_id
stringlengths 40
40
| text
stringlengths 0
9.62k
|
|---|---|
5c1ab86362dec6f9892a5e4055a256fa5c1772af | 3जी सिस्टम के दीर्घकालिक विकास (एलटीई) के विनिर्देश वर्तमान में 3जीपीपी में चालू बा जेकर लक्ष्य 2007 के अंत में तैयार विनिर्देश के लक्ष्य बा. विकसित रेडियो एक्सेस नेटवर्क (आरएएन) में ओएफडीएम प्रौद्योगिकी पर आधारित एगो नया रेडियो इंटरफ़ेस आउर एगो आम तौर पर अलग आरएएन आर्किटेक्चर शामिल बा, जहां रेडियो कार्यक्षमता बेस स्टेशन में वितरित कइल गइल बा. आरएएन आर्किटेक्चर के वितरित प्रकृति के खातिर नया रेडियो नियंत्रण एल्गोरिदम आउर प्रक्रिया के आवस्यकता होला जे वितरित तरीका से काम करेला, जेमे वितरित हस्तांतरण योजना भी शामिल बा. एलटीई में हस्तांतरण प्रक्रिया के सबसे महत्वपूर्ण पहलु के कुछ विवरण के छोड़ के 3जीपीपी में पहले से ही व्यवस्थित कइल गइल बाटे. ई लेख में हमनी के एलटीई इंट्रा-एक्सेस हैंडओवर प्रक्रिया के बारे में जानकारी दिहल जा रहल बा आ एकर परफॉर्मेंस के मूल्यांकन कइल जा रहल बा जेह में यूजर के परफॉर्मेंस के बारे में विचार कइल जाई। हम टीसीपी थ्रूपुट के नजरिया से पैकेट अग्रेषण के जरूरत के जांच करब, हम हस्तांतरण के दौरान ऑर्डर से बाहर पैकेट डिलीवरी के समस्या के विश्लेषण करब आउर एकर एगो सरल समाधान प्रस्तावित करब. अंत में, हम हर्क/एआरके राज्य के प्रभाव के जांच करब जे रेडियो दक्षता पर हस्तांतरण पर छोड़ल गइल रहे. नतीजा ई देखावेला कि LTE के स्थानांतरण आधारित हस्तांतरण प्रक्रिया से ना त उपयोगकर्ता के अनुभवित प्रदर्शन से ना ही रेडियो दक्षता से समझौता कइल जाला. |
3fb91bbffa86733fc68d4145e7f081353eb3dcd8 | इलेक्ट्रोमाइग्राफी (ईएमजी) सिग्नल क उपयोग क्लिनिकल/बायोमेडिकल अनुप्रयोग, इवोल्वएबल हार्डवेयर चिप (ईएचडब्ल्यू) विकास, आउर आधुनिक मानव-कंप्यूटर बातचीत क खातिर करल जा सकेला. मांसपेशिय से प्राप्त ईएमजी सिग्नल के पता लगावे, विघटन, प्रसंस्करण आउर वर्गीकरण खातिर उन्नत विधि के आवश्यकता होला. ई पेपर के उद्देश्य ईएमजी सिग्नल के विश्लेषण खातिर विभिन्न पद्धति आउर एल्गोरिदम के स्पष्ट कइल बा ताकि सिग्नल आउर ओकर प्रकृति के समझे के कुशल आउर प्रभावी तरीका प्रदान कइल जा सके. ईएमजी के उपयोग करे वाला कुछ हार्डवेयर कार्यान्वयन के बारे में हमनी के आगे बतावे के बा जे कृत्रिम हाथ के नियंत्रण, पकड़ के पहचान, आ मानव-कंप्यूटर के बीच बातचीत से जुड़ल अनुप्रयोग पर केंद्रित बा. विभिन्न ईएमजी सिग्नल विश्लेषण विधियन के प्रदर्शन देखावे खातिर तुलनात्मक अध्ययन भी दिहल गइल बा. ई पेपर शोधकर्ता लोग के ईएमजी सिग्नल आ एकर विश्लेषण के तरीका के बारे में बढ़िया जानकारी देला। ई ज्ञान उनका के अधिक शक्तिशाली, लचीला, आउर कुशल अनुप्रयोग विकसित करे में मदद करी. |
ab71da348979c50d33700bc2f6ddcf25b4c8cfd0 | |
6cc4a3d0d8a278d30e05418afeaf6b8e5d04d3d0 | |
6180a8a082c3d0e85dcb9cec3677923ff7633bb9 | दू दशक पहिले सूचना प्रणाली अनुसंधान (आईएसआर) के उद्घाटन के बाद से, सूचना प्रणाली (आईएस) क्षेत्र के ध्यान प्रशासनिक प्रणाली आउर व्यक्तिगत उपकरण से आगे बढ़ गइल बा. लाखों लोग फेसबुक पर लॉग इन करे ला, आईफोन एप्लीकेशन डाउनलोड करे ला, आ मोबाइल सेवा के इस्तेमाल करके विकेन्द्रीकृत काम के संगठन बनावे ला। ई नया गतिशीलता के समझे खातिर ई जरूरी होई कि क्षेत्र आईटी कलाकृतियन के एगो श्रेणी के रूप में डिजिटल बुनियादी ढांचा पर ध्यान दे. साहित्य के एगो अत्याधुनिक समीक्षा से डिजिटल बुनियादी ढाँचा में बढ़त रुचि के पता चलल, लेकिन ई भी पुष्टि भइल कि क्षेत्र के अभी तक बुनियादी ढाँचा के आपन शोध प्रयास के केंद्र में रखे के बा. ई बदलाव के सहायता खातिर हमनी के आईएस रिसर्च खातिर तीन गो नया दिसा के प्रस्ताव दिहल जा रहल बा: (1) डिजिटल इंफ्रास्ट्रक्चर के प्रकृति के सिद्धांत एगो अलग प्रकार के आईटी आर्टिफैक्ट के रूप में, सुई जेनेरिस; (2) डिजिटल इंफ्रास्ट्रक्चर रिलेशनल कंस्ट्रक्ट के रूप में जवन कि आईएस के सगरी पारंपरिक रिसर्च क्षेत्र के आकार देला; (3) बदलाव आ कंट्रोल के विरोधाभास के प्रमुख आईएस घटना के रूप में। हम सुझाव के साथ निष्कर्ष निकालब कि कइसे अनुदैर्ध्य, बड़ पैमाना पर सामाजिक-तकनीकी घटना के अध्ययन कइल जा सकेला जबकि पारंपरिक श्रेणियन के सीमा पर ध्यान रखे के प्रयास कइल जा सकेला जे आईएस अनुसंधान के निर्देशित कइले बा. |
e83a2fa459ba921fb176beacba96038a502ff64d | एगो संयोजन रणनीति (जेके संयोजन योजना भी कहल जाला) एगो तकनीक ह जेकर उपयोग अलग-अलग वर्गीकरणकर्ता के आउटपुट के संयोजन खातिर कइल जाला. सार स्तर पर सबसे लोकप्रिय संयोजन रणनीति बहुमत वोट नियम पर आधारित होला, जवन बस सबसे अधिक वोट वाला वर्ग के इनपुट पैटर्न असाइन करेला (धारा 7.2 देखीं). जब दूगो वर्गीकरणकर्ता के जोड़ल जाला, तार्किक AND या तार्किक OR ऑपरेटर के उपयोग कइल जाला. जब दू से अधिक वर्गीकरणकर्ता एकीकृत होलें, तब AND/OR नियम के संयोजन कइल जा सकेला. उदाहरण खातिर, एगो बायोमेट्रिक प्रणाली फिंगरप्रिंट OR (चेहरा अउरी हाथ ज्यामिति) पर काम कर सकेला; यानी, एकर उपयोग करे वाला के पहचान खातिर या त एगो फिंगरप्रिंट या चेहरा अउरी हाथ ज्यामिति दुनों के प्रस्तुत करे के जरुरत होला. श्रेणी सेट में कमी, लॉजिस्टिक रिग्रेशन, आउर बोर्डा गणना श्रेणी लेबल के आधार पर वर्गीकरण के संयोजन में सबसे अधिक उपयोग कइल जाए वाला दृष्टिकोण हवे (हो, हल आउर श्रीहरि, 1994) । वर्ग समुच्चय घटावे में, वर्ग के उपसमुच्चय के इ उद्देश्य से चुनल जाला कि उपसमुच्चय जेतना संभव हो सके छोट हो आउर फिर भी सही वर्ग के शामिल करे. कई गो तरीका से कईगो उपसमूह के आमतौर पर संघ या उपसमूह के चौराहा के उपयोग करके जोड़ल जाला. लॉजिस्टिक प्रतिगमन आउर बोर्डा गणना के सामूहिक रूप से वर्ग सेट पुनर्व्यवस्थापन विधि कहल जाला. इहाँ के उद्देश्य दिहल गइल वर्ग के आम सहमति के क्रम में राखल बा ताकि सही वर्ग के शीर्ष पर रखल जाय। रैंक लेबल एगो अनुक्रमण/पुनर्प्राप्ति प्रणाली में एकीकरण खातिर बहुत उपयोगी होला. एगो बायोमेट्रिक पुनर्प्राप्ति प्रणाली आमतौर पर उम्मीदवारन के क्रमबद्ध सूची (सबसे संभावित मैच) आउटपुट करेला. इ क्रमबद्ध सूची के सबसे ऊपर के तत्व के सही मेल के सबसे अधिक संभावना होला आउर सूची के निचला भाग सबसे कम संभावना वाला मेल होला. कई तरीका से साख मूल्य के जोड़ के सबसे लोकप्रिय संयोजन योजना कुल, औसत, माध्य, उत्पाद, न्यूनतम आउर अधिकतम नियम होला. किटलर एट अल. (1998) इ लोकप्रिय योजना के अंतर्निहित गणितीय आधार के समझे के प्रयास में एक सैद्धांतिक ढांचा विकसित कइले बाड़ें. उनकर प्रयोग से पता चलल कि योग या औसत योजना आम तौर पर व्यवहार में बहुत अच्छा प्रदर्शन करेला. योग नियम के उपयोग में एगो समस्या इ बा कि विभिन्न तरीका से आत्मविश्वास (या स्कोर) के सामान्यीकृत करल जाए के चाही. इ सामान्यीकरण में आमतौर पर अलग-अलग तरीका से एगो सामान्य डोमेन में विश्वास माप के मानचित्रण शामिल होला. उदाहरण खातिर, एगो बायोमेट्रिक सिस्टम दूरी के स्कोर आउटपुट कर सकेला (जोतना कम स्कोर, ओतना बेसी समान पैटर्न) जबकि दूसर समानता स्कोर आउटपुट कर सकेला (जेतना बेसी स्कोर, ओतना बेसी समान पैटर्न) आउर एही तरह स्कोर के सीधे योग नियम के उपयोग करके जोड़ल ना जा सकेला. एकर सबसे सरल रूप में, इ सामान्यीकरण में केवल दूरी के स्कोर के संकेत के उलटा करल शामिल हो सकेला ताकि उच्च स्कोर उच्च समानता से मेल खाए. एगो अधिक जटिल रूप में, सामान्यीकरण गैर-रैखिक हो सकेला जेके प्रशिक्षण डेटा से प्रत्येक मोडलिटी से विश्वास मूल्य के वितरण के अनुमान लगाके सीखे के जा सकेला. तब स्कोर के अनुवाद कइल जाला आउर शून्य औसत, इकाई विचलन के खातिर स्केल कइल जाला, आउर फेर एगो हाइपरबोलिक स्पर्शरेखा फलन के उपयोग करके (0,1) के एगो निश्चित अंतराल पर फिर से मैप कइल जाला. ध्यान दीं कि सामान्यीकरण खातिर अनुमानित वितरण के मापदंड बनावे के मोह बा. हालांकि, वितरण के अइसन पैरामीटर के सावधानी के साथ उपयोग कइल जाए के चाहीं, काहे कि बायोमेट्रिक सिस्टम के त्रुटि दर आमतौर पर बहुत छोट होला आउर वितरण के पूंछ के अनुमान लगावे में एगो छोट त्रुटि के परिणामस्वरूप त्रुटि अनुमान में महत्वपूर्ण परिवर्तन हो सकेला (चित्र 7.3 देखल जाय). एगो दोसर सामान्य अभ्यास प्रशिक्षण डेटा से प्रत्येक मोडलिटी खातिर अलग-अलग स्केलिंग कारक (वजन) के गणना करल बा, ताकि संयुक्त वर्गीकरण के सटीकता अधिकतम हो सके. ई भारित योग नियम के सरल योग नियम से बेहतर काम करे के उम्मीद बा जब घटक वर्गीकरणकर्ता के अलग-अलग ताकत होला (यानी, अलग-अलग त्रुटि दर). आरेख 7.3. (ए) फिंगरप्रिंट सत्यापन प्रणाली खातिर वास्तविक आउर इम्पोस्टर वितरण (जैन एट अल, 2000) आउर इम्पोस्टर वितरण खातिर सामान्य अनुमान. दृश्य रूप से, सामान्य अनुमान अच्छा प्रतीत होला, लेकिन आरओसी में दिखावे के रूप में गैर-पैरामीटरिक अनुमान के तुलना में प्रदर्शन में महत्वपूर्ण कमी होला, जहां एफएमआर के एफएआर (फॉल्स एक्सेप्टेंस रेट) आउर (1-एफएनएमआर) के रूप में वास्तविक एक्सेप्टेंस रेट के रूप में संदर्भित कइल जाला. © एल्सवेर. बायोमेट्रिक सिस्टम में कई गो तरीका के संयोजन के कुछ योजना के सैद्धांतिक दृष्टिकोण से भी अध्ययन कइल गइल बा. सैद्धांतिक विश्लेषण के माध्यम से, ड्यूगमैन (1999बी) देखवलें कि अगर एगो मजबूत बायोमेट्रिक आउर एगो कमजोर बायोमेट्रिक के एगो अमूर्त स्तर के संयोजन के साथ जोड़ल जाला, त या त AND या OR मतदान नियम के उपयोग करके, संयोजन के प्रदर्शन दुगो व्यक्तिगत बायोमेट्रिक के बेहतर से खराब होई. हांग, जैन आउर पंकान्टी (1999) के सैद्धांतिक विश्लेषण कि एंड/ओर वोटिंग रणनीति प्रदर्शन में सुधार कर सकेला जब कुछ शर्त पूरा होले, तबे डौगमैन के निष्कर्ष के पुष्टि कइल जा सकेला. उनकर विश्लेषण से ई भी पता चलल कि कमजोर आउर मजबूत बायोमेट्रिक के संयोजन के मामला में भी विश्वास स्तर के संलयन से समग्र प्रदर्शन में महत्वपूर्ण सुधार होए के उम्मीद बा. किटलर एट अल. (1998) एगो संवेदनशीलता विश्लेषण के शुरुआत कइलस जेवना से समझावल जा सके कि योग (या औसत) नियम दूसर नियम के तुलना में बेहतर काहे होला. उ लोग देखलन कि योग नियम अन्य समान नियम (जइसे कि उत्पाद नियम) के तुलना में बाद के संभावना (आश्वासन मूल्य) के अनुमान लगावे में व्यक्तिगत वर्गीकरणकर्ता के त्रुटि दर के प्रति कम संवेदनशील बा. उ लोग के दावा बा कि योग नियम समान पछा के संभावना के अलग-अलग अनुमान के संयोजन खातिर सबसे उपयुक्त बा (उदाहरण खातिर, अलग-अलग वर्गीकरक आरंभिकरण से उत्पन्न). प्रभाकर आउर जैन (2002) नेमैन-पीयरसन संयोजन योजना के साथ योग आउर उत्पाद नियम के तुलना कइलन आउर देखवलन कि सहसंबंधित विशेषता के संयोजन करे पर योग नियम से खराब होला आउर कमजोर आउर मजबूत वर्गीकरण के संयोजन करे पर योग नियम आउर उत्पाद नियम नीमन-पीयरसन संयोजन योजना से नीच होला. 0 20 40 60 80 100 0 1 2 3 4 5 6 7 सामान्यीकृत मिलान स्कोर परिकरणा (% ) इम्पॉस्टर वास्तविक गैर-पैरामीटर इम्पॉस्टर वितरण सामान्य इम्पॉस्टर वितरण वास्तविक वितरण 0 1 2 3 4 5 50 55 60 65 70 75 80 85 90 95 100 गलत स्वीकृति दर (%) G en ui ne A cc ep ta nc e R at e (% ) गैर-पैरामीटर इम्पॉस्टर वितरण के उपयोग क के सामान्य इम्पॉस्टर वितरण के उपयोग क के |
b4894f7d6264b94ded94181d54c7a0c773e3662b | हाल में पैदल गति के विश्लेषण एगो लोकप्रिय शोध क्षेत्र बन गइल बा आउर न्यूरोडिजेनेरेटिव रोग के नैदानिक निदान में व्यापक रूप से लागू कइल गइल बा. हिप आउर घुटना के संयुक्त कोण के कैप्चर करे खातिर विभिन्न कम लागत वाला सेंसर-आधारित आउर विजन-आधारित सिस्टम विकसित कइल गइल बा. हालांकि, इ सब प्रणाली क परफॉर्मेंस क वैधता आ तुलना नाही करल गयल हव. इ अध्ययन के उद्देश्य एगो प्रयोग के स्थापित करल आउर कई जड़ता माप इकाई (आईएमयू) के साथ एगो सेंसर-आधारित प्रणाली के प्रदर्शन के तुलना करल बा, मार्कर डिटेक्शन के साथ एगो विजन-आधारित गियर विश्लेषण प्रणाली, आउर सामान्य चलने के दौरान हिप आउर घुटना संयुक्त कोण के कैप्चर करे पर मार्करलेस विजन-आधारित प्रणाली. प्राप्त माप के गोनियोमीटर से प्राप्त डेटा के साथ जमीनी सच्चाई माप के रूप में मान्य कइल गइल रहे. परिनाम ई दर्शावेला कि आईएमयू-आधारित सेंसर प्रणाली छोट त्रुटी के साथ उत्कृष्ट प्रदर्शन देवेला, जबकि विजन सिस्टम थोड़ा बड़ त्रुटी के साथ स्वीकार्य परिणाम देवेला. |
0e78b20b27d27261f9ae088eb13201f2d5b185bd | सुविधा चयन खातिर एल्गोरिदम के दू गो व्यापक श्रेणी में बाँटल जालाः रैपर जे कि सीखे के एल्गोरिथ्म के उपयोग करके सुविधा के उपयोगिता के मूल्यांकन करेला आउर फ़िल्टर जे कि डेटा के सामान्य विशेषता के आधार पर हेरिस्टिक्स के अनुसार सुविधा के मूल्यांकन करेला. बड़ डेटाबेस में लागू करे खातिर, फिल्टर रैपर के तुलना में जादे व्यावहारिक साबित होला काहे कि ई बहुत तेज होला. हालांकि, जादातर मौजूदा फ़िल्टर एल्गोरिदम खाली असतत वर्गीकरण समस्या के साथ काम करेला. इ पत्र में एगो तेज, सहसंबंध-आधारित फ़िल्टर एल्गोरिथ्म के वर्णन कइल गइल बा जे निरंतर आउर असतत समस्या पर लागू कइल जा सकेला. एल्गोरिथ्म अक्सर प्रसिद्ध रिलीफएफ विशेषता अनुमानक से बेहतर प्रदर्शन करेला जब इ के प्रयोग बेयिस, उदाहरण-आधारित सीख, निर्णय पेड़, स्थानीय रूप से भारित प्रतिगमन आउर मॉडल पेड़ खातिर पूर्व-प्रसंस्करण चरण के रूप में कइल जाला. ई रिलीफएफ के तुलना में जादे सुविधा चयन करेला- ज्यादातर मामला में डेटा आयाम के पचास प्रतिशत कम कर देवेला. एकरे अलावा, पूर्व-प्रसंस्कृत डेटा से बनल निर्णय आउर मॉडल पेड़ अक्सर बहुत छोट होलें. |
1b65af0b2847cf6edb1461eda659f08be27bc76d | हम रैखिक मॉडल में अनुमान खातिर एगो नया तरीका प्रस्तावित करत बानी. लासो वर्ग के अवशिष्ट योग के कम से कम करेला, जब गुणांक के पूर्ण मान के योग एगो स्थिरांक से कम होला. इ बाधा के प्रकृति के कारण इ कुछ गुणांक के उत्पादन करेला जे बिल्कुल 0 होला आउर एही से व्याख्या योग्य मॉडल देवेला. हमनी के सिमुलेशन अध्ययन से पता चलल कि लासो में सबसेट चयन आउर रिज रिग्रेशन दुनों के कुछ अनुकूल गुण मिलेला. ई सबसेट चयन जइसन व्याख्या योग्य मॉडल उत्पन्न करेला आउर रिज प्रतिगमन के स्थिरता के प्रदर्शित करेला. डोनोहो आउर जॉनस्टोन द्वारा अनुकूली कार्य अनुमान में हाल के काम के साथ एगो दिलचस्प संबंध भी बा. लसोट विचार काफी सामान्य बा आउर इके विभिन्न सांख्यिकीय मॉडल में लागू कइल जा सकेला: सामान्यीकृत प्रतिगमन मॉडल आउर पेड़-आधारित मॉडल के विस्तार के संक्षेप में वर्णित कइल गइल बा. |
3a8aa4cc6142d433ff55bea8a0cb980103ea15e9 | |
75cbc0eec23375df69de6c64e2f48689dde417c5 | कम लागत वाला माइक्रोसॉफ्ट किनेक्ट सेंसर के आविष्कार के साथ, उच्च-रिज़ॉल्यूशन गहराई आउर दृश्य (आरजीबी) संवेदन व्यापक उपयोग खातिर उपलब्ध हो गइल बा. किनेक्ट सेंसर द्वारा दिहल गइल गहराई आ दृश्य जानकारी के पूरक प्रकृति कंप्यूटर दृष्टि के मूलभूत समस्या के हल करे के नया अवसर खोल देला। इ पत्र हाल के किनेक्ट-आधारित कंप्यूटर विजन एल्गोरिदम आउर अनुप्रयोग के व्यापक समीक्षा प्रस्तुत करेला. समीक्षा कइल गइल दृष्टिकोण के दृष्टि समस्या के प्रकार के अनुसार वर्गीकृत कइल गइल बा जेकरा के किनेक्ट सेंसर के माध्यम से संबोधित या बढ़ावल जा सकेला. एह में शामिल बिसय में प्रीप्रोसेसिंग, ऑब्जेक्ट ट्रैकिंग आ रिकग्निशन, मानव गतिविधि विश्लेषण, हाथ के इशारा विश्लेषण, आ इनडोर थ्री-डी मैपिंग शामिल बा। हर श्रेणी के तरीका खातिर, हम उनकर मुख्य एल्गोरिथम योगदान के रूपरेखा तैयार करब आउर उनकर आरजीबी समकक्ष के तुलना में उनकर फायदा / अंतर के सारांशित करब. अंत में, हमनी के ए क्षेत्र में आव्हानन के अउर भविष्य के शोध प्रवृत्तियन के एगो अवलोकन देत बानी. इ पेपर के किनेक्ट-आधारित कंप्यूटर विजन शोधकर्ता लोगन खातिर ट्यूटोरियल आउर संदर्भ के स्रोत के रूप में काम करे के उम्मीद बा. |
aa358f4a0578234e301a305d8c5de8d859083a4c | इ पत्र गहराई सेंसर के साथ वास्तविक समय में मानव क्रिया मान्यता खातिर ऑर्डरलेट कहल जाये वाला एगो उपन्यास दृश्य प्रतिनिधित्व प्रस्तुत करेला. ऑर्डरलेट एगो मध्य स्तर के विशेषता होला जे निम्न स्तर के विशेषता के समूह में क्रमबद्ध पैटर्न के पकड़ लेला. कंकाल खातिर, एगो ऑर्डरलेट जोड़ के समूह के बीच विशिष्ट स्थानिक संबंध के पकड़ लेला. गहराई मानचित्र खातिर, एगो ऑर्डरलेट उप-क्षेत्रन के समूह के बीच आकार जानकारी के तुलनात्मक संबंध के बिसेसता देवेला. ऑर्डरलेट निरूपण में दू गो बढ़िया गुण होला. पहिले, इ छोट शोर खातिर असंवेदनशील होला काहे कि एगो ऑर्डरलेट केवल व्यक्तिगत विशेषता के बीच तुलनात्मक संबंध पर निर्भर करेला. दूसरा, ई फ्रेम-स्तर के प्रतिनिधित्व हवे, एही से ई रीयल-टाइम ऑनलाइन क्रिया के पहिचान खातिर उपयुक्त बा. प्रायोगिक परिणाम ऑनलाइन क्रिया के मान्यता आउर पार-पर्यावरण क्रिया के मान्यता पर एकर बेहतर प्रदर्शन के प्रदर्शित करेला. |
30f1ea3b4194dba7f957fd6bf81bcaf12dca6ff8 | बढ़त पार्सिंग तकनीक जइसे कि शिफ्ट-रिड्यूस के लोकप्रियता बढ़ल बा, लेकिन एगो बड़हन समस्या बा: खोज लालची बा आउर ऊ पूरा जगह के एगो छोट हिस्सा के ही खोजत बा (भले ही बीम खोज के साथ) जबकि गतिशील प्रोग्रामिंग के तुलना में. हम देखवईब कि, आश्चर्यजनक रूप से, गतिशील प्रोग्रामिंग वास्तव में कई शिफ्ट-कम करे वाला पार्सर के खातिर संभव बा, विसेसता मान के आधार पर "समान" स्टैक के मिलाके. अनुभव के अनुसार, हमार एल्गोरिथ्म एगो अत्याधुनिक शिफ्ट-कम निर्भरता पार्सर के तुलना में पांच गुना तेजी से काम करेला, एकर सटीकता में कौनो कमी ना होला. बेहतर खोज बेहतर सीख के भी परिणाम देवेला, आउर हमार अंतिम पार्सर अंग्रेजी आउर चीनी खातिर पहिले से रिपोर्ट करल गइल सब निर्भरता पार्सर के पार कर जा ला, फिर भी इ बहुत तेज बा. |
422d9b1a05bc33fcca4b9aa9381f46804c6132fd | कुछ प्रश्न के उत्तर खाली मशीन से ना दिहल जा सके. अइसन क्वेरी के प्रोसेस करे खातिर डेटाबेस में गायब जानकारी देबे खातिर, गणनात्मक रूप से कठिन कार्य करे खातिर, आउर फजी मानदंड के आधार पर परिणाम के मिलान, श्रेणीबद्ध करे, या एकत्रित करे खातिर मानव इनपुट के आवश्यकता होला. क्राउडडीबी मानव इनपुट के उपयोग क्राउडसोर्सिंग के माध्यम से अइसन क्वेरी के प्रोसेस करे खातिर करेला जेकर ना त डेटाबेस सिस्टम ना ही खोज इंजन पर्याप्त रूप से जवाब दे सकेले. ई एसक्यूएल के इस्तेमाल जटिल क्वेरी बनावे खातिर भाषा के रूप में आ डेटा के मॉडल बनावे के तरीका के रूप में करे ला। जबकि क्राउडडीबी पारंपरिक डेटाबेस सिस्टम के कई पहलु के लाभ उठावेला, लेकिन एमे कुछ महत्वपूर्ण अंतर भी बा. वैचारिक रूप से, एगो प्रमुख परिवर्तन इ बा कि क्वेरी प्रसंस्करण खातिर पारंपरिक बंद-विश्व धारणा मानव इनपुट खातिर मान्य नईखे. क्रियान्वयन के नजरिया से, भीड़-आधारित डेटा के प्राप्त करे, एकीकृत करे आउर साफ करे खातिर मानव-उन्मुख क्वेरी ऑपरेटर के जरूरत बा. एकरे अलावा, काम के परफॉर्मेंस आ लागत कई गो नया कारक पर निर्भर करे ला जेह में काम करे वाला के काम करे के तरीका, ट्रेनिंग, थकान, मोटिवेशन आ लोकेशन शामिल बा। हम लोग CrowdDB के डिजाइन के बारे में बताईं, अमेजन मैकेनिकल तुर्क के प्रयोग से प्रयोग के प्रारंभिक सेट के बारे में रिपोर्ट करीं, आ आगे के काम खातिर महत्वपूर्ण तरीका के रूपरेखा तैयार करीं जेह में क्राउडसोर्स क्वेरी प्रोसेसिंग सिस्टम के विकास के बात कइल जाय। |
edc2e4e6308d7dfce586cb8a4441c704f8f8d41b | इ पत्र में, हम फलन के औसत के वितरित रूप से कम करे खातिर दू गो नया संचार-कुशल विधि प्रस्तुत करब. पहिला एल्गोरिथ्म DANE एल्गोरिथ्म के एगो गलत रूप हवे [20] जे कौनों स्थानीय एल्गोरिथ्म के स्थानीय उपसमस्या के अनुमानित समाधान लौटावे के अनुमति देवेला. हम देखनी कि अइसन रणनीति से डेन के सैद्धांतिक गारंटी पर कउनो असर ना पड़ेला. वास्तव में, हमार दृष्टिकोण के एगो मजबूत रणनीति के रूप में देखल जा सकेला काहे कि विधि व्यवहार में उत्पन्न होखे वाला डेटा विभाजन पर DANE के तुलना में काफी बेहतर व्यवहार करेला. ई बात जानल जाले कि DANE एल्गोरिथ्म संचार जटिलता के निचला सीमा से मेल ना खाई. इ खाई के पाट करे खातिर, हम पहिला विधि के एगो त्वरित संस्करण के प्रस्तावित करिला, जेकरा के एआईडीई कहल जाला, जवन न केवल संचार निचला सीमा से मेल खाला बल्कि विशुद्ध रूप से प्रथम-क्रम के प्राचार्य के उपयोग करके लागू कइल जा सकेला. हमार अनुभवजन्य परिणाम देखावत बा कि मशीन लर्निंग अनुप्रयोग में स्वाभाविक रूप से उत्पन्न होखे वाला सेटिंग्स में एआईडीई अन्य संचार कुशल एल्गोरिदम से बेहतर बा. |
c677166592b505b80a487fb88ac5a6996fc47d71 | एह लेख में बड़हन पैमाना पर जटिल सिस्टम के विकेन्द्रीकृत नियंत्रण के क्षेत्र में अतीत आ वर्तमान के परिणाम के समीक्षा कइल गइल बा। विकेन्द्रीकरण, विघटन, आउर मजबूती पर जोर दिहल गइल बा. इ पद्धति बड़ पैमाना के जटिल प्रणालियन में उत्पन्न होखे वाली विसेस कठिनाइ के दूर करे खातिर प्रभावी साधन के रूप में काम करेला जइसे कि उच्च आयाम, सूचना संरचना के बाधा, अनिश्चितता आउर देरी. एह सामग्री में भविष्य के शोध खातिर कई संभावित विषय के परिचय दिहल गइल बा. अवलोकन में इंटरकनेक्टेड डायनामिक सिस्टम में हाल के अपघटन दृष्टिकोण पर ध्यान केंद्रित कइल गइल बा काहे कि ई नेटवर्क नियंत्रण प्रणाली में विकेन्द्रीकृत नियंत्रण के विस्तार प्रदान करे में संभावित बा. # 2008 एल्सवियर लिमिटेड. सब अधिकार सुरक्षित बा. |
0debd1c0b73fc79dc7a64431b8b6a1fe21dcd9f7 | सुविधा चयन वर्गीकरण सटीकता में सुधार कर सकेला आउर वर्गीकरण के कम्प्यूटेशनल जटिलता के कम कर सकेला. घुसपैठ के पता लगावे वाला सिस्टम (आईडीएस) में डेटा सुविधा हमेशा असंतुलित वर्गीकरण के समस्या प्रस्तुत करेला जेमे कुछ वर्गीकरण में केवल कुछ उदाहरण होला जबकि दुसर में बहुत सारा उदाहरण होला. ई असंतुलन स्पष्ट रूप से वर्गीकरण के दक्षता के सीमित कर सकेला, लेकिन एकरा के दूर करे के बहुत कम प्रयास कइल गइल बा. इ पत्र में, आईडीएस में विशेषता चयन खातिर कई-उद्देश्यीय समस्या खातिर एगो योजना प्रस्तावित कइल गइल बा, जे जनसंख्या विकास खातिर दू रणनीति के उपयोग करेला, अर्थात्, एगो विशेष प्रभुत्व विधि आउर एगो पूर्वनिर्धारित बहु लक्षित खोज. इ न केवल सामान्य आउर असामान्य के बीच बल्कि असामान्यता प्रकार द्वारा भी यातायात के अंतर कर सकेला. हमार योजना के आधार पर, NSGA-III के उपयोग अच्छा परफॉर्मेंस के साथ पर्याप्त फीचर सबसेट प्राप्त करे खातिर कइल जाला. एगो नया आला संरक्षण प्रक्रिया के उपयोग करके एगो बेहतर बहु-उद्देश्य अनुकूलन एल्गोरिथ्म (I-NSGA-III) के आगे प्रस्तावित कइल गइल बा. एमे पूर्वाग्रह-चयन प्रक्रिया होला जे सबसे कम चयनित विसेषता वाला व्यक्ति के चयन करेला आउर फिट-चयन प्रक्रिया होला जे अधिकतम योग वजन वाला व्यक्ति के चयन करेला. प्रयोगात्मक परिणाम से पता चलेला कि I-NSGA-III कम उदाहरण वाला वर्ग खातिर उच्च वर्गीकरण सटीकता के साथे असंतुलन समस्या के कम कर सकेला. एकरे अलावा, ई उच्च वर्गीकरण सटीकता आउर कम कम्प्यूटेशनल जटिलता दुनों प्राप्त कर सकेला. © 2016 एल्सेवियर बी.वी. द्वारा प्रकाशित कइल गइल |
5a4a53339068eebd1544b9f430098f2f132f641b | डीप लैटेंट-वैरिएबल मॉडल बिना देखरेख के उच्च-आयामी डेटा के निरूपण सीखल जाला. हाल के कई प्रयास सीखल अभ्यावेदन पर केंद्रित बा जे भिन्नता के सांख्यिकीय रूप से स्वतंत्र अक्ष के अलग करेला, अक्सर वस्तुनिष्ठ फलन के उपयुक्त संशोधन के लागू करके. हम इ बढ़त साहित्य के संश्लेषण करे खातिर सबूत के निचला सीमा के सामान्यीकरण के तैयार करेनी जे स्पष्ट रूप से गुप्त कोड के विरलता, निरूपण के द्विपक्षीयता आउर अनुभवजन्य डेटा वितरण के समर्थन के कवरेज के बीच व्यापार-बंद के प्रतिनिधित्व करेला. हमार उद्देश्य अइसन पदानुक्रमित निरूपण के सीखल भी उचित बा जे ब्लॉक के भीतर कुछ हद तक सहसंबंध के अनुमति देत समय चर के ब्लॉक के अलग करेले. डेटासेट के एगो श्रृंखला पर प्रयोग से पता चलल बा कि सीखे वालन निरूपण में व्याख्या योग्य विशेषता होला, असतत गुण सीखल जा सकेला आउर कारक के अनदेखे संयोजन में सामान्यीकृत कइल जा सकेला. |
4b19be501b279b7d80d94b2d9d986bf4f8ab4ede | |
8ba965f138c1178aef09da3781765e300c325f3d | इलेक्ट्रोमायोग्राम या ईएमजी सिग्नल एगो बहुत छोट सिग्नल होला; एकरा के प्रदर्शित करे या आगे के विश्लेषण प्रक्रिया खातिर बढ़ावे खातिर सिस्टम के आवश्यकता होला. इ पत्र कम लागत वाला फिजियोथेरेपी ईएमजी सिग्नल अधिग्रहण प्रणाली के विकास के प्रस्तुत करेला जेमे दु चैनल इनपुट होला. अधिग्रहण प्रणाली में, दुनों इनपुट सिग्नल के अंतर प्रवर्धक के साथ बढ़ा दिहल जाला आउर ईएमजी सिग्नल के रैखिक लिफाफा प्राप्त करे खातिर सिग्नल पूर्व-प्रसंस्करण से गुजरल जाला. तब प्राप्त ईएमजी सिग्नल के डिजिटाइज कइल जाला आउर एकरा के कंप्यूटर में भेजल जाला ताकि एकरा के प्लॉट कइल जा सके. |
01413e1fc981a8c041dc236dcee64790e2239a36 | मशीन लर्निंग में कई प्रकार के समस्या, जेमे नमूना क्लस्टरिंग, दस्तावेज़ सारांश, आउर सेंसर प्लेसमेंट शामिल बा, के बाध्य उप-मॉड्यूलर अधिकतम समस्या के रूप में डालल जा सकेला. हाल में बहुत सारा प्रयास इ सब समस्या के हल करे खातिर वितरित एल्गोरिदम के विकास खातिर कइल गइल बा. हालांकि, इ परिणाम उच्च संख्या में राउंड, सबऑप्टिमल अनुमान अनुपात, या दोनों से पीड़ित होला. हम अनुक्रमिक सेटिंग में मौजूदा एल्गोरिदम के वितरित सेटिंग में ले आवे खातिर एगो ढांचा विकसित कर रहल बानी, जेमे केवल मैपरेड्यूस राउंड के स्थिर संख्या में कई सेटिंग खातिर इष्टतम अनुमान अनुपात प्राप्त कइल जा सकेला. हमार तकनीक मैट्रॉइड बाधा के अधीन गैर-मोनोटोन अधिकतमीकरण खातिर एगो तेज़ अनुक्रमिक एल्गोरिथ्म भी देला. |
0451c923703472b6c20ff11185001f24b76c48e3 | नेटवर्क आउर सहयोगी रोबोट खातिर उभरल अनुप्रयोग एजेंट के समूह खातिर गति समन्वय के अध्ययन के प्रेरित करेला. उदाहरण खातिर, इ परिकल्पना कइल जाला कि एजेंट के समूह निगरानी, अन्वेषण आउर पर्यावरणीय निगरानी सहित कई प्रकार के उपयोगी कार्य के करे लें. इ पेपर मोबाइल एजेंट के बीच बुनियादी बातचीत से संबंधित बा जइसे कि निकटतम अन्य एजेंट से दूर चले या अपने खुद के वोरोनोई बहुभुज के सबसे दूर के शिखर की ओर चले. इ सरल बातचीत वितरित गतिशील प्रणालियन के बराबर होला काहे से की उनके कार्यान्वयन खातिर पड़ोसी एजेंट के बारे में केवल न्यूनतम जानकारी के आवश्यकता होला. हम इ वितरित गतिशील प्रणालियन आउर ज्यामितीय अनुकूलन से डिस्क-कभरिंग आउर गोला-पैक लागत फलन के बीच घनिष्ठ संबंध के विशेषता देले बानी. हमार मुख्य परिणाम इ ह: (i) हम इ ज्यामितीय लागत फलन के चिकनाई गुण के लक्षणित कर तानी, (ii) हम देख तानी कि परस्पर क्रिया नियम लागत फलन के गैर-सुचारू ढाल के भिन्नता हवे, आउर (iii) हम नियम के विभिन्न असीमपोटिक अभिसरण गुण के स्थापित कर तानी. तकनीकी दृष्टिकोण कम्प्यूटेशनल ज्यामिति, गैर-सुथरा विश्लेषण आउर गैर-सुथरा स्थिरता सिद्धांत के अवधारना पर निर्भर करेला. |
0a37a647a2f8464379a1fe327f93561c90d91405 | हाल के विकास से आंशिक रूप से आदेशित आ आंशिक रूप से विशिष्ट क्रिया के क्रम के उत्पन्न करे के प्रक्रिया के स्पष्ट कइल गइल बा जेकर निष्पादन एगो एजेंट के लक्ष्य के प्राप्त करे ला. इ पेपर सबसे कम प्रतिबद्धता योजनाकार के प्रगति के सारांशित करेला, जे सरल स्ट्रिप प्रतिनिधित्व के संभाल के शुरू करेला, आउर ऊ एक्शन के प्रबंधित करे वाला के साथ समाप्त होला जे गतिशील ब्रह्मांड पर विघटनकारी पूर्व शर्त, सशर्त प्रभाव आउर सार्वभौमिक मात्रा के साथे होला. एह तरीका से हमनी के बतावे के बा कि चैपमैन के मोडल ट्रूथ क्रिटेरियन के फार्मूलेशन कइसे भ्रामक बा आउर सशर्त प्रभाव वाला योजना के बारे में तर्क करे खातिर ओकर एनपी-पूर्णता परिणाम काहें हमनी के योजनाकार पर लागू ना होला. 1 हम फ्रैंज अमाडोर, टोनी बैरेट, डैरेन क्रोनक्विस्ट, डेनिस ड्रापर, एर्नी डेविस, ओरेन एटजोनियन, नॉर्ट फाउलर, राओ कांबंपाटी, क्रेग नोब्लॉक, निक कुशमेरिक, नील लेश, करेन लोचबाम, ड्रू मैकडरमोट, रमेश पाटिल, कैरी पुली, यिंग सन, ऑस्टिन टेट आ माइक विलियमसन के उपयोगी टिप्पणी खातिर धन्यवाद देत बानी, बाकी गलती खातिर हम खुद जिम्मेदार बानी। ई शोध के वित्त पोषण नौसेना अनुसंधान अनुदान 90-जे-1904 के कार्यालय द्वारा आ राष्ट्रीय विज्ञान फाउंडेशन अनुदान आईआरआई-8957302 द्वारा कइल गइल रहे. |
63f97f3b4808baeb3b16b68fcfdb0c786868baba | ए पेपर में, डिजाइन, निर्माण औरु विशेषता सहित, संपूर्ण डिजाइन चक्र, एक पैराबोलिक लेंस औरु एक वेव गाइड एडाप्टर से सुसज्जित ब्रॉडबैंड डबल-रिज्ड हॉर्न एंटीना क प्रस्तुत कईल गईल बा. प्रस्तुत कार्य के एगो मुख्य लक्ष्य 18-40 गीगाहर्ट्ज आवृत्ति श्रेणी में मुख्य विकिरण लोब के भीतर एगो फ्लैट चरण विशेषता के साथ उच्च दिशात्मकता प्राप्त करल रहल, ताकि एंटीना के फ्रीस्पेस सामग्री लक्षणीकरण सेटअप में लागू करल जा सके. |
c5151f18c2499f1d95522536f167f2fcf75f647f | अगिला पीढ़ी के विषम वायरलेस नेटवर्क में, एगो उपयोगकर्ता के पास कई इंटरफेस टर्मिनल हो सकेला जे कि कई प्रौद्योगिकी के उपयोग करे वाला अलग-अलग सेवा प्रदाता से नेटवर्क एक्सेस हो सकेला. मानल जाला कि हस्तांतरण के फैसला कई मानदंड के साथ-साथ उपयोगकर्ता के पसंद पर आधारित होला. हस्तान्तरण निर्णय समस्या के हल करे खातिर अलग-अलग दृष्टिकोण प्रस्तावित कइल गइल बा, लेकिन निर्णय विधि के चुनाव मनमाने ढंग से कइल गइल बा आउर कुछ विधि विवादित परिणाम भी देला. एह पत्र में, एगो नया हस्तांतरण मानदंड के साथ-साथ एगो नया हस्तांतरण निर्णय रणनीति के भी शुरुआत कइल गइल बा. एकरे अलावा, हस्तांतरण निर्णय के फजी मल्टीपल एट्रिब्यूट डेसिजन मेकिंग (एमएडीएम) समस्या के रूप में चिन्हित कइल जाला, आ फजी तर्क के कुछ मापदंड आ प्रयोगकर्ता वरीयता के गलत जानकारी से निपटे खातिर लागू कइल जाला। विभिन्न फजी एमएडीएम विधियन के व्यवस्थित विश्लेषण के बाद, एगो व्यवहार्य दृष्टिकोण प्रस्तुत कइल गइल बा. अंत में, प्रस्तावित विधि के उदाहरण के रूप में उदाहरण दिहल गइल बा आउर विधि के संवेदनशीलता के भी विश्लेषण कइल गइल बा. |
e321ab5d7a98e18253ed7874946a229a10e40f26 | वर्गीकरणकर्ता क प्रदर्शन औरु सटीकता सीधे विसेसता चयन क परिणाम से प्रभावित होखेला. एक-वर्ग के एफ-स्कोर सुविधा चयन आउर बेहतर एफ-स्कोर सुविधा चयन आउर आनुवंशिक एल्गोरिथ्म के आधार पर, के निकटतम पड़ोसी, समर्थन वेक्टर मशीन, यादृच्छिक वन, भोला बेय्स जइसन मशीन लर्निंग विधि के साथ संयुक्त, दु वर्गीकरण असंतुलित डेटा समस्या आउर बहु वर्गीकरण समस्या के संसाधित करे खातिर एगो हाइब्रिड सुविधा चयन एल्गोरिथ्म के प्रस्ताव दिहल गइल बा. पारंपरिक मशीन लर्निंग एल्गोरिथ्म के तुलना में, इ व्यापक सुविधा स्थान में खोज कर सकेला आउर असंतुलित डेटा सेट के विशेषताओं से निपटने के खातिर वर्गीकरणकर्ता के बढ़ावा दे सकेला, जे असंतुलित वर्गीकरण के समस्या के बेहतर ढंग से संभाल सकेला. प्रयोग के परिणाम से पता चलल कि अन्य मॉडल के तुलना में दु वर्गीकरण के खातिर रिसीवर संचालन विशेषता वक्र के तहत क्षेत्र आउर बहु वर्गीकरण समस्या के सटीकता दर में सुधार भइल बा |
08fddf1865e48a1adc21d4875396a754711f0a28 | पाठ वर्गीकरण खातिर मशीन लर्निंग दस्तावेज वर्गीकरण, समाचार फ़िल्टरिंग, दस्तावेज रूटिंग आउर वैयक्तिकरण के आधारशिला ह. पाठ डोमेन में, प्रभावी विशेषता चयन सीखने के कार्य के कुशल आउर अधिक सटीक बनावे खातिर आवश्यक बा. इ पत्र बारह विशेषता चयन विधियन (उदाहरण खातिर, सूचना प्राप्ति) के मूल्यांकन 229 पाठ वर्गीकरण समस्या के उदाहरण के आधार पर कइल गइल जे रॉयटर्स, ट्रेक, ओएचएसयूएमईडी इत्यादि से मिलल रहे। परिणाम के कई लक्ष्य-परिप्रेक्ष्य से विश्लेषण कइल जाला-सटीकता, एफ-माप, सटीकता, आउर याद-काहे कि प्रत्येक अलग-अलग परिस्थिति में उपयुक्त होला. परिणाम से पता चलल कि एगो नया विशेषता चयन विधि जेकरा के हम "बि-नॉर्मल सेपरेशन" (बीएनएस) कहलें, ज्यादातर स्थिति में बाकी के तुलना में काफी बेहतर प्रदर्शन कइलस. उच्च वर्ग विरूपण वाला कार्य में इ सीमा व्यापक हो गइल, जवन पाठ वर्गीकरण समस्या में प्रचलित बा आउर विशेष रूप से प्रेरण एल्गोरिदम खातिर चुनौतीपूर्ण बा. एगो नया मूल्यांकन पद्धति के पेशकश कइल गइल बा जे डेटा माइनिंग प्रैक्टिशनर के जरूरत पर ध्यान केंद्रित करेला जेकरा के एगो एकल डेटासेट के सामना करे के पड़ेला जे एगो (या एगो जोड़ी) मैट्रिक्स के चुनल चाहत बा जेकरा से सबसे अच्छा प्रदर्शन मिले के संभावना बा. ए परिप्रेक्ष्य में, सटीकता के अलावा बाकी सब लक्ष्य खातिर बीएनएस सबसे अच्छा विकल्प रहे, जेकरा खातिर सूचना लाभ सबसे जादे बार सबसे अच्छा परिणाम देला. इ विश्लेषण से ई भी पता चलल कि, उदाहरण खातिर, लाभ पर सूचना आउर ची-स्क्वायर में सहसंबंधित विफलता होला, आउर इ तरह उ खराब रूप से एक साथ काम करेलन. चारो प्रदर्शन लक्ष्य में से प्रत्येक खातिर मीट्रिक के इष्टतम जोड़े के खोज करत समय, बीएनएस लगातार जोड़ी के एगो सदस्य होला- उदाहरन खातिर, सबसे बड़हन याद खातिर, जोड़ी बीएनएस + एफ 1 माप काफी हद तक सबसे जादे से जादे कार्य पर सबसे अच्छा प्रदर्शन दिहलस. |
32352a889360e365fa242ad3040ccd6c54131d47 | |
7857cdf46d312af4bb8854bd127e5c0b4268f90c | निरंतर-प्रवाहक मोड (सीसीएम) में काम करे वाला बूस्ट पावर फैक्टर सुधार (पीएफसी) कनवर्टर के गतिशील प्रतिक्रिया वोल्टेज नियंत्रण लूप के कम बैंडविड्थ से बहुते प्रभावित होला. इ पेपर में छद्म-निरंतर-प्रवाह मोड (पीसीसीएम) में काम करे वाला एगो उपन्यास त्रि-राज्य बूस्ट पीएफसी कनवर्टर प्रस्तावित कइल गइल बा. एगो फ्री-व्हीलिंग स्विचिंग कंट्रोल इंटरवल द्वारा शुरू कइल गइल कंट्रोल-फ्रीडम के अतिरिक्त डिग्री पीएफसी कंट्रोल के प्राप्त करे में मदद करेला. स्थिर आउटपुट वोल्टेज बनाए रखे खातिर एगो सरल आउर तेज वोल्टेज नियंत्रण लूप के उपयोग कइल जा सकेला. एकरे अलावा, पारंपरिक डिस्कंटीन्यूअस-कंडक्शन मोड (डीसीएम) में काम करे वाला बूस्ट पीएफसी कनवर्टर के तुलना में, पीसीसीएम में काम करे वाला बूस्ट पीएफसी कनवर्टर कम करंट आ वोल्टेज रिपल के साथ बहुत बेहतर करंट हैंडलिंग क्षमता प्रदर्शित करेला। त्रि-राज्य बूस्ट पीएफसी कनवर्टर के विश्लेषणात्मक आउर सिमुलेशन परिणाम प्रस्तुत कइल गइल आउर पारंपरिक सीसीएम आउर डीसीएम में काम करे वाला बूस्ट पीएफसी कनवर्टर के परिणाम के साथ तुलना कइल गइल. सिमुलेशन परिणाम त्रि-राज्य बूस्ट पीएफसी कनवर्टर के उत्कृष्ट गतिशील प्रदर्शन देखावेला. |
8629cebb7c574adf40d71d41389f340804c8c81f | इ लेख व्यक्ति के पहिचान करे खातिर फिंगरप्रिंट पैटर्न के उपयोग करे के इतिहास में भइल प्रमुख विकास के सारांश देला, 1890 के दशक में वूसेटिच आउर हेनरी के सबसे पहिले फिंगरप्रिंट वर्गीकरण प्रणाली से लेके स्वचालित फिंगरप्रिंट पहचान के आगमन तक. फिंगरप्रिंट के रिकॉर्डिंग, भंडारण, मिलान आउर पुनर्प्राप्ति खातिर "मैनुअल" सिस्टम के इतिहास के वर्णन करके, लेख ऐतिहासिक संदर्भ में स्वचालित फिंगरप्रिंट मान्यता में प्रगति करेला आउर उनकर ऐतिहासिक आउर सामाजिक महत्व के उजागर करेला. |
7d9089cbe958da21cbd943bdbcb996f4499e701b | दस्तावेज़ स्तर पर भावना वर्गीकरण एगो चुनौती बनल रहेला: एगो दस्तावेज़ के अर्थसास्त्रीय अर्थ में वाक्य के बीच अंतर्निहित संबंध के एन्कोडिंग. एकरा समाधान खातिर, हम एगो तंत्रिका नेटवर्क मॉडल के परिचय देले बानी जे एगो एकीकृत, नीचे से ऊपर तक तरीका से वेक्टर-आधारित दस्तावेज़ प्रतिनिधित्व के सीखत बा. मॉडल पहिले संवहन तंत्रिका नेटवर्क या लंबा अल्पकालिक स्मृति के साथ वाक्य प्रतिनिधित्व सीखले रहे. बाद में, वाक्य के अर्थशास्त्र आउर उनकर संबंध के गेट रिकर्सिव न्यूरल नेटवर्क के साथे दस्तावेज़ प्रतिनिधित्व में अनुकूली रूप से एन्कोड कइल जाला. हम लोग आईएमडीबी आ येलप डाटासेट चैलेंज के चार गो बड़हन पैमाना पर समीक्षा डेटासेट पर दस्तावेज़ स्तर पर भावना वर्गीकरण क रहल बानी. प्रायोगिक परिणाम से पता चलेला कि: (1) हमार तंत्रिका मॉडल कई अत्याधुनिक एल्गोरिदम पर बेहतर प्रदर्शन देखावेला; (2) भावना वर्गीकरण खातिर दस्तावेज़ मॉडलिंग में गेटेड आवर्ती तंत्रिका नेटवर्क नाटकीय रूप से मानक आवर्ती तंत्रिका नेटवर्क के बेहतर प्रदर्शन करेला. |
b294b61f0b755383072ab332061f45305e0c12a1 | हम एगो सुपरवाइज्ड टास्क में परफॉर्मेंस में सुधार खातिर मौजूदा सिमेंटिक वर्ड वेक्टर के दोबारा से इस्तेमाल करे खातिर एगो तेज तरीका प्रस्तुत करत बानी. हाल में, कंप्यूटिंग संसाधन में वृद्धि के साथ, बिना लेबल के डेटा के भारी मात्रा से समृद्ध शब्द एम्बेडेड सीखल संभव हो गइल. हालांकि, कुछ तरीका में बढ़िया एम्बेडिंग सीखले में दिन या सप्ताह लागेला, आउर कुछ के प्रशिक्षित कइल बहुत कठिन होला. हम एगो अइसन तरीका प्रस्तावित करत बानी जेवन इनपुट के रूप में एगो मौजूदा एम्बेडिंग के लेले, कुछ लेबल कइल डेटा, आ ओही जगह पर एम्बेडिंग के उत्पादन करे, लेकिन सुपरवाइज्ड टास्क में बेहतर भविष्यवाणी के प्रदर्शन के साथ। हम कई आधार रेखा के संबंध में भावना वर्गीकरण के कार्य में सुधार देखावत बानी, आउर देखनी कि प्रशिक्षण सेट पर्याप्त रूप से छोट होवे पर दृष्टिकोण सबसे उपयोगी होला. |
4a27709545cfa225d8983fb4df8061fb205b9116 | हम प्रस्तावित कर रहल बानी कि डेटा माइनिंग (डीएम) के इस्तेमाल से बैंक के दीर्घकालिक जमा के बिक्री खातिर टेलीमार्केटिंग कॉल के सफलता के भविष्यवाणी कइल जा सके। इ आंकड़ा 2008 से 2013 तक के बखत के आँकड़ा के साथ एगो पुर्तगाली खुदरा बैंक के संबोधित कइल गइल रहे, जेकरा में हाल के वित्तीय संकट के प्रभाव भी शामिल रहे. हमनी के बैंक के ग्राहक, उत्पाद आ सामाजिक-आर्थिक विशेषता से जुड़ल 150 गो खासियत के विश्लेषण कइल गइल। जुलाई 2012 से पहिले के डेटा के साथ, मॉडलिंग चरण में अर्ध-स्वचालित सुविधा चयन के पता लगावल गइल रहे आउर 22 सुविधा के कम सेट के चयन के अनुमति दिहल गइल रहे. हम लोग चार गो डीएम मॉडल के तुलना भी कईनी: लॉजिस्टिक रिग्रेशन, डिसीजन ट्री (डीटी), न्यूरल नेटवर्क (एनएन) आउर सपोर्ट वेक्टर मशीन. दुगो मैट्रिक्स, रिसीवर संचालन विशेषता वक्र (एयूसी) के क्षेत्रफल आउर लिफ्ट संचयी वक्र (एएलआईएफटी) के क्षेत्रफल के उपयोग करके, चार मॉडल के मूल्यांकन चरण में सबसे हाल के डेटा (जुलाई 2012 के बाद) आउर रोलिंग विंडो योजना के उपयोग करके परीक्षण कइल गइल रहे. एनएन सबसे अच्छा परिणाम (एयूसी=0.8 आउर एएलआईएफटी=0.7) प्रस्तुत कइलस, जे आधा बेहतर वर्गीकृत ग्राहक के चयन करके 79% ग्राहक तक पहुंचे के अनुमति दिहलस. एकरे अलावा, ज्ञान निकाले के दू गो तरीका, एगो संवेदनशीलता विश्लेषण आ डीटी, एनएन मॉडल पर लागू कइल गइल आ कई गो मुख्य विशेषता (जइसे, यूरीबोर दर, कॉल के दिशा आ बैंक एजेंट के अनुभव) के पता चलल। एह तरह के ज्ञान के निष्कर्षण से प्राप्त मॉडल के विश्वसनीयता आ मूल्यवानता के पुष्टि भइल जे टेलीमार्केटिंग अभियान प्रबंधक लोग खातिर बा। 19 फरवरी 2014 के एल्सवियर के दिहल गइल प्रिंटआउट |
138c86b9283e4f26ff1583acdf4e51a5f88ccad1 | अलग-अलग चीज के साथे बातचीत करे वाला लोग के चित्र आ वीडियो के व्याख्या कइल एगो कठिन काम बा. एह में दृश्य या घटना के समझल, मानव गति के विश्लेषण कइल, हेरफेर करे लायक चीज के पहिचानल, आउर ओ चीज पर मानव गति के प्रभाव के देखल शामिल बा. जबकि इ सब संवेदी कार्य के स्वतंत्र रूप से करल जा सकेला, जब उनके बीच परस्पर क्रिया पर विचार करल जाला त मान्यता दर में सुधार होला. मानव धारणा के मनोवैज्ञानिक अध्ययन से प्रेरित होके, हमनी के एगो बेयसियन दृष्टिकोण प्रस्तुत करेनी जा जे मानव-वस्तु संपर्क के समझे में शामिल विभिन्न अवधारणात्मक कार्य के एकीकृत करेला. वस्तु आउर क्रिया मान्यता खातिर पिछला दृष्टिकोण क्रमशः स्थिर आकार या उपस्थिति विशेषता मिलान आउर गति विश्लेषण पर निर्भर करेला. हमार दृष्टिकोण इ पारंपरिक दृष्टिकोण से आगे बढ़त बा आउर सुसंगत अर्थिक व्याख्या खातिर प्रत्येक अवधारणात्मक तत्व पर स्थानिक आउर कार्यात्मक बाधा के लागू करेला. अइसन बाधा हमनी के वस्तु आउर क्रिया के पहचाने में मदद करेला जब उपस्थिति पर्याप्त भेदभाव ना करेला. हम इ तरह के प्रतिबंध के उपयोग स्थिर छवियन से क्रिया के मान्यता में बिना कौनो गति जानकारी के उपयोग करे के भी प्रदर्शन करब. |
321f14b35975b3800de5e66da64dee96071603d9 | कई मशीन लर्निंग अनुप्रयोगन क एगो महत्वपूर्ण घटक सुविधा चयन होला. विसेस रूप से कई जैव सूचना विज्ञान कार्य में, सार्थक विशेषता के निकाले आउर शोर वाले के समाप्त करे खातिर कुशल आउर मजबूत विशेषता चयन विधि के चाहत रहे. इ पेपर में, हम एगो नया मजबूत विशेषता चयन विधि के प्रस्तावित कर रहल बानी जे में नुकसान फलन आउर नियमितकरण दुनों पर संयुक्त ∀2,1-मानक न्यूनतमकरण पर जोर दिहल गइल बा. ∀2,1-मानक आधारित हानि फलन डेटा बिंदु में आउटलाइर्स खातिर मजबूत होला आउर ∀2,1मानक नियमितकरण संयुक्त विरलता वाला सभे डेटा बिंदु में सुविधा के चयन करेला. सिद्ध अभिसरण के साथ एगो कुशल एल्गोरिथ्म के परिचय दिहल गइल बा. हमार प्रतिगमन आधारित उद्देश्य सुविधा चयन प्रक्रिया के जादा कुशल बनावेला. हमार तरीका जीनोमिक अउर प्रोटीनिक बायोमार्कर खोज दुनों में लागू कइल गइल बा. हमार विशेषता चयन विधि के प्रदर्शन के प्रदर्शित करे खातिर छ गो डेटा सेट पर व्यापक अनुभवजन्य अध्ययन कइल जाला. |
9b505dd5459fb28f0136d3c63793b600042e6a94 | हमनी के मल्टीमीडिया सामग्री के विश्लेषण आ खोज खातिर एगो नया ढांचा प्रस्तुत करत बानी जा जेकरा में दू गो स्वतंत्र एल्गोरिदम शामिल बा। पहिले, हम एगो नया अर्ध-पर्यवेक्षित एल्गोरिथ्म के प्रस्तावित करेनी जेकरा के स्थानीय प्रतिगमन आउर वैश्विक संरेखण (एलआरजीए) के साथ रैंकिंग कहल जाला ताकि डेटा रैंकिंग खातिर एगो मजबूत लाप्लासियन मैट्रिक्स सीखल जा सके. LRGA में, प्रत्येक डेटा बिंदु खातिर, एगो स्थानीय रैखिक प्रतिगमन मॉडल के उपयोग ओकर पड़ोसी बिंदु के रैंकिंग स्कोर के भविष्यवाणी करे खातिर कइल जाला. फेर एगो एकीकृत उद्देश्य फलन के प्रस्ताव दिहल जाला जेवना से कि सगरी डेटा बिंदुवन से स्थानीय मॉडल कुल के वैश्विक रूप से संरेखित कइल जा सके ताकि हर डेटा बिंदु के इष्टतम रैंकिंग स्कोर दिहल जा सके। दूसरा, हम बहु-मीडिया डेटा प्रतिनिधित्व के परिष्कृत करे खातिर अर्ध-पर्यवेक्षित दीर्घकालिक प्रासंगिकता प्रतिक्रिया (आरएफ) एल्गोरिथ्म के प्रस्तावित कर रहल बानी. प्रस्तावित दीर्घकालिक आरएफ एल्गोरिथ्म मल्टीमीडिया फीचर स्पेस में मल्टीमीडिया डेटा वितरण आउर उपयोगकर्ता द्वारा प्रदान करल गइल इतिहास आरएफ जानकारी दुनों के उपयोग करेला. एगो ट्रेस अनुपात अनुकूलन समस्या के तब एगो कुशल एल्गोरिथ्म द्वारा तैयार आउर हल करल जाला. एल्गोरिदम के कई सामग्री-आधारित मल्टीमीडिया पुनर्प्राप्ति अनुप्रयोग में लागू कइल गइल बा, जेमे क्रॉस-मीडिया पुनर्प्राप्ति, छवि पुनर्प्राप्ति आउर 3 डी मोशन/पोज डेटा पुनर्प्राप्ति शामिल बा. चार डेटा सेट पर व्यापक प्रयोग सटीकता, मजबूती, स्केलेबिलिटी आउर कम्प्यूटेशनल दक्षता में एकर फायदा देखवले बा. |
0ef550dacb89fb655f252e5b17dbd5d643eb5ac1 | हम दू गो मैकाक बानर के निचला क्षेत्र 6 (क्षेत्र एफ5) के रोस्ट्रल भाग में 532 न्यूरॉन्स से विद्युत गतिविधि दर्ज कइलें. पहिले के आंकड़ा देखवले रहे कि हाथ आ मुंह के लक्ष्य-निर्देशित गति के दौरान इ क्षेत्र के न्यूरॉन्स के डिस्चार्ज होला. हम इहाँ F5 न्यूरॉन्स ("मिरर न्यूरॉन्स", n = 92) के एगो नया खोजल गइल सेट के गुण के वर्णन कर रहल बानी जवन कि सभे सक्रिय हो गइल जब बंदर एगो दिहल गइल क्रिया कइलस आउर जब ऊ प्रयोगकर्ता द्वारा कइल गइल समान क्रिया के देखलस. दर्पण न्यूरॉन्स, नेत्रहीन रूप से ट्रिगर होखे खातिर, क्रिया के एजेंट आउर एकरे वस्तु के बीच बातचीत के आवस्कयता रहे. एजेंट के दृष्टि या वस्तु के दृष्टि (तीन आयामी वस्तु, भोजन) अप्रभावी रहे. हाथ आ मुँह के प्रयोग सबसे प्रभावी तरीका रहे। दर्पण न्यूरॉन्स के सक्रिय करे वालन में सबसे अधिक प्रतिनिधित्व करे वाली क्रिया रहे पकड़े, हेरफेर करे आउर रखे. जादातर दर्पण न्यूरॉन्स (92%) में ऊ दृश्य क्रिया के बीच एगो स्पष्ट संबंध रहे जेकर ऊ प्रतिक्रिया व्यक्त कइलस आउर ऊ मोटर प्रतिक्रिया के कोड कइलस. लगभग 30% दर्पण न्यूरॉन्स में अनुरूपता बहुत सख्त रहे आउर प्रभावी अवलोकन आउर निष्पादित क्रिया सामान्य क्रिया के संदर्भ में मेल खाला (उदाहरण खातिर, न्यूरॉन के प्रतिबिंबित करे वाला न्यूरॉन के प्रतिबिंबित करे वाला न्यूरॉन के प्रतिबिंबित करे वाला न्यूरॉन) । पकड़े के) आउर तरीका के संदर्भ में कि उ क्रिया के निष्पादित कइल गइल (जइसे कि सटीक पकड़). हम इ प्रस्तावित करके निष्कर्ष निकाललस कि दर्पण न्यूरॉन्स अवलोकन आउर मोटर क्रिया के निष्पादन के मिलान करे खातिर एगो प्रणाली बनावेला. हम क्रिया मान्यता में इ प्रणाली के संभावित भूमिका पर चर्चा करब आउर एफ5 आउर मानव ब्रोका के क्षेत्र के बीच प्रस्तावित समरूपता के देखते हुए, हम मानब कि दर्पण न्यूरॉन्स के समान एगो मिलान प्रणाली मौजूद ह आउर क्रिया के साथ-साथ ध्वन्यात्मक इशारन के मान्यता में शामिल हो सकेला. |
15b2c44b3868a1055850846161aaca59083e0529 | हम लेबल कइल गइल आउर बिना लेबल के डेटा से सीखे के सामान्य समस्या पर विचार करब, जेकरा के अक्सर अर्ध-पर्यवेक्षित सीखे या अनुप्रेषण संबंधी अनुमान कहल जाला. अर्ध-पर्यवेक्षित सीखे खातिर एगो सिद्धांत आधारित दृष्टिकोण एगो वर्गीकरण फलन के डिजाइन करे के बा जवन ज्ञात लेबल आउर बिना लेबल के बिंदु द्वारा सामूहिक रूप से प्रकट आंतरिक संरचना के संबंध में पर्याप्त रूप से चिकना होला. हम ए तरह के एगो सहज समाधान प्राप्त करे खातिर एगो सरल एल्गोरिथ्म प्रस्तुत करब. हमार तरीका कई गो वर्गीकरण समस्या पर उत्साहजनक प्रयोगात्मक परिणाम देला आउर बिना लेबल वाला डेटा के प्रभावी उपयोग के दर्शावेला. |
50886d25ddd5d0d1982ed94f90caa67639fcf1a1 | |
4c2bbcb3e897e927cd390517b2036b0b9123953c | एकर ऑन्कोलॉजी अवलोकन योग्य वास्तविक दुनिया के वस्तुअन के बीच स्थानिक-समयिक आदिम संबंध के अवधारणा के प्रस्तुत करेला, जे से ढांचे के पुनः उपयोगिता में सुधार होला. एकर उपयोगिता के देखावे खातिर, बीएवर के एगो प्रोटोटाइप! सड़क यातायात प्रबंधन के क्षेत्र में ई योजना लागू कइल गइल बा। एह प्रोटोटाइप के एगो अवलोकन आ ओंटोलॉजी संचालित सूचना प्रणाली के विकास खातिर सीखल गइल सबक हमनी के योगदान के पूरा करेला। © 2010 एल्सेवियर बी.वी. सब अधिकार सुरक्षित बा. 18 जुलाई 2010 के ऑनलाइन उपलब्ध जानकारी के अतिभार बड़ पैमाना के नियंत्रण प्रणाली के मानव संचालकन खातिर एगो गंभीर समस्या बा, उदाहरण खातिर सड़क यातायात प्रबंधन के क्षेत्र में एकर सामना कइल जाला। अइसन सिस्टम के संचालक लोग के स्थिति के बारे में जानकारी ना होखे के खतरा बा, काहें से कि मौजूदा सिस्टम खाली ग्राफिकल यूजर इंटरफेस पर उपलब्ध जानकारी के प्रस्तुत करे पर ध्यान केंद्रित करे लें, एहसे समय पर सही पहचान, समाधान, आ गंभीर स्थिति से बचाव के खतरा बा। हाल के बरस में, स्थिति के जागरूकता खातिर ऑन्कोलॉजी-आधारित दृष्टिकोण उभरेला, जेमें एगो अर्थसापेक्ष रूप से समृद्ध ज्ञान मॉडल शामिल बाटे. हालाँकि, वर्तमान दृष्टिकोण या त अत्यधिक डोमेन-विशिष्ट हव या, यदि ऊ डोमेन-स्वतंत्र हव, त उनकर पुनः प्रयोज्य के संबंध में कमी बा. एह लेख में, हमनी के बीएवेयर! के विकास से मिलल अनुभव के प्रस्तुत करब, जे एगो अइसन फ्रेमवर्क हवे जे ऑन्कोलॉजी-ड्राइव्ड इन्फार्मेशन सिस्टम खातिर बा जेकरा के उद्देश्य ऑपरेटर के स्थिति के बारे में जागरूकता बढ़ावल बा। मौजूदा डोमेन-स्वतंत्र दृष्टिकोण के विपरीत, सावधान रहे! |
abf9ee52b29f109f5dbf6423fbc0d898df802971 | |
a31e3b340f448fe0a276b659a951e39160a350dd | सामान्य सूचना प्रणाली (आईएस) आउर कुछ प्रकार के सूचना प्रौद्योगिकी (आईटी) अनुप्रयोग के साथ उपयोगकर्ता संतुष्टि के आईएस अनुसंधान में गहराई से अध्ययन कइल गइल बा. पोर्टल प्रौद्योगिकी के व्यापक आउर बढ़त उपयोग के साथ, पोर्टल उपयोग पर उपयोगकर्ता संतुष्टि अध्ययन करे के जरूरत बा - विशेष रूप से, बिज़नेस-टू-कर्मचारी (बी 2 ई) पोर्टल. ई लेख में, हमनी के बी2ई पोर्टल के उपयोगकर्ता संतुष्टि के निर्धारण करे खातिर एगो वैचारिक मॉडल के प्रस्ताव दिहल गइल बा, जे प्रयोगकर्ता संतुष्टि पैमाना आ बी2ई पोर्टल के व्यापक साहित्य समीक्षा से लिहल गइल बा। बी2ई पोर्टल उपयोगकर्ता संतुष्टि के नौ आयाम के पहचान कइल गइल बा आ एकर मॉडलिंग कइल गइल बा: सूचना सामग्री, उपयोग में आसानी, सुबिधा, समयबद्धता, दक्षता, सुरक्षा, गोपनीयता, संचार, आ लेआउट। |
0848827ba30956e29d7d126d0a05e51660094ebe | चीज के इंटरनेट (आईओटी) स्वचालित सिस्टम के प्रबंधन आ नियंत्रण में क्रांति ला रहल बा, जवन कि स्मार्ट होम, स्मार्ट सिटी, स्वास्थ्य सेवा, परिवहन इत्यादि क्षेत्र में एगो नया बदलाव ला रहल बा। आईओटी प्रौद्योगिकी के युद्ध के मैदान में सैन्य अभियान के प्रभावकारिता में सुधार करे में महत्वपूर्ण भूमिका निभाने के भी परिकल्पना कइल गइल बा. युद्ध के उपकरण आ अन्य युद्धक्षेत्र संसाधन सभ के आपस में जोड़े के, समन्वित आ स्वचालित निर्णय लेवे खातिर, इंटरनेट ऑफ थिंग्स (IoT) कहल जाला। आईओबीटी नेटवर्क पारंपरिक आईओटी नेटवर्क से काफी अलग बा काहे कि युद्ध के मैदान में खास चुनौती बा, जइसे कि संचार बुनियादी ढांचा के अभाव, आ साइबर आ भौतिक हमला खातिर डिवाइसन के संवेदनशीलता। युद्ध परिदृश्य में लड़ाकू दक्षता आ समन्वित निर्णय लेवे के तरीका बहुत हद तक वास्तविक समय में डेटा एकत्र करे पर निर्भर करेला, जवन बदले में नेटवर्क के जुड़ाव पर आ विरोधी लोग के मौजूदगी में सूचना के प्रसार पर निर्भर करेला। इ काम के उद्देश्य सुरक्षित आउर पुनः विन्यास योग्य IoBT नेटवर्क के डिजाइन के सैद्धांतिक नींव के निर्माण करल बा. स्टोचैस्टिक ज्यामिति आ गणितीय महामारी बिज्ञान के सिद्धांतन के इस्तेमाल क के, हमनी के एगो एकीकृत ढांचा के विकास करे के बा ताकि विभिन्न प्रकार के नेटवर्क यंत्रन के बीच मिशन-क्रिटिकल डेटा के संचार के अध्ययन कइल जा सके आ एह तरीका से नेटवर्क के लागत प्रभावी तरीका से डिजाइन कइल जा सके। |
32e876a9420f7c58a3c55ec703416c7f57a54f4c | संभावनावादी ग्राफिक मॉडल, विश्वास नेटवर्क, कारण प्रभाव आउर संभावनावादी अनुमान के बढ़त क्षेत्र में अधिकांश शोधकर्ता खातिर, एसीएम ट्यूरिंग पुरस्कार विजेता डॉ. पर्ल आउर कारण पर उनकर सेमिनार पेपर सुपरिचित आउर स्वीकृत हवे. कारण के प्रतिनिधित्व आउर निर्धारण, एगो घटना (कारण) आउर दूसर घटना (प्रभाव) के बीच संबंध, जहां दूसर घटना के पहिला के परिणाम के रूप में समझल जाला, एगो चुनौतीपूर्ण समस्या बा. पिछला कई साल से, डॉ. पर्ल कारण आ परिणाम के कला आ विज्ञान दुनों पर काफी कुछ लिखले बाड़े. "कारणता: मॉडल, तर्क आउर अनुमान" पर लिखल एह किताब में बेयसन विश्वास नेटवर्क के आविष्कारक आपन पहिले के काम पर चर्चा कइलें आउर विस्तार से बात कइलें, जेमे कारण आउर प्रभाव के साथ तर्क, सांख्यिकी में कारण संबंधी अनुमान, सिम्पसन के विरोधाभास, अनुभवजन्य अनुसंधान खातिर कारण आरेख, कारण संबंधी दावा के मजबूती, कारण आउर व्याख्या, आउर कारण के संभावना शामिल बा. सीमा आउर पहचान. |
a04145f1ca06c61f5985ab22a2346b788f343392 | पिछला डेढ़ दशक में बहुते अध्ययन कइल गइल बा जेह में ओह चीज के पहिचान करे के कोशिश कइल गइल बा जेवना से सूचना प्रणाली के सफलता में योगदान मिलेला। हालांकि, इ अध्ययन में निर्भर चर-आई/एस सफलता-के परिभाषित करे खातिर एगो कठिन रहल. अलग-अलग शोधकर्ता लोग सफलता के अलग-अलग पहलु के संबोधित कइले बा, तुलना के मुश्किल बना देले बा आउर आई/एस अनुसंधान खातिर संचयी परंपरा के निर्माण के संभावना समान रूप से दुर्गम बा. इ विविध शोध के व्यवस्थित करे खातिर, साथ ही आई/एस सफलता के अवधारणा के एगो अधिक एकीकृत दृश्य प्रस्तुत करे खातिर, एगो व्यापक वर्गीकरण के शुरुआत कइल गइल बा. इ वर्गीकरण आई/एस सफलता के छह प्रमुख आयाम या श्रेणियन के प्रस्तावित करेला-सिस्टम ओउलिटी, सूचना गुणवत्ता, उपयोग, उपयोगकर्ता संतुष्टि, व्यक्तिगत प्रभाव, आउर संगठनात्मक प्रभाव. इ आयाम क उपयोग कइके, वैचारिक औरु अनुभवजन्य अध्ययनों क फिर से जांचे जायेला (कुल 180 लेखों क उद्धृत कईल गयल हौवे) औरु वर्गीकरण के आयाम के अनुसार व्यवस्थित कईल गयल हौवे. अंत में, आई/एस सफलता के कई पहलु के एकट्ठा करके एगो वर्णनात्मक मॉडल बनावल गइल बा आ भविष्य में आई/एस रिसर्च पर एकर परभाव पर चर्चा कइल गइल बा। |
a99f1f749481e44abab0ba9a8b7c1d3572a2e465 | |
5c8bb027eb65b6d250a22e9b6db22853a552ac81 | |
3913d2e0a51657a5fe11305b1bcc8bf3624471c0 | प्राकृतिक भाषा प्रसंस्करण में प्रतिनिधित्व सीखल एगो मौलिक समस्या बा. इ पेपर में पाठ वर्गीकरण खातिर संरचित निरूपण के सीखल जाला. अधिकांश मौजूदा प्रतिनिधित्व मॉडल के विपरीत जवन कि या त कौनो संरचना के उपयोग ना करेला या पूर्व-निर्धारित संरचना पर निर्भर करेला, हम वाक्य प्रतिनिधित्व के सीखल जाए खातिर एगो सुदृढीकरण सीख (आरएल) विधि के प्रस्तावित करिला जेमे अनुकूलित संरचना के स्वचालित रूप से खोजल जा सकेला. हम संरचित निरूपण बनावे के दू गो प्रयास देखावल जा रहल बानी: सूचना डिस्टिल्ड एलएसटीएम (आईडी-एलएसटीएम) आउर पदानुक्रमित रूप से संरचित एलएसटीएम (एचएस-एलएसटीएम). आईडी-एलएसटीएम खाली महत्वपूर्ण, कार्य-उपयुक्त शब्द के ही चुनल जाला, आ एचएस-एलएसटीएम वाक्य में वाक्यांश संरचना के खोज करेला। दुगो प्रतिनिधित्व मॉडल में संरचना खोज के क्रमबद्ध निर्णय समस्या के रूप में तैयार कइल गइल बा: संरचना खोज के वर्तमान निर्णय बाद के निर्णय के प्रभावित करेला, जेकरा के नीति ढाल आरएल द्वारा संबोधित कइल जा सकेला. परिणाम ई देखावेला कि हमनी के तरीका बिना स्पष्ट संरचनात्मक एनोटेशन के महत्वपूर्ण शब्द या कार्य-उपयुक्त संरचना के पहचान करके कार्य-अनुकूल प्रतिनिधित्व सीख सकेला, आउर ये तरह प्रतिस्पर्धी प्रदर्शन पैदा करेला. |
599ebeef9c9d92224bc5969f3e8e8c45bff3b072 | वर्ल्ड वाइड वेब के विस्फोटक विकास आ ई-कॉमर्स के उदय से रेफरर सिस्टम के विकास भइल बा--- एगो निजीकृत सूचना फिल्टरिंग तकनीक जेकर इस्तेमाल कौनों खास प्रयोगकर्ता खातिर रोचक चीज के पहिचान करे खातिर कइल जाला। प्रयोगकर्ता-आधारित सहयोगी फ़िल्टरिंग अब तक के सबसे सफल तकनीक बाटे आ ई कई वाणिज्यिक अनुशंसा प्रणाली में व्यापक रूप से इस्तेमाल होला। दुर्भाग्य से, इ सब विधियन क कम्प्यूटेशनल जटिलता ग्राहकन क संख्या के साथ रैखिक रूप से बढ़त ह, जउन विशिष्ट वाणिज्यिक अनुप्रयोगन में कई मिलियन हो सकेला. इ स्केलबिलिटी चिंता के दूर करे खातिर मॉडल-आधारित अनुशंसा तकनीक विकसित कइल गइल बा. ई तकनीक अलग-अलग आइटम के बीच संबंध के खोजे खातिर उपयोगकर्ता-आइटम मैट्रिक्स के विश्लेषण करे ले आ सिफारिश के सूची के गणना करे खातिर एह संबंध के उपयोग करे ले। एह लेख में, हमनी के एगो अइसन मॉडल-आधारित सिफारिश एल्गोरिदम के श्रेणी प्रस्तुत करब जवन पहिले अलग-अलग आइटम के बीच समानता के निर्धारण करे ले आ फिर अनुशंसित आइटम के सेट के पहिचान करे खातिर एकर उपयोग करे ले। एल्गोरिदम के इ वर्ग में मुख्य चरण (i) आइटम के बीच समानता के गणना करे खातिर उपयोग कइल जाए वाला विधि आउर (ii) आइटम के टोकरी आउर उम्मीदवार अनुशंसाकर्ता आइटम के बीच समानता के गणना करे खातिर इ समानता के संयोजन करे खातिर उपयोग कइल जाए वाला विधि होला. आठ गो वास्तविक डेटासेट पर हमनी के प्रायोगिक मूल्यांकन से पता चलल कि ई आइटम-आधारित एल्गोरिदम पारंपरिक उपयोगकर्ता-पड़ोस आधारित अनुशंसा प्रणाली के तुलना में दू गुना तेज होला आउर तुलनात्मक या बेहतर गुणवत्ता वाला अनुशंसा प्रदान करेला. |
01a8909330cb5d4cc37ef50d03467b1974d6c9cf | इ अवलोकन स्वायत्त बहु-उंगली रोबोटिक हाथ के साथ 3 डी ऑब्जेक्ट ग्रैप्स उत्पन्न करे खातिर कम्प्यूटेशनल एल्गोरिदम प्रस्तुत करेला. रोबोटिक ग्रिपिंग कई दशक से सक्रिय अनुसंधान विषय रहल बा, आउर ग्रिप संश्लेषण एल्गोरिदम पर बहुत प्रयास कइल गइल बा. वर्तमान में, पकड़े के तरीका आ अंगुरी-ऑब्जेक्ट संपर्क के क्रिया-प्रतिक्रिया [7] या रोबोट हाथ के डिजाइन आ ओकरा नियंत्रण के समीक्षा पर काम हो रहल बा [1]. रोबोट ग्रिप सिंथेसिस एल्गोरिदम क समीक्षा [63] में कइल गइल रहे, लेकिन तब से ग्रिपिंग समस्या में सीखने क तकनीकन के लागू करे की दिशा में महत्वपूर्ण प्रगति कइल गइल बा. ई अवलोकन विश्लेषणात्मक के साथे-साथे अनुभवजन्य समझ संश्लेषण दृष्टिकोण पर केंद्रित बा. |
4e03cadf3095f8779eaf878f0594e56ad88788e2 | |
a63c3f53584fd50e27ac0f2dcbe28c7361b5adff | आरएफ, माइक्रोवेव, आउर मिलीमीटर-वेव अनुप्रयोगन खातिर सिलिकॉन संभावना आउर चुनौती के एगो नया सेट प्रदान करेला. जबकि SiGe हेटरोजंक्शन द्विध्रुवीय ट्रांजिस्टर के उच्च कटऑफ आवृत्ति आउर MOSFET के लगातार सिकुड़त सुविधा आकार बहुत वादा कर रहल बा, इ प्रौद्योगिकियों के वास्तविकता से निपटने खातिर नया डिजाइन तकनीक के आविष्कार करे के जरूरत बा, जइसे कि कम टूटने वाला वोल्टेज, लॉसी सब्सट्रेट, कम-Q निष्क्रिय, लंबा इंटरकनेक्ट परजीवी, आउर उच्च-आवृत्ति युग्मन समस्या. सिलिकॉन में पूरा सिस्टम एकीकरण के उदाहरण के रूप में, इ पेपर 0.18-/spl mu/m सिलिकॉन-जर्मनियम में पहिला पूरा तरह से एकीकृत 24-जीएचजेड आठ-एलिमेंट फेस्ड एरे रिसीवर आउर 0.18-/spl mu/m सीएमओएस में एकीकृत पावर एम्पलीफायर के साथ पहिला पूरा तरह से एकीकृत 24-जीएचजेड चार-एलिमेंट फेस्ड एरे ट्रांसमीटर प्रस्तुत करेला. ट्रांसमीटर आउर रिसीवर बीम बनावे में सक्षम होला आउर संचार, रेंजिंग, पोजिशनिंग आउर सेंसिंग अनुप्रयोग खातिर उपयोग कइल जा सकेला. |
64da24aad2e99514ab26d093c19cebec07350099 | क्यूबसैट प्लेटफार्म व्यावसायिक उद्यम में वैश्विक इंटरनेट नेटवर्क, गहन अंतरिक्ष अन्वेषण, आ एयरोस्पेस रिसर्च के प्रयास खातिर वैकल्पिक समाधान के रूप में तेजी से लोकप्रिय हो रहल बा. कई प्रौद्योगिकी कंपनी आउर सिस्टम इंजीनियर वैश्विक लो अर्थ ऑर्बिट (एलईओ) अंतर-उपग्रह नक्षत्रन के हिस्सा के रूप में छोट उपग्रह प्रणालियन के लागू करे के योजना बना रहल बाड़ें. उच्च प्रदर्शन वाला कम लागत वाला हार्डवेयर एह प्रयास के आगे बढ़ावे में महत्वपूर्ण बा. इ पत्र Ka-Band एकीकृत ट्रांसमीटर असेंबली (ITA) मॉड्यूल के हेटरोडीन आर्किटेक्चर आउर प्रदर्शन के प्रस्तुत करेला, जेकरा के नैनो/माइक्रोसैटेलाइट या अन्य उपग्रह प्रणालियन में उच्च डेटा दर अंतरिक्ष संचार प्रणालियन खातिर कम लागत वाला समाधान के रूप में लागू कइल जा सकेला. मॉड्यूल 0.9 से 1.1 गीगाहर्ट्ज के आईएफ इनपुट सिग्नल के 26.7 से 26.9 गीगाहर्ट्ज फ्रीक्वेंसी रेंज में +29 डीबीएम के रैखिक ट्रांसमिशन देवे खातिर एगो बिल्ट-इन फेज लॉक ऑसिलेटर, इंटीग्रेटेड ट्रांसमीटर, पोलराइजर, आ लेंस सुधारल एंटीना के साथ बदल देवेला. |
0b44fcbeea9415d400c5f5789d6b892b6f98daff | एह लेख में, हमनी के एगो बड़हन एनोटेटेड कॉर्पस बनावे के अनुभव के समीक्षा कइल जा रहल बा- पेन ट्रीबैंक, अमेरिकी अंग्रेजी के 4.5 मिलियन से ढेर शब्द के एगो कॉर्पस। पेन ट्रीबैंक प्रोजेक्ट (1989-1992) के पहिला तीन साल के दौर में, एह संग्रह में भाषण के हिस्सा (पॉस) के जानकारी खातिर एनोटेशन कइल गइल रहे। एकरे अलावा, एकर आधा से बेसी हिस्सा में कंकाल वाक्य रचना खातिर टिप्पणी कइल गइल बा. टिप्पणी पेन्सिलवेनिया विश्वविद्यालय के कंप्यूटर आ सूचना विज्ञान विभाग के तकनीकी रिपोर्ट नं. एमएससीआईएस-९३-८७. एगो ई तकनीकी रिपोर्ट स्कॉलरली कॉमन्स पर उपलब्ध बाटेः http://repository.upenn.edu/cis_reports/237 बिल्डिंग ए लार्ज एनोटेटेड कॉर्पस ऑफ इंग्लिश: द पेन ट्रीबैंक एमएस-सीआईएस-93-87 LINC LAB 260 मिशेल पी. मार्कस बीट्रेस सैंटोरिनी मैरी एन मार्सिंकीविच यूनिवर्सिटी ऑफ पेन्सिलवेनिया स्कूल ऑफ इंजीनियरिंग एंड एप्लाइड साइंस कंप्यूटर एंड इन्फॉर्मेशन साइंस डिपार्टमेंट फिलाडेल्फिया, पीए 19104-6389 |
7c70c29644ff1d6dd75a8a4dd0556fb8cb13549b | हम माइक्रोवेव अनुप्रयोग खातिर अनुरूप आउर लचीला सब्सट्रेट के निर्माण करे खातिर एगो उपन्यास तकनीक प्रस्तुत करत बानी जेमे पैकेजिंग पर सिस्टम शामिल बा. उत्पादित सामग्री के सिरेमिक पाउडर के पॉलिमर के साथ मिला के उच्च-विरोधी सब्सट्रेट उत्पन्न करे खातिर बनावल जाला जे एक साथे ही लचीला (झुकने योग्य) होला. कई अइसन बहुलक-सिरेमिक सब्सट्रेट के निर्माण कइल जाला आउर पैच एंटीना आउर जुड़ल लाइन फिल्टर के प्रदर्शन के जांच करे खातिर उपयोग कइल जाला. इ पत्र सब्सट्रेट मिश्रण विधि के प्रस्तुत करेला जबकि माप सब्सट्रेट के हानि प्रदर्शन के मूल्यांकन करे खातिर दिहल जाला. कुल मिला के, निर्मित मिश्रित सामग्री लचीला सब्सट्रेट के नेतृत्व करेला जेकर परमिटिविटी epsivr=20 तक होला आउर पर्याप्त रूप से कम नुकसान होला. |
85947d646623ef7ed96dfa8b0eb705d53ccb4efe | नेटवर्क फोरेंसिक (अंगरेजीः Network forensics) अइसन बिज्ञान हवे जे एह नेटवर्क के ट्रैफिक के कैप्चर, रिकार्डिंग आ एनालिसिस करे ला ताकि एह नेटवर्क में घुसपैठ के पता लगावल जा सके आ ओकर जाँच कइल जा सके। ई पेपर अबले प्रस्तावित विभिन्न नेटवर्क फोरेंसिक ढाँचा के एगो विस्तृत सर्वेक्षण करेला. नेटवर्क फॉरेंसिक खातिर एगो सामान्य प्रक्रिया मॉडल प्रस्तावित कइल गइल बा जे डिजिटल फॉरेंसिक के विभिन्न मौजूदा मॉडल पर बनल बा. नेटवर्क फॉरेंसिक खातिर परिभाषा, वर्गीकरण आउर प्रेरणा स्पष्ट रूप से बतावल गइल बा. एह में नेटवर्क फॉरेंसिक एनालिसिस टूल (एनएफएटी) आ नेटवर्क सिक्योरिटी मॉनिटरिंग टूल सभ के कामकाज के बारे में चर्चा कइल गइल बा जे फॉरेंसिक परीक्षकन खातिर उपलब्ध बा। कार्यान्वयन ढांचा, प्रक्रिया मॉडल आउर विश्लेषण उपकरण में मौजूद विसेस शोध खामियन के पहचान कइल गइल आउर प्रमुख चुनौतियन पर प्रकाश डालल गइल. एह काम के महत्व ई बा कि ई नेटवर्क फॉरेंसिक्स पर एगो अवलोकन प्रस्तुत करेला जे उपकरण, प्रक्रिया मॉडल आ फ्रेमवर्क कार्यान्वयन के कवर करे ला, जवन कि एह आवे वाला आ युवा विधा के खोज करे में सुरक्षा प्रैक्टिशनर आ शोधकर्ता लोग खातिर बहुत उपयोगी होई। 2010 एल्सवियर लिमिटेड. सब अधिकार सुरक्षित बा. |
7d98dce77cce2d0963a3b6566f5c733ad4343ce4 | इ अध्ययन डेविस के (1989) टीएएम मॉडल आउर स्ट्राब के (1994) एसपीआईआर परिशिष्ट के विस्तार करेला, जे आईटी प्रसार मॉडल में लिंग के जोड़ देला. प्रौद्योगिकी स्वीकृति मॉडल (टीएएम) के आईएस अनुसंधान में आईएस-प्रकार आउर राष्ट्रीयता में सूचना प्रणाली के उपयोग के व्याख्या के रूप में व्यापक रूप से अध्ययन कइल गइल बा. जबकि एह शोध के क्षेत्र में सांस्कृतिक अंतर पावल गइल बा, लेकिन एह में लिंग के प्रभाव के अनदेखी कइल गइल बा, भले ही सामाजिक-भाषाई शोध में लिंग संस्कृति के एगो मूलभूत पहलू ह। दरअसल, समाजसास्त्रीय शोध से पता चलल बा कि मर्द लोग पदानुक्रम आऊ स्वतंत्रता पर भाषण केंद्रित करे के प्रवृत्ति रखेला जबकि औरत लोग आत्मीयता आऊ एकजुटता पर ध्यान केंद्रित करेलन. ई साहित्य आईटी प्रसार अनुसंधान आउर प्रौद्योगिकी स्वीकृति मॉडल के वैचारिक विस्तार खातिर एगो ठोस आधार प्रदान करेला. लैंगिक अंतर के परीक्षण करे खातिर जवन कि विश्वास आ कंप्यूटर आधारित मीडिया के उपयोग से संबंधित हो सकेला, वर्तमान अध्ययन में 392 महिला आ पुरुष लोग के नमूना लिहल गइल बा जे एगो क्रॉस-सेक्शनल सर्वे उपकरण के माध्यम से जवाब दिहले बा. नमूना उत्तर अमेरिका, एशिया, आउर यूरोप में एयरलाइन उद्योग में ई-मेल सिस्टम के उपयोग करे वाला ज्ञान श्रमिक के तुलनात्मक समूह से लिहल गइल रहे. अध्ययन के नतीजा ई देखावत बा कि महिला आ पुरुष के ई-मेल के इस्तेमाल में अंतर बा बाकिर ई-मेल के इस्तेमाल में अंतर नइखे। ई निष्कर्ष ई सुझाव देला कि शोधकर्ता लोग के आईटी प्रसार मॉडल में लिंग के साथे-साथे अन्य सांस्कृतिक प्रभाव के भी शामिल करे के चाही. एकरे अलावा प्रबंधक लोग आ सहकर्मी लोग के ई समझे के चाहीं कि संचार के एके तरह के तरीका के लिंग के बीच अंतर हो सकेला, ई बात के सुझाव दिहल जा रहल बा कि संचार के बेहतर माहौल बनावल जा सके, अइसन माहौल जवन खाली संगठनात्मक संदर्भ के ही ना, बलुक प्रयोगकर्ता लोग के लिंग के भी ध्यान में रखे। इ सब वातावरण के निर्माण में संचार माध्यम के वास्तविक तैनाती ही ना बल्कि संचार माध्यम पर संगठनात्मक प्रशिक्षण भी सामिल बाटे. |
2599131a4bc2fa957338732a37c744cfe3e17b24 | एगो प्रशिक्षण एल्गोरिथ्म प्रस्तुत कइल गइल बा जे प्रशिक्षण पैटर्न आउर निर्णय सीमा के बीच के मार्जिन के अधिकतम करेला. ई तकनीक वर्गीकरण फलन के एगो विस्तृत विविधता पर लागू होला, जेमे परसेप्ट्रॉन, बहुपद आउर रेडियल बेस फलन शामिल बा. समस्या के जटिलता के अनुरूप पैरामीटर के प्रभावी संख्या के स्वचालित रूप से समायोजित कइल जाला. समाधान के समर्थन पैटर्न के रैखिक संयोजन के रूप में व्यक्त कइल जाला. ई प्रशिक्षण पैटर्न के सबसेट हव जेके निर्णय सीमा के सबसे नजदीक हव. एगो छोड़-बाहर विधि आउर वीसी-आयामी के आधार पर सामान्यीकरण प्रदर्शन पर सीमा दिहल गइल बा. ऑप्टिकल कैरेक्टर रिकग्निशन समस्या पर प्रयोगात्मक परिणाम दोसर सीखय के एल्गोरिदम के तुलना में प्राप्त कयल गेल अच्छा सामान्यीकरण के प्रदर्शित करेला. |
68c29b7bf1811f941040bba6c611753b8d756310 | आधुनिक कार नेटवर्क पर जुड़ल कंप्यूटर द्वारा नियंत्रित होला. ई सब नेटवर्क के सुरक्षा के ऐतिहासिक रूप से बहुत कम चिंता रहे, लेकिन हाल के साल में शोधकर्ता लोग हमला के प्रति ई सब नेटवर्क के बहुते कमजोर बतावेला. एह हमला के खिलाफ बचाव के रूप में, हम ऑटोमोटिव कंट्रोलर एरिया नेटवर्क (सीएएन) बस खातिर एगो विसंगति डिटेक्टर के मूल्यांकन कर रहल बानी. जादातर हमला नेटवर्क में अतिरिक्त पैकेट डाले पर आधारित होखेला. लेकिन जादातर सामान्य पैकेट एगो सख्त आवृत्ति पर पहुंचल. ई एगो असामान्यता डिटेक्टर के प्रेरित करेला जे वर्तमान आ पुरान पैकेट समय के तुलना करेला. हमनी के एगो एल्गोरिथ्म प्रस्तुत करत बानी जे एगो स्लाइडिंग विंडो पर अंतर-पैकट समय के मापेला. एगो विसंगति संकेत देवे खातिर औसत समय के ऐतिहासिक औसत से तुलना कइल जाला. हम इ दृष्टिकोण के सम्मिलन आवृत्तियन के सीमा पर मूल्यांकन करब आउर एकर प्रभावकारिता के सीमा के प्रदर्शित करब. हम इ भी देखावत बानी कि पैकेट के डेटा सामग्री के समान माप विसंगति के पहचान करे खातिर प्रभावी कइसे ना होला. अंत में हम देखब कि कइसे एक-वर्ग के समर्थन वेक्टर मशीन उच्च विश्वास के साथ विसंगति के पता लगावे खातिर ओही जानकारी के उपयोग कर सकेला. |
c43d8a3d36973e3b830684e80a035bbb6856bcf7 | चित्र सुपर-रिज़ॉल्यूशन (एसआर) खातिर संवहन तंत्रिका नेटवर्क (सीएनएन) गहराई महत्वपूर्ण महत्व के होला. हालाँकि, हमनी के ई देखे के मिलल कि इमेज एसआर खातिर गहिरा नेटवर्क के प्रशिक्षित कइल जादे कठिन बा. कम रिज़ॉल्यूशन वाला इनपुट आ फीचर में ढेर सारा कम आवृत्ति वाला जानकारी होला, जेकरा के चैनल भर में एक जइसन देखावल जाला, एहसे सीएनएन के प्रतिनिधित्व क्षमता में बाधा आ जाला। एह समस्या के हल करे खातिर, हमनी के बहुत गहिरा अवशिष्ट चैनल ध्यान नेटवर्क (आरसीएएन) के प्रस्ताव दिहल जा. विशेष रूप से, हम एगो अवशिष्ट में अवशिष्ट (आरआईआर) संरचना के प्रस्तावित कर रहल बानी जे बहुत गहिरा नेटवर्क बनावे खातिर बा, जेमे कई अवशिष्ट समूह शामिल बा जेकरा में लंबा स्किप कनेक्शन बा. प्रत्येक अवशिष्ट समूह में कुछ अवशिष्ट ब्लॉक होला जेमे छोट स्किप कनेक्शन होला. एही बीच, आरआईआर ढेर कम आवृत्ति के जानकारी के कई गो स्किप कनेक्शन के माध्यम से बाईपास करे के अनुमति देला, मुख्य नेटवर्क के उच्च आवृत्ति के जानकारी सीखे पर ध्यान केंद्रित करे ला. एकरे अलावा, हम चैनल के बीच आपसी निर्भरता के ध्यान में रख के चैनल-वार सुविधा के अनुकूलित रूप से फिर से माप के चैनल ध्यान तंत्र के प्रस्ताव देले बानी. व्यापक प्रयोग से पता चलल बा कि हमनी के आरसीएएन अत्याधुनिक तरीका के तुलना में बेहतर सटीकता आ दृश्य सुधार हासिल करेला. |
77768638f4f400272b6e5970596b127663471538 | शोध के साक्ष्य के संश्लेषण खातिर स्कोपिंग समीक्षा एगो तेजी से लोकप्रिय तरीका बन गइल बा. ई एगो अपेक्षाकृत नया तरीका हवे जेकरे खातिर कउनो सार्वभौमिक अध्ययन परिभाषा या अंतिम प्रक्रिया स्थापित ना कइल गइल हवे. इ स्कोपिंग समीक्षा के उद्देश्य साहित्य में स्कोपिंग समीक्षा के एगो अवलोकन प्रदान करल रहे. अरकसी आ ओ मले फ्रेमवर्क के इस्तेमाल क के एगो स्कोपिंग रिव्यू कइल गइल। स्कोपिंग समीक्षा अध्ययन के पहचान करे खातिर चार गो ग्रंथसूची डेटाबेस आउर ग्रे साहित्य में खोज कइल गइल. समीक्षा चयन आउर विशेषता के दू गो स्वतंत्र समीक्षक द्वारा पूर्व-परीक्षण रूप के उपयोग करके करल गइल रहे. परिणाम खोज में 344 स्कोपिंग समीक्षा के पहचान कइल गइल जे 1999 से अक्टूबर 2012 तक प्रकाशित भइल रहे. समीक्षा के उद्देश्य, पद्धति आउर रिपोर्टिंग के विवरण के संदर्भ में भिन्नता रहे. लगभग तीन-चौथाई समीक्षा (74.1%) स्वास्थ्य विषय पर केन्द्रित रहे. अध्ययन पूरा करे के समय 2 सप्ताह से 20 महीने तक अलग-अलग रहे, आउर 51% प्रकाशित पद्धतिगत ढांचे के उपयोग कइलस. सम्मिलित अध्ययन के गुणवत्ता मूल्यांकन कम ही करल गईल (22. 38%) । स्कोपिंग रिव्यूज एगो अपेक्षाकृत नया लेकिन व्यापक विषय के मैपिंग करे खातिर तेजी से आम दृष्टिकोण बाटे. उनकर आचरण में भिन्नता के कारण, साक्ष्य के उपयोगिता आउर ताकत के सुनिश्चित करे खातिर उनकर पद्धतिगत मानकीकरण के आवश्यकता बाटे. |
4c5815796c29d44c940830118339e276f741d34a | घरेलू आ औद्योगिक सेटिंग में रोबोट सहायक आ पेशेवर सहकर्मी सामान बन रहल बाड़े. रोबोट के मनुष्य के साथे आपन कार्यक्षेत्र साझा करे आउर उनकरा साथे शारीरिक रूप से बातचीत करे में सक्षम बनावे खातिर, सुरक्षित रोबोट प्रतिक्रिया खातिर नियंत्रण रणनीति के साथे-साथे, पूरा रोबोट संरचना पर संभावित टक्कर के तेजी से आउर विश्वसनीय संभाल के जरूरत होला. प्राथमिक प्रेरणा शारीरिक संपर्क के कारण संभावित मानव चोट के रोकथाम चाहे सीमांकन बाटे. इ सर्वेक्षण में, इ विषय पर हमनी के सुरुआती काम के आधार पर, हमनी के वास्तविक समय में टकराव के पता लगावे, अलगाव, आ पहचान खातिर प्रयोगात्मक मॉडल-आधारित एल्गोरिदम के समीक्षा, विस्तार, तुलना, आ मूल्यांकन करेनी जा जे खाली प्रोप्रियोसेप्टिव सेंसर के उपयोग करेले. इ वातावरण के साथे बातचीत करे वाला रोबोट खातिर टकराव के घटना पाइपलाइन के संदर्भ-स्वतंत्र चरण के कवर करेला, जइसन कि भौतिक मानव-रोबोट बातचीत या हेरफेर कार्य में होला. समस्या के पहिले कठोर रोबोट खातिर संबोधित कइल जाला आउर फिर संयुक्त/प्रसारण लचीलापन के उपस्थिति तक विस्तारित कइल जाला. भौतिक रूप से प्रेरित बुनियादी समाधान के दुनिया भर में कई रोबोटिक सिस्टम में पहले से ही लागू कइल गइल बा, जे मैनिपुलेटर आउर ह्यूमनॉइड से लेकर उड़ने वाले रोबोट आउर इहां तक कि वाणिज्यिक उत्पाद तक में लागू कइल गइल बा. |
4e3a22ed94c260b9143eee9fdf6d5d6e892ecd8f | |
e18fa8c8f402c483b2c3eaaa89192fe99e80abd5 | कईगो अध्ययन बा जे ई बतावेला कि छपल समाचार के शेयर बाजार के दिशा, ओकर अस्थिरता, व्यापार के मात्रा, आ समाचार में बतावल अलग-अलग स्टॉक के मूल्य पर महत्वपूर्ण प्रभाव पड़ेला। कुछ प्रकाशित शोध में ई बात भी बतावल गइल बा कि समाचार पत्र, तिमाही रिपोर्ट, ब्लॉग आ/या ट्विटर डेटा के स्वचालित भावना विश्लेषण के ब्यापार रणनीति के हिस्सा के रूप में उपयोगी रूप से इस्तेमाल कइल जा सकेला। ई पेपर ट्रेडिंग रणनीति के एगो अइसन परिवार के प्रस्तुत करेला, आउर फिर इ अनुप्रयोग के उपयोग करे के खातिर कुछ मौन धारणा के फिर से जांच करे खातिर उपयोग करेला कि कइसे भावना विश्लेषक के आम तौर पर उनकर अनुप्रयोग के संदर्भ के बावजूद मूल्यांकन कइल जाला. इ विसंगति के एगो कीमत बा। |
050c6fa2ee4b3e0a076ef456b82b2a8121506060 | छवियन में 2D बाउंडिंग बॉक्स के रूप में वस्तु के पहिचान करे में बहुत प्रगति के बावजूद, अब भी अवरुद्ध वस्तु के खोजल आउर एकल छवियन से कई वस्तु के 3D गुण के अनुमान लगावल बहुत चुनौतीपूर्ण बा. इ पेपर में, हम एगो नया ऑब्जेक्ट प्रतिनिधित्व, 3 डी वोक्सल पैटर्न (3 डीवीपी) के प्रस्तावित कइले बानी, जे संयुक्त रूप से ऑब्जेक्ट के मुख्य गुण के एन्कोड करेला, जेमे उपस्थिति, 3 डी आकार, दृश्य बिंदु, ऑक्ल्यूजन आउर ट्रंकेशन शामिल बा. हम 3डीवीपी के खोज डेटा आधारित तरीका से करेनी, आ 3डीवीपी के शब्दकोश बनावे खातिर खास डिटेक्टर के एगो समूह के प्रशिक्षित करेनी. 3डीवीपी डिटेक्टर विशिष्ट दृश्यता पैटर्न वाला वस्तु के पता लगावे में सक्षम होला आउर 3डीवीपी से मेटा-डेटा के पता लगावल गइल वस्तु में स्थानांतरित करे में सक्षम होला, जइसे कि 2डी सेगमेंटेशन मास्क, 3डी पोज आउर साथ ही ऑक्ल्यूजन या ट्रंकेशन सीमा. स्थानांतरित मेटा-डेटा हमनी के वस्तु के बीच ऑक्ल्यूजन संबंध के अनुमान लगावे के अनुमति देवेला, जवन बदले में बेहतर वस्तु मान्यता परिणाम प्रदान करेला. किट्टी डिटेक्शन बेंचमार्क [17] आउर आउटडोर-सीन डेटासेट [41] पर प्रयोग करल जाला. हम कार डिटेक्शन पर अत्याधुनिक परिणाम में सुधार कइलिअइ आउर उल्लेखनीय मार्जिन (6% KITTI के कठिन डेटा में) के साथ अनुमान लगइलिअइ. हम लोग आपन तरीका के जाँच भी कर सकत बानी कि का ई सही बा कि हम लोग वस्तु के पृष्ठभूमि से अलग-अलग कर के 3डी में देख सकीं। |
1a124ed5d7c739727ca60cf11008edafa9e3ecf2 | जइसे-जइसे डेटा संचालित अर्थव्यवस्था विकसित होत जा रहल बा, उद्यम के ई बात के एहसास हो रहल बा कि ऊ लोग डेटा के उच्च मात्रा, उच्च गति धारा पर काम करे में सक्षम होखला के प्रतिस्पर्धात्मक लाभ उठा रहल बा. वितरित संदेस कतार आउर स्ट्रीमिंग प्रोसेसिंग प्लेटफार्म जइसन तकनीक जवन कमोडिटी हार्डवेयर पर हजारों डेटा स्ट्रीम विभाजन तक स्केल कर सकेला, एगो प्रतिक्रिया बा. हालाँकि, ए सब सिस्टम द्वारा दिहल जाए वाला प्रोग्रामिंग एपीआई अक्सर निम्न-स्तर के होला, जेकरा खातिर पर्याप्त कस्टम कोड के आवश्यकता होला जे प्रोग्रामर के सीखे के समय आ रखरखाव के समय के बढ़ावेला. एकरे अलावा, इ सब सिस्टम में अक्सर एसक्यूएल क्वेरी क्षमता के कमी होला जवन कि हाइव, इम्पाला या प्रेस्टो जइसन बिग डेटा सिस्टम पर लोकप्रिय साबित भइल बा. हम डेटा स्ट्रीम क्वेरी आ हेरफेर खातिर मानक एसक्यूएल के एगो न्यूनतम सेट परिभाषित कर रहल बानी. ई एक्सटेंशन सभ के प्रोटोटाइप सैमज़ाएसक्यूएल में बनावल गइल बा, जवन कि एसक्यूएल के स्ट्रीमिंग खातिर एगो नया औजार हवे जे स्ट्रीमिंग एसक्यूएल के भौतिक योजना में संकलित करेला जे सैमज़ा, एगो ओपन-सोर्स डिस्ट्रीब्यूटेड स्ट्रीम प्रोसेसिंग फ्रेमवर्क पर चलावल जाला। हम सैमजा के देशी अनुप्रयोग के साथे स्ट्रीमिंग एसक्यूएल क्वेरी के प्रदर्शन के तुलना करब आउर उपयोगिता में सुधार पर चर्चा करब. सैमजाएसक्यूएल ओपन सोर्स अपाचे सैमजा प्रोजेक्ट के हिस्सा हवे आ ई आम इस्तेमाल खातिर उपलब्ध होखी। |
b8ec319b1f5223508267b1d5b677c0796d25ac13 | कई वास्तविक दुनिया के परिदृश्य में, एगो विशिष्ट मशीन लर्निंग कार्य खातिर लेबल कइल गइल डेटा प्राप्त करे में महंगा होला. अर्ध-पर्यवेक्षित प्रशिक्षण विधि में प्रचुर मात्रा में उपलब्ध लेबल रहित डेटा आउर लेबल वाला उदाहरण के कम संख्या के उपयोग कइल जाला. हम लोग मानव में सीख से प्रेरित गहिरा तंत्रिका नेटवर्क के अर्ध-पर्यवेक्षित प्रशिक्षण खातिर एगो नया ढांचा प्रस्तावित करत बानी. संबद्धता लेबल वाला नमूना के एम्बेडेड से लेबल रहित नमूना के एम्बेडेड से आउर वापस से बनावल जाला. अनुकूलन अनुसूची सही संघटन चक्र के प्रोत्साहित करेला जे ओही वर्ग में समाप्त होला जहाँ से संघटन शुरू भइल रहे आउर गलत संघटन के दंडित करेला जे एगो अलग वर्ग में समाप्त होला. कार्यान्वयन के उपयोग करल आसान बा आउर एकरा के कौनो भी मौजूदा एंड-टू-एंड प्रशिक्षण सेटअप में जोड़ल जा सकेला. हम कई डेटा सेट पर एसोसिएशन द्वारा सीखे के क्षमता के देखावत बानी आउर देखावत बानी कि इ अतिरिक्त रूप से उपलब्ध लेबल रहित डेटा के उपयोग करके वर्गीकरण कार्य पर प्रदर्शन के बहुत बेहतर कर सकेला. खासतौर से, कम लेबल वाला डेटा वाला मामला खातिर, हमनी के प्रशिक्षण योजना एसवीएचएन पर वर्तमान कला के स्थिति से बेहतर बा. |
852c633882927affd1a951e81e6e30251bb40867 | लगातार विकसित हो रहल रेडियो फ्रीक्वेंसी आइडेंटिफिकेशन (आरएफआईडी) तकनीक के साथ-साथ, नया अनुप्रयोग क्षेत्र में मिलल जरूरत के पूरा करे खातिर नया प्रकार के टैग एंटीना सामग्री आउर संरचना उभर रहल बा. इ काम में, विकिरण दक्षता माप के एगो विधि विकसित आउर निष्क्रिय अल्ट्रा-हाई फ्रीक्वेंसी (यूएचएफ) आरएफआईडी डायपोल टैग एंटीना खातिर सत्यापित कइल गइल बा. एकरे अलावा, माप पद्धति के उपयोग शरीर-केंद्रित वायरलेस संचार अनुप्रयोग के खातिर पहनावे लायक डायपोल टैग एंटेना के विकिरण दक्षता के नापे खातिर कइल जाला. माप से प्राप्त जानकारी के उपयोग टैग एंटीना सामग्री संरचना के नुकसान के लक्षणित करे आउर टैग एंटीना प्रदर्शन आउर विश्वसनीयता के बेहतर आउर अनुकूलित करे खातिर कइल जा सकेला. |
833de6c09b38a679ed870ad3a7ccfafc8de010e1 | ईगो-वाहन के गति के अनुमान उन्नत ड्राइविंग सहायक प्रणाली आउर मोबाइल रोबोट स्थानीयकरण खातिर एगो महत्वपूर्ण क्षमता बाटे. निम्नलिखित पेपर में एगो मजबूत एल्गोरिथ्म प्रस्तुत कइल गइल बा जे राडार सेंसर के उपयोग करके ईगो-वाहन के पूरा 2 डी गति स्थिति (लंबाई, पार्श्व वेग आउर यव दर) के तुरंत निर्धारित करे खातिर कइल गइल बा. इ कम से कम दू गो डॉपलर रडार सेंसर आउर उनकर प्राप्त स्थिर प्रतिबिंब (लक्ष्य) के बीच सापेक्ष गति के मूल्यांकन करेला. उनके रेडियल वेग के वितरण के आधार पर अज़ीमुथ कोण पर, गैर-स्थिर लक्ष्य आउर गंदगी के बाहर कइल जाला. अहं-गति आउर एकर संबंधित सह-परिमेयता मैट्रिक्स के अनुमान लगावल जाला. एल्गोरिथ्म के कौनो पूर्व-प्रसंस्करण चरण के आवश्यकता ना होला जइसे कि क्लस्टरिंग चाहे क्लटर दमन आउर एह में कौनो मॉडल धारणा ना होला. सेंसर के गाड़ी पर कउनो भी जगह लगावल जा सकेला. एगो सामान्य दृश्य क्षेत्र के आवश्यकता नइखे, अंतरिक्ष में लक्ष्य संघ के बचावे खातिर. एगो अतिरिक्त लाभ के रूप में, सभ लक्ष्य के तुरंत स्थिर या गैर-स्थिर के रूप में लेबल कइल जाला. |
31918003360c352fb0750040d163f287894ab547 | हाल में ऑटोमोटिव एम्बेडेड सिस्टम के विकास बहुत तेजी से भइल बा जब से स्मार्ट कार, इलेक्ट्रिक कार्ड इत्यादि के आगमन भइल बा. इनहन में कई तरह के मूल्य वर्धित सिस्टम होला जइसे कि IPA (इंटेलिजेंट पार्किंग असिस्टेंस), BSW (ब्लाइंड स्पॉट वार्निंग), LDWS (लेन डिफरेंस वार्निंग सिस्टम), LKS (लेन कीपिंग सिस्टम) - ई सब ADAS (एडवांस्ड ड्राइवर असिस्टेंस सिस्टम) हवें। AUTOSAR (ऑटोमोटिव ओपन सिस्टम आर्किटेक्चर) ऑटोमोटिव एम्बेडेड सॉफ्टवेयर के बिकास खातिर सबसे उल्लेखनीय औद्योगिक मानक बाटे. AUTOSAR ऑटोमोटिव निर्माता लोग आ सप्लायर लोग के एगो साझेदारी हवे जे ऑटोमोटिव ई/ई आर्किटेक्चर खातिर खुला इंडस्ट्री स्टैंडर्ड बनावे आ स्थापित करे खातिर काम करे ला। इ लेख में, हमनी के ऑटोसर के संछेप में परिचय देब आउर ऑटोमोटिव सॉफ्टवेयर एलडीडब्ल्यूएस (लेन डिटेक्शन एंड वार्निंग सिस्टम) के विकास के परिणाम के देखावल जाई. |
36bb4352891209ba0a7df150c74cd4db6d603ca5 | उदाहरण सीखे पर आधारित एकल छवि सुपर-रिज़ॉल्यूशन (एसआर) एकल-इनपुट लो-रिज़ॉल्यूशन (एलआर) छवि से उच्च-रिज़ॉल्यूशन (एचआर) छवि के पुनर्निर्माण खातिर एगो आशाजनक विधि बा. बहुत सारा लोकप्रिय एसआर दृष्टिकोण या त समय- या स्थान-गहन होखेला, जवन उनकर व्यावहारिक अनुप्रयोग के सीमित करेला. एही से, कुछ शोध उप-अंतरिक्ष दृश्य पर केंद्रित बा आउर अत्याधुनिक परिणाम प्रदान करेला. इ पेपर में, हम प्रशिक्षण चरण में रैखिक उप-स्थानन के समूह में एलआर छवियन के बड़ गैर-रैखिक सुविधा स्थान के बदले खातिर मिश्रण पूर्व मॉडल के साथ एगो प्रभावी तरीका के उपयोग करिला. विशेष रूप से, हम पहिला बार छवियन के कई समूह में बाँटब, जे में आर.आर. पैच के भिन्नता वक्रता पर आधारित एगो उपन्यास चयनात्मक पैच प्रसंस्करण विधि के उपयोग कइल गइल बा, आउर फेर प्रत्येक समूह में मिश्रण के पहिले के मॉडल के सीखल गइल बा. एकरे अलावा, अलग-अलग पूर्व वितरण के एसआर में अलग-अलग प्रभावकारिता होला, आउर इ मामला में, हम पावेला कि छात्र-टी पूर्व प्रसिद्ध गॉसियन पूर्व के तुलना में मजबूत प्रदर्शन देखावेला. परीक्षण चरण में, हम इनपुट LR सुविधा के उचित उप-स्थान में मैप करे खातिर सीखे गइल बहु-मिश्रण पूर्व मॉडल के अपनाईला, आउर अंत में एगो उपन्यास मिश्रित मिलान तरीका से संबंधित HR छवि के पुनर्निर्माण करेला. प्रयोगात्मक परिणाम से पता चलता कि प्रस्तावित दृष्टिकोण कुछ अत्याधुनिक एसआर विधियन से मात्रात्मक आउर गुणात्मक दुनों रूप से श्रेष्ठ बा. |
189a391b217387514bfe599a0b6c1bbc1ccc94bb | हम टकराव-मुक्त हैश फलन के डिजाइन खातिर एगो सरल, नया प्रतिमान प्रस्तुत करत बानी. इ प्रतिमान से निकले वाला कौनो भी फलन वृद्धिशील होला. (एकर मतलब ई बा कि अगर एगो संदेश x जेकर हम पहिले से हैश कइले बानी, x0 में बदलल जाला तब x0 के हैश के गणना फिर से करे के बजाय, हम जल्दी से पुरान हैश मान के नया मान में अपडेट कर सकीलें, समय में एक्स में कइल गइल संशोधन के मात्रा के अनुपात में एक्स प्राप्त करे खातिर) इ पैटर्न से निकले वाला कौनो भी फलन समानांतर हो सकेला, जवन हार्डवेयर कार्यान्वयन खातिर उपयोगी होला. हम आपन प्रतिमान से कईगो विशिष्ट फलन के प्राप्त कर सकत बानी. सब लोग एगो मानक हैश फलन के उपयोग करेलन, जेके आदर्श मानल जाला, आउर कुछ बीजीय संक्रिया के उपयोग करेला. पहिला फलन, MuHASH, संदेश के प्रति ब्लॉक एगो मॉड्यूलर गुणन के उपयोग करेला, जेके उचित रूप से कुशल बनावेला, आउर पहिले के वृद्धिशील हैश फलन के तुलना में काफी तेज होला. एकर सुरक्षा साबित भइल बा, असतत लघुगणक समस्या के कठोरता के आधार पर. एगो दूसर फलन, एडहैश, अउर भी तेज बा, गुणा के बजाय जोड़ के उपयोग करेला, सुरक्षा के साथ साबित होला कि सबसे छोट जालीदार वेक्टर के लंबाई के अनुमान कठिन बा या कि भारित उपसमूह योग समस्या कठिन बा. एगो तीसर फलन, LtHASH, हाल के जाली आधारित फलन के एगो व्यावहारिक रूप बा, जेकर सुरक्षा सिद्ध बा, फेर से सबसे छोट जाली वेक्टर अनुमान के कठोरता पर आधारित बा. डिपार्टमेंट में काम करे वाला कंप्यूटर साइंस एंड इंजीनियरिंग, कैलिफोर्निया विश्वविद्यालय सैन डिएगो, 9500 गिलमैन ड्राइव, ला जोला, कैलिफोर्निया 92093, यूएसए. ई-मेल: [email protected]. यूआरएलः http://www-cse.ucsd.edu/users/mihir. आंशिक रूप से एनएसएफ कैरियर अवार्ड सीसीआर-9624439 आउर विज्ञान आउर इंजीनियरिंग में पैकार्ड फाउंडेशन फैलोशिप द्वारा समर्थित. yMIT कंप्यूटर साइंस खातिर प्रयोगशाला, 545 टेक्नोलॉजी स्क्वायर, कैम्ब्रिज, एमए 02139, यूएसए. ई-मेल: [email protected]. आंशिक रूप से DARPA अनुबंध DABT63-96-C-0018 द्वारा समर्थित बाटे. |
9b9c9cc72ebc16596a618d5b78972437c9c569f6 | |
3ffce42ed3d7ac5963e03d4b6e32460ef5b29ff7 | हम भौतिक वस्तु के पूरा मॉडल बनावे के समस्या के अध्ययन करत बानी. हालांकि ई तीव्रता के छवियन के उपयोग कइके संभव हो सकेला, हम इहा दायरा छवियन के उपयोग करब जवन सीधे तीन आयामी जानकारी तक पहुंच प्रदान करेला. पहिला समस्या जवन हमनी के हल करे के बा ऊ बा कि विभिन्न दृष्टिकोण के बीच परिवर्तन के खोजल. पहिले के दृष्टिकोण या त इ परिवर्तन के ज्ञात करे खातिर मानले रहे (जे एगो पूर्ण मॉडल खातिर बहुत कठिन बा), या एकरा के सुविधा मिलान के साथ गणना कइल गइल (जे एकीकरण खातिर पर्याप्त सटीक ना हवे). इ पेपर में, हम एगो नया तरीका प्रस्तावित करत बानी जे सीधे रेंज डी ए टी ए पर काम करेला, आउर दृश्य के बीच सटीक परिवर्तन प्राप्त करे खातिर पर्याप्त ओवरलैप क्षेत्र के साथ क्रमिक दृश्य के पंजीकृत करेला. ई एगो फंक्शनल के कम करके कइल जाला जेकरा खातिर बिंदु से बिंदु मिलान के आवश्यकता ना होला. हम रजिस्ट्रेशन विधि आ मॉडलिंग प्रक्रिया के बिस्तार से बतावल जा रहल बानी आ एकरा के जटिल वस्तु के वास्तविक दूरी के चित्रन पर देखावल जा रहल बा। भौतिक वस्तु के मॉडल बनावल जैविक दृष्टि मॉड्यूल के एगो आवश्यक घटक मशीन हवे. अइसन मॉडल के तब ऑब्जेक्ट मान्यता, पोजीशन अनुमान या निरीक्षण कार्य में उपयोग कइल जा सकेला. अगर रुचि के वस्तु के ठीक से डिजाइन कइल गइल बा, त अइसन मॉडल सीएडी मॉडल के रूप में मौजूद बा. कई अनुप्रयोग में, हालांकि, अइसन सीएडी मॉडल तक पहुंचल या त संभव नइखे या व्यावहारिक नइखे, आउर हमनी के भौतिक वस्तु से मॉडल बनावे के जरूरत बा. कुछ शोधकर्ता एगो अइसन मॉडल के उपयोग करके समस्या के दूर कर देले बाड़ें जेमे कईगो दृश्य ([4], [a]) शामिल बा, लेकिन ई हमेशा पर्याप्त ना होला. अगर केहू के कौनो ऑब्जेक्ट के पूरा मॉडल के जरूरत होखे, त निम्नलिखित चरण आवश्यक बा: 1. डेटा अधिग्रहण, 2. दृश्य के बीच पंजीकरण, 3. दृश्य के एकीकरण. दृश्य से हमार मतलब बा कि वस्तु के विशिष्ट बिंदु से 3D सतह जानकारी. जबकि एकीकरण प्रक्रिया उपयोग कइल गइल प्रतिनिधित्व योजना पर बहुत निर्भर करेला, एकीकरण करे खातिर पूर्व शर्त विभिन्न दृश्य से डेटा के बीच परिवर्तन के जानले रहेला. रजिस्ट्रार के लक्ष्य अइसन परिवर्तन के खोज कइल बा जेकरा के समस्या के जवाब के रूप में भी जानल जाला. इ समस्या पहिले के कई शोध प्रयास के मूल में रहल: भानु [a] वस्तु के ज्ञात कोण के माध्यम से घुमाके कई दृश्य प्राप्त करे खातिर वस्तु मान्यता खातिर एगो वस्तु मॉडलिंग प्रणाली विकसित कइलन. चिइं अउरी दोसर. [3] आ आहुजा आ वेन-स्ट्र [l] ऑक्ट्री ऑब्जेक्ट मॉडल के निर्माण करे खातिर ऑर्थोगोनल दृश्य के इस्तेमाल कइलें. एह तरीका से, ... |
883b2b981dc04139800f30b23a91b8d27be85b65 | इ पत्र में, हम एगो कुशल 3 डी ऑब्जेक्ट मान्यता प्रस्तुत करब आउर अव्यवस्थित आउर अवरुद्ध वातावरण में प्रक्रिया के समझे खातिर अनुमान लगाबई. आम रूप-आधारित दृष्टिकोण के विपरीत, हम लोग खाली 3 डी ज्यामिति जानकारी पर भरोसा करीलें. हमार तरीका एगो मजबूत ज्यामितीय विवरण, एगो हैशिंग तकनीक आउर एगो कुशल, स्थानीयकृत RANSAC-जैसन नमूना रणनीति पर आधारित बा. हम मान लेब कि प्रत्येक वस्तु के एगो मॉडल द्वारा निरूपित कइल जाला जेमे संबंधित सतह सामान्य के साथ बिंदुअन के एगो सेट होला. हमार तरीका एके साथे कई गो मॉडल के पहिचान करेला आ दृश्य में उनकर मुद्रा के अनुमान लगावेला. कई तरह के परीक्षण से पता चलल बा कि प्रस्तावित विधि शोर, गन्दा आउर बिना खंड के रेंज स्कैन पर अच्छा प्रदर्शन करेला जउने में वस्तु के केवल छोट भाग दिखाई देला. एल्गोरिथ्म के मुख्य प्रक्रिया में एगो रैखिक समय जटिलता होला जेकर परिणामस्वरूप उच्च मान्यता गति होला जे कि विधि के सीधा एकीकरण के निरंतर हेरफेर कार्य में अनुमति देवेला. 7-डिग्री-ऑफ-फ्रीडम कार्टेशियन प्रतिबाधा नियंत्रित रोबोट के साथ प्रयोगात्मक सत्यापन से पता चलता कि जटिल यादृच्छिक ढेर से वस्तु के समझे खातिर इ विधि के उपयोग कइसे कइल जा सकेला. इ एप्लिकेशन इ दर्शावेला कि कंप्यूटर विजन आउर सॉफ्टरोबोटिक्स के एकीकरण से एगो रोबोटिक प्रणाली कइसे काम करेला जवन असंगठित आउर अवरुद्ध वातावरण में काम करे में सक्षम होला. |
9bc8aaaf23e2578c47d5d297d1e1cbb5b067ca3a | इ पेपर में एकल कैमरा छवि में 3 डी ऑब्जेक्ट के उदाहरण के पहचानने आउर उनकर 3 डी मुद्रा के निर्धारित करे खातिर एगो दृष्टिकोण के वर्णन कइल गइल बा. एगो पदानुक्रमित मॉडल के निर्माण खाली वस्तु के 3D सीएडी मॉडल के ज्यामिति जानकारी के आधार पर कइल जाला. ई दृष्टिकोण वस्तु के सतह के बनावट या परावर्तन जानकारी पर निर्भर ना करेला, जेसे इ औद्योगिक आउर रोबोटिक अनुप्रयोग के एगो विस्तृत श्रृंखला खातिर उपयोगी हो जाला, उदाहरन खातिर, बिन-पिकिंग. एगो पदानुक्रमित दृस्य-आधारित दृष्टिकोण लागू करल जाला जे पिछला विधि के विशिष्ट समस्या के संबोधित करेला: इ सच्चे परिप्रेक्ष्य के संभालता, शोर, समापन आउर अव्यवस्था के खातिर एगो हद तक मजबूत होला जे कि कई व्यावहारिक अनुप्रयोग खातिर पर्याप्त होला, आउर विपरीत परिवर्तन खातिर अपरिवर्तनीय होला. इ पदानुक्रमित मॉडल के निर्माण खातिर, एगो नया मॉडल छवि उत्पादन तकनीक प्रस्तुत कइल गइल बा जेकरे द्वारा स्केल-स्पेस प्रभाव के ध्यान में रखल जा सकेला. आवश्यक वस्तु दृश्य समानता-आधारित पहलू ग्राफ के उपयोग करके प्राप्त कइल जाला. एगो संपूर्ण खोज के उच्च मजबूती के एगो कुशल पदानुक्रमित खोज के साथ जोड़ल जाला. 3 डी मुद्रा के सबसे कम-वर्ग समायोजन के उपयोग करके परिष्कृत कइल गइल बा जे छवि में ज्यामितीय दूरी के कम से कम कर देला, जे वस्तु के दूरी के संबंध में 0.12 प्रतिशत तक के स्थिति सटीकता पैदा करेला, आउर हमार परीक्षण में 0.35 डिग्री तक के अभिविन्यास सटीकता. मान्यता समय वस्तु के जटिलता से काफी हद तक स्वतंत्र होला, लेकिन मुख्य रूप से उ मुद्रा के सीमा पर निर्भर करेला जेकरा भीतर वस्तु कैमरा के सामने दिखाई दे सकेला. दक्षता के कारण से, इ दृष्टिकोण अनुप्रयोग के आधार पर मुद्रा सीमा के प्रतिबंधित करे के अनुमति देवेला. आम तौर पर एकर रनटाइम कुछ सौ एमएस के सीमा में होला. |
dbd66f601b325404ff3cdd7b9a1a282b2da26445 | प्रारंभिक मूल्यांकन परिणाम बतावेला कि 6 डी ऑब्जेक्ट पोजीशन अनुमान में कला के स्थिति में सुधार खातिर पर्याप्त जगह बा, खासकर महत्वपूर्ण ऑक्ल्यूशन के साथ कठिन मामला में. टी-लेस डेटासेट ऑनलाइन उपलब्ध बाटे cmp:felk:cvut:cz/t-less. हम टी-लेस, एगो नया सार्वजनिक डेटासेट प्रस्तुत करत बानी जवन 6 डी मुद्रा के अनुमान लगावे खातिर बा, यानी कि पाठहीन कठोर वस्तु के अनुवाद आउर घूर्णन. डेटासेट में तीस गो उद्योग-उपयोगी वस्तु बा जिनहन में कौनों खास बनावट ना बा आ कौनों भेदभाव वाला रंग या परावर्तन गुण ना बा। वस्तुसब के आकार अउरी/या आकार में समरूपता अउरी आपसी समानता के प्रदर्शन करत बा. अन्य डेटासेट के तुलना में, एगो अद्वितीय गुण इ बा कि कुछ वस्तु दूसर के हिस्सा हवें. डेटासेट में प्रशिक्षण आउर परीक्षण छवियन के शामिल कइल गइल रहे जे तीन सिंक्रनाइज़ सेंसर, विशेष रूप से एगो संरचित-प्रकाश आउर एगो समय-उड़ान आरजीबी-डी सेंसर आउर एगो उच्च-रिज़ॉल्यूशन आरजीबी कैमरा के साथ कैप्चर कइल गइल रहे. प्रत्येक सेंसर से लगभग 39 हजार प्रशिक्षण आउर 10 हजार परीक्षण छवियां प्राप्त होला. एकरे अलावा, प्रत्येक वस्तु खातिर दु प्रकार के 3D मॉडल उपलब्ध करावल गइल बा, यानी एगो मैन्युअल रूप से बनावल गइल सीएडी मॉडल आ एगो अर्ध-स्वचालित रूप से बनावल गइल मॉडल। प्रशिक्षण चित्र में काला पृष्ठभूमि पर अलग-अलग वस्तु के देखावल गइल बा. परीक्षण छवियन के उत्पत्ति बीस परीक्षण दृश्य से होला जिनहन के जटिलता अलग-अलग होला, जे कई गो अलग-थलग वस्तु के सरल दृश्य से लेके कई गो वस्तु के कई गो उदाहरण के साथे बहुत चुनौतीपूर्ण आउर ढेर मात्रा में गंदगी आउर अवरुद्धता के साथ बढ़ेला. इ छवियन के वस्तु/दृश्य के चारों ओर व्यवस्थित रूप से नमूनाकृत दृश्य क्षेत्र से लिहल गइल रहे, आउर इ सब मॉडल कइल गइल वस्तु के सटीक ग्राउंड ट्रूथ 6 डी मुद्रा के साथ एनोटेट कइल गइल रहे. |
74257c2a5c9633565c3becdb9139789bcf14b478 | आईटी नियंत्रण ढांचा के व्यापक रूप से अपनावल जाए के बावजूद, इनहन के इस्तेमाल के जाँच करे खातिर बहुत कम अकादमिक अनुभवजन्य रिसर्च कइल गइल बा। ई पेपर ऑस्ट्रेलिया भर में सार्वजनिक क्षेत्र के संगठन में सूचना आ संबंधित प्रौद्योगिकी (कोबिट) खातिर नियंत्रण उद्देश्य से 15 गो मुख्य आईटी नियंत्रण प्रक्रिया के परिपक्वता स्तर के बेंचमार्क करे खातिर शोध पर रिपोर्ट बाटे. ई कई देशन के मिश्रित क्षेत्र समूह, एशियाई-महासागरीय देसन के मिश्रित क्षेत्र समूह, आ सगरी भौगोलिक क्षेत्रन के सार्वजनिक क्षेत्र के संगठन के तुलना भी समान बेंचमार्क से करेला। ऑस्ट्रेलियाई आंकड़ा 387 गैर-वित्तीय सार्वजनिक क्षेत्र के संगठन के मेल द्वारा सर्वेक्षण में एकत्र कइल गइल रहे, जेकर 50 से अधिक कर्मचारी रहलें, जेकर 27% उत्तर दर मिलल रहे. 2002 में आईएस ऑडिट एंड कंट्रोल एसोसिएशन द्वारा कइल गइल मूल अंतर्राष्ट्रीय सर्वेक्षण में देखल गइल पैटर्न ऑस्ट्रेलियाई आंकड़ा में भी देखल गइल रहे. हालाँकि, ऑस्ट्रेलियाई सार्वजनिक क्षेत्र 15 गो सबसे महत्वपूर्ण आईटी प्रक्रिया खातिर अंतर्राष्ट्रीय बेंचमार्क में सेक्टर से बेहतर प्रदर्शन कइलस. |
0e9bac6a2b51e93e73f7f5045d4252972db10b5a | हम एगो नया एल्गोरिथ्म प्रदान कर रहल बानी जे लगभग लाखों पंक्ति, लाखों स्तंभ, आउर अरबों गैर-शून्य तत्व के साथे बड़ मैट्रिक्स के गुणनखंडित करेला. हमार दृष्टिकोण स्टोचैस्टिक ग्रेडिएंट डिसेंट (एसजीडी) पर आधारित बा, एगो पुनरावर्ती स्टोचैस्टिक अनुकूलन एल्गोरिथ्म. सबसे पहिले हमनी के एगो नया "स्तरित" एसजीडी संस्करण (एसएसजीडी) विकसित करब जवन सामान्य हानि-न्यूनतमकरण समस्या पर लागू होला जेमे हानि फलन के "स्तरित हानि" के भारित योग के रूप में व्यक्त कइल जा सकेला. हम स्टोचैस्टिक अनुमान सिद्धांत आउर पुनरुत्पादक प्रक्रिया सिद्धांत के परिणाम के उपयोग करके एसएसजीडी के अभिसरण खातिर पर्याप्त परिस्थिति स्थापित कर रहल बानी. तब हम एसएसजीडी के एगो नया मैट्रिक्स-फैक्टरिज़ेशन एल्गोरिथ्म, डीएसजीडी, खातिर बिसेस बनाईं जे पूरा तरह से वितरित कइल जा सकेला आउर वेब-स्केल डेटासेट पर चल सकेला, उदाहरण खातिर, मैपरेड्यूस के उपयोग क के. डीएसजीडी कई तरह के मैट्रिक्स फैक्टराइजेशन के संभाल सकेला. हम आपन डीएसजीडी कार्यान्वयन में प्रदर्शन के अनुकूलित करे खातिर उपयोग कइल गइल व्यावहारिक तकनीक के वर्णन करब. प्रयोग से पता चलल बा कि डीएसजीडी काफी तेजी से अभिसरण करेला आउर वैकल्पिक एल्गोरिदम के तुलना में बेहतर स्केलेबिलिटी गुण होला. |
1109b663453e78a59e4f66446d71720ac58cec25 | हम वर्गीकरण, स्थानीयकरण आउर पता लगावे खातिर संवहन नेटवर्क के उपयोग करे खातिर एगो एकीकृत ढांचा प्रस्तुत कर रहल बानी. हम देखब कि कइसे एगो मल्टीस्केल आउर स्लाइडिंग विंडो दृष्टिकोण के कॉनवेट के भीतर कुशलता से लागू कइल जा सकेला. हम लोग स्थानीयकरण खातिर एगो नया गहिरा सीख के तरीका भी प्रस्तुत करब, जेमे वस्तु के सीमा के भविष्यवाणी करल सीखल जाई. तब पता लगावे के भरोसा बढ़ावे खातिर सीमांकन बाकस के दबावे के बजाय जमा कइल जाला. हमनी के देखावल बा कि एके साझा नेटवर्क के उपयोग क के अलग-अलग काम एके साथ सीखल जा सकेला. इ एकीकृत ढांचा इमेजनेट लार्ज स्केल विजुअल रिकग्निशन चैलेंज 2013 (आईएलएसवीआरसी2013) के स्थानीयकरण कार्य के विजेता बाटे आउर पता लगावे आउर वर्गीकरण कार्य खातिर बहुत प्रतिस्पर्धी परिणाम प्राप्त कइलस. प्रतियोगिता के बाद के काम में, हम पता लगावे के काम खातिर एगो नया कला के स्थिति स्थापित करत बानी. अंत में, हमनी के एगो फीचर एक्सट्रैक्टर जारी कइले बानी जा जवन हमनी के सबसे बढ़िया मॉडल से बा, जेकर नाम बा ओवरफीट. |
062c1c1b3e280353242dd2fb3c46178b87cb5e46 | इ पेपर में हम निरंतर राज्य-क्रिया स्थान के साथे सुदृढीकरण सीखल समस्या के संबोधित करब. हम एगो नया एल्गोरिथ्म, tted प्राकृतिक अभिनेता-आलोचनात्मक (FNAC) के प्रस्ताव देले बानी, जे सामान्य फलन सन्निकटन आउर डेटा के पुनः उपयोग के अनुमति देवे खातिर [1] में काम के विस्तार करेला. हम महत्व नमूनाकरण क उपयोग कईके tted मान पुनरावृत्ति क एगो संस्करण के साथ प्राकृतिक अभिनेता-महत्वपूर्ण वास्तुकला [1] के जोड़ेलें. इ तरीका से प्राप्त विधि दुनों दृष्टिकोण के आकर्षक विशेषता के संयोजन करेला जबकि ओकर मुख्य कमजोरी से उबरल जाला: एगो ग्रेडिएंट-आधारित अभिनेता के उपयोग निरंतर कार्रवाई-स्थान में नीति अनुकूलन के साथे प्रतिगमन विधियों में पावल गइल कठिनाइ के आसानी से दूर करेला; बदले में, प्रतिगमन-आधारित आलोचक के उपयोग डेटा के कुशल उपयोग के अनुमति देवेला आउर अभिसरण समस्या से बचेला जवन अक्सर टीडी-आधारित आलोचक प्रदर्शित करेला. हम आपन एल्गोरिथ्म के अभिसरण स्थापित करब आउर एकर अनुप्रयोग के एगो सरल निरंतर स्थान, निरंतर क्रिया समस्या में चित्रित करब. |
f97f0902698abff8a2bc3488e8cca223e5c357a1 | डेटा-माइनिंग आउर मशीन-लर्निंग समस्या के हल करे खातिर सुविधा चयन एगो महत्वपूर्ण पहलू ह. ई पेपर समर्थन वेक्टर मशीन (एसवीएम) सीख के खातिर एगो सुविधा-चयन विधि के प्रस्ताव करेला. अधिकांश सुविधा-चयन विधि के तरह, प्रस्तावित विधि महत्व के घटत क्रम में सब सुविधा के रैंक करेले ताकि अधिक प्रासंगिक सुविधा के पहचाना जा सके. ई एसवीएम के संभाव्यता आउटपुट पर आधारित एगो नया मानदंड के उपयोग करेला. ई मानदंड, जेकरा के फीचर-आधारित सेंसिटिविटी ऑफ पोस्टियर प्रोबेबिलिटीज (एफएसपीपी) कहल जाला, फीचर के साथ आऊरी बिना फीचर के एसवीएम के संभाव्य आउटपुट के पूर्ण अंतर के फीचर स्पेस पर कुल मूल्य के गणना करके एगो विशिष्ट फीचर के महत्व के मूल्यांकन करेला. इ मानदंड के सटीक रूप आसानी से गणना योग्य ना होला आउर अनुमान के जरूरत होला. इ उद्देस्य खातिर चार समीकरण, एफएसपीपी 1-एफएसपीपी 4 प्रस्तावित कइल गइल बा. पहिला दुगो अनुमान प्रशिक्षण डेटा के नमूना कुल में विशेषता के मान के यादृच्छिक रूप से बदल के मानदंड के मूल्यांकन करेला. ई मानकीकृत एसवीएम आउटपुट से ओकर संभाव्यता आउटपुट तक मानचित्रण फलन के आपन विकल्प में भिन्नता होलाः एफएसपीपी 1 एगो सरल थ्रेसहोल्ड फलन के उपयोग करेला जबकि एफएसपीपी 2 एगो सिग्मोइड फलन के उपयोग करेला. दूसर दुगो सीधे मानदंड के करीब हव लेकिन विसेसता के संबंध में मानदंड के चिकनाई के धारणा में भिन्न हव. इ अनुमानन क प्रदर्शन, जेके एगो समग्र सुविधा-चयन योजना में उपयोग कईल जाला, क मूल्यांकन तब विभिन्न कृत्रिम समस्या औरु वास्तविक दुनिया की समस्या पे कईल जाला, जेमिना हाल ही में न्यूरल सूचना प्रसंस्करण प्रणाली (एनआईपीएस) सुविधा चयन प्रतियोगिता से डेटासेट सामिल होखेला. एफएसपीपी 1 से 3 लगातार अच्छा प्रदर्शन देखावत बाड़े जबकि एफएसपीपी 2 एगो मामूली अंतर से कुल मिला के सबसे अच्छा बा. एफएसपीपी2 के परफॉरमेंस, डेटासेट पर साहित्य में सबसे अच्छा परफॉर्म करे वाला फीचर-सिलेक्शन विधियन के साथ प्रतिस्पर्धी बाटे जेकरा के हमनी के परीछन कइले बानी. एकर संबंधित गणना मामूली बा आउर एही से ई एसवीएम अनुप्रयोगन खातिर सुविधा-चयन विधि के रूप में उपयुक्त बा. |
a1c5a6438d3591819e730d8aecb776a52130c33d | एगो कॉम्पैक्ट माइक्रोस्ट्रिप लोपास फिल्टर (एलपीएफ) के प्रस्ताव दिहल गइल बा जे अल्ट्रा-वाइड स्टॉपबैंड के साथ ट्रांसफार्मेड स्टेप्ड इम्पेंडेंस हेयरपिन रेजोनेटर के उपयोग करेला. परिवर्तित अनुनाद में एगो चरणबद्ध प्रतिरोध हेयरपिन अनुनाद आउर एगो एम्बेडेड हेक्सागोन स्टब लोडेड कपल्ड-लाइन संरचना होला. आकार के बढ़ावे बिना, एम्बेडेड संरचना के एगो चौड़ा स्टॉपबैंड प्राप्त करे खातिर पेश कइल जाला. एगो प्रोटोटाइप एलपीएफ के अनुकरण, निर्माण आउर माप करल गइल बा, आउर माप सिमुलेशन के साथ अच्छा समझौता में बा. लागू कइल गइल लो पास फिल्टर में 12.01fc तक के अल्ट्रा-वाइड स्टॉपबैंड होला जे 14 डीबी के रिजेक्शन लेवल के साथ होला. एकरे अलावा, प्रस्तावित फिल्टर के आकार 0.071λg × 0.103λg बा, जहाँ λg 1.45 गीगाहर्ट्ज के कटऑफ फ्रीक्वेंसी पर वेव गाइड के लंबाई होला। |
70d2d4b07b5c65ef4866c7fd61f9620bffa01e29 | पिछला दस साल में जलवायु बदलाव आ बरखा में बदलाव भइल बा। एही कारण हाल के समय में, कई भारतीय किसान द्वारा जलवायु-स्मार्ट तरीका के अपनावल गइल बा जेकरा के स्मार्ट कृषि कहल जाला। स्मार्ट कृषि एगो स्वचालित आ निर्देशित सूचना प्रौद्योगिकी ह जवन आईओटी (इंटरनेट ऑफ थिंग्स) के साथ लागू कइल गइल बा. आईओटी तेजी से विकसित हो रहल बा आउर व्यापक रूप से सभ वायरलेस वातावरण में लागू हो रहल बा. इ पत्र में, सेंसर प्रौद्योगिकी आउर वायरलेस नेटवर्क एकीकरण आईओटी प्रौद्योगिकी के अध्ययन आउर समीक्षा कृषि प्रणाली के वास्तविक स्थिति के आधार पर कइल गइल बा. इंटरनेट आ वायरलेस संचार के साथ एगो संयुक्त दृष्टिकोण, रिमोट मॉनिटरिंग सिस्टम (आरएमएस) के प्रस्ताव कइल गइल बा। एकर मुख्य उद्देश्य कृषि उत्पादन के पर्यावरण के वास्तविक समय के आंकड़ा इकट्ठा कइल बा जे कृषि सुविधा खातिर आसान पहुंच प्रदान करे जइसे कि लघु मालिश सेवा (एसएमएस) के माध्यम से अलर्ट आ मौसम के पैटर्न, फसल आदि के सलाह। |
ea88b58158395aefbb27f4706a18dfa2fd7daa89 | ऑनलाइन सोशल नेटवर्क (ओएसएन) में काफी मात्रा में आत्म-प्रकटीकरण के बावजूद, इ घटना के पीछे के प्रेरणा अभी भी कम समझ में आइल बा. गोपनीयता गणना सिद्धांत पर निर्माण करत, इ अध्ययन व्यक्तिगत स्व-प्रकटीकरण निर्णय के पीछे के कारक के करीब से देखके इ अंतर के भर देला. 237 विषय के संग संरचनात्मक समीकरण मॉडल में हमनी के मिलल कि सूचना के प्रकटीकरण के महत्वपूर्ण निर्धारक के रूप में अनुभवित आनंद आउर गोपनीयता चिंता. हम लोगन से ई बात के पुष्टि बा कि ओएसएन के उपयोगकर्ता लोगन के गोपनीयता चिंता मुख्य रूप से गोपनीयता उल्लंघन के कथित संभावना से निर्धारित होला आ अपेक्षित नुकसान से बहुत कम. ई अंतर्दृष्टि ओएनएस प्रदाता लोग आ नीति निर्माता लोग खातिर एगो मजबूत आधार प्रदान करे ले जेह पर सही जानकारी उपलब्ध करावे के प्रयास कइल जा सके। |
9dbfcf610da740396b2b9fd75c7032f0b94896d7 | अइसन एप्लीकेशन जवन डेटाबेस मैनेजमेंट सिस्टम (डीबीएमएस) के साथे बातचीत करे लीं, सभ जगह पावल जालीं। अइसन डेटाबेस एप्लीकेशन आमतौर पर एप्लीकेशन सर्वर पर होस्ट कइल जालें आ संजाल पर डेटाबेस सर्वर पर होस्ट कइल गइल डीबीएमएस तक छोट-छोट पहुंच के प्रसंस्करण खातिर डेटा के पुनः प्राप्त करे लें। दशकन से, डेटाबेस आउर प्रोग्रामिंग सिस्टम अनुसंधान समुदाय अलग-अलग दृष्टिकोण से ऐसन अनुप्रयोग के अनुकूलित करे पर काम कइले बाड़ें: डेटाबेस शोधकर्ता अत्यधिक कुशल डीबीएमएस बनवले बाड़ें, आउर प्रोग्रामिंग सिस्टम शोधकर्ता अनुप्रयोग के होस्ट करे खातिर विशेष संकलक आउर रनटाइम सिस्टम विकसित कइले बाड़ें. हालाँकि, अइसन अपेक्षाकृत कम काम भइल बा जे ई विशेषीकृत सिस्टम के संयोजन में विचार करके आउर ओमे विस्तारित अनुकूलन के अवसर के खोज करके डेटाबेस अनुप्रयोग के अनुकूलित करेला. एह लेख में, हमनी के तीन गो प्रोजेक्ट पर प्रकाश डालल जा रहल बा जेवन कि प्रोग्रामिंग सिस्टम आ डीबीएमएस दुनों के एक साथ देख के डेटाबेस एप्लीकेशन के ऑप्टिमाइज़ करे ला। डीबीएमएस आउर एप्लीकेशन के बीच इंटरफेस के सावधानी से फिर से देख के, आउर डेक्लेरेटिव डेटाबेस ऑप्टिमाइजेशन आउर आधुनिक प्रोग्राम विश्लेषण तकनीक के मिश्रण के लागू करके, हम देखवईला कि वास्तविक दुनिया के अनुप्रयोग में परिमाण के कई आदेश के गति संभव बा. |
fdc3948f5fec24eb7cd4178aee9732ab284f1f1c | ई पेपर में डब्ल्यूडब्ल्यूएएन/एलटीई धातु के रिम वाला स्मार्टफोन एप्लीकेशन खातिर हाइब्रिड मल्टी-मोड संकीर्ण-फ्रेम एंटीना के प्रस्ताव दिहल गइल बा. ग्राउंड क्लियरेंस मात्र 5 मिमी × 45 मिमी बा, जवन कि संकरी-फ्रेम स्मार्टफोन खातिर आशाजनक बा. एगो छोट अंतर के साथ धातु के रिम के तीन गो ग्राउंडेड पैच द्वारा सिस्टम ग्राउंड से जोड़ल जाला. ई प्रस्तावित एंटीना तीन गो युग्मित लूप मोड आ एगो स्लॉट मोड के उत्तेजित कर सकेला. इ चारो मोड के मिला के, प्रस्तावित एंटीना जीएसएम 850/900, डीसीएस/पीसीएस/यूएमटीएस 2100, और एलटीई 2300/2500 संचालन खातिर कवरेज प्रदान कर सकेला. प्रस्तावित एंटीना के विस्तृत डिजाइन विचार के वर्णन कइल गइल बा, आउर प्रयोगात्मक आउर अनुकरण दुनों परिणाम भी प्रस्तुत कइल गइल बा. |
021f37e9da69ea46fba9d2bf4e7ca3e8ba7b3448 | एगो अल्ट्रावाइडबैंड सौर विवाल्डी एंटीना प्रस्तावित बा. एमोर्फस सिलिकॉन कोशिका से कट के, ई 4.25 V पर चोटी के शक्ति बनाए रखेला, जवन कि खोए वाला बिजली प्रबंधन घटक के जरूरत के दूर करेला. वायरलेस संचार उपकरण सौर ऊर्जा उत्पन्न कर सकेला या डबल-स्रोत ऊर्जा कटाई खातिर रेक्टिना के रूप में कार्य कर सकेला. सौर विवलडी 0.95-2.45 गीगाहर्ट्ज से 0.5-2.8 डीबीआई लाभ के साथ काम करेला, आउर रेक्टिना मोड में, ई वायरलेस ऊर्जा के स्कैबिंग खातिर तीन बैंड के कवर करेला. |
592a6d781309423ceb95502e92e577ef5656de0d | मशीन अनुवाद के तंत्रिका एन्कोडर-डेकोडर मॉडल के प्रभावशाली परिणाम मिलल बा, जवन पारंपरिक अनुवाद मॉडल के प्रतिद्वंद्वी बा. हालाँकि, उनकर मॉडलिंग सूत्र बहुत सरल बा, आउर पारंपरिक मॉडल में निर्मित कई कुंजी प्रेरक पूर्वाग्रह के छोड़ देला. इ पत्र में हम ध्यानात्मक तंत्रिका अनुवाद मॉडल के शब्द आधारित संरेखण मॉडल से संरचनात्मक पूर्वाग्रह के शामिल करे खातिर विस्तारित कइले बानी, जेमे स्थितिगत पूर्वाग्रह, मार्कोव कंडीशनिंग, प्रजनन क्षमता आउर अनुवाद दिशा पर समझौता शामिल बा. हमनी के एगो आधारभूत ध्यान मॉडल आ कई भाषा जोड़े पर मानक वाक्यांश-आधारित मॉडल के तुलना में सुधार देखावल जा रहल बा, कम संसाधन वाला सेटिंग में कठिन भाषा पर मूल्यांकन कइल जा रहल बा. |
9ebe089caca6d78ff525856c7a828884724b9039 | बेयसियन दृष्टिकोण एगो सिद्धांत आधारित समाधान प्रदान करेला जे कि सुदृढीकरण सीख के खोज आउर शोषण के बीच के समझौता के हल करेला. हालांकि, ठेठ दृष्टिकोण या त पूरा तरह से देखे योग्य वातावरण के मानेलन या खराब पैमाने पर. ई काम फैक्टर बेज-अनुकूली पीओएमडीपी मॉडल के परिचय देला, एगो अइसन ढांचा जे आंशिक रूप से देखे लायक सिस्टम में गतिशीलता के सीखत समय अंतर्निहित संरचना के दोहन करे में सक्षम होला. हम एगो विश्वास ट्रैकिंग विधि भी प्रस्तुत करब जवन कि संयुक्त पसेसरी ओवर स्टेट आउर मॉडल चर के अनुमान लगावेला, आउर मोंटे-कार्लो ट्री सर्च समाधान विधि के एगो अनुकूलन, जे मिल के अंतर्निहित समस्या के लगभग इष्टतम रूप से हल करे में सक्षम बा. हमार तरीका एगो ज्ञात गुणनखंड के दक्षता से सीख सकेला या एके साथे गुणनखंड आउर मॉडल पैरामीटर के भी सीख सकेला. हमनी के देखावल जा रहल बा कि ई तरीका वर्तमान तरीका से बेहतर काम कर सकेला आ ऊ समस्या के समाधान कर सकेला जवन पहिले संभव ना रहे। |
b3a18280f63844e2178d8f82bc369fcf3ae6d161 | वर्ड एम्बेडिंग एगो लोकप्रिय फ्रेमवर्क बा जे पाठ डेटा के वास्तविक संख्या के वेक्टर के रूप में दर्शावेला. ई वेक्टर भाषा में अर्थशास्त्र के पकड़ल जाला, आ प्राकृतिक भाषा के प्रोसेसिंग आ मशीन लर्निंग के कई किसिम के एप्लीकेशन में एकर इस्तेमाल होला। इ उपयोगी गुण के बावजूद, सामान्य भाषा के निकाय से प्राप्त शब्द सम्मिलन जरूरी रूप से मानव पूर्वाग्रह के प्रदर्शित करेला. हम ग्लोवे वर्ड एम्बेडिंग एल्गोरिथ्म [9] द्वारा उत्पादित व्यवसाय शब्द वेक्टर खातिर प्रत्यक्ष आउर अप्रत्यक्ष लिंग पूर्वाग्रह के मापलन, फेर इ एल्गोरिथ्म के संशोधित करके कम पूर्वाग्रह के साथ एम्बेडिंग उत्पन्न कइल गइल ताकि इ एम्बेडिंग के उपयोग करे वाला डाउनस्ट्रीम अनुप्रयोग में पूर्वाग्रह के बढ़ावे के कम कइल जा सके. |
08a6e999532544e83618c16a96f6d4c7356bc140 | |
0c35a65a99af8202fe966c5e7bee00dea7cfcbf8 | ई लेख एगो ऑटो नोमस, इंटरैक्टिव टूर-गाइड रोबोट के सॉफ्टवेयर आर्किटेक्चर के वर्णन करेला. ई एगो मॉड्यूलर आ वितरित सॉफ्टवेयर आर्किटेक्चर प्रस्तुत करेला, जे में लोकेशन, मैपिंग, टकराव से बचाव, प्लानिंग आ कई गो मॉड्यूल सभ शामिल बा जे यूजर इंटरैक्शन आ वेब आधारित टेलीप्रेजेंस से संबंधित बा। एकर मूल रूप से, s oftware दृष्टिकोण संभाव्यता गणना, ऑन-लाइन सीखना आउर कउनो भी समय एल्गोरिदम पर निर्भर करेला. ई रोबोट के सुरक्षित, विश्वसनीय, आउर उच्च गति से अत्यधिक गतिशील वातावरण में काम करे में सक्षम बनावेला, आउर रोबोट के काम में मदद करे खातिर पर्यावरण के कौनो संशोधन के आवश्यकता ना होला. विशेष जोर ओह इंटरैक्टिव क्षमता के डिजाइन पर दिहल जाला जे लोग के सहज ज्ञान के अपील करे. ई इंटरफेस सार्वजनिक जगहन पर लोगन के भीड़ के साथ मानव-रोबोट बातचीत खातिर नया साधन उपलब्ध करावेला, अउर ई दुनिया भर के लोगन के वेब के उपयोग क के "वर्चुअल टेलीप्रेजेंस" स्थापित करे के क्षमता भी प्रदान करेला. हमनी के दृष्टिकोण के चित्रण करे खातिर, 1997 के मध्य में प्राप्त परिणाम के बारे में बतावल गइल बा, जब हमनी के रोबोट "रिहिनो" के छह दिन खातिर घनी आबादी वाला संग्रहालय में तैनात कइल गइल रहे. अनुभवजन्य परिणाम सार्वजनिक वातावरण में विश्वसनीय संचालन के प्रदर्शन करेला. रोबोट सफलतापूर्वक संग्रहालय के एटेन्सन डांस के 50% से अधिक बढ़ा दिहलस. एकरे अलावा, दुनिया भर में हजारन लोग वेब के माध्यम से रोबोट के नियंत्रित कइल। हमार अनुमान बा कि इ नवाचार सेवा रोबोट खातिर बहुत बड़ अनुप्रयोग डोमेन के सीमा से परे जा रहल बा. |
66479c2251088dae51c228341c26164f21250593 | |
2c521847f2c6801d8219a1a2e9f4e196798dd07d | |
c0e97ca70fe29db4ceb834464576b699ef8874b1 | इ पत्र एगो नया अर्थपूर्ण मानचित्रण दृष्टिकोण, पुनरावर्ती-ऑक्टोमैप, प्रस्तुत करेला, जे दीर्घकालिक त्रि-आयामी (3-डी) लिडर डेटा से सीखाल गइल बा. अधिकांश मौजूदा सिमेंटिक मैपिंग दृष्टिकोण सिंगल फ्रेम के सिमेंटिक समझ में सुधार पर ध्यान केंद्रित करेला, सिमेंटिक मैप के 3-डी परिष्कृत करे के बजाय (यानी. अर्थसास्त्र के अवलोकन के विलय). 3-डी अर्थ संबंधी मानचित्र परिष्कृत करे खातिर सबसे व्यापक रूप से इस्तेमाल कइल जाए वाला तरीका बा बेज अपडेट, जे मार्कोव-चेन मॉडल के बाद लगातार भविष्यवाणी के संभावना के मिलावेला. एकरे बजाय, हम एगो वर्गीकरन से भविष्यवानी के संलयन करे के बजाय, अर्थ संबंधी बिसेसता के संलयन करे खातिर एगो सीखना दृष्टिकोण प्रस्तावित करेनी. हमनी के दृष्टिकोण में, हमनी के आपन 3 डी मानचित्र के ऑक्टोमैप के रूप में देखावल अउर रखरखाव करल जाला, आउर प्रत्येक कोसिका के एगो आवर्ती तंत्रिका नेटवर्क के रूप में मॉडल बनावल जाला, ताकि आवर्ती-ऑक्टोमैप प्राप्त कइल जा सके. इ मामला में, सिमेंटिक मैपिंग प्रक्रिया के अनुक्रम-से-अनुक्रम एन्कोडिंग-डेकोडिंग समस्या के रूप में तैयार कइल जा सकेला. एकरे अलावा, आपन रिकरेंट-ऑक्टोमैप में अवलोकन के अवधि बढ़ावे खातिर, हम एगो मजबूत 3-डी स्थानीयकरण आ मैपिंग सिस्टम विकसित कइनी जेवना से दू हफ्ता से ढेर समय के डेटा के इस्तेमाल क के गतिशील वातावरण के क्रमिक रूप से मैप कइल जा सके, आ सिस्टम के प्रशिक्षित कइल जा सके ला आ मनमाना मेमोरी लंबाई के साथ तैनात कइल जा सके ला। हम आपन दृष्टिकोण के ईटीएच दीर्घकालिक 3-डी लीडर डेटासेट पर मान्य करब. प्रयोगात्मक परिणाम से पता चलल कि हमनी के प्रस्तावित दृष्टिकोण पारंपरिक "बेज अपडेट" दृष्टिकोण से बेहतर बा. |
1d3ddcefe4d5fefca04fe730ca73312e2c588b3b | छात्रन के रखे के कई नामांकन प्रबंधन प्रणाली के एगो जरूरी हिस्सा ह. इ विश्वविद्यालय के रैंकिंग, स्कूल के प्रतिष्ठा, अउरी आर्थिक भलाई के प्रभावित करेला. उच्च शिक्षा संस्थानन में निर्णय लेवे वालन खातिर छात्रन के रखे के काम सबसे महत्वपूर्ण प्राथमिकता में से एक बन गइल बा. छात्रन के प्रतिधारण में सुधार करे के काम, छात्रन के प्रतिरोध के पीछे के कारण के पूरा समझ से शुरू होला. अइसन समझ जोखिम में रहे वाला छात्रन के सही भविष्यवाणी करे आ उनका के रखे खातिर उचित हस्तक्षेप करे के आधार बाटे. एह अध्ययन में, पांच साल के संस्थागत आंकड़ा के साथे-साथे कई गो आंकड़ा खनन तकनीक (एगो-एगो व्यक्ति के साथे-साथे समूह) के उपयोग करके, हम विश्लेषणात्मक मॉडल विकसित कइनीं ताकि फर्स्ट ईयर के छात्र के गिरला के कारण के भविष्यवाणी कइल जा सके आ समझावल जा सके। तुलनात्मक विश्लेषण के परिणाम से पता चलल कि समूह के अलग-अलग मॉडल के तुलना में बेहतर प्रदर्शन भइल, जबकि संतुलित डेटासेट असंतुलित डेटासेट के तुलना में बेहतर भविष्यवाणी परिणाम उत्पन्न कइलस. खरीद निर्यात के संवेदनशीलता विश्लेषण पिछला लेख अगला लेख जांच करीं कि का आपके पास आपन लॉगिन क्रेडेंशियल या आपन संस्था के माध्यम से पहुंच बा. |
1b3b22b95ab55853aff3ea980a5b4a76b7537980 | निरंतर गुणन के साथ डोमेन में C4.5 के एगो रिपोर्ट कइल गइल कमजोरी के निरंतर गुणन पर परीक्षण के गठन आउर मूल्यांकन के संशोधित करके संबोधित कइल जाला. एमडीएल-प्रेरित दंड के उपयोग अइसन परीक्षण पर कइल जाला, जेमे से कुछ के विचार से हटा दिहल जाला आउर सब परीक्षण के सापेक्ष वांछनीयता के बदल दिहल जाला. अनुभवजन्य परीक्षण से पता चलल बा कि संशोधन से छोट निर्णय के पेड़ पैदा होला जेकर अनुमानित सटीकता अधिक होला. परिणाम ई भी पुष्टि करेला कि इ परिवर्तन के शामिल करे वाला सी4.5 के एगो नया संस्करण वैश्विक विच्छेदन के उपयोग करे वाला आउर बहु-अंतराल विभाजन के साथे छोट पेड़ के निर्माण करे वाला हाल के दृष्टिकोण से बेहतर बा. |
1060ff9852dc12e05ec44bee7268efdc76f7535d | मुख्य विचार ई बा कि इनपुट जोड़ी (I, J) के बीच सीधे प्रवाह के गणना करे के बजाय, हम छवियन के संस्करण (I , J ) के गणना कर तानी जउने में चेहरा के भाव आउर मुद्रा सामान्यीकृत हो जाले जबकि प्रकाश संरक्षित रहेला. ई पूरा फोटो संग्रह से बनल एगो उपस्थिति उप-स्थान पर प्रत्येक फोटो के पुनरावर्ती रूप से प्रक्षेपित करके प्राप्त कइल जाला. वांछित प्रवाह प्रवाह के संयोजन के माध्यम से प्राप्त कइल जाला (आई → आई ) o (जे → जे). हमार तरीका के इस्तेमाल कवनो भी दु-फ्रेम ऑप्टिकल फ्लो एल्गोरिथ्म के साथ कइल जा सकेला, आउर रोशनी आउर आकार में बदलाव के प्रति अस्थिरता प्रदान करके एल्गोरिथ्म के प्रदर्शन के काफी बढ़ावेला. प्रकाश, मुद्रा आउर ज्यामिति में अंतर के कारण इंटरनेट चेहरा के फोटो के कौनो जोड़ी के बीच ऑप्टिकल प्रवाह के गणना करे में सबसे वर्तमान कला प्रवाह अनुमान विधि के चुनौती बा. हम देखवईब कि प्रवाह अनुमान में ओही (या समान) वस्तु के एगो बड़ फोटो संग्रह के लाभ उठाके नाटकीय रूप से सुधार कइल जा सकेला. विशेष रूप से, गूगल इमेज सर्च से एगो सेलिब्रिटी के फोटो के मामला पर विचार करीं. कौनो भी दू गो अइसन फोटो में चेहरा के भाव, प्रकाश आउर चेहरा के अभिविन्यास अलग हो सकेला. |
823964b144009f7c395cd09de9a70fe06542cc84 | ग्रीनहाउस गैस उत्सर्जन कम करे आ मिश्रित ऊर्जा स्रोत के इस्तेमाल करे के जरूरत के चलते दुनिया भर में बिजली उत्पादन में भारी बदलाव हो रहल बा। बिजली नेटवर्क के सामने बिजली के डिमांड के पूरा करे खातिर ट्रांसमिशन आ डिस्ट्रीब्यूशन के क्षेत्र में बहुत बड़हन चुनौती बा, काहे कि एह में हर दिन अप्रत्याशित बदलाव आ मौसम के साथ बदलाव भी हो सकेला। इलेक्ट्रिकल एनर्जी स्टोरेज (ईईएस) के इनहन के चुनौती के सामना करे में बहुत बडिया क्षमता वाला टेक्नोलॉजी के रूप में जानल जाला, जेह में इस्तेमाल होखे वाली टेक्नोलॉजी के अनुसार ऊर्जा के एगो निश्चित स्थिति में जमा कइल जाला आ जरूरत पड़ला पर इलेक्ट्रिकल एनर्जी में बदल दिहल जाला। हालांकि, विकल्प के विस्तृत विविधता आउर जटिल विशेषता मैट्रिक्स एगो विशेष अनुप्रयोग खातिर विशिष्ट ईईएस तकनीक के मूल्यांकन के मुश्किल बना देला. ई कागज उपलब्ध अत्याधुनिक तकनीक के एगो व्यापक आ स्पष्ट तस्वीर प्रदान करके ई समस्या के कम करे के इरादा रखले बा, आ ई बतावेला कि ई बिजली उत्पादन आ वितरण प्रणाली में कहाँ एकीकृत कइल जा सकेला. ई पेपर संचालन सिद्धांत, तकनीकी आउर आर्थिक प्रदर्शन विशेषता आउर वर्तमान अनुसंधान आउर महत्वपूर्ण ईईएस प्रौद्योगिकियन के विकास के अवलोकन के साथ शुरू होला, जेके संग्रहीत ऊर्जा के प्रकार के आधार पर छह मुख्य श्रेणियन में वर्गीकृत कइल गइल बा. एकरे बाद, समीक्षा कयल गयल प्रौद्योगिकियन क एगो व्यापक तुलना आउर एगो अनुप्रयोग संभावित विश्लेषण प्रस्तुत करल जाला. 2014 द ऑथर्स. एलेस्वीयर लिमिटेड द्वारा प्रकाशित कइल गइल ई एगो खुला पहुँच वाला लेख बा CC BY लाइसेंस के तहत (http://creativecommons.org/licenses/by/3.0/) । |
Subsets and Splits