगो सेगमेंटेशन उत्पन्न कइल जाला. समूहीकरण प्रक्रिया में स्थानिक जानकारी के शामिल करे खातिर एगो सरल प्रक्रिया के प्रस्ताव दिहल गइल बा. बनावट श्रेणी के " सच्चा" संख्या के अनुमान लगावे खातिर सापेक्ष सूचकांक के उपयोग कइल जाला. बनावट विभाजन बहु-चैनल फ़िल्टरिंग क्लस्टरिंग क्लस्टरिंग सूचकांक गॅबोर फ़िल्टर वेवलैट ट्रांसफॉर्म I. इमेज विखंडन कई छवि विश्लेषण या कंप्यूटर विजन अनुप्रयोग में एगो कठिन लेकिन बहुत महत्वपूर्ण कार्य ह. चित्र के खंडन खातिर खाली छोट-छोट पड़ोस में औसत ग्रे लेवल या रंग में अंतर हमेशा पर्याप्त ना होला. एकरे बजाय, पड़ोसी पिक्सल के ग्रे मान के स्थानिक व्यवस्था में अंतर पर भरोसा करे के पड़ेला - यानी बनावट में अंतर पर. बनावट के आधार पर छवियन के बिभाजन के समस्या के बनावट बिभाजन समस्या कहल जाला। बनावट विभाजन में कौनो दिहल गइल छवि में "समान" बनावट वाला क्षेत्र के पहचान कइल शामिल बा. ई तय करे खातिर कि का कौनो क्षेत्र में एकरस बनावट बा या ना, बनावट के उचित माप के जरूरत बा. स्क्लान्स्की निम्नलिखित परिभाषा के सुझाव देले बाड़ें जे खंडन के संदर्भ में उचित बा: "छवना में एगो क्षेत्र के स्थिर बनावट होला अगर स्थानीय सांख्यिकी या चित्र के अन्य स्थानीय गुण के एगो सेट स्थिर, धीरे-धीरे बदलता, या लगभग आवधिक होला". एही से, बनावट के स्थानीय आ वैश्विक अर्थ दुनों होला - ई छवि क्षेत्र में कुछ स्थानीय उपाय या गुण के अपरिवर्तनीयता के विशेषता हवे. प्राकृतिक आउर कृत्रिम बनावट के विविधता बनावट के सार्वभौमिक परिभाषा देबे के असंभव बनवईले. पिछला दू दशक में छवि बनावट के विश्लेषण करे खातिर बहुते तकनीक के प्रस्ताव दिहल गइल बा. एह लेख में हमनी के बनावट के विश्लेषण के एगो खास तरीका पर ध्यान केंद्रित करब जेकरा के ° कहल जाला. डु पोंट डी नेमोर्स एंड कंपनी इंक. मल्टी-चैनल फ़िल्टरिंग दृष्टिकोण के विकसित कइलस. इ दृष्टिकोण मानव दृश्य प्रणाली के प्रारंभिक चरण में दृश्य सूचना के प्रसंस्करण खातिर बहु-चैनल फ़िल्टरिंग सिद्धांत से प्रेरित हवे. कैम्पबेल आउर रॉबसन (4) द्वारा पहिला बार प्रस्तावित सिद्धांत ई कहेला कि दृश्य प्रणाली रेटिना छवि के कई फ़िल्टर्ड छवियन में विघटित करेला, जेमे से प्रत्येक में आवृत्ति (आकार) आउर अभिविन्यास के संकीर्ण श्रेणी में तीव्रता भिन्नता होला. मनोभौतिकीय प्रयोग जवन अइसन अपघटन के सुझाव दिहलस ऊ उत्तेजना के रूप में विभिन्न जालीदार पैटर्न के उपयोग कइलस आउर अनुकूलन तकनीक पर आधारित रहल. बाद के मनो-शारीरिक प्रयोग सिद्धांत के समर्थन करे वाला अतिरिक्त सबूत प्रदान कइलन. डी वैलोइस एट अल. ,(5) उदाहरण खातिर, मैकाक बंदर के दृश्य कोर्टेक्स में सरल कोशिका के प्रतिक्रिया के अलग-अलग आवृत्ति आउर अभिविन्यास के साथ साइनसॉइडल ग्रिट्स के प्रति रिकॉर्ड कइलस. ई देखल गइल कि प्रत्येक कोशिका आवृत्ति आउर अभिविन्यास के केवल एगो संकीर्ण श्रेणी के प्रतिक्रिया देवेला. एही से, ई प्रतीत होला कि स्तनधारियन के दृश्य कोर्टेक्स में अइसन तंत्र होला जवन एगो संकीर्ण श्रेणी में आवृत्ति आउर अभिविन्यास के संयोजन पर ट्यून कइल जाला. इ तंत्र के अक्सर चैनल के रूप में संदर्भित कइल जाला, आउर इ के उचित रूप से बैंड-पास फिल्टर के रूप में व्याख्या कइल जाला. बनावट के विश्लेषण खातिर बहु-चैनल फ़िल्टरिंग दृष्टिकोण सहज रूप से आकर्षक बा काहे कि ई हमनी के अलग-अलग बनावट के प्रमुख आकार आउर अभिविन्यास में अंतर के फायदा उठावे के अनुमति देवेला. आज, बनावट विश्लेषण खातिर बहु-रिज़ॉल्यूशन दृष्टिकोण के आवश्यकता अच्छी तरह से पहचानल गइल बा. जबकि बनावट विश्लेषण के अन्य दृष्टिकोण के इ प्रतिमान के समायोजित करे खातिर विस्तारित करल गइल बा, बहु-चैनल फ़िल्टरिंग दृष्टिकोण, अंतर्निहित रूप से बहु-रिज़ॉल्यूशन बा. एगो अउरी महत्वपूर्ण |
5757dd57950f6b3c4d90a342a170061c8c535536 | इ पत्र स्टीरियो दृष्टि खातिर मिलान लागत के गणना के समस्या खातिर एगो नया दृष्टिकोण प्रस्तुत करेला. ई दृष्टिकोण एगो संवहन तंत्रिका नेटवर्क पर आधारित बा जेकर उपयोग स्टीरियो इमेज जोड़े से इनपुट पैच के समानता के गणना करे खातिर कइल जाला. अत्याधुनिक स्टीरियो पाइपलाइन चरण के संयोजन में, इ विधि प्रमुख स्टीरियो बेंचमार्क में शीर्ष परिणाम प्राप्त करेला. ई पेपर स्टीरियो मिलान के समस्या के प्रस्तुत करेला, प्रस्तावित विधि के चर्चा करेला आउर हाल के स्टीरियो डेटासेट से परिणाम देखावेला. |
4b65024cd376067156a5ac967899a7748fa31f6f | बिना सीमा के, बिना क्रम के, वैश्विक पैमाना पर डेटासेट दिन-प्रतिदिन के व्यवसाय में तेजी से सामान्य हो रहल बा (जइसे कि डेटाबेस में डेटाबेस के संख्या के गणना). वेब लॉग, मोबाइल उपयोग के आँकड़ा, आउर सेंसर नेटवर्क). एही समय, इ डेटा सेट के उपभोक्ता सब के जटिल आवश्यकता विकसित भइल बा, जइसे कि घटना-समय क्रमबद्ध कइल आ डेटा के बिसेसता के आधार पर विंडो बनावल, तेजी से उत्तर के असीमित भूख के अलावा. एही बीच, व्यावहारिकता ई बतावेला कि इ प्रकार के इनपुट खातिर शुद्धता, विलंबता आउर लागत के सब आयाम के साथे कभी भी पूरा तरह से अनुकूलित ना कइल जा सकेला. नतीजतन, डेटा प्रोसेसिंग प्रैक्टिशनर के ई सवाल के साथ छोड़ल जाला कि इ प्रतीत हो रहल प्रतिस्पर्धी प्रस्ताव के बीच तनाव के कइसे सुलझावल जाए, जेकरा परिणामस्वरूप अक्सर असमान कार्यान्वयन आउर सिस्टम हो जाला. हमनी के प्रस्ताव बा कि आधुनिक डाटा प्रोसेसिंग में ई विकसित आवश्यकता के पूरा करे खातिर दृष्टिकोण में एगो मौलिक बदलाव जरूरी बा. हमनी के एगो क्षेत्र के रूप में, अनगिनत डेटासेट के सूचना के सीमित पूल में संकलित करे के कोशिश कइल बंद करे के चाही, जवन अंततः पूर्ण हो जाला, आउर एकरा बजाय ई धारणा के तहत रहे आउर सांस लेवे के चाही कि हमनी के कबो ना पता चलेला कि हमनी के आपन सब डेटा कब आ के देखले बानी, खाली ई कि नया डेटा आई, पुरान डेटा के वापस ले लिहल जा सकेला, आउर इ समस्या के सुलझाने के एकमात्र तरीका सिद्धांत आधारित अमूर्तता के माध्यम से बा जवन अभ्यास करे वाला के रुचि के अक्ष के साथे उपयुक्त व्यापार-बिक्री के चयन के अनुमति देवेला: शुद्धता, विलंबता आउर लागत. इ पत्र में, हम अइसन एगो दृष्टिकोण, डेटाफ्लो मॉडल, के साथ-साथ एकर सक्षम करे वाला शब्दार्थ के विस्तृत परीक्षा, एकर डिजाइन के निर्देशित करे वाला मूल सिद्धांत के अवलोकन, आउर वास्तविक दुनिया के अनुभव के माध्यम से मॉडल के स्वीकृति के प्रस्तुत करत बानी, जवन एकर विकास के नेतृत्व कइलस. हम शब्द Dataflow Model के इस्तेमाल गूगल क्लाउड डेटाफ्लो के प्रोसेसिंग मॉडल के वर्णन करे खातिर करेनीं [20], जे फ्लूमजावा [12] आ मिलव्हील [2] के टेक्नोलॉजी पर आधारित बा। ई काम क्रिएटिव कॉमन्स एट्रिब्यूशन-नॉन-कमर्शियल-नो-डेरिव्स 3.0 अनपोर्ट लाइसेंस के तहत लाइसेंस प्राप्त बाटे। इ लाइसेंस के कॉपी देखे खातिर, http://creativecommons.org/licenses/by-nc-nd/3.0/ पर जाईं। लाइसेंस के बाहर के कौनो भी उपयोग से पहिले अनुमति प्राप्त करीं. कॉपीराइट धारक से संपर्क करे खातिर [email protected] पर ईमेल करीं। एह खंड के लेख सभ के 31 अगस्त से 4 सितंबर 2015 के दौरान, कोहाला कोस्ट, हवाई में आयोजित 41वां इंटरनेशनल कांफ्रेंस ऑन वीएलबीडी (Very Large Database) में आपन परिणाम प्रस्तुत करे खातिर आमंत्रित कइल गइल रहे। वीएलडीबी एंडोमेंट के कार्यवाही, खंड. 8, ना करे. 12 कॉपीराइट 2015 वीएलडीबी एंडोमेंट 2150-8097/15/08. |
40c3b350008ada8f3f53a758e69992b6db8a8f95 | वस्तु के पता लगावे के काम में पिछले कुछ साल में एचओजी सुविधा के बजाय रैखिक एसवीएम के उपयोग पर ध्यान केंद्रित कइल गइल बा. हालांकि, रैखिक एसवीएम के प्रशिक्षण काफी महंगा बा, आउर श्रेणी के संख्या के बढ़ला के साथे-साथे मुश्किल हो सकेला. इ काम में हम बहुत पुरान तकनीक के फेर से देखब, अर्थात्. रैखिक विभेदक विश्लेषण, आउर देखावन कि एलडीए मॉडल के लगभग तुच्छ रूप से प्रशिक्षित करल जा सकेला, आउर प्रदर्शन में बहुत कम चाहे कौनो नुकसान के साथे. हम जिन सह-विचलन मैट्रिक्स के अनुमान लगावेनी, ऊ प्राकृतिक छवियन के गुणन के पकड़लस. एह सहवर्तीता के साथे एचओजी विशेषता के सफेद करे से एचओजी विशेषता के बीच स्वाभाविक रूप से होखे वाला सहसंबंध हट जाला. हम देखवईब कि ई सफेद कइल गइल विशेषता (जेके हम डब्ल्यूएचओ कहेनी) समानता के गणना करे खातिर मूल एचओजी विशेषता से काफी बेहतर बा आउर क्लस्टरिंग में एकर उपयोगिता साबित करेला. अंत में, हम आपन निष्कर्ष के उपयोग एगो ऑब्जेक्ट डिटेक्शन सिस्टम के उत्पादन करे खातिर करीलें जे पास्कल वीओसी 2007 पर प्रतिस्पर्धी होखेलें जबकि प्रशिक्षित करे आउर परीक्षण करे में काफी आसान होखेलें. |
28e0c6088cf444e8694e511148a8f19d9feaeb44 | इ पत्र क्यूबसैट खातिर स्व-प्रसारित हेलिकल पैंटोग्राफ एंटीना के व्यवहार के पता लगावेला. हेलिकल पैंटोग्राफ अवधारणा के उपग्रह बस से जुड़ल अवधारणा के साथ-साथ बतावल गइल बा. आठ हेलिक्स से बनल एगो पैंटोग्राफ के परिमित तत्व के तह सिमुलेशन प्रस्तुत कइल गइल बा आउर एकर तुलना प्रोटोटाइप एंटीना पर कइल गइल कॉम्पैक्ट फोर्स प्रयोग से कइल गइल बा. प्रतिबिंब गुणांक परीक्षण भी प्रस्तुत कइल गइल बा, जवन प्रोटोटाइप एंटीना के संचालन आवृत्ति श्रेणी के देखावत बा. हेलिकल पैंटोग्राफ वर्तमान छोट उपग्रह एंटीना समाधानन खातिर एगो आशाजनक विकल्प साबित होला. |
1aad2da473888cb7ebc1bfaa15bfa0f1502ce005 | ई पेपर पहिला व्यक्ति के दृष्टिकोण से बातचीत के स्तर पर मानव गतिविधि के पहचाने के समस्या पर चर्चा करेला. एकर लक्ष्य ई बा कि एगो पर्यवेक्षक (जइसे, रोबोट या पहिरल कैमरा) के ई समझे में सक्षम बनावल जाय कि "एकरा खातिर दोसर लोग कवन गतिविधि कर रहल बा" निरंतर वीडियो इनपुट से. एहमें दोस्ताना बातचीत शामिल बा जइसे कि एक व्यक्ति पर्यवेक्षक के गले लगावत बा साथ ही साथ शत्रुतापूर्ण बातचीत भी शामिल बा जइसे कि पर्यवेक्षक के मुक्का मारल या पर्यवेक्षक के चीज फेंकल , जेकर वीडियो में भौतिक बातचीत से पैदा भइल कैमरा अहं-आंदोलन के एगो बड़ मात्रा शामिल बा. ई पेपर वैश्विक आउर स्थानीय गति जानकारी के एकीकृत करे खातिर बहु-चैनल कर्नेल के जांच करेला, आउर एगो नया गतिविधि सीखना/मान्यता पद्धति प्रस्तुत करेला जे स्पष्ट रूप से प्रथम-व्यक्ति गतिविधि वीडियो में प्रदर्शित होवे वाला समसामयिक संरचना के विचार करेला. हमनी के प्रयोग में, हमनी के खाली खंडित वीडियो के साथ वर्गीकरण के परिणाम ना देखाई, बल्कि इ भी पुष्टि करी कि हमनी के नया दृष्टिकोण निरंतर वीडियो से गतिविधि के विश्वसनीयता के साथ पता लगावे में सक्षम बा. |
97876c2195ad9c7a4be010d5cb4ba6af3547421c | |
259c25242db4a0dc1e1b5e61fd059f8949bdb79d | साझा मेमोरी के उपयोग करे वाला कई प्रोसेसर कोर वाला कंप्यूटर अब हर जगह मौजूद बा. एह लेख में, हमनी के कई गो समानांतर ज्यामितीय एल्गोरिदम प्रस्तुत करे के बा जे खास तौर पर एह पर्यावरण के लक्षित करे ले, जेकर मकसद अतिरिक्त कंप्यूटिंग शक्ति के दोहन कइल बा। डी-आयामी एल्गोरिदम जवन कि हमनी के बतावेनीं उ ह (ए) बिंदुअन के स्थानिक क्रमबद्धन, जइसन कि आमतौर पर वृद्धिशील एल्गोरिदम के उपयोग करे से पहिले पूर्व-प्रसंस्करण खातिर उपयोग कइल जाला, (बी) केडी-ट्री निर्माण, (सी) अक्ष-संरेखित बॉक्स चौराहा गणना, आउर अंत में (डी) मेष पीढ़ी एल्गोरिदम के खातिर डेलाउनी त्रिकोण में बिंदुअन के थोक सम्मिलन या केवल डेलाउनी त्रिकोण के गणना. हम इ सब एल्गोरिदम के प्रयोगात्मक परिणाम के 3 डी में देखावल जा रहल बानी, कम्प्यूटेशनल ज्यामिति एल्गोरिदम लाइब्रेरी (सीजीएएल, http://www.cgal.org/) पर आधारित आपन कार्यान्वयन के उपयोग करत बानी. ई काम एगो कदम बा जेकरा के हम आशा करत बानी कि सीजीएएल खातिर एगो समानांतर मोड बन जाई, जहां एल्गोरिदम स्वचालित रूप से उपलब्ध समानांतर संसाधन के उपयोग करे बिना प्रयोगकर्ता के महत्वपूर्ण हस्तक्षेप के आवश्यकता होई. |
ac4a2337afdf63e9b3480ce9025736d71f8cec1a | पार्किंसंस रोग (पीडी) के लगभग 50% रोगी के चाल के ठंढापन (एफओजी) होखेला, जवन कि अचानक आ क्षणिक रूप से चले में असमर्थता होला. ई अक्सर गिरले क कारन बनत ह, दैनिक गतिविधि में बाधा डालत ह आउर जीवन के गुणवत्ता के काफी हद तक बिगड़त ह. काहे से कि पीडी रोगी में पैदल घाटा अक्सर दवा उपचार के प्रतिरोधी होला, प्रभावी गैर-दवा उपचार विशेष रुचि के होला. उद्देश्य हमनी के अध्ययन के लक्ष्य एगो पहिरल जाए वाला यंत्र के अवधारणा के मूल्यांकन कइल बा जे वास्तविक समय में चले के आँकड़ा हासिल कर सकेला, ओकरा के संसाधित कर सकेला आ पहिले से तय विनिर्देश के आधार पर सहायता प्रदान कर सकेला। हम लोग एगो रियल टाइम पहनल जाए वाला एफओजी डिटेक्शन सिस्टम बनवलें जे स्वचालित रूप से एगो संकेत ध्वनि प्रदान करेला जब एफओजी के पता लगावल जाला आ ई तब ले रहेला जब ले विषय फिर से चले सुरू ना हो जाले। हमनी के आपन पहिरल सहायक तकनीक के मूल्यांकन 10 पीडी मरीजन के साथ एगो अध्ययन में कईनी जा। आठ घंटा से जादे समय के डेटा दर्ज कइल गइल आउर प्रत्येक रोगी द्वारा एगो प्रश्नावली भरल गइल. परिणाम पेशेवर फिजियोथेरेपिस्ट द्वारा पोस्ट-हॉक वीडियो विश्लेषण में दू सौ सैंतीस एफओजी घटना के पहचान कइल गइल बाटे. उपकरण द्वारा 0.5 सेकंड के फ्रेम-आधारित मूल्यांकन पर 73.1% के संवेदनशीलता आउर 81.6% के विशिष्टता के साथ ऑनलाइन एफओजी घटना के पता लगावल गइल. निष्कर्ष इ अध्ययन से हमनी के ई देखावे के बा कि पीडी रोगी खातिर ऑनलाइन सहायक प्रतिक्रिया संभव बा. हम पहिनल जा सके वाला सहायक के पहिनले औरु प्रदर्शन के साथ-साथ सहायक के उपयोग कईले के समय उनके चाल प्रदर्शन पर मरीज औरु फिजियोथेरेपिस्ट के दृष्टिकोण के प्रस्तुत औरु चर्चा करेनी औरु अगला अनुसंधान चरणों के इंगित करेनी. हमार परिणाम अइसन संदर्भ-जागरूक प्रणाली के लाभ के प्रदर्शित करेला आउर आगे के अध्ययन के प्रेरित करेला. |
2a68c39e3586f87da501bc2a5ae6138469f50613 | पर्यवेक्षित सीखे में अनुसंधान के एगो बड़ निकाय एकल लेबल डेटा के विश्लेषण से संबंधित बा, जहवां प्रशिक्षण उदाहरण असतत लेबल L के एगो सेट से एकल लेबल λ से जुड़ल होला. हालांकि, कई अनुप्रयोग डोमेन में प्रशिक्षण उदाहरण अक्सर लेबल Y L के एगो सेट से जुड़ल होला. अइसन डेटा के बहु-लेबल कहल जाला. पाठ डेटा, जइसे कि दस्तावेज़ आउर वेब पन्ना, के अक्सर एक से अधिक लेबल के साथ एनोटेट कइल जाला. उदाहरण खातिर, एगो समाचार लेख जे ईसाई चर्च के फिल्म "दा विंची कोड" के रिलीज पर प्रतिक्रिया के बारे में बा, के धर्म आ फिलिम दुनों के रूप में लेबल कइल जा सकेला. पाठ डेटा के वर्गीकरण शायद बहु-लेबल अनुप्रयोग के प्रमुखता बाटे. हाल में, बहु-लेबल डेटा से सीखल जाए के मुद्दा बहुत सारा शोधकर्ता लोगन के ध्यान आकर्षित कइलस, जेके नया अनुप्रयोग के बढ़ती संख्या से प्रेरित कइल गइल, जइसे कि छवियन के सिमेंटिक एनोटेशन [1, 2, 3] आउर वीडियो [4, 5], कार्यात्मक जीनोमिक्स [6, 7, 8, 9, 10], संगीत के भावना में वर्गीकृत कइल गइल [11, 12, 13, 14] आउर निर्देशित विपणन [15]. तालिका 1 में साहित्य में चर्चा कइल गइल बिबिध अनुप्रयोग प्रस्तुत कइल गइल बा. ई अध्याय बहु-लेबल डेटा माइनिंग के तेजी से विकसित हो रहल अनुसंधान क्षेत्र पर पिछला आ हाल के काम के समीक्षा करेला. खंड 2 बहु-लेबल डेटा से सीखे में दुगो प्रमुख कार्य के परिभाषित करेला आउर महत्वपूर्ण संख्या में सीखे के तरीका के प्रस्तुत करेला. खंड 3 में बहु-लेबल डेटा खातिर आयाम में कमी के तरीका पर चर्चा कइल गइल बा. खंड 4 आउर 5 में दू गो महत्वपूर्ण शोध चुनौती के चर्चा कइल गइल बा, जे अगर सफलतापूर्वक पूरा कइल गइल त बहु-लेबल सीखने के तरीका के वास्तविक दुनिया के अनुप्रयोग के काफी विस्तार कर सकेलाः a) लेबल संरचना के उपयोग आउर b) बड़ी संख्या में लेबल के साथ डोमेन तक ले स्केलिंग. खंड 6 में बेंचमार्क मल्टीलेबल डेटासेट आउर उनकर आंकड़ा के परिचय दिहल गइल बा, जबकि खंड 7 में मल्टीलेबल लर्निंग के खातिर सबसे बेसी उपयोग कइल जाए वाला मूल्यांकन उपाय प्रस्तुत कइल गइल बा. |
60686a80b91ce9518428e00dea95dfafadadd93c | ई संचार 2.4 गीगाहर्ट्ज खातिर ध्रुवीकरण विविधता के साथे एगो दोहरी-पोर्ट पुनः विन्यास योग्य स्क्वायर पैच एंटीना प्रस्तुत करेला. पैच पर चार पी-आईएन डायोड के स्थिति के नियंत्रित करके, प्रस्तावित एंटीना के ध्रुवीकरण के रैखिक ध्रुवीकरण (एलपी), बाएं या दाएं हाथ के परिपत्र ध्रुवीकरण (सीपी) के बीच प्रत्येक पोर्ट पर स्विच कइल जा सकेला. पी-आईएन डायोड के बायस सर्किट के सरल बनावे खातिर एयर सब्सट्रेट आउर एपर्चर-कपल्ड फीड स्ट्रक्चर के उपयोग कइल जाला. उच्च अलगाव औरु एलपी मोड में कम क्रॉस-पोलराइजेशन स्तर के साथ, दुनो पोर्ट्स एक साथ डबल रैखिक रूप से ध्रुवीकृत एंटीना के रूप में काम कर सकेला. हर बंदरगाह पर अलग-अलग सीपी तरंग मिलेला, जवन गतिशीलता, प्रतिकूल मौसम के स्थिति आउर गैर-लाइन-ऑफ-सइट अनुप्रयोग से लेके चुनौतियन के संबोधित करे खातिर उपयुक्त होला. एंटीना में सरल पूर्वाग्रह नेटवर्क, आसान निर्माण आउर समायोजन के लाभ होला, जेकरा के ध्रुवीकरण विविधता अनुप्रयोग में व्यापक रूप से लागू कइल जा सकेला. |
0d11248c42d5a57bb28b00d64e21a32d31bcd760 | 19 जुलाई 2001 के, इंटरनेट से जुड़ल 359,000 से ढेर कंप्यूटर 14 घंटा से भी कम समय में कोड-रेड (सीआरवी2) वर्म से संक्रमित भ गइल. ए महामारी के लागत, कोड-रेड के बाद के उपभेद के मिला के, $2.6 बिलियन से बेसी बतावल जा रहल बाटे. इ हमला से वैश्विक नुकसान के बावजूद, कीड़ा के फैलाव के लक्षण के बारे में कुछ गंभीर प्रयास भइल बा, आंशिक रूप से कीड़ा के बारे में वैश्विक जानकारी एकत्र करे के चुनौती के कारण. एगो तकनीक के उपयोग कके जे कीड़ा के प्रसार के वैश्विक पता लगावे के सक्षम बनावेला, हम 2 जुलाई, 2001 से 45 दिन के अवधि में डेटा एकत्रित आउर विश्लेषण कइलस ताकि इंटरनेट भर में कोड-रेड के प्रसार के विशेषता निर्धारित कइल जा सके. इ पत्र में, हम कोड-रेड के प्रसार के पता लगावे खातिर उपयोग करे वाला पद्धति के वर्णन करब, आउर फेर हमनी के ट्रेस विश्लेषण के परिणाम के वर्णन करब. सबसे पहिले हमनी के कोड-रेड आउर कोडरेड II कीड़ा के संक्रमण आउर निष्क्रियता दर के संदर्भ में विस्तार से विस्तार करब. संक्रमण के प्रसार के खातिर अनुकूलित ना भइला के बावजूद, कोड-रेड संक्रमण दर प्रति मिनट 2,000 से अधिक मेजबान पर चरम पर पहुँचल. तब हमनी के संक्रमित मेजबान आबादी के गुण के जांच करेनी, जेमे भौगोलिक स्थान, साप्ताहिक आ दैनिक समय प्रभाव, शीर्ष-स्तर डोमेन, आ आई एस पी शामिल बा. हमनी के देखावल कि कीड़ा एगो अंतर्राष्ट्रीय घटना रहे, संक्रमण गतिविधि दिन के समय के प्रभाव के प्रदर्शित कइलस, आउर पावल कि, हालाँकि अधिकांश ध्यान बड़ निगम पर केंद्रित रहे, कोड-रेड कीड़ा मुख्य रूप से घर आउर छोट व्यवसाय उपयोगकर्ता के शिकार कइलस. हम संक्रमित मेजबान के माप पर डीएचसीपी के प्रभाव के भी मानदंडित कइलें आउर निर्धारित कइलें कि आईपी पते 24 घंटे से अधिक समय तक के समय पर कीड़ा के प्रसार के सटीक माप ना हवे. अंत में, कोड-रेड कीड़ा के अनुभव ई दर्शावेला कि इंटरनेट होस्ट में व्यापक रूप से फइलल कमजोरियन के जल्दी से आउर नाटकीय रूप से फायदा उठावल जा सकेला, आउर इंटरनेट कीड़ा के कम करे खातिर होस्ट पैचिंग के अलावा दोसर तकनीक के भी जरूरत होला. |
0462a4fcd991f8d6f814337882da182c504d1d7b | हमनी के गूगल बुक्स एनग्राम कॉर्पस के एगो नया संस्करण प्रस्तुत करत बानी जा, जे में बतावल गइल बा कि पाँच सदी में केतना बार शब्द आ वाक्यांश आठ भाषा में इस्तेमाल भइल; ई अबले छपल कुल किताब के 6% बा। ई नया संस्करण में वाक्यविन्यास संबंधी एनोटेशन दिहल गइल बा: शब्दन के उनके बोलचाल के हिस्सा के साथ टैग कइल गइल बा, आ हेडमोडिफायर रिश्ता दर्ज कइल गइल बा। एनोटेशन के स्वचालित रूप से सांख्यिकीय मॉडल के साथ बनावल जाला जे खास तौर पर ऐतिहासिक पाठ के अनुकूल होला. एह संग्रह से भासाई रुझानन के अध्ययन में मदद मिली, खासतौर से वाक्य रचना के विकास से जुड़ल रुझानन के अध्ययन में मदद मिली। |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.