_id
stringlengths 40
40
| text
stringlengths 0
9.75k
|
|---|---|
dcd72f0a9cdc37450379f401fc2f4f87e30f5021 | |
c1b66422b1dab3eeee6d6c760f4bd227a8bb16c5 | |
e75c5d1b7ecd71cd9f1fdc3d07f56290517ef1e5 | ऑनलाइन लेनदेन प्रसंस्करण (ओएलटीपी) और ऑनलाइन विश्लेषणात्मक प्रसंस्करण (ओएलएपी) के दो क्षेत्रों में डेटाबेस आर्किटेक्चर के लिए अलग-अलग चुनौतियां हैं। वर्तमान में, मिशन-क्रिटिकल लेनदेन की उच्च दर वाले ग्राहकों ने अपने डेटा को दो अलग-अलग प्रणालियों में विभाजित किया है, एक ओएलटीपी के लिए डेटाबेस और एक ओएलएपी के लिए तथाकथित डेटा वेयरहाउस। उचित लेनदेन दरों की अनुमति देते हुए, इस अलगाव में कई नुकसान हैं, जिसमें डेटा ताजगी के मुद्दे शामिल हैं, जो केवल समय-समय पर शुरू होने वाले एक्सट्रैक्ट ट्रांसफॉर्म लोड-डेटा स्टेजिंग और दो अलग-अलग सूचना प्रणालियों को बनाए रखने के कारण अत्यधिक संसाधन खपत के कारण होता है। हम एक कुशल हाइब्रिड प्रणाली प्रस्तुत करते हैं, जिसे हाइपर कहा जाता है, जो लेनदेन संबंधी डेटा के सुसंगत स्नैपशॉट को बनाए रखने के लिए हार्डवेयर-सहायता प्राप्त प्रतिकृति तंत्र का उपयोग करके OLTP और OLAP दोनों को एक साथ संभाल सकता है। हाइपर एक मुख्य-स्मृति डेटाबेस प्रणाली है जो ओएलटीपी लेनदेन के एसीआईडी गुणों की गारंटी देती है और एक ही, मनमाने ढंग से वर्तमान और सुसंगत स्नैपशॉट पर ओएलएपी क्वेरी सत्र (बहुल क्वेरी) निष्पादित करती है। वर्चुअल मेमोरी प्रबंधन (एड्रेस ट्रांसलेशन, कैशिंग, अपडेट पर कॉपी) के लिए प्रोसेसर-अवनिहित समर्थन का उपयोग एक ही समय में दोनों उपज देता हैः अभूतपूर्व रूप से उच्च लेनदेन दर प्रति सेकंड 100000 और एक ही प्रणाली पर बहुत तेज ओएलएपी क्वेरी प्रतिक्रिया समय दोनों कार्यभारों को समानांतर में निष्पादित करता है। प्रदर्शन विश्लेषण एक संयुक्त टीपीसी-सी और टीपीसी-एच बेंचमार्क पर आधारित है। |
732212be0e6c5216158a7470c79fa2ff98a2da06 | हम एक स्टैक्ड-एफईटी मोनोलिथिक मिलीमीटर-वेव (एमएमडब्ल्यू) एकीकृत सर्किट दोहर्टी पावर एम्पलीफायर (डीपीए) प्रस्तुत करते हैं। डीपीए उच्च शक्ति और उच्च दक्षता प्राप्त करने के लिए एक उपन्यास विषम स्टैक गेट पूर्वाग्रह का उपयोग करता है, जिसमें 6 डीबी पावर बैक-ऑफ (पीबीओ) होता है। सर्किट 0.15-μm वृद्धि मोड (ई-मोड) गैलियम आर्सेनाइड (GaAs) प्रक्रिया में निर्मित है। प्रयोगात्मक परिणामों से पता चलता है कि 1 डीबी गैन संपीड़न (पी1डीबी) पर 28.2 डीबीएम की आउटपुट पावर, 37% की पीक पावर एडड इफेक्टिविटी (पीएई) और 28 गीगाहर्ट्ज पर 27% की 6-डीबी पीबीओ पर पीएई। मापा गया छोटा संकेत लाभ 15 डीबी है जबकि 3-डीबी बैंडविड्थ 25.5 से 29.5 गीगाहर्ट्ज तक कवर करता है। 20 मेगाहर्ट्ज 64 क्यूएएम मॉड्यूलेटेड सिग्नल के साथ डिजिटल प्रीडस्टोरेशन (डीपीडी) का उपयोग करते हुए, -46 डीबीसी के आसन्न चैनल पावर अनुपात (एसीपीआर) का अवलोकन किया गया है। |
03837b659b4a8878c2a2dbef411cd986fecfef8e | हम समानांतर वर्ण-स्तर अनुक्रम मॉडलिंग के लिए एक ऑटोरेग्रेसिव ध्यान तंत्र का परिचय देते हैं। हम इस पद्धति का उपयोग एक तंत्रिका मॉडल को बढ़ाने के लिए करते हैं जिसमें कारण संवहन परतों के ब्लॉक शामिल होते हैं जो राजमार्ग नेटवर्क स्किप कनेक्शन से जुड़े होते हैं। हम प्रस्तावित ध्यान तंत्र के साथ और बिना मॉडल को क्रमशः राजमार्ग कारण संक्रम (कारण संक्रम) और ऑटोरेग्रेसिव-ध्यान कारण संक्रम (एआरए-कन्व) के रूप में इंगित करते हैं। स्वतः प्रतिगमन ध्यान तंत्र डीकोडर में कारणता को बनाए रखता है, समानांतर कार्यान्वयन की अनुमति देता है। हम यह प्रदर्शित करते हैं कि ये मॉडल, उनके आवर्ती समकक्षों की तुलना में, चरित्र-स्तर एनएलपी कार्यों में तेजी से और सटीक सीखने की अनुमति देते हैं। विशेष रूप से, ये मॉडल प्राकृतिक भाषा सुधार और भाषा मॉडलिंग कार्यों में आवर्ती तंत्रिका नेटवर्क मॉडल से बेहतर प्रदर्शन करते हैं, और समय के एक अंश में चलते हैं। |
fe419be5c53e2931e1d6370c914ce166be29ff6e | |
0c3078bf214cea52669ec13962a0a242243d0e09 | इस पेपर में एक उपन्यास कॉम्पैक्ट फीडिंग सर्किट का उपयोग करके एक ब्रॉडबैंड मुद्रित क्वाड्रिफिलर हेलिकल एंटीना का प्रस्ताव किया गया है। यह ऐन्टेना 29% बैंडविड्थ के साथ एक विस्तृत बीमविड्थ पर एक उत्कृष्ट अक्षीय अनुपात प्रस्तुत करता है। एक विशेष फीडिंग सर्किट जो एक एपर्चर-कपल्ड ट्रांजिशन पर आधारित है और जिसमें दो 90° सतह माउंट हाइब्रिड शामिल हैं, को क्वाड्रिफिलर एंटीना के साथ एकीकृत करने के लिए डिज़ाइन किया गया है। बैंडविड्थ पर, ब्रॉडबैंड कॉम्पैक्ट सर्किट द्वारा खिलाए गए एंटीना का मापा गया प्रतिबिंब गुणांक -12 डीबी या उससे कम पाया गया है और अधिकतम लाभ 1.5 से 2.7 डीबीआईसी 1.18 से 1.58 गीगाहर्ट्ज के बीच भिन्न होता है। आधे शक्ति बीम चौड़ाई 150 डिग्री है, इस सीमा पर 3 डीबी से कम अक्षीय अनुपात के साथ। खिला सर्किट की संकुचितता सरणी व्यवस्था में छोटे तत्वों के अंतराल की अनुमति देती है। |
0c3751db5a24c636c1aa8abfd9d63321b38cfce5 | स्टोचैस्टिक ग्रेडिएंट डिसेंट (एसजीडी) एसवीएम जैसी बड़े पैमाने पर पर्यवेक्षित मशीन लर्निंग अनुकूलन समस्याओं को हल करने के लिए लोकप्रिय हो गया है, क्योंकि उनकी मजबूत सैद्धांतिक गारंटी है। जबकि निकट से संबंधित दोहरी समन्वय आरोहण (डीसीए) विधि को विभिन्न सॉफ्टवेयर पैकेजों में लागू किया गया है, इसमें अब तक अच्छे अभिसरण विश्लेषण की कमी है। यह पेपर स्टोचैस्टिक डुअल कोऑर्डिनेट असेंट (एसडीसीए) का एक नया विश्लेषण प्रस्तुत करता है जो दिखाता है कि इस वर्ग के तरीकों में मजबूत सैद्धांतिक गारंटी है जो एसजीडी की तुलना में तुलनीय या बेहतर हैं। यह विश्लेषण व्यावहारिक अनुप्रयोगों के लिए एसडीसीए की प्रभावशीलता को सही ठहराते हैं। |
24424918dc93c016deeaeb86a01c8bfc01253c9b | कई शास्त्रीय एल्गोरिदम कई वर्षों बाद तक पाए जाते हैं, जिसमें वे कल्पना की गई सीमाओं से अधिक जीवित रहते हैं, और अप्रत्याशित सेटिंग्स में प्रासंगिक बने रहते हैं। इस पेपर में, हम दिखाते हैं कि एसवीआरजी ऐसी ही एक विधि है: मूल रूप से दृढ़ता से उत्तल उद्देश्यों के लिए डिज़ाइन किया गया है, यह गैर-मजबूत उत्तल या गैर-उच्च सेटिंग्स के योग के तहत भी बहुत मजबूत है। यदि f (x) चिकनी, उत्तल कार्यों का योग है लेकिन f दृढ़ता से उत्तल नहीं है (जैसे लासो या तार्किक प्रतिगमन), हम एक वैरिएंट एसवीआरजी का प्रस्ताव करते हैं जो एसवीआरजी के शीर्ष पर बढ़ते युग की लंबाई की एक उपन्यास पसंद करता है। इस सेटिंग में एसवीआरजी एसवीआरजी का एक सीधा, तेज संस्करण है। यदि f (x) गैर-उण्डेला कार्यों का योग है लेकिन f दृढ़ता से उण्डेला है, तो हम दिखाते हैं कि एसवीआरजी का अभिसरण रैखिक रूप से योगों के गैर-उण्डेलापन पैरामीटर पर निर्भर करता है। इससे इस सेटिंग में सबसे अच्छा ज्ञात परिणाम बेहतर होता है, और स्टोचैस्टिक पीसीए के लिए बेहतर चलने का समय मिलता है। |
680cbbc88d537bd6f5a68701b1bb0080a77faa00 | स्टोचैस्टिक ग्रेडिएंट वंश बड़े पैमाने पर अनुकूलन के लिए लोकप्रिय है लेकिन अंतर्निहित भिन्नता के कारण धीमी गति से अभिसरण है। इस समस्या को दूर करने के लिए, हम स्टोचैस्टिक ढाल वंश के लिए एक स्पष्ट विचलन कमी विधि पेश करते हैं जिसे हम स्टोचैस्टिक विचलन कम ढाल (एसवीआरजी) कहते हैं। चिकनी और दृढ़ता से उत्तल कार्यों के लिए, हम साबित करते हैं कि यह विधि स्टोचस्टिक दोहरे निर्देशांक आरोहण (एसडीसीए) और स्टोचस्टिक औसत ढाल (एसएजी) के समान तेज अभिसरण दर का आनंद लेती है। हालांकि, हमारा विश्लेषण काफी सरल और अधिक सहज है। इसके अलावा, एसडीसीए या एसएजी के विपरीत, हमारी विधि को ढाल के भंडारण की आवश्यकता नहीं होती है, और इस प्रकार कुछ संरचित भविष्यवाणी समस्याओं और तंत्रिका नेटवर्क सीखने जैसी जटिल समस्याओं के लिए अधिक आसानी से लागू होता है। |
9fe5a7a24ff81ba2b6769e811b6ab47188a45242 | हाल ही में सिग्नल/इमेज प्रोसेसिंग, सांख्यिकी और मशीन लर्निंग में गैर-उपमंडल और गैर-सुथरी समस्याओं पर काफी ध्यान दिया गया है। हालांकि, गैर-उपम और गैर-समान अनुकूलन समस्याओं को हल करना एक बड़ी चुनौती बनी हुई है। त्वरित निकटवर्ती ढाल (एपीजी) उत्तल प्रोग्रामिंग के लिए एक उत्कृष्ट विधि है। हालांकि, यह अभी भी अज्ञात है कि क्या सामान्य एपीजी गैर-उण्डेली प्रोग्रामिंग में एक महत्वपूर्ण बिंदु तक अभिसरण सुनिश्चित कर सकता है। इस पेपर में, हम एक मॉनिटर पेश करके सामान्य गैर-उपमंडल और गैर-सुचारू कार्यक्रमों के लिए एपीजी का विस्तार करते हैं जो पर्याप्त वंश संपत्ति को संतुष्ट करता है। तदनुसार, हम एक एकसमान एपीजी और एक गैर-एकसमान एपीजी का प्रस्ताव करते हैं। बाद में उद्देश्य फ़ंक्शन की एकतरफा कमी की आवश्यकता को छोड़ देता है और प्रत्येक पुनरावृत्ति में कम गणना की आवश्यकता होती है। हमारे ज्ञान के अनुसार, हम सामान्य गैर-उपमंडल और गैर-सुचारू समस्याओं के लिए एपीजी-प्रकार के एल्गोरिदम प्रदान करने वाले पहले व्यक्ति हैं जो यह सुनिश्चित करते हैं कि प्रत्येक संचय बिंदु एक महत्वपूर्ण बिंदु है, और अभिसरण दरें ओ (1 के 2 ) बनी रहती हैं जब समस्याएं उत्तल होती हैं, जिसमें k पुनरावृत्तियों की संख्या होती है। संख्यात्मक परिणाम गति में हमारे एल्गोरिदम के लाभ की गवाही देते हैं। |
3e36eb936002a59b81d8abb4548dc2c42a29b743 | अक्सर सुरक्षा को स्वचालन प्रणालियों के लिए एक ऐड-ऑन सेवा के रूप में देखा जाता है जो अक्सर अन्य लक्ष्यों जैसे कि कुशल संचरण या संसाधन सीमाओं के साथ संघर्ष करता है। यह लेख स्वचालन प्रणालियों में सुरक्षा के लिए एक अभ्यास-उन्मुख दृष्टिकोण के लिए जाता है। इसमें स्वचालन प्रणालियों और विशेष रूप से स्वचालन नेटवर्क के लिए सामान्य खतरों का विश्लेषण किया गया है, सुरक्षा के संबंध में प्रणालियों को वर्गीकृत करने के लिए एक मॉडल तैयार किया गया है और विभिन्न प्रणाली स्तरों पर उपलब्ध सामान्य उपायों पर चर्चा की गई है। उपायों का विवरण समग्र प्रणाली सुरक्षा पर प्रभावों को रेट करने की अनुमति देना चाहिए |
8b74a32cebb5faf131595496f6470ff9c2c33468 | फेसबुक सामाजिक संचार के लिए सबसे लोकप्रिय उपकरणों में से एक बन रहा है। हालांकि, फेसबुक अन्य सोशल नेटवर्किंग साइट्स से कुछ अलग है क्योंकि यह ऑफलाइन-टू-ऑनलाइन प्रवृत्ति का प्रदर्शन करता है; यानी, फेसबुक मित्रों के बहुमत ऑफलाइन मिले हैं और फिर बाद में जोड़े गए हैं। वर्तमान शोध में यह पता लगाया गया है कि व्यक्तित्व का पांच-कारक मॉडल फेसबुक के उपयोग से कैसे संबंधित है। बहिर्मुखीपन और अनुभव के प्रति खुलेपन के संबंध में कुछ अपेक्षित रुझानों के बावजूद, परिणामों ने संकेत दिया कि व्यक्तित्व कारक उतने प्रभावशाली नहीं थे जितना कि पिछले साहित्य का सुझाव है। परिणामों से यह भी पता चला कि फेसबुक के उपयोग के संदर्भ में संचार करने की प्रेरणा प्रभावशाली थी। यह सुझाव दिया गया है कि फेसबुक जैसे उपकरणों का उपयोग करने के निर्णय में विभिन्न प्रेरणाएं प्रभावशाली हो सकती हैं, खासकर जब फेसबुक के व्यक्तिगत कार्यों पर विचार किया जा रहा हो। 2008 एल्सवियर लिमिटेड सभी अधिकार सुरक्षित 1. व्यक्तित्व संबंध और संबंधित योग्यता कारक |
423fff94db2be3ddef5e3204338d2111776eafea | हमने 362 मिलियन संदेशों के पूरी तरह से गुमनाम हेडर का विश्लेषण किया है 4.2 मिलियन फेसबुक उपयोगकर्ताओं द्वारा आदान-प्रदान किया गया, एक ऑनलाइन सोशल नेटवर्क कॉलेज के छात्रों का, 26 महीने के अंतराल के दौरान। आंकड़ों से कई मजबूत दैनिक और साप्ताहिक नियमितताएं सामने आती हैं जो कॉलेज के छात्रों के समय के उपयोग और उनके सामाजिक जीवन में अंतर्दृष्टि प्रदान करती हैं, जिसमें मौसमी भिन्नताएं भी शामिल हैं। हमने यह भी जांच की कि स्कूल की संबद्धता और अनौपचारिक ऑनलाइन मित्र सूची जैसे कारक अवलोकन व्यवहार और सामयिक पैटर्न को कैसे प्रभावित करते हैं। अंत में, हम दिखाते हैं कि फेसबुक उपयोगकर्ता स्कूल द्वारा उनके अस्थायी संदेश पैटर्न के संबंध में क्लस्टर किए जाते हैं। |
1bed30d161683d279780aee34619f94a860fa973 | हमारा विश्लेषण दिखाता है कि कई "बड़ी-स्मृति" सर्वर वर्कलोड, जैसे डेटाबेस, इन-मेमोरी कैश और ग्राफ विश्लेषण, पृष्ठ-आधारित आभासी स्मृति के लिए एक उच्च लागत का भुगतान करते हैं। वे बड़े पृष्ठों का उपयोग करते हुए भी टीएलबी चूक पर निष्पादन चक्रों का 10% तक उपभोग करते हैं। दूसरी ओर, हम पाते हैं कि ये कार्यभार अधिकांश पृष्ठों पर पढ़ने-लिखने की अनुमति का उपयोग करते हैं, स्वैप नहीं करने के लिए प्रावधान किए जाते हैं, और शायद ही कभी पृष्ठ-आधारित आभासी स्मृति की पूर्ण लचीलेपन से लाभान्वित होते हैं। बड़ी-स्मृति कार्यभारों के लिए टीएलबी मिस ओवरहेड को हटाने के लिए, हम एक प्रक्रिया के रैखिक आभासी पता स्थान के एक हिस्से को एक प्रत्यक्ष खंड के साथ मैप करने का प्रस्ताव करते हैं, जबकि शेष आभासी पता स्थान को मैप करते हैं। प्रत्यक्ष खंड न्यूनतम हार्डवेयर का उपयोग करते हैं--- आधार, सीमा और प्रति कोर ऑफसेट रजिस्टर---अंतरवर्ती आभासी स्मृति क्षेत्रों को सीधे आसन्न भौतिक स्मृति में मैप करने के लिए। वे डेटाबेस बफर पूल और इन-मेमोरी कुंजी-मूल्य भंडार जैसे प्रमुख डेटा संरचनाओं के लिए टीएलबी मिस की संभावना को समाप्त करते हैं। प्रत्यक्ष खंड द्वारा मैप की गई स्मृति को जरूरत पड़ने पर वापस पेजिंग में परिवर्तित किया जा सकता है। हम लिनक्स में x86-64 के लिए प्रत्यक्ष-खंड सॉफ्टवेयर समर्थन का प्रोटोटाइप करते हैं और प्रत्यक्ष-खंड हार्डवेयर का अनुकरण करते हैं। हमारे कार्यभार के लिए, प्रत्यक्ष खंड लगभग सभी टीएलबी चूक को समाप्त करते हैं और टीएलबी चूक पर व्यर्थ निष्पादन समय को 0.5% से कम कर देते हैं। |
86dc975f9cbd9a205f8e82fb1db3b61c6b738fa5 | जैसे-जैसे मल्टीमीडिया सामग्री को मशीन टैग करने के लिए अधिक से अधिक शक्तिशाली तकनीकें उभरती हैं, अंतर्निहित शब्दावली को मानकीकृत करना और भी महत्वपूर्ण हो जाता है। ऐसा करने से अंतर-संचालनता मिलती है और मल्टीमीडिया समुदाय को सिमेंटिक्स के एक अच्छी तरह से परिभाषित सेट पर चल रहे शोध पर ध्यान केंद्रित करने की अनुमति मिलती है। यह पत्र प्रसारण समाचार वीडियो का वर्णन करने के लिए एक बड़े मानकीकृत वर्गीकरण विकसित करने के लिए मल्टीमीडिया शोधकर्ताओं, पुस्तकालय वैज्ञानिकों और अंतिम उपयोगकर्ताओं के एक सहयोगी प्रयास का वर्णन करता है। मल्टीमीडिया के लिए बड़े पैमाने पर अवधारणा ऑन्टोलॉजी (एलएससीओएम) अपनी तरह का पहला है जिसे अंत-उपयोगकर्ता पहुंच को सुविधाजनक बनाने के लिए उपयोगिता को एक साथ अनुकूलित करने के लिए डिज़ाइन किया गया है, एक बड़े सिमेंटिक स्पेस को कवर करता है, स्वचालित निष्कर्षण को संभव बनाता है, और विभिन्न प्रसारण समाचार वीडियो डेटा सेट में अवलोकनशीलता को बढ़ाता है। |
2b2ba9b0022ff45939527836a150959fe388ee23 | |
c39d04c6f3b84c77ad379d0358bfbe7148ad4fd2 | |
8db7f5a54321e1a4cd51d0666607279556a57404 | पृष्ठभूमि चिकित्सा और मनोवैज्ञानिक समस्याओं से जूझ रहे मरीजों द्वारा ध्यान की तकनीकें अक्सर मांगी जाती हैं। इनकी बढ़ती अपील और उपयोग के कारण, और चिकित्सा उपचार के रूप में उपयोग की संभावना के कारण, चिकित्सा हस्तक्षेप के रूप में इन प्रथाओं के वैज्ञानिक ज्ञान की वर्तमान स्थिति की संक्षिप्त और गहन समीक्षा की गई थी। उद्देश्य बीमारियों के इलाज में ध्यान की प्रभावकारिता और सुरक्षा का समर्थन करने वाले साक्ष्यों की व्यवस्थित रूप से समीक्षा करना और आगे के अध्ययन की आवश्यकता वाले क्षेत्रों की जांच करना। सामान्य स्वस्थ आबादी पर अध्ययन शामिल नहीं हैं। पबमेड, साइकिन्फो और कोक्रेन डाटाबेस का उपयोग करके खोज की गई। मुख्य शब्द थे ध्यान, ध्यान प्रार्थना, योग, विश्राम प्रतिक्रिया। योग्यता अध्ययनों की समीक्षा की गई और दो समीक्षकों द्वारा गुणवत्ता के आधार पर स्वतंत्र रूप से मूल्यांकन किया गया। मध्यम से उच्च गुणवत्ता वाले अध्ययन (वैध अनुसंधान गुणवत्ता पैमाने पर 0.65 या 65% से ऊपर स्कोर करने वाले) को शामिल किया गया था। परिणाम कुल 82 अध्ययनों में से 20 परीक्षणों में हमारे मानदंडों को पूरा किया गया। अध्ययनों में कुल 958 विषयों (397 प्रयोगात्मक रूप से इलाज, 561 नियंत्रण) शामिल थे। किसी भी शामिल या बहिष्कृत नैदानिक परीक्षणों में कोई गंभीर प्रतिकूल घटना नहीं हुई। गंभीर प्रतिकूल घटनाओं चिकित्सा साहित्य में रिपोर्ट कर रहे हैं, हालांकि दुर्लभ. प्रभावकारिता के लिए सबसे मजबूत सबूत मिर्गी, प्रीमेन्स्ट्रुअल सिंड्रोम के लक्षणों और रजोनिवृत्ति के लक्षणों के लिए पाया गया था। मूड और चिंता विकारों, ऑटोइम्यून रोगों और न्यूओप्लास्टिक रोग में भावनात्मक विकारों के लिए भी लाभ दिखाया गया था। निष्कर्ष परिणाम कुछ बीमारियों के इलाज के लिए ध्यान की सुरक्षा और संभावित प्रभावकारिता का समर्थन करते हैं, विशेष रूप से गैर-मनोवैज्ञानिक मनोदशा और चिंता विकारों में। बड़े पैमाने पर, पद्धतिगत रूप से ध्वनि अध्ययनों से प्रभावकारिता का समर्थन करने वाले स्पष्ट और पुनः प्रयोज्य साक्ष्य की कमी है। |
46b2cd0ef7638dcb4a6220a52232712beb2fa850 | 3 डी मानव गति के जनरेटिव मॉडल अक्सर छोटी संख्या में गतिविधियों तक सीमित होते हैं और इसलिए नए आंदोलनों या अनुप्रयोगों के लिए अच्छी तरह से सामान्यीकृत नहीं हो सकते हैं। इस कार्य में हम मानव गति पकड़ने के आंकड़ों के लिए एक गहरी सीखने की रूपरेखा का प्रस्ताव करते हैं जो गति पकड़ने के आंकड़ों के एक बड़े निकाय से एक सामान्य प्रतिनिधित्व सीखता है और नए, अदृश्य, आंदोलनों के लिए अच्छी तरह से सामान्यीकृत करता है। एक एन्कोडिंग-डेकोडिंग नेटवर्क का उपयोग करना जो भविष्य के 3 डी मुद्राओं की भविष्यवाणी करना सीखता है हाल के अतीत से, हम मानव गति का एक विशेषता प्रतिनिधित्व निकालते हैं। अनुक्रम पूर्वानुमान के लिए गहरी शिक्षा पर अधिकांश कार्य वीडियो और भाषण पर केंद्रित है। चूंकि कंकाल डेटा की एक अलग संरचना है, हम विभिन्न नेटवर्क आर्किटेक्चर को प्रस्तुत और मूल्यांकन करते हैं जो समय निर्भरता और अंग सहसंबंधों के बारे में अलग-अलग धारणाएं बनाते हैं। सीखी हुई विशेषताओं को मापने के लिए, हम क्रिया वर्गीकरण के लिए विभिन्न परतों के आउटपुट का उपयोग करते हैं और नेटवर्क इकाइयों के ग्रहणशील क्षेत्रों की कल्पना करते हैं। हमारी विधि कंकाल गति भविष्यवाणी में कला की हालिया स्थिति से बेहतर है, भले ही ये कार्रवाई विशिष्ट प्रशिक्षण डेटा का उपयोग करें। हमारे परिणाम बताते हैं कि एक सामान्य मोकअप डेटाबेस से प्रशिक्षित गहरे फीडफॉरवर्ड नेटवर्क का उपयोग मानव गति डेटा से सुविधा निष्कर्षण के लिए सफलतापूर्वक किया जा सकता है और इस प्रतिनिधित्व का उपयोग वर्गीकरण और भविष्यवाणी के लिए एक नींव के रूप में किया जा सकता है। |
3c094494f6a911de3087ed963d3d893f6f2b1d71 | इस अध्ययन का उद्देश्य पैदल चलने के प्रशिक्षण के लिए हाइब्रिड सहायक अंग प्रणाली के नैदानिक अनुप्रयोगों पर साहित्य की समीक्षा करना था। पद्धति वेब ऑफ साइंस, पबमेड, सीआईएनएएचएल और क्लिनिकट्रिएल्स.गोव का उपयोग करके एक व्यवस्थित साहित्य खोज की गई और पहचान की गई रिपोर्टों में संदर्भ सूचियों का उपयोग करके अतिरिक्त खोज की गई। सारों की जांच की गई, प्रासंगिक लेखों की समीक्षा की गई और गुणवत्ता मूल्यांकन के अधीन किया गया। परिणाम 37 अध्ययनों में से 7 अध्ययनों ने समावेशन मानदंडों को पूरा किया। छह अध्ययन एकल समूह अध्ययन थे और 1 एक अन्वेषणात्मक यादृच्छिक नियंत्रित परीक्षण था। इन अध्ययनों में कुल मिलाकर 140 प्रतिभागियों को शामिल किया गया, जिनमें से 118 ने हस्तक्षेप पूरा किया और 107 ने चलने के प्रशिक्षण के लिए एचएएल का उपयोग किया। पांच अध्ययनों में स्ट्रोक के बाद चलने का प्रशिक्षण, 1 में रीढ़ की हड्डी की चोट (एससीआई) के बाद और 1 में स्ट्रोक, एससीआई या चलने की क्षमता को प्रभावित करने वाली अन्य बीमारियों के बाद अध्ययन शामिल थे। अध्ययनों में मामूली और क्षणिक दुष्प्रभाव हुए, लेकिन कोई गंभीर प्रतिकूल घटना नहीं हुई। चलने के कार्य चर और चलने में स्वतंत्रता पर लाभकारी प्रभाव देखे गए। निष्कर्ष संचित निष्कर्षों से पता चलता है कि एचएएल प्रणाली व्यावहारिक है जब पेशेवर सेटिंग में निचले अंगों के संभोग वाले रोगियों के चलने के प्रशिक्षण के लिए उपयोग किया जाता है। पैदल चलने की क्षमता और स्वतंत्र चलने पर लाभकारी प्रभाव देखा गया लेकिन डेटा निष्कर्ष निकालने की अनुमति नहीं देता है। आगे नियंत्रित अध्ययन की सिफारिश की जाती है। |
515e34476452bbfeb111ce5480035ae1f7aa4bee | अच्छी इनडोर वायु गुणवत्ता मानव स्वास्थ्य का एक महत्वपूर्ण हिस्सा है। खराब इनडोर वायु गुणवत्ता से अस्थमा, हृदय रोग और फेफड़ों के कैंसर जैसी पुरानी श्वसन संबंधी बीमारियां विकसित हो सकती हैं। इस मामले को और जटिल बनाने के लिए, खराब वायु गुणवत्ता का पता लगाना मनुष्य के लिए अत्यंत कठिन है केवल दृष्टि और गंध के माध्यम से और मौजूदा संवेदी उपकरण का उपयोग करने के लिए और सामान्य नागरिकों के बजाय वैज्ञानिकों के लिए डेटा प्रदान करने के लिए डिज़ाइन किया गया है। हम इनएयर का प्रस्ताव करते हैं, जो इनडोर वायु गुणवत्ता के बारे में मापने, कल्पना करने और सीखने का एक उपकरण है। inAir, 0.5 माइक्रोन आकार के छोटे खतरनाक वायुजनित कणों को मापकर, इनडोर वायु गुणवत्ता के ऐतिहासिक और वास्तविक समय के दृश्य प्रदान करता है। उपयोगकर्ता अध्ययनों के माध्यम से हम यह प्रदर्शित करते हैं कि इनएयर कैसे अधिक जागरूकता को बढ़ावा देता है और इनडोर वायु गुणवत्ता में सुधार के लिए व्यक्तिगत कार्यों को प्रेरित करता है। |
44db0c2f729661e7b30af484a1ad5df4e70cb22a | ब्लूटूथ वर्म्स वर्तमान में इंटरनेट स्कैनिंग वर्म्स की तुलना में अपेक्षाकृत कम खतरा पैदा करते हैं। ब्लूबैग परियोजना ब्लूटूथ मैलवेयर के माध्यम से लक्षित हमलों को प्रूफ-ऑफ-कॉन्सेप्ट कोड और मोबाइल उपकरणों का उपयोग करके दिखाती है |
0a87428c6b2205240485ee6bb9cfb00fd9ed359c | ऑप्टिकल प्रवाह अनुमान एल्गोरिदम की सटीकता में लगातार सुधार हो रहा है जैसा कि मिडलबरी ऑप्टिकल प्रवाह बेंचमार्क के परिणामों से स्पष्ट है। हालांकि, हॉर्न और शुंक के काम के बाद से विशिष्ट सूत्र में बहुत कम बदलाव आया है। हम यह पता लगाने का प्रयास करते हैं कि किस तरह से उद्देश्य कार्य, अनुकूलन विधि और आधुनिक कार्यान्वयन प्रथाओं की सटीकता को प्रभावित करने के बारे में एक गहन विश्लेषण के माध्यम से हालिया प्रगति संभव हो गई है। हम पाते हैं कि "शास्त्रीय" प्रवाह सूत्र आश्चर्यजनक रूप से अच्छी तरह से प्रदर्शन करते हैं जब आधुनिक अनुकूलन और कार्यान्वयन तकनीकों के साथ संयुक्त होते हैं। इसके अलावा, हम पाते हैं कि जबकि मध्यवर्ती प्रवाह क्षेत्रों का मध्यवर्ती फ़िल्टरिंग अनुकूलन के दौरान हाल के प्रदर्शन लाभ की कुंजी है, यह उच्च ऊर्जा समाधानों की ओर जाता है। इस घटना के पीछे के सिद्धांतों को समझने के लिए, हम एक नया उद्देश्य प्राप्त करते हैं जो माध्यमिक फ़िल्टरिंग हेरिस्टिक को औपचारिक रूप देता है। इस उद्देश्य में एक गैर-स्थानीय शब्द शामिल है जो बड़े स्थानिक पड़ोस में प्रवाह अनुमानों को मजबूती से एकीकृत करता है। इस नए शब्द को संशोधित करके प्रवाह और छवि सीमाओं के बारे में जानकारी शामिल करने के लिए हम एक ऐसी विधि विकसित करते हैं जो मिडिलबरी बेंचमार्क के शीर्ष पर है। |
90930683f4ef3da8c51ed7d2553774c196172cb3 | |
919bd86eb5fbccd3862e3e2927d4a0d468c7c591 | |
73e51b9820e90eb6525fc953c35c9288527cecfd | मौजूदा तंत्रिका निर्भरता पार्सर आमतौर पर द्विदिश LSTM के साथ एक वाक्य में प्रत्येक शब्द को एन्कोड करते हैं, और सिर और संशोधक के LSTM प्रतिनिधित्व से एक आर्क के स्कोर का अनुमान लगाते हैं, संभवतः आर्क के लिए प्रासंगिक संदर्भ जानकारी गायब है। इस अध्ययन में, हम एक तंत्रिका विशेषता निष्कर्षण विधि का प्रस्ताव करते हैं जो आर्क विशिष्ट सुविधाओं को निकालना सीखती है। हम एक तंत्रिका नेटवर्क आधारित ध्यान विधि लागू करते हैं प्रत्येक संभावित सिर-संशोधनकर्ता जोड़ी के लिए और खिलाफ साक्ष्य एकत्र करने के लिए, जिसके साथ हमारा मॉडल विश्वास और अविश्वास के निश्चितता स्कोर की गणना करता है, और विश्वास के एक से अविश्वास के स्कोर को घटाकर अंतिम आर्क स्कोर निर्धारित करता है। स्पष्ट रूप से दो प्रकार के साक्ष्य पेश करके, आर्क उम्मीदवार अधिक प्रासंगिक जानकारी के आधार पर एक-दूसरे के खिलाफ प्रतिस्पर्धा कर सकते हैं, विशेष रूप से उन मामलों के लिए जहां वे एक ही सिर या संशोधक साझा करते हैं। यह दो या अधिक प्रतिस्पर्धी आर्क को उनके प्रतिद्वंद्वियों (अविश्वास के साक्ष्य) को प्रस्तुत करके बेहतर भेदभाव करना संभव बनाता है। विभिन्न डेटासेटों पर प्रयोगों से पता चलता है कि हमारे आर्क-विशिष्ट सुविधा निष्कर्षण तंत्र स्पष्ट रूप से लंबी दूरी की निर्भरताओं को मॉडलिंग करके द्वि-दिशात्मक एलएसटीएम-आधारित मॉडल के प्रदर्शन में काफी सुधार करता है। अंग्रेजी और चीनी दोनों के लिए, प्रस्तावित मॉडल अधिकांश मौजूदा तंत्रिका ध्यान-आधारित मॉडलों की तुलना में निर्भरता पार्सिंग कार्य पर उच्च सटीकता प्राप्त करता है। |
7bdb08efd640311ad18466a80498c78267f886ca | |
26d92017242e51238323983eba0fad22bac67505 | इस पेपर में लोगों की सिफारिशों का अध्ययन किया गया है, जो उपयोगकर्ताओं को ज्ञात, ऑफ़लाइन संपर्कों को खोजने और सोशल नेटवर्किंग साइटों पर नए दोस्तों की खोज करने में मदद करने के लिए डिज़ाइन किए गए हैं। हमने चार सिफारिश एल्गोरिदम का मूल्यांकन किया एक उद्यम सामाजिक नेटवर्किंग साइट में 500 उपयोगकर्ताओं के एक व्यक्तिगत सर्वेक्षण और 3,000 उपयोगकर्ताओं के एक क्षेत्र अध्ययन का उपयोग करके। हमने पाया कि सभी एल्गोरिदम उपयोगकर्ताओं की मित्र सूची का विस्तार करने में प्रभावी हैं। सोशल नेटवर्क की जानकारी पर आधारित एल्गोरिदम बेहतर प्राप्त सिफारिशें उत्पन्न करने और उपयोगकर्ताओं के लिए अधिक ज्ञात संपर्क खोजने में सक्षम थे, जबकि उपयोगकर्ता द्वारा बनाई गई सामग्री की समानता का उपयोग करने वाले एल्गोरिदम नए दोस्तों की खोज में मजबूत थे। हमने अपने सर्वेक्षण उपयोगकर्ताओं से गुणात्मक प्रतिक्रिया भी एकत्र की और कई सार्थक डिजाइन निहितार्थ निकाले। |
3621bc359003e36707733650cccadf4333683293 | |
54c32d432fb624152da7736543f2685840860a57 | हम एक प्रकार की डीप बोल्टज़मन मशीन (डीबीएम) पेश करते हैं जो दस्तावेजों के एक बड़े असंरचित संग्रह से वितरित सिमेंटिक प्रतिनिधित्व निकालने के लिए उपयुक्त है। हम एक डीबीएम को समझदार पैरामीटर टाईंग के साथ प्रशिक्षित करने की स्पष्ट कठिनाई को दूर करते हैं। यह एक कुशल पूर्व-प्रशिक्षण एल्गोरिथ्म और तेज अनुमान के लिए एक राज्य आरंभिकरण योजना को सक्षम करता है। मॉडल को मानक प्रतिबंधित बोल्टज़मन मशीन के समान कुशलता से प्रशिक्षित किया जा सकता है। हमारे प्रयोगों से पता चलता है कि मॉडल प्रतिकृति सॉफ्टमैक्स मॉडल की तुलना में बेहतर लॉग संभावना को अदृश्य डेटा को सौंपता है। हमारे मॉडल से निकाले गए फीचर्स दस्तावेज़ पुनर्प्राप्ति और दस्तावेज़ वर्गीकरण कार्यों पर एलडीए, प्रतिकृति सॉफ्टमैक्स और डॉकएनएडीई मॉडल से बेहतर हैं। |
3d8650c28ae2b0f8d8707265eafe53804f83f416 | पहले के एक पेपर में [9], हमने एक नया boosting एल्गोरिथ्म पेश किया जिसे AdaBoost कहा जाता है, जो सैद्धांतिक रूप से, किसी भी सीखने के एल्गोरिथ्म की त्रुटि को काफी कम करने के लिए इस्तेमाल किया जा सकता है जो लगातार वर्गीकरणकर्ता उत्पन्न करता है जिसका प्रदर्शन यादृच्छिक अनुमान से थोड़ा बेहतर है। हमने एक संबद्ध धारणा का भी परिचय दिया छद्म-हानि जो कि बहु-लेबल अवधारणाओं के एक सीखने के एल्गोरिथ्म को उन लेबलों पर ध्यान केंद्रित करने के लिए मजबूर करने की एक विधि है जिन्हें भेद करना सबसे कठिन है। इस पेपर में, हम उन प्रयोगों का वर्णन करते हैं जिन्हें हमने यह आकलन करने के लिए किया कि वास्तविक सीखने की समस्याओं पर छद्म-हानि के साथ और बिना एडाबॉस्ट कितना अच्छा प्रदर्शन करता है। हमने दो प्रयोग किए। पहले सेट की तुलना ब्रेमनs [1] bagging विधि के साथ की गई जब विभिन्न वर्गीकरणकर्ताओं (निर्णय वृक्षों और एकल विशेषता-मूल्य परीक्षणों सहित) को एकत्रित करने के लिए उपयोग किया जाता है। हमने मशीन-लर्निंग बेंचमार्क के संग्रह पर दो तरीकों के प्रदर्शन की तुलना की। प्रयोगों के दूसरे सेट में, हम एक OCR समस्या पर निकटतम-पड़ोसी वर्गीकरणकर्ता का उपयोग करके बढ़ाने के प्रदर्शन का अधिक विस्तार से अध्ययन किया। |
85379baf4972e15cd7b9f5e06ce177e693b35f53 | इस पेपर में, हम डोमेन अनुकूलन समस्याओं को हल करने के लिए अर्ध-पर्यवेक्षित कर्नेल मिलान विधि का प्रस्ताव करते हैं जहां स्रोत वितरण लक्ष्य वितरण से काफी भिन्न होता है। विशेष रूप से, हम एक हिल्बर्ट श्मिट स्वतंत्रता मानदंड के आधार पर स्रोत कर्नेल मैट्रिक्स के एक उपमैट्रिक्स के लिए लक्ष्य कर्नेल मैट्रिक्स से मेल खाने से समान स्रोत डेटा बिंदुओं के लिए लक्ष्य डेटा बिंदुओं को मैप करते हुए लेबल किए गए स्रोत डेटा पर एक भविष्यवाणी फ़ंक्शन सीखते हैं। हम इस समवर्ती सीखने और मानचित्रण प्रक्रिया को एक गैर-उपम सम संख्या अनुकूलन समस्या के रूप में तैयार करते हैं और इसके आराम से निरंतर रूप के लिए एक स्थानीय न्यूनतमकरण प्रक्रिया प्रस्तुत करते हैं। हमारे अनुभवजन्य परिणामों से पता चलता है कि प्रस्तावित कर्नेल मिलान विधि क्रॉस डोमेन भावना वर्गीकरण के कार्य पर वैकल्पिक तरीकों को काफी बेहतर करती है। |
7eeb362f11bfc1c89996e68e3a7c5678e271f95b | |
893167546c870eac602d81874c6473fd3cd8bd21 | बहुआयामी बिंदुओं (ट्यूपल्स) के एक सेट की स्काईलाइन में वे बिंदु शामिल होते हैं जिनके लिए दिए गए सेट में कोई स्पष्ट रूप से बेहतर बिंदु मौजूद नहीं है, ब्याज के डोमेन पर घटक-वार तुलना का उपयोग करते हुए। स्काईलाइन क्वेरी, अर्थात, क्वेरी जिसमें स्काईलाइन की गणना शामिल होती है, वह कम्प्यूटेशनल रूप से महंगी हो सकती है, इसलिए समानांतर दृष्टिकोण पर विचार करना स्वाभाविक है जो कई प्रोसेसरों का अच्छा उपयोग करते हैं। हम समानांतर प्रसंस्करण के लिए डेटा सेट के उपयोगी विभाजन प्राप्त करने के लिए हाइपरप्लेन प्रक्षेपण का उपयोग करके इस समस्या का सामना करते हैं। ये विभाजन न केवल छोटे स्थानीय क्षितिज सेट सुनिश्चित करते हैं, बल्कि परिणामों के कुशल विलय को भी सक्षम करते हैं। हमारे प्रयोगों से पता चलता है कि हमारी विधि लगातार डेटा वितरण की परवाह किए बिना समानांतर स्काईलाइन गणना के लिए समान दृष्टिकोणों से बेहतर प्रदर्शन करती है, और विभिन्न अनुकूलन रणनीतियों के प्रभावों पर अंतर्दृष्टि प्रदान करती है। |
b87d5f9b8013386f4ff5ad1a130efe6e924dca5c | लेख इतिहासः 27 अगस्त 2012 को प्राप्त हुआ संशोधित रूप में प्राप्त हुआ 1 अगस्त 2013 को स्वीकार किया गया 5 अगस्त 2013 ऑनलाइन उपलब्ध 15 अगस्त 2013 |
bc18ee4a0f26320a86852b057077e8eca78b0c13 | यह अध्ययन घाना में पूर्व-सेवा शिक्षकों के बीच प्रौद्योगिकी स्वीकृति को प्रभावित करने वाले कारकों की पहचान करने के लिए प्रौद्योगिकी स्वीकृति मॉडल का विस्तार करता है। 380 प्रयोग करने योग्य प्रश्नावली के आंकड़ों का परीक्षण अनुसंधान मॉडल के साथ किया गया। अनुसंधान ढांचे के रूप में विस्तारित प्रौद्योगिकी स्वीकृति मॉडल (टीएएम) का उपयोग करते हुए, अध्ययन में पाया गया किः पूर्व-सेवा शिक्षक शैक्षणिक विश्वास, उपयोग की आसानी, कंप्यूटर प्रौद्योगिकी की उपयोगिता और कंप्यूटर के उपयोग के प्रति दृष्टिकोण कंप्यूटर प्रौद्योगिकी के वास्तविक उपयोग के महत्वपूर्ण निर्धारक हैं। कई चरणों में प्रतिगमन विश्लेषण का उपयोग करके प्राप्त परिणामों से पता चला है कि: (1) पूर्व-सेवा शिक्षकों शैक्षणिक विश्वासों ने उपयोग की आसानी और उपयोगिता दोनों को महत्वपूर्ण रूप से प्रभावित किया, (2) उपयोग की आसानी और उपयोगिता दोनों कंप्यूटर के उपयोग के प्रति दृष्टिकोण को प्रभावित करते हैं और कंप्यूटर के उपयोग के प्रति दृष्टिकोण पूर्व-सेवा शिक्षकों कंप्यूटर के वास्तविक उपयोग को महत्वपूर्ण रूप से प्रभावित करता है। हालांकि, सांख्यिकीय रूप से, उपयोग की आसानी ने उपयोगिता को महत्वपूर्ण रूप से प्रभावित नहीं किया। घाना के संदर्भ में टीएएम को मान्य करके निष्कर्ष साहित्य में योगदान करते हैं और प्रौद्योगिकी एकीकरण विकास के अनुसंधान और अभ्यास के लिए कई प्रमुख निहितार्थ प्रदान करते हैं। |
04e5b276da90c8181d6ad8397f763a181baae949 | क्रॉस-वैलिडेशन मशीन लर्निंग में प्रदर्शन और प्रगति को मापने के लिए एक मुख्य आधार है। क्रॉस-वैलिडेशन अध्ययनों में सटीकता, एफ-माप और आरओसी वक्र के नीचे क्षेत्र (एयूसी) की गणना करने के तरीके में सूक्ष्म अंतर हैं। हालांकि, इन विवरणों पर साहित्य में चर्चा नहीं की गई है, और विभिन्न कागजात और सॉफ्टवेयर पैकेज द्वारा असंगत तरीकों का उपयोग किया जाता है। इससे शोध साहित्य में असंगति आती है। विशेष गुना और स्थितियों के लिए प्रदर्शन गणना में विसंगतियों का पता नहीं चलता है जब वे कई गुना और डेटासेट पर एकत्रित परिणामों में दफन हो जाते हैं, बिना किसी व्यक्ति के मध्यवर्ती प्रदर्शन माप को देखते हुए। यह शोध नोट अंतरों को स्पष्ट और स्पष्ट करता है और यह क्रॉस-वैलिडेशन के तहत वर्गीकरण प्रदर्शन को मापने के लिए सर्वोत्तम तरीके के लिए मार्गदर्शन प्रदान करता है। विशेष रूप से, एफ-माप की गणना के लिए कई भिन्न विधियां उपयोग की जाती हैं, जो अक्सर वर्ग असंतुलन के तहत प्रदर्शन माप के रूप में अनुशंसित होती हैं, उदाहरण के लिए, पाठ वर्गीकरण डोमेन के लिए और कई वर्गों वाले डेटासेट के एक-बनाम-सभी में कमी। हम प्रयोग द्वारा दिखाते हैं कि इन गणना विधियों में से एक को छोड़कर सभी पक्षपाती माप की ओर ले जाते हैं, विशेष रूप से उच्च वर्ग असंतुलन के तहत। यह पेपर विशेष रूप से उन लोगों के लिए रुचि का है जो मशीन लर्निंग सॉफ्टवेयर लाइब्रेरी और शोधकर्ताओं को उच्च वर्ग असंतुलन पर केंद्रित करते हैं। |
8efac913ff430ef698dd3fa5df4cbb7ded3cab50 | हम एक अनसुर्क्षित क्लस्टरिंग उपकरण, मुख्य दिशा विभाजक विभाजन प्रस्तुत करते हैं, जो एक स्केलेबल और बहुमुखी शीर्ष-नीचे विधि है जो डेटा के किसी भी सेट पर लागू होती है जिसे संख्यात्मक वैक्टर के रूप में दर्शाया जा सकता है। मूल पद्धति का वर्णन, मुख्य अनुप्रयोग क्षेत्रों का सारांश जहां इसका उपयोग किया गया है, और कुछ हालिया परिणामों पर महत्वपूर्ण शब्दों के चयन के साथ-साथ नए डेटा के आगमन के रूप में क्लस्टर को अद्यतन करने की प्रक्रिया पर चर्चा की गई है। |
1e20f9de45d26950ecd11965989d2b15a5d0d86b | मॉडल आधारित विधियाँ और गहरे तंत्रिका नेटवर्क दोनों ही मशीन सीखने में बहुत सफल प्रतिमान रहे हैं। मॉडल आधारित विधियों में, हम आसानी से अनुमान के दौरान कठिनाइयों की कीमत पर मॉडल की बाधाओं में हमारे समस्या डोमेन ज्ञान को व्यक्त कर सकते हैं। निर्धारात्मक गहरे तंत्रिका नेटवर्क इस तरह से बनाए जाते हैं कि अनुमान सीधा है, लेकिन हम आसानी से समस्या डोमेन ज्ञान को शामिल करने की क्षमता का त्याग करते हैं। इस लेख का उद्देश्य दोनों दृष्टिकोणों के लाभों को प्राप्त करने के लिए एक सामान्य रणनीति प्रदान करना है, जबकि उनके कई नुकसानों से बचना है। सामान्य विचार को इस प्रकार संक्षेप में प्रस्तुत किया जा सकता हैः एक मॉडल-आधारित दृष्टिकोण को देखते हुए जिसके लिए एक पुनरावर्ती अनुमान विधि की आवश्यकता होती है, हम पुनरावृत्तियों को एक तंत्रिका नेटवर्क के अनुरूप परत-वार संरचना में प्रकट करते हैं। फिर हम मॉडलों के पैरामीटर को परतों में अलग-अलग करते हैं ताकि न्यूरल नेटवर्क जैसी नई वास्तुकला प्राप्त हो सके जिन्हें आसानी से ग्रेडिएंट-आधारित विधियों का उपयोग करके भेदभावपूर्ण रूप से प्रशिक्षित किया जा सकता है। परिणामी सूत्र पारंपरिक गहरे नेटवर्क की अभिव्यक्ति शक्ति को मॉडल-आधारित दृष्टिकोण की आंतरिक संरचना के साथ जोड़ता है, जबकि एक निश्चित संख्या में परतों में अनुमान लगाने की अनुमति देता है जिसे सर्वोत्तम प्रदर्शन के लिए अनुकूलित किया जा सकता है। हम दिखाते हैं कि कैसे इस ढांचे को एक उपन्यास गैर-नकारात्मक गहरे तंत्रिका नेटवर्क वास्तुकला प्राप्त करने के लिए गैर-नकारात्मक मैट्रिक्स फैक्टरिज़ेशन पर लागू किया जा सकता है, जिसे एक गुणात्मक बैक-प्रसार-शैली अपडेट एल्गोरिथ्म के साथ प्रशिक्षित किया जा सकता है। हम भाषण वृद्धि के क्षेत्र में प्रयोग प्रस्तुत करते हैं, जहां हम दिखाते हैं कि परिणामी मॉडल पारंपरिक तंत्रिका नेटवर्क को पार करने में सक्षम है जबकि केवल मापदंडों की संख्या के एक अंश की आवश्यकता होती है। हमारा मानना है कि यह गहरी नेटवर्क की वास्तुकला में समस्या स्तर की धारणाओं को शामिल करने के लिए हमारे ढांचे द्वारा प्रदान की गई क्षमता के कारण है। arXiv.org इस कार्य की नकल या पुनःप्रकाशित नहीं की जा सकती है, पूर्ण रूप से या किसी भी व्यावसायिक उद्देश्य के लिए। बिना शुल्क के पूरे या आंशिक रूप से प्रतिलिपि बनाने की अनुमति गैर-लाभकारी शैक्षिक और अनुसंधान उद्देश्यों के लिए दी जाती है बशर्ते कि ऐसी सभी पूर्ण या आंशिक प्रतियों में निम्नलिखित शामिल होंः एक नोटिस कि ऐसी प्रतिलिपि मित्सुबिशी इलेक्ट्रिक रिसर्च लेबोरेटरीज, इंक की अनुमति से है; रचनाकारों और काम में व्यक्तिगत योगदान की एक स्वीकृति; और कॉपीराइट नोटिस के सभी लागू भाग। किसी अन्य उद्देश्य के लिए प्रतिलिपि, प्रजनन या पुनः प्रकाशन के लिए मित्सुबिशी इलेक्ट्रिक रिसर्च लेबोरेटरीज, इंक को शुल्क के भुगतान के साथ लाइसेंस की आवश्यकता होगी। सभी अधिकार सुरक्षित हैं। कॉपीराइट c © मित्सुबिशी इलेक्ट्रिक रिसर्च लेबोरेटरीज, इंक, 2014 201 ब्रॉडवे, कैम्ब्रिज, मैसाचुसेट्स 02139 |
26f4f07696a3828f5eeb0d8bb8944da80228b77d | निर्णय वृक्ष एल्गोरिदम के लिए बूस्टिंग प्रक्रियाओं के आवेदन से बहुत सटीक वर्गीकरण उत्पन्न होते हैं। ये वर्गीकरणकर्ता कई निर्णय पेड़ों पर बहुमत के मत के रूप में होते हैं। दुर्भाग्य से, ये वर्गीकरण अक्सर बड़े, जटिल और व्याख्या करने में कठिन होते हैं। इस लेख में एक नए प्रकार के वर्गीकरण नियम का वर्णन किया गया है, जो कि वैकल्पिक निर्णय वृक्ष है, जो निर्णय वृक्षों, मतदान निर्णय वृक्षों और मतदान निर्णय स्टंप का एक सामान्यीकरण है। साथ ही इस प्रकार के वर्गीकरणों की व्याख्या करना अपेक्षाकृत आसान है। हम एक सीखने एल्गोरिथ्म प्रस्तुत करते हैं जो निर्णय पेड़ों को बदलने के लिए है जो बूस्टिंग पर आधारित है। प्रयोगात्मक परिणामों से पता चलता है कि यह C5.0 जैसे बूस्ट किए गए निर्णय वृक्ष एल्गोरिदम के साथ प्रतिस्पर्धी है, और ऐसे नियम उत्पन्न करता है जो आमतौर पर आकार में छोटे होते हैं और इस प्रकार व्याख्या करना आसान होता है। इसके अतिरिक्त इन नियमों से वर्गीकरण की सटीकता का एक प्राकृतिक माप प्राप्त होता है जिसका उपयोग वर्गीकरण के लिए कठिन उदाहरणों की भविष्यवाणी करने से परहेज करने की कीमत पर सटीकता में सुधार करने के लिए किया जा सकता है। |
5e28e81e757009d2f76b8674e0da431f5845884a | यह पेपर बहुआयामी रैखिक भेदभाव विश्लेषण और संबंधित इष्टतम रैखिक प्रक्षेपण के सिद्धांतों का उपयोग करके एक छवि प्रशिक्षण सेट से सुविधाओं के स्वचालित चयन का वर्णन करता है। हम इन सबसे भेदभावपूर्ण विशेषताओं की प्रभावशीलता को प्रदर्शित करते हैं दृश्य-आधारित वर्ग पुनर्प्राप्ति के लिए एक बड़े डेटाबेस से व्यापक रूप से भिन्न वास्तविक दुनिया की वस्तुओं को "अच्छी तरह से तैयार" दृश्यों के रूप में प्रस्तुत किया जाता है, और इसकी तुलना मुख्य घटक विश्लेषण के साथ की जाती है। |
dbe8c61628896081998d1cd7d10343a45b7061bd | कई रणनीतियों का वर्णन किया गया है जो बुनियादी नेटवर्क मॉडल की सीमाओं को दूर करते हैं जो बड़े कनेक्शनवादी भाषण मान्यता प्रणालियों के डिजाइन की दिशा में कदम हैं। चिंता के दो प्रमुख क्षेत्र समय की समस्या और स्केलिंग की समस्या हैं। समय के साथ भाषण संकेत लगातार बदलते रहते हैं और मानव ज्ञान की भारी मात्रा को एन्कोड और प्रसारित करते हैं। इन संकेतों को डिकोड करने के लिए, तंत्रिका नेटवर्क को समय के उपयुक्त प्रतिनिधित्व का उपयोग करने में सक्षम होना चाहिए और सीमित संसाधनों के भीतर इन नेटवर्क को लगभग मनमाने आकार और जटिलता तक विस्तारित करना संभव होना चाहिए। समय की समस्या को समय-विलंब तंत्रिका नेटवर्क के विकास द्वारा संबोधित किया जाता है; छोटे उप-घटक नेट के आधार पर बड़े नेट की मॉड्यूलरिटी और वृद्धिशील डिजाइन द्वारा स्केलिंग की समस्या। यह दिखाया गया है कि सीमित कार्यों को करने के लिए प्रशिक्षित छोटे नेटवर्क समय अपरिवर्तनीय, छिपे हुए अमूर्तता विकसित करते हैं जिनका बाद में बड़े, अधिक जटिल नेटवर्क को कुशलतापूर्वक प्रशिक्षित करने के लिए शोषण किया जा सकता है। इन तकनीकों का उपयोग करके, बढ़ती जटिलता के ध्वन्यात्मक पहचान नेटवर्क का निर्माण किया जा सकता है जो सभी बेहतर पहचान प्रदर्शन प्राप्त करते हैं। |
eeb8c7a22f731839755a4e820b608215e9885276 | |
01905a9c0351aad54ee7dbba1544cd9db06ca935 | जोखिम प्रबंधन आज सूचना प्रणाली (आईएस) सुरक्षा से निपटने के इच्छुक किसी भी संगठन के लिए एक प्रमुख मार्गदर्शन उपकरण है। हालांकि, आईएस सुरक्षा जोखिम प्रबंधन (आईएसएसआरएम) को स्थापित करना और बनाए रखना एक कठिन प्रक्रिया है, मुख्य रूप से जटिल और परस्पर जुड़े आईएस के साथ बहु-विनियमों के संदर्भ में। हमारा दावा है कि एंटरप्राइज़ आर्किटेक्चर मैनेजमेंट (ईएएम) के साथ संबंध इन मुद्दों से निपटने में योगदान देता है। दोनों क्षेत्रों के बेहतर एकीकरण की दिशा में पहला कदम एक एकीकृत ईएएम-आईएसएसआरएम वैचारिक मॉडल को परिभाषित करना है। यह कार्य इस मॉडल के निर्माण और सत्यापन के बारे में है। ऐसा करने के लिए, हम एक मौजूदा आईएसएसआरएम डोमेन मॉडल, यानी ईएएम की अवधारणाओं के साथ आईएसएसआरएम के क्षेत्र को दर्शाने वाला एक वैचारिक मॉडल। ईएएम-आईएसएसआरएम एकीकृत मॉडल का सत्यापन तब एक सत्यापन समूह की मदद से किया जाता है जो मॉडल की उपयोगिता और प्रयोज्य का आकलन करता है। |
1976c9eeccc7115d18a04f1e7fb5145db6b96002 | फ्रीबेस एक व्यावहारिक, स्केलेबल टपल डेटाबेस है जिसका उपयोग सामान्य मानव ज्ञान को संरचित करने के लिए किया जाता है। फ्रीबेस में डेटा सहयोगात्मक रूप से बनाया, संरचित और बनाए रखा जाता है। फ्रीबेस में वर्तमान में 125,000,000 से अधिक ट्यूपल, 4000 से अधिक प्रकार और 7000 से अधिक गुण हैं। फ्रीबेस के लिए सार्वजनिक रीड/राइट एक्सेस को डेटा क्वेरी और हेरफेर भाषा के रूप में मेटावेब क्वेरी लैंग्वेज (एमक्यूएल) का उपयोग करके एक एचटीटीपी-आधारित ग्राफ-क्वेरी एपीआई के माध्यम से अनुमति दी जाती है। एमक्यूएल फ्रीबेस में टपल डेटा के लिए एक आसान उपयोग करने वाला ऑब्जेक्ट-उन्मुख इंटरफ़ेस प्रदान करता है और यह सहयोगी, वेब-आधारित डेटा-उन्मुख अनुप्रयोगों के निर्माण की सुविधा के लिए डिज़ाइन किया गया है। |
77b99e0a3a6f99537a4b497c5cd67be95c1b7088 | स्वायत्त वाहन अनुसंधान एक दशक से अधिक समय से प्रचलित है लेकिन हाल ही में स्वायत्त वाहनों में होने वाली मानव बातचीत पर थोड़ी मात्रा में शोध किया गया है। यद्यपि कार्यात्मक सॉफ्टवेयर और सेंसर प्रौद्योगिकी सुरक्षित संचालन के लिए आवश्यक है, जो स्वायत्त वाहन अनुसंधान का मुख्य फोकस रहा है, मानव बातचीत के सभी तत्वों को संभालना भी उनकी सफलता का एक बहुत ही प्रमुख पहलू है। यह पेपर स्वायत्त वाहनों में मानव वाहन बातचीत के महत्व का अवलोकन प्रदान करेगा, जबकि प्रासंगिक संबंधित कारकों पर विचार करेगा जो अपनाने को प्रभावित करने की संभावना रखते हैं। विशेष ध्यान ऑटोमोबाइल में नियंत्रण से संबंधित महत्वपूर्ण क्षेत्रों पर किए गए पूर्व शोध पर दिया जाएगा, इसके अलावा विभिन्न तत्वों को भी माना जाएगा जो मानव संचालन के लिए शुरू में विकसित इन वाहनों की सफलता की संभावना को प्रभावित करते हैं। इस पत्र में मनुष्यों के साथ बातचीत पर विचार करने के लिए किए गए सीमित शोध और प्रकाशित कार्यशील सॉफ्टवेयर और सेंसर प्रौद्योगिकी की वर्तमान स्थिति की चर्चा भी शामिल होगी। |
31f3a12fb25ddb0a27ebdda7dd8d014996debd74 | हमने लगभग 2 वर्षों के दौरान 12,500 Android उपकरणों से उपयोग की जानकारी एकत्र की। हमारे डेटासेट में एंड्रॉइड के 687 संस्करणों पर चलने वाले 894 मॉडल के उपकरणों के 53 बिलियन डेटा पॉइंट शामिल हैं। एकत्रित डेटा को संसाधित करने से कई चुनौतियां सामने आती हैं, जो कि स्केलेबिलिटी से लेकर सुसंगतता और गोपनीयता संबंधी चिंताओं तक होती हैं। हम इस अत्यधिक वितरित डेटासेट के संग्रह और विश्लेषण के लिए अपने सिस्टम आर्किटेक्चर को प्रस्तुत करते हैं, चर्चा करते हैं कि कैसे हमारी प्रणाली अविश्वसनीय समय की जानकारी की उपस्थिति में समय-श्रृंखला डेटा को विश्वसनीय रूप से एकत्र कर सकती है, और उन मुद्दों और पाठों पर चर्चा करती है जो हम मानते हैं कि कई अन्य बड़े डेटा संग्रह परियोजनाओं पर लागू होते हैं। |
408a8e250316863da94ffb3eab077175d08c01bf | |
5656fa5aa6e1beeb98703fc53ec112ad227c49ca | हम बहु-पूर्वानुमान गहरी बोल्टज़मन मशीन (एमपी-डीबीएम) का परिचय देते हैं। एमपीडीबीएम को एक एकल संभाव्यता मॉडल के रूप में देखा जा सकता है जिसे सामान्यीकृत छद्म संभावना के लिए एक भिन्नता अनुमान को अधिकतम करने के लिए प्रशिक्षित किया जाता है, या आवर्ती नेट के परिवार के रूप में जो मापदंडों को साझा करते हैं और लगभग अलग-अलग अनुमान समस्याओं को हल करते हैं। डीबीएम को प्रशिक्षित करने की पूर्ववर्ती विधियां या तो वर्गीकरण कार्यों पर अच्छा प्रदर्शन नहीं करती हैं या प्रारंभिक सीखने की आवश्यकता होती है जो डीबीएम को लालचीता से, एक समय में एक परत को प्रशिक्षित करती है। एमपी-डीबीएम को लोभी स्तरवार पूर्व-प्रशिक्षण की आवश्यकता नहीं होती है, और वर्गीकरण, लापता इनपुट के साथ वर्गीकरण, और औसत क्षेत्र भविष्यवाणी कार्यों में मानक डीबीएम से बेहतर प्रदर्शन करता है। |
4c99b87df6385bd945a00633f829e4a9ec5ce314 | सामाजिक नेटवर्क बहुत अधिक मात्रा में डेटा का उत्पादन करते हैं। फेसबुक में 400 मिलियन से अधिक सक्रिय उपयोगकर्ता हैं जो हर महीने 5 बिलियन से अधिक जानकारी साझा करते हैं। इस विशाल मात्रा में असंगठित डेटा का विश्लेषण सॉफ्टवेयर और हार्डवेयर के लिए चुनौतियां पेश करता है। हम ग्राफसीटी प्रस्तुत करते हैं, एक ग्राफ चरित्रकरण टूलकिट सामाजिक नेटवर्क डेटा का प्रतिनिधित्व करने वाले विशाल ग्राफ के लिए। 128 प्रोसेसर Cray XMT पर, GraphCT कृत्रिम रूप से उत्पन्न (R-MAT) 537 मिलियन वर्टेक्स, 55 मिनट में 8.6 बिलियन एज ग्राफ और एक वास्तविक दुनिया के ग्राफ (Kwak, एट अल.) के बीच की केंद्रीयता का अनुमान लगाता है। 61.6 मिलियन शिखर और 1.47 अरब किनारों के साथ 105 मिनट में। हम ग्राफ़सीटी का उपयोग ट्विटर, एक माइक्रोब्लॉगिंग नेटवर्क से सार्वजनिक डेटा का विश्लेषण करने के लिए करते हैं। ट्विटर के संदेश कनेक्शन मुख्य रूप से एक समाचार प्रसार प्रणाली के रूप में पेड़-संरचित दिखाई देते हैं। सार्वजनिक डेटा के भीतर, हालांकि, वार्तालापों के समूह हैं। ग्राफ़सीटी का उपयोग करके, हम इन वार्तालापों के भीतर अभिनेताओं को रैंक कर सकते हैं और विश्लेषकों को बहुत छोटे डेटा उप-समूह पर ध्यान केंद्रित करने में मदद कर सकते हैं। |
7b1e18688dae102b8702a074f71bbea8ba540998 | ऑटोमोटिव वाहन प्रणालियों की बढ़ती जटिलता, बाहरी नेटवर्क से उनका कनेक्शन, इंटरनेट ऑफ थिंग्स के साथ-साथ उनकी अधिक आंतरिक नेटवर्किंग हैकिंग और दुर्भावनापूर्ण हमलों के लिए दरवाजे खोलती है। आधुनिक ऑटोमोबाइल वाहन प्रणालियों में सुरक्षा और गोपनीयता जोखिम अब तक अच्छी तरह से प्रचारित हैं। सुरक्षा का उल्लंघन सुरक्षा के उल्लंघन का कारण बन सकता है - यह एक अच्छी तरह से तर्क और स्वीकार्य तर्क है। सुरक्षा अनुशासन दशकों से परिपक्व हो गया है , लेकिन सुरक्षा अनुशासन बहुत छोटा है । तर्क हैं और सही भी, कि सुरक्षा इंजीनियरिंग प्रक्रिया कार्यात्मक सुरक्षा इंजीनियरिंग प्रक्रिया के समान है (मानक आईएसओ 26262 द्वारा औपचारिक रूप से) और वे एक साथ रखा जा सकता है और एक साथ किया जा सकता है, लेकिन, विशेषज्ञों के एक अलग सेट द्वारा. ऑटोमोटिव वाहन प्रणालियों के लिए एक कार्यात्मक सुरक्षा इंजीनियरिंग प्रक्रिया की तर्ज पर एक सुरक्षा इंजीनियरिंग प्रक्रिया को परिभाषित करने के लिए कदम हैं। लेकिन क्या सुरक्षा-सुरक्षा को औपचारिक रूप देने के ये प्रयास सुरक्षित और सुरक्षित प्रणालियों के उत्पादन के लिए पर्याप्त हैं? जब कोई सुरक्षित और सुरक्षित प्रणालियों के निर्माण के विचार के साथ इस मार्ग पर निकलता है, तो उसे पता चलता है कि उत्पादन लाइनों से सुरक्षित और सुरक्षित प्रणालियों के निकलने से पहले काफी चुनौतियों, विरोधाभासों, असमानताओं, चिंताओं का समाधान करना होगा। इस पत्र का प्रयास कुछ ऐसे चुनौतीपूर्ण क्षेत्रों को समुदाय के ध्यान में लाना और आगे बढ़ने का मार्ग सुझाया जाना है। |
a608bd857a131fe0d9e10c2219747b9fa03c5afc | आधुनिक कारें व्यापक रूप से कम्प्यूटरीकृत हैं, और इसलिए संभावित रूप से हमले के लिए कमजोर हैं। हालांकि, जबकि पिछले शोध से पता चला है कि कुछ आधुनिक कारों के भीतर आंतरिक नेटवर्क असुरक्षित हैं, संबंधित खतरे मॉडल - पूर्व भौतिक पहुंच की आवश्यकता - को यथार्थवादी रूप से अवास्तविक माना गया है। इस प्रकार, यह एक खुला प्रश्न बना हुआ है कि क्या ऑटोमोबाइल भी रिमोट समझौता के लिए अतिसंवेदनशील हो सकते हैं। हमारे काम में आधुनिक ऑटोमोबाइल की बाहरी हमला सतह का व्यवस्थित विश्लेषण करके इस प्रश्न को विश्राम देना है। हम यह पता लगाते हैं कि दूरस्थ शोषण कई प्रकार के हमले के माध्यम से संभव है (यंत्र-सामग्री उपकरण, सीडी प्लेयर, ब्लूटूथ और सेलुलर रेडियो सहित) और इसके अलावा, वायरलेस संचार चैनल लंबी दूरी के वाहन नियंत्रण, स्थान ट्रैकिंग, इन-कैबिन ऑडियो एक्सफिल्ट्रेशन और चोरी की अनुमति देते हैं। अंत में, हम ऑटोमोटिव पारिस्थितिकी तंत्र की संरचनात्मक विशेषताओं पर चर्चा करते हैं जो ऐसी समस्याओं को जन्म देती हैं और उन्हें कम करने में व्यावहारिक चुनौतियों पर प्रकाश डालती हैं। |
cdbb46785f9b9acf8d03f3f8aba58b201f06639f | ऑटोमोटिव प्रणालियों की आईटी सुरक्षा अनुसंधान का एक विकसित क्षेत्र है। वर्तमान स्थिति और संभावित रूप से बढ़ते खतरे की प्रवृत्ति का विश्लेषण करने के लिए हमने हाल की ऑटोमोटिव तकनीक पर कई व्यावहारिक परीक्षण किए। इस लेख में सीएएन बस प्रौद्योगिकी पर आधारित ऑटोमोटिव प्रणालियों पर ध्यान केंद्रित करते हुए, विंडो लिफ्ट, चेतावनी प्रकाश और एयरबैग नियंत्रण प्रणाली के साथ-साथ केंद्रीय गेटवे के लिए नियंत्रण प्रणालियों पर किए गए चार चयनित परीक्षणों के परिणामों का सारांश दिया गया है। इन परिणामों को इस लेख में स्थापित सीईआरटी वर्गीकरण और अंतर्निहित सुरक्षा कमजोरियों के विश्लेषण और विशेष रूप से, संभावित सुरक्षा प्रभावों का उपयोग करके इन चार हमले के परिदृश्यों के वर्गीकरण द्वारा पूरक किया गया है। इन परीक्षणों के परिणामों के संबंध में, इस लेख में हम अपने परीक्षणों में शोषण की गई बुनियादी कमजोरियों को दूर करने के लिए दो चयनित प्रतिरोध उपायों पर चर्चा करते हैं। ये घुसपैठ का पता लगाने के अनुकूलन हैं (तीन अनुकरणीय पता लगाने के पैटर्न पर चर्चा) और आईटी-फोरेंसिक उपाय (एक फोरेंसिक मॉडल के आधार पर सक्रिय उपायों का प्रस्ताव) । यह लेख पहले पेश किए गए चार हमले के परिदृश्यों को देखते हुए, उनकी क्षमताओं और प्रतिबंधों को कवर करते हुए दोनों पर चर्चा करता है। जबकि ये प्रतिक्रियाशील दृष्टिकोण अल्पकालिक उपाय हैं, जिन्हें पहले से ही आज की ऑटोमोटिव आईटी वास्तुकला में जोड़ा जा सकता है, दीर्घकालिक अवधारणाएं भी जल्द ही पेश की जाती हैं, जो मुख्य रूप से निवारक हैं लेकिन एक प्रमुख पुनर्गठन की आवश्यकता होगी। संबंधित अनुसंधान दृष्टिकोणों पर संक्षिप्त अवलोकन के तहत, हम उनकी व्यक्तिगत आवश्यकताओं, क्षमताओं और प्रतिबंधों पर चर्चा करते हैं। & 2010 एल्सवियर लिमिटेड सभी अधिकार सुरक्षित. |
13b44d1040bf8fc1edb9de23f50af1f324e63697 | हम विशेषता-निर्देशित चेहरे पीढ़ी में रुचि रखते हैंः एक कम-रिज़ॉल्यूशन चेहरा इनपुट छवि, एक विशेषता वेक्टर दिया गया है जिसे उच्च-रिज़ॉल्यूशन छवि (गुण छवि) से निकाला जा सकता है, हमारी नई विधि कम-रिज़ॉल्यूशन इनपुट के लिए एक उच्च-रिज़ॉल्यूशन चेहरा छवि उत्पन्न करती है जो दी गई विशेषताओं को पूरा करती है। इस समस्या को हल करने के लिए, हम CycleGAN को कंडीशन करते हैं और सशर्त CycleGAN का प्रस्ताव करते हैं, जिसे 1) अपरंपरागत प्रशिक्षण डेटा को संभालने के लिए डिज़ाइन किया गया है क्योंकि प्रशिक्षण कम/उच्च-रिज़ॉल्यूशन और उच्च-रिज़ॉल्यूशन विशेषता छवियां एक दूसरे के साथ संरेखित नहीं हो सकती हैं, और 2) इनपुट विशेषताओं के माध्यम से उत्पन्न चेहरे की उपस्थिति के आसान नियंत्रण की अनुमति दें। हम विशेषता-निर्देशित सशर्त साइकिलगैन पर उच्च गुणवत्ता वाले परिणाम प्रदर्शित करते हैं, जो उपयोगकर्ता द्वारा आपूर्ति की गई विशेषताओं (जैसे, लिंग, मेकअप, बालों का रंग, चश्मा) द्वारा आसानी से नियंत्रित उपस्थिति के साथ यथार्थवादी चेहरे की छवियों को संश्लेषित कर सकता है। विशेषता छवि को पहचान के रूप में उपयोग करके संबंधित सशर्त वेक्टर का उत्पादन करने के लिए और एक चेहरे सत्यापन नेटवर्क को शामिल करके, विशेषता-निर्देशित नेटवर्क पहचान-निर्देशित सशर्त साइकिलगैन बन जाता है जो पहचान हस्तांतरण पर उच्च गुणवत्ता और दिलचस्प परिणाम उत्पन्न करता है। हम पहचान-निर्देशित सशर्त CycleGAN पर तीन अनुप्रयोगों का प्रदर्शन करते हैंः पहचान-संरक्षण चेहरा सुपर-रिज़ॉल्यूशन, चेहरा स्वैपिंग, और फ्रंटल चेहरा पीढ़ी, जो लगातार हमारी नई विधि के लाभ को दिखाते हैं। |
8a7b0520de8d9af82617bb13d7aef000aae26119 | दोहरे-बैंड ऑर्थोमोड ट्रांसड्यूसर (ओएमटी) घटकों के डिजाइन के लिए सामान्यीकृत प्रवेश मैट्रिक्स और सामान्यीकृत फैलाव मैट्रिक्स के माध्यम से प्राप्त मिश्रित लक्षण प्रस्तावित है। इस प्रक्रिया के आधार पर सटीक और कुशल पूर्ण तरंग विश्लेषण सॉफ्टवेयर विकसित किया गया है। विकसित सॉफ्टवेयर के साथ उच्च प्रदर्शन के साथ कु बैंड में एक दोहरी आवृत्ति ओएमटी को पूरी तरह से डिजाइन किया गया है। संख्यात्मक और प्रयोगात्मक परिणामों के बीच अच्छा समझौता डिजाइन प्रक्रिया को मान्य करता है। |
17168ca2262960c57ee141b5d7095022e038ddb4 | स्मार्ट उपकरणों और पहनने योग्य सेंसर से गतिविधि की पहचान अनुसंधान का एक सक्रिय क्षेत्र है क्योंकि स्मार्ट उपकरणों को व्यापक रूप से अपनाया जाता है और यह लोगों को उनके दैनिक जीवन में सहायता प्रदान करने के लिए प्रदान करता है। ठीक-भराई आदिम गतिविधि मान्यता के लिए उपलब्ध डेटासेट में से कई वास्तविक दुनिया के दिन-प्रतिदिन के व्यवहार पर कम जोर देने के साथ गति या खेल गतिविधियों पर ध्यान केंद्रित करते हैं। यह पेपर यथार्थवादी अपरिवर्तित रसोई वातावरण में गतिविधि मान्यता के लिए एक नया डेटासेट प्रस्तुत करता है। 10 आम प्रतिभागियों से केवल स्मार्ट-घड़ी का उपयोग करके डेटा एकत्र किया गया था, जबकि वे एक अपरिवर्तित किराए के रसोईघर में भोजन तैयार करते थे। इस दस्तावेज़ में इस डेटासेट पर विभिन्न वर्गीकरणकर्ताओं के लिए आधारभूत प्रदर्शन उपाय भी प्रदान किए गए हैं। इसके अलावा, एक गहरी विशेषता सीखने प्रणाली और अधिक पारंपरिक सांख्यिकीय विशेषताओं आधारित दृष्टिकोणों की तुलना की जाती है। यह विश्लेषण दर्शाता है कि सभी मूल्यांकन मानदंडों के लिए डेटा-संचालित विशेषता सीखने से वर्गीकरणकर्ता को हाथ से निर्मित विशेषताओं की तुलना में सर्वोत्तम प्रदर्शन प्राप्त करने की अनुमति मिलती है। |
62a6cf246c9bec56babab9424fa36bfc9d4a47e8 | हम कंप्यूटर को स्वचालित रूप से इस तरह के सवालों का जवाब देने के लिए कैसे सक्षम कर सकते हैं कि "हैरी पॉटर चरित्र किसने बनाया है?" सावधानीपूर्वक निर्मित ज्ञान के आधार तथ्यों के समृद्ध स्रोत प्रदान करते हैं। हालांकि, एक प्रश्न के कई अभिव्यक्तियों के कारण प्राकृतिक भाषा में उठाए गए तथ्यात्मक प्रश्नों का उत्तर देना एक चुनौती बनी हुई है। विशेष रूप से, हम सबसे सामान्य प्रश्नों पर ध्यान केंद्रित करते हैं - ऐसे प्रश्न जिनका उत्तर ज्ञान आधार में एक तथ्य के साथ दिया जा सकता है। हम सीएफओ का प्रस्ताव करते हैं, जो कि एक सशर्त केंद्रित तंत्रिका नेटवर्क आधारित दृष्टिकोण है, जो ज्ञान के आधार के साथ तथ्यात्मक प्रश्नों का उत्तर देने के लिए है। हमारा दृष्टिकोण पहले एक प्रश्न में ज़ूम करता है ताकि अधिक संभावित उम्मीदवार विषय उल्लेख मिल सके, और एक एकीकृत सशर्त संभाव्यता ढांचे के साथ अंतिम उत्तरों को समाप्त कर सके। गहरे आवर्ती तंत्रिका नेटवर्क और तंत्रिका एम्बेडिंग द्वारा संचालित, हमारे प्रस्तावित सीएफओ ने 108,000 प्रश्नों के डेटासेट पर 75.7% की सटीकता प्राप्त की - आज तक का सबसे बड़ा सार्वजनिक। यह 11.8% की पूर्ण सीमा से वर्तमान तकनीक की स्थिति से बेहतर है। |
7bbacae9177e5349090336c23718a51bc94f6bfc | हम भू-स्थान की जानकारी के साथ एनोटेट की गई सड़क की ओर छवियों के डेटाबेस का उपयोग करके क्वेरी छवि में दर्शाए गए स्थान को पहचानना चाहते हैं। यह एक चुनौतीपूर्ण कार्य है क्योंकि डेटाबेस में क्वेरी और छवियों के बीच पैमाने, दृश्य और प्रकाश में परिवर्तन होता है। स्थान पहचान में प्रमुख समस्याओं में से एक पेड़ों या सड़क चिह्नों जैसी वस्तुओं की उपस्थिति है, जो अक्सर डेटाबेस में होती हैं और इसलिए विभिन्न स्थानों के बीच महत्वपूर्ण भ्रम पैदा करती हैं। मुख्य योगदान के रूप में, हम यह दिखाते हैं कि कैसे विशेष स्थानों की भ्रम पैदा करने वाली विशेषताओं से बचने के लिए डेटाबेस छवियों से जुड़े जियोटैग का उपयोग पर्यवेक्षण के रूप में किया जाता है। हम छवि-विशिष्ट और स्थानिक रूप से स्थानीयकृत समूहों के भ्रमपूर्ण सुविधाओं के स्वचालित पता लगाने के लिए एक विधि विकसित करते हैं, और यह प्रदर्शित करते हैं कि उन्हें दबाने से डेटाबेस के आकार को कम करते हुए स्थान पहचान प्रदर्शन में काफी सुधार होता है। हम दिखाएँ कि विधि क्वेरी विस्तार सहित कला बैग-ऑफ-फीचर्स मॉडल की स्थिति के साथ अच्छी तरह से जोड़ती है, और स्थान पहचान का प्रदर्शन करती है जो दृष्टिकोण और प्रकाश की स्थिति की एक विस्तृत श्रृंखला में सामान्यीकृत होती है। परिणाम Google स्ट्रीट व्यू से डाउनलोड की गई पेरिस की 17 हजार से अधिक छवियों के एक भौगोलिक डेटाबेस पर दिखाए गए हैं। |
d72b366e1d45cbcddfe5c856b77a2801d8d0c11f | मौजूदा तंत्रिका अर्थ विश्लेषक मुख्य रूप से एक अनुक्रम एन्कोडर का उपयोग करते हैं, अर्थात, एक अनुक्रमिक एलएसटीएम, शब्द क्रम सुविधाओं को निकालने के लिए अन्य मूल्यवान सिंटेक्सिक जानकारी जैसे निर्भरता ग्राफ या घटक पेड़ों की उपेक्षा करते हुए। इस लेख में, हम पहले तीन प्रकार की वाक्यविन्यास संबंधी जानकारी का प्रतिनिधित्व करने के लिए वाक्यविन्यास ग्राफ का उपयोग करने का प्रस्ताव करते हैं, अर्थात, शब्द क्रम, निर्भरता और निर्वाचन क्षेत्र विशेषताएं। हम आगे एक ग्राफ-से-अनुक्रम मॉडल का उपयोग करते हैं सिंटेक्सिक ग्राफ को एन्कोड करने और एक तार्किक रूप को डिकोड करने के लिए। बेंचमार्क डेटासेट पर प्रयोगात्मक परिणामों से पता चलता है कि हमारा मॉडल जॉब्स640, एटीआईएस और जियो880 पर अत्याधुनिक के साथ तुलनीय है। विरोधाभासी उदाहरणों पर प्रयोगात्मक परिणामों से पता चलता है कि अधिक वाक्यविन्यास जानकारी को एन्कोड करके मॉडल की मजबूती में सुधार किया जाता है। |
32cde90437ab5a70cf003ea36f66f2de0e24b3ab | जटिल शहरी सड़क दृश्यों की दृश्य समझ कई प्रकार के अनुप्रयोगों के लिए एक सक्षम कारक है। ऑब्जेक्ट डिटेक्शन को बड़े पैमाने पर डेटासेट से बहुत लाभ हुआ है, विशेष रूप से डीप लर्निंग के संदर्भ में। हालांकि, सिमेंटिक शहरी दृश्य समझ के लिए, कोई भी वर्तमान डेटासेट वास्तविक दुनिया के शहरी दृश्यों की जटिलता को पर्याप्त रूप से कैप्चर नहीं करता है। इस समस्या को हल करने के लिए, हम Cityscapes का परिचय देते हैं, जो एक बेंचमार्क सूट और बड़े पैमाने पर डेटासेट है जो पिक्सेल-स्तर और उदाहरण-स्तर अर्थ-लेबलिंग के लिए दृष्टिकोण को प्रशिक्षित और परीक्षण करने के लिए है। सिटीस्केप में 50 विभिन्न शहरों की सड़कों पर रिकॉर्ड किए गए स्टीरियो वीडियो अनुक्रमों का एक बड़ा, विविध सेट शामिल है। इनमें से 5000 छवियों में उच्च गुणवत्ता वाले पिक्सेल-स्तर के एनोटेशन हैं, 20 000 अतिरिक्त छवियों में मोटे एनोटेशन हैं जो कमजोर लेबल वाले डेटा की बड़ी मात्रा का लाभ उठाने वाली विधियों को सक्षम करते हैं। महत्वपूर्ण रूप से, हमारा प्रयास डेटासेट आकार, एनोटेशन समृद्धि, दृश्य परिवर्तनशीलता और जटिलता के संदर्भ में पिछले प्रयासों से अधिक है। हमारे साथ-साथ अनुभवजन्य अध्ययन डेटासेट विशेषताओं का गहन विश्लेषण प्रदान करता है, साथ ही हमारे बेंचमार्क के आधार पर कई अत्याधुनिक दृष्टिकोणों के प्रदर्शन मूल्यांकन भी प्रदान करता है। |
7c5f143adf1bf182bf506bd31f9ddb0f302f3ce9 | |
ceb7784d1bebbc8e97e97cbe2b3b76bce1e708a5 | बिजनेस इंटेलिजेंस (बीआई) आजकल हर किसी के होंठों पर है, क्योंकि यह व्यवसायों को उनके व्यापार प्रथाओं का विश्लेषण करने और उन्हें सुधारने की संभावना प्रदान करता है। हालांकि, छोटे और मध्यम उद्यम (एसएमई) अक्सर कर्मियों, ज्ञान या धन जैसे संसाधनों की कमी के कारण बीआई के सकारात्मक प्रभावों का लाभ नहीं उठा सकते हैं। चूंकि एसएमई व्यवसाय संगठन का एक प्रमुख रूप है, इसलिए इस तथ्य को दूर करना होगा। चूंकि खुदरा उद्योग एसएमई शाखा का एक महत्वपूर्ण हिस्सा है, इसलिए हम खुदरा एसएमई के लिए एक बीआई प्रणाली के लिए एक अंतर-संगठन दृष्टिकोण का प्रस्ताव करते हैं, जो उन्हें सहयोगात्मक रूप से डेटा एकत्र करने और विश्लेषण कार्य करने की अनुमति देता है। हमारे चल रहे अनुसंधान प्रयास का उद्देश्य डिजाइन विज्ञान अनुसंधान पद्धति के अनुसार ऐसी प्रणाली का विकास करना है। इस लेख में, दस एसएमई प्रबंधकों के साथ गुणात्मक साक्षात्कार के माध्यम से खुदरा उद्योग में एसएमई में वर्तमान बीआई प्रथाओं की यथास्थिति का विश्लेषण किया गया है। इसके बाद, बीआई प्रणालियों और अंतर-संगठन सूचना प्रणालियों के अपनाने और सफलता के कारकों को एक व्यापक संरचित साहित्य समीक्षा में तैयार किया जाता है। यथास्थिति और अपनाने और सफलता कारकों के आधार पर, अंतर-संगठनिक बीआई प्रणाली की स्वीकृति के लिए पहली आवश्यकताओं की पहचान और गुणात्मक साक्षात्कार के एक और दौर में मान्य किया जाता है। इससे नौ कार्यात्मक आवश्यकताएं और तीन गैर कार्यात्मक आवश्यकताएं सामने आती हैं, जिनका उपयोग निम्न शोध प्रयासों में एसएमई के लिए एक अंतर-संगठन बीआई प्रणाली को डिजाइन करने और लागू करने के लिए किया जा सकता है। |
43e33e80d74205e860dd4b8e26b7c458c60e201a | हम दिखाते हैं कि वजन और पूर्वाग्रहों पर एक उपयुक्त पूर्व के साथ एक (अवशिष्ट) संवहन तंत्रिका नेटवर्क (सीएनएन) का उत्पादन अनंत रूप से कई संवहन फिल्टर की सीमा में एक गॉसियन प्रक्रिया (जीपी) है, घने नेटवर्क के लिए समान परिणामों का विस्तार करता है। सीएनएन के लिए, समकक्ष कर्नेल को ठीक से गणना की जा सकती है और, गहरे कर्नेल के विपरीत, बहुत कम पैरामीटर होते हैंः केवल मूल सीएनएन के हाइपरपैरामीटर। इसके अलावा, हम दिखाते हैं कि इस कर्नेल में दो गुण हैं जो इसे कुशलता से गणना करने की अनुमति देते हैं; छवियों की एक जोड़ी के लिए कर्नेल का मूल्यांकन करने की लागत मूल सीएनएन के माध्यम से केवल एक फिल्टर प्रति परत के साथ एक एकल आगे पास के समान है। 32-परत ResNet के बराबर कर्नेल MNIST पर 0.84% वर्गीकरण त्रुटि प्राप्त करता है, जो कि समान संख्या में मापदंडों वाले जीपी के लिए एक नया रिकॉर्ड है। 1 |
1e38c680492a958a2bd616a9a7121f905746a37e | बिटकॉइन प्रणाली (https://bitcoin.org) एक छद्म-अज्ञात मुद्रा है जो किसी उपयोगकर्ता को किसी भी वास्तविक दुनिया की पहचान से अलग कर सकती है। उस संदर्भ में, आभासी और भौतिक विभाजन का एक सफल उल्लंघन बिट-कॉइन प्रणाली में एक महत्वपूर्ण बदलाव का प्रतिनिधित्व करता है [1]। इस परियोजना में हम प्रदर्शन कैसे Bitcoin लेनदेन के पीछे वास्तविक दुनिया उपयोगकर्ताओं के बारे में जानकारी प्राप्त करने के लिए। हम क्रिप्टोकरेंसी के बारे में सार्वजनिक रूप से उपलब्ध डेटा का विश्लेषण करते हैं। विशेष रूप से, हम उस उपयोगकर्ता की खर्च करने की आदतों की जांच करके बिटकॉइन उपयोगकर्ता के भौतिक स्थान के बारे में जानकारी निर्धारित करने पर ध्यान केंद्रित करते हैं। |
2c0a239caa3c2c590e4d6f23ad01c1f77adfc7a0 | |
5f6d9b8461a9d774da12f1b363eede4b7088cf5d | पहले के शोध परिणामों से पता चला कि UHF निष्क्रिय CMOS RFID टैग को -20 dBm से कम संवेदनशीलता प्राप्त करने में कठिनाई थी। यह पेपर एक दोहरे चैनल 15-बिट यूएचएफ निष्क्रिय सीएमओएस आरएफआईडी टैग प्रोटोटाइप प्रस्तुत करता है जो -20 डीबीएम से कम संवेदनशीलता पर काम कर सकता है। प्रस्तावित टैग चिप ऊर्जा की कटाई करती है और 866.4-MHz (ETSI के लिए) या 925-MHz (FCC के लिए) चैनल पर अपलिंक डेटा को बैकस्कैटर करती है और 433-MHz चैनल पर डाउनलिंक डेटा प्राप्त करती है। नतीजतन, डाउनलिंक डेटा ट्रांसमिशन आरएफ ऊर्जा की कटाई से हमारे टैग को बाधित नहीं करता है। संचित ऊर्जा का कुशलतापूर्वक उपयोग करने के लिए, हम एक टैग चिप डिजाइन करते हैं जिसमें न तो एक नियामक और न ही एक वीसीओ शामिल है ताकि संचित ऊर्जा का उपयोग पूरी तरह से डेटा प्राप्त करने, प्रसंस्करण और बैकस्केटिंग में किया जाए। एक नियामक के बिना, हमारे टैग रिसीवर सामने के अंत में संभव के रूप में कम सक्रिय एनालॉग सर्किट का उपयोग करता है. इसके बजाय, हमारे टैग प्राप्त डेटा को डिकोड करने के लिए एक उपन्यास डिजिटल सर्किट का उपयोग करता है। वीसीओ के बिना, हमारे टैग का डिज़ाइन डाउनलिंक डेटा से आवश्यक घड़ी सिग्नल निकाल सकता है। माप परिणाम से पता चलता है कि प्रस्तावित निष्क्रिय टैग चिप की संवेदनशीलता -21.2 डीबीएम तक पहुंच सकती है। ऐसा परिणाम 36-डीबीएम ईआईआरपी और 0.4-डीबीआई टैग एंटीना लाभ के तहत 19.6 मीटर रीडर-टू-टैग दूरी के अनुरूप है। चिप टीएसएमसी 0.18-μm सीएमओएस प्रक्रिया में निर्मित की गई थी। मरने का क्षेत्रफल 0.958 मिमी × 0.931 मिमी है। |
4991785cb0e6ee3d0b7823b59e144fb80ca3a83e | |
2f3a6728b87283ccf0f8822f7a60bca8280f0957 | एकत्रित खोज वेब खोज परिणामों में संभावित रूप से कई विशेष खोज सेवाओं, या ऊर्ध्वाधर से परिणामों को एकीकृत करने का कार्य है। कार्य के लिए न केवल यह अनुमान लगाना आवश्यक है कि कौन से लंबवत प्रस्तुत करने के लिए (अधिकांश पूर्व अनुसंधान का ध्यान), बल्कि यह भी अनुमान लगाना आवश्यक है कि वेब परिणामों में उन्हें कहां प्रस्तुत करना है (यानी, वेब परिणामों के ऊपर या नीचे, या कहीं बीच में) । कई वर्टिकल से परिणामों को एकत्रित करने के लिए मॉडल सीखना दो प्रमुख चुनौतियों से जुड़ा है। सबसे पहले, क्योंकि ऊर्ध्वाधर विभिन्न प्रकार के परिणामों को पुनः प्राप्त करते हैं और विभिन्न खोज कार्यों को संबोधित करते हैं, विभिन्न ऊर्ध्वाधरों के परिणाम विभिन्न प्रकार के भविष्य कहनेवाला साक्ष्य (या सुविधाओं) से जुड़े होते हैं। दूसरा, जब भी एक विशेषता लंबवत में आम है, तो इसकी भविष्यवाणी लंबवत-विशिष्ट हो सकती है। इसलिए, ऊर्ध्वाधर परिणामों को एकत्र करने के दृष्टिकोणों को ऊर्ध्वाधरों में एक असंगत सुविधा प्रतिनिधित्व को संभालने की आवश्यकता होती है, और संभावित रूप से, सुविधाओं और प्रासंगिकता के बीच एक ऊर्ध्वाधर-विशिष्ट संबंध। हम तीन सामान्य दृष्टिकोण प्रस्तुत करते हैं जो इन चुनौतियों को अलग-अलग तरीकों से संबोधित करते हैं और 13 ऊर्ध्वाधर और 1070 प्रश्नों के एक सेट में उनके परिणामों की तुलना करते हैं। हम दिखाते हैं कि सबसे अच्छा दृष्टिकोण वे हैं जो सीखने एल्गोरिथ्म को सुविधाओं और प्रासंगिकता के बीच एक ऊर्ध्वाधर-विशिष्ट संबंध सीखने की अनुमति देते हैं। |
b8945cfb7ed72c0fd70263379c328b8570bd763f | |
a2770a51760a134dbb77889d5517550943ea7b81 | 2जी/3जी/एलटीई संचार के लिए उच्च लाभ के साथ एक कॉम्पैक्ट दोहरे ध्रुवीकृत दोहरे बैंड सर्वदिशात्मक एंटीना प्रस्तुत की गई है, जिसमें दो क्षैतिज ध्रुवीकरण (एचपी) और एक ऊर्ध्वाधर ध्रुवीकरण (वीपी) तत्व शामिल हैं। ऊपरी एचपी तत्व में चार जोड़े संशोधित मुद्रित मैग्नेटो-इलेक्ट्रिक (एमई) डायपोल होते हैं जो चार-तरफा पावर डिवाइडर फीडिंग नेटवर्क द्वारा खिलाए जाते हैं, और आठ आर्क-आकार के परजीवी पैच के टुकड़े होते हैं जो सर्कुलर मुद्रित सर्किट बोर्ड के दोनों किनारों पर बारी-बारी से मुद्रित होते हैं। चार-तरफा पावर डिवाइडर फीडिंग नेटवर्क के साथ-साथ एमई डायपोल के चार जोड़े मुख्य रूप से एक स्थिर 360 डिग्री विकिरण पैटर्न और उच्च लाभ प्रदान करते हैं, जबकि आठ टुकड़ों के पैच का उपयोग बैंडविड्थ को बढ़ाने के लिए किया जाता है। निचला एचपी तत्व ऊपरी एक के समान है सिवाय इसके कि इसमें परजीवी पैच नहीं हैं। वीपी तत्व में शंकु के आकार के चार जोड़े होते हैं। एचपी तत्व से भिन्न, ऊपरी वीपी तत्व निचले आवृत्ति बैंड प्रदान करता है जबकि निचला वीपी एक ऊपरी आवृत्ति बैंड देता है। वीपी तत्व और एचपी तत्व को कॉम्पैक्ट और दोहरी ध्रुवीकृत सुविधाओं को प्राप्त करने के लिए लंबवत रूप से व्यवस्थित किया गया है। मापा परिणामों से पता चलता है कि एचपी दिशा के लिए लगभग 2.6 डीबीआई के लाभ के साथ 39.6% (0.77-1.15 गीगाहर्ट्ज) की बैंडविड्थ और लगभग 4.5 डीबीआई के लाभ के साथ 55.3% (1.66-2.93 गीगाहर्ट्ज) की बैंडविड्थ प्राप्त की जा सकती है, जबकि वीपी दिशा के लिए लगभग 4.4 डीबीआई के लाभ के साथ 128% (0.7-3.2 गीगाहर्ट्ज) की बैंडविड्थ प्राप्त की जा सकती है। पोर्ट अलगाव 20 डीबी से अधिक और 2 डीबीआई के भीतर कम लाभ भिन्नता स्तर भी प्राप्त होते हैं। इसलिए प्रस्तावित एंटीना 2जी/3जी/एलटीई इनडोर संचार के लिए उपयुक्त है। |
33a1ee51cc5d51609943896a95c1371538f2d017 | |
1eb0bf4b9bf04e870962b742c4fc6cb330d1235a | व्यावसायिक प्रक्रिया प्रबंधन पर अधिकांश साहित्य में दी गई व्यावसायिक प्रक्रिया की परिभाषाएँ गहराई में सीमित हैं और व्यावसायिक प्रक्रियाओं के उनके संबंधित मॉडल इसी प्रकार सीमित हैं। उत्पादन प्रणालियों से लेकर कार्यालय वातावरण तक व्यावसायिक प्रक्रिया मॉडलिंग तकनीकों की प्रगति का संक्षिप्त इतिहास देने के बाद, यह पत्र प्रस्तावित करता है कि अधिकांश परिभाषाएं एक प्रक्रिया के मशीन रूपक प्रकार के अन्वेषण पर आधारित हैं। यद्यपि ये तकनीकें अक्सर समृद्ध और ज्ञानवर्धक होती हैं, लेकिन यह सुझाव दिया जाता है कि वे व्यावसायिक प्रक्रियाओं की वास्तविक प्रकृति को व्यक्त करने के लिए बहुत सीमित हैं जिन्हें आज के चुनौतीपूर्ण वातावरण में विकसित और अनुकूलित करने की आवश्यकता है। |
bc018fc951c124aa4519697f1884fd5afaf43439 | एक व्यापक-बैंड समतल एंटीना के सैद्धांतिक और प्रयोगात्मक परिणाम प्रस्तुत किए गए हैं। यह एंटीना एक विस्तृत बैंडविड्थ, कम क्रॉस-पोलराइजेशन स्तर और कम पिछड़े विकिरण स्तर प्राप्त कर सकता है। व्यापक बैंडविड्थ और सक्रिय सर्किट के साथ आसान एकीकरण के लिए, यह एपर्चर-कपल्ड स्टैक्ड स्क्वायर पैच का उपयोग करता है। युग्मन एपर्चर एक एच-आकार का एपर्चर है। परिमित-भिन्नता समय-क्षेत्र विधि के आधार पर, एंटेना के इनपुट प्रतिबाधा का एक पैरामीटर अध्ययन प्रस्तुत किया गया है, और एंटेना प्रतिबाधा पर प्रत्येक पैरामीटर के प्रभावों को चित्रित किया गया है। एक एंटीना भी डिजाइन, निर्मित और मापा जाता है। मापा गया वापसी हानि 21.7% की प्रतिबाधा बैंडविड्थ प्रदर्शित करता है। दोनों और विमानों में क्रॉस-ध्रुवीकरण स्तर 23 डीबी से बेहतर हैं। एंटीना विकिरण पैटर्न का आगे-पीछे का अनुपात 22 डीबी से बेहतर है। पैरामीटर और विकिरण पैटर्न के सैद्धांतिक और प्रयोगात्मक परिणाम प्रस्तुत और चर्चा की जाती है। |
5adcac7d15ec8999fa2beb62f0ddc6893884e080 | फिंगरप्रिंट अभिविन्यास फिंगरप्रिंट वृद्धि, फिंगरप्रिंट वर्गीकरण और फिंगरप्रिंट मान्यता में महत्वपूर्ण भूमिका निभाता है। इस पत्र में फिंगरप्रिंट अभिविन्यास अनुमान पर प्राथमिक प्रगति की आलोचनात्मक समीक्षा की गई है। मौजूदा विधियों के लाभों और सीमाओं को संबोधित किया गया है। भविष्य के विकास के मुद्दों पर चर्चा की गई है। कॉपीराइट © 2010 जॉन विले एंड संस, लिमिटेड |
568cff415e7e1bebd4769c4a628b90db293c1717 | वीडियो की विशाल मात्रा अब आश्चर्यजनक दरों पर कैप्चर की जा रही है, लेकिन इनमें से अधिकांश को लेबल नहीं दिया गया है। इस तरह के डेटा से निपटने के लिए, हम बिना किसी मैन्युअल रूप से लेबल किए गए उदाहरणों के वीडियो में सामग्री-आधारित गतिविधि मान्यता के कार्य पर विचार करते हैं, जिसे शून्य-शॉट वीडियो मान्यता के रूप में भी जाना जाता है। इसे प्राप्त करने के लिए, वीडियो को पहचान की गई दृश्य अवधारणाओं के संदर्भ में दर्शाया जाता है, जिन्हें तब किसी दिए गए पाठ क्वेरी के साथ उनकी समानता के अनुसार प्रासंगिक या अप्रासंगिक के रूप में स्कोर किया जाता है। इस पेपर में, हम पिछले काम की कई भंगुरता और कम सटीकता समस्याओं को कम करने के लिए अवधारणाओं को स्कोरिंग के लिए एक अधिक मजबूत दृष्टिकोण का प्रस्ताव करते हैं। हम केवल अर्थ संबंधी संबंध, दृश्य विश्वसनीयता और भेदभाव शक्ति पर विचार नहीं करते हैं। चयनित अवधारणाओं के रैंकिंग स्कोर में शोर और गैर-रैखिकता को संभालने के लिए, हम स्कोर एकत्रीकरण के लिए एक उपन्यास जोड़ी क्रम मैट्रिक्स दृष्टिकोण का प्रस्ताव करते हैं। बड़े पैमाने पर TRECVID मल्टीमीडिया इवेंट डिटेक्शन डेटा पर व्यापक प्रयोगों से हमारे दृष्टिकोण की श्रेष्ठता का पता चलता है। |
a62ac71cd51124973ac57c87d09a3461ecbd8e61 | न्यूनतम माध्य चौथा (एलएमएफ) एल्गोरिथ्म का व्यवहार विशेष रुचि का है। इस एल्गोरिथ्म की तुलना एलएमएस एल्गोरिथ्म से करते हुए, जब दोनों को वजन छूट प्रक्रिया के लिए बिल्कुल समान समय स्थिरांक के लिए सेट किया जाता है, तो एलएमएफ एल्गोरिथ्म, कुछ परिस्थितियों में, एलएमएस एल्गोरिथ्म की तुलना में काफी कम वजन शोर होगा। इसलिए यह संभव है कि एक न्यूनतम माध्य चौथा त्रुटि एल्गोरिथ्म एक माध्य वर्ग त्रुटि एल्गोरिथ्म की तुलना में कम से कम वर्गों के अनुमान का बेहतर काम कर सकता है। इस दिलचस्प अवधारणा का सभी प्रकार के अनुकूली एल्गोरिदम के लिए प्रभाव है, चाहे वे सबसे अधिक उतार-चढ़ाव पर आधारित हों या अन्यथा। अनुकूली फ़िल्टरिंग के लिए नए सबसे अधिक उतार-चढ़ाव वाले एल्गोरिदम तैयार किए गए हैं जो औसत चौथे और औसत छठे आदि अर्थ में त्रुटि को कम करने की अनुमति देते हैं। अनुकूलन के दौरान, भार अपने इष्टतम समाधानों की ओर घातीय विश्राम से गुजरते हैं। समय स्थिरांक प्राप्त किए गए हैं, और आश्चर्यजनक रूप से वे समय स्थिरांक के आनुपातिक हैं जो कि विड्रो और हॉफ के सबसे कम औसत वर्ग (एलएमएस) एल्गोरिथ्म का उपयोग किया गया होता। नए ग्रेडिएंट एल्गोरिदम एलएमएस एल्गोरिदम की तुलना में प्रोग्राम करने और गणना करने के लिए अधिक जटिल हैं। इनका सामान्य रूप W J+l = w, t 2plqK-lx,, जहां W, वर्तमान भार वेक्टर है, W, + 1 अगला भार वेक्टर है, r, वर्तमान त्रुटि है, X, वर्तमान इनपुट वेक्टर है, u स्थिरता और अभिसरण की दर को नियंत्रित करने वाला एक स्थिर है, और 2 K त्रुटि के घातांक को कम से कम किया जा रहा है। नए ढाल एल्गोरिदम के लिए माध्य और विचलन के भार-वेक्टर अभिसरण के लिए शर्तें प्राप्त की गई हैं। |
5896b9299d100bdd10fee983fe365dc3bcf35a67 | यह पेपर निरंतर स्वास्थ्य निगरानी के लिए एक गैर-आक्रामक वायरलेस सेंसर प्लेटफॉर्म प्रस्तुत करता है। सेंसर प्रणाली एक पाश एंटीना, वायरलेस सेंसर इंटरफ़ेस चिप, और एक बहुलक सब्सट्रेट पर ग्लूकोज सेंसर को एकीकृत करती है। आईसी में पावर मैनेजमेंट, रीडआउट सर्किट्री, वायरलेस कम्युनिकेशन इंटरफेस, एलईडी ड्राइवर और ऊर्जा भंडारण कैपेसिटर होते हैं, जो 0.36-मिमी2 सीएमओएस चिप में होते हैं, जिसमें कोई बाहरी घटक नहीं होते हैं। हमारे ग्लूकोज सेंसर की संवेदनशीलता 0.18 μA·mm-2·mM-1 है। यह प्रणाली वायरलेस रूप से संचालित होती है और विनियमित 1.2-वोल्ट आपूर्ति से 3 μW की खपत करते हुए 400 हर्ट्ज/एमएम की संवेदनशीलता के साथ 0.05-1 एमएम की मापी गई ग्लूकोज रेंज प्राप्त करती है। |
622c5da12c87ecc3ea8be91f79192b6e0ee559d2 | इस सैद्धांतिक संश्लेषण में, हम उपयोगकर्ता भागीदारी और भागीदारी पर पूर्व शोध की तीन परंपराओं को एक साथ रखते हैंः उपयोगकर्ता भागीदारी और आईएस सफलता के बीच संबंध पर सर्वेक्षण और प्रयोगात्मक साहित्य, वैकल्पिक विकास दृष्टिकोण पर मानक साहित्य, और गुणात्मक अध्ययन जो विभिन्न प्रकार के सैद्धांतिक दृष्टिकोणों से उपयोगकर्ता भागीदारी की जांच करते हैं। हम तीनों साहित्यों में हुई प्रगति का भी आकलन करते हैं और उपयोगकर्ता भागीदारी में सुधार के लिए भविष्य के शोध के अंतरालों और दिशाओं की पहचान करते हैं। |
24beb987b722d4a25d3157a43000e685aa8f8874 | इस पेपर में एक सांख्यिकीय मॉडल प्रस्तुत किया गया है जो भाग के भाषण टैग के साथ एनोटेट किए गए एक कोरपस से ट्रेन करता है और उन्हें कला की सटीकता के साथ पहले से अदृश्य पाठ को सौंपता है मॉडल को अधिकतम एन्ट्रोपी मॉडल के रूप में वर्गीकृत किया जा सकता है और साथ ही पीओएस टैग की भविष्यवाणी करने के लिए कई प्रासंगिक सुविधाओं का उपयोग करता है इसके अलावा यह पेपर मॉडल के लिए विशेष सुविधाओं के उपयोग का प्रदर्शन करता है मुश्किल टैगिंग निर्णय इन सुविधाओं के कार्यान्वयन के दौरान खोजे गए कोरपस स्थिरता समस्याओं पर चर्चा करता है और इन समस्याओं को कम करने के लिए एक प्रशिक्षण रणनीति का प्रस्ताव करता है |
6a2fe560574b76994ab1148b4dae0bfb89e3a3e3 | मानव धारणा का एक महत्वपूर्ण पहलू प्रत्याशा और प्रत्याशा है कि एक मानव कौन सी गतिविधियाँ करेगा (और उन्हें कैसे करना है) कई अनुप्रयोगों के लिए उपयोगी है, उदाहरण के लिए, प्रत्याशा एक सहायक रोबोट को मानव वातावरण में प्रतिक्रियाशील प्रतिक्रियाओं के लिए आगे की योजना बनाने में सक्षम बनाती है। इस कार्य में हम वस्तुओं के सामर्थ्य के माध्यम से समृद्ध स्थानिक-समय संबंधों के बारे में तर्क करके विभिन्न संभावित भविष्य की मानव गतिविधियों को उत्पन्न करने के लिए एक रचनात्मक दृष्टिकोण प्रस्तुत करते हैं। हम प्रत्येक संभावित भविष्य का प्रतिनिधित्व एक पूर्वानुमानित अस्थायी सशर्त यादृच्छिक क्षेत्र (एटीसीआरएफ) का उपयोग करके करते हैं जहां हम भविष्य के ऑब्जेक्ट प्रक्षेपवक्र और मानव मुद्राओं के अनुरूप नोड्स और किनारों का नमूना लेते हैं। हम फिर निर्मित एटीसीआरएफ कणों के एक सेट का उपयोग करके संभावित भविष्य के वितरण का प्रतिनिधित्व करते हैं। CAD-120 मानव गतिविधि RGB-D डेटासेट पर व्यापक मूल्यांकन में, नए विषयों के लिए (प्रशिक्षण सेट में नहीं देखा गया), हम 75.4%, 69.2% और 58.1% की गतिविधि प्रत्याशा सटीकता (परिभाषित करते हैं कि क्या शीर्ष तीन भविष्यवाणियों में से एक वास्तव में हुआ) क्रमशः 1, 3 और 10 सेकंड के प्रत्याशा समय के लिए। 1 |
ea38789c6687e7ccb483693046fff5293e903c51 | हम एक बैच सुदृढीकरण सीखने (आरएल) एल्गोरिथ्म प्रस्तुत करते हैं जो प्रत्येक नीति की गुणवत्ता के बारे में संभाव्य गारंटी प्रदान करता है जो यह प्रस्तावित करता है, और जिसमें कोई हाइपर-पैरामीटर नहीं है जिसके लिए विशेषज्ञ ट्यूनिंग की आवश्यकता होती है। उपयोगकर्ता किसी भी प्रदर्शन निचले-सीमा, ρ−, और विश्वास स्तर, δ का चयन कर सकता है, और हमारा एल्गोरिथ्म यह सुनिश्चित करेगा कि यह एक ऐसी नीति को लौटाता है जिसके प्रदर्शन ρ− से कम है, जो अधिकतम δ है। हम तब एक वृद्धिशील एल्गोरिथ्म का प्रस्ताव है कि हमारे नीति सुधार एल्गोरिथ्म बार-बार निष्पादित करता है कई नीति सुधार उत्पन्न करने के लिए। हम एक सरल ग्रिडवर्ल्ड और मानक पर्वत कार समस्या के साथ-साथ एक डिजिटल मार्केटिंग एप्लिकेशन के साथ हमारे दृष्टिकोण की व्यवहार्यता दिखाते हैं जो वास्तविक दुनिया के डेटा का उपयोग करता है। |
780b05a35f2c7dd4b4d6e2a844ef5e145f1972ae | बहु-बदल संवादों में, प्राकृतिक भाषा समझ मॉडल संदर्भ संबंधी जानकारी के लिए अंधा होने से स्पष्ट त्रुटियां पेश कर सकते हैं। संवाद इतिहास को शामिल करने के लिए, हम स्पीकर-संवेदनशील दोहरी स्मृति नेटवर्क के साथ एक तंत्रिका वास्तुकला प्रस्तुत करते हैं जो वक्ता के आधार पर अलग-अलग उच्चारण को एन्कोड करते हैं। यह प्रणाली के लिए उपलब्ध सूचनाओं के विभिन्न स्तरों को संबोधित करता है - प्रणाली केवल उपयोगकर्ता के अभिव्यक्तियों के सतह रूप को जानती है जबकि इसमें सिस्टम आउटपुट का सटीक अर्थशास्त्र होता है। हमने प्रयोग किया वास्तविक उपयोगकर्ता डेटा पर माइक्रोसॉफ्ट कॉर्टाना से, एक वाणिज्यिक व्यक्तिगत सहायक। परिणाम ने प्रासंगिक जानकारी का उपयोग करते हुए अत्याधुनिक स्लॉट टैगिंग मॉडल की तुलना में एक महत्वपूर्ण प्रदर्शन सुधार दिखाया। |
259bbc822121df705bf3d5898ae031cd712505ea | 1मोबाइल संचार विभाग, इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर विज्ञान स्कूल, बर्लिन तकनीकी विश्वविद्यालय, बर्लिन, जर्मनी 2वायरलेस नेटवर्किंग, सिग्नल प्रोसेसिंग और सुरक्षा प्रयोगशाला, इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग विभाग, ह्यूस्टन विश्वविद्यालय, ह्यूस्टन, TX 77004, यूएसए 3संचार प्रणालियों का प्रभाग, इलेक्ट्रिकल इंजीनियरिंग (ISY) विभाग, लिंकोपिंग विश्वविद्यालय, SE-581 83 लिंकोपिंग, स्वीडन 4संचार प्रयोगशाला, इलेक्ट्रिकल इंजीनियरिंग और सूचना प्रौद्योगिकी संकाय, ड्रेसडेन प्रौद्योगिकी विश्वविद्यालय, 01062 ड्रेसडेन, जर्मनी |
4eca7aa4a96300caf8622d666ecf5635d8b72132 | मानव गतिविधियों की सही पहचान करने की क्षमता स्वचालित पुनर्वास और खेल प्रशिक्षण प्रणालियों के विकास के लिए आवश्यक है। इस पेपर में, एक अग्र-हस्त पहने हुए पहनने योग्य सेंसर से प्राप्त बड़े पैमाने पर व्यायाम गति डेटा को एक संवहन तंत्रिका नेटवर्क (सीएनएन) के साथ वर्गीकृत किया गया है। त्वरणमापक और अभिविन्यास माप से युक्त समय-श्रृंखला डेटा को छवियों के रूप में स्वरूपित किया जाता है, जिससे सीएनएन स्वचालित रूप से भेदभावपूर्ण विशेषताओं को निकालने की अनुमति देता है। छवि स्वरूपण और विभिन्न सीएनएन वास्तुकला के प्रभावों पर एक तुलनात्मक अध्ययन भी प्रस्तुत किया गया है। सबसे अच्छा प्रदर्शन करने वाला कॉन्फ़िगरेशन 92.1% सटीकता के साथ 50 जिम अभ्यासों को वर्गीकृत करता है। |
1b1a829c43f1a4f3a3d70f033a1b8e7bee1f7112 | |
6abac64862f7d207cac58c6a93f75dc80d74e575 | |
5fb874a1c8106a5b2b2779ee8e1433149109ba00 | डेटा से बेयसियन नेटवर्क सीखने के लिए एल्गोरिदम में दो घटक होते हैंः एक स्कोरिंग मीट्रिक और एक खोज प्रक्रिया। स्कोरिंग मीट्रिक डेटा के लिए संरचना की अच्छाई-ऑफ-टी को दर्शाते हुए एक स्कोर की गणना करता है। खोज प्रक्रिया उच्च स्कोर के साथ नेटवर्क संरचनाओं की पहचान करने की कोशिश करती है। हेकरमैन एट अल। (1995) बेयसियन मीट्रिक का परिचय देते हैं, जिसे बीडीई मीट्रिक कहा जाता है, जो दिए गए डेटा के आधार पर नेटवर्क संरचना की सापेक्ष पिछली संभावना की गणना करता है। इस पेपर में, हम दिखाते हैं कि बेयसन नेटवर्क की पहचान करने की खोज समस्या उन लोगों के बीच जहां प्रत्येक नोड में अधिकतम K माता-पिता होते हैं, जिसमें एक दिए गए स्थिरांक से अधिक सापेक्ष पिछली संभावना होती है, जब बीडीई मीट्रिक का उपयोग किया जाता है तो एनपी-पूर्ण होता है। 12.1 परिचय हाल ही में, कई शोधकर्ताओं ने बेयसियन नेटवर्क सीखने के तरीकों की जांच शुरू कर दी है। इनमें से कई दृष्टिकोणों में समान मूलभूत घटक होते हैंः एक स्कोरिंग मीट्रिक और एक खोज प्रक्रिया। स्कोरिंग मीट्रिक अवलोकन मामलों के एक डेटाबेस डी और एक नेटवर्क संरचना बी एस लेता है, और संरचना के लिए डेटा की अच्छाई-टी को दर्शाता स्कोर देता है। एक खोज प्रक्रिया स्कोरिंग मीट्रिक द्वारा मूल्यांकन के लिए नेटवर्क उत्पन्न करती है। ये दृष्टिकोण नेटवर्क संरचना या संरचनाओं के सेट की पहचान करने के लिए दो घटकों का उपयोग करते हैं जिनका उपयोग भविष्य की घटनाओं की भविष्यवाणी करने या कारण संबंधों को अनुमान लगाने के लिए किया जा सकता है। कूपर और हर्स्कोविट्स (1992) ने एक बेयसी मेट्रिक को प्राप्त किया, जिसे हम बीडी मेट्रिक कहते हैं, जो बेयसी नेटवर्क के बारे में उचित धारणाओं के एक सेट से है, जिसमें केवल असतत चर होते हैं। हेकरमैन एट अल। (1995) जिसे यहाँ HGC कहा गया है, CH के काम पर आधारित एक नया मीट्रिक प्राप्त करने के लिए, जिसे हम BDe मीट्रिक कहते हैं, जिसमें संभावना समकक्षता की वांछनीय संपत्ति है। संभावना समकक्षता का कहना है कि डेटा समकक्ष संरचनाओं के भेदभाव में मदद नहीं कर सकता है। अब हम सीएच द्वारा प्राप्त बीडी मीट्रिक प्रस्तुत करते हैं। हम बी एच एस का उपयोग उस परिकल्पना को दर्शाने के लिए करते हैं कि बी एस वितरण का एक आई-मैप है जिसने डेटाबेस उत्पन्न किया है। 2 एक विश्वास-नेटवर्क संरचना बी एस को देखते हुए, हम x i के माता-पिता को दर्शाने के लिए i का उपयोग करते हैं। हम r i का उपयोग चर x i की अवस्थाओं की संख्या को दर्शाने के लिए करते हैं, और q i = Q x l 2 i r l का उपयोग i के उदाहरणों की संख्या को दर्शाने के लिए करते हैं। हम पूर्णांक j का उपयोग इन उदाहरणों को अनुक्रमित करने के लिए करते हैं। यही है, हम लिखते हैं i = j x i के माता-पिता के जेथ उदाहरण के अवलोकन को इंगित करने के लिए। 1996 स्प्रिंगर-वेरलाग. 2 एक है ... |
7783fd2984ac139194d21c10bd83b4c9764826a3 | कम्प्यूटेशनल उपकरणों के क्षेत्रों को बनाने के लिए संभाव्य पद्धति। लेकिन मुझे डिब्बाबंद होने की जरूरत थी, बेयसियन नेटवर्क हाल ही में मजबूत काम किया। हाल ही में मैंने इस पुस्तक को प्रकाशित किया था। बुद्धिमान प्रणालियों में अनुसंधानकर्ताओं के लिए एआई संचालन अनुसंधान उत्कृष्टता पुरस्कार है। मैं कैसे यह किया गया है के बारे में बहुत चिंतित. जाहिर तौर पर डाफनी कोलर और सीखने संरचनाओं साक्ष्य तर्क। मोती एक भाषा है जो मैं जानता हूँ। इसके प्रारंभिक प्रकाशन की तारीख के बावजूद यह, महान नहीं है सबसे अच्छा संदर्भ दे। |
5c386d601ffcc75f7635a4a5c6066824b37b9425 | आजकल, पंजीकरण फॉर्म के साथ एक लोकप्रिय वेब साइट खोजना मुश्किल है जो एक स्वचालित मानव प्रमाण परीक्षण द्वारा संरक्षित नहीं है जो एक छवि में वर्णों के अनुक्रम को प्रदर्शित करता है, और उपयोगकर्ता को इनपुट फ़ील्ड में अनुक्रम दर्ज करने का अनुरोध करता है। यह सुरक्षा तंत्र ट्यूरिंग टेस्ट पर आधारित है- जो कृत्रिम बुद्धिमत्ता की सबसे पुरानी अवधारणाओं में से एक है- और इसे अक्सर कम्प्यूटर और मनुष्यों को अलग करने के लिए पूरी तरह से स्वचालित सार्वजनिक ट्यूरिंग टेस्ट (कैप्चा) कहा जाता है। इस प्रकार के परीक्षण की कल्पना एक महत्वपूर्ण वेब संसाधन, उदाहरण के लिए, एक वेब मेल सेवा या एक सामाजिक नेटवर्क के लिए स्वचालित पहुंच को रोकने के लिए की गई है। वर्तमान में सैकड़ों ऐसे परीक्षण हैं, जो दिन में लाखों बार किए जाते हैं, इस प्रकार इसमें मानव कार्य की एक बड़ी मात्रा शामिल होती है। दूसरी ओर, इन परीक्षणों में से कई को तोड़ा गया है, यानी शोधकर्ताओं, हैकर्स और स्पैमर द्वारा डिजाइन किए गए स्वचालित कार्यक्रम स्वचालित रूप से सही उत्तर देने में सक्षम हैं। इस अध्याय में, हम कैप्चा के इतिहास और अवधारणा को उनके अनुप्रयोगों और उनके उदाहरणों की व्यापक समीक्षा के साथ प्रस्तुत करते हैं। हम उनके मूल्यांकन पर भी चर्चा करते हैं, दोनों उपयोगकर्ता और सुरक्षा दृष्टिकोण से, जिसमें प्रयोज्य, हमले और प्रतिरोध शामिल हैं। हमें उम्मीद है कि यह अध्याय पाठक को इस रोचक क्षेत्र का एक अच्छा अवलोकन प्रदान करेगा। कम्प्यूटर में सीईएस, वॉल्यूम। 83 109 Copyright © 2011 Elsevier Inc. 65-2458/DOI: 10.1016/B978-0-12-385510-7.00003-5 सभी अधिकार सुरक्षित हैं. 110 जे. एम. गोमेज़ हिडाल्गो और जी. अल्वारेज़ मारानन 1. परिचय . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 1 . 1 ट्यूरिंग टेस्ट और कैप्चा की उत्पत्ति। . . . . . . . . . . . . . . २. प्रेरणा और आवेदन . . . . . . . . . . . 127 3 . 1 ओ सी आर। . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 3 . 2 मैं उम्र हूँ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 3 . 3 . एक ऑडियो . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143 3 . 4 संज्ञानात्मक . . . . . . . . . . . . . . . 173 आर संदर्भ। . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 . . . . . . . . . . . . . . . . . . . 154 5. एस सुरक्षा और कैप्चा पर हमले। . . . . . . . . . . . . . . . . . . . 156 5 . 1. कैप्चा पर एक अटैक। . . . . . . . . . . . . . . . . . . . . . . . . . . 158 5 .2. कैप्चा पर सुरक्षा आवश्यकताएं . . . . . . . . . . . . . . . . . . 169 6. कैप्चा के लिए एक विकल्प। . . . . . . . . . . . . . . . . . . . . . . . . 1717. निष्कर्ष और भविष्य की प्रवृत्तियाँ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 4. कैप्चा का मूल्यांकन . . . . . . . . . . . . . . . . . . . . . . . . 146 4.1. ई दक्षता। . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 4 .2. एक सुलभता समस्याएँ। . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 4.3. रासायनिक विचार . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 2 . 1. कैप्चा का सामान्य विवरण . . . . . . . . . . . . . . . . . . . . 116 2 .2. कैप्चा के वांछनीय गुण . . . . . . . . . . . . . . . . . . . . 117 2 .3 मैं कार्यान्वयन और तैनाती हूँ। . . . . . . . . . . . . . . . . . . . . . 119 दो चार एक अनुप्रयोग और रोबोट का उदय . . . . . . . . . . . . . . . . . . . 121 3. कैप्चा के प्रकार . . . . . . . . . . . . . . . . . |
941a668cb77010e032a809861427fa8b1bee8ea0 | आज ईसीजी विश्लेषण और व्याख्या के लिए सिग्नल प्रोसेसिंग अधिकांश प्रणालियों में की जाती है। ईसीजी संकेत प्रसंस्करण का उद्देश्य कई प्रकार का है और इसमें माप की सटीकता और पुनरुत्पादकता में सुधार (जब मैन्युअल माप के साथ तुलना की जाती है) और सिग्नल से दृश्य मूल्यांकन के माध्यम से आसानी से उपलब्ध नहीं जानकारी का निष्कर्षण शामिल है। कई स्थितियों में, ईसीजी को एंबुलेटरी या कठिन परिस्थितियों के दौरान रिकॉर्ड किया जाता है, जैसे कि सिग्नल विभिन्न प्रकार के शोर से दूषित होता है, कभी-कभी शरीर की एक अन्य शारीरिक प्रक्रिया से उत्पन्न होता है। इसलिए, शोर में कमी ईसीजी संकेत प्रसंस्करण का एक और महत्वपूर्ण उद्देश्य है; वास्तव में, रुचि के तरंगों को कभी-कभी शोर से इतनी भारी रूप से छिपाया जाता है कि उनकी उपस्थिति केवल एक बार उचित संकेत प्रसंस्करण पहले लागू किया गया है के बाद पता लगाया जा सकता है। हृदय की लय में आंतरायिक रूप से होने वाले विकारों की पहचान करने के उद्देश्य से इलेक्ट्रोकार्डियोग्राफिक संकेतों को लंबे समय (यानी, कई दिनों) पर दर्ज किया जा सकता है। नतीजतन, उत्पन्न ईसीजी रिकॉर्डिंग विशाल डेटा आकारों में होती है जो जल्दी से उपलब्ध भंडारण स्थान को भर देती है। सार्वजनिक टेलीफोन नेटवर्क के माध्यम से संकेतों का प्रसारण एक और अनुप्रयोग है जिसमें बड़ी मात्रा में डेटा शामिल हैं। दोनों स्थितियों के लिए, डेटा संपीड़न एक आवश्यक ऑपरेशन है और, नतीजतन, ईसीजी सिग्नल प्रोसेसिंग का एक और उद्देश्य है। सिग्नल प्रोसेसिंग ने ईसीजी और इसकी गतिशील गुणों की एक नई समझ में महत्वपूर्ण योगदान दिया है, जैसा कि लय और बीट मॉर्फोलॉजी में परिवर्तन द्वारा व्यक्त किया गया है। उदाहरण के लिए, ऐसी तकनीकें विकसित की गई हैं जो हृदय प्रणाली से संबंधित दोलन की विशेषता देती हैं और हृदय गति में सूक्ष्म भिन्नताओं द्वारा परिलक्षित होती हैं। टी-वेव आयाम में निम्न-स्तर, वैकल्पिक परिवर्तनों का पता लगाना, दोलन व्यवहार का एक और उदाहरण है जिसे अचानक, जीवन-धमकी वाले अरिदमियों के लिए बढ़े हुए जोखिम के संकेतक के रूप में स्थापित किया गया है। इन दो दोतरफा संकेत गुणों में से कोई भी एक मानक ईसीजी प्रिंटआउट से नग्न आंखों से नहीं देखा जा सकता है। सभी प्रकार के ईसीजी विश्लेषण के लिए सामान्य - चाहे वह आराम ईसीजी व्याख्या, तनाव परीक्षण, एंबुलेटरी निगरानी, या गहन देखभाल निगरानी से संबंधित हो - एल्गोरिदम का एक बुनियादी सेट है जो विभिन्न प्रकार के शोर और कलाकृतियों के संबंध में संकेत को कंडीशन करता है, दिल की धड़कन का पता लगाता है, तरंग आयामों और अवधि के बुनियादी ईसीजी माप को निकालता है, और कुशल भंडारण या संचरण के लिए डेटा को संपीड़ित करता है; चित्र में ब्लॉक आरेख। 1 संकेत प्रसंस्करण एल्गोरिदम के इस सेट को प्रस्तुत करता है। यद्यपि ये एल्गोरिदम अक्सर अनुक्रमिक क्रम में संचालित करने के लिए लागू किए जाते हैं, लेकिन क्यूआरएस डिटेक्टर द्वारा उत्पन्न हृदय गति के समय की जानकारी कभी-कभी प्रदर्शन में सुधार के लिए अन्य एल्गोरिदम में शामिल की जाती है। प्रत्येक एल्गोरिथ्म की जटिलता अनुप्रयोग से अनुप्रयोग तक भिन्न होती है, इसलिए, उदाहरण के लिए, एम्बुलरी निगरानी में किए गए शोर फ़िल्टरिंग आराम ईसीजी विश्लेषण में आवश्यक की तुलना में बहुत अधिक परिष्कृत है। एक बार जब एल्गोरिदम के मूल सेट द्वारा उत्पादित जानकारी उपलब्ध हो जाती है, तो ईसीजी अनुप्रयोगों की एक विस्तृत श्रृंखला मौजूद होती है जहां हृदय की लय और बीट मॉर्फोलॉजी गुणों को मात्रात्मक बनाने के लिए संकेत प्रसंस्करण का उपयोग करना दिलचस्प होता है। दो ऐसे अनुप्रयोगों-उच्च-रिज़ॉल्यूशन ईसीजी और टी वेव अल्टरनेटर से जुड़े सिग्नल प्रोसेसिंग का संक्षेप में इस लेख के अंत में वर्णन किया गया है। रुचि रखने वाले पाठक को संदर्भित किया जाता है, उदाहरण के लिए, रेफ. 1, जहां अन्य ईसीजी अनुप्रयोगों का विस्तृत विवरण पाया जा सकता है। |
b681da8d4be586f6ed6658038c81cdcde1d54406 | इस पत्र में एक उपन्यास दोहरे बैंड और ध्रुवीकरण लचीला सब्सट्रेट एकीकृत वेव गाइड (SIW) गुहा एंटीना का प्रस्ताव है। ऐन्टेना के लिए प्रयुक्त एसआईडब्ल्यू गुहा को इसके पहले अनुनाद के लिए एक पारंपरिक टीई120 मोड द्वारा उत्तेजित किया जाता है। स्लॉट के हस्तक्षेप के साथ, एक संशोधित-टीई120 मोड द्वारा उत्तेजित एक दूसरा अनुनाद भी उत्पन्न होता है, जिससे दो अनुनाद आवृत्तियों पर एक व्यापक विकिरण पैटर्न प्रदान किया जाता है। इसके अतिरिक्त प्रस्तावित एंटीना में दो ऑर्थोगोनल फीडिंग लाइनें हैं। इसलिए, किसी भी छह प्रमुख ध्रुवीकरण अवस्थाओं को प्रदान करना संभव है। इस पत्र में तीन प्रमुख ध्रुवीकरण मामलों का अनुकरण किया गया है और मापी गई परिणामों की तुलना की गई है। चूंकि आधुनिक संचार प्रणालियों के लिए बहुक्रियाशील एंटेना की आवश्यकता होती है, इसलिए प्रस्तावित एंटेना अवधारणा एक आशाजनक उम्मीदवार है। |
cf18287e79b1fd73cd333fc914bb24c00a537f4c | जटिल कौशल के व्यापक प्रदर्शन को स्वायत्त रूप से सीखने के लिए, रोबोट को मानव पर्यवेक्षण के बिना अपने स्वयं के स्वायत्त रूप से एकत्रित डेटा से सीखने में सक्षम होना चाहिए। एक सीखने का संकेत जो स्वायत्त रूप से एकत्रित डेटा के लिए हमेशा उपलब्ध होता है वह है भविष्यवाणी। यदि कोई रोबोट भविष्य की भविष्यवाणी करना सीख सकता है, तो वह इस भविष्यवाणी मॉडल का उपयोग वांछित परिणामों को उत्पन्न करने के लिए कर सकता है, जैसे किसी वस्तु को किसी विशेष स्थान पर ले जाना। हालांकि, जटिल खुले विश्व परिदृश्यों में, भविष्यवाणी के लिए एक प्रतिनिधित्व डिजाइन करना मुश्किल है। इस काम में, हम इसके बजाय प्रत्यक्ष वीडियो भविष्यवाणी के माध्यम से स्व-पर्यवेक्षित रोबोट सीखने को सक्षम करने का लक्ष्य रखते हैंः एक अच्छा प्रतिनिधित्व डिजाइन करने का प्रयास करने के बजाय, हम सीधे भविष्यवाणी करते हैं कि रोबोट आगे क्या देखेगा, और फिर इस मॉडल का उपयोग वांछित लक्ष्यों को प्राप्त करने के लिए करें। रोबोटिक हेरफेर के लिए वीडियो भविष्यवाणी में एक प्रमुख चुनौती जटिल स्थानिक व्यवस्थाओं जैसे कि अवरुद्धों को संभालना है। इस उद्देश्य के लिए, हम एक वीडियो भविष्यवाणी मॉडल पेश करते हैं जो अस्थायी स्किप कनेक्शन को शामिल करके ऑक्ल्यूशन के माध्यम से वस्तुओं का ट्रैक रख सकता है। एक उपन्यास नियोजन मानदंड और कार्यक्षेत्र के सूत्र के साथ, हम प्रदर्शित करते हैं कि यह मॉडल वीडियो पूर्वानुमान आधारित नियंत्रण पर पूर्ववर्ती कार्य को काफी बेहतर बनाता है। हमारे परिणामों में वस्तुओं का हेरफेर दिखाया गया है जो प्रशिक्षण के दौरान नहीं देखा गया था, कई वस्तुओं को संभालना, और बाधाओं के आसपास वस्तुओं को धक्का देना। ये परिणाम उन कौशल की सीमा और जटिलता में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करते हैं जो पूरी तरह से स्व-पर्यवेक्षित रोबोट सीखने के साथ किए जा सकते हैं। |
89701a3b04c3f102ebec83db3249b20791eacb38 | संदर्भ जागरूकता संदर्भ जागरूक सेवाओं को सक्षम करने के लिए एक प्रमुख गुण है। मोबाइल डिवाइस के लिए, उपयोगकर्ता का स्थान या प्रक्षेपवक्र महत्वपूर्ण संदर्भों में से एक है। मोबाइल उपकरणों द्वारा स्थान या प्रक्षेपवक्र का पता लगाने के लिए एक आम चुनौती सटीकता और बिजली की खपत के बीच व्यापार का प्रबंधन करना है। सामान्य दृष्टिकोण (1) सेंसर के उपयोग की आवृत्ति को नियंत्रित करना और (2) सेंसर संलयन तकनीक हैं। इस पेपर में प्रस्तावित एल्गोरिथ्म सेल टावर से बार-बार मापे गए मोटे और गलत स्थान डेटा को मिलाकर सटीकता में सुधार करने के लिए एक अलग दृष्टिकोण लेता है। प्रयोगात्मक परिणाम से पता चलता है कि 41 दिनों के माप के आंकड़ों को मिलाकर पता लगाए गए प्रक्षेपवक्र और जमीन की सच्चाई के बीच औसत त्रुटि दूरी को 44 मीटर से 10.9 मीटर तक बढ़ाया गया है। |
a85ad1a2ee829c315be6ded0eee8a1dadc21a666 | स्वचालित और सहायक ड्राइविंग निस्संदेह कंप्यूटर दृष्टि में गर्म विषय हैं। हालांकि, ड्राइविंग कार्य अत्यंत जटिल है और ड्राइवरों के व्यवहार की गहरी समझ अभी भी कमी है। कई शोधकर्ता अब दृश्य में प्रमुख और दिलचस्प वस्तुओं का पता लगाने के लिए कम्प्यूटेशनल मॉडल को परिभाषित करने के लिए ध्यान तंत्र की जांच कर रहे हैं। फिर भी, इनमें से अधिकांश मॉडल केवल नीचे से ऊपर की दृश्यता को संदर्भित करते हैं और अभी भी छवियों पर केंद्रित हैं। इसके बजाय, ड्राइविंग अनुभव के दौरान कार्य की अस्थायी प्रकृति और विशिष्टता ध्यान तंत्र को प्रभावित करती है, जिससे यह निष्कर्ष निकलता है कि वास्तविक जीवन ड्राइविंग डेटा अनिवार्य है। इस पेपर में हम एक उपन्यास और सार्वजनिक रूप से उपलब्ध डेटासेट का प्रस्ताव करते हैं जो वास्तविक ड्राइविंग के दौरान प्राप्त किया जाता है। हमारे डेटासेट, 500,000 से अधिक फ्रेमों से बना है, जिसमें ड्राइवरों की दृष्टि स्थिरता और उनके कालानुक्रमिक एकीकरण कार्य-विशिष्ट प्रमुखता मानचित्र प्रदान करते हैं। जियो-रेफरेंस्ड स्थान, ड्राइविंग स्पीड और कोर्स जारी किए गए डेटा के सेट को पूरा करते हैं। हमारे ज्ञान के अनुसार, यह इस प्रकार का पहला सार्वजनिक रूप से उपलब्ध डेटासेट है और यह भविष्य की पीढ़ियों की स्वायत्त और सहायक कारों में ड्राइवर की ध्यान प्रक्रिया को बेहतर ढंग से समझने, उसका उपयोग करने और उसे पुनः पेश करने पर नई चर्चाओं को बढ़ावा दे सकता है। |
a0ff514a8a64ba5a7cd7430ca04245fd037d040c | यह पेपर 2012 और 2013 के पूर्व-आईसीआईएस कार्यक्रमों से शैक्षणिक और उद्योग चर्चाओं पर बनाता है: बीआई कांग्रेस III और निर्णय समर्थन प्रणालियों (एसआईजीडीएसएस) पर विशेष हित समूह कार्यशाला, क्रमशः। निर्णय लेने और नवाचार के लिए नई अंतर्दृष्टि प्रदान करने के लिए बड़े डेटा की क्षमता को पहचानते हुए, दोनों कार्यक्रमों में पैनलिस्टों ने चर्चा की कि कैसे संगठन प्रतिस्पर्धात्मक लाभ के लिए बड़े डेटा का उपयोग और प्रबंधन कर सकते हैं। इसके अलावा, विशेषज्ञ पैनलिस्टों ने अनुसंधान अंतरालों की पहचान करने में मदद की। जबकि अकादमिक समुदाय में उभरते हुए अनुसंधान बड़े डेटा को प्राप्त करने, विश्लेषण करने और उपयोग करने में कुछ मुद्दों की पहचान करते हैं, कई नए विकास चिकित्सक समुदाय में हो रहे हैं। हम एक बड़े डेटा विश्लेषण ढांचे को प्रस्तुत करके अकादमिक और प्रैक्टिशनर अनुसंधान के बीच की खाई को पाटते हैं जो संगठनों में बड़े डेटा विश्लेषण के लिए आवश्यक घटकों के एक प्रक्रिया दृश्य को दर्शाता है। शिक्षाविदों के साक्षात्कार और अकादमिक और व्यावहारिक दोनों से साहित्य का उपयोग करते हुए, हम ढांचे द्वारा निर्देशित बड़े डेटा अनुसंधान की वर्तमान स्थिति की पहचान करते हैं और भविष्य के अनुसंधान के लिए संभावित क्षेत्रों का प्रस्ताव करते हैं ताकि अभ्यास के लिए अकादमिक अनुसंधान की प्रासंगिकता बढ़ सके। |
34d03cfb02806e668f9748ee60ced1b269d1db6c | |
0607acbb450d2afef7f2aa5b53bb05966bd065ed | जबकि डीप न्यूरल नेटवर्क (डीएनएन) ने बड़े शब्दावली निरंतर भाषण मान्यता (एलवीसीएसआर) कार्यों के लिए जबरदस्त सफलता हासिल की है, इन नेटवर्क का प्रशिक्षण धीमा है। एक कारण यह है कि डीएनएन को बड़ी संख्या में प्रशिक्षण मापदंडों (यानी, 10-50 मिलियन) के साथ प्रशिक्षित किया जाता है। चूंकि नेटवर्क को अच्छी प्रदर्शन प्राप्त करने के लिए बड़ी संख्या में आउटपुट लक्ष्यों के साथ प्रशिक्षित किया जाता है, इसलिए इन मापदंडों का बहुमत अंतिम भार परत में है। इस पेपर में, हम अंतिम भार परत के निम्न-रैंक मैट्रिक्स कारककरण का प्रस्ताव करते हैं। हम इस निम्न-रैंक तकनीक को लागू करते हैं डीएनएन दोनों ध्वनिक मॉडलिंग और भाषा मॉडलिंग के लिए। हम 50-400 घंटे के बीच तीन अलग-अलग एलवीसीएसआर कार्यों पर दिखाते हैं कि कम रैंक वाले फैक्टराइजेशन से नेटवर्क के मापदंडों की संख्या 30-50% तक कम हो जाती है। इसका परिणाम लगभग एक समान प्रशिक्षण समय में कमी है, अंतिम मान्यता सटीकता में महत्वपूर्ण नुकसान के बिना, पूर्ण रैंक प्रतिनिधित्व की तुलना में। |
56c16d9e2a5270ba6b1d83271e2c10916591968d | |
56c2fb2438f32529aec604e6fc3b06a595ddbfcc | हाल ही में, फ्रंटल फेशियल इमेज से लिंग वर्गीकरण के लिए कई मशीन लर्निंग विधियां प्रस्तावित की गई हैं। इनकी विविधता से यह पता चलता है कि इस समस्या का कोई एक ही या सामान्य समाधान नहीं है। विभिन्न तरीकों के अलावा, उनके मूल्यांकन के लिए उपयोग किए जाने वाले विभिन्न मानकों का भी उपयोग किया जाता है। इससे हमें अपने काम के लिए प्रेरणा मिली: स्वचालित लिंग पहचान में प्रयुक्त मुख्य अत्याधुनिक विधियों का संक्षिप्त लेकिन विश्वसनीय तरीके से चयन और तुलना करना। जैसा कि अपेक्षित था, कोई भी विजेता नहीं है। वर्गीकरण की सटीकता के आधार पर विजेता, उपयोग किए गए बेंचमार्क के प्रकार पर निर्भर करता है। |
Subsets and Splits