_id
stringlengths 40
40
| text
stringlengths 0
9.62k
|
|---|---|
798957b4bbe99fcf9283027d30e19eb03ce6b4d5 | हम निर्भरता पार्सिंग खातिर LR एल्गोरिथ्म के डेटा-संचालित संस्करण प्रस्तुत करब, आउर इके संभावनावादी सामान्यीकृत LR निर्भरता पार्सिंग खातिर सबसे पहिले खोज के साथ विस्तारित करब. पार्सर क्रिया के वर्गीकरणकर्ता द्वारा अइसन विशेषता के आधार पर निर्धारित कइल जाला जवन पार्सर के वर्तमान स्थिति के दर्शावेला. हम इ पार्सिंग फ्रेमवर्क के सीओएनएलएल 2007 के साझा कार्य के दुनों ट्रैक पर लागू करब, हर मामला में अलग-अलग शिक्षार्थियन के साथे प्रशिक्षित कई मॉडल के लाभ उठाके. बहुभाषी ट्रैक में, हम दस भाषा में से प्रत्येक खातिर तीन LR मॉडल के प्रशिक्षित करब, आउर प्रत्येक व्यक्तिगत मॉडल के साथ प्राप्त विश्लेषण के अधिकतम स्पैनिंग ट्री मतदान योजना के साथ जोड़ब. डोमेन अनुकूलन ट्रैक में, हम सह-प्रशिक्षण के एक पुनरावृत्ति के समान योजना में, लेबल कइल गइल आउट-ऑफ-डोमेन प्रशिक्षण सेट के पूरक करे खातिर लक्ष्य डोमेन में लेबल रहित डेटा के पार्स करे खातिर दुगो मॉडल के उपयोग करब. |
2b329183e93cb8c1c20c911c765d9a94f34b5ed5 | हम एगो नया ढांचा प्रस्तावित कर रहल बानी जे में हम एक साथ दू गो मॉडल के प्रशिक्षित कर सकींः एगो जेनरेटिव मॉडल जी जे डेटा के वितरण के पता लगावेला, आ एगो भेदभाव मॉडल डी जे एह बात के संभावना के अनुमान लगावेला कि नमूना जी के बजाय प्रशिक्षण डेटा से आइल बा। जी के प्रशिक्षण प्रक्रिया डी के गलती करे के संभावना के अधिकतम करे के बा। ई फ्रेमवर्क एगो मिनिमम दू-खिलाड़ी वाला गेम के अनुरूप बा. मनमाना फलन G आउर D के स्थान में, एगो अद्वितीय समाधान मौजूद बा, जेमे G प्रशिक्षण डेटा वितरण के पुनः प्राप्त करेला आउर D हर जगह 12 के बराबर होला. उ मामले में जहां G आउर D के बहुपरत पर्सेप्ट्रोन द्वारा परिभाषित कइल जाला, पूरा प्रणाली के पीछे के प्रसार के साथ प्रशिक्षित कइल जा सकेला. प्रशिक्षण या नमूना के उत्पादन के दौरान कौनो मार्कोव श्रृंखला या अनरोल अनुमानित अनुमान नेटवर्क के जरूरत नइखे. प्रयोग द्वारा तैयार नमूना के गुणात्मक आउर मात्रात्मक मूल्यांकन के माध्यम से ढांचे के क्षमता के प्रदर्शित करल जाला. |
7e403d160f3db4a5d631ac450abcba190268c0e6 | ई पेपर में एकल अभिगम बिंदु आधारित इंडोर लोकेशन सिस्टम सेइल के बारे में बतावल गइल बा। हालाँकि वाईफाई आधारित पोजिशनिंग तकनीक में प्रगति भइल बा, हमनी के ई पावे के बा कि मौजूदा समाधानन में या त एक्सेस पॉइंट (एपी) के घनत्व वाला तैनाती, मैनुअल फिंगरप्रिंटिंग, ऊर्जा-भूखे वाईफाई स्कैनिंग, या परिष्कृत एपी हार्डवेयर के जरूरत बा. हम ई सब बाधा से बचे खातिर एकल वस्तु वाईफाई एपी के उपयोग करके सेल के डिजाइन करेनी. सेल क्लाइंट आ एपी के बीच के दूरी के गणना करे ला, एह दूरी के गणना स्मार्टफोन के डेड-रेकउन्टिंग तकनीक से कइल जाला आ एके एपी के इस्तेमाल से क्लाइंट के लोकेशन के पता लगावे खातिर ज्यामितीय तरीका के इस्तेमाल कइल जाला। सेइल भौतिक परत (पीएचवाई) सूचना आउर मानव गति के संयोजन करके सीधा पथ के प्रसार देरी के गणना करे खातिर, बहुपथ के प्रतिकूल प्रभाव के समाप्त करे आउर उप-मीटर दूरी अनुमान सटीकता के उत्पादन करेला. एकरे अलावा, सैल स्मार्टफोन सेंसर के उपयोग से डेड-रेक के ओर कुछ आम चुनौतियन के व्यवस्थित रूप से संबोधित करेला आउर मौजूदा तकनीक के तुलना में 2-5 गुना सटीकता में सुधार प्राप्त करेला. हमनी के सैल के लागू क दिहले बानी कमोडिटी वायरलेस एपी आ स्मार्टफोन पर। 10 मोबाइल उपयोगकर्ता के साथे बड़ पैमाना पर उद्यम वातावरण में मूल्यांकन से पता चलल कि सेल केवल एगो एपी के उपयोग कके 2.3 मीटर के औसत त्रुटि के साथ उपयोगकर्ता के स्थान के कैप्चर कर सकेला. |
649f417531ac7b1408b80fb35125319f86d00f79 | "ग्रीन" इलेक्ट्रॉनिक्स न केवल एगो नया वैज्ञानिक शब्द ह बल्कि प्राकृतिक मूल के यौगिक के पहचान करे आउर सिंथेटिक सामग्री के उत्पादन खातिर आर्थिक रूप से कुशल मार्ग के स्थापना करे के उद्देश्य से अनुसंधान के एगो उभरता क्षेत्र के भी प्रतिनिधित्व करेला, जेकर पर्यावरणीय रूप से सुरक्षित (जैव विघटन योग्य) आउर/या जैव-संगत उपकरण में अनुप्रयोग हो सकेला. एह शोध के अंतिम लक्ष्य आम तौर पर मानव-अउरी पर्यावरण के अनुकूल इलेक्ट्रॉनिक्स के उत्पादन खातिर रास्ता बनावल बा आ खास तौर पर अइसन इलेक्ट्रॉनिक सर्किट के जिंदा ऊतक के साथ एकीकरण कइल बा। उभरल रहे "ग्रीन" इलेक्ट्रॉनिक्स के वर्ग में अनुसंधान ना केवल कार्बनिक इलेक्ट्रॉनिक्स के मूल वादा के पूरा करे में मदद कर सकेला जवन कि कम लागत आउर ऊर्जा कुशल सामग्री आउर उपकरण प्रदान करेले, बल्कि इलेक्ट्रॉनिक्स खातिर अकल्पनीय कार्यक्षमता भी प्राप्त करेले, उदाहरण खातिर जीवन आउर पर्यावरण में सौम्य एकीकरण. इ समीक्षा में सामग्री के इ उभरते समूह में हाल के अनुसंधान प्रगति आउर अपरंपरागत जैविक इलेक्ट्रॉनिक उपकरन में उनकर एकीकरण पर प्रकाश डाले के होई. |
c8e424defb590f6b3eee659eb097ac978bf49348 | स्व-नियामक सीख के सफल ऑनलाइन सीख खातिर एगो महत्वपूर्ण कारक के रूप में मान्यता दिहल गइल बा, आउर छात्र के कथित अकादमिक नियंत्रण आउर अकादमिक भावना स्व-नियामक सीख के महत्वपूर्ण पूर्ववर्ती बा. चूंकि भावना आउर संज्ञान परस्पर संबंधित होला, स्व-नियंत्रित सीखे पर कथित अकादमिक नियंत्रण आउर अकादमिक भावना के बीच संयुक्त संबंध के जांच स्व-नियंत्रित सीखे के प्रक्रिया के समझे खातिर मूल्यवान होई. एही से, ई अध्ययन ऑनलाइन शिक्षा में कथित अकादमिक नियंत्रण आउर स्व-नियंत्रित सीखे के बीच संबंध में अकादमिक भावना (आनंद, चिंता आउर ऊब) के भूमिका के जांच कइलस. शैक्षणिक भावना के मध्यस्थता आउर मध्यम प्रभाव के परीक्षण करे खातिर पथ मॉडल के प्रस्ताव दिहल गइल रहे. ऑनलाइन पाठ्यक्रम में पंजीकृत 426 कोरियाई कॉलेज के छात्रन से डेटा एकत्र कइल गइल, आउर एगो पथ विश्लेषण करल गइल. परिणाम देखावलन कि आनंद के अनुभव कइल गइल अकादमिक नियंत्रण आउर स्व-नियंत्रित सीखे के बीच संबंध के मध्यस्थता कइल गइल, लेकिन आनंद के मध्यम प्रभाव महत्वपूर्ण ना रहल. ऊब आउर चिंता के आत्म-नियंत्रित सीखे पर महत्वपूर्ण मध्यस्थ प्रभाव ना रहे, जबकि ऊ कथित अकादमिक नियंत्रण आउर आत्म-नियंत्रित सीखे के बीच संबंध में महत्वपूर्ण मध्यम प्रभाव देखवलस. अध्ययन के परिणाम के आधार पर, ऑनलाइन शिक्षा में छात्र के स्व-नियंत्रित सीख के सुगम बनावे में अकादमिक भावना के भूमिका आ ओकर प्रभाव पर चर्चा कइल गइल। 2014 एल्सवियर लिमिटेड. सब अधिकार सुरक्षित बा. |
82b2c431035e5c0faa20895fe9f002327c0994bd | चीज के इंटरनेट वर्तमान में जुडल चीज आ लोग के जोड़े खातिर बा। समाज खातिर सेवा के लागत प्रभावी गुणवत्ता में सुधार खातिर मौजूदा व्यवस्था में बदलाव के ई नया दौर बा। स्मार्ट सिटी के समर्थन करे खातिर शहरी आईओटी डिजाइन योजना में नागरिकन खातिर मूल्य वर्धित सेवा के साथे-साथे शहर के प्रशासन के सबसे उन्नत संचार प्रौद्योगिकी के उपयोग कइल गइल बा। आपातकालीन प्रतिक्रिया वास्तविक समय में करे खातिर, आईओटी पहिले प्रतिक्रिया देवे वालन के तरीका के बढ़ावेला आउर आपातकालीन प्रबंधकन के उन संसाधन के उपयोग करे खातिर आवश्यक अद्यतन जानकारी आउर संचार प्रदान करेला. आईओटी आपातकालीन प्रतिक्रिया के कई गो चुनौतियन के कम कर सकेला, जवना में वर्तमान समस्या जइसे कि कमज़ोर संचार नेटवर्क आ सूचना के कमी शामिल बा। इ पत्र में प्रस्तावित कइल गइल बा कि आग के खतरा खातिर आपातकालीन प्रतिक्रिया प्रणाली के आईओटी मानकीकृत संरचना के उपयोग करके डिजाइन कइल गइल बा. एह प्रस्तावित योजना के लागू करे खातिर कम लागत वाला एस्प्रेसिव वाई-फाई मॉड्यूल ईएसपी-32, फ्लेम डिटेक्शन सेंसर, स्मोक डिटेक्शन सेंसर (एमक्यू-5), फ्लेमबल गैस डिटेक्शन सेंसर आ एगो जीपीएस मॉड्यूल के इस्तेमाल कइल गइल बा। सेंसर खतरा के पता लगावेला आ स्थानीय आपातकालीन बचाव संगठन जइसे कि अग्निशमन विभाग आ पुलिस के खतरा के लोकेशन क्लाउड-सर्विस के भेज के सतर्क करेला, जेकरा माध्यम से सब लोग जुड़ल बा। पूरा नेटवर्क तेज आ विश्वसनीय संचार खातिर एगो हल्का डेटा-उन्मुख पब्लिश-सबस्क्राइब मैसेज प्रोटोकॉल (MQTT) सेवा के उपयोग करे ला। इ प्रकार, एगो बुद्धिमान एकीकृत प्रणाली आईओटी क मदद से डिजाइन कईल गईल बा. |
95d2a3c89bd97436aac9c72affcd0edc5c7d2e58 | पैदल मान्यता क्षेत्र में, टेम्पलेट-आधारित दृष्टिकोण जइसे कि पैदल ऊर्जा छवि (जीईआई) आउर क्रोनो-पैदल छवि (सीजीआई) कम कम्प्यूटेशनल लागत के साथे अच्छा मान्यता प्रदर्शन प्राप्त कर सकेला. एही बीच, सीजीआई जीईआई से बेहतर समय के जानकारी के बचा सकेला. हालांकि, उ स्थानीय आकार विसेसता पे कम धियान देवेला. समसामयिक जानकारी के संरक्षित करे खातिर आउर अधिक प्रचुर मात्रा में स्थानीय आकार सुविधा उत्पन्न करे खातिर, हम जीईआई आउर सीजीआई टेम्पलेट के ओरिएंटेड ग्रेडिएंट्स (एचओजी) के हिस्टोग्राम के निकालके कई एचओजी टेम्पलेट उत्पन्न करिला. प्रयोग से पता चलल बा कि कई प्रकाशित दृष्टिकोण के तुलना में, हमनी के प्रस्तावित कईगो एचओजी टेम्पलेट पैदल मान्यता खातिर बेहतर प्रदर्शन प्राप्त करेला. |
235723a15c86c369c99a42e7b666dfe156ad2cba | लॉग-समानता फलन के अधिकतम करे में देखल गइल नमूना के भारित करके भविष्यवाणी घनत्व के एगो वर्ग प्राप्त कइल जाला. इ दृष्टिकोण नमूना सर्वेक्षण या प्रयोग के डिजाइन जइसन मामला में प्रभावी होला, जहां पर देखल गइल को-वैरिएट पूरा आबादी के तुलना में अलग वितरण के अनुसरण करेला. पैरामीटर मॉडल के गलत विनिर्देश के तहत, वजन फलन के इष्टतम विकल्प असममित रूप से आबादी में सह-परिवर्तक के घनत्व फलन के अनुपात के अवलोकन में देखाई देला. ई नमूना सर्वेक्षण के छद्म-अधिकतम संभावना अनुमान बा. इष्टतमता के अनुमानित कुलबैक-लेइबलर हानि द्वारा परिभाषित कइल जाला, आउर इष्टतम वजन महत्व नमूनाकरण पहचान के विचार करके प्राप्त कइल जाला. मॉडल के सही विनिर्देश के तहत, हालांकि, सामान्य अधिकतम संभावना अनुमान (यानी. एकरस वजन) असममित रूप से इष्टतम दिखावेला. मध्यम नमूना आकार खातिर, स्थिति दु चरम मामला के बीच में होला, आउर अपेक्षित नुकसान के अनुमान के रूप में प्राप्त सूचना मानदंड के एगो भिन्नता के कम करके वजन कार्य के चयन कइल जाला. इ पद्धति बेयसन के भविष्यवाणी घनत्व के भारित संस्करण पर भी लागू होला. बहुपद प्रतिगमन खातिर संख्यात्मक उदाहरण के साथे-साथे मोंटे-कार्लो सिमुलेशन देखावल गइल बा. मजबूत पैरामीटर अनुमान के साथ संबंध पर चर्चा कइल गइल बा. © 2000 Elsevier Science B.V. सब अधिकार सुरक्षित बा। |
130dab15d243e5569925aa8d2eafb080078baf79 | हम सीएमओएस परिचालन एम्पलीफायर खातिर घटक आउर ट्रांजिस्टर आकार के अनुकूलित आउर स्वचालित करे खातिर एगो विधि प्रस्तुत करब. हम देखऽ तानी कि कई तरह के परफॉर्मेंस मेट्रिक्स के डिज़ाइन वेरिएबल के पॉसिनोमियल फंक्शन के रूप में तैयार कइल जा सकेला. नतीजतन, एम्पलीफायर डिजाइन समस्या के ज्यामितीय प्रोग्राम के रूप में तैयार कइल जा सकेला, एगो विशेष प्रकार के उत्तल अनुकूलन समस्या जेकरा खातिर हाल में बहुत कुशल वैश्विक अनुकूलन विधि विकसित कइल गइल बा. संश्लेषण विधि इ प्रकार तेज होला, आउर वैश्विक रूप से इष्टतम डिजाइन के निर्धारित करेला; विशेष रूप से अंतिम समाधान प्रारंभिक बिंदु (जे कि अव्यवहार्य भी हो सकेला) से पूरा तरह से स्वतंत्र होला, आउर अव्यवहार्य विनिर्देश के स्पष्ट रूप से पता लगावल जाला. विधि के संक्षिप्त रूप से प्रस्तुत करे के बाद, जेकर विवरण एम. हर्शेंसन एट अल द्वारा दिहल गइल बा, हम देखब कि इ विधि के छह सामान्य ओप-एम्प आर्किटेक्चर पर कइसे लागू कइल जा सकेला, आउर कई उदाहरण डिजाइन दिहल जा सकेला. |
ccb2b479b2b430e284e1c3afb1f9362cd1c95119 | ग्राफ के रूप में प्रदर्शित डेटा के खनन करे के क्षमता कई डोमेन में विभिन्न संरचनात्मक पैटर्न के पता लगावे खातिर महत्वपूर्ण हो गइल बा. डेटा माइनिंग के एगो महत्वपूर्ण क्षेत्र विसंगति के पता लगावेला, लेकिन ग्राफ-आधारित डेटा में विसंगति के पता लगावे के मामला में बहुत कम काम कइल गइल बा. ए पेपर में हम इमेल, सेलफोन कॉल, आ ऑर्डर प्रोसेसिंग जइसन संभावित आंतरिक खतरा के जानकारी वाला एप्लीकेशन में गड़बड़ी के पता लगावे खातिर ग्राफ आधारित तरीका देखावल चाहत बानी। |
096e07ced8d32fc9a3617ff1f725efe45507ede8 | हम कई लोकप्रिय सीखना विधियन के लागू होए के आकलन करेनी जे सामान्य दृश्य श्रेणियन के पहचान के समस्या के आकलन करेले, जे स्थिति, प्रकाश आउर आसपास के अव्यवस्था के प्रति अपरिवर्तनीय होला. 36 अज़ीमुथ, 9 ऊँचाई, आउर 6 प्रकाश स्थिति में 50 समान-रंग के खिलौनन के स्टीरियो इमेज जोड़े वाला एगो बड़ डेटासेट एकत्र कइल गइल (कुल 194,400 अलग-अलग छवियन खातिर). वस्तु पांच सामान्य श्रेणी के 10 उदाहरण रहे: चार पैर वाला जानवर, मानव आकृति, विमान, ट्रक, आउर कार. प्रत्येक श्रेणी के पांच गो उदाहरण के उपयोग प्रशिक्षण खातिर कइल गइल रहे, आउर बाकी पांच के परीक्षण खातिर. प्रशिक्षण आउर परीक्षण खातिर विभिन्न मात्रा में भिन्नता आउर आसपास के गंदगी के साथ वस्तु के कम रिज़ॉल्यूशन ग्रेस्केल छवियन के उपयोग कइल गइल रहे. निकटतम पड़ोसी विधि, समर्थन वेक्टर मशीन आउर कन्वॉल्यूशनल नेटवर्क, कच्चे पिक्सेल पर या पीसीए-व्युत्पन्न सुविधा पर काम करे वाला के परीक्षण कइल गइल. एक समान पृष्ठभूमि पर रखल गइल अनदेखी वस्तु उदाहरण खातिर परीक्षण त्रुटि दर एसवीएम खातिर लगभग 13% आउर संकुचन जाल खातिर 7% रहल. अत्यधिक गन्दा छवियन के साथ विभाजन/मान्यता कार्य पर, एसवीएम अव्यवहारिक साबित भइल, जबकि संवहन जाल 16/7% त्रुटि उत्पन्न कइलस. सिस्टम के एगो रियल-टाइम वर्जन लागू कइल गइल जे लगभग 10 फ्रेम प्रति सेकंड पर प्राकृतिक दृश्य में वस्तु के पता लगा सकेला आ ओकर वर्गीकरण कर सकेला. |
0addfc35fc8f4419f9e1adeccd19c07f26d35cac | इ पत्र वस्तु के पता लगावे खातिर विभेदक रूप से प्रशिक्षित, बहु-मानक, विरूपण योग्य भाग मॉडल के वर्णन करेला. हमनी के सिस्टम औसत सटीकता में दुगुना सुधार हासिल कइलस, जवन कि 2006 के पास्कल व्यक्ति पहचान चुनौती में सबसे अच्छा प्रदर्शन रहे. एकरा अलावा ई 2007 के चुनौती में बीस में से दस गो श्रेणी में सर्वश्रेष्ठ परिणाम के बेहतर प्रदर्शन कइलस. इ प्रणाली बहुते हद तक विकृत भाग पर निर्भर करेला. जबकि विरूपण योग्य भाग मॉडल काफी लोकप्रिय हो गइल बा, पास्कल चुनौती जइसन कठिन बेंचमार्क पर ओकर मूल्य ना देखावल गइल रहे. हमनी के व्यवस्था भी भेदभावपूर्ण प्रशिक्षण खातिर नया तरीका पर बहुत अधिक भरोसा करेले. हम डेटा खनन कठिन नकारात्मक उदाहरन खातिर एगो मार्जिन-संवेदनशील दृष्टिकोण के एगो औपचारिकता के साथे जोड़लस जेकरा के हम गुप्त एसवीएम कहलें. एगो लुकाइल एसवीएम, एगो छिपल सीआरएफ के तरह, एगो गैर-उग्र प्रशिक्षण समस्या के जन्म देवेला. हालाँकि, एगो गुप्त एसवीएम अर्ध-उभारल होला आउर जब सकारात्मक उदाहरण खातिर गुप्त जानकारी निर्दिष्ट कइल जाला त प्रशिक्षण समस्या उभारल हो जाला. हमार मानना बा कि हमनी के प्रशिक्षण पद्धति अंततः अधिक गुप्त जानकारी के प्रभावी उपयोग संभव बना दिही जइसे कि पदानुक्रमित (व्याकरण) मॉडल आउर मॉडल जे में गुप्त त्रि-आयामी मुद्रा शामिल होला. |
11540131eae85b2e11d53df7f1360eeb6476e7f4 | दीर्घकालिक अल्पकालिक स्मृति (एलएसटीएम; होचराइटर एंड श्मिडहुबर, 1997) कई काम के हल कर सकेला जवन कि पुनरावर्ती तंत्रिका नेटवर्क (आरएनएन) खातिर पिछला सीखना एल्गोरिदम द्वारा हल ना कइल जा सकेला. हम एलएसटीएम नेटवर्क के कमजोरी के पहचान कर रहल बानी जे लगातार इनपुट स्ट्रीम के प्रोसेस करेले जे कि पहिले से ही स्पष्ट रूप से चिह्नित अंत वाला उप-क्रम में विभाजित ना होला जेकरा पर नेटवर्क के आंतरिक स्थिति के रीसेट कइल जा सकेला. रीसेट के बिना, स्थिति अनंत काल तक बढ़ सकेला आउर अंततः नेटवर्क के टूट देवे के कारण बन सकेला. हमार उपाय एगो नया, अनुकूली भूल द्वार ह जवन एगो एल एस टी एम कोशिका के उचित समय पर खुद के रीसेट करे के सीखे में सक्षम बनावेला, इ प्रकार आंतरिक संसाधन के मुक्त करेला. हम उदाहरणात्मक बेंचमार्क समस्या के समीक्षा करब जेकर मानक LSTM दूसर RNN एल्गोरिदम के बेहतर प्रदर्शन करेला. सब एल्गोरिदम (एल एस टी एम सहित) इ सब समस्या के निरंतर संस्करण के हल करे में विफल रहे. हालांकि, भूल-द्वार वाला एलएसटीएम आसानी से आउर सुरुचिपूर्ण तरीका से उनका के हल करेला. |
b3eea1328c10455faa9b49c1f4aec7cd5a0b2d1a | |
03184ac97ebf0724c45a29ab49f2a8ce59ac2de3 | हाल के साल में छवि वर्गीकरण में काफी प्रगति भइल बा, काहे कि बड़ पैमाना पर छवि सेट उपलब्ध भइल बा. हालाँकि, बहुत ढेर संख्या में बारीक दाना वाली श्रेणी के एनोटेशन लागत के कारण बारीक दाना वाला वर्गीकरण एगो प्रमुख चुनौती बनल रहेला. ई परियोजना ई देखावेला कि लेबल वाला प्रशिक्षण डेटा के बिना भी अइसन श्रेणिन पर आकर्षक वर्गीकरण प्रदर्शन प्राप्त कइल जा सकेला. छवि आ वर्ग के एम्बेड के देख के, हमनी के एगो संगतता फलन सीखल जाला जेवना से मिलान वाला एम्बेड के असंगत एम्बेड के तुलना में उच्च स्कोर दिहल जाला; एगो छवि के शून्य-शॉट वर्गीकरण सबसे अधिक संयुक्त संगतता स्कोर देवे वाला लेबल के खोज के कइल जाला. हम सभ अत्याधुनिक चित्र सुविधा के प्रयोग करेनीं आ अलग-अलग पर्यवेक्षित गुण आ अनसुलझा आउटपुट एम्बेडिंग पर ध्यान केंद्रित करेनीं जे या त पदानुक्रम से लिहल गइल बा या फिर बिना लेबल वाला पाठ कॉर्पोरेस से सीखा गइल बा। हम जानवरन के विसेसता के साथे आ कैलिटेक-यूसीएसडी पक्षी डेटासेट पर एगो काफी बेहतर अत्याधुनिक स्थिति स्थापित कइनी. सबसे उत्साहजनक बात ई बा कि हमनी के ई देखावल जा रहल बा कि विशुद्ध रूप से बिना निगरानी के आउटपुट एम्बेडिंग (जवन विकिपीडिया से सीखल गइल बा आ ठीक-ठाक पाठ के साथ सुधारल गइल बा) आकर्षक परिणाम प्राप्त करेला, ई पहिले के नियंत्रित अत्याधुनिक से भी बेहतर प्रदर्शन करेला. अलग-अलग आउटपुट एम्बेडेड के जोड़ के, हम परिणाम में अउरी सुधार करेनी. |
4c648fe9b7bfd25236164333beb51ed364a73253 | चेहरा के पहिचान प्रणाली के प्रस्तुति हमला (जेके सीधा हमला या स्पूफ हमला के रूप में भी जानल जाला) खातिर कमजोर होए के कारण बायोमेट्रिक समुदाय के बहुत रुचि रहल बा. चेहरा पहचान प्रणाली के वास्तविक समय के अनुप्रयोग में तेजी से विकास से प्रस्तुति के हमलन के विरोध करे के उनकर क्षमता के बारे में नया चिंता पैदा भइल बा, खासकर से स्वचालित सीमा नियंत्रण जइसन बिना निगरानी के अनुप्रयोग परिदृश्य में. प्रस्तुति हमला के लक्ष्य चेहरा के बायोमेट्रिक आर्टिफैक्ट के प्रस्तुत करके चेहरा पहचान प्रणाली के ध्वस्त कर दिहल बा. आम चेहरा बायोमेट्रिक आर्टिफैक्ट में छपल फोटो, चेहरा के फोटो के इलेक्ट्रॉनिक डिस्प्ले, इलेक्ट्रॉनिक डिस्प्ले के उपयोग करके वीडियो के दुबारा देखावल, आ 3 डी फेस मास्क शामिल बा. इ अत्याधुनिक चेहरा पहचान प्रणाली खातिर एगो उच्च सुरक्षा जोखिम के प्रदर्शन कइले बा. हालाँकि, कई गो प्रेजेंटेशन अटैक डिटेक्शन (पीएडी) एल्गोरिदम (जेके काउंटरमेजर या एंटीस्पूफिंग विधि के रूप में भी जानल जाला) प्रस्तावित कइल गइल बा जे स्वचालित रूप से अइसन लक्षित हमला के पता लगा सके ला आ कम कर सके ला। एह सर्वेक्षण के लक्ष्य चेहरा प्रस्तुति हमला के पता लगावे पर हो रहल काम के व्यवस्थित रूप से देखावल बा. इ पत्र चेहरा प्रस्तुति हमला के विभिन्न पहलु के वर्णन करेला, जेमे विभिन्न प्रकार के चेहरा कलाकृतियां, अत्याधुनिक पीएडी एल्गोरिदम आउर इ डोमेन में काम करे वाली संबंधित शोध प्रयोगशाला के अवलोकन, भेद्यता मूल्यांकन आउर प्रदर्शन मूल्यांकन मीट्रिक, प्रतियोगिता के परिणाम, नया पीएडी एल्गोरिदम के दोहरावे योग्य तरीका से बेंचमार्किंग खातिर सार्वजनिक डेटाबेस के उपलब्धता, आउर अंत में इ क्षेत्र में प्रासंगिक अंतरराष्ट्रीय मानकीकरण के सारांश शामिल बा. एकरे अलावा, हमनी के खुला चुनौतियन आ भविष्य के काम पर चर्चा करब जेवना के एह विकसित हो रहल बायोमेट्रिक्स के क्षेत्र में करे के जरूरत बा। |
ada07d84bf881daa4a7e692670e61ad766f692f3 | आउटपुट करंट रिपल के कम करे में अइसन समाधान के लाभ आउर चरण-परिवर्तन नियंत्रण बातचीत आउर लोड-स्टेप भिन्नता पर प्रभाव के भी जांच कइल गइल बा. एगो प्रोटोटाइप पर माप के सिमुलेशन में दावा आउर प्रस्ताव के सत्यापन के रूप में जोड़ल जाला. इ पेपर में, बहु-चरण इंटरलेव्ड एलएलसी अनुनाद परिवर्तक खातिर एगो उपन्यास दृष्टिकोण प्रस्तुत कइल गइल बा. प्रस्तावित समाधान, ट्रांसफार्मर के प्राथमिक वाइंडिंग के स्टार कनेक्शन के साथ तीन एलएलसी मॉड्यूल के उपयोग पर आधारित बा, आउटपुट करंट रिपल के आउर फलस्वरूप आउटपुट फिल्टर कैपेसिटर के आकार के भारी कमी के अनुमति देवेला. अन्य बहु-चरण समाधानन से अलग, जवन वर्तमान असंतुलन के कारण रेज़ोनेंट घटक के सहिष्णुता खातिर बहुत संवेदनशील होला, प्रस्तावित टोपोलॉजी एगो अंतर्निहित वर्तमान साझा करे के क्षमता प्रदर्शित करेला. एकरे अलावा, वर्तमान के असंगति के अतिरिक्त रूप से भरपाई करे खातिर आउर प्रत्येक मॉड्यूल द्वारा आपूर्ति कइल जाए वाला वर्तमान के पूरा संतुलन बनावे खातिर एगो बंद-लूप चरण-परिवर्तन नियंत्रण के शुरुआत कइल गइल बा. |
e7922d53216a4c234f601049ec3326a6ea5d5c7c | एगो नया रचना, नौकरी के एम्बेडेडनेस, शुरू कइल गइल बा. नौकरी के अंदर आ बाहर के कारक के आकलन करत एह में व्यक्ति के (क) अन्य लोग, टीम आ समूह से संबंध, (ख) नौकरी, संगठन आ समुदाय से आपन फिटनेस के धारणा आ (ग) अगर नौकरी छोड़ दिहल जाई त का त्याग करे के पड़ी एकर आकलन कइल जाला। नौकरी में सम्मिलितता के माप दू नमूना के साथ विकसित कइल गइल बा. नतीजा ई देखावेला कि नौकरी में शामिल भइला से नौकरी छोड़े के इरादा आ स्वैच्छिक रूप से नौकरी बदले के मुख्य परिणाम के भविष्यवाणी होला, आ नौकरी से संतुष्टि, संगठनात्मक प्रतिबद्धता, नौकरी के विकल्प आ नौकरी के खोज के अलावा महत्वपूर्ण वृद्धिशील भिन्नता के व्याख्या होला. सिद्धांत आ अभ्यास खातिर एकर परभाव पर चर्चा कइल गइल बा। |
8de1c724a42d204c0050fe4c4b4e81a675d7f57c | चेहरा के पहचान के पिछला पांच साल में बहुत प्रगति भइल बा, कई गो सिस्टम नया तकनीक के प्रस्ताव दे रहल बा जे डीप कन्वॉल्यूशनल न्यूरल नेटवर्क (डीसीएनएन) द्वारा समर्थित बा. हालाँकि चेहरा के पहिचान के परफॉरमेंस क्लासिक डेटासेट जइसे कि एलएफडब्ल्यू में डीप-लर्निंग के उपयोग क के आसमान में फइल गइल, इ विश्वास क ओर ले जात कि इ तकनीक मानव प्रदर्शन तक पहुंचल, इ अभी भी एगो खुला समस्या बा असीमित वातावरण में जइसे कि हाल ही में जारी आईजेबी डेटासेट द्वारा प्रदर्शित कइल गइल बा. एह सर्वेक्षण के उद्देश्य चेहरा के गहराई से पहिचान में भइल मुख्य प्रगति के सारांश दिहल बा, आ सामान्य रूप से, चेहरा के प्रतिनिधित्व के सत्यापन आ पहचान खातिर सीखे में। सर्वेक्षण में मुख्य, अत्याधुनिक (सोटा) चेहरा पहचान के तकनीक के स्पष्ट, संरचित प्रस्तुति दिहल गइल बा जवन पिछला पांच साल में शीर्ष कंप्यूटर विजन स्थान में सामने आइल बा. सर्वेक्षण के कई हिस्सा में विभाजित कइल गइल बा जे चेहरा के पहिचान के मानक पाइपलाइन के अनुसरण करेलाः (ए) एसओटीए सिस्टम के कइसे प्रशिक्षित कइल जाला आउर कौनों सार्वजनिक डेटा सेट के उपयोग कइल जाला; (बी) चेहरा के पूर्व-प्रसंस्करण भाग (जाँच, संरेखण, आदि) । ); (c) आर्किटेक्चर आउर हानि फलन के स्थानांतरण सीखल खातिर उपयोग कइल जाला (d) सत्यापन आउर पहचान खातिर चेहरा मान्यता. सर्वेक्षण के अंत में सोटा के नतीजा के एगो अवलोकन कइल गइल बा आ कुछ अइसन खुला मुद्दा सभ के भी देखावल गइल बा जिनहन के वर्तमान में सोटा समुदाय नजरअंदाज कर रहल बा। |
289bdc364e2b8b03d0e52609dc6665a5f9d056c4 | हम एएमआर आउर अंग्रेजी वाक्य के समानांतर निकाय के उपयोग करत, अमूर्त अर्थ प्रतिनिधित्व (एएमआर) ग्राफ से अंग्रेजी वाक्य उत्पन्न करे खातिर एगो विधि प्रस्तुत करब. हम एएमआर-टू-अंग्रेजी पीढ़ी के वाक्यांश-आधारित मशीन अनुवाद (पीबीएमटी) के रूप में मानेलें. हमनी के एगो अइसन तरीका प्रस्तुत करेनी जा जवन एएमआर ग्राफ के टोकन के अंगरेजी नियर क्रम में लाइनियरीज करे के सीख लेला। हमनी के रैखिकरण पीबीएमटी में विकृति के मात्रा कम करेला आउर उत्पादन के गुणवत्ता में वृद्धि करेला. हमनी के रिपोर्ट बा कि मानक एएमआर/अंग्रेजी परीक्षण सेट पर ब्लू के स्कोर 26.8 बा. |
0955315509ac15bb4f825dbcd1e51423c3781ce4 | हम एगो डेटाबेस प्रस्तुत करत बानी जेह में लकड़ी के ढेर के चित्र होला, जेकर उपयोग लकड़ी के ढेर के पता लगावे आ सर्वे करे वाला एल्गोरिदम के परफॉर्मेंस के मूल्यांकन करे खातिर बेंचमार्क के रूप में कइल जा सकेला. हमनी के छह गो डेटाबेस श्रेणी के अलग कर सकीलें जेवन अलग-अलग तरह के एल्गोरिदम खातिर इस्तेमाल कइल जा सके लें। वास्तविक आउर सिंथेटिक दृश्य के छवियाँ प्रदान कइल गइल बा, जेमे 7655 छवियन के 354 डेटा सेट में विभाजित कइल गइल बा. श्रेणी के आधार पर डेटा सेट में या त जमीनी सच्चाई डेटा या वनस्पति विशिष्ट माप शामिल होला जेकरे साथे एल्गोरिदम के तुलना कइल जा सकेला. |
bbf70ffe55676b34c43b585e480e8343943aa328 | अगिला पीढ़ी के 5जी नेटवर्क के संदर्भ में, उपग्रह उद्योग स्पष्ट रूप से उपग्रह संचार के भूमिका के फेर से देखे आउर ओकरा के नया रूप देवे खातिर प्रतिबद्ध बाटे. (टेर्रेस्ट्रियल) फिक्स्ड आउर मोबाइल नेटवर्क के विकास में प्रमुख चालक के रूप में, सॉफ्टवेयर डेफिनेटेड नेटवर्किंग (एसडीएन) आउर नेटवर्क फंक्शन वर्चुअलाइजेशन (एनएफवी) तकनीक के भी उन्नत नेटवर्क संसाधन प्रबंधन तकनीक द्वारा उपग्रह नेटवर्क के आगे सेवा नवाचार आउर व्यावसायिक चपलता प्रदान करे वाला उपग्रह आउर स्थलीय खंड के बेहतर आउर अधिक लचीला एकीकरण के तरफ केंद्रीय प्रौद्योगिकी सक्षमकर्ता के रूप में स्थिति बनावल जा रहल बा. परिदृश्य आउर उपयोग के मामला के विश्लेषण के माध्यम से, इ पत्र एसडीएन/एनएफवी प्रौद्योगिकियों के लाभ के वर्णन प्रदान करेला जे 5 जी के ओर उपग्रह संचार में ला सकेला. उपग्रह जमीनी खंड के क्षेत्र में एसडीएन/एनएफवी प्रौद्योगिकि के शुरूआत के माध्यम से विभिन्न संभावित सुधार क्षेत्र के परिभाषित करे खातिर तीन परिदृश्य प्रस्तुत आउर विश्लेषण कइल गइल बा. प्रत्येक परिदृश्य के भीतर, विशिष्ट क्षमता में आउर अधिक अंतर्दृष्टि प्राप्त करे आउर उनसे उत्पन्न तकनीकी चुनौतियों के पहचान करे खातिर कई उपयोग के मामला विकसित कइल गइल बा. |
1e42647ecb5c88266361c2e6ef785eeadf8dc9c3 | |
8d701bc4b2853739de4e752d879296608119a65c | वितरित डेटाबेस प्रबंधन प्रणाली में आधार संबंध के टुकड़ा-टुकड़ा करे से समवर्तीता के स्तर बढ़ जाला आउर एही से क्वेरी प्रसंस्करण खातिर सिस्टम थ्रूपुट बढ़ जाला. संबंधात्मक, वस्तु-उन्मुख आउर अनुमानित डेटाबेस में संबंध के क्षैतिज आउर ऊर्ध्वाधर विखंडन खातिर एल्गोरिदम मौजूद बा; हालांकि, अनुमानित डेटाबेस सिस्टम खातिर उपयोगकर्ता क्वेरी में आवे वाला चर बंधन आउर क्वेरी-पहुँच-नियम निर्भरता पर आधारित हाइब्रिड विखंडन तकनीक के कमी बा. इ पेपर में, हम वितरित अनुवांशिक डेटाबेस सिस्टम खातिर हाइब्रिड विखंडन दृष्टिकोण प्रस्तावित कर रहल बानी. हमार दृष्टिकोण पहिले प्रयोगकर्ता क्वेरी पर लगावल बंधन के अनुसार आधार संबंध के क्षैतिज विभाजन पर विचार करेला आउर फेर क्षैतिज रूप से विभाजन संबंध आउर क्लस्टर नियम के लंबवत टुकड़ा उत्पन्न करेला. प्रस्तावित विखंडन तकनीक वितरित परिसीमन डेटाबेस सिस्टम के डिजाइन के सुगम बनावेला. |
1678a55524be096519b3ea71c9680ba8041a761e | मिश्रण के घनत्व के निर्धारित करे वाला पैरामीटर के अनुमान लगावे के समस्या लगभग नब्बे साल से चले वाला साहित्य के एगो बड़, विविध निकाय के विषय रहल बा. पिछला दू दशक के दौरान, अधिकतम संभावना के विधि इ समस्या के सबसे व्यापक रूप से अनुसरण कइल जाए वाला तरीका बन गइल बा, मुख्य रूप से उच्च गति वाला इलेक्ट्रॉनिक कंप्यूटर के आगमन के खातिर धन्यवाद. इहाँ, हमनी के पहिले इ समस्या के तरफ निर्देशित साहित्य के एगो संक्षिप्त सर्वेक्षण प्रदान करब आउर इ खातिर अधिकतम संभावना अनुमान के समीक्षा करब. फेर हम अंतिम रुचि के विषय पर जाईं, जे मिश्रण घनत्व समस्या खातिर अधिकतम-संभावना अनुमान के संख्यात्मक रूप से अनुमानित करे खातिर एगो विशेष पुनरावर्ती प्रक्रिया बा. ई प्रक्रिया, जेकरा के ईएम एल्गोरिथ्म के रूप में जानल जाला, अपूर्ण डेटा समस्या खातिर अधिकतम-संभाव्यता अनुमान के अनुमान लगावे खातिर इस्तेमाल कइल जाए वाला एके नाम के सामान्य एल्गोरिथ्म के मिश्रण घनत्व संदर्भ में एगो विशेषज्ञता बा. मिश्रण घनत्व खातिर ईएम एल्गोरिथ्म के सूत्रण आउर सैद्धांतिक आउर व्यावहारिक गुणन पर चर्चा कइल गइल बा, विशेष रूप से घातीय परिवार से घनत्व के मिश्रण पर ध्यान केंद्रित कइल गइल बा. |
ca5766b91da4903ad6f6d40a5b31a3ead1f7f6de | हमनी के इमेज अपस्केलिंग के समस्या के कम अउरी उच्च रिज़ॉल्यूशन के उदाहरण के शब्दकोश के आधार पर एकल इमेज सुपर-रिज़ॉल्यूशन के रूप में संबोधित करत बानी. हाल में प्रस्तावित दु गो तरीका, एंकरिंग नेबरहुड रिग्रेशन (एएनआर) आउर सिंपल फंक्शन (एसएफ), अत्याधुनिक गुणवत्ता के प्रदर्शन प्रदान करेला. एकरे अलावा, एएनआर सबसे तेज ज्ञात सुपर-रिज़ॉल्यूशन विधि में से एगो बा. एएनआर डिक्शनरी के परमाणु में लंगर डाले वाला बिसाल मात्रा में शब्दकोश आ रिग्रेसर सीख लेला। एसएफ क्लस्टर आउर संबंधित सीखे फलन पर निर्भर करेला. हम ए+ के प्रस्तावित करत बानी, एएनआर के एगो बेहतर संस्करण, जवन एएनआर आ एसएफ के सभसे बढ़िया गुण के मिला के बनावे ला। ए+ एएनआर से फीचर आ एंकर रिग्रेसर पर आधारित बा, लेकिन डिक्शनरी से रिग्रेसर सीखे के बजाय ई एसएफ के समान पूरा प्रशिक्षण सामग्री के उपयोग करे ला। हम आपन तरीका के मानक चित्रन पर सत्यापित करत बानी आउर अत्याधुनिक तरीका से तुलना करत बानी. हम सुधारल गुणवत्ता (यानी एएनआर से 0.2-0.7 डीबी बेहतर पीएसएनआर) आउर उत्कृष्ट समय जटिलता, ए + के अब तक के सबसे कुशल शब्दकोश-आधारित सुपर-रिज़ॉल्यूशन विधि बनावेला. |
240cc2dbe027400957ed1f8cf8fb092a533c406e | नेटवर्क पर जुड़ल कंप्यूटर के संख्या बढ़त जा रहल बा, एह से नेटवर्क के सुरक्षित रखे खातिर घुसपैठ के पता लगावल एगो जरूरी अंग बा। हालाँकि, दुरुपयोग डिटेक्शन सिस्टम के निर्माण आ रखरखाव में बहुत मेहनत के जरूरत होला काहें से कि हमला के परिदृश्य आ पैटर्न के विश्लेषण आ वर्गीकरण करे के जरूरत होला, आ संबंधित नियम आ पैटर्न के सावधानी से हाथ से कोड करे के जरूरत होला। इ प्रकार, डेटा खनन के उपयोग इ असुविधा के कम करे खातिर कइल जा सकेला. ई पेपर एगो बहु-स्तरीय हाइब्रिड वर्गीकरन, घुसपैठ के पता लगावे के प्रणाली के प्रस्ताव करेला जे घुसपैठ के पता लगावे खातिर पेड़ वर्गीकरन आउर क्लस्टरिंग एल्गोरिदम के संयोजन के उपयोग करेला. इ नया एल्गोरिथ्म के परफॉरमेंस के तुलना अन्य लोकप्रिय दृष्टिकोण जइसे कि मैडम आईडी आउर 3-स्तरीय पेड़ वर्गीकरणकर्ता से कइल जाला, आउर उच्च घुसपैठ के पता लगावे के दर आउर उचित रूप से कम झूठा अलार्म दर दुनों के दृष्टिकोण से महत्वपूर्ण सुधार हासिल कइल गइल बा. |
6c49508db853e9b167b6d894518c034076993953 | सामुदायिक संरचना कई सामाजिक, जैविक, आउर तकनीकी नेटवर्क के एगो महत्वपूर्ण विशेषता ह. इहाँ हमनी के गिरवान आउर न्यूमैन द्वारा प्रस्तावित अइसन समुदाय के पता लगावे के तरीका पर एगो भिन्नता के अध्ययन करे के बा आउर सामुदायिक सीमा के परिभाषित करे खातिर केंद्रीयता उपाय के उपयोग करे के विचार पर आधारित बा [एम. गिरवान आउर एम. ई. जे. न्यूमैन, प्रो। नाइल. एकेडेमिक विज्ञान (विज्ञान) देखल जाय। यू.एस.ए. 99, 7821 (2002) ] में लिखल बा. हम लोग पदानुक्रमित समूह के एगो एल्गोरिथ्म विकसित कइनी जवन में सबसे ज्यादा सूचना केंद्रीयता वाला किनारा के खोजल आउर हटावे में शामिल बा. हम कंप्यूटर द्वारा जनित आउर वास्तविक दुनिया के नेटवर्क पर एल्गोरिथ्म के परीक्षण करिला जेकर समुदाय संरचना पहिले से ही जानल जाला या अन्य विधियन के माध्यम से अध्ययन कइल गइल रहे. हम देखब कि हमार एल्गोरिथ्म, हालांकि ई O{\displaystyle O} n4 में पूरा होला, बहुत प्रभावी होला खासकर तब जब समुदाय बहुत मिश्रित होखें आ अन्य तरीका से मुश्किल से पता लगावल जा सके। |
7e9bfb62ba48bbd8d9c13ef1dc7b93fcc58efea8 | इ पेपर ग्लोबल नेविगेशन सैटेलाइट सिस्टम (जीएनएसएस) खातिर एगो माइक्रो-स्ट्रिप सर्कुलर रूप से ध्रुवीकृत एंटीना के डिजाइन प्रस्तुत करेला. प्रस्तुत उपकरन में एगो माइक्रो-स्ट्रिप स्लॉटेड पैच एंटीना शामिल बा जे रोजर्स आरओ 3006 सब्सट्रेट पर छपल बा, 2 मिमी मोटी फोम परत आउर ब्रॉडबैंड वाणिज्यिक 3-डीबी एसएमटी कपलर बा. युग्मन के मापल एस-पैरामीटर के साथ संयुक्त पूर्ण तरंग एंटीना परिणाम बड़ बैंडविड्थ पर एंटीना मिलान आउर अक्षीय अनुपात के संदर्भ में बहुत अच्छा प्रदर्शन देखावेला. |
64b3435826a94ddd269b330e6254579f3244f214 | |
ba6419a7a4404174ba95a53858632617c47cfff0 | |
6143217ceebc10506fd5a8073434cd6f83cf9a33 | वास्तविक दुनिया के कार्य खातिर सुदृढीकरण सीख के नीति के सीखे के समय नमूना जटिलता आउर सुरक्षा प्रमुख चुनौती होला - खासकर जब नीति के समृद्ध फ़ंक्शन अनुमानक जइसे कि गहरी तंत्रिका नेटवर्क के उपयोग करके देखावल जाला. मॉडल आधारित तरीका जहां वास्तविक दुनिया के लक्ष्य डोमेन के अनुकरण स्रोत डोमेन के उपयोग करके अनुमानित कइल जाला, वास्तविक डेटा के अनुकरण डेटा के साथे बढ़ाके उपरोक्त चुनौतियों से निपटे खातिर एगो रास्ता प्रदान करेला. हालांकि, सिमुलेटेड स्रोत डोमेन आउर लक्ष्य डोमेन के बीच विसंगति सिमुलेटेड प्रशिक्षण खातिर एगो चुनौती पैदा करेला. हम ईपीओप्ट एल्गोरिथ्म के परिचय देलीं, जे सिमुलेटेड स्रोत डोमेन के एगो समूह के उपयोग करेला आउर विरोधी प्रशिक्षण के एगो रूप के उपयोग करे ला ताकि नीति के सीखल जा सके जे मजबूत हो सके आउर संभावित लक्ष्य डोमेन के एगो विस्तृत श्रृंखला खातिर सामान्यीकृत हो सके, जेकरा में अनमॉडल प्रभाव शामिल बा. एकरे अलावा, समुच्चय में स्रोत डोमेन पर संभावना वितरण के लक्ष्य डोमेन आउर अनुमानित बेयसन पद्धति से डेटा के उपयोग करके अनुकूलित कइल जा सकेला, ताकि धीरे-धीरे एकरा के बेहतर अनुमान बनावल जा सके. इ प्रकार, मॉडल एंसम्बल पर सीखना, स्रोत डोमेन अनुकूलन के साथे, मजबूती आउर सीखना/अनुकूलन दुनों के लाभ प्रदान करेला. |
2fb5c1fdfdf999631a30c09a3602956c9de084db | सामाजिक नेटवर्क में केंद्रीयता के नापे खातिर, खासकर द्विपक्षीय मोड में, कई चुनौती आवेला, उदाहरण खातिर, नेटवर्क टोपोलॉजी के पूरा ज्ञान के आवश्यकता, आउर टॉप-के व्यवहारिक प्रतिनिधि उपयोगकर्ता के ठीक से पता लगावे के कमी. उपर्युक्त चुनौती के दूर करे खातिर, हम हेल रैंक के प्रस्ताव देले बानी, जे एगो सटीक केंद्रीयता माप बा जे द्वीपक्षीय सामाजिक नेटवर्क में केंद्रीय नोड के पहचान करे खातिर बा. हेल्रैंक एगो द्विपक्षीय नेटवर्क के एकही किनारा पर दू गो नोड्स के बीच हेलिंगर दूरी पर आधारित बा. हम सैद्धांतिक रूप से एह दूरी के प्रभाव के विश्लेषण करब आउर एकर ऊपरी आउर निचला सीमा के खोज करब. हेल्रैंक केंद्रीयता माप के गणना के वितरित कइल जा सकेला, जेमे प्रत्येक नोड के केवल अपने निकटतम पड़ोसी के स्थानीय जानकारी के उपयोग करे के अनुमति दिहल जाला. नतीजतन, केहू के एगो केंद्रीय इकाई के जरूरत नइखे जेके नेटवर्क टोपोलॉजिकल संरचना के पूरा ज्ञान होखे. हम प्रयोगात्मक रूप से हेल रैंक माप के प्रदर्शन के वास्तविक दुनिया के नेटवर्क पर अन्य केंद्रीयता माप के साथ संबंध में मूल्यांकन करेनी. परिणाम में हेल्रैंक आ अन्य पारंपरिक मेट्रिक्स के बीच आंशिक रैंकिंग समानता के पता चलल जे केंडल आ स्पीर्मन रैंक सहसंबंध गुणांक के अनुसार बा. |
af1745e54e256351f55da4a4a4bf61f594e7e3a7 | हम मानव पैदल क दुगो प्रचलित, फिर भी आश्चर्यजनक रूप से परस्पर विरोधी, सिद्धांतन क परख करब. चाल के छह निर्धारक चाल के गतिज विशेषता ह जे शरीर के द्रव्यमान केंद्र (सीओएम) के ऊर्ध्वाधर विस्थापन के कम करके गति के ऊर्जावान लागत के कम करे खातिर प्रस्तावित कइल गइल रहे. उलटा पेंडुलम सादृश्य प्रस्तावित करेला कि पोइन्ट लेग खातिर पेंडुलम के तरह व्यवहार करल फायदेमंद होला, सीओएम खातिर क्षैतिज पथ के बजाय अधिक परिपत्र चाप के निर्धारित करेला. हाल के साहित्य छह निर्धारक सिद्धांत के खिलाफ सबूत प्रस्तुत करेला, आउर एगो सरल गणितीय विश्लेषण से पता चलेला कि समतल सीओएम प्रक्षेपवक्र वास्तव में मांसपेशी कार्य आउर बल के आवश्यकता के बढ़ावेला. एगो समान विश्लेषण से पता चलल कि उल्टा पेंडुलम बेहतर प्रदर्शन करेला, लेकिन विडंबना से कौनो काम या बल के आवश्यकता के भविष्यवाणी ना करेला. विरोधाभास के गतिशील पैदल दृष्टिकोण के माध्यम से हल कइल जा सकेला, जवन आवधिक चाल के संदर्भित करेला जवन लगभग पूरा तरह से अकेले अंग के गतिशीलता द्वारा उत्पादित होला. प्रदर्शन में निष्क्रिय गतिशील चलने वाली मशीनें शामिल बा जवन एगो नरम ढलान से उतरत बा, आउर सक्रिय गतिशील चलने वाला रोबोट जे समतल जमीन पर चलेला. गतिशील चलला में उलटा पेंडुलम तंत्र के फायदा होला, लेकिन एक पेंडुलम पोजीशन के पैर से अगिला पोजीशन में जाए खातिर मैकेनिकल काम के जरूरत होला. हम देखवईब कि कइसे चरण-दर-चरण संक्रमण उलटा पेंडुलम चाल के एगो अपरिहार्य ऊर्जावान परिनाम ह, आउर भविष्यवाणी के जन्म देवेला जवन प्रयोगात्मक रूप से मनुष्य आउर मशीन पर परीक्षण योग्य ह. गतिशील पैदल दृष्टिकोण एगो नया परिप्रेक्ष्य प्रदान करेला, जे गतिज या पैदल गति के बल के बजाय यांत्रिक काम पर ध्यान केंद्रित करेला. इ व्याख्यात्मक तरीका के बजाय रचनात्मक तरीका से मानव चाल के विशेषता के समझावे खातिर उपयोगी बा. |
8bc68ff091ee873c797b8b2979139b024527cb59 | दुरुपयोग के पता लगावे के मतलब ई होला कि नेटवर्क पर हमला के घटना के पहिचान करे के कोशिश कइल जाला। दुरुपयोग के पता लगावे के अधिकांश वर्तमान दृष्टिकोण में ज्ञात हमलन के संकेत के पहचान करे खातिर नियम-आधारित विशेषज्ञ प्रणालियन के उपयोग शामिल बा. हालाँकि, इ सब तकनीक अइसन हमला के पहचान करे में कम सफल रहेला जवन अपेक्षित पैटर्न से अलग होला. कृत्रिम तंत्रिका नेटवर्क सीमित, अपूर्ण आउर गैर-रैखिक डेटा स्रोत के आधार पर नेटवर्क गतिविधि के पहचान आउर वर्गीकृत करे के क्षमता प्रदान करेला. हम दुरुपयोग के पता लगावे के प्रक्रिया के एगो दृष्टिकोण प्रस्तुत करब जवन तंत्रिका नेटवर्क के विश्लेषणात्मक ताकत के उपयोग करेला, आउर हम इ दृष्टिकोण के आपन प्रारंभिक विश्लेषण से परिणाम प्रदान करब. |
4d58f886f5150b2d5e48fd1b5a49e09799bf895d | हम टेक्सास थ्री डी फेस रिकग्निशन डेटाबेस के तीन आयामी (3 डी) चेहरा पहचान आउर अन्य संबंधित क्षेत्र में शोधकर्ता लोगन खातिर उपलब्ध करावत बानी. एह डेटाबेस में 1149 जोड़ी हाई रिज़ॉल्यूशन, पोज नॉर्मलाइज्ड, प्रीप्रोसेसड, आ परफेक्टली अलाइन्ड कलर आ रेंज इमेज बा जे 118 वयस्क मानव विषय के स्टीरियो कैमरा के इस्तेमाल से लिहल गइल बा। इमेजन के साथ-साथ विषय के लिंग, जातीयता, चेहरा के अभिव्यक्ति, आऊ 25 मैन्युअल रूप से स्थित मानवसांख्यिकीय चेहरा के भरोसेमंद बिंदु के स्थान के बारे में जानकारी होला. 3 डी चेहरा पहचान एल्गोरिदम के विकसित करे आउर मूल्यांकन करे खातिर डेटा के विशिष्ट विभाजन भी शामिल कइल गइल बा. |
5f6b7fca82ff3947f6cc571073c18c687eaedd0d | बड़ा डेटा के प्रबंधन आ ओकर विश्लेषण के व्यवस्थित रूप से डेटा वितरित आर्किटेक्चर के साथ जोड़ल जाला जे हडोप आ अब स्पार्क फ्रेमवर्क में मौजूद बा। ई लेख सांख्यिकीविद लोग खातिर तीन गो संदर्भ वातावरण के सीधा उपयोग से प्राप्त प्रदर्शन के तुलना करके ई तकनीकन के परिचय प्रदान करेला: R, Python Scikit-learn, Université de Toulouse - INSA, Institut de Mathématiques, UMR CNRS 5219 †Institut de Mathématiques, UMR CNRS 5219 ‡Université de Toulouse - UT3, Institut de Mathématiques, UMR CNRS 5219 1 ar X iv:1 60 9. 09 61 9v 1 [ st at .A P] 3 0 Se p 20 16 स्पार्क एमएलबी तीन सार्वजनिक उपयोग के मामला पर काम करेला: चरित्र पहचान, फिल्म के सिफारिश, उत्पाद के वर्गीकरण. मुख्य परिणाम के रूप में, ई प्रतीत होला कि, अगर स्पार्क सहयोगी फ़िल्टरिंग (गैर-नकारात्मक फैक्टरिज़ेशन) द्वारा डेटा मांगे आउर सिफारिश खातिर बहुत कुशल बा, त एमएललिब या स्पार्कएमएल में पारंपरिक लर्निंग विधि (लॉजिस्टिक रिग्रेशन, यादृच्छिक जंगल) के वर्तमान कार्यान्वयन एकीकृत या अप्रतिबंधित आर्किटेक्चर में इ विधियन (आर, पायथन स्किकिट-लर्निंग) के सामान्य उपयोग के साथ बहुत कम प्रतिस्पर्धा करत बा. |
ee61d5dbb2ff64995f1aeb81d94c0b55d562b4c9 | |
9b9bac085208271dfd33fd333dcb76dcde8332b8 | |
7f270d66e0e82040b82dfcef6ad90a1e78e13f04 | डेविस द्वारा प्रस्तुत कथित उपयोगिता आउर कथित सहजता के माप के पैमाना [12/ उभरती सूचना प्रौद्योगिकी के उपयोगकर्ता स्वीकृति के भविष्यवाणी करे खातिर व्यापक रूप से उपयोग कइल गइल बा. इ जाँच करे खातिर एगो प्रयोग करल गइल रहे कि का वस्तु के समूहबद्ध करे से विश्वसनीयता आउर वैधता माप के कृत्रिम मुद्रास्फीति भइल. हम लोग आपन परिकल्पना के समर्थन मिलल कि विश्वसनीयता आ वैधता वस्तु समूह से ना बल्कि कथित उपयोगिता आ कथित उपयोग में आसानी के स्पष्ट रूप से परिभाषित होखे से मिलल, आ इस्तेमाल कइल गइल आइटम एह सब अवधारणा के माप के स्पष्ट रूप से उत्पाद के सार के पकड़ लेवेला. |
6373298f14c7472dbdecc3d77439853e39ec216f | असममित हाफ ब्रिज (एएचबी) फ्लाईबैक कनवर्टर उच्च स्विचिंग आवृत्ति पर काम करे खातिर एगो आकर्षक टोपोलॉजी बा काहे कि ई प्राथमिक-साइड स्विच के शून्य-वोल्टेज स्विचिंग आउर माध्यमिक-साइड रेक्टिफायर के शून्य-वर्तमान स्विचिंग के साथ काम कर सकेला. इ पत्र में, सार्वभौमिक-लाइन-वोल्टेज-रेंज अनुप्रयोगन खातिर एएचबी फ्लाईबैक कनवर्टर के विस्तृत विश्लेषण आउर डिजाइन प्रक्रिया प्रस्तुत कइल गइल बा. एएचबी फ्लाईबैक कनवर्टर के परफॉरमेंस के मूल्यांकन सिम्पलिस में प्राप्त सिमुलेशन तरंगरूप के आधार पर नुकसान के विश्लेषण द्वारा कइल जाला आउर प्रयोगात्मक रूप से 65-डब्ल्यू (19.5-वी, 3.33-ए) सार्वभौमिक-लाइन-वोल्टेज-रेंज एडाप्टर के प्रयोगशाला प्रोटोटाइप पर सत्यापित कइल जाला. |
587f6b97f6c75d7bfaf2c04be8d9b4ad28ee1b0a | मुख्य-स्मृति स्तंभ-भंडारन में स्कैन एगो महत्वपूर्ण संचालन होला. ई एगो कॉलम के स्कैन करेला आ एगो परिणाम बिट वेक्टर लौटावेला जे ई बतावेला कि कौनों रिकार्ड एगो फिल्टर प्रेडिकैट के संतुष्ट करेला. बाइटस्लाइस एगो इन-मेमोरी डेटा लेआउट हवे जे डेटा के कई बाइट में काट के हाई-ऑर्डर बाइट तुलना के जरिये जल्दी से रोक के क्षमता के फायदा उठावे ला। चूँकि स्तंभ चौड़ाई आमतौर पर बाइट के गुणक ना होला, बाइटस्लाइस के अंतिम बाइट में 0 के भर जाला, ई मेमोरी बैंडविड्थ आ कंप्यूटिंग पावर के बरबाद करे ला। संसाधन के पूरा तरह से उपयोग करे खातिर, हम खाली बिट्स (अर्थात, बिट्स जे मूल रूप से 0 के साथ गद्देदार रहे) में एगो माध्यमिक सूचकांक बुनने के प्रस्ताव देला, जवन हमनी के नया लेआउट डीआईएफयूजन (डेटा इंडेक्स फ्यूजन) बनावेला. डीआईएफ्यूजन स्किप-स्कैन के सक्षम करेला, एगो नया फास्ट स्कैन जवन बाइटस्लाइस से जल्दी-जल्दी रोकले के क्षमता के विरासत में लेले आउर साथ ही शून्य स्थान के साथ सूचकांक के डेटा-स्किपिंग क्षमता के भी धारण करेला. अनुभवजन्य परिणाम से पता चलल कि डीआईएफयूजन पर स्किप-स्कैन बाइटस्लाइस पर स्कैन के बेहतर करेला. |
0e9741bc1e0c80520a8181970cd4f61caa00055a | वितरित साझा मेमोरी के लागू करे खातिर चार गो मूल एल्गोरिदम के तुलना कइल गइल बा. वैचारिक रूप से, ई एल्गोरिदम स्थानीय आभासी पता स्थान के विस्तारित क के स्थानीय क्षेत्र नेटवर्क द्वारा जुड़ल कई गो मेजबानन के कवर करे लें, आ इनहन में से कुछ के मेजबानन के आभासी मेमोरी सिस्टम में आसानी से एकीकृत कइल जा सके ला। वितरित साझा मेमोरी के गुण आउर अइसन वातावरण के संबंध में कइल गइल धारणा के वर्णन कइल गइल बा जेमे साझा मेमोरी एल्गोरिदम के निष्पादित कइल जाला. फेर एल्गोरिदम के वर्णन कइल जाला, आउर अनुप्रयोग-स्तर के उपयोग व्यवहार के संबंध में उनकर प्रदर्शन के तुलनात्मक विश्लेषण प्रस्तुत कइल जाला. ई देखावल गइल बा कि एल्गोरिथ्म के सही चुनाव के अनुप्रयोग के मेमोरी एक्सेस व्यवहार द्वारा काफी हद तक निर्धारित कइल जाला. मूल एल्गोरिदम के दू गो बिसेस रूप से दिलचस्प विस्तार के वर्णन कइल गइल बा, आउर वितरित साझा मेमोरी के कुछ सीमा के नोट कइल गइल बा. |
95a6d057b441396420ee46eca84dea47e4bf11e7 | विशेषज्ञ मूल्यांकन आउर उपयोगकर्ता परीक्षण आज प्रभावी उपयोग योग्य सुरक्षा पैदा कर रहल बा. सुरक्षित चरणबद्धता, उपयोगिता विफलता जोखिम के गणना, एकीकृत सुरक्षा, पारदर्शी सुरक्षा आउर भरोसेमंद प्राधिकरण पर भरोसा जइसन सिद्धांत भी बेहतर प्रणालि के आधार बना सकेला. सूचना सुरक्षा आ आश्वासन में उपयोगकर्ता-केंद्रित सुरक्षा के एगो बड़हन चुनौती के रूप में चिन्हित कइल गइल बा. ई सुरक्षा आ मानव-कंप्यूटर इंटरफेस (एचसीआई) दुनों के अनुसंधान के एगो स्थापित उप-क्षेत्र बन जाए के कगार पर बा, आ उत्पाद विकास जीवनचक्र पर प्रभाव डाले के कगार पर बा। सुरक्षा आ एचसीआई दुनु, आपन काम के उपयोगिता आ वैधता के साबित करे खातिर, उपयोगकर्ता के साथे बातचीत के वास्तविकता पर निर्भर करेला. एह क्षेत्रन में अभ्यास करे वाला आ शोध करे वाला लोग के रूप में हमनी के अभी भी एह दुनु क्षेत्रन में इस्तेमाल होखे वाला बुनियादी औजारन के लागू करे में बहुत समस्या के सामना करे के पड़ेला। इ निबंध सामाजिक, तकनीकी, आउर व्यावहारिक स्तर पर प्रणालीगत बाधा के चर्चा करेला जेकरा के उपयोगकर्ता-केंद्रित सुरक्षा के पर्याप्त सफलता प्राप्त करे खातिर दूर करे के चाही. |
610b86da495e69a27484287eac6e79285513884f | इ पेपर में माइक्रोस्ट्रिप से वेवगाइड में एगो नया प्लैनर ब्रॉडबैंड संक्रमण प्रस्तावित कइल गइल बा. संदर्भित वेव गाइड या त आयताकार वेव गाइड या रिड्ड वेव गाइड हो सकेला. संक्रमण में एगो खुले-सर्किट माइक्रोस्ट्रिप क्वार्टर-वेव लेंथ रेजोनेटर आउर शॉर्ट-सर्किट वेव गाइड के ऊपरी ब्रॉडसाइड दीवार पर एगो रेजोनेन्ट यू-आकार के स्लॉट होला. काम के तंत्र के व्याख्या करे खातिर आउर इंजीनियरिंग डिजाइन खातिर एगो मोटा मॉडल प्रदान करे खातिर भौतिकी-आधारित समकक्ष-सर्किट मॉडल भी विकसित कइल गइल बा. ब्रॉडबैंड संक्रमण के ढेर लगावल दु-ध्रुवीय अनुनाद फिल्टर के रूप में देखल जा सकेला. केंद्र आवृत्ति पर समूह-विलंब जानकारी के उपयोग करके प्रत्येक युग्मन सर्किट के अलग-अलग डिजाइन कइल जा सकेला. एकर ब्रॉडबैंड विशेषता के अलावा, संक्रमण आकार में कॉम्पैक्ट बा, बिना बीयालेस बा, आउर समतल सर्किट के साथ अत्यधिक संगत बा. इ सभ बढ़िया विशेषता प्रणाली वास्तुकला खातिर नया संक्रमण के बहुत आकर्षक बना देला जहवां वेव गाइड उपकरन के सतह पर बहुपरत प्लाइनर सर्किट पर लगावल जाए के जरूरत होला. संक्रमण के उपयोगिता के देखावे खातिर दुगो डिजाइन उदाहरण दिहल गइल बा: एगो ब्रॉडबैंड रिगेड-वेवगाइड बैंडपास फिल्टर बा आउर दूसर एगो सतह-माउंटेबल ब्रॉडबैंड कम तापमान सह-फायर्ड सिरेमिक लैमिनेटेड वेवगाइड गुहा फ़िल्टर बा. दुनों फिल्टर माइक्रोस्ट्रिप लाइन के साथ इंटरफेस करे खातिर प्रस्तावित संक्रमण के साथ बा, व्यावहारिक अनुप्रयोग में आशाजनक संभावना देखावत बा. |
6514d7eeb27a47f8b75e157aca98b177c38de4e9 | |
56debe08d1f3f0a149ef18b86fc2c6be593bdc03 | सूचना प्रणाली के सुरक्षा खातिर संगठन तकनीकी आउर प्रक्रियात्मक उपाय के विकसित करेलन. खाली तकनीकी आधार पर सुरक्षा समाधान पर भरोसा कइल पर्याप्त नइखे. संगठन के सामाजिक, मानव आउर संगठनात्मक कारक के साथे तकनीकी सुरक्षा समाधान पर विचार करे के चाहीं. मानव तत्व ऊ कर्मचारी (अंदरूनी लोग) के प्रतिनिधित्व करेला जे सूचना प्रणाली आउर दुसर प्रौद्योगिकी संसाधन के आपन दिन-प्रतिदिन के संचालन में उपयोग करेला. संगठनात्मक सूचना प्रणाली के सुरक्षा खातिर आईएसपी जागरूकता जरूरी बा. ई अध्ययन आईएसपी जागरूकता के पूर्ववर्ती के जांच करे खातिर नवाचार प्रसार सिद्धांत के अनुकूलित करेला आउर आईएसपी आउर सुरक्षा प्रथा से संतुष्टि पर एकर प्रभाव डालेला. अनुसंधान मॉडल के मूल्यांकन करे खातिर संयुक्त राज्य अमेरिका के विश्वविद्यालय में 236 कर्मचारी के एगो नमूना इकट्ठा कइल गइल. परिणाम ई बतवले कि आईएसपी गुणवत्ता, आत्म-प्रभावकारिता, आउर प्रौद्योगिकी सुरक्षा जागरूकता आईएसपी जागरूकता के महत्वपूर्ण रूप से प्रभावित करेला. वर्तमान अध्ययन आईएसपी जागरूकता के पूर्ववर्ती के समझे के दिशा में महत्वपूर्ण योगदान प्रस्तुत करेला आउर सूचना सुरक्षा व्यवहारिक डोमेन में संतुष्टि पहलू के शामिल करे के दिशा में एगो प्रारंभिक बिंदु प्रदान करेला. |
7917b89d0780decf7201aad8db9ed3cb101b24d7 | घुसपैठ के पता लगावे के काम हमला के पहिचान करे के प्रक्रिया होला। आईडीएस के मुख्य उद्देश्य सामान्य आ आक्रामक गतिविधि के पहिचान कइल बा। हाल के साल में, कई शोधकर्ता आईडीएस बनावे खातिर डेटा माइनिंग तकनीक के उपयोग कर रहल बाड़ें. इहाँ हमनी के एगो नया तरीका के प्रस्ताव बा जेमे डेटा माइनिंग तकनीक के इस्तेमाल कइल जाला जइसे कि एसवीएम आ पार्टिकल स्वार्म ऑप्टिमाइजेशन जेवना से उच्च डिटेक्शन रेट हासिल कइल जा सके। प्रस्तावित तकनीक में मुख्य चरण होलाः पूर्व-प्रसंस्करण, पीएसओ के उपयोग करे वाला प्रशिक्षण, अलग-अलग प्रशिक्षण उपसमूह के उत्पन्न करे खातिर के-माध्यम के उपयोग करे वाला क्लस्टरिंग. फिर बाद के प्रशिक्षण उपसमूह के आधार पर एसवीएम वर्गीकरण खातिर एगो वेक्टर बनावल जाला आउर अंत में, पीएसओ के उपयोग करके वर्गीकरण कइल जाला ताकि पता चल सके कि घुसपैठ भइल बा कि ना. ई पेपर में सारांश अध्ययन आ पहिले से सर्वे में शामिल काम के कमजोरी के पहिचान कइल गइल बा। कीवर्ड-इनट्रूशन डिटेक्शन सिस्टम; न्यूरो-फजी; सपोर्ट वेक्टर मशीन (एसवीएम); पीएसओ; के-मीन्स |
414b7477daa7838b6bbd7af659683a965691272c | वीडियो सारांश एगो वीडियो स्ट्रीम के सामग्री के संक्षिप्त आ संक्षिप्त निरूपण प्रदान करेला जेवना में स्थिर चित्र, वीडियो खंड, ग्राफिक निरूपण आ टेक्स्टल डिस्क्रिप्टर के संयोजन होला। ई पेपर शोध साहित्य से लिहल गइल वीडियो सारांश के लिए एगो वैचारिक ढांचा प्रस्तुत करेला आउर शोध साहित्य के सर्वेक्षण के साधन के रूप में उपयोग कइल जाला. ई फ्रेमवर्क वीडियो सारांश तकनीकन (स्रोत वीडियो स्ट्रीम से सामग्री के संक्षेप में प्रस्तुत करे खातिर उपयोग कइल जाए वाला तरीका) आ वीडियो सारांश (वीडियो सारांश तकनीकन के आउटपुट) के बीच अंतर करे ला। वीडियो सारांश तकनीक के तीन गो व्यापक श्रेणी में मानल जालाः आंतरिक (वीडियो स्ट्रीम से सीधे प्राप्त जानकारी के विश्लेषण), बाहरी (वीडियो स्ट्रीम से सीधे प्राप्त ना भइल जानकारी के विश्लेषण) आउर संकर (आंतरिक आउर बाहरी जानकारी के संयोजन के विश्लेषण). वीडियो सारांश के सामग्री के प्रकार के आधार पर मानल जाला (ऑब्जेक्ट, इवेंट, परसेप्शन या फीचर आधारित) आउर उपयोगकर्ता के उनकर उपभोग (इंटरैक्टिव या स्थिर, व्यक्तिगत या सामान्य) खातिर उपलब्ध कार्यक्षमता के आधार पर मानल जाला. ई तर्क दिहल जाला कि वीडियो सारांश बनावे में बाहरी जानकारी के, खासतौर से उपयोगकर्ता आधारित जानकारी के, जे कि बिना कउनो बाधा के प्राप्त कइल जा सके, अधिक से अधिक उपयोग कइल जा सके, ताकि दीर्घकालिक चुनौती सभ के दूर कइल जा सके, जइसे कि शब्दार्थ अंतर आ वीडियो सारांश उपलब्ध करावल जा सके, जे कि व्यक्तिगत उपयोगकर्ता खातिर अधिक प्रासंगिक हो सके। 2007 एल्सेवियर इंक. सब अधिकार सुरक्षित बा. |
5fc6817421038f21d355af7cee4114155d134f69 | |
f4ec256be284ff40316f27fa3b07531f407ce9fe | इ अध्ययन में छह ऑक्टेव बैंडविड्थ आउर 60 डिग्री स्कैनिंग के साथ काम करे खातिर एगो उपन्यास कस के युग्मित द्विध्रुवीय सरणी एंटीना के रिपोर्ट कइल गइल बा. ए सरणी के डिजाइन पूर्ण-तरंग ईएम सिमुलेशन के माध्यम से कइल गइल रहे, जे वर्तमान शीट एरे रेडिएटर अवधारणा के नियोजित करत रहे जे एगो उपन्यास एकीकृत फीड नेटवर्क द्वारा उन्नत रहे. 0.3-20 गीगाहर्ट्ज के पार कई गो समतल आउर अनुरूप सरणी के प्रोटोटाइप के निर्माण आउर परीक्षण कइल गइल बा जेमे सभी पूर्वानुमानित आउर मापल गइल टर्मिनल आउर विकिरण विसेसता के बीच अच्छा समझौता देखल गइल बा. उदाहरण के रूप में दिहल गइल सरणी के 1.2-6 गीगाहर्ट्ज खातिर डिजाइन कइल गइल बा, जे में रेडिएटर के ऊंचाई अधिकतम ऑपरेशनल वेवलेंथ के 0.12 बा. |
0be360a2964c4bb91aaad0cc6d1baa6639746028 | मनुष्य एगो दृश्य में चेहरा के पहचान करे में बहुत कम चाहे कौनो प्रयास ना करेला . हालांकि, इ काम के पूरा करे वाला एगो स्वचालित प्रणाली बनावल बहुते कठिन बा. कई गो संबंधित उपसमस्या हईं: चेहरा के रूप में एगो पैटर्न के पता लगावल . चेहरा के पहचान, चेहरा के भाव के विश्लेषण, आउर चेहरा के भौतिक विशेषता के आधार पर वर्गीकरण. इ सब संचालन के करे वाला एगो प्रणाली के कई गो अनुप्रयोग मिल सकेला, उदाहरन खातिर, आपराधिक पहचान, सुरक्षित प्रणालियन में प्रमाणीकरण, आदि. अब तक के जादेतर काम पहचान के क्षेत्र में भइल बा . ई पेपर एह समस्या के हल करे में अतीत के काम के सर्वेक्षण करेला. इ समस्या के संबंध में मानव दृश्य प्रणाली के क्षमता पर भी चर्चा कइल गइल बा . एकर मतलब ई बा कि ई एगो स्वचालित प्रणाली खातिर मार्गदर्शक के रूप में काम करेला . ए समस्या के हल करे खातिर कुछ नया तरीका पर भी संक्षेप में चर्चा कइल गइल बा . चेहरा के पता लगावे चेहरा के पहचान चेहरा के भाव वर्गीकरण चेहरा के विशेषता |
4d899ebf7a3004fe550842830f06b4600d9c6230 | इ पेपर में संकेतन के पता लगावे के समस्या नीचे दिहल गइल बा: मान लीं कि एगो पर्यवेक्षक के एगो निर्धारित अवलोकन अंतराल के दौरान समय के साथ भिन्न वोल्टेज दिहल जाला आउर इ तय करे के कहल जाला कि एकर स्रोत शोर बा या सिग्नल प्लस शोर बा. ई निर्णय लेवे खातिर पर्यवेक्षक के कवन तरीका के उपयोग करे के चाही, आउर कौनों प्राप्तकर्ता के उ तरीका के प्राप्ति होला? इ समस्या के सैद्धांतिक पहलु के चर्चा के बाद, पेपर व्यावहारिक रुचि के कई मामला खातिर इष्टतम रिसीवर के विशिष्ट व्युत्पन्न प्रस्तुत करेला. एगो इष्टतम प्रेक्षक के हां या ना जवाब देवे के पड़ेला, उ बस एगो ऑपरेटिंग लेवल चुनले रहेला आउर इ निष्कर्ष निकालले रहेला कि रिसीवर इनपुट सिग्नल प्लस शोर से उत्पन्न भइल रहे जब इ स्तर ओकर संभावना अनुपात रिसीवर के आउटपुट द्वारा पार कइल गइल रहे. प्रत्येक अइसन परिचालन स्तर से संबद्ध सशर्त संभावना बा कि उत्तर झूठा अलार्म आउर पता लगावे के सशर्त संभावना बा. इ सब मात्रा के ग्राफ, जेकरा के रिसीवर ऑपरेटिंग कैरेक्टिस्टिक्स, या आरओसी, वक्र कहल जाला, रिसीवर के मूल्यांकन करे खातिर सुविधाजनक बा. अगर पता लगावे के समस्या के बदलल जाला, उदाहरण खातिर, सिग्नल पावर के बदल के, तब आरओसी वक्र के एगो परिवार उत्पन्न होला. अइसन चीज जइसे कि सट्टेबाजी के वक्र आसानी से अइसन परिवार से प्राप्त कइल जा सकेला. एगो विशेष स्थिति में उपयोग करे वाला संचालन स्तर के पर्यवेक्षक द्वारा चुनल जाए के चाहीं. ओकर चुनाव इ तरह के कारक पर निर्भर करी जइसे कि अनुमेय झूठा अलार्म दर, पूर्वानुमानित संभावना, आउर त्रुटि के सापेक्ष महत्व. परिचय के रूप में काम करे वाला इ सैद्धांतिक पहलु के साथे, संभावना अनुपात खातिर स्पष्ट सूत्र के व्युत्पन्न करे पर ध्यान दिहल जाला, आउर कई विशेष मामला खातिर पता लगावे के संभावना आउर गलत अलार्म के संभावना खातिर ध्यान दिहल जाला. स्थिर, बैंड-सीमित, सफेद गॉसियन शोर मानल जाला. सात गो विशेष मामला जवन प्रस्तुत कइल गइल बा, सिग्नल डिटेक्शन में सबसे सरल समस्या से चुनल गइल बा जे व्यावहारिक स्थिति के करीब से दर्शावें. दुगो मामला में सिग्नल के प्रारंभ समय, सिग्नल आवृत्ति, या दुनों, l l&TlOUn होवे पर पता लगावे के संभावना के खोज के महत्वपूर्ण समस्या के सर्वोत्तम उपलब्ध अनुमान के आधार बनावेला. एकरे अलावा, इ दुनों मामला में सिग्नल में अनिश्चितता अलग-अलग हो सकेला, आउर अनिश्चितता आउर सिग्नल के पता लगावे के क्षमता के बीच एगो मात्रात्मक संबंध इ दुनो सामान्य मामला खातिर प्रस्तुत कइल जाला. प्रस्तुत उदाहरण के विविधता के उपयोग अन्य सरल सिग्नल डिटेक्शन समस्या के समाधान के खातिर विधि सुझावे खातिर कइल जा सकेला आउर सीधा समाधान के अनुमति देवे खातिर बहुत जटिल समस्या में अंतर्दृष्टि देवे के चाहीं. |
5140f1dc83e562de0eb409385480b799e9549d54 | बनावट एगो महत्वपूर्ण विशेषता बा जेवना के इस्तेमाल बिबिध चीज या क्षेत्र के पहिचान करे खातिर कइल जाला, चाहे ऊ फोटो माइक्रोग्राफ, हवाई फोटो या उपग्रह से लिहल गइल फोटो होखे। ई लेख ग्रेटोन के स्थानिक निर्भरता के आधार पर कुछ आसानी से गणना योग्य बनावट के बिसेसता के वर्णन करे ला आ तीन तरह के इमेज डेटा के श्रेणी पहिचान के काम में एकर इस्तेमाल के उदाहरण देलाः पाँच तरह के बलुआ पत्थर के फोटोमाइक्रोग्राफ, आठ गो भूमि उपयोग के श्रेणी के 1:20000 पैनक्रोमैटिक हवाई तस्वीर आ सात गो भूमि उपयोग के श्रेणी के धरती संसाधन प्रौद्योगिकी उपग्रह (ईआरटीएस) के बहु-प्रजाति के इमेजिंग। हम दु प्रकार के निर्णय नियम के उपयोग करिलाः एगो जेकर निर्णय क्षेत्र उत्तल बहुफलक होला (एक टुकड़ा के रूप में रैखिक निर्णय नियम), आउर एगो जेकर निर्णय क्षेत्र आयताकार समानांतर पाइपेड होला (एक न्यूनतम-अधिकतम निर्णय नियम). प्रत्येक प्रयोग में डेटा सेट के दु भाग में विभाजित कइल गइल रहे, एगो प्रशिक्षण सेट आउर एगो परीक्षण सेट. परीक्षण सेट के पहचान सटीकता फोटोमाइक्रोग्राफ खातिर 89 प्रतिशत, हवाई फोटोग्राफिक छवियन खातिर 82 प्रतिशत, आउर उपग्रह छवियन खातिर 83 प्रतिशत बा. इ परिणाम इंगित करेला कि आसानी से गणना योग्य बनावट के विशेषता संभवतः छवि-वर्गीकरण अनुप्रयोग के एगो विस्तृत विविधता खातिर सामान्य अनुप्रयोग बा. |
6513888c5ef473bdbb3167c7b52f0985be071f7a | छवि विश्लेषण, खंडन आउर संपीड़न खातिर सामान्यीकृत गैर-असमान 2-डी गैबोर निरूपण में दू-आयामी असतत संकेत के बदले खातिर तीन-स्तरित तंत्रिका नेटवर्क के वर्णन कइल गइल बा. ई परिवर्तन संयुक्त स्पैटिया स्पेक्ट्रल निरूपण [lo], [15], जवन वैश्विक 2-डी स्थानिक निर्देशांक के भीतर स्थानीय रूप से विंडोड 2-डी स्पेक्ट्रल निर्देशांक के संदर्भ में एगो पूर्ण छवि विवरण प्रदान करेला. चूंकि छवियन के भीतर आंतरिक अतिरेक के पुनः प्राप्त कइल जाला, परिणामी छवि कोड बहुत कॉम्पैक्ट हो सकेला. हालाँकि, इ संयुक्त परिवर्तन के गणना करल अपने आप में कठिन बा काहे कि प्राथमिक विस्तार फलन के पुनः समकोण ना होला. बास्टियन द्वारा 1-डी सिग्नल खातिर विकसित एगो अलग दृष्टिकोण, जैव-सामान्य विस्तार पर आधारित बा, संयुक्त नमूना दर आउर विंडोइंग फ़ंक्शन के अपरिवर्तनीयता पर प्रतिबंध द्वारा सीमित बा, साथ ही साथ इ तथ्य से कि सहायक ऑर्थोगोनालाइजिंग फ़ंक्शन गैर-स्थानीय अनंत श्रृंखला बा. वर्तमान "न्यूरल नेटवर्क" दृष्टिकोण में, निश्चित भार वाला दु परत आउर समायोज्य भार वाला एगो परत के सामिल करे वाला इंटरलैमिनर बातचीत पर आधारित, नेटवर्क ई प्रतिबंधात्मक शर्त के बिना पूर्ण संयुक्त 2-डी गॅबर रूपांतरण खातिर गुणांक पावेला. मनमाना गैर-पूर्ण परिवर्तन खातिर, जउने में गुणांक के व्याख्या केवल इमेज में कुछ विशेषता के उपस्थिति के दर्शावे के रूप में कइल जा सकेला, नेटवर्क छवि के प्रतिनिधित्व करे में न्यूनतम माध्य-वर्ग-त्रुटि के अर्थ में इष्टतम गुणांक पावेला. एगो बीजगणितीय रूप से पूर्ण योजना में, जवन सटीक पुनर्निर्माण के अनुमति देवेला, नेटवर्क के विस्तार गुणांक मिलेला जवन कि पूर्ण 2-डी गॅबर परिवर्तन में पिक्सेल प्रतिनिधित्व में 7.57 से 2.55 तक एन्ट्रापी के कम करेला. एगो एकल अंतर्निहित 2-डी गॅबर वेवलेट टेम्पलेट के विस्तार, घूर्णन आउर अनुवाद के जैविक रूप से प्रेरित लॉग-ध्रुवीय संयोजन के आधार पर "वेवलेट" विस्तार में, छवि संपीड़न के 20: 1 तक के अनुपात के साथ चित्रित कइल गइल बा. पूरा 2-डी गॅबोर परिवर्तन में गुणांक के समूह के आधार पर छवि विभाजन भी प्रदर्शित कइल गइल बा. उपयोगी गैर-असमान छवि परिवर्तन के लागू करे खातिर इ गुणांक-खोज नेटवर्क के न्यूरोसाइंटिफिक प्रासंगिकता भी हो सकेला, काहे कि निश्चित वजन वाला नेटवर्क परत वजन के रूप में बिल्ली के विजुअल कॉर्टेक्स में अभिविन्यास-चयनात्मक न्यूरॉन्स से प्राप्त अनुभवजन्य 2-डी रिसेप्टिव फील्ड प्रोफाइल के उपयोग करेला, आउर परिणामी परिवर्तन वैश्विक स्थानिक निर्देशांक के भीतर कोणीय आउर वर्णक्रमीय विश्लेषण के एम्बेड करे के जैविक दृश्य रणनीति के नकल करेला. |
ba0164fe77d37786eca4cfe1a6fbc020943c91a2 | लीन मैनेजमेंट (एलएम) एक ठो मैनेजमेंट तरीका हवे जेह में एक दुसरा से जुड़ल सामाजिक-तकनीकी प्रथा सभ के जटिल सिस्टम के आधार पर प्रक्रिया में सुधार कइल जाला। हाल में, चर्चा एलएम में संगठनात्मक संस्कृति (ओसी) के भूमिका पर केंद्रित बाटे. इ पेपर के उद्देश्य इ चर्चा में योगदान कइल बा कि का सफल एलएम लागू करे वाला संयंत्रन के एगो विशिष्ट सीओ प्रोफाइल द्वारा चिह्नित कइल जाला आउर व्यापक रूप से नरम एलएम प्रथा के अपनावेला. बहु-समूह दृष्टिकोण के उपयोग करके उच्च प्रदर्शन विनिर्माण (एचपीएम) परियोजना डेटासेट से डेटा के विश्लेषण कइल गइल रहे. नतीजा में ई पता चलल कि एगो विशिष्ट सीओ प्रोफाइल सफल दुबला पौधा के विशेषता हवे; खासतौर पर, जब असफल दुबला पौधा के तुलना में, ऊ लोग उच्च संस्थागत सामूहिकता, भविष्य के उन्मुखीकरण, मानवीय उन्मुखीकरण, आउर कम स्तर के दावा देखावेला. जबकि उच्च स्तर के संस्थागत सामूहिकता, भविष्य के ओर उन्मुख, आउर मानवीय उन्मुखीकरण सामान्य रूप से उच्च प्रदर्शन करे वाला लोग के सामान्य विशेषता ह, कम स्तर के दृढ़ता केवल सफल दुबला पौधों के विशिष्ट ह. एकरे अलावा, सफल दुबला संयंत्र नरम एलएम प्रथा के उपयोग असफल दुबला संयंत्र के तुलना में अधिक व्यापक रूप से करे लें (यानी, लोगन आउर संबंधन से संबंधित दुबला प्रथा, जइसे कि छोट समूह समस्या के समाधान, कर्मचारी के कई कार्य करे खातिर प्रशिक्षण, आपूर्तिकर्ता साझेदारी, ग्राहक भागीदारी, आउर निरंतर सुधार), जबकि ऊ लोग कठोर एलएम प्रथा (यानी, दुबला तकनीकी आउर विश्लेषणात्मक उपकरण) के संदर्भ में महत्वपूर्ण रूप से अलग ना होला. प्रबंधकन खातिर, परिणाम ई दर्शावेला कि, सफलतापूर्वक एलएम लागू करे खातिर, सॉफ्ट प्रैक्टिस के अपना के आउर उपयुक्त सीओ प्रोफाइल के विकास के पोषण करके एलएम तकनीकी से आगे बढ़ल बहुत जरूरी बा. |
ab614b5712d41433e6341fd0eb465258f14d1f23 | पुनरावर्ती तंत्रिका नेटवर्क (आरएनएन) मॉडल के व्यापक रूप से अनुक्रमिक डेटा के संसाधित करे खातिर उपयोग कइल जाला जे एगो गुप्त पेड़ संरचना द्वारा नियंत्रित होला. पिछला काम से पता चलल बा कि आरएनएन मॉडल (विशेष रूप से लॉन्ग शॉर्ट-टर्म मेमोरी (एलएसटीएम) आधारित मॉडल) अंतर्निहित पेड़ संरचना के दोहन करे के सीख सकेला. हालांकि, एकर परफॉर्मेंस लगातार पेड़-आधारित मॉडल के पीछे बा. इ काम एगो नया अनुप्रेरक पूर्वाग्रह ऑर्डरड न्यूरॉन्स के प्रस्ताव करेला, जवन छिपल राज्य न्यूरॉन्स के बीच आवृत्ति के अद्यतन करे के क्रम के लागू करेला. हम देखवनी कि क्रमबद्ध न्यूरॉन्स स्पष्ट रूप से लैंटेंट ट्री संरचना के आवर्ती मॉडल में एकीकृत कर सकेला. एह उद्देश्य खातिर, हमनी के एगो नया आरएनएन इकाई के प्रस्ताव बा: ओएन-एलएसटीएम, जवन चार गो अलग-अलग काम पर अच्छा प्रदर्शन हासिल करेलाः भाषा मॉडलिंग, अनसुअरवेज्ड पार्सिंग, लक्षित सिंटैक्सिक मूल्यांकन, आउर तार्किक अनुमान1. |
a9f9a4dc25479e550ce1e0ddcbaf00743ccafc29 | संभवतः संभावना के सबसे सरल आउर सबसे बुनियादी गुणात्मक नियम संयोजन नियम होला: संयोजन के संभावना, P ((A&B), एकर घटक के संभावना से अधिक ना हो सकेला, P ((A) आउर .P ((B), काहे कि संयोजन के विस्तार (या संभावना सेट) के एकर घटक के विस्तार में शामिल कइल जाला. अनिश्चितता के तहत निर्णय, हालांकि, अक्सर अंतर्ज्ञानी युक्तिवाद द्वारा मध्यस्थता कइल जा ला जे संयोजन नियम द्वारा बाध्य ना होला. एगो संयोजन अपने अवयव में से एगो के तुलना में अधिक प्रतिनिधि हो सकेला, आउर एगो विशिष्ट श्रेणी के उदाहरण के कल्पना करल या पुनर्प्राप्त करल अधिक समावेशी श्रेणी के उदाहरण के तुलना में आसान हो सकेला. एही से प्रतिनिधित्व आ उपलब्धता के हेरिस्टिक्स एगो संयोजन के ओकर एगो घटक से अधिक संभावना वाला बना सकेला. ई घटना कई तरह के संदर्भ में देखल जा सके ला जेह में शब्द आवृत्ति के अनुमान, व्यक्तित्व के आकलन, चिकित्सा पूर्वानुमान, जोखिम के तहत निर्णय, आपराधिक कृत्य के संदेह, आ राजनीतिक पूर्वानुमान शामिल बा। संयुग्मन नियम के व्यवस्थित उल्लंघन आम लोगन के आ विशेषज्ञ लोगन के निर्णय में विषय के बीच आ विषय के भीतर तुलना करे में देखल जाला। संयोजन भ्रांति के वैकल्पिक व्याख्या पर चर्चा कइल गइल बा आउर एकरा से लड़े के प्रयास के पता लगावल गइल बा. |
5dbb8f63e9ac926005037debc5496e9949a3885f | एगो घुसपैठ के पता लगावे के मूल्यांकन परीक्षण बेड विकसित कइल गइल जवन 1000 मेजबान पर 100 से अधिक उपयोगकर्ता के साथे सरकारी साइट पर समान सामान्य यातायात उत्पन्न कइलस. सात सप्ताह के प्रशिक्षण डेटा आउर दू सप्ताह के परीक्षण डेटा में पीडित UNIX मेजबान के खिलाफ 38 अलग-अलग स्वचालित हमलन के 300 से अधिक उदाहरण लॉन्च कइल गइल रहे. छह शोध समूह अंध मूल्यांकन में भाग लिहलस आउर परिणाम के जांच, सेवा से इनकार (डीओएस), दूरस्थ-से-स्थानीय (आर2एल), आउर उपयोगकर्ता से जड़ (यू2आर) हमला खातिर विश्लेषण कइल गइल. सबसे अच्छा सिस्टम प्रशिक्षण डेटा में शामिल पुरान हमला के पता लगावेला, मध्यम पता लगावे के दर 63% से 93% तक के दर से प्रति दिन 10 झूठे अलार्म के झूठे अलार्म के दर से. परीक्षण डेटा में शामिल नया आउर उपन्यास आर2एल आउर डीओएस हमला खातिर पता लगावे के दर बहुत खराब रहे. सबसे अच्छा सिस्टम ए नयका हमला के लगभग आधा के पता लगावे में विफल रहे जेमें रिमोट उपयोगकर्ता द्वारा रूट-स्तर विशेषाधिकार तक हानिकारक पहुंच शामिल रहे. इ नतीजा इ बतावेला कि आगे के शोध मौजूदा नियम-आधारित के विस्तार के बजाय नया हमला के खोजे खातिर तकनीक के विकास पर ध्यान केंद्रित करे के चाही. |
cd3f32418cbacc65357f7436a2d4186c634f024a | |
0d4fef0ef83c6bad2e14fe4a4880fa153f550974 | ओपन डोमेन टारगेटेड सेंटमेंट (ओडीटी) संयुक्त सूचना निष्कर्षण कार्य ह जवन पाठ के निकाय से हर उल्लेख के प्रति भावना के साथे लक्ष्य उल्लेख के खोज करेला. कार्य के आमतौर पर अनुक्रम लेबलिंग समस्या के रूप में मॉडलिंग कइल जाला, आउर सीआरएफ जइसन अत्याधुनिक लेबलर के उपयोग करके हल कइल जाला. हम शब्द सम्मिलन आउर स्वचालित सुविधा संयोजन के प्रभाव के अनुभवजन्य रूप से अध्ययन करिला, एगो सीआरएफ आधार रेखा के विस्तारित करके तंत्रिका नेटवर्क के उपयोग करके, जे भावना विश्लेषण खातिर बड़ संभावना के प्रदर्शन कइले बा. परिणाम ई देखावेला कि न्यूरल मॉडल याद के काफी बढ़ाके बेहतर परिणाम दे सकेला. एकरे अलावा, हम तंत्रिका आ असतत बिसेसता के एगो नया एकीकरण के प्रस्ताव देलीं, जे कि इनहन के सापेक्षिक फायदा के जोड़ देला, जेकरा से दुनों बेसलिन के तुलना में काफी बेहतर परिणाम मिले ला। |
00b69fcb15b6ddedd6a1b23a0e4ed3afc0b8ac49 | डोमेन अनुकूलन एल्गोरिदम स्रोत डोमेन में प्रशिक्षित मॉडल के नया लक्ष्य डोमेन में सामान्यीकृत करे के मांग करेला. कई ठे व्यावहारिक मामला में, स्रोत आ लक्ष्य वितरण में काफी अंतर हो सकेला, आ कुछ मामला में महत्वपूर्ण लक्ष्य विशेषता के स्रोत डोमेन में समर्थन ना हो सके ला। ए पेपर में हम एगो एल्गोरिथ्म के परिचय देत बानी जे धीरे-धीरे प्रशिक्षण सेट में लक्ष्य विशेषता आउर उदाहरण दुनों के जोड़के स्रोत आउर लक्ष्य डोमेन के बीच के अंतर के कम कर देले बा, जउने में वर्तमान एल्गोरिथ्म सबसे अधिक आश्वस्त बा. हमार एल्गोरिथ्म सह-प्रशिक्षण के एगो रूप ह [7], आउर हम एकर नाम कोडा (डोमेन अनुकूलन खातिर सह-प्रशिक्षण) रखल हऊ. मूल सह-प्रशिक्षण कार्य के विपरीत, हम लोग कौनो विसेस विशेषता के विभाजन के नाहीं मानेलें. एकरे बजाय, कोट्रेनिंग के हर पुनरावृत्ति खातिर, हम एगो एकल अनुकूलन समस्या तैयार करब जउन एक साथे लक्ष्य भविष्यवक्ता, विजुअल स्पेस के विभाजन, आउर स्रोत आउर लक्ष्य विजुअल के उपसमुच्चय के भविष्यवक्ता में शामिल करे खातिर सीखत ह. कोडा ब्लिट्जर आ अन्य के 12 डोमेन के बेंचमार्क डेटा सेट पर अत्याधुनिक प्रदर्शन से काफी बेहतर बा. [4] की खातिर वास्तव में, लक्ष्य पर्यवेक्षण के एगो विस्तृत श्रृंखला (84 में से 65 तुलना) में सीओडीए सबसे अच्छा प्रदर्शन प्राप्त करेला. |
2254a9c8e0a3d753ce25d4049e063e0e9611f377 | इ पत्र में, सब्सट्रेट एकीकृत सर्किट के विकास खातिर स्लॉटलाइन से सब्सट्रेट एकीकृत वेव गाइड संक्रमण के प्रस्ताव दिहल गइल बा. बैक-टू-बैक संक्रमण के सम्मिलन हानि 8.7 से 9.0 गीगाहर्ट्ज तक 1 डीबी से कम बा. इ संक्रमण के साथ, एगो समतल जादू-टी के अध्ययन आउर डिजाइन करल जाला. मापल परिणाम ई बतावेला कि 8.4-9.4 गीगाहर्ट्ज के प्रयोगात्मक आवृत्ति श्रेणी में निर्मित जादू-टी के बहुत अच्छा प्रदर्शन देखल गइल बा. आयाम आउर चरण असंतुलन क्रमशः 0.2 डीबी आउर 1.5 डिग्री से कम बा. |
f98990356a62e05af16993a5fc355a7e675a3320 | पेरोनी रोग के कारण लिंग के विकलांगता से ग्रस्त पुरुष लोगन खातिर एगो समान उपचार के रूप में पेनोस्क्रोटल प्लीकेशन (पीएसपी) के उपयोग करे के हमनी के चार साल के अनुभव के प्रस्तुत करे खातिर। पेनिल क वक्रता वाले 48 पुरूसन (औसत आयु 58. 7 वर्ष) में पेनिल क पुनर्गठन कयरल गयल रहे, जइसहु क वक्रता के सामने ट्यूनीका अल्बुगिनिया क कई गैर- अवशोषित सूटर्स के साथ जोड़ल गयल रहे. वक्रता के डिग्री चाहे दिशा के परवाह ना करत, सभ मरीज के लिंग के बिना डिग्लॉव के बनावल गइल एगो छोट पेनोस्क्रोटल चीर के माध्यम से संपर्क कइल गइल रहे. लिंग के शाफ्ट एंगल के विस्तृत माप आउर लिंग के लंबाई के विस्तार के पुनर्निर्माण से पहिले आउर बाद में रिकॉर्ड आउर विश्लेषण कइल गइल, आउर सुधार खातिर आवश्यक सिलाई के संख्या के दस्तावेजीकरण कइल गइल रहे. परिणाम लगभग सब मरीजन के पीठ आउर/ या पार्श्व विकृति रहे जे आसानी से एगो बयना पेनोस्क्रोटल चीर के माध्यम से ठीक कइल गइल रहे. सुधार के मध्य (रेंज) डिग्री 28 (18-55) डिग्री रहल आउर उपयोग कइल गइल टांके के संख्या 6 (4-17) रहल. पेक्सिशन से पहिले आ बाद में खिंचल लिंग के लंबाई के माप में कौनो महत्वपूर्ण अंतर ना लउकल. एगो एकल पीएसपी प्रक्रिया 45/48 (93%) रोगी में सफल रहल; दुगो सुधार से असंतुष्ट रहलें, एगो के दोहरावल गइल प्लीकेशन रहल आउर दूसर पेनिल प्रोस्थेसिस; एगो अन्य के दर्द खातिर सूट रिलीज़ के आवश्यकता रहल. निष्कर्ष पीएसपी सुरक्षित आउर प्रभावी ह आउर गंभीर या द्विपक्षीय वक्रता वाले मामला में भी इ पर विचार करल जाए के चाही. |
5264ae4ea4411426ddd91dc780c2892c3ff933d3 | अनुप्रयोग क्षेत्र में चर आउर विशेषता चयन बहुते शोध के केंद्र बन गइल बा जउने खातिर दस चाहे सैकड़ों हजार चर के साथ डेटासेट उपलब्ध बा. इ क्षेत्र में इंटरनेट दस्तावेज़ के पाठ प्रसंस्करण, जीन अभिव्यक्ति के विश्लेषण, आउर संयोजक रसायन विज्ञान सामिल हवे. चर चयन के उद्देश्य तीन गुना होलाः पूर्वानुमानकर्ता के पूर्वानुमान प्रदर्शन में सुधार, तेज आउर अधिक लागत प्रभावी पूर्वानुमानकर्ता प्रदान करे आउर डेटा उत्पन्न करे वाली अंतर्निहित प्रक्रिया के बेहतर समझ प्रदान करे. एह विशेष अंक में दिहल गइल योगदान अइसन समस्या के कई पहलु के कवर करे ला: उद्देश्य के बेहतर परिभाषा, सुविधा निर्माण, सुविधा रैंकिंग, बहु-परिवर्तनीय सुविधा चयन, कुशल खोज विधि, आ सुविधा वैधता मूल्यांकन विधि। |
a0a9390e14beb38c504473c3adc857f8faeaebd2 | इ पत्र डिजिटल रंगीन छवियन में मानव चेहरा के स्वचालित रूप से पता लगावे खातिर एगो तकनीक प्रस्तुत करेला. ई दू-चरणीय प्रक्रिया ह जे पहिले रंगीन चित्र में मानव त्वचा वाला क्षेत्र के पता लगावेला आउर फेर ए क्षेत्र से जानकारी निकाल लेवेला जवन चित्र में चेहरा के स्थान के इंगित कर सकेला. त्वचा के पता लगावे के काम त्वचा के फिल्टर के उपयोग से कइल जाला जे रंग आउर बनावट के जानकारी पर निर्भर करेला. चेहरा के पता लगावे के काम एगो ग्रेस्केल इमेज पर कइल जाला जेह में खाली त्वचा के पता लगावल गइल क्षेत्र होलें। थ्रेस होल्डिंग आउर गणितीय रूप विज्ञान के संयोजन के उपयोग वस्तु के विशेषता के निकाले खातिर कइल जाला जे चेहरा के उपस्थिति के इंगित करेला. परीक्षण परिणाम के अनुसार चेहरा के पता लगावे के प्रक्रिया अनुमानित आउर काफी विश्वसनीय रूप से काम करेला. |
27f366b733ba0f75a93c06d5d7f0d1e06b467a4c | |
9b90cb4aea40677494e4a3913878e355c4ae56e8 | युग्मित गतिशील प्रणालियन के नेटवर्क के उपयोग जैविक ऑसिलेटर, जोसेफसन जंक्शन सरणी, उत्तेजित मीडिया, तंत्रिका नेटवर्क, स्थानिक खेल, आनुवंशिक नियंत्रण नेटवर्क आउर कई अन्य स्व-संगठित प्रणालियन के मॉडल करे खातिर कइल गइल बा. सामान्य रूप से, कनेक्शन टोपोलॉजी के या त पूरा तरह से नियमित या पूरा तरह से यादृच्छिक मानल जाला. लेकिन कई जैविक, तकनीकी आउर सामाजिक नेटवर्क इ दुन्नो चरम के बीच कहीं स्थित बा. इहाँ हमनी के नेटवर्क के सरल मॉडल के खोज करब जवन कि एह बीच के जमीन के माध्यम से ट्यून कइल जा सकेला: नियमित नेटवर्क के "रिवाइरेड" कइल जाला ताकि बढ़त मात्रा में अव्यवस्था के शुरुआत कइल जा सके। हमनी के ई पावे के बा कि ई सब सिस्टम बहुत ढेर समूह में बाने, जइसे कि नियमित जाली, फिर भी छोट-छोट विशेषता पथ लंबाई होला, जइसे कि यादृच्छिक ग्राफ. हम उनका के "छोट दुनिया" नेटवर्क कहत बानी, छोट दुनिया के घटना के अनुरूप, (जेकरा के छह डिग्री अलगाव के रूप में जानल जाला). कृमि के तंत्रिका नेटवर्क केनोरहाबिडिस एलेगन्स, पच्छिमी संयुक्त राज्य अमेरिका के बिजली ग्रिड, आउर फिल्म अभिनेता के सहयोग ग्राफ छोट-दुनिया नेटवर्क के रूप में देखावल गइल बा. छोट-दुनिया के युग्मन वाला गतिशील प्रणाली के मॉडल संवर्धित सिग्नल-प्रसारण गति, कम्प्यूटेशनल शक्ति आउर सिंक्रनाइज़ेबिलिटी प्रदर्शित करेला. विसेस रूप से, संक्रामक रोग नियमित जाली के तुलना में छोट-महान नेटवर्क में जादा आसानी से फइलल रहे. |
00d23e5c06f90bed0c9d4aec22babb2f7488817f | हम अनुप्रस्थ मैट्रिक्स गुणनखंडन के उपयोग क के रेखांकन में लिंक पूर्वानुमान समस्या के हल करे क प्रस्ताव देले बानी. मॉडल एगो (संभवतः निर्देशित) ग्राफ के टोपोलॉजिकल संरचना से लुप्त विसेसता के सीखल जाला, आउर लोकप्रिय अनसुपरवाइज्ड स्कोर के तुलना में बेहतर भविष्यवाणी करे खातिर देखावल जाला. हम देखब कि इ लुप्त विसेसता के नोड्स या किनारन खातिर वैकल्पिक स्पष्ट विसेसता के साथ कइसे जोड़ल जा सकेला, जे विशेष रूप से कौनो प्रकार के विसेसता के उपयोग करे के तुलना में बेहतर प्रदर्शन प्रदान करेला. अंत में, हम श्रेणी असंतुलन के समस्या के समाधान करे खातिर एगो नया तरीका प्रस्तावित कर रहल बानी जे सीधा रैंकिंग घाटा के अनुकूलन द्वारा लिंक भविष्यवाणी में आम बा. हमार मॉडल स्टोचैस्टिक ग्रेडिएंट अवतरण के साथ अनुकूलित बा आउर बड़ ग्राफ तक पैमाना पर बा. कई डेटा सेट पर मिलल परिणाम हमनी के दृष्टिकोण के प्रभावकारिता के देखावत बा. |
04fa47f1d3983bacfea1e3c838cf868f9b73dc58 | इ पत्र में, हम एगो उपन्यास चेहरा के पता लगावे के दृष्टिकोण प्रस्तुत कर रहल बानी जे एगो संवहन तंत्रिका वास्तुकला पर आधारित बा, जे अत्यधिक परिवर्तनीय चेहरा के पैटर्न के पता लगावे खातिर डिज़ाइन कइल गइल बा, जे छवि विमान में /spl प्लसmn/20 डिग्री तक घुमावल गइल बा आउर जटिल वास्तविक दुनिया के छवियन में /spl प्लसmn/60 डिग्री तक बदलल गइल बा. प्रस्तावित प्रणाली स्वचालित रूप से चेहरा आउर गैर-चेहरा पैटर्न के प्रशिक्षण सेट से सरल समस्या-विशिष्ट सुविधा निकाले वालन के संश्लेषित करेला, बिना कौनो धारणा के या चेहरा पैटर्न के निकाले के खातिर सुविधा या विश्लेषण के खातिर क्षेत्र के बारे में कौनो हाथ से बनावल डिजाइन के उपयोग करे के. चेहरा के पता लगावे के प्रक्रिया साधारण संवहन आ उप-नमूना लेवे के मॉड्यूल के पाइपलाइन के रूप में काम करे ले जे कच्चा इनपुट इमेज के एक पूरा के रूप में देखावल जाला। एहसे हम देखब कि एगो कुशल चेहरा पहचान प्रणाली के छवि क्षेत्र के वर्गीकरण से पहिले कौनो खर्चीला स्थानीय पूर्व-प्रसंस्करण के आवश्यकता ना होला. प्रस्तावित योजना कठिन परीक्षण सेट पर प्रदर्शित झूठे सकारात्मक के एगो विशेष रूप से कम स्तर के साथे बहुत उच्च पता लगावे के दर प्रदान करेला, बिना कठिन मामला के संभाले खातिर कई नेटवर्क के उपयोग के आवश्यकता के. हम लोग व्यापक प्रयोगात्मक परिणाम प्रस्तुत करब जउन कठिन परीक्षण सेट पर प्रस्तावित दृष्टिकोण के दक्षता के देखावत ह आउर चेहरा पैटर्न के भिन्नता के डिग्री के संबंध में गहराई से संवेदनशीलता विश्लेषण के भी शामिल करत ह. |
cf8f95458591e072835c4372c923e3087754a484 | हम गॉसियन प्रक्रिया मॉडल के एगो उपन्यास मिश्रण प्रस्तावित कर रहल बानी जेमे गेटिंग फलन एगो संभाव्य तार्किक मॉडल से परस्पर जुड़ल बा, हमनी के मामला में मार्कोव लॉजिक नेटवर्क. इ तरीका से, परिणामी मिश्रित ग्राफिकल मॉडल, जेकरा के मार्कोव लॉजिक मिश्रण ऑफ गॉसियन प्रोसेस (MLxGP) कहल जाला, संयुक्त बेयसन गैर-पैरामीटर प्रतिगमन आउर संभाव्य संबंधपरक अनुमान कार्य के हल करेला. बदले में, MLxGP नया, रोचक कार्य के सुगम बनावेला जइसे कि तार्किक बाधा के आधार पर प्रतिगमन या प्रतिगमन डेटा के बारे में संभाव्य तार्किक निष्कर्ष निकाले खातिर, इ प्रकार "मशीन रीडिंग रिग्रेशन डेटा" के पहुंच में रखेला. |
548bc4203770450c21133bfb72c58f5fae0fbdf2 | हम एगो अइसन प्रणाली के वर्णन करत बानी जवन वीडियो आ जड़ता से संवेदी (एक्सेलेरोमीटर आ जाइरोमीटर) के उपयोग क के त्रि-आयामी अंतरिक्ष में वस्तु के पता लगावेला, जवन फोन से लेके ड्रोन तक के आधुनिक मोबाइल प्लेटफार्म में हर जगह मौजूद बा। जड़ता वर्ग-विशिष्ट पैमाना के वस्तु खातिर पूर्वनिर्धारित करे के क्षमता प्रदान करेला आउर एगो वैश्विक अभिविन्यास संदर्भ प्रदान करेला. एगो न्यूनतम पर्याप्त प्रतिनिधित्व, अंतरिक्ष में वस्तु के अर्थसामग्री (पहचान) आउर वाक्यविन्यास (स्थिति) के पीछे के एगो ज्यामितीय शब्द में विघटित कइल जा सकेला, जेकरा के स्थानीयकरण-और-मैपिंग फ़िल्टर द्वारा रखल जा सकेला, आउर एगो संभाव्यता फलन, जेकरा के एगो विभेदक रूप से प्रशिक्षित संक्षारक तंत्रिका नेटवर्क द्वारा अनुमानित कइल जा सकेला. परिणामी प्रणाली वास्तविक समय में वीडियो धारा के प्रक्रिया कर सकेला, आउर दृश्य में वस्तु के एगो प्रतिनिधित्व प्रदान करेला जवन कि लगातार होला: वस्तु के उपस्थिति में विश्वास साक्ष्य के साथ बढ़ जाला, आउर पहिले से देखल गइल वस्तु के स्मृति में रखल जाला, भले ही अस्थायी रूप से अवरुद्ध हो जाए, आउर उनकर दृश्य में वापसी के स्वचालित रूप से प्रमुख पुनः पहचान के भविष्यवाणी कइल जाला. |
e2176d557793b7e2b80d8e5ec945078441356eb8 | क्लस्टरिंग एल्गोरिथ्म एगो अइसन प्रमुख तकनीक ह जेकर उपयोग ऊर्जा खपत कम करे खातिर कइल जाला. ई नेटवर्क के स्केलेबिलिटी आ लाइफटाइम बढ़ा सकेला। ऊर्जा-कुशल क्लस्टरिंग प्रोटोकॉल के विषम वायरलेस सेंसर नेटवर्क के विशेषता खातिर डिजाइन कइल जाए के चाहीं. हमनी के एगो नया वितरित ऊर्जा-कुशल क्लस्टरिंग योजना के प्रस्ताव आ मूल्यांकन कइले बानी जा जेवन कि विषम वायरलेस सेंसर नेटवर्क खातिर बा, जेकरा के डीईईसी कहल जाला। डीईईसी में, क्लस्टर-हेड्स के चयन प्रत्येक नोड के अवशिष्ट ऊर्जा आउर नेटवर्क के औसत ऊर्जा के बीच के अनुपात के आधार पर कइल जाला. नोड कुल खातिर क्लस्टर-हेड होखे के युग उनकर प्रारंभिक आउर अवशिष्ट ऊर्जा के अनुसार अलग-अलग होला. उच्च प्रारंभिक आउर अवशिष्ट ऊर्जा वाला नोड्स में कम ऊर्जा वाला नोड्स के तुलना में क्लस्टर-हेड्स होए के अधिक संभावना होई. अंत में, सिमुलेशन परिणाम से पता चलेला कि डीईईसी विषम वातावरण में वर्तमान महत्वपूर्ण क्लस्टरिंग प्रोटोकॉल के तुलना में लंबा जीवनकाल आउर अधिक प्रभावी संदेश प्राप्त करेला. 2006 एल्सेवियर बी.वी. सब अधिकार सुरक्षित बा. |
5bc848fcbeed1cffb55098c4d7cef4596576e779 | जइसे-जइसे वायरलेस सेंसर नेटवर्क बढ़त जा रहल बा, ओइसहीं प्रभावी सुरक्षा तंत्र के जरूरत बढ़त जा रहल बा. चूंकि सेंसर नेटवर्क संवेदनशील डेटा के साथ बातचीत कर सकेला आउर/या शत्रुतापूर्ण बिना निगरानी के वातावरण में काम कर सकेला, इ जरूरी बा कि इ सुरक्षा चिंता के सिस्टम डिजाइन के शुरुआत से संबोधित कइल जाए. हालाँकि, संसाधन आ कंप्यूटिंग के कमी के कारण सेंसर नेटवर्क में सुरक्षा पारंपरिक नेटवर्क/कंप्यूटर सुरक्षा के तुलना में अलग-अलग चुनौती पैदा करे ले। वर्तमान में वायरलेस सेंसर नेटवर्क सुरक्षा के क्षेत्र में अनुसंधान के बहुत बड़ संभावना बा। एहसे, इ क्षेत्र में वर्तमान शोध से परिचित होखला से शोधकर्ता लोग के बहुत लाभ होई. एही बात के ध्यान में रख के, हमनी के वायरलेस सेंसर नेटवर्क सुरक्षा में प्रमुख विषय के सर्वेक्षण करेनी जा, सेंसर सुरक्षा में बाधा आ आवश्यकता के प्रस्तुत करेनी जा, वर्तमान में होखे वाला कई गो हमला के वर्गीकृत करेनी जा, आ अंत में ओकर संबंधित रक्षात्मक उपाय के सूचीबद्ध करेनी जा। |
190875cda0d1fb86fc6036a9ad7d46fc1f9fc19b | ईमेल के व्यापक उपयोग के साथ, अब हमनी के पास अभूतपूर्व मात्रा में पाठ तक पहुँच बा जवन हमनी के खुद लिखले बानी. एह लेख में, हमनी के देखावल जाई कि कई प्रकार के मेल में भावना के माप आ ट्रैक करे खातिर भावना विश्लेषण के इस्तेमाल कइसे कइल जा सकेला आ ई दृश्य के प्रभावी तरीका से उपयोग कइसे कइल जा सकेला। हम लोग भीड़-भाड़ से शब्द-भावना के एगो बड़हन शब्दकोश बना के ओकरा के इस्तेमाल कइ के प्रेम पत्र, घृणा भरल मेल, आ सुसाइड नोट में भावना के तुलना करेनीं। हमनी के देखावल बा कि काम के जगह पर ईमेल में भावनात्मक शब्द के इस्तेमाल करे में लिंग के बीच काफी अंतर बा। उदाहरण खातिर, मेहरारू लोग खुशी-दुःख के अक्ष के बहुते शब्द के इस्तेमाल करेली स, जबकि मरद लोग डर-भरोसा के अक्ष के शब्द के इस्तेमाल करे के पसंद करे ला. अंत में, हम विज़ुअलाइज़ेशन देखावल चाहत बानी जवन लोग के ईमेल में भावना के पता लगावे में मदद कर सकेला. |
114a4222c53f1a6879f1a77f1bae2fc0f8f55348 | |
826dc5774b2c2430cef0dfc4d18bc35947106c6d | |
0788cda105da9853627d3e1ec8d01e01f7239c30 | हम शॉटगन के प्रस्तावित करत बानी, एगो समानांतर निर्देशांक अवतरण एल्गोरिथ्म जे एल 1 के नियमित नुकसान के कम करे खातिर बा. यद्यपि निर्देशांक अवतरण स्वाभाविक रूप से क्रमिक प्रतीत होला, हम शॉटगन खातिर अभिसरण सीमा के साबित कर रहल बानी जे एगो समस्या-निर्भर सीमा तक लगभग रैखिक गति के भविष्यवाणी करेला. हम लासो खातिर शॉटगन के एगो व्यापक अनुभवजन्य अध्ययन अउर बिसाल लॉजिस्टिक प्रतिगमन प्रस्तुत करत बानी. समानांतरता के संभावना पर हमार सैद्धांतिक भविष्यवानी वास्तविक डेटा पर व्यवहार के निकटता से मेल खाला. शॉटगन कई प्रकार के समस्या के हल करे में अन्य प्रकाशित एल्गोरिदम से बेहतर बा, जवन कि एल1 खातिर सबसे स्केलेबल एल्गोरिदम में से एक साबित होला. |
2414283ed14ebb0eec031bb75cd25fbad000687e | प्राकृतिक ग्राफ, जइसे कि सोशल नेटवर्क, ईमेल ग्राफ, या इंस्टेंट मैसेजिंग पैटर्न, इंटरनेट के माध्यम से व्यापक हो गइल बा. ई ग्राफ बड़हन होला, अक्सरहां एह में सैकड़न लाख नोड आ अरबों किनारा होला. जबकि अइसन ग्राफ के अध्ययन करे खातिर कुछ सैद्धांतिक मॉडल के प्रस्ताव दिहल गइल बा, आंकड़ा के पैमाना आउर प्रकृति के कारण ओकर विश्लेषण अभी भी मुश्किल बा. हम बड़ पैमाना पर ग्राफ के विघटन आ अनुमान खातिर एगो ढांचा प्रस्तावित करत बानी. पैमाना के हल करे खातिर, हमनी के ढांचा अइसन बांटल गइल बा कि डेटा के बाँटल जाला-कुछो ना मशीन के सेट पर. हम एगो नया गुणनखंडन तकनीक के प्रस्ताव देले बानी जे कि एगो ग्राफ के विभाजन पर निर्भर करेला ताकि विभाजन के किनारन के बजाय पड़ोसी शिखर के संख्या के कम कइल जा सके. हमार विघटन एगो स्ट्रीमिंग एल्गोरिथ्म पर आधारित बा. ई नेटवर्क-जागरूक बा काहे कि ई अंतर्निहित कंप्यूटेशनल हार्डवेयर के नेटवर्क टोपोलॉजी के अनुकूल बा. हम चर के स्थानीय प्रतिलिपि के उपयोग कर तानी आउर नेटवर्क संचार के लागत के बिना अधिकांश गणना के करे खातिर प्रतिकृति मान के सिंक्रनाइज़ करे खातिर एगो कुशल अतुल्यकालिक संचार प्रोटोकॉल के उपयोग कर तानी. 200 मिलियन शिखर आ 10 अरब किनारा वाला एगो ग्राफ पर, जवन ईमेल संचार नेटवर्क से मिलल बा, हमनी के एल्गोरिथ्म अभिसरण गुण के बरकरार रखत बा जबकि कंप्यूटर के संख्या में लगभग रैखिक स्केलेबिलिटी के अनुमति देला. |
877aff9bd05de7e9d82587b0e6f1cda28fd33171 | स्वयंसिद्ध वाहनन के दीर्घकालिक दृश्य नेविगेशन में मजबूत क्रॉस-सीजनल स्थानीयकरण एगो प्रमुख चुनौती बा. इ लेख में, हमनी के छवियन के अर्थ संबंधी खंडन में हाल के प्रगति के फायदा उठावे के कोशिश करब, यानी, जहाँ हर पिक्सेल के एगो लेबल दिहल जाला जवन कि ऊ वस्तु के प्रकार से संबंधित होला, ताकि दीर्घकालिक दृश्य स्थानीयकरण के समस्या पर हमला कइल जा सके। हम देखवलीं कि पर्यावरण के अर्थ-लेबल वाला 3 डी बिंदु मानचित्र, अर्थ-विभाजित छवियन के साथ, वाहन स्थानीयकरण खातिर विस्तृत सुविधा विवरण (एसआईएफटी, एसयूआरएफ, आदि) के आवश्यकता के बिना कुशलता से उपयोग कइल जा सकेला. ), इ प्रकार, हाथ से तैयार फीचर डिस्क्रिप्टर पर निर्भर रहे के बजाय, हम एगो छवि सेगमेंटर के प्रशिक्षण पर भरोसा करिला. परिणामी मानचित्र पारंपरिक डिस्क्रिप्टर आधारित मानचित्र के तुलना में बहुत कम भंडारण स्थान लेला. कण फ़िल्टर आधारित सिमेंटिक स्थानीयकरण समाधान के तुलना SIFT-विशेषताओं पर आधारित एगो से कइल जाला, आउर साल भर में बड़ सीजनल भिन्नता के साथे भी हम लोग बड़ आउर अधिक वर्णनात्मक SIFT-विशेषताओं के बराबर प्रदर्शन करिला आउर ज्यादातर समय 1 मीटर से कम त्रुटि के साथ स्थानीयकरण करे में सक्षम होला. |
f9f92fad17743dd14be7b8cc05ad0881b67f32c2 | एगो उचित दूरी के मीट्रिक सीखल कई सीखल मशीन के सफलता में एगो महत्वपूर्ण भूमिका निभावेला. जब प्रशिक्षण आउर परीक्षण नमूना संबंधित लेकिन अलग-अलग डोमेन (यानी, स्रोत डोमेन आउर लक्ष्य डोमेन) से खींचल जाला त पारंपरिक मीट्रिक लर्निंग एल्गोरिदम के सीमित उपयोगिता होला. इ पत्र में, हम सूचना-सैद्धांतिक सेटिंग में डोमेन अनुकूलन खातिर दू गो उपन्यास मीट्रिक लर्निंग एल्गोरिदम के प्रस्ताव देले बानी, जे दू डोमेन में विभेदित पावर ट्रांसफर आउर मानक लर्निंग मशीन प्रसार के अनुमति देवेला. पहिला में, एगो क्रॉस-डोमेन महालनोबिस दूरी के तीन लक्ष्य के जोड़के सीखे के होलाः अलग-अलग डोमेन के बीच वितरण अंतर के कम कइल, लक्षित डोमेन डेटा के ज्यामिति के संरक्षित कइल, आउर लेबल जानकारी के साथे स्रोत डोमेन डेटा के ज्यामिति के संरेखित कइल. एकरे अलावा, हम जटिल डोमेन अनुकूलन समस्या के हल करे खातिर आपन प्रयास समर्पित कर रहल बानी आउर पहिला विधि के बहु-कर्नेल लर्निंग फ्रेमवर्क तक बढ़ाके रैखिक क्रॉस-डोमेन मीट्रिक लर्निंग से आगे बढ़ रहल बानी. कई गो कर्नेल के एगो उत्तल संयोजन आउर रैखिक परिवर्तन के एगो एकल अनुकूलन में अनुकूली रूप से सीखा जाला, जे पिछला ज्ञान के अन्वेषण आउर डेटा विशेषता के विवरण के बहुत लाभ देवेला. तीन वास्तविक दुनिया के अनुप्रयोग (चेहरे के पहचान, पाठ वर्गीकरण आउर वस्तु वर्गीकरण) में व्यापक प्रयोग इ सत्यापित करेला कि प्रस्तावित विधि अत्याधुनिक मीट्रिक लर्निंग आउर डोमेन अनुकूलन विधि के बेहतर करेला. |
1b51a9be75c5b4a02aecde88a965e32413efd5a3 | वस्तु मान्यता खातिर स्थानीय विशेषता के सीखे खातिर स्परस कोडिंग एगो सामान्य तरीका बा. हाल में, स्थानिक-समयिक, दूरबीन या अन्य बहु-अवलोकन डेटा से सीखने के विसेसता में रुचि बढ़ल बा, जहवां लक्ष्य एकल छवि के सामग्री के बजाय छवियन के बीच संबंध के एन्कोड करे के बा. हम बहु-दृश्य सुविधा सीख के एगो विश्लेषण प्रदान करब, जे देखावत बा कि छिपल चर कई छवि वार्प के बीच साझा आइजेन्सस्पेस में घूर्णन कोण के पता लगाके परिवर्तन के एन्कोड करेला. हमार विश्लेषण हाल के प्रयोगात्मक परिणाम के व्याख्या करे में मदद करेला जवन ई दर्शावेला कि वीडियो पर जटिल कोशिका मॉडल के प्रशिक्षण देवे पर परिवर्तन-विशिष्ट विशेषता उभरल. हमार विश्लेषण ई भी देखावेला कि परिवर्तन-अपरिवर्तनीय विशेषता परिवर्तन के प्रतिनिधित्व के सीखे के उप-उत्पाद के रूप में सामने आ सकेला. |
213d7af7107fa4921eb0adea82c9f711fd105232 | उच्च-आयामी डेटा के उच्च-आयामी इनपुट वैक्टर के पुनर्निर्माण करे खातिर एगो छोट केंद्रीय परत के साथे बहुपरत तंत्रिका नेटवर्क के प्रशिक्षित करके निम्न-आयामी कोड में बदलल जा सकेला. ग्रेडिएंट अवतरण के उपयोग अइसन "ऑटो एनकोडर" नेटवर्क में भार के ठीक करे खातिर कइल जा सकेला, लेकिन इ तब्बे काम करेला जब प्रारंभिक भार एगो अच्छा समाधान के करीब होखे. हम भार के सुरुआत करे के एगो प्रभावी तरीका के वर्णन करब जवन कि डीप ऑटोकोडर नेटवर्क के कम-आयामी कोड के सीखे के अनुमति देवेला जे कि डेटा के आयामीयता के कम करे खातिर एगो उपकरण के रूप में मुख्य घटक विश्लेषण से बहुत बेहतर काम करेला. |
00bbfde6af97ce5efcf86b3401d265d42a95603d | अनुभवजन्य साक्ष्य से पता चलेला कि हैशिंग आयाम में कमी करे आउर व्यावहारिक गैर-पैरामीटर अनुमान खातिर एगो प्रभावी रणनीति हवे. ए पेपर में हम फीचर हैशिंग खातिर घातीय पूंछ सीमा प्रदान करत बानी आउर देखावत बानी कि यादृच्छिक उप-स्थान के बीच बातचीत उच्च संभावना के साथ नगण्य बा. हमनी के प्रयोगात्मक परिणाम के साथ एह दृष्टिकोण के व्यवहार्यता के प्रदर्शन करे खातिर एगो नया उपयोग के मामला के उपयोग कइल जा रहल बा -- सैकड़ों हजार कार्य के साथे बहुक्रियाशीलता सीखल जा रहल बा. |
b8811144fb24a25335bf30dedfb70930d2f67055 | |
1441c41d266ce48a2041bd4da0468eec961ddf4f | हम वर्ड ट्री के परिचय देत बानी, एगो नया विजुअलाइजेशन आ सूचना-प्राप्ति तकनीक जे टेक्स्ट दस्तावेज़ के लक्षित करे ला। वर्ड ट्री पारंपरिक "कीवर्ड-इन-कॉन्टेक्स्ट" पद्धति के एगो ग्राफिकल संस्करण ह, आउर पाठ के निकाय के तेजी से क्वेरी आउर अन्वेषण के सक्षम करेला. इ पत्र में हम तकनीक के डिजाइन के वर्णन करत बानी, साथे ही एकर कार्यान्वयन में उत्पन्न होखे वाला कुछ तकनीकी मुद्दा के भी वर्णन करत बानी. एकरे अलावा, हम लोग कई महीना ले कई आँख पर शब्द के पेड़ के सार्वजनिक रूप से इस्तेमाल के परिणाम के चर्चा करब, जे एह तरीका के जानकारी देला कि कइसे प्रयोगकर्ता लोग दृश्य से फायदा उठावे ला। |
37b9b5a5eb63349a3e6f75d5c4c061d7dbc87f4e | ): सूचना छिपावल 1998, एलएनसीएस 1525, पीपी. 218-238, 1998. c © Springer-Verlag Berlin Heidelberg 1998 Copyright Marking Systems पर हमला 219 योजना के विरोध में कई गो हमला के प्रस्तुत कइल गइल बा, जे एह में से अधिकांश के तोड़ देला. अंत में हम कुछ टिप्पणी करब कि सामान्य रूप से स्टीगनोग्राफी के संदर्भ में आउर विशेष रूप से कॉपीराइट मार्किंग में मजबूती के का मतलब बा. डिजिटल रिकॉर्डिंग मीडिया कई गो नया संभावना देला लेकिन एकर इस्तेमाल में बाधा अइल बा बौद्धिक संपदा के मालिकन जइसे हॉलीवुड आ रॉक म्यूजिक इंडस्ट्री के बीच व्यापक भय के चलते कि अगर प्रयोगकर्ता लोग असीमित मात्रा में वीडियो, संगीत आ मल्टीमीडिया के सही कॉपी बना सके त उनकर आजीविका ख़तरा में पड़ जाई। डिजिटल मीडिया खातिर पहिला प्रतिलिपि सुरक्षा तंत्र में से एगो सीरियल कॉपी मैनेजमेंट सिस्टम (एससीएमएस) रहल जे सोनी आउर फिलिप्स द्वारा अस्सी के दशक में डिजिटल ऑडियो टेप खातिर शुरू कइल गइल रहे [31]. विचार ई रहे कि उपभोक्ता के आपन कार में उपयोग करे खातिर आपन खुद के सीडी के डिजिटल ऑडियो टेप बनावे के अनुमति दिहल जाय, लेकिन केहू आउर के टेप के टेप ना बनावे के; इ प्रकार प्रतिलिपि केवल पहिला पीढ़ी तक सीमित होखेलन. कार्यान्वयन में हर ऑडियो ऑब्जेक्ट के हेडर में एगो बूलियन मार्कर शामिल कइल गइल रहे. दुर्भाग्य से इ विफल हो गइल काहे कि कुछ निर्माता द्वारा उत्पादित हार्डवेयर इ के लागू ना कइलस. हाल में डिजिटल वीडियो डिस्क, जेकरा के डिजिटल वर्साटाइल डिस्क (डीवीडी) कंसोर्टियम के रूप में भी जानल जाला, सीरियल कॉपी मैनेजमेंट के लागू करे खातिर कॉपीराइट मार्किंग योजना के प्रस्ताव के आह्वान कइलस। एकर मकसद ई बा कि उपभोक्ता के बिकाइल डीवीडी प्लेयर घरेलू वीडियो के असीमित प्रतिलिपि बनावे आ टीवी प्रोग्राम के समय के अनुसार देखे के अनुमति दिहें, लेकिन एकर गलत इस्तेमाल व्यावसायिक चोरी खातिर ना कइल जा सके [19, 44]. प्रस्तावित कार्यान्वयन ई बा कि वीडियो के चिह्नित ना कइल जाई, या चिह्नित कभी नकल, या केवल एक बार कॉपी; अनुपालन करे वाला प्लेयर कभी नकल चिह्नित वीडियो रिकॉर्ड ना करीहें आ जब एक चिह्नित केवल एक बार कॉपी चिह्नित रिकॉर्डिंग करत होखीं तब एकर चिह्न कभी नकल में बदल दीहें। व्यावसायिक रूप से बिकने वाला वीडियो सभ पर ई चिन्ह कभी कॉपी ना करे, जबकि टीवी प्रसारण आ अइसन सामग्री पर ई चिन्ह एक बेर कॉपी करे आ होम वीडियो सभ पर ई चिन्ह ना लगावल जाई। इलेक्ट्रॉनिक कॉपीराइट प्रबंधन योजना के भी यूरोपीय परियोजना जइसे कि इम्प्रिमेटुर आउर सीआईटीईडी [45, 66, 67] द्वारा प्रस्तावित कइल गइल बा, आउर अमेरिकी परियोजना जइसे कि बौद्धिक संपदा अधिकार पर कार्य समूह द्वारा प्रस्तावित [69]. पिछला कुछ साल में, डिजिटल चित्र, वीडियो, ऑडियो आ अउरी मल्टीमीडिया चीज में कॉपीराइट चिन्ह आ अउरी जानकारी छिपावे खातिर ढेर योजना प्रस्तावित कइल गइल बा। हम कुछ प्रतियोगी लोगन के वर्णन करब जे अनुसंधान साहित्य में आउर क्षेत्र में दिखाई देले बाड़ें; तब हम कई गो हमला के प्रस्तुत करब जवन उनके द्वारा छिपल जानकारी के हटावे या अन्यथा अनुपयोगी बनावे में सक्षम बनावेला. 1 सूचना छिपावे वाला अनुप्रयोग हाल के कुछ साल में अन्य जानकारी में जानकारी छिपावे के तरीका में तेजी से बढ़त रुचि देखल गइल बा. कईगो कारन से इ भइल. डिजिटल मीडिया के नकल करे में आसानी से कॉपीराइट के ख़राब होखे के डर से लोग ऑडियो आ वीडियो में छुपावल कॉपीराइट के निशान आ सीरियल नंबर के एम्बेड करे के तरीका के अध्ययन करे लागल; प्राइवेसी के ख़राब होखे के डर से इलेक्ट्रॉनिक कैश, बेनामी रीमेलर्स, डिजिटल चुनाव आ मोबाइल कंप्यूटर के इस्तेमाल करे वाला लोग के तिसरका लोग के पता लगावे में मुश्किल बनावे वाली तकनीक पर काम शुरू भइल; आ पारंपरिक "सैन्य" चिंता बनल बा कि आपन खुद के ट्रैफिक छिपावल जा सके आ साथ ही साथ विरोधी के भी अइसन करे में दिक्कत हो सके। सूचना छिपावे पर पहिला अंतर्राष्ट्रीय कार्यशाला [2] इ सब समुदाय के एक साथ ले आईल औरु कई गो छिपावे योजना के प्रस्तुत कईल गईल; औरु अन्य जगह पे प्रस्तुत कईल गईल बा. हमनी के ई विचार बनल कि स्टीगनोग्राफी आ कॉपीराइट मार्किंग में उपयोगी प्रगति एह पहिला पीढ़ी के योजना पर हमला करे के प्रयास से हो सकेला. क्रिप्टोलॉजी के संबंधित क्षेत्र में, प्रगति पुनरावर्ती रहेः क्रिप्टोग्राफिक एल्गोरिदम प्रस्तावित कइल गइल, उनपर हमला पावल गइल, आउर एल्गोरिदम प्रस्तावित कइल गइल, आउर एही तरह से. अंत में, सिद्धांत सामने आइल: स्ट्रीम सिफर पर तेजी से संबंध हमला आउर ब्लॉक सिफर पर अंतर आउर रैखिक हमला, अब पहिले से कहीं जादा विस्तार से क्रिप्टोग्राफिक एल्गोरिदम के ताकत के समझे में मदद करेला. एही तरह से, कई गो क्रिप्टोग्राफिक प्रोटोकॉल प्रस्तावित कइल गइल रहे आउर लगभग सब शुरुआती उम्मीदवार के तोड़ा गइल रहे, जवन प्रोटोकॉल मजबूती आउर औपचारिक सत्यापन खातिर तकनीक के अवधारणा के जन्म दिहलस. एहसे एह लेख में, हमनी के पहिले कॉपीराइट संरक्षण के संदर्भ के वर्णन करब जा, जवना में सभसे नया योजना सभ के विकास भइल बा; एकरे बाद हम ए सब में से कुछ के चयन के वर्णन करब। पहिला लेखक इंटेल कॉर्पोरेशन के अनुदान के तहत वित्तीय सहायता खातिर आभारी बा "जानकारी छिपावे वाला सिस्टम के मजबूती" काहे ? तीसरका लेखक के यूरोपीय आयोग द्वारा दिहल गईल मैरी-क्युरी अनुदान से समर्थन मिलल बा डेविड ऑक्सस्मिथ (संपादक) |
123ae35aa7d6838c817072032ce5615bb891652d | हमनी के बाइनरीनेट के परिचय देनी जा, एगो अइसन तरीका जवन कि डीएनएन के बाइनरी भार आउर सक्रियण के साथ प्रशिक्षित करेला जब पैरामीटर के गणना करेला. हम देखवनी कि बहुपरत अवधारण (एमएलपी) के एमएनआईएसटी पर प्रशिक्षित कइल संभव बा आउर सीआईएफएआर -10 आउर एसवीएचएन पर कॉनवेट के बाइनरीनेट के साथ प्रशिक्षित कइल संभव बा आउर लगभग अत्याधुनिक परिणाम प्राप्त कइल जा सकेला. रन-टाइम पर, बाइनरीनेट मेमोरी के उपयोग के काफी कम कर देला आउर 1-बिट अनन्य-नहीं-या (एक्सएनओआर) संचालन द्वारा अधिकांश गुणा के प्रतिस्थापित करेला, जेकर सामान्य उद्देश्य आउर समर्पित डीप लर्निंग हार्डवेयर दुनों पर बड़ प्रभाव हो सकेला. हमनी के एगो बाइनरी मैट्रिक्स गुणन GPU कर्नेल लिखनी जवना से कि बिना वर्गीकरण सटीकता के नुकसान के बिना, एगो गैर-अनुकूलित GPU कर्नेल के तुलना में हमनी के MNIST MLP के 7 गुना तेज चलावल संभव बा. बाइनरीनेट खातिर कोड उपलब्ध बा. |
62c8104a3df91f98807a5611aba4a553a5f2ed2e | पैरामीटर वाला मॉडल आश्चर्यजनक रूप से कम संख्या में पैरामीटर के साथे मानव चेहरा के यथार्थवादी, हेरफेर योग्य छवि के उत्पादन कर सकेला. |
277cbc63d4a2c63d968ee3fb403b56f88037e836 | |
d73a87896b36565997550eaf16ab7a998c13bf67 | हम एगो नया सामान्यीकृत स्थानिक मॉड्यूलेशन (जीएसएम) तकनीक के प्रस्ताव देले बानी, जेकरा के हाल में प्रस्तावित स्थानिक मॉड्यूलेशन (एसएम) तकनीक के सामान्यीकरण के रूप में देखल जा सकेला. एसएम के जीएसएम के एगो विशेष मामला के रूप में देखल जा सकेला जेमे खाली एगो सक्रिय ट्रांसमिट एंटेना होला. एसएम के उल्टा, जीएसएम सूचना बिट्स के मैप करे खातिर कई ट्रांसमिट एंटेना के सूचकांक के उपयोग करेला, आउर ये तरह से काफी बढ़ल स्पेक्ट्रल दक्षता प्राप्त करे में सक्षम होला. एकरे अलावा, कईगो सक्रिय ट्रांसमिट एंटेना के चुनल जाए से जीएसएम के एसएम के तुलना में ट्रांसमिट विविधता में महत्वपूर्ण लाभ मिलेला, काहे कि सब सक्रिय एंटेना एक्के समान जानकारी ट्रांसमिट करेले. दूसरी ओर, इ सक्रिय एंटीना के माध्यम से समान प्रतीक के प्रसारित करके इंटर-चैनल हस्तक्षेप (आईसीआई) से पूरा तरह से बचाल जाला. हम जीएसएम के प्रतीक त्रुटि दर (एसईआर) प्रदर्शन खातिर आदेश के आंकड़ा के उपयोग करके सैद्धांतिक विश्लेषण प्रस्तुत करब. विश्लेषणात्मक परिणाम हमनी के सिमुलेशन परिणाम के साथ निकटता से सहमत बाटे. जीएसएम आउर एसएम के बिट त्रुटि दर प्रदर्शन के अनुकरण आउर तुलना कइल गइल बा, जे जीएसएम के श्रेष्ठता के प्रदर्शित करेला. एकरे अलावा, अलग-अलग ट्रांसमिट आ रिसीव एंटेना के कॉन्फ़िगरेशन वाला जीएसएम सिस्टम के अध्ययन कइल गइल बा। हमार परिणाम बतावेला कि कम संख्या में ट्रांसमिट एंटीना के उपयोग करे से उच्च मॉड्यूलेशन क्रम के साथ बेहतर BER प्रदर्शन होई. |
395e3f319d9c7495a7425d3394308133ec1bb616 | |
d4599dcb4cc83404d8bc416b1f259d50bde2f44f | आधुनिक स्मार्ट ग्रिड खातिर एगो जरूरी जरूरत बा कि ग्रिड चरन के लगातार निगरानी कइल जाव. ई काम पूरा ग्रिड नेटवर्क में लगावल खुद से चले वाला इलेक्ट्रॉनिक उपकरन के उपयोग क के कुशलता से कइल जाला. ग्रिड बिजली लाइन के आसपास, इ लाइन के उच्च वोल्टेज कैपेसिटिव युग्मन के उपयोग करके अइसन भार खातिर ऊर्जा के स्रोत प्रदान कर सकेला. एकरा के इलेक्ट्रिक-फील्ड एनर्जी हार्वेस्टिंग (EFEH) कहल जाला। हालांकि, इ सिद्धांत के उपयोग करे वाली रिपोर्ट कइल गइल रणनीति में इ बात के पता ना चलल बा कि कइसे ऊ आपन बिजली के ट्रांसफर के अधिकतम कर सकेलन, जवन कि व्यावहारिक प्रणालियन खातिर आवश्यक बा काहे कि ईएफईएच से उपलब्ध ऊर्जा हमेशा बहुत कम होला. ई पेपर में, मध्यम वोल्टेज बिजली लाइन आइसोलेटर के परजीवी क्षमता के उपयोग करके इष्टतम ऊर्जा कटाई खातिर एगो नया दृष्टिकोण प्रस्तावित कइल गइल बा. फेर लोड के अइसन स्थिति के बनाए रखे खातिर एगो अनुवर्ती पावर इलेक्ट्रॉनिक रूपांतरण प्रणाली के उपयोग कइल जाला जवन कि निकालल जाए वाली ऊर्जा के अधिकतम करे ला. सैद्धांतिक अध्ययन आउर कंप्यूटर सिमुलेशन के उपयोग करके सिस्टम के प्रदर्शन के विश्लेषण कइल गइल बा ताकि काम के स्थिति के पहचान कइल जा सके जे अधिकतम निकाले वाली ऊर्जा के अधिकतम कर सके. अब तक के परिणाम ई बतावेला कि 22 केवी ग्रिड फीडर से 100 एमडब्ल्यू तक के फसल के इकट्ठा कइल जा सकेला, खाली लाइन आइसोलेटर हार्वेस्टर आउर फीडर कंडक्टर के बीच मौजूद कैपेसिटिव युग्मन के उपयोग करके. |
64e216c128164f56bc91a33c18ab461647384869 | सुरक्षा आउर सुरक्षा अनुप्रयोग जइसे कि निगरानी या फोरेंसिक कम-रिज़ॉल्यूशन वीडियो डेटा में चेहरा के पहचान के मांग करेला. हम एगो अनुहार पहचान विधि के प्रस्तावित करेनी जे एगो संवितरण तंत्रिका नेटवर्क (सीएनएन) पर आधारित बा जे कम रिज़ॉल्यूशन वाला वीडियो चेहरा पहचान खातिर एगो मैनिफोल्ड-आधारित ट्रैक तुलना रणनीति के साथे बा. कम रिज़ॉल्यूशन वाला डोमेन के नेटवर्क आर्किटेक्चर के समायोजित करके संबोधित कइल जाला ताकि बाधा के रोकल जा सके या चेहरा छवियन के महत्वपूर्ण अपस्केलिंग के रोकल जा सके. सीएनएन के प्रशिक्षण एगो बड़ पैमाना पर स्वयं-संग्रहित वीडियो चेहरा डेटासेट आउर बड़ पैमाना पर सार्वजनिक छवि चेहरा डेटासेट के संयोजन से होला, जेकर परिणाम लगभग 1.4 मिलियन प्रशिक्षण छवियन में होला. बड़ मात्रा में वीडियो डेटा के संभाले खातिर आउर प्रभावी तुलना खातिर, सीएनएन चेहरा विवरणक के स्थानीय पैच साधन द्वारा ट्रैक स्तर पर कुशलता से तुलना कइल जाला. हमार सेटअप यूट्यूब फेस डेटाबेस के 32×32 पिक्सल के कम रिज़ॉल्यूशन वाला संस्करण पर 80.3 प्रतिशत सटीकता प्राप्त करेला आ इ स्थानीय इमेज डिस्क्रिप्टर के साथे-साथे अत्याधुनिक वीजीजी-फेस नेटवर्क [20] के भी बेहतर प्रदर्शन करेला. प्रस्तावित विधि के बेहतर परफॉर्मेंस के स्व-संग्रहित इन-द-वाइल्ड निगरानी डेटासेट पर पुष्टि कइल गइल बा. |
21ef9c68739b0ddc7a9be31091c1882791e92780 | इ पेपर में हम ऑनलाइन उपयोगकर्ता समीक्षा से वस्तु के रेट करे योग्य पहलु के निकाले खातिर एगो नया ढांचा प्रस्तुत करत बानी. अइसन पहलु के निकाले में वेब से उत्पाद राय के स्वचालित रूप से खनन में आउर उपयोगकर्ता समीक्षा के राय-आधारित सारांश उत्पन्न करे में एगो महत्वपूर्ण चुनौती बा [18, 19, 7, 12, 27, 36, 21]. हमनी के मॉडल मानक विषय मॉडलिंग विधि जइसे कि एलडीए आउर पीएलएसए के विस्तार पर आधारित बा ताकि बहु-अनाज विषय के प्रेरित कइल जा सके. हमार तर्क बा कि बहु-अनाज मॉडल हमनी के काम खातिर अधिक उपयुक्त बा काहे कि मानक मॉडल अइसन विषय पैदा करेले जवन वस्तु के वैश्विक गुणन के अनुरूप होखे (जइसे, उत्पाद प्रकार के ब्रांड) बजाय एगो वस्तु के पहलु के जवन कि उपयोगकर्ता द्वारा रेट कइल जा सकेला. हमनी के प्रस्तुत मॉडल ना खाली किफायती पहलु के निकालल, बल्कि एकरा के सुसंगत विषय में समूहित भी कइल, उदाहरण खातिर, वेट्रेस आ बार्नर एगो ही विषय कर्मचारी के हिस्सा हवें। ई एकरा के पहिले के काम से अलग करेला जे कि न्यूनतम क्लस्टरिंग के साथ शब्द आवृत्ति विश्लेषण के माध्यम से पहलु के निकाल लेवेला. हम बहु-अनाज मॉडल क गुणात्मक औरु मात्रात्मक रूप से मूल्यांकन करेनी ताकि इ देखावे कि उ मानक विषय मॉडल से काफी सुधार करेला. |
5092375789732afbfbfe2f5ede0792af6c562813 | बढ़ावल गइल निर्णय के पेड़ आज उपयोग में आवे वाला सबसे लोकप्रिय सीखल तकनीक में से बा. परीक्षण समय पर तेज गति के प्रदर्शन करे के बाद, अपेक्षाकृत धीमा प्रशिक्षण वास्तविक समय में सीखे के आवश्यकता वाला अनुप्रयोग खातिर एकरा के अव्यवहारिक बना देला. हमनी के प्रस्ताव बा कि एह कमजोरी के दूर करे खातिर एगो सिद्धान्त आधारित दृष्टिकोण अपनावल जाव. हम एगो निर्णय स्टंप के त्रुटि पर एगो बाउंड साबित करब जवन कि प्रशिक्षण डेटा के उपसमुच्चय पर प्रारंभिक त्रुटि के देला; बाउंड के उपयोग प्रशिक्षण प्रक्रिया के शुरुआत में खराब सुविधा के छँटाई करे खातिर कइल जा सकेला. हम एगो तेज प्रशिक्षण एल्गोरिथ्म के प्रस्ताव देले बानी जे इ सीमा के उपयोग करेला, वर्गीकरणकर्ता के अंतिम प्रदर्शन में बिना कउनो लागत के परिमाण के गति प्रदान करेला. हमार तरीका बूस्टिंग के नया रूप ना ह; बल्कि, एकर उपयोग मौजूदा बूस्टिंग एल्गोरिदम आउर दोसर नमूनाकरण विधि के संयोजन में इजाजत देवे खातिर कइल जाला. |
946809792f7873dafdeb27a88d8e9d05a0294828 | बैंक के एटीएम कैश मैनेजमेंट तकनीक में सुधार करे पर पहिले से ही बैंक आउर ऑटोमेटेड कैश एटीएम के नकदी देवे वाली स्वतंत्र फर्म के एगो अलग अनुकूलन समस्या के रूप में साहित्य में काफी ध्यान दिहल गइल बा. ई लेख लागत में कमी के एगो अउरी संभावना पर ध्यान केंद्रित करे ला: नकदी प्रबंधन समस्या के एगो समस्या के रूप में अनुकूलित कइल। अइसन करे से, बैंक आउर कैश इन ट्रांजिट फर्म के बीच संविदात्मक कीमत के आम तौर पर संशोधित कइल जा सकेला, जवन कि व्यक्तिगत अनुकूलन के सापेक्ष लागत में आउर कमी के अनुमति देवेला. इ प्रक्रिया के प्रासंगिकता के देखावे खातिर, हम हंगरी के एगो वाणिज्यिक बैंक खातिर बाउमोल-प्रकार के नकदी मांग पूर्वानुमान के आधार पर संभावित पारेटो-सुधार पुनर्विक्री योजना के निर्धारित कईनी, जेकर परिणामस्वरूप लागत में काफी कमी आईल. © 2016 एल्सवियर बी.वी. सब अधिकार सुरक्षित बा. |
bfa0710b11b060536f225031f81eb167c63e4fa5 | इ पेपर में कार2कार अनुप्रयोगन बदे एगो अभिनव एंटीना प्रणाली के बर्णन कयल गईल बा. एंटीना सिस्टम एगो सक्रिय एंटीना मॉड्यूल पर आधारित बा जेमें एंटीना के साथे-साथे पूरा कार2कार चिप हार्डवेयर आउर सॉफ्टवेयर शामिल बा. इ मॉड्यूल बहुत छोट बा, इ खातिर इ के एकीकृत कइल जा सकेला उदा. कार के छत पर एगो शार्क फिन एंटीना में. एकरे अलावा अतिरिक्त मॉड्यूल के कार में कहीं अउरी लगावल जा सकेला आ ईथरनेट के माध्यम से मुख्य मॉड्यूल से जोड़ल जा सकेला। इ प्रणाली के उच्च लचीलापन आउर पुनः-संरचना के अनुमति देवेला. दू गो टेस्ट कार नया कार2कार प्रदर्शन प्रणाली से सुसज्जित बाड़ी सन आ 3डी माप कक्ष में आ बाहरी परिदृश्य में माप कइल गइल बा। नाप-जोख आ क्षेत्र परिक्षण में नया तंत्र के प्रदर्शन बढ़िया रहल। |
a036eb870e007bea24f3e9ff99c376f71984fdcc | बहुस्तरीय इन्वर्टर (एमएलआई) के व्यापक रूप से औद्योगिक अनुप्रयोग खातिर उच्च वोल्टेज आउर उच्च शक्ति के सीमा पर उपयोग कइल जाला. ई कम हार्मोनिक विकृति, कम विद्युत चुम्बकीय हस्तक्षेप आउर डीसी लिंक वोल्टेज के ऊपरी श्रेणी के कारन होला. लेकिन निम्नलिखित प्रकार के इन्वर्टर में कुछ कमियां बा जइसे कि वोल्टेज संतुलन में कठिनाई, घटक के अधिक संख्या आउर पल्स चौड़ाई मॉड्यूलेशन नियंत्रण विधि में जटिलता. इ पेपर के उद्देश्य एगो 7-स्तर के संशोधित कम स्विच सममित एमएलआई (एमआरएसएमएलआई) के डिजाइन करके मौजूदा टोपोलॉजी के तुलना करल बा, जेमे प्रत्येक स्तर में पांच स्विच आउर समान वोल्टेज स्रोत होला. सात-स्तर के सात-स्विच, सात-स्तर के छह-स्विच आउर सात-स्तर के पांच-स्विच एमएलआई के अनुकरण आउर तुलना मैटलाब/सिमलिंक वातावरण के उपयोग करके कइल जाई. पांच-स्विच एमआई से प्राप्त परिणाम के सत्यापन सात-स्विच एमआई के एफएफटी विश्लेषण डिजाइन के साथ कइल जाई. प्राप्त आउटपुट के उपयोग तब एगो इंडक्शन मोटर के नियंत्रण खातिर कइल जाई. प्रस्तावित एमआरएसएमएलआई के हार्डवेयर सेटअप के डिजाइन करके सिमुलेशन परिणाम के सत्यापित कइल जाई. |
807c1f19047f96083e13614f7ce20f2ac98c239a |
Subsets and Splits