_id
stringlengths 40
40
| text
stringlengths 0
9.75k
|
|---|---|
bdf67ee2a13931ca2d5eac458714ed98148d1b34 | वास्तविक समय में घुसपैठ का पता लगाने के लिए एक विशेषज्ञ प्रणाली का एक मॉडल वर्णित है जो कंप्यूटर के दुरुपयोग के तोड़फोड़, घुसपैठ और अन्य रूपों का पता लगाने में सक्षम है। यह मॉडल इस परिकल्पना पर आधारित है कि सिस्टम के उपयोग के असामान्य पैटर्न के लिए सिस्टम के ऑडिट रिकॉर्ड की निगरानी करके सुरक्षा उल्लंघनों का पता लगाया जा सकता है। मॉडल में मीट्रिक और सांख्यिकीय मॉडल के संदर्भ में वस्तुओं के संबंध में विषयों के व्यवहार का प्रतिनिधित्व करने के लिए प्रोफाइल शामिल हैं, और लेखा परीक्षा रिकॉर्ड से इस व्यवहार के बारे में ज्ञान प्राप्त करने और असामान्य व्यवहार का पता लगाने के लिए नियम। यह मॉडल किसी विशेष प्रणाली, अनुप्रयोग वातावरण, प्रणाली की भेद्यता या घुसपैठ के प्रकार से स्वतंत्र है, इस प्रकार यह एक सामान्य प्रयोजन घुसपैठ-जांच विशेषज्ञ प्रणाली के लिए एक ढांचा प्रदान करता है। |
eeb1a1e0cab8d809b5789d04418dc247dca956cc | ली, स्टोल्फो और मोक ने पहले घुसपैठ का पता लगाने के लिए ज्ञान प्राप्त करने के लिए माइनिंग ऑडिट डेटा के लिए एसोसिएशन नियमों और आवृत्ति एपिसोड के उपयोग की सूचना दी है। फजी तर्क के साथ संघ नियमों और आवृत्ति एपिसोड के एकीकरण से घुसपैठ का पता लगाने के लिए अधिक अमूर्त और लचीले पैटर्न उत्पन्न हो सकते हैं, क्योंकि घुसपैठ का पता लगाने में कई मात्रात्मक विशेषताएं शामिल हैं और सुरक्षा स्वयं फजी है। हम खनन फजी एसोसिएशन नियमों के लिए पहले से रिपोर्ट किए गए एल्गोरिथ्म का एक संशोधन प्रस्तुत करते हैं, फजी आवृत्ति एपिसोड की अवधारणा को परिभाषित करते हैं, और खनन फजी आवृत्ति एपिसोड के लिए एक मूल एल्गोरिथ्म प्रस्तुत करते हैं। हम एक डेटा उदाहरण को दूसरों की तुलना में अधिक योगदान करने से रोकने के लिए अस्पष्ट संघ नियमों के लिए खनन प्रक्रिया में एक सामान्यीकरण चरण जोड़ते हैं। हम फजी आवृत्ति एपिसोड सीखने के लिए खनन आवृत्ति एपिसोड के लिए प्रक्रिया को भी संशोधित करते हैं। प्रयोगात्मक परिणामों से पता चलता है कि घुसपैठ का पता लगाने में अस्पष्ट संघ नियम और अस्पष्ट आवृत्ति एपिसोड की उपयोगिता है। मसौदा: इंटरनेशनल जर्नल ऑफ इंटेलिजेंट सिस्टम्स, वॉल्यूम 15, नं. I, अगस्त 2000 3 |
0b07f84c22ce01309981a02c23d5cd1770cad48b | तालिका विभाजन तालिका को छोटे भागों में विभाजित करता है जिन्हें एक दूसरे से स्वतंत्र रूप से एक्सेस, संग्रहीत और बनाए रखा जा सकता है। क्वेरी प्रदर्शन में सुधार के लिए पारंपरिक उपयोग से, विभाजन रणनीतियाँ डेटाबेस सिस्टम की समग्र प्रबंधनीयता में सुधार के लिए एक शक्तिशाली तंत्र में विकसित हुई हैं। तालिका विभाजन से डेटा लोड करना, हटाना, बैकअप लेना, सांख्यिकीय रखरखाव करना और भंडारण प्रावधान जैसे प्रशासनिक कार्य सरल हो जाते हैं। क्वेरी भाषा एक्सटेंशन अब अनुप्रयोगों और उपयोगकर्ता क्वेरी को यह निर्दिष्ट करने में सक्षम करते हैं कि आगे के उपयोग के लिए उनके परिणामों को कैसे विभाजित किया जाना चाहिए। हालांकि, क्वेरी अनुकूलन तकनीक ने तालिका विभाजन के उपयोग और उपयोगकर्ता नियंत्रण में तेजी से प्रगति के साथ तालमेल नहीं रखा है। हम इस अंतर को दूर करने के लिए नई तकनीकों को विकसित कर रहे हैं ताकि एसक्यूएल क्वेरी के लिए कुशल योजनाएं तैयार की जा सकें जिसमें विभाजन तालिकाओं पर बहु-मार्ग जोड़े शामिल हैं। हमारी तकनीकें आज व्यापक रूप से उपयोग में आने वाले बॉटम-अप क्वेरी ऑप्टिमाइज़र में आसानी से शामिल करने के लिए डिज़ाइन की गई हैं। हमने PostgreSQL अनुकूलक में इन तकनीकों का प्रोटोटाइप किया है. एक व्यापक मूल्यांकन से पता चलता है कि हमारी विभाजन-जागरूक अनुकूलन तकनीकें, कम अनुकूलन ओवरहेड के साथ, ऐसी योजनाएं उत्पन्न करती हैं जो वर्तमान अनुकूलकों द्वारा उत्पादित योजनाओं की तुलना में परिमाण के क्रम में बेहतर हो सकती हैं। |
26d673f140807942313545489b38241c1f0401d0 | दुनिया में और हमारे जीवन में डेटा की मात्रा लगातार बढ़ रही है और इसका कोई अंत नहीं है। वेका वर्कबेंच अत्याधुनिक मशीन लर्निंग एल्गोरिदम और डेटा प्री-प्रोसेसिंग टूल का एक संगठित संग्रह है। इन विधियों के साथ बातचीत करने का मूल तरीका उन्हें कमांड लाइन से आह्वान करना है। हालांकि, डेटा अन्वेषण के लिए, वितरित कंप्यूटिंग प्लेटफार्मों पर बड़े पैमाने पर प्रयोगों की स्थापना के लिए, और स्ट्रीम किए गए डेटा प्रोसेसिंग के लिए कॉन्फ़िगरेशन डिजाइन करने के लिए सुविधाजनक इंटरैक्टिव ग्राफिकल यूजर इंटरफेस प्रदान किए जाते हैं। ये इंटरफेस प्रयोगात्मक डेटा माइनिंग के लिए एक उन्नत वातावरण का गठन करते हैं। वर्गीकरण व्यापक अनुप्रयोगों के साथ एक महत्वपूर्ण डेटा खनन तकनीक है। यह विभिन्न प्रकार के डेटा को वर्गीकृत करता है। यह कार्य REPTree, Simple Cart और RandomTree वर्गीकरण एल्गोरिदम के प्रदर्शन मूल्यांकन के लिए किया गया है। इस पत्र में भारतीय समाचारों के डेटासेट के संदर्भ में वर्गीकरणकर्ता REPTree, Simple Cart और RandomTree का तुलनात्मक मूल्यांकन करने का प्रयास किया गया है ताकि सही सकारात्मकता दर को अधिकतम किया जा सके और झूठी सकारात्मकता दर को कम किया जा सके। प्रसंस्करण के लिए वेका एपीआई का उपयोग किया गया। भारतीय समाचार के डेटासेट पर पेपर में परिणाम भी दिखाते हैं कि रैंडमट्री की दक्षता और सटीकता REPTree, और सिंपल कार्ट से बेहतर है। कीवर्ड- सरल कार्ट, रैंडम ट्री, रेप्ट्री, वेका, WWW |
6e633b41d93051375ef9135102d54fa097dc8cf8 | हाल ही में ensemble learning में बहुत रुचि है - ऐसे तरीके जो कई वर्गीकरणकर्ता उत्पन्न करते हैं और उनके परिणामों को एकत्रित करते हैं। दो प्रसिद्ध विधियां वर्गीकरण वृक्षों को बढ़ावा देना (उदाहरण के लिए, देखें, शेपियर एट अल., 1998) और ब्रेमन (1996) को बैग करना हैं। उत्तेजना में, क्रमिक वृक्ष उन बिंदुओं को अतिरिक्त भार देते हैं जिनकी पूर्वानुमानकर्ता द्वारा गलत भविष्यवाणी की गई थी। अंत में, पूर्वानुमान के लिए एक भारित वोट लिया जाता है। बैगिंग में, क्रमिक पेड़ पहले के पेड़ों पर निर्भर नहीं होते हैं - प्रत्येक डेटा सेट के बूटस्ट्रैप नमूने का उपयोग करके स्वतंत्र रूप से बनाया जाता है। अंत में, साधारण बहुमत का मत पूर्वानुमान के लिए लिया जाता है। ब्रेमन (2001) ने यादृच्छिक वनों का प्रस्ताव दिया, जो बैगिंग में यादृच्छिकता की एक अतिरिक्त परत जोड़ते हैं। प्रत्येक पेड़ का निर्माण करने के अलावा डेटा के एक अलग बूटस्ट्रैप नमूने का उपयोग करके, यादृच्छिक वन बदलते हैं कि वर्गीकरण या प्रतिगमन पेड़ कैसे बनाए जाते हैं। मानक पेड़ों में, प्रत्येक नोड को सभी चरों के बीच सबसे अच्छे विभाजन का उपयोग करके विभाजित किया जाता है। एक यादृच्छिक वन में, प्रत्येक नोड को उस नोड पर यादृच्छिक रूप से चुने गए भविष्यवाणियों के सबसे अच्छे उपसमूह के बीच विभाजित किया जाता है। यह कुछ हद तक प्रति-अभिप्रेरक रणनीति कई अन्य वर्गीकरणकर्ताओं की तुलना में बहुत अच्छी तरह से प्रदर्शन करती है, जिसमें भेदभाव विश्लेषण, समर्थन वेक्टर मशीनें और तंत्रिका नेटवर्क शामिल हैं, और ओवरफिटिंग के खिलाफ मजबूत है (ब्रेमैन, 2001) । इसके अतिरिक्त, यह इस अर्थ में बहुत उपयोगकर्ता के अनुकूल है कि इसमें केवल दो पैरामीटर (प्रत्येक नोड पर यादृच्छिक उप-समूह में चरों की संख्या और जंगल में पेड़ों की संख्या) हैं, और आमतौर पर उनके मूल्यों के प्रति बहुत संवेदनशील नहीं है। रैंडमफॉरेस्ट पैकेज ब्रेमन और कटलर द्वारा फोर्टान कार्यक्रमों के लिए एक आर इंटरफ़ेस प्रदान करता है (http://www.stat.berkeley.edu/ users/breiman/ पर उपलब्ध है) । यह लेख आर फंक्शंस के उपयोग और विशेषताओं का संक्षिप्त परिचय देता है। |
8cfe24108b7f73aa229be78f9108e752e8210c36 | यद्यपि कुछ समय से व्यापारिक जगत में डेटा माइनिंग को सफलतापूर्वक लागू किया जा रहा है, लेकिन उच्च शिक्षा में इसका उपयोग अभी भी अपेक्षाकृत नया है, अर्थात इसका उपयोग डेटा से नए और संभावित रूप से मूल्यवान ज्ञान की पहचान और निष्कर्षण के लिए किया जाता है। डाटा माइनिंग का उपयोग करके एक मॉडल विकसित करने का लक्ष्य था जो छात्रों की शैक्षणिक सफलता पर निष्कर्ष निकाल सके। छात्रों की सफलता की भविष्यवाणी के दौरान डेटा माइनिंग के विभिन्न तरीकों और तकनीकों की तुलना की गई, जो कि प्रथम वर्ष के छात्रों के बीच 2010-2011 शैक्षणिक वर्ष में तुजला विश्वविद्यालय, अर्थशास्त्र संकाय में ग्रीष्मकालीन सेमेस्टर के दौरान किए गए सर्वेक्षणों से एकत्र किए गए डेटा और नामांकन के दौरान लिए गए डेटा को लागू करते हैं। परीक्षा में उत्तीर्ण होने के अंक के साथ सफलता का मूल्यांकन किया गया। छात्रों के सामाजिक-जनसांख्यिकीय चरों के प्रभाव, हाई स्कूल और प्रवेश परीक्षा में प्राप्त परिणामों और अध्ययन के प्रति दृष्टिकोण जो सफलता को प्रभावित कर सकते हैं, सभी की जांच की गई। भविष्य में अध्ययन की प्रक्रिया से जुड़े चरों की पहचान और मूल्यांकन के साथ और नमूना वृद्धि के साथ, एक मॉडल तैयार करना संभव होगा जो उच्च शिक्षा में निर्णय सहायता प्रणाली के विकास के लिए एक नींव के रूप में खड़ा होगा। |
cc5c84c1c876092e6506040cde7d2a5b9e9065ff | यह पेपर दो बहुत अलग शैक्षणिक संस्थानों में स्नातक और स्नातकोत्तर छात्रों के शैक्षणिक प्रदर्शन की भविष्यवाणी के लिए निर्णय वृक्ष और बेयसियन नेटवर्क एल्गोरिदम की सटीकता की तुलना करता हैः वियतनाम में एक बड़े राष्ट्रीय विश्वविद्यालय कैन थो विश्वविद्यालय (सीटीयू) और एशियाई प्रौद्योगिकी संस्थान (एआईटी), थाईलैंड में एक छोटा अंतरराष्ट्रीय स्नातकोत्तर संस्थान जो 86 विभिन्न देशों के छात्रों को आकर्षित करता है। यद्यपि इन दो छात्र आबादी की विविधता बहुत भिन्न है, डेटा-माइनिंग उपकरण छात्र प्रदर्शन की भविष्यवाणी के लिए समान स्तर की सटीकता प्राप्त करने में सक्षम थेः क्रमशः CTU/AIT में 73/71% {फेल, उचित, अच्छा, बहुत अच्छा} और 94/93% {फेल, पास} के लिए। ये भविष्यवाणियां सीटीयू में असफल छात्रों की पहचान करने और उनकी सहायता करने के लिए (64% सटीकता) और एआईटी में छात्रवृत्ति के लिए बहुत अच्छे छात्रों का चयन करने के लिए (82% सटीकता) सबसे उपयोगी हैं। इस विश्लेषण में, निर्णय वृक्ष लगातार 3-12% अधिक सटीक था बेयसियन नेटवर्क की तुलना में। इन केस स्टडी के परिणाम छात्रों के प्रदर्शन की सटीक भविष्यवाणी करने की तकनीकों में अंतर्दृष्टि देते हैं, डेटा माइनिंग एल्गोरिदम की सटीकता की तुलना करते हैं, और ओपन सोर्स टूल की परिपक्वता का प्रदर्शन करते हैं। |
9d0f09e343ebc9d5e896528273b79a1f13aa5c07 | |
2cb6d78e822ca7fd0e29670ec7e26e37ae3d3e8f | यह पेपर एक उपन्यास कॉम्पैक्ट कम तापमान कोफ़ेर्ड सिरेमिक (एलटीसीसी) बैंडपास फिल्टर (बीपीएफ) को विस्तृत स्टॉपबैंड और उच्च चयनात्मकता के साथ प्रस्तुत करता है। प्रस्तावित सर्किट में दो युग्मित λ<sub>g</sub>/4 ट्रांसमिशन-लाइन रेजोनेटर होते हैं। एक विशेष युग्मन क्षेत्र का चयन तीसरी हार्मोनिक आवृत्ति पर संचरण शून्य (टीजेड) उत्पन्न करने के लिए एक उपन्यास भेदभाव युग्मन योजना को साकार करने के लिए किया जाता है। तंत्र का विश्लेषण किया जाता है और डिजाइन दिशानिर्देश का वर्णन किया जाता है। स्रोत-भार युग्मन को पासबैंड के पास दो टीजेड और स्टॉपबैंड में एक उत्पन्न करने के लिए पेश किया जाता है। इस प्रकार, अतिरिक्त सर्किट के बिना व्यापक स्टॉपबैंड प्राप्त किया जा सकता है। LTCC बहुपरत संरचनाओं के कारण, फ़िल्टर का आकार 0.058 λ<sub>g</sub>×0.058 λ<sub>g</sub>×0.011 λ<sub>g</sub>, या 2.63 मिमी × 2.61 मिमी × 0.5 मिमी है। प्रस्तावित डिजाइन को मान्य करने के लिए प्रदर्शित LTCC BPF के अनुकरण और मापा परिणाम प्रस्तुत किए जाते हैं। |
52c9eb70c55685b349126ed907e037f383673cf3 | हम इस अवलोकन के आधार पर अमूर्त वेब सारांश के लिए एक उपन्यास दृष्टिकोण का प्रस्ताव करते हैं कि समान URL के लिए सारांश सामग्री और संरचना दोनों में समान होते हैं। हम मौजूदा यूआरएल क्लस्टर का लाभ उठाते हैं और प्रति क्लस्टर शब्द ग्राफ का निर्माण करते हैं जो यूआरएल-विशिष्ट विशेषताओं को बाहर करते हुए ज्ञात सारांशों को जोड़ते हैं। परिणामी टोपोलॉजी, यूआरएल विशेषताओं पर निर्भर है, हमें डिकोडिंग चरण के रूप में सबसे कम लागत पथ खोज का उपयोग करके एक संरचित सीखने के कार्य के रूप में सारांश समस्या डालने की अनुमति देता है। बड़ी संख्या में यूआरएल क्लस्टर पर प्रारंभिक प्रयोगात्मक परिणाम बताते हैं कि यह दृष्टिकोण पहले से प्रस्तावित वेब सारांशकों से बेहतर प्रदर्शन करने में सक्षम है। |
8947ca4949fc66eb65f863dfb825ebd90ab01772 | पाठ प्रसंस्करण में कई अनुप्रयोगों के लिए या तो बड़े दस्तावेज़ संग्रहों को लेबल करने के लिए महत्वपूर्ण मानव प्रयास की आवश्यकता होती है (सांख्यिकीय मॉडल सीखने पर) या उनसे नियम निकालने के लिए (ज्ञान इंजीनियरिंग का उपयोग करते समय) । इस कार्य में, हम इस प्रयास को कम करने के लिए, विधियों की सटीकता को बनाए रखते हुए, एक हाइब्रिड वर्गीकरणकर्ता का निर्माण करके वर्णन करते हैं जो मशीन सीखने के पूरक के लिए स्वचालित रूप से खोजे गए पाठ पैटर्न पर मानव तर्क का उपयोग करता है। एक मानक भावना-वर्गीकरण डेटासेट और वास्तविक ग्राहक प्रतिक्रिया डेटा का उपयोग करके, हम प्रदर्शित करते हैं कि परिणामी तकनीक के परिणामस्वरूप किसी दिए गए वर्गीकरण सटीकता प्राप्त करने के लिए आवश्यक मानव प्रयास में महत्वपूर्ण कमी आती है। इसके अलावा, हाइब्रिड टेक्स्ट क्लासिफायर के परिणामस्वरूप मशीन-लर्निंग आधारित क्लासिफायरों की तुलना में सटीकता में भी महत्वपूर्ण वृद्धि होती है जब लेबल किए गए डेटा की तुलनात्मक मात्रा का उपयोग किया जाता है। |
563384a5aa6111610ac4939f645d1125a5a0ac7f | हाल के वर्षों में लोगों की स्वचालित पहचान को कानून प्रवर्तन, सुरक्षा अनुप्रयोगों या वीडियो अनुक्रमण जैसे विभिन्न क्षेत्रों में इसके कई अनुप्रयोगों के कारण बहुत ध्यान मिला है। चेहरे की पहचान एक महत्वपूर्ण और बहुत चुनौतीपूर्ण तकनीक है लोगों की स्वचालित पहचान के लिए। आज तक, ऐसी कोई तकनीक नहीं है जो सभी स्थितियों और विभिन्न अनुप्रयोगों के लिए एक मजबूत समाधान प्रदान करती है जो चेहरे की पहचान का सामना कर सकती है। सामान्य तौर पर, हम यह सुनिश्चित कर सकते हैं कि चेहरे की पहचान प्रणाली का प्रदर्शन यह निर्धारित करता है कि कैसे विशेषताओं के वेक्टर को ठीक से निकालना है और उन्हें एक समूह में सही ढंग से वर्गीकृत करना है। इसलिए हमें विशेषता निकालने वाले और वर्गीकरणकर्ता को बारीकी से देखना आवश्यक है। इस पेपर में, प्रिंसिपल कंपोनेंट एनालिसिस (पीसीए) का उपयोग फीचर एक्सट्रैक्टर में महत्वपूर्ण भूमिका निभाने के लिए किया जाता है और एसवीएम का उपयोग चेहरे की पहचान की समस्या से निपटने के लिए किया जाता है। हाल ही में समर्थन वेक्टर मशीनों (एसवीएम) को पैटर्न मान्यता के लिए एक नए वर्गीकरणकर्ता के रूप में प्रस्तावित किया गया है। हम कैम्ब्रिज ओआरएल फेस डेटाबेस पर एसवीएम की क्षमता को स्पष्ट करते हैं, जिसमें 40 व्यक्तियों की 400 छवियां शामिल हैं, जिनमें अभिव्यक्ति, मुद्रा और चेहरे के विवरण में काफी उच्च डिग्री की भिन्नता है। एसवीएम का उपयोग किया गया है जिसमें रैखिक (एलएसवीएम), बहुपद (पीएसवीएम), और रेडियल बेस फंक्शन (आरबीएफएसवीएम) एसवीएम शामिल हैं। हम प्रयोगात्मक साक्ष्य प्रदान करते हैं जो यह दर्शाता है कि बहुपद और रेडियल बेस फंक्शन (आरबीएफ) एसवीएम ओआरएल फेस डेटासेट पर रैखिक एसवीएम से बेहतर प्रदर्शन करते हैं जब दोनों का उपयोग सभी वर्गीकरण के खिलाफ एक के साथ किया जाता है। हमने एसवीएम आधारित पहचान की तुलना मल्टी-लेयर पर्सेप्ट्रॉन (एमएलपी) वर्गीकरण मानदंड का उपयोग करके मानक आइजेनफेस दृष्टिकोण के साथ की। |
47daf9cc8fb15b3a4b7c3db4498d29a5a8b84c22 | 3 डी वस्तुओं का वर्गीकरण कंप्यूटर दृष्टि में एक गैर-तुच्छ कार्य है जिसमें कई वास्तविक दुनिया के अनुप्रयोग शामिल हैं। हम बहु-दृश्य 2 डी छवियों से उपस्थिति विकास सीखने के रूप में 3 डी बहुभुज जाल को वर्गीकृत करने की समस्या को प्रस्तुत करते हैं। 3 डी बहुभुज मेषों के एक कोरपस को देखते हुए, हम पहले एक समान क्षेत्र पर कई दृष्टिकोणों से संबंधित आरजीबी और गहराई छवियों को प्रस्तुत करते हैं। रैंक पूलिंग का उपयोग करते हुए, हम 2 डी दृश्यों के उपस्थिति विकास को सीखने के लिए दो विधियों का प्रस्ताव करते हैं। सबसे पहले, हम एक गहरे संवहन तंत्रिका नेटवर्क (सीएनएन) पर आधारित दृश्य-अपरिवर्तनीय मॉडल को प्रशिक्षित करते हैं और रेंडर किए गए आरजीबी-डी छवियों का उपयोग करते हैं और पहले पूरी तरह से जुड़े परत सक्रियण को रैंक करना सीखते हैं और इसलिए, इन निकाले गए सुविधाओं के विकास को कैप्चर करते हैं। इस प्रक्रिया के दौरान सीखे गए पैरामीटर का उपयोग 3 डी आकार के प्रतिनिधित्व के रूप में किया जाता है। दूसरी विधि में, हम रेंडर किए गए आरजीबी-डी छवियों पर सीधे रैंकिंग मशीन का उपयोग करके शुरू से ही विचारों के एकत्रीकरण को सीखते हैं, जो संचयी 2 डी छवियों का उत्पादन करता है जिसे हम ``3 डी आकार छवियों के रूप में संदर्भित करते हैं। फिर हम सीएनएन मॉडल सीखते हैं इस उपन्यास आकार प्रतिनिधित्व के लिए दोनों आरजीबी और गहराई जो बहुभुज के प्रमुख ज्यामितीय संरचना एन्कोड. मॉडलनेट40 और मॉडलनेट10 डेटासेट पर किए गए प्रयोगों से पता चलता है कि प्रस्तावित विधि लगातार 3डी आकार पहचान में मौजूदा अत्याधुनिक एल्गोरिदम से बेहतर प्रदर्शन करती है। |
58156d27f80ee450ba43651a780ebd829b70c363 | कर्नेल निगरानी और सुरक्षा पर पहले के शोध व्यापक रूप से उच्च विशेषाधिकार प्राप्त सिस्टम घटकों पर निर्भर करते हैं, जैसे कि हार्डवेयर वर्चुअलाइजेशन एक्सटेंशन, संभावित कर्नेल हमलों से सुरक्षा उपकरणों को अलग करने के लिए। ये दृष्टिकोण रखरखाव प्रयास और विशेषाधिकार प्राप्त प्रणाली घटकों के कोड आधार आकार दोनों को बढ़ाते हैं, जो परिणामस्वरूप सुरक्षा कमजोरियों के जोखिम को बढ़ाता है। एसकेईई, जो सिक्योर कर्नेल लेवल एक्जीक्यूशन एनवायरनमेंट के लिए है, इस मौलिक समस्या को हल करता है। एसकेईई एक नवीन प्रणाली है जो कर्नेल के समान विशेषाधिकार स्तर पर एक अलग हल्के निष्पादन वातावरण प्रदान करती है। एसकेईई को कमोडिटी एआरएम प्लेटफार्मों के लिए डिज़ाइन किया गया है। इसका मुख्य उद्देश्य उच्च विशेषाधिकार प्राप्त सॉफ़्टवेयर की सक्रिय भागीदारी के बिना कर्नेल की सुरक्षित निगरानी और सुरक्षा की अनुमति देना है। एसकेईई अलगाव की गारंटी देने के लिए नवीन तकनीकों का एक सेट प्रदान करता है। यह एक संरक्षित पता स्थान बनाता है जो कर्नेल के लिए सुलभ नहीं है, जो तब प्राप्त करना चुनौतीपूर्ण है जब कर्नेल और अलग-थलग वातावरण दोनों एक ही विशेषाधिकार स्तर साझा करते हैं। SKEE इस चुनौती को अपनी स्मृति अनुवाद तालिकाओं को प्रबंधित करने से कर्नेल को रोककर हल करता है। इस प्रकार, सिस्टम की मेमोरी लेआउट को संशोधित करने के लिए कर्नेल को एसकेईई पर स्विच करने के लिए मजबूर किया जाता है। बदले में, SKEE यह सत्यापित करता है कि अनुरोधित संशोधन संरक्षित पते के स्थान के अलगाव को खतरे में नहीं डालता है। ओएस कर्नेल से एसकेईई में स्विच करना विशेष रूप से एक अच्छी तरह से नियंत्रित स्विच गेट के माध्यम से गुजरता है। इस स्विच गेट को ध्यान से डिजाइन किया गया है ताकि इसका निष्पादन अनुक्रम परमाणु और निर्धारक हो। ये गुण संयुक्त रूप से गारंटी देते हैं कि एक संभावित रूप से समझौता किए गए कर्नेल अलगाव को समझौता करने के लिए स्विचिंग अनुक्रम का शोषण नहीं कर सकते हैं। यदि कर्नेल इन गुणों का उल्लंघन करने का प्रयास करता है, तो यह संरक्षित पते स्थान को उजागर किए बिना सिस्टम को विफल करने का कारण बनेगा। एसकेईई पूरी ओएस मेमोरी की एक्सेस अनुमतियों को विशेष रूप से नियंत्रित करता है। इस प्रकार, यह उन हमलों को रोकता है जो कर्नेल में असत्यापित कोड इंजेक्ट करने का प्रयास करते हैं। इसके अलावा, विभिन्न घुसपैठ का पता लगाने और अखंडता सत्यापन उपकरण का समर्थन करने के लिए इसे अन्य सिस्टम घटनाओं को रोकने के लिए आसानी से बढ़ाया जा सकता है। यह पेपर एक एसकेईई प्रोटोटाइप प्रस्तुत करता है जो 32-बिट एआरएमवी 7 और 64-बिट एआरएमवी 8 आर्किटेक्चर दोनों पर चलता है। प्रदर्शन मूल्यांकन के परिणामों से पता चलता है कि एसकेईई वास्तविक दुनिया की प्रणालियों के लिए एक व्यावहारिक समाधान है। इन लेखकों ने इस काम में समान रूप से योगदान दिया है |
698902ce1a836d353d4ff955c826095e28506e05 | |
da09bc42bbf5421b119abea92716186a1ca3f02f | हम एक नए प्रकार की पहचान-आधारित एन्क्रिप्शन (आईबीई) योजना पेश करते हैं जिसे हम फजी पहचान-आधारित एन्क्रिप्शन कहते हैं। फजी आईबीई में हम पहचान को वर्णनात्मक विशेषताओं के सेट के रूप में देखते हैं। एक फजी आईबीई योजना एक पहचान, ω के लिए एक निजी कुंजी के लिए अनुमति देता है, एक पहचान, ω′ के साथ एन्क्रिप्टेड एक सिफरटेक्स्ट को डिक्रिप्ट करने के लिए, यदि और केवल यदि पहचान ω और ω′ एक दूसरे के करीब हैं जैसा कि सेट ओवरलैप दूरी मीट्रिक द्वारा मापा जाता है। एक फजी आईबीई योजना को पहचान के रूप में बायोमेट्रिक इनपुट का उपयोग करके एन्क्रिप्शन को सक्षम करने के लिए लागू किया जा सकता है; एक फजी आईबीई योजना की त्रुटि-सहिष्णुता संपत्ति ठीक वही है जो बायोमेट्रिक पहचान के उपयोग की अनुमति देती है, जो स्वाभाविक रूप से प्रत्येक बार जब वे नमूने लेते हैं तो कुछ शोर होगा। इसके अतिरिक्त, हम दिखाते हैं कि फजी-आईबीई का उपयोग एक प्रकार के अनुप्रयोग के लिए किया जा सकता है जिसे हम विशेषता-आधारित एन्क्रिप्शन कहते हैं। इस लेख में हम फजी आईबीई योजनाओं के दो निर्माण प्रस्तुत करते हैं। हमारे निर्माण को कई विशेषताओं के तहत एक संदेश के पहचान-आधारित एन्क्रिप्शन के रूप में देखा जा सकता है जो एक (अस्पष्ट) पहचान बनाते हैं। हमारी आईबीई योजनाएं त्रुटि-सहिष्णु और सांठगांठ के हमलों के खिलाफ सुरक्षित हैं। इसके अतिरिक्त, हमारी मूल संरचना में यादृच्छिक भविष्यवाणियों का उपयोग नहीं किया जाता है। हम चुनिंदा-आईडी सुरक्षा मॉडल के तहत अपनी योजनाओं की सुरक्षा को साबित करते हैं। |
b3baba6c34a2946b999cc0f6be6bb503d303073e | इस पेपर में एक संशोधित कोल्मोगोरोव-स्मिर्नोव (केएस) परीक्षण के आधार पर रिसीवर ऑपरेटिंग कैरेक्टेरिस्ट (आरओसी) वक्रों की समकक्षता के एक सरल, गैर-पैरामीटर और सामान्य परीक्षण का वर्णन किया गया है। परीक्षण का वर्णन आमतौर पर उपयोग की जाने वाली तकनीकों जैसे कि आरओसी वक्र के नीचे क्षेत्र (एयूसी) और नीमन-पीयरसन विधि के संबंध में किया गया है। हम पहले समीक्षा करते हैं कि कैसे केएस परीक्षण का उपयोग शून्य परिकल्पनाओं का परीक्षण करने के लिए किया जाता है कि वर्गीकरणकर्ता द्वारा भविष्यवाणी की गई वर्ग लेबल यादृच्छिक से बेहतर नहीं हैं। फिर हम एक अंतराल मैपिंग तकनीक का प्रस्ताव करते हैं जो हमें दो केएस परीक्षणों का उपयोग करने की अनुमति देता है शून्य परिकल्पना का परीक्षण करने के लिए कि दो वर्गीकरणकर्ताओं के पास आरओसी वक्र हैं जो समतुल्य हैं। हम यह प्रदर्शित करते हैं कि यह परीक्षण विभिन्न आरओसी वक्रों को भेदभाव करता है जब एक वक्र दूसरे पर हावी होता है और जब वक्र पार होते हैं और इसलिए एयूसी द्वारा भेदभाव नहीं किया जाता है। अंतराल मैपिंग तकनीक का उपयोग यह प्रदर्शित करने के लिए किया जाता है कि, हालांकि एयूसी की अपनी सीमाएं हैं, यह वर्गीकरणकर्ता प्रदर्शन का एक मॉडल-स्वतंत्र और सुसंगत उपाय हो सकता है। |
090f4b588ba58c36a21eddd67ea33d59614480c1 | मेरे दृष्टिकोण एक उथले प्रवचन मॉडल पर और एक शाब्दिक ज्ञान आधार से प्राप्त एनिमेशन जानकारी पर निर्भर करते हैं। मैं यह भी दिखाता हूँ कि कैसे खंड और अनुवांशिक सीमाओं को स्थानीय संदर्भ के आधार पर निर्णय प्रक्रिया का उपयोग करके विश्वसनीय रूप से निर्धारित किया जा सकता है, जो भाग-भाषण टैग और संज्ञा खंडों द्वारा दर्शाया गया है। फिर मैं सरलीकरण प्रक्रिया के दौरान वाक्यविन्यास और प्रवचन के बीच होने वाली बातचीत को औपचारिक रूप देता हूं। यह महत्वपूर्ण है क्योंकि यदि पुनर्लिखित पाठ में सामंजस्य की कमी है तो पाठ को व्यापक दर्शकों के लिए सुलभ बनाने में वाक्यविन्यास सरलीकरण की उपयोगिता को कम किया जा सकता है। मैं वर्णन करता हूँ कि वाक्य क्रम, क्यू-शब्द चयन, संदर्भ-अभिव्यक्ति पीढ़ी, निर्धारक विकल्प और सर्वनाम उपयोग जैसे विभिन्न पीढ़ी के मुद्दों को कैसे हल किया जा सकता है ताकि वाक्यविन्यास सरलीकरण के दौरान संयोजक और अनाफोरिक सामंजस्यपूर्ण संबंधों को संरक्षित किया जा सके। वाक्यविन्यासिक सरलीकरण करने के लिए, मुझे विभिन्न प्राकृतिक भाषा प्रसंस्करण समस्याओं को संबोधित करना पड़ा है, जिसमें खंड और अनुलग्नक पहचान और अनुलग्नक, सर्वनाम संकल्प और संदर्भ-अभिव्यक्ति पीढ़ी शामिल हैं। मैं प्रत्येक समस्या को हल करने के लिए अपने दृष्टिकोण का मूल्यांकन व्यक्तिगत रूप से करता हूं, और अपनी वाक्यविन्यास सरलीकरण प्रणाली का समग्र मूल्यांकन भी प्रस्तुत करता हूं। वाक्यविन्यासिक सरलीकरण किसी पाठ की व्याकरणिक जटिलता को कम करने की प्रक्रिया है, जबकि इसकी सूचना सामग्री और अर्थ को बरकरार रखा जाता है। वाक्यविन्यासिक सरलीकरण का उद्देश्य पाठ को मानव पाठकों के लिए समझने में आसान बनाना या प्रोग्राम द्वारा संसाधित करना है। इस शोध में, मैं वर्णन करता हूं कि कैसे संश्लेषणात्मक सरलीकरण को उथले मजबूत विश्लेषण, हाथ से तैयार सरलीकरण नियमों के एक छोटे से सेट और संश्लेषणात्मक रूप से पाठ को फिर से लिखने के प्रवचन-स्तर के पहलुओं के विस्तृत विश्लेषण का उपयोग करके प्राप्त किया जा सकता है। मैं सापेक्ष खंडों, एपोसिशन, समन्वय और अधीनता का उपचार प्रदान करता हूं। मैं सापेक्ष खंड और अनुलग्नक संलग्न के लिए नई तकनीक प्रस्तुत करता हूं। मेरा तर्क है कि ये अनुलग्नक निर्णय विशुद्ध रूप से वाक्यविन्यासिक नहीं हैं। |
a9a7168b5b45fcf63e7f8904f68f6a90f8062443 | |
6d7c6c8828c7ac91cc74a79fdc06b5783102a784 | यह लेख स्वास्थ्य से संबंधित अनुप्रयोगों के लिए कंपनी माइक्रोवेव विजन, पूर्व में सैटीमो की गतिविधियों का अवलोकन देता है। विशिष्ट अवशोषण दर (एसएआर) माप और आरएफ सुरक्षा के संदर्भ में मौजूदा उत्पादों का विस्तृत वर्णन किया गया है। माइक्रोवेव का उपयोग करके स्तन रोग का पता लगाने के लिए एक नई इमेजिंग पद्धति के विकास की प्रगति जल्द ही रिपोर्ट की जाएगी। |
0c1a55e0e02c1dbf6cf363ec022ca17925586e16 | ट्रैक की गई वस्तुओं की पहचान वायु, सतह और उप-सतह (समुद्री) और जमीनी वातावरण के लिए स्वचालित निगरानी और सूचना प्रणालियों की एक प्रमुख क्षमता है, जो स्थिति संबंधी जागरूकता में सुधार करती है और परिचालन उपयोगकर्ताओं को निर्णय सहायता प्रदान करती है। बेयसियन आधारित पहचान डेटा संयोजन प्रक्रिया (आईडीसीपी) विभिन्न स्रोतों से अनिश्चित पहचान संकेतों के संलयन के लिए एक प्रभावी उपकरण प्रदान करती है। प्रक्रिया के विन्यास के लिए एक उपयोगकर्ता उन्मुख दृष्टिकोण पेश किया जाता है, जो ऑपरेटरों को विभिन्न परिचालन परिदृश्यों में बदलती पहचान आवश्यकताओं के लिए आईडीसीपी को अनुकूलित करने में सक्षम बनाता है। संज्ञानात्मक मनोविज्ञान और निर्णय सिद्धांत से प्राप्त परिणामों का अनुप्रयोग बेयसियन डेटा की पुनः प्राप्ति के लिए अच्छी पहुंच प्रदान करता है और विन्यास को परिचालन विशेषज्ञों के लिए आसानी से संभव बनाता है। |
2636bff7d3bdccf9b39c5e1e7d86a77690f1c07d | अनुशंसित शिक्षा (आरएल) में क्रेडिट आवंटन की महत्वपूर्ण लेकिन चुनौतीपूर्ण समस्या से निपटने के लिए पुरस्कार आकार सबसे प्रभावी तरीकों में से एक है। हालांकि, आकार देने वाले कार्यों को डिजाइन करने के लिए आमतौर पर बहुत अधिक विशेषज्ञ ज्ञान और हाथ इंजीनियरिंग की आवश्यकता होती है, और हल करने के लिए कई समान कार्यों को देखते हुए कठिनाइयों को और बढ़ाया जाता है। इस पेपर में, हम कार्यों के वितरण पर इनाम आकार देने पर विचार करते हैं, और स्वचालित रूप से नए नमूने वाले कार्यों पर कुशल इनाम आकार देने के लिए एक सामान्य मेटा-लर्निंग फ्रेमवर्क का प्रस्ताव करते हैं, केवल साझा राज्य स्थान को मानकर लेकिन जरूरी नहीं कि एक्शन स्पेस। हम पहले मॉडल-मुक्त आरएल में क्रेडिट असाइनमेंट के संदर्भ में सैद्धांतिक रूप से इष्टतम इनाम आकार प्राप्त करते हैं। फिर हम एक मूल्य आधारित मेटा-लर्निंग एल्गोरिथ्म का प्रस्ताव करते हैं इष्टतम इनाम आकार देने पर एक प्रभावी पूर्व निकालने के लिए। पूर्व का प्रयोग सीधे नए कार्यों पर किया जा सकता है, या कुछ ढाल अद्यतनों के भीतर कार्य को हल करते हुए पूर्व-अंतराल के लिए अनुकूलित किया जा सकता है। हम अपने आकार देने की प्रभावशीलता को काफी सुधारित सीखने की दक्षता और विभिन्न सेटिंग्स में व्याख्यात्मक विज़ुअलाइज़ेशन के माध्यम से प्रदर्शित करते हैं, जिसमें विशेष रूप से डीक्यूएन से डीडीपीजी में सफल हस्तांतरण शामिल है। |
0309ec1f0e139cc10090c4fefa08a83a2644530a | |
42771aede47980ae8eeebac246c7a8b941d11414 | हम व्यक्तिगत वेब खोज को बेहतर बनाने के लिए खोज परिणामों को विविध बनाने के तरीकों का मूल्यांकन और मूल्यांकन करते हैं। एक आम वैयक्तिकरण दृष्टिकोण में शीर्ष एन खोज परिणामों को फिर से रैंक करना शामिल है ताकि उपयोगकर्ता द्वारा पसंद किए जाने वाले दस्तावेजों को उच्चतर प्रस्तुत किया जाए। पुनः क्रमबद्ध करने की उपयोगिता आंशिक रूप से विचार किए गए परिणामों की संख्या और विविधता से सीमित है। हम शीर्ष परिणामों की विविधता बढ़ाने और इन विधियों की प्रभावशीलता का मूल्यांकन करने के लिए तीन विधियों का प्रस्ताव करते हैं। |
22a8979b53315fad7f98781328cc0326b5147cca | एक कृत्रिम तंत्रिका नेटवर्क आधारित संश्लेषण मॉडल को एक-फीड परिपत्र-ध्रुवीकृत वर्ग माइक्रोस्ट्रिप एंटीना (सीपीएसएमए) के डिजाइन के लिए प्रस्तावित किया गया है जिसमें ट्रंक्टेड कोन हैं। प्रशिक्षण डेटा सेट प्राप्त करने के लिए, वर्ग माइक्रोस्ट्रिप एंटेना की अनुनाद आवृत्ति और क्यू-कारक की गणना अनुभवजन्य सूत्रों द्वारा की जाती है। फिर सबसे अच्छा अक्षीय अनुपात के साथ काटने कोनों और ऑपरेशन आवृत्ति का आकार प्राप्त किया जाता है। लेवेनबर्ग-मार्क्वार्ट (एलएम) एल्गोरिथ्म का उपयोग करते हुए, एक सटीक संश्लेषण मॉडल प्राप्त करने के लिए तीन छिपे हुए परतों वाले नेटवर्क को प्रशिक्षित किया जाता है। अंत में, विद्युत चुम्बकीय अनुकरण और माप के साथ इसके परिणामों की तुलना करके मॉडल को मान्य किया जाता है। यह सिंगल-फीड सीपीएसएमए के पैच भौतिक आयामों को सीधे प्राप्त करने के लिए एंटीना इंजीनियरों के लिए अत्यंत उपयोगी है। |
93f962a46b24030bf4486a77b282f567529e7782 | यह पेपर 180 डिग्री रिंग हाइब्रिड कपलर का उपयोग करके ANSYS HFSS में एक कॉम्पैक्ट और पावर-कुशल 5 गीगाहर्ट्ज इन-बैंड फुल-ड्यूप्लेक्स (एफडी) डिजाइन प्रस्तुत करता है। प्रस्तावित डिजाइन 57dB के एक उत्कृष्ट अलगाव को जोड़ने के लिए संलग्न दो विकिरण एंटेना के बीच विनाशकारी हस्तक्षेप का लाभ उठाते हुए प्राप्त करता है, जिससे आत्म-हस्तक्षेप में काफी कमी आती है। यह डिजाइन निष्क्रिय है और इसलिए अनुकूली चैनल अनुमान के लिए अतिरिक्त शक्ति की आवश्यकता को पार करता है। इसके अतिरिक्त, यह वांछित संचालन आवृत्ति के लिए एक बहुत ही काम करने योग्य भौतिक आकार है। प्रस्तावित एफडी डिजाइन इसलिए कॉम्पैक्ट और ऊर्जा-कुशल है, जिसका उपयोग मोबाइल उपकरणों में किया जा सकता है, जैसे कि सेल फोन या टैबलेट/पैबलेट डिवाइस, जो कि दुर्लभ आरएफ संसाधनों के अधिक लचीले और अधिक मात्रा में उपयोग के लिए है। |
023cc7f9f3544436553df9548a7d0575bb309c2e | यह पत्र पाठ वर्गीकरण के लिए एक सरल और कुशल आधार रेखा का पता लगाता है। हमारे प्रयोगों से पता चलता है कि हमारे तेज पाठ वर्गीकरणकर्ता फास्टटेक्स्ट अक्सर सटीकता के मामले में गहरी सीखने के वर्गीकरणकर्ताओं के बराबर होता है, और प्रशिक्षण और मूल्यांकन के लिए परिमाण के कई आदेश तेज होता है। हम एक मानक बहु-कोर सीपीयू का उपयोग करके दस मिनट से भी कम समय में एक अरब से अधिक शब्दों पर फास्टटेक्स्ट को प्रशिक्षित कर सकते हैं, और एक मिनट से भी कम समय में 312K वर्गों के बीच आधे मिलियन वाक्यों को वर्गीकृत कर सकते हैं। |
d80e7da055f9c25e29f732d0a829daf172eb1fa0 | यह लेख इस प्रश्न पर विचार करने वाली व्यापक साहित्य समीक्षा का सारांश देता है, हम स्वास्थ्य सेवा वितरण और संगठन में नवाचारों को कैसे फैला सकते हैं और बनाए रख सकते हैं? इसमें सामग्री (संगठनों में नवाचार के प्रसार को परिभाषित करने और मापने) और प्रक्रिया (साहित्य की समीक्षा एक व्यवस्थित और पुनः प्रस्तुत करने योग्य तरीके से) दोनों पर विचार किया गया है। इस लेख में चर्चा की गई है (1) स्वास्थ्य सेवा संगठनों में नवाचारों के प्रसार पर विचार करने के लिए एक मितव्ययी और साक्ष्य-आधारित मॉडल, (2) स्पष्ट ज्ञान अंतराल जहां आगे के शोध पर ध्यान केंद्रित किया जाना चाहिए, और (3) स्वास्थ्य सेवा नीति और प्रबंधन की व्यवस्थित रूप से समीक्षा के लिए एक मजबूत और हस्तांतरणीय पद्धति। मॉडल और विधि दोनों का परीक्षण विभिन्न संदर्भों में अधिक व्यापक रूप से किया जाना चाहिए। |
3343d1d78f2a14045b52b71428efaf43073d616d | उद्देश्य बढ़ती मोटापे की दर को ऊर्जा-घन आहार के सेवन से जोड़ा गया है। हमने जांच की कि क्या आहार ऊर्जा घनत्व मोटापे और संबंधित विकारों के साथ जुड़ा हुआ है जिसमें इंसुलिन प्रतिरोध और चयापचय सिंड्रोम शामिल हैं। अनुसंधान डिजाइन और विधियाँ हमने राष्ट्रीय स्वास्थ्य और पोषण परीक्षा सर्वेक्षण (एन = 9,688) से 1999-2002 के राष्ट्रीय वयस्क > या = 20 वर्ष की आयु के राष्ट्रीय प्रतिनिधि डेटा का उपयोग करके एक क्रॉस-सेक्शनल अध्ययन किया। आहार ऊर्जा घनत्व की गणना केवल खाद्य पदार्थों के आधार पर की गई थी। हमने आहार ऊर्जा घनत्व, मोटापे के माप (बीएमआई [किलो प्रति वर्ग मीटर] और कमर परिधि [सेंटीमीटर] में), ग्लाइसीमिया, या इंसुलिनमिया के बीच स्वतंत्र संबंध निर्धारित करने के लिए बहु-परिवर्तनीय रैखिक प्रतिगमन मॉडल की एक श्रृंखला का उपयोग किया। हमने राष्ट्रीय कोलेस्ट्रॉल और शिक्षा कार्यक्रम (वयस्क उपचार पैनल III) द्वारा परिभाषित आहार ऊर्जा घनत्व और चयापचय सिंड्रोम के बीच स्वतंत्र संबंध निर्धारित करने के लिए बहु-विभिन्न पोसन प्रतिगमन मॉडल का उपयोग किया। परिणाम आहार ऊर्जा घनत्व स्वतंत्र रूप से और महत्वपूर्ण रूप से महिलाओं में उच्च बीएमआई के साथ जुड़ा हुआ था (बीटा = 0.44 [95% आईसी 0.14-0.73]) और पुरुषों में एक महत्वपूर्ण संघ की ओर रुझान (बीटा = 0.37 [- 0.007 से 0.74], पी = 0.054) । आहार ऊर्जा घनत्व महिलाओं में कमर परिधि के अधिक होने के साथ जुड़ा हुआ था (बीटा = 1. 11 [0. 42- 1. 80]) और पुरुषों में (बीटा = 1. 33 [0. 46- 2. 19]) । आहार ऊर्जा घनत्व भी स्वतंत्र रूप से उच्च उपवास इंसुलिन (बीटा = 0. 65 [0. 18-1. 12]) और चयापचय सिंड्रोम (प्रचलन अनुपात = 1. 10 [95% आईसी 1. 03- 1. 17]) के साथ जुड़ा हुआ था। निष्कर्ष आहार ऊर्जा घनत्व मोटापे, उच्च उपवास इंसुलिन स्तर, और अमेरिकी वयस्कों में चयापचय सिंड्रोम का एक स्वतंत्र भविष्यवाणी है। आहार ऊर्जा घनत्व को कम करने के लिए हस्तक्षेप अध्ययनों को उचित माना जाता है। |
3e597e492c1ed6e7bbd539d5f2e5a6586c6074cd | अधिकांश तंत्रिका मशीन अनुवाद (एनएमटी) मॉडल अनुक्रमिक एन्कोडर-डेकोडर ढांचे पर आधारित हैं, जो वाक्यविन्यास संबंधी जानकारी का उपयोग नहीं करता है। इस पेपर में, हम स्रोत-पक्ष वाक्यविन्यास पेड़ों को स्पष्ट रूप से शामिल करके इस मॉडल को सुधारते हैं। विशेष रूप से, हम (1) एक द्विदिश वृक्ष एन्कोडर का प्रस्ताव करते हैं जो अनुक्रमिक और वृक्ष संरचित प्रतिनिधित्व दोनों को सीखता है; (2) एक वृक्ष-कवरेज मॉडल जो स्रोत-पक्ष वाक्यविन्यास पर ध्यान केंद्रित करता है। चीनी-अंग्रेजी अनुवाद पर प्रयोगों से पता चलता है कि हमारे प्रस्तावित मॉडल अनुक्रमिक ध्यान मॉडल के साथ-साथ एक मजबूत आधार रेखा के साथ एक नीचे से ऊपर पेड़ एन्कोडर और शब्द कवरेज से बेहतर प्रदर्शन करते हैं। |
4e88de2930a4435f737c3996287a90ff87b95c59 | समय के साथ अनुक्रम की जानकारी को संरक्षित करने की उनकी बेहतर क्षमता के कारण, लॉन्ग शॉर्ट-टर्म मेमोरी (एलएसटीएम) नेटवर्क, एक प्रकार के आवर्ती तंत्रिका नेटवर्क के साथ एक अधिक जटिल कम्प्यूटेशनल इकाई, ने विभिन्न प्रकार के अनुक्रम मॉडलिंग कार्यों पर मजबूत परिणाम प्राप्त किए हैं। अब तक एलएसटीएम की एकमात्र अंतर्निहित संरचना जो की खोज की गई है वह एक रैखिक श्रृंखला है। हालांकि, प्राकृतिक भाषा में ऐसे वाक्यविन्यास गुण होते हैं जो शब्दों को वाक्यांशों में स्वाभाविक रूप से जोड़ते हैं। हम ट्री-एलएसटीएम का परिचय देते हैं, जो एलएसटीएम का वृक्ष-संरचित नेटवर्क टोपोलॉजी के लिए एक सामान्यीकरण है। ट्रीएलएसटीएम दो कार्यों पर सभी मौजूदा प्रणालियों और मजबूत एलएसटीएम आधार रेखाओं से बेहतर प्रदर्शन करते हैंः दो वाक्यों (सेमेवल 2014, कार्य 1) और भावना वर्गीकरण (स्टैनफोर्ड सेंटिमेंट ट्रीबैंक) के अर्थ संबंधी संबंध की भविष्यवाणी करना। |
6411da05a0e6f3e38bcac0ce57c28038ff08081c | अर्थिक प्रतिनिधित्व को लंबे समय से अर्थ संरक्षण को लागू करने और मशीन अनुवाद विधियों के सामान्यीकरण प्रदर्शन में सुधार के लिए संभावित रूप से उपयोगी माना जाता है। इस कार्य में, हम स्रोत वाक्यों (यानी, अर्थ-भूमिका प्रतिनिधित्व) के भविष्यवाणी-तर्क संरचना के बारे में जानकारी को तंत्रिका मशीन अनुवाद में शामिल करने वाले पहले व्यक्ति हैं। हम वाक्य एन्कोडर में अर्थिक पूर्वाग्रह इंजेक्ट करने के लिए ग्राफ कन्वोल्यूशनल नेटवर्क (जीसीएन) का उपयोग करते हैं और अंग्रेजी-जर्मन भाषा जोड़ी पर भाषाई-अज्ञेयवादी और सिंटेक्सवेयर संस्करणों पर BLEU स्कोर में सुधार प्राप्त करते हैं। |
9f291ce2d0fc1d76206139a40a859283674d8f65 | एनकोडर-डेकोडर वास्तुकला पर आधारित न्यूरल मशीन ट्रांसलेशन (एनएमटी) ने हाल ही में अत्याधुनिक प्रदर्शन हासिल किया है। शोधकर्ताओं ने साबित कर दिया है कि स्रोत-पक्ष वाक्यांश संरचना को शामिल करके वाक्यांश स्तर पर शब्द स्तर पर ध्यान देने से ध्यान मॉडल को बढ़ाया जा सकता है और आशाजनक सुधार प्राप्त किया जा सकता है। हालांकि, शब्द निर्भरता जो स्रोत वाक्य को सही ढंग से समझने के लिए महत्वपूर्ण हो सकती है, हमेशा लगातार फैशन में नहीं होती है (यानी। कभी-कभी वे लंबी दूरी पर हो सकते हैं। वाक्यांश संरचनाएं स्पष्ट रूप से लंबी दूरी की निर्भरता को मॉडल करने का सबसे अच्छा तरीका नहीं हैं। इस लेख में हम एनएमटी में स्रोत-पक्ष लंबी दूरी की निर्भरता को शामिल करने के लिए एक सरल लेकिन प्रभावी विधि का प्रस्ताव करते हैं। निर्भरता पेड़ों पर आधारित हमारी विधि प्रत्येक स्रोत राज्य को वैश्विक निर्भरता संरचनाओं के साथ समृद्ध करती है, जो स्रोत वाक्यों की अंतर्निहित वाक्यविन्यास संरचना को बेहतर ढंग से पकड़ सकती है। चीनी-अंग्रेजी और अंग्रेजी-जापानी अनुवाद कार्यों पर प्रयोगों से पता चलता है कि हमारी प्रस्तावित विधि अत्याधुनिक एसएमटी और एनएमटी आधार रेखाओं से बेहतर है। |
d12c173ea92fc33dc276d1da90dc72a660f7ea12 | लिंक्ड डाटा का मुख्य उद्देश्य लिंकिंग और एकीकरण है और इस लक्ष्य को प्राप्त करने का मूल्यांकन करने के लिए एक प्रमुख कदम लिंक्ड ओपन डेटा (एलओडी) क्लाउड डेटासेट के बीच सभी कनेक्शन ढूंढना है। दो या अधिक डेटासेट के बीच कनेक्टिविटी आम संस्थाओं, ट्रिपल, लिटरेल और स्कीमा तत्वों के माध्यम से प्राप्त की जा सकती है, जबकि यूआरआई के बीच समकक्ष संबंधों के कारण अधिक कनेक्शन हो सकते हैं, जैसे उल्लूः समानAs, उल्लूः समकक्ष संपत्ति और उल्लूः समकक्ष वर्ग, क्योंकि कई प्रकाशक इस तरह के समकक्ष संबंधों का उपयोग करते हैं, यह घोषित करने के लिए कि उनके यूआरआई अन्य डेटासेट के यूआरआई के बराबर हैं। हालांकि, दो से अधिक डेटासेट को शामिल करने वाले कनेक्टिविटी माप (और सूचकांक) उपलब्ध नहीं हैं, जो डेटासेट की पूरी सामग्री (जैसे, संस्थाओं, स्कीमा, ट्रिपल) या स्लाइस (जैसे, एक विशिष्ट इकाई के लिए ट्रिपल) को कवर करते हैं, हालांकि वे कई वास्तविक दुनिया के कार्यों के लिए प्राथमिक महत्व के हो सकते हैं, जैसे सूचना संवर्धन, डेटासेट डिस्कवरी और अन्य। सामान्यतः, डेटासेट के बीच कनेक्शन ढूंढना आसान काम नहीं है, क्योंकि बड़ी संख्या में LOD डेटासेट मौजूद हैं और कनेक्शन न होने के लिए समकक्षता संबंधों के पारगमन और सममित समापन की गणना की जानी चाहिए। इस कारण से, हम स्केलेबल विधियों और एल्गोरिदम का परिचय देते हैं, (ए) समकक्षता संबंधों के लिए पारगमन और सममित समापन की गणना करने के लिए (क्योंकि वे डेटासेट के बीच अधिक कनेक्शन का उत्पादन कर सकते हैं); (बी) समर्पित वैश्विक अर्थशास्त्र-जागरूक सूचकांक का निर्माण करने के लिए जो डेटासेट की पूरी सामग्री को कवर करते हैं; और (सी) दो या अधिक डेटासेट के बीच कनेक्टिविटी को मापने के लिए। अंत में, हम प्रस्तावित दृष्टिकोण की गति का मूल्यांकन करते हैं, जबकि हम दो अरब से अधिक ट्रिपल के लिए तुलनात्मक परिणामों की रिपोर्ट करते हैं। |
d6020bdf3b03f209174cbc8fb4ecbe6208eb9ff1 | हम पहले लेखक के शोध करियर पर एक पूर्वव्यापी चिंतन के साथ शुरू करते हैं, जो बड़े हिस्से में संगठनात्मक परिवर्तन के लिए सूचना प्रौद्योगिकी (आईटी) के निहितार्थों के बारे में अनुसंधान के लिए समर्पित है। यद्यपि आईटी को लंबे समय से संगठनात्मक परिवर्तन से जोड़ा गया है, लेकिन संगठनात्मक सिद्धांत में प्रौद्योगिकी के उपचार की हमारी ऐतिहासिक समीक्षा यह प्रदर्शित करती है कि संगठनों के भौतिक पहलुओं को सिद्धांत विकास के पिछड़ेपन में कितनी आसानी से गायब किया जा सकता है। यह दुर्भाग्यपूर्ण परिणाम है क्योंकि आईटी पहलों की भौतिक विशेषताएं उन्हें अन्य संगठनात्मक परिवर्तन पहलों से अलग करती हैं। हमारा उद्देश्य आईटी प्रभाव के अध्ययनों को इसके गायब होने के कारणों का पता लगाकर और ऐसे विकल्प प्रदान करके जिसमें आईटी की महत्वपूर्णता अधिक केंद्रीय सैद्धांतिक भूमिका निभाए, उसे पुनः प्रासंगिक बनाना है। हम एक सामाजिक-तकनीकी दृष्टिकोण अपनाते हैं जो एक सख्त सामाजिक-भौतिक दृष्टिकोण से भिन्न है क्योंकि हम भौतिक कलाकृतियों और उनके उपयोग के सामाजिक संदर्भ के बीच अस्तित्ववादी भेद को संरक्षित करना चाहते हैं। हमारा विश्लेषण सामाजिक-तकनीकी परिप्रेक्ष्य के अनुरूप एक संबंधपरक अवधारणा के रूप में अफॉर्डेंस की अवधारणा का उपयोग करके आगे बढ़ता है। फिर हम संगठनात्मक दिनचर्या सिद्धांत के विस्तार का प्रस्ताव करते हैं जो दिनचर्या के रूप में ज्ञात जनरेटिव प्रणाली में भौतिक कलाकृतियों को शामिल करते हैं। ये योगदान आईटी के संगठनात्मक प्रभावों के अध्ययन में एक नए शोध फोकस के रूप में सामग्री को अपनाने में निहित कई चुनौतियों में से दो का उदाहरण देते हैं। |
7039b7c97bd0e59693f2dc4ed7b40e8790bf2746 | हम एक तंत्रिका नेटवर्क मॉडल का वर्णन करते हैं जो संयुक्त रूप से ग्रंथों और ज्ञान आधार (केबी) संस्थाओं के वितरित प्रतिनिधित्व को सीखता है। केबी में एक पाठ दिया, हम अपने प्रस्तावित मॉडल को प्रशिक्षित करने के लिए कि संस्थाओं की भविष्यवाणी करने के लिए है कि पाठ के लिए प्रासंगिक हैं। हमारा मॉडल विभिन्न एनएलपी कार्यों को आसानी से करने की क्षमता के साथ सामान्य होने के लिए डिज़ाइन किया गया है। हम पाठ के एक बड़े कोरपस और उनके इकाई एनोटेशन का उपयोग करके मॉडल को प्रशिक्षित करते हैं विकिपीडिया से निकाला गया। हमने तीन महत्वपूर्ण एनएलपी कार्यों (यानी, वाक्य पाठ समानता, इकाई लिंकिंग, और फैक्टोइड प्रश्न उत्तर) पर मॉडल का मूल्यांकन किया जिसमें दोनों अनसुर्क्षित और पर्यवेक्षित सेटिंग्स शामिल हैं। नतीजतन, हमने इन तीनों कार्यों पर अत्याधुनिक परिणाम प्राप्त किए। हमारे कोड और प्रशिक्षित मॉडल सार्वजनिक रूप से आगे के शैक्षणिक अनुसंधान के लिए उपलब्ध हैं। |
42f75b297aed474599c8e598dd211a1999804138 | हम ऑटोक्लास का वर्णन करते हैं, जो क्लासिकल मिश्रण मॉडल पर आधारित अनसुर्क्षित वर्गीकरण का एक दृष्टिकोण है, जो इष्टतम वर्गों को निर्धारित करने के लिए बेयसियन विधि द्वारा पूरक है। हम ऑटोक्लास प्रणाली के पीछे के गणित का एक मध्यम विस्तृत विवरण शामिल करते हैं। हम इस बात पर जोर देते हैं कि कोई भी वर्तमान बिना पर्यवेक्षण वाली वर्गीकरण प्रणाली अधिकतम उपयोगी परिणाम नहीं दे सकती है जब अकेले संचालित होती है। यह डोमेन विशेषज्ञों और मॉडल स्पेस पर खोज करने वाली मशीन के बीच बातचीत है, जो नए ज्ञान उत्पन्न करती है। दोनों ही डेटाबेस विश्लेषण कार्य के लिए अद्वितीय जानकारी और क्षमताएं प्रदान करते हैं, और प्रत्येक अन्य की eएक्टिविटी को बढ़ाता है। हम इस बात को जटिल वास्तविक दुनिया के डेटाबेस के लिए ऑटोक्लास के कई अनुप्रयोगों के साथ चित्रित करते हैं, और परिणामी सफलताओं और विफलताओं का वर्णन करते हैं। 6.1 परिचय यह अध्याय डेटाबेस से उपयोगी जानकारी निकालने के लिए स्वचालित वर्गीकरण कार्यक्रम (ऑटोक्लास) का उपयोग करने के हमारे अनुभव का सारांश है। यह उन सिद्धांतों का भी अवलोकन करता है जो सामान्य रूप से स्वचालित वर्गीकरण और विशेष रूप से ऑटोक्लास के आधार पर हैं। हम लेबल किए गए उदाहरणों (जिसे पर्यवेक्षित सीखने कहा जाता है) से वर्ग विवरणों के निर्माण की बजाय डेटा में कक्षाओं की स्वचालित खोज (कभी-कभी क्लस्टरिंग, या अनसुर्क्षित सीखने कहा जाता है) की समस्या से चिंतित हैं। किसी अर्थ में, स्वचालित वर्गीकरण का उद्देश्य डेटा में "प्राकृतिक" वर्गों की खोज करना है। ये वर्ग मूल कारण-प्रणाली को दर्शाते हैं जो कुछ मामलों को बाकी मामलों की तुलना में एक दूसरे से अधिक समान बनाता है। कारण तंत्र डेटा में नमूना पूर्वाग्रह के रूप में उबाऊ हो सकता है, या डोमेन में कुछ प्रमुख नई खोज को फिर से शुरू कर सकता है। कभी कभी, इन वर्गों क्षेत्र में विशेषज्ञों के लिए अच्छी तरह से जाना जाता था, लेकिन AutoClass के लिए अज्ञात, और अन्य बार |
32aea4c9fb9eb7cf2b6869efa83cf73420374628 | |
091778f43d947affb69dbccc2c3251abfa852ad2 | एक अर्थ फ़ाइल प्रणाली एक सूचना भंडारण प्रणाली है जो फ़ाइल प्रकार विशिष्ट ट्रांसड्यूसर के साथ फ़ाइलों से विशेषताओं को स्वचालित रूप से निकालने के द्वारा सिस्टम की सामग्री के लिए लचीली संघात्मक पहुंच प्रदान करती है। संघात्मक पहुँच विद्यमान वृक्ष-संरचित फ़ाइल सिस्टम प्रोटोकॉल के लिए एक रूढ़िवादी विस्तार द्वारा प्रदान की जाती है, और प्रोटोकॉल द्वारा जो विशेष रूप से सामग्री आधारित पहुँच के लिए डिज़ाइन किए गए हैं। वर्चुअल डायरेक्टरी की अवधारणा को लागू करके मौजूदा फाइल सिस्टम प्रोटोकॉल के साथ संगतता प्रदान की जाती है। आभासी निर्देशिका नामों को क्वेरी के रूप में व्याख्या की जाती है, और इस प्रकार मौजूदा सॉफ्टवेयर के साथ संगत तरीके से फ़ाइलों और निर्देशिकाओं के लिए लचीली संघात्मक पहुंच प्रदान करती है। फ़ाइल सिस्टम ऑब्जेक्ट्स के प्रमुख गुणों के स्वचालित निष्कर्षण और अनुक्रमण द्वारा फ़ाइल सिस्टम सामग्री के लिए त्वरित विशेषता-आधारित पहुंच लागू की जाती है। फ़ाइलों और निर्देशिकाओं की स्वचालित अनुक्रमणिका को "अर्थशास्त्रीय" कहा जाता है क्योंकि उपयोगकर्ता प्रोग्राम करने योग्य ट्रांसड्यूसर अनुक्रमण के लिए गुणों को निकालने के लिए अद्यतन फ़ाइल सिस्टम ऑब्जेक्ट्स के अर्थशास्त्र के बारे में जानकारी का उपयोग करते हैं। सिमेंटिक फाइल सिस्टम कार्यान्वयन से प्रायोगिक परिणाम इस थीसिस का समर्थन करते हैं कि सिमेंटिक फाइल सिस्टम सूचना साझाकरण और कमांड स्तर प्रोग्रामिंग के लिए पारंपरिक ट्री स्ट्रक्चर्ड फाइल सिस्टम की तुलना में अधिक प्रभावी भंडारण अमूर्तता प्रस्तुत करते हैं। |
096db7e8d2b209fb6dca9c7495ac84405c40e507 | इस लेख में हम नॉन-नेगेटिव मैट्रिक्स फैक्टरिज़ेशन (एनएमएफ) के लिए नए वैकल्पिक न्यूनतम वर्ग (एएलएस) एल्गोरिदम और 3 डी नॉन-नेगेटिव टेंसर फैक्टरिज़ेशन (एनटीएफ) के लिए उनके एक्सटेंशन प्रस्तुत करते हैं जो शोर की उपस्थिति में मजबूत हैं और कई संभावित अनुप्रयोग हैं, जिसमें बहु-मार्ग ब्लाइंड सोर्स सेपरेशन (बीएसएस), बहु-संवेदी या बहु-आयामी डेटा विश्लेषण और गैर-नकारात्मक तंत्रिका विरल कोडिंग शामिल हैं। हम स्थानीय लागत कार्यों का उपयोग करने का प्रस्ताव करते हैं जिनकी एक साथ या अनुक्रमिक (एक-एक करके) कम से कम एक बहुत ही सरल एएलएस एल्गोरिथ्म की ओर जाता है जो कुछ अल्पता बाधाओं के तहत काम करता है जो एक अंडर-निर्धारित (एक प्रणाली जिसमें स्रोतों की तुलना में कम सेंसर होते हैं) और अति-निर्धारित मॉडल दोनों के लिए होता है। व्यापक प्रयोगात्मक परिणाम विकसित एल्गोरिदम की वैधता और उच्च प्रदर्शन की पुष्टि करते हैं, विशेष रूप से बहु-परत पदानुक्रमित एनएमएफ के उपयोग के साथ। प्रस्तावित एल्गोरिथ्म का विस्तार बहुआयामी स्पायरस कंपोनेंट विश्लेषण और स्मूथ कंपोनेंट विश्लेषण के लिए भी प्रस्तावित है। |
339888b357e780c6e80fc135ec48a14c3b524f7d | ब्लूम फ़िल्टर एक सरल अंतरिक्ष-कुशल यादृच्छिक डेटा संरचना है जो सदस्यता प्रश्नों का समर्थन करने के लिए एक सेट का प्रतिनिधित्व करने के लिए है। ब्लूम फ़िल्टर झूठे सकारात्मक को अनुमति देते हैं लेकिन जब त्रुटि की संभावना को नियंत्रित किया जाता है तो अंतरिक्ष की बचत अक्सर इस नुकसान से अधिक होती है। ब्लूम फ़िल्टर का उपयोग 1970 के दशक से डेटाबेस अनुप्रयोगों में किया गया है, लेकिन हाल के वर्षों में ही वे नेटवर्किंग साहित्य में लोकप्रिय हो गए हैं। इस लेख का उद्देश्य उन तरीकों का सर्वेक्षण करना है जिनसे ब्लूम फिल्टर का उपयोग और संशोधित किया गया है विभिन्न नेटवर्क समस्याओं में, उन्हें समझने के लिए एक एकीकृत गणितीय और व्यावहारिक ढांचा प्रदान करने और भविष्य के अनुप्रयोगों में उनके उपयोग को प्रोत्साहित करने के उद्देश्य से। |
dc3e8bea9ef0c9a2df20e4d11860203eaf795b6a | सामान्य चलने के दौरान उत्पन्न जमीनी प्रतिक्रिया बल का उपयोग हाल ही में समय के साथ देखे गए बलों के पैटर्न के आधार पर व्यक्तियों की पहचान करने और/या वर्गीकृत करने के लिए किया गया है। एक विशेषता जो ऊर्ध्वाधर जमीन प्रतिक्रिया बलों से निकाली जा सकती है वह है शरीर का द्रव्यमान। इस एकल विशेषता में अन्य अध्ययनों के तुलनीय पहचान शक्ति है जो कई और अधिक जटिल विशेषताओं का उपयोग करते हैं। यह अध्ययन पहचान में शरीर के द्रव्यमान की भूमिका को समझने में योगदान देता है (1) ऊर्ध्वाधर जमीन प्रतिक्रिया बलों का उपयोग करके शरीर के द्रव्यमान की सटीकता और परिशुद्धता को मापने से, (2) पैदल विश्लेषण के संबंध में पहले से अध्ययन की गई आबादी में शरीर के द्रव्यमान के वितरण को मापने से, और (3) कमजोर बायोमेट्रिक के रूप में शरीर के द्रव्यमान का उपयोग करने वाले प्रणालियों की अपेक्षित पहचान क्षमताओं को मापने से। हमारे परिणाम बताते हैं कि शरीर के द्रव्यमान को एक सेकंड के अंश में 1 किलोग्राम मानक विचलन से कम त्रुटि के साथ मापा जा सकता है। |
1b2f2bb90fb08d0e02eabb152120dbf1d6e5837e | हम निरंतर शब्द प्रतिनिधित्व की गणना के लिए तंत्रिका-जाल-प्रेरित मॉडलों के एक परिवार को प्रस्तुत करते हैं, विशेष रूप से एक-भाषा और बहुभाषी पाठ दोनों का शोषण करने के लिए डिज़ाइन किया गया है। यह ढांचा हमें एम्बेडेड के बिना पर्यवेक्षित प्रशिक्षण करने की अनुमति देता है जो सिंटेक्सिक और सिमेंटिक रचनात्मकता पर उच्च सटीकता प्रदर्शित करता है, साथ ही साथ बहुभाषी सिमेंटिक समानता, बिना पर्यवेक्षित फैशन में प्रशिक्षित पिछले मॉडलों की तुलना में। हम यह भी दिखाते हैं कि ऐसे बहुभाषी एम्बेडिंग, अर्थिक समानता के लिए अनुकूलित, सांख्यिकीय मशीन अनुवाद के प्रदर्शन को बेहतर बना सकते हैं कि यह कैसे समानांतर डेटा में मौजूद नहीं शब्दों को संभालता है। |
396945dabf79f4a8bf36ca408a137d6e961306e7 | |
6010c2d8eb5b6c5da3463d0744203060bdcc07a7 | सामन के जूँ, लेपेओफ़ेथेरस साल्मोनिस (क्रॉययर, 1837) मछली के बाहरी परजीवी हैं जो अटलांटिक सामन की समुद्री खेती में महत्वपूर्ण आर्थिक नुकसान का कारण बनते हैं, साल्मो सालर लिनियस, 1758. मछली फार्मों में एल. साल्मोनिस का नियंत्रण काफी हद तक एंटी-पैरासिटिक दवाओं के साथ उपचार पर निर्भर करता है। रासायनिक नियंत्रण से संबंधित एक समस्या प्रतिरोध के विकास की संभावना है, जो एल. साल्मोनिस में ऑर्गेनोफॉस्फेट, पाइरेथ्रोइड्स और एवरमेक्टिन सहित कई दवा वर्गों के लिए प्रलेखित है। एटीपी-बाइंडिंग कैसेट (एबीसी) जीन सुपरफैमिली सभी बायोटा में पाई जाती है और इसमें दवा इफ्लक्स ट्रांसपोर्टर की एक श्रृंखला शामिल है जो कैंसर और रोगजनकों के लिए दवा प्रतिरोध प्रदान कर सकती है। इसके अलावा, कुछ एबीसी ट्रांसपोर्टरों को कीटनाशक प्रतिरोध के हस्तांतरण में शामिल होने के लिए मान्यता प्राप्त है। जबकि कई अध्ययनों में एल. साल्मोनिस में एबीसी ट्रांसपोर्टरों की जांच की गई है, इस प्रजाति के लिए एबीसी जीन परिवार का कोई व्यवस्थित विश्लेषण मौजूद नहीं है। यह अध्ययन एल. साल्मोनिस में एबीसी जीन का जीनोम-व्यापी सर्वेक्षण प्रस्तुत करता है जिसके लिए, एल. साल्मोनिस जीनोम की समरूपता खोज के माध्यम से एबीसी सुपरफैमिली के सदस्यों की पहचान की गई थी। इसके अतिरिक्त, ABC प्रोटीन की पहचान परजीवी के एक संदर्भ ट्रांसक्रिप्टोम में की गई थी जो एक बहु-चरण आरएनए पुस्तकालय के उच्च-प्रवाह आरएनए अनुक्रमण (आरएनए-सेक) द्वारा उत्पन्न की गई थी। जीनोम और ट्रांसक्रिप्टोम दोनों की खोजों से एबीसी प्रोटीन के लिए कोड करने वाले कुल 33 जीन/ट्रांसक्रिप्ट की पहचान की जा सकी, जिनमें से 3 केवल जीनोम में और 4 केवल ट्रांसक्रिप्टोम में प्रस्तुत थे। अठारह अनुक्रमों को एबीसी उप-परिवारों को सौंपा गया था जिनमें दवा ट्रांसपोर्टर शामिल हैं, अर्थात उपपरिवार बी (4 अनुक्रम), सी (11) और जी (2) परिणाम बताते हैं कि एल. साल्मोनिस के एबीसी जीन परिवार में अन्य आर्थ्रोपोड के लिए दर्ज किए गए सदस्यों की तुलना में कम सदस्य हैं। एल. साल्मोनिस एबीसी जीन सुपरफैमिली का वर्तमान सर्वेक्षण साल्मोन्स डिलुइजिंग एजेंटों की विषाक्तता में एबीसी ट्रांसपोर्टरों की संभावित भूमिकाओं और दवा प्रतिरोध के संभावित तंत्र के रूप में आगे के शोध के लिए आधार प्रदान करेगा। |
4a3235a542f92929378a11f2df2e942fe5674c0e | यह पेपर अनसुर्क्षित न्यूरल नेट आधारित घुसपैठ डिटेक्टर (यूएनएनआईडी) प्रणाली का परिचय देता है, जो अनसुर्क्षित न्यूरल नेटवर्क का उपयोग करके नेटवर्क आधारित घुसपैठ और हमलों का पता लगाता है। इस प्रणाली में प्रशिक्षण, परीक्षण और अनसुनीकृत नेट के ट्यूनिंग की सुविधा है जिसका उपयोग घुसपैठ का पता लगाने में किया जाएगा। इस प्रणाली का उपयोग करते हुए हमने दो प्रकार के अनसुर्क्षित अनुकूली अनुनाद सिद्धांत (एआरटी) जाल (एआरटी-1 और एआरटी-2) का परीक्षण किया। परिणामों के आधार पर, ऐसे नेटवर्क कुशलतापूर्वक नेटवर्क ट्रैफ़िक को सामान्य और घुसपैठ के रूप में वर्गीकृत कर सकते हैं। यह प्रणाली दुरुपयोग और विसंगति का पता लगाने के दृष्टिकोण का एक संकर उपयोग करती है, इसलिए ज्ञात हमले के प्रकारों के साथ-साथ नए हमले के प्रकारों को विसंगतियों के रूप में पहचानने में सक्षम है। |
10a9abb4c78f0be5cc85847f248d3e8277b3c810 | कम्प्यूटेशनल नेचुरल लैंग्वेज लर्निंग पर सम्मेलन में एक साझा कार्य है, जिसमें प्रतिभागी एक ही डेटा सेट पर अपने सीखने के सिस्टम को प्रशिक्षित और परीक्षण करते हैं। 2007 में, 2006 की तरह, साझा कार्य निर्भरता पार्सिंग के लिए समर्पित किया गया है, इस वर्ष एक बहुभाषी ट्रैक और एक डोमेन अनुकूलन ट्रैक दोनों के साथ। इस पेपर में हम विभिन्न ट्रैक के कार्यों को परिभाषित करते हैं और वर्णन करते हैं कि कैसे दस भाषाओं के लिए मौजूदा ट्रीबैंकों से डेटा सेट बनाए गए थे। इसके अतिरिक्त, हम भाग लेने वाली प्रणालियों के विभिन्न दृष्टिकोणों का वर्णन करते हैं, परीक्षण के परिणामों की रिपोर्ट करते हैं, और इन परिणामों का पहला विश्लेषण प्रदान करते हैं। |
14626b05a5ec7ec2addc512f0dfa8db60d817c1b | इस पेपर में हम गहरे तंत्रिका नेटवर्क पर विशेष ध्यान देने के साथ बड़े पैमाने पर गैर-उपमुख अनुकूलन समस्याओं के लिए त्वरण तकनीकों का पता लगाते हैं। अतिरेक योजना उत्तल अनुकूलन के लिए स्टोचैस्टिक ढाल वंश को तेज करने के लिए एक शास्त्रीय दृष्टिकोण है, लेकिन यह आमतौर पर गैर उत्तल अनुकूलन के लिए अच्छी तरह से काम नहीं करता है। वैकल्पिक रूप से, हम गैर-उपमुख अनुकूलन को तेज करने के लिए एक इंटरपोलेशन योजना का प्रस्ताव करते हैं और विधि को इंटरपोलट्रॉन कहते हैं। हम इंटरपोलट्रॉन के पीछे की प्रेरणा को समझाते हैं और एक गहन अनुभवजन्य विश्लेषण करते हैं। सीआईएफएआर-10 और इमेजनेट पर बड़ी गहराई के डीएनएन (जैसे, 98-परत रेसनेट और 200-परत रेसनेट) पर अनुभवजन्य परिणाम बताते हैं कि इंटरपोलट्रॉन गति और एडम के साथ एसजीडी जैसे अत्याधुनिक तरीकों की तुलना में बहुत तेजी से अभिसरण कर सकता है। इसके अलावा, एंडरसन त्वरण, जिसमें मिश्रण गुणांक की गणना न्यूनतम वर्गों के अनुमान द्वारा की जाती है, का उपयोग प्रदर्शन में सुधार करने के लिए भी किया जा सकता है। इंटरपोलट्रॉन और एंडरसन दोनों त्वरण को लागू करना और ट्यून करना आसान है। हम यह भी दिखाते हैं कि इंटरपोलट्रॉन में कुछ नियमितता मान्यताओं के तहत रैखिक अभिसरण दर है। |
55baef0d54403387f5cf28e2ae1ec850355cf60a | कीर्न्स, नील, रोथ और वू [आईसीएमएल 2018] ने हाल ही में एक समृद्ध उपसमूह निष्पक्षता की धारणा का प्रस्ताव दिया है जिसका उद्देश्य निष्पक्षता की सांख्यिकीय और व्यक्तिगत धारणाओं के बीच की खाई को पाटना है। समृद्ध उपसमूह निष्पक्षता एक सांख्यिकीय निष्पक्षता बाधा (कहते हैं, संरक्षित समूहों में झूठी सकारात्मक दरों को बराबर करना) चुनती है, लेकिन फिर पूछती है कि यह बाधा एक वर्ग द्वारा परिभाषित उपसमूहों के एक घातीय या असीम रूप से बड़े संग्रह पर पकड़ रखती है। वे इस बाधा के अधीन सीखने के लिए एक एल्गोरिथ्म की गारंटी देते हैं, इस शर्त के तहत कि इसमें निष्पक्षता बाधा के अभाव में पूरी तरह से सीखने के लिए ओरेकल तक पहुंच है। इस पेपर में, हम केर्न्स एट अल के एल्गोरिदम का एक व्यापक अनुभवजन्य मूल्यांकन करते हैं। चार वास्तविक डेटासेटों पर जिनके लिए निष्पक्षता एक चिंता है, हम एल्गोरिथ्म के बुनियादी अभिसरण की जांच करते हैं जब सीखने के ओरेकल के स्थान पर तेजी से heuristics के साथ उदाहरण दिया जाता है, निष्पक्षता और सटीकता के बीच व्यापार-बंद को मापते हैं, और इस दृष्टिकोण की तुलना अग्रवाल, बेगेलज़ायमर, डुडिक, लैंगफोर्ड और वाल्च [आईसीएमएल 2018] के हालिया एल्गोरिथ्म के साथ करते हैं, जो व्यक्तिगत संरक्षित विशेषताओं द्वारा परिभाषित कमजोर और अधिक पारंपरिक सीमांत निष्पक्षता बाधाओं को लागू करता है। हम यह पाते हैं कि सामान्य तौर पर, कीर्न एट अल। एल्गोरिथ्म तेजी से अभिसरण करता है, निष्पक्षता में बड़े लाभ सटीकता के लिए मामूली लागत के साथ प्राप्त किया जा सकता है, और केवल सीमांत निष्पक्षता के अधीन सटीकता का अनुकूलन करने से पर्याप्त उपसमूह अनुचितता के साथ वर्गीकरणकर्ता होते हैं। हम केर्न्स एट अल के गतिशीलता और व्यवहार के कई विश्लेषण और दृश्य भी प्रदान करते हैं। एल्गोरिथ्म। कुल मिलाकर हम इस एल्गोरिथ्म को वास्तविक डेटा पर प्रभावी पाते हैं, और समृद्ध उपसमूह निष्पक्षता अभ्यास में एक व्यवहार्य धारणा है। |
6be461dd5869d00fc09975a8f8e31eb5f86be402 | कंप्यूटर एनिमेटेड एजेंट और रोबोट मानव-कंप्यूटर संपर्क में सामाजिक आयाम लाते हैं और हमें नए तरीकों से सोचने के लिए मजबूर करते हैं कि कंप्यूटर का दैनिक जीवन में कैसे उपयोग किया जा सकता है। आमने-सामने संचार एक वास्तविक समय की प्रक्रिया है जो 40 मिलीसेकंड के क्रम में समय के पैमाने पर संचालित होती है। इस समय के पैमाने पर अनिश्चितता का स्तर काफी है, जिससे मनुष्यों और मशीनों के लिए धीमी प्रतीकात्मक अनुमान प्रक्रियाओं के बजाय संवेदी समृद्ध अवधारणात्मक आदिम पर भरोसा करना आवश्यक हो जाता है। इस लेख में हम एक ऐसे अवधारणात्मक आदिम पर प्रगति प्रस्तुत करते हैं। प्रणाली स्वचालित रूप से वीडियो स्ट्रीम में सामने के चेहरे का पता लगाता है और उन्हें वास्तविक समय में 7 आयामों के संबंध में कोड करता हैः तटस्थ, क्रोध, घृणा, भय, आनंद, उदासी, आश्चर्य। चेहरे का पता लगाने वाला प्रवर्धन तकनीकों के साथ प्रशिक्षित सुविधा डिटेक्टरों के एक कैस्केड को नियोजित करता है [15, 2]। अभिव्यक्ति पहचानकर्ता चेहरे डिटेक्टर द्वारा स्थित छवि पैच प्राप्त करता है। पैच का एक गाबोर प्रतिनिधित्व बनाया जाता है और फिर एसवीएम वर्गीकरणकर्ताओं के एक बैंक द्वारा संसाधित किया जाता है। एडबॉस्ट और एसवीएम के एक नए संयोजन से प्रदर्शन में वृद्धि होती है। इस प्रणाली का परीक्षण Cohn-Kanade डेटासेट पर किया गया था, जिसमें चेहरे के भावों को प्रस्तुत किया गया था। 7-मार्ग के लिए नए विषयों के लिए सामान्यीकरण प्रदर्शन को मजबूर किया सही विकल्प। सबसे दिलचस्प बात यह है कि वर्गीकरणकर्ता के आउटपुट समय के साथ सुचारू रूप से बदलते हैं, जो चेहरे की अभिव्यक्ति की गतिशीलता को पूरी तरह से स्वचालित और अप्रत्यक्ष तरीके से कोड करने के लिए एक संभावित मूल्यवान प्रतिनिधित्व प्रदान करते हैं। इस प्रणाली को सोनी के एइबो पालतू रोबोट, एटीआर के रोबोवी और सीयू एनिमेटर सहित विभिन्न प्रकार के प्लेटफार्मों पर तैनात किया गया है, और वर्तमान में स्वचालित रीडिंग ट्यूटर्स, मानव-रोबोट बातचीत के मूल्यांकन सहित अनुप्रयोगों के लिए मूल्यांकन किया जा रहा है। |
15f932d189b13786ca54b1dc684902301d34ef65 | इस पेपर में कम बिजली वाले फोटोवोल्टिक अनुप्रयोग के लिए एक उच्च कुशल एलएलसीसी-प्रकार के अनुनाद डीसी-डीसी कनवर्टर पर चर्चा की गई है। इस लेख में, प्रतिध्वनि टैंक के विभिन्न डिजाइन तंत्रों पर जोर दिया गया है। इसी समय इन्वर्टर के साथ-साथ रेक्टिफायर ब्रिज के सॉफ्ट स्विचिंग को भी माना जाता है। डिजाइन नियमों के संबंध में, एक नई चुनौती को वोल्टेज-स्रोत आउटपुट के साथ एलएलसीसी-कन्वर्टर के डिजाइन में हल किया गया है। प्रतिध्वनि तत्वों के बजाय, उनके अनुपात, जैसे प्रेरण का अनुपात Ls/Lp को पहले डिजाइन पैरामीटर के रूप में माना जाता है। इसके अलावा, ट्रांसफार्मर-इंडक्टर डिवाइस के लिए व्युत्पन्न डिजाइन नियम सीधे समग्र एलएलसीसी-डिजाइन में फिट बैठता है। ट्रांसफार्मर की प्रकृति के कारण, अर्थात अनुप्रेषणों का संबंध Ls/Lp केवल ज्यामिति का एक कार्य है, यह डिजाइन पैरामीटर सीधे ज्यामिति द्वारा माना जाता है। प्रयोगात्मक परिणाम उच्च दक्षता को प्रदर्शित करते हैं। |
f13902eb6429629179419c95234ddbd555eb2bb6 | |
07d138a54c441d6ae9bff073025f8f5eeaac4da4 | बड़ी मात्रा में डेटा पर प्रशिक्षित बड़े गहरे तंत्रिका नेटवर्क (डीएनएन) मॉडल ने हाल ही में छवि और भाषण मान्यता जैसे कठिन कार्यों पर सबसे अच्छी सटीकता हासिल की है। इन डीएनएन को कमोडिटी मशीनों के क्लस्टर का उपयोग करके प्रशिक्षित करना एक आशाजनक दृष्टिकोण है क्योंकि प्रशिक्षण समय लेने वाला और कंप्यूटिंग-गहन है। अत्यंत बड़े डीएनएन के प्रशिक्षण को सक्षम करने के लिए, मॉडल को मशीनों में विभाजित किया जाता है। बहुत बड़े डेटा सेट पर प्रशिक्षण को तेज करने के लिए, कई मॉडल प्रतिकृतियों को प्रशिक्षण उदाहरणों के विभिन्न उप-समूहों पर समानांतर में प्रशिक्षित किया जाता है, जिसमें एक वैश्विक पैरामीटर सर्वर इन प्रतिकृतियों में साझा भार बनाए रखता है। मॉडल और डेटा विभाजन तथा समग्र प्रणाली प्रावधान के लिए सही विकल्प डीएनएन और वितरित प्रणाली हार्डवेयर विशेषताओं पर अत्यधिक निर्भर है। इन निर्णयों के लिए वर्तमान में महत्वपूर्ण डोमेन विशेषज्ञता और समय लेने वाली अनुभवजन्य राज्य अंतरिक्ष अन्वेषण की आवश्यकता होती है। इस पेपर में प्रदर्शन मॉडल विकसित किए गए हैं जो समग्र वितरित प्रणाली के प्रदर्शन और स्केलेबिलिटी पर इन विभाजन और प्रावधान निर्णयों के प्रभाव को मापते हैं। इसके अलावा, हम इन प्रदर्शन मॉडल का उपयोग एक स्केलेबिलिटी अनुकूलक बनाने के लिए करते हैं जो कुशलता से इष्टतम सिस्टम कॉन्फ़िगरेशन निर्धारित करता है जो डीएनएन प्रशिक्षण समय को कम करता है। हम दो बेंचमार्क अनुप्रयोगों पर अत्याधुनिक वितरित डीएनएन प्रशिक्षण ढांचे का उपयोग करके अपने प्रदर्शन मॉडल और स्केलेबिलिटी ऑप्टिमाइज़र का मूल्यांकन करते हैं। परिणाम बताते हैं कि हमारे प्रदर्शन मॉडल उच्च अनुमान सटीकता के साथ डीएनएन प्रशिक्षण समय का अनुमान लगाते हैं और हमारे स्केलेबिलिटी ऑप्टिमाइज़र सही ढंग से सर्वोत्तम कॉन्फ़िगरेशन चुनते हैं, वितरित डीएनएन के प्रशिक्षण समय को कम करते हैं। |
eee686b822950a55f31d4c9c33d02c1942424785 | सार- इस पत्र में क्वार्टर वेव ट्रांसफार्मर के साथ टी-जंक्शन का उपयोग करते हुए 2 x 2 त्रिकोणीय माइक्रोस्ट्रिप पैच एंटीना का वर्णन किया गया है। पैच एंटीना में दूरी को विनियमित करके और फीड पोजीशन को समायोजित करके, बैंडविड्थ प्राप्त किया जा सकता है और एक सरणी का उपयोग करके, दिशात्मकता में वृद्धि की जाती है। बड़ी बैंडविड्थ, उच्च दिशात्मकता और न्यूनतम आकार की आवश्यकता के कारण 2 x 2 त्रिकोणीय माइक्रोस्ट्रिप पैच एंटीना सरणी का डिजाइन किया गया है जो टी-जंक्शन नेटवर्क के साथ 5.5 गीगाहर्ट्ज पर काम करता है। एक FR4 सब्सट्रेट पर डिज़ाइन किया गया एक एंटीना जिसका विद्युतविघटन स्थिर (r) 4.4, एक हानि स्पर्शरेखा 0.02 और 1.6 मिमी की मोटाई थी। सिमुलेशन परिणामों से पता चला कि डिजाइन किए गए एंटीना में टी-जंक्शन फीडिंग नेटवर्क का उपयोग करते हुए वीएसडब्ल्यूआर 1.07 के साथ 12.91 डीबी और 173 मेगाहर्ट्ज बैंडविड्थ है। प्रस्तावित 2 x 2 त्रिकोणीय सरणी में हल्के वजन, निर्माण की सादगी, एकल परत संरचना और उच्च दिशा का लाभ है। कीवर्ड बैंडविड्थ, कॉर्पोरेट फीडिंग, रिटर्न लॉस, टी-जंक्शन, वीएसडब्ल्यूआर। |
c707938422b60bf827ec161872641468ec1ffe00 | हम परिमित अवस्था में मान कार्यों के स्थान के ज्यामितीय और स्थलाकृति गुणों को स्थापित करते हैंक्रिया मार्कोव निर्णय प्रक्रियाओं। हमारा मुख्य योगदान इसके आकार की प्रकृति का लक्षण है: एक सामान्य बहुरूप (एग्नर एट अल., 2010) । इस परिणाम को प्रदर्शित करने के लिए, हम रेखा प्रमेय सहित नीतियों और मूल्य कार्यों के बीच संरचनात्मक संबंध के कई गुण प्रदर्शित करते हैं, जो यह दर्शाता है कि एक राज्य को छोड़कर सभी पर प्रतिबंधित नीतियों के मूल्य कार्य एक रेखा खंड का वर्णन करते हैं। अंत में, हम इस नए परिप्रेक्ष्य का उपयोग दृश्यों को प्रस्तुत करने के लिए सुदृढीकरण सीखने एल्गोरिदम की गतिशीलता की समझ को बढ़ाने के लिए करते हैं। |
86854374c13516a8ad0dc28ffd9cd4be2bca9bfc | हाल के वर्षों में समस्याओं में रुचि बढ़ी है, जहां या तो अवलोकन किए गए डेटा या छिपे हुए राज्य चर एक ज्ञात रिमैनियन manifold तक ही सीमित हैं। अनुक्रमिक डेटा विश्लेषण में यह रुचि भी बढ़ रही है, लेकिन इसके बजाय कच्चे एल्गोरिदम लागू किए गए हैंः या तो मोंटे कार्लो फ़िल्टर या क्रूर बल विच्छेदन। ये दृष्टिकोण खराब रूप से स्केल करते हैं और स्पष्ट रूप से एक लापता अंतर दिखाते हैंः गैर-यूक्लिडियन डोमेन में वर्तमान में कलमैन फिल्टर के लिए कोई सामान्य एनालॉग उपलब्ध नहीं हैं। इस पेपर में, हम पहले बिना गंध वाले परिवर्तन को सामान्यीकृत करके और फिर बिना गंध वाले कलमन फ़िल्टर को रीमैनियन मल्टीफॉल्ड में सामान्यीकृत करके इस समस्या का समाधान करते हैं। जैसा कि कैलमैन फ़िल्टर को गौस-न्यूटन विधि के समान एक अनुकूलन एल्गोरिथ्म के रूप में देखा जा सकता है, हमारा एल्गोरिथ्म भी मल्टीफॉल्ड पर एक सामान्य-उद्देश्य अनुकूलन ढांचा प्रदान करता है। हम सुझाए गए विधि को स्पष्ट करते हैं जो कि एक क्षेत्र ट्रैकिंग समस्या पर सह-विचलन विशेषताओं का उपयोग करके, एक स्पष्ट ट्रैकिंग समस्या, एक औसत मूल्य अनुकूलन और एक पोजीशन अनुकूलन समस्या का अध्ययन करने के लिए सिंथेटिक डेटा पर आधारित है। |
a075a513b2b1e8dbf9b5d1703a401e8084f9df9c | एकतरफा कॉम्पैक्ट विद्युत चुम्बकीय बैंडगैप (यूसी-ईबीजी) सब्सट्रेट को मुद्रित एंटेना ज्यामिति में सतह तरंग उत्तेजना को कम करने के लिए एक प्रभावी उपाय साबित किया गया है। इस पेपर में यूसी-ईबीजी सब्सट्रेट में एम्बेडेड एक माइक्रोस्ट्रिप एंटीना चरणबद्ध सरणी के प्रदर्शन की जांच की गई है। परिणाम तत्वों के बीच आपसी युग्मन में कमी दिखाते हैं और मुद्रित तत्वों के साथ चरणबद्ध सरणी अनुप्रयोगों में "अंधे धब्बे" समस्या का एक संभावित समाधान प्रदान करते हैं। एक नवीन और कुशल यूसी-ईबीजी सरणी विन्यास प्रस्तावित है। उच्च विद्युत स्थिरांक वाले सब्सट्रेट पर 7/spl गुना/5 तत्वों की एक जांच से भरे पैच एंटीना चरणबद्ध सरणी को डिजाइन, निर्मित और परीक्षण किया गया। सिमुलेशन और माप परिणामों में सक्रिय रिटर्न हानि और सरणी केंद्र तत्व के सक्रिय पैटर्न में सुधार दिखाया गया है। इष्टतम प्रदर्शन प्राप्त करने के लिए उपयोग किए जाने वाले व्यापार-विनिमय पर चर्चा की गई है। |
16a0fde5a8ab5591a9b2985f60a04fdf50a18dc4 | उपयोगकर्ता प्रमाणीकरण के लिए चलने को एक कुशल बायोमेट्रिक विशेषता माना गया है। यद्यपि कुछ अध्ययन हैं जो पैदल चलने के आधार पर प्रमाणीकरण प्रणालियों में पैदल चलने के टेम्पलेट/मॉडल को सुरक्षित करने के कार्य को संबोधित करते हैं, वे पैदल चलने के आंकड़ों की कम भेदभाव और उच्च भिन्नता को ध्यान में नहीं रखते हैं जो प्रस्तावित प्रणालियों की सुरक्षा और व्यावहारिकता को महत्वपूर्ण रूप से प्रभावित करता है। इस पेपर में, हम जड़ता संवेदक आधारित चाल क्रिप्टो प्रणाली में उपरोक्त कमियों को संबोधित करने पर ध्यान केंद्रित करते हैं। विशेष रूप से, हम पैदल चलने के टेम्पलेट्स के भेदभाव को बढ़ाने के लिए रैखिक भेदभाव विश्लेषण का लाभ उठाते हैं, और उच्च भेदभावपूर्ण और स्थिर द्विआधारी टेम्पलेट निकालने के लिए ग्रे कोड क्वांटिज़ेशन। 38 विभिन्न उपयोगकर्ताओं पर प्रयोगात्मक परिणामों से पता चला कि हमारी प्रस्तावित विधि ने गॉथ क्रिप्टो सिस्टम के प्रदर्शन और सुरक्षा में काफी सुधार किया है। विशेष रूप से, हमने 6×10−5% (यानी, 16983 परीक्षणों में 1 विफल) और 9.2% की झूठी अस्वीकृति दर 148-बिट सुरक्षा के साथ प्राप्त की। |
d7fd575c7fae05e055e47d898a5d9d2766f742b9 | |
84ade3cb5b57624baee89d9e617bb5847ee07375 | |
9e5158222c911bec96d4f533cd0d7a1a0cff1731 | बहुक्रियाशील सक्रिय इलेक्ट्रॉनिक रूप से निर्देशित एंटीना (एईएसए) प्रणालियों के लिए अगली पीढ़ी के आरएफ सेंसर मॉड्यूल को विभिन्न ऑपरेटिंग मोड के संयोजन की आवश्यकता होगी, जैसे कि रडार, इलेक्ट्रॉनिक युद्ध (ईडब्ल्यू) कार्यक्षमता और एक ही एंटीना फ्रंटएंड के भीतर संचार / डेटालिंक। वे आमतौर पर सी-बैंड, एक्स-बैंड और क्यू-बैंड में काम करते हैं और 10 गीगाहर्ट्ज से अधिक की बैंडविड्थ आवश्यकता का तात्पर्य करते हैं। आधुनिक सक्रिय इलेक्ट्रॉनिक रूप से निर्देशित एंटेना के निर्माण के लिए, ट्रांसमिट/रिसीव (टी/आर) मॉड्यूल को सख्त ज्यामिति की मांगों को पूरा करना होगा। इन भविष्य के बहुक्रियाशील आरएफ सेंसर मॉड्यूल के लिए एक प्रमुख चुनौती आधे तरंग दैर्ध्य एंटेना ग्रिड अंतराल द्वारा निर्धारित की जाती है, जो भौतिक चैनल चौड़ाई को < 12 मिमी या उससे भी कम तक सीमित करता है, जो कि बीम पॉइंटिंग आवश्यकताओं के अनुरूप उच्चतम आवृत्ति के संचालन पर निर्भर करता है। इन ज्यामिति की मांगों को दूर करने के लिए एक आशाजनक समाधान कुल मोनोलिथिक माइक्रोवेव एकीकृत सर्किट (एमएमआईसी) चिप क्षेत्र को कम करना है, जो व्यक्तिगत आरएफ कार्यक्षमताओं को एकीकृत करके प्राप्त किया जाता है, जो आमतौर पर व्यक्तिगत एकीकृत सर्किट (आईसी) के माध्यम से प्राप्त होते हैं, नए बहुक्रियाशील (एमएफसी) एमएमआईसी में। इस कार्य में अगली पीढ़ी के आरएफ सेंसर मॉड्यूल की दिशा में विभिन्न अवधारणाओं पर चर्चा और व्याख्या की जाएगी, जिनमें से कुछ को पहले ही लागू किया जा चुका है। |
77a9473256f6841d40cb9198feb5b91dccf9ffd1 | यह पेपर एक डिम्मेबल चार्ज-पंप ड्राइवर को प्रकाश उत्सर्जक डायोड (एलईडी) को पावर फैक्टर सुधार (पीएफसी) और शून्य वोल्टेज स्विचिंग (जेडवीएस) के साथ शक्ति प्रदान करने के लिए प्रस्तुत करता है। प्रस्तावित एलईडी ड्राइवर इलेक्ट्रोलाइटिक कैपेसिटर का उपयोग नहीं करता है, जो एक उच्च उपयोगी जीवनकाल प्रदान करता है, और यह वर्तमान सेंसर की आवश्यकता के बिना खुले लूप नियंत्रण में आउटपुट वर्तमान को स्थिर कर सकता है, जो लागत को कम करता है। आउटपुट पावर स्विचिंग आवृत्ति के आनुपातिक होती है, जो एलईडी को मंद करने की अनुमति देती है। 22 वाट के साथ एक प्रोटोटाइप लागू किया गया और प्रयोगात्मक परिणामों पर चर्चा की गई। प्रोटोटाइप में 0.996 का पावर फैक्टर और 89.5% की दक्षता थी। स्विचिंग आवृत्ति के माध्यम से ड्राइवर आउटपुट पावर को 40% से अधिक कम किया गया था जबकि 53 kHz से 30 kHz तक भिन्न होता है और कनवर्टर ZVS में काम करना जारी रखता है। |
b5fe4731ff6a7a7f1ad8232186e84b1f944162e0 | क्रॉस-मीडिया हैशिंग, जो विभिन्न प्रकारों से डेटा को एक सामान्य निम्न-आयामी हैमिंग स्पेस में एम्बेड करके क्रॉस-मीडिया पुनर्प्राप्ति का संचालन करता है, ने हाल के वर्षों में गहन ध्यान आकर्षित किया है। यह तथ्यों से प्रेरित है a) मल्टी-मोडल डेटा व्यापक है, उदाहरण के लिए, फ़्लिकर पर वेब छवियां टैग से जुड़ी हुई हैं, और b) हैशिंग बड़े पैमाने पर उच्च आयामी डेटा प्रसंस्करण की ओर एक प्रभावी तकनीक है, जो क्रॉस-मीडिया पुनर्प्राप्ति की स्थिति है। गहरी शिक्षा में हालिया प्रगति से प्रेरित होकर, हम बहु-मोडल तंत्रिका नेटवर्क पर आधारित क्रॉस-मीडिया हैशिंग दृष्टिकोण का प्रस्ताव करते हैं। सीखने के उद्देश्य में प्रतिबंधित करके a) प्रासंगिक क्रॉस-मीडिया डेटा के लिए हैश कोड समान हैं, और b) हैश कोड वर्ग लेबल की भविष्यवाणी के लिए भेदभावपूर्ण हैं, सीखे हुए हैमिंग स्पेस से क्रॉस-मीडिया अर्थ संबंधी संबंधों को अच्छी तरह से पकड़ने और अर्थ संबंधी भेदभावपूर्ण होने की उम्मीद है। दो वास्तविक दुनिया के डेटा सेटों पर प्रयोगों से पता चलता है कि हमारा दृष्टिकोण अत्याधुनिक तरीकों की तुलना में बेहतर क्रॉस-मीडिया पुनर्प्राप्ति प्रदर्शन प्राप्त करता है। |
9814dd00440b08caf0df96988edb4c56cfcf7bd1 | एक आकर्षणकर्ता उच्च स्तरीय कार्य इरादे प्रदान करता है और स्थानीय योजनाकार के लिए पर्यावरण के बारे में वैश्विक जानकारी को शामिल करता है, इस प्रकार लंबी क्षितिज के साथ महंगी वैश्विक योजना की आवश्यकता को समाप्त करता है। यह प्रदर्शित किया गया है कि एक आकर्षण के साथ प्रक्षेपवक्र योजना के परिणामस्वरूप केवल स्थानीय योजना वाले प्रणालियों पर बेहतर प्रदर्शन होता है सक्रिय एसएलएएम एक स्वायत्त रोबोट के लिए एसएलएएम प्रक्रिया के साथ एक साथ कुशल मार्गों की योजना बनाने के लिए चुनौती पेश करता है। रोबोट, नक्शा और सेंसर माप की अनिश्चितताओं और गतिशील और गति संबंधी बाधाओं को योजना प्रक्रिया में विचार करने की आवश्यकता है। इस पेपर में, सक्रिय SLAM समस्या को एक इष्टतम प्रक्षेपवक्र योजना समस्या के रूप में तैयार किया गया है। एक नई तकनीक का उपयोग किया जाता है जो एक आकर्षण का उपयोग करता है जो स्थानीय नियोजन रणनीतियों जैसे कि मॉडल पूर्वानुमान नियंत्रण (ए.के.ए. इस समस्या को हल करने के लिए। |
bc32313c5b10212233007ebb38e214d713db99f9 | वयस्क क्लिनिकल इलेक्ट्रोकार्डियोग्राफी (ईसीजी) सिग्नल प्रोसेसिंग तकनीकों और डिजिटल प्रोसेसर की शक्ति में महत्वपूर्ण प्रगति के बावजूद, गैर-आक्रामक भ्रूण ईसीजी (एनआई-एफईसीजी) का विश्लेषण अभी भी अपनी प्रारंभिक अवस्था में है। कार्डियोलॉजी चैलेंज 2013 में फिजियोनेट/कंप्यूटिंग इन सीमाओं में से कुछ को संबोधित करता है, जो सिग्नल प्रोसेसिंग तकनीकों के मूल्यांकन के लिए वैज्ञानिक समुदाय के लिए सार्वजनिक रूप से उपलब्ध एफईसीजी डेटा का एक सेट बनाता है। उच्च आवृत्तियों और बेसलाइन भटकने को हटाने के लिए पेट के ईसीजी संकेतों को पहले बैंड-पास फिल्टर के साथ पूर्व-प्रसंस्कृत किया गया था। यदि आवश्यक हो तो 50 हर्ट्ज या 60 हर्ट्ज पर विद्युत हस्तक्षेप को हटाने के लिए एक नाच फिल्टर लगाया गया था। इसके बाद, मातृ ईसीजी को रद्द करने के लिए विभिन्न स्रोत पृथक्करण तकनीकों को लागू करने से पहले संकेतों को सामान्यीकृत किया गया था। इन तकनीकों में शामिल थे: टेम्पलेट सब्ट्रैक्शन, मुख्य/स्वतंत्र घटक विश्लेषण, विस्तारित कल्मान फ़िल्टर और इन विधियों के एक उप-समूह का संयोजन (FUSE विधि) । फ्यूटल क्यूआरएस का पता लगाने के लिए पैन और टॉम्पकिन्स क्यूआरएस डिटेक्टर का उपयोग करके सभी अवशेषों पर किया गया और सबसे चिकनी भ्रूण हृदय गति समय श्रृंखला के साथ अवशिष्ट चैनल का चयन किया गया। वैधता और परीक्षण सेट पर, सबसे अच्छा चुनौती स्कोर प्राप्त हुए थे ई 1 = 179.44, ई 2 = 20.79, ई 3 = 153.07, ई 4 = 29.62 और ई 5 = 4.67 क्रमशः घटनाओं 1-5 के लिए FUSE विधि का उपयोग कर। ये E1 और E2 के लिए सर्वश्रेष्ठ चुनौती स्कोर थे और चुनौती में प्रवेश करने वाली 53 अंतरराष्ट्रीय टीमों में से E3, E4 और E5 के लिए तीसरे और दूसरे सबसे अच्छे चुनौती स्कोर थे। परिणामों से पता चला कि भ्रूण हृदय गति के अनुमान के लिए मौजूदा मानक दृष्टिकोणों को एक साथ अनुमानों को मिलाकर सुधार किया जा सकता है। हम वर्णित प्रत्येक मानक दृष्टिकोण के लिए बेंचमार्किंग सक्षम करने के लिए खुला स्रोत कोड प्रदान करते हैं। |
09f13c590f19dce53dfd8530f8cbe8044cce33ed | हाल के वर्षों में, विभिन्न प्रकार की भौतिक बातचीत के प्रबंधन के लिए कई यूजर-इंटरफेस डिवाइस दिखाई देते हैं। माइक्रोसॉफ्ट काइनेट कैमरा एक क्रांतिकारी और उपयोगी गहराई कैमरा है जो इशारे या गति का पता लगाने के माध्यम से एक्सबॉक्स प्लेटफॉर्म पर इंटरैक्टिव गेमिंग का नया उपयोगकर्ता अनुभव देता है। इस पेपर में हम माइक्रोसॉफ्ट कीनेट सेंसर का उपयोग करके क्वाड्रोटर एआर ड्रोन को नियंत्रित करने के लिए एक दृष्टिकोण प्रस्तुत करते हैं। |
ca78c8c4dbe4c92ba90c8f6e1399b78ced3cf997 | इस पेपर में हम दिखाते हैं कि ध्यान और आउटपुट के बीच संयुक्त वितरण का एक सरल बीम अनुमान अनुक्रम से अनुक्रम सीखने के लिए एक आसान, सटीक और कुशल ध्यान तंत्र है। इस पद्धति में कठोर ध्यान में तेज ध्यान के लाभ और नरम ध्यान के कार्यान्वयन की आसानी को मिलाया गया है। पांच अनुवाद और दो रूपात्मक झुकने के कार्यों पर हम मौजूदा ध्यान तंत्र की तुलना में BLEU में सहज और सुसंगत लाभ दिखाते हैं। |
abdb694ab4b1cb4f54f07ed16a657765ce8c47f5 | नवाचार विशेषताओं और नवाचार को अपनाने और लागू करने के संबंध में 75 लेखों की समीक्षा और मेटा-विश्लेषण किया गया। विश्लेषण के एक भाग में मौजूदा अध्ययनों का एक पद्धतिगत प्रोफाइल बनाना और इसे एक काल्पनिक इष्टतम दृष्टिकोण के साथ तुलना करना शामिल था। अध्ययन के दूसरे भाग में मौजूदा अनुभवजन्य निष्कर्षों की सामान्यता और स्थिरता का आकलन करने के लिए मेटा-विश्लेषणात्मक सांख्यिकीय तकनीकों का उपयोग किया गया। तीन नवाचार विशेषताओं (संगतता, सापेक्ष लाभ और जटिलता) का नवाचार को अपनाने के साथ सबसे अधिक सुसंगत महत्वपूर्ण संबंध था। इस क्षेत्र में भविष्य के अनुसंधान के लिए सुझाव दिए गए। |
518fd110bbf86df5259fb99126173d626a2ff744 | हम व्यक्तिगत रोबोट और असेंबली लाइन रोबोट जैसे मोबाइल मैनिपुलेटरों के लिए प्रक्षेपवक्रों पर सीखने की वरीयताओं की समस्या पर विचार करते हैं। हम जो वरीयताएँ सीखते हैं वे प्रक्षेपवक्रों पर सरल ज्यामितीय बाधाओं से अधिक जटिल हैं; वे विभिन्न वस्तुओं और पर्यावरण में मानव बातचीत के आसपास के संदर्भ द्वारा शासित हैं। हम प्रासंगिक रूप से समृद्ध वातावरण में शिक्षण वरीयताओं के लिए एक सहक्रियात्मक ऑनलाइन शिक्षण ढांचे का प्रस्ताव करते हैं। हमारे दृष्टिकोण की मुख्य नवीनता उपयोगकर्ता से अपेक्षित प्रतिक्रिया के प्रकार में निहित हैः मानव उपयोगकर्ता को प्रशिक्षण डेटा के रूप में इष्टतम प्रक्षेपवक्रों का प्रदर्शन करने की आवश्यकता नहीं है, बल्कि केवल पुनरावर्ती रूप से प्रक्षेपवक्र प्रदान करने की आवश्यकता है जो वर्तमान में प्रणाली द्वारा प्रस्तावित प्रक्षेपवक्र पर थोड़ा सुधार करते हैं। हम तर्क देते हैं कि यह सहक्रियात्मक वरीयता प्रतिक्रिया इष्टतम प्रक्षेपवक्र के प्रदर्शनों की तुलना में अधिक आसानी से प्राप्त की जा सकती है। फिर भी, हमारे एल्गोरिथ्म की सैद्धांतिक खेद सीमाएं इष्टतम प्रक्षेपवक्र एल्गोरिदम की असीमित दरों से मेल खाती हैं। हम दो उच्च-डिग्री-ऑफ-स्वतंत्रता रोबोट, पीआर2 और बैक्सटर पर हमारे एल्गोरिथ्म को लागू करते हैं, और इस तरह के वृद्धिशील प्रतिक्रिया प्रदान करने के लिए तीन सहज तंत्र प्रस्तुत करते हैं। हमारे प्रयोगात्मक मूल्यांकन में हम दो संदर्भ समृद्ध सेटिंग्स, घरेलू कामों और किराने की दुकान चेकआउट पर विचार करते हैं, और दिखाते हैं कि उपयोगकर्ता केवल कुछ फीडबैक (केवल कुछ मिनट लगते हैं) के साथ रोबोट को प्रशिक्षित करने में सक्षम हैं। |
9f927249d7b33b91ca23f8820e21b22a6951a644 | मिलीमीटर वेव (mmWave) सेलुलर सिस्टम की उच्च डेटा दरों को सक्षम करने के लिए बेस स्टेशनों और मोबाइल उपयोगकर्ताओं दोनों पर बड़े एंटीना सरणियों को तैनात करने की आवश्यकता होती है। मिमीवेव सेलुलर नेटवर्क के कवरेज और दर पर पहले के काम में उस मामले पर ध्यान केंद्रित किया गया था जब बेस स्टेशन और मोबाइल बीमफॉर्मिंग वेक्टर अधिकतम बीमफॉर्मिंग लाभ के लिए पूर्वनिर्धारित होते हैं। बीम बनाने/संयोजन वेक्टरों को डिजाइन करने के लिए, हालांकि, प्रशिक्षण की आवश्यकता होती है, जो एसआईएनआर कवरेज और मिमीवेव सिस्टम की दर दोनों को प्रभावित कर सकता है। यह पेपर बीम प्रशिक्षण/संबद्धता ओवरहेड के लिए लेखांकन करते हुए मिमीवेव सेलुलर नेटवर्क प्रदर्शन का मूल्यांकन करता है। सबसे पहले, प्रारंभिक बीम एसोसिएशन के लिए एक मॉडल बीम स्वीपिंग और डाउनलिंक नियंत्रण पायलट पुनः उपयोग के आधार पर विकसित किया जाता है। बीम प्रशिक्षण के प्रभाव को शामिल करने के लिए, एक नया मीट्रिक, जिसे प्रभावी विश्वसनीय दर कहा जाता है, को परिभाषित और अपनाया जाता है। स्थैतिक ज्यामिति का उपयोग करते हुए, एमएमवेव सेलुलर नेटवर्क की प्रभावी दर दो विशेष मामलों के लिए प्राप्त की जाती हैः निकट-अर्थगोनल पायलट और पूर्ण पायलट पुनः उपयोग। विश्लेषणात्मक और सिमुलेशन परिणाम दो महत्वपूर्ण प्रश्नों के उत्तर में अंतर्दृष्टि प्रदान करते हैं। प्रथम, एमएमवेव नेटवर्क प्रदर्शन पर बीम एसोसिएशन का क्या प्रभाव है? फिर, क्या ऑर्थोगोनल या पुनः उपयोग किए गए पायलटों को नियोजित किया जाना चाहिए? परिणाम बताते हैं कि जब तक कि प्रयुक्त बीम बहुत चौड़े नहीं होते, पूर्ण पायलट पुनः उपयोग के साथ प्रारंभिक बीम प्रशिक्षण लगभग सही बीम संरेखण के रूप में अच्छा है। |
6bd1f2782d6c8c3066d4e7d7e3afb995d79fa3dd | एक अर्थ विभाजन एल्गोरिथ्म को छवि में प्रत्येक पिक्सेल को एक लेबल असाइन करना होगा। हाल ही में, आरजीबी इमेजरी का अर्थपूर्ण विभाजन गहरी शिक्षा के कारण काफी उन्नत हुआ है। क्योंकि अर्थिक विभाजन के लिए डेटासेट बनाना श्रमसाध्य है, ये डेटासेट ऑब्जेक्ट मान्यता डेटासेट की तुलना में काफी छोटे होते हैं। इससे अर्थिक विभाजन के लिए सीधे गहरे तंत्रिका नेटवर्क को प्रशिक्षित करना मुश्किल हो जाता है, क्योंकि यह ओवरफिटिंग के लिए प्रवण होगा। इस समस्या से निपटने के लिए, डीप लर्निंग मॉडल आमतौर पर बड़े पैमाने पर छवि वर्गीकरण डेटासेट पर पूर्व-प्रशिक्षित संवहन तंत्रिका नेटवर्क का उपयोग करते हैं, जो तब अर्थपूर्ण विभाजन के लिए ठीक-ठाक होते हैं। गैर-आरजीबी छवियों के लिए, यह वर्तमान में संभव नहीं है क्योंकि बड़े पैमाने पर लेबल किए गए गैर-आरजीबी डेटासेट मौजूद नहीं हैं। इस पेपर में, हमने बहु-वर्णीय रिमोट सेंसिंग इमेजरी के अर्थिक विभाजन के लिए दो गहरे तंत्रिका नेटवर्क विकसित किए हैं। लक्ष्य डेटासेट पर प्रशिक्षण से पहले, हम बड़ी मात्रा में सिंथेटिक मल्टीस्पेक्ट्रल इमेजरी के साथ नेटवर्क को आरंभ करते हैं। हम दिखाते हैं कि यह वास्तविक दुनिया रिमोट सेंसिंग इमेजरी पर परिणामों में काफी सुधार करता है, और हम चुनौतीपूर्ण हैमलाइन बीच स्टेट पार्क डेटासेट पर एक नया अत्याधुनिक परिणाम स्थापित करते हैं। |
9e9b8832b9e727d5f7a61cedfa4bdf44e8969623 | वैश्विक समाधान खोजने के लिए बड़े पैमाने पर गैर-रैखिक अनुकूलन समस्याओं के लिए इस पेपर में शिक्षण-शिक्षा-आधारित अनुकूलन (टीएलबीओ) नामक एक कुशल अनुकूलन विधि का प्रस्ताव किया गया है। प्रस्तावित विधि कक्षा में शिक्षकों के उत्पादन पर शिक्षक के प्रभाव के प्रभाव पर आधारित है। इस पद्धति का मूल दर्शन विस्तार से बताया गया है। इस पद्धति की प्रभावशीलता का परीक्षण विभिन्न विशेषताओं वाली कई बेंचमार्क समस्याओं पर किया जाता है और परिणामों की तुलना अन्य जनसंख्या आधारित विधियों से की जाती है। 2011 एल्सवियर इंक. सभी अधिकार सुरक्षित. |
3ca6ab58ae015860098d800a9942af9df4d1e090 | खोज-आधारित ग्राफ क्वेरी, जैसे कि लघु पथ और समरूप उपग्राफ ढूंढना, मेमोरी विलंबता द्वारा हावी हैं। यदि इनपुट ग्राफ को उचित रूप से विभाजित किया जा सकता है, तो बड़े क्लस्टर-आधारित कंप्यूटिंग प्लेटफॉर्म इन प्रश्नों को चला सकते हैं। हालांकि, इनपुट ग्राफ के प्रत्येक शीर्ष पर कंप्यूटिंग-बाउंड प्रोसेसिंग की कमी और पड़ोसियों को पुनः प्राप्त करने की निरंतर आवश्यकता कम प्रोसेसर उपयोग का तात्पर्य करती है। इसके अलावा, ग्राफ वर्ग जैसे कि स्केल-फ्री सोशल नेटवर्क में विभाजन को स्पष्ट रूप से प्रभावी बनाने के लिए स्थानीयता का अभाव है। विशाल बहु-थ्रेडिंग एक वैकल्पिक वास्तुशिल्प प्रतिमान है, जिसमें एक बड़ी साझा मेमोरी को प्रोसेसर के साथ जोड़ा जाता है जिसमें कई थ्रेड संदर्भों का समर्थन करने के लिए अतिरिक्त हार्डवेयर होता है। प्रोसेसर की गति सामान्य से धीमी होती है, और कोई डेटा कैश नहीं होता है। स्मृति विलंबता को कम करने के बजाय, बहु-थ्रेडेड मशीनें इसे सहन करती हैं। यह प्रतिमान ग्राफ खोज की समस्या के साथ अच्छी तरह से संरेखित है, क्योंकि गणना के लिए स्मृति अनुरोधों के उच्च अनुपात को मल्टीथ्रेडिंग के माध्यम से सहन किया जा सकता है। इस पेपर में, हम मल्टीथ्रेडेड ग्राफ लाइब्रेरी (एमटीजीएल) का परिचय देते हैं, जो मल्टीथ्रेडेड कंप्यूटरों पर सिमेंटिक ग्राफ को संसाधित करने के लिए सामान्य ग्राफ क्वेरी सॉफ्टवेयर है। यह लाइब्रेरी वर्तमान में सीरियल मशीनों और क्रे एमटीए -2 पर चलती है, लेकिन सैंडिया एक रन-टाइम सिस्टम विकसित कर रहा है जो सममित मल्टीप्रोसेसर पर एमटीजीएल-आधारित कोड चलाना संभव बना देगा। हम कनेक्टेड घटकों के लिए एक मल्टीथ्रेडेड एल्गोरिथ्म और असमान उपग्राफ आइसोमॉर्फिज्म के लिए एक नया हेरिस्टिक भी पेश करते हैं हम बड़े पैमाने पर मुक्त ग्राफ पर इन और अन्य बुनियादी ग्राफ एल्गोरिदम के प्रदर्शन का पता लगाते हैं। हम एस-टी कनेक्टिविटी के लिए क्रे एमटीए-2 और ब्लू जीन/लाइट के बीच प्रदर्शन तुलना के साथ निष्कर्ष निकालते हैं। |
d4c65ee21bb8d64b8e4380f80ad856a1629b5949 | ब्रॉडबैंड ऑर्थो-मोड ट्रांसड्यूसर में दोहरे समकोण रैखिक ध्रुवीकरण को अलग करने के लिए एक लहर मार्गदर्शक विभाजक को मुड़ा हुआ पार्श्व हथियारों के साथ प्रस्तुत किया गया है। संरचना एक प्रसिद्ध दोहरे समरूपता जंक्शन पर आधारित है, जहां धातु के पिन को समाप्त कर दिया गया है और एक संयुक्त प्रभाव प्राप्त करने के लिए पार्श्व आउटपुट को मोड़ दिया गया हैः ऊर्ध्वाधर ध्रुवीकरण के लिए मिलान और एक बहुत ही महत्वपूर्ण आकार में कमी। इसके अतिरिक्त, चूंकि पार्श्व शाखाओं के लिए मार्ग को कम कर दिया गया है, विभिन्न ध्रुवीकरणों के लिए सम्मिलन हानि संतुलित है। orthogonal ध्रुवीकरणों के बीच अलगाव को जंक्शन की दोहरी समरूपता के कारण रखा जाता है। यांत्रिक दृष्टि से, प्रस्तावित जंक्शन ऑर्थो-मोड ट्रांसड्यूसर भागों के एक सरल निर्माण और संयोजन की अनुमति देता है, जिसे क्यू-बैंड डिजाइन के साथ दिखाया गया है, जो 12.6 से 18.25 गीगाहर्ट्ज तक पूरे क्यू-बैंड को कवर करता है। प्रयोगात्मक प्रोटोटाइप ने दोनों ध्रुवीकरणों के लिए डिजाइन बैंड में 28 डीबी से बेहतर मापा गया रिटर्न हानि और 0.15 डीबी से कम सम्मिलन हानि का प्रदर्शन किया है। |
db3259ae9e7f18a319cc24229662da9bf400221a | |
10dae7fca6b65b61d155a622f0c6ca2bc3922251 | |
5021c5f6d94ffaf735ab941241ab21e0c491ffa1 | एमएसईआर सुविधाओं को उनके प्रदर्शन को बेहतर बनाने के लिए फिर से परिभाषित किया गया है। प्रस्तावित सिमसर सुविधाएं (यानी स्केल-असंवेदनशील एमएसईआर) चरम क्षेत्र हैं जो न केवल सीमा परिवर्तनों (एमएसईआर की तरह) के तहत अधिकतम स्थिर हैं, बल्कि, अतिरिक्त रूप से, छवि पुनस्क्ररण (सुचारूकरण) के तहत। इस प्रकार के संशोधन के सैद्धांतिक लाभों पर चर्चा की गई है। यह भी प्रायोगिक रूप से पूर्व सत्यापित किया जाता है कि इस तरह के संशोधन एमएसईआर के मूलभूत गुणों को संरक्षित करता है, अर्थात सुविधाओं की औसत संख्या, पुनरावृत्ति और कम्प्यूटेशनल जटिलता (जो केवल उपयोग किए गए तराजू की संख्या से गुणात्मक रूप से बढ़ जाती है), जबकि प्रदर्शन (सामान्य सीबीवीआईआर मीट्रिक द्वारा मापा जाता है) में काफी सुधार किया जा सकता है। विशेष रूप से, बेंचमार्क डेटासेट के परिणामों में डिस्क्रिप्टर-आधारित मिलान और शब्द-आधारित मिलान दोनों के लिए याद मूल्य में महत्वपूर्ण वृद्धि का संकेत मिलता है। सामान्यतः, सिमसेर विशेष रूप से बड़े दृश्य शब्दावली के साथ उपयोग के लिए उपयुक्त प्रतीत होते हैं, जैसे कि उन्हें बड़े पैमाने पर डेटाबेस में बोल्ड वॉलेट पूर्व-पुनर्प्राप्ति कार्यों की गुणवत्ता में सुधार के लिए भविष्य में लागू किया जा सकता है। |
e23c9687ba0bf15940af76b7fa0e0c1af9d3156e | उपभोक्ता इलेक्ट्रॉनिक्स उद्योग 240 अरब डॉलर का वैश्विक उद्योग है जिसमें बहुत कम संख्या में अत्यधिक प्रतिस्पर्धी वैश्विक खिलाड़ी हैं। हम इस उद्योग में किसी भी वैश्विक आपूर्ति श्रृंखला से जुड़े कई जोखिमों का वर्णन करते हैं। उदाहरण के तौर पर हम उन कदमों को भी सूचीबद्ध करते हैं जो सैमसंग इलेक्ट्रॉनिक्स और उसकी सहायक कंपनी सैमसंग इलेक्ट्रॉनिक्स यूके ने इन जोखिमों को कम करने के लिए उठाए हैं। हमारे जोखिमों का वर्णन और शमन प्रयासों का चित्रण भविष्य के अनुसंधान के क्षेत्रों की पहचान करने के लिए पृष्ठभूमि प्रदान करता है। |
2f52cbef51a6a8a2a74119ad821526f9e0b57b39 | SAP HANA डेटाबेस को लेनदेन के अनुरूप परिचालन कार्यभार के साथ संयोजन में जटिल व्यावसायिक विश्लेषणात्मक प्रक्रियाओं का समर्थन करने के लिए SAP HANA एप्लिकेशन के मूल के रूप में तैनात किया गया है। इस पेपर के भीतर, हम एसएपी हाना डेटाबेस की बुनियादी विशेषताओं की रूपरेखा तैयार करते हैं, उन विशिष्ट विशेषताओं पर जोर देते हैं जो एसएपी हाना डेटाबेस को अन्य क्लासिक रिलेशनल डेटाबेस प्रबंधन प्रणालियों से अलग करते हैं। तकनीकी पक्ष में, SAP HANA डेटाबेस में डेटा प्रोसेसिंग का पूरा स्पेक्ट्रम प्रदान करने के लिए एक वितरित क्वेरी प्रोसेसिंग वातावरण के साथ कई डेटा प्रोसेसिंग इंजन होते हैं - क्लासिक रिलेशनल डेटा से हाइब्रिड इंजन में पंक्ति- और स्तंभ-उन्मुख भौतिक प्रतिनिधित्व दोनों का समर्थन करने के लिए, एक ही प्रणाली के भीतर अर्ध- और असंरचित डेटा प्रबंधन के लिए ग्राफ और पाठ प्रसंस्करण। एक अधिक अनुप्रयोग-उन्मुख परिप्रेक्ष्य से, हम मूल रूप से लागू व्यावसायिक कार्यों के एक अंतर्निहित सेट के साथ कई डोमेन-विशिष्ट भाषाओं के SAP HANA डेटाबेस द्वारा प्रदान किए गए विशिष्ट समर्थन की रूपरेखा तैयार करते हैं। एसक्यूएल - रिलेशनल डेटाबेस सिस्टम के लिए लिंगुआ फ्रैंका के रूप में - अब आधुनिक अनुप्रयोगों की सभी आवश्यकताओं को पूरा करने के लिए नहीं माना जा सकता है, जो डेटा प्रबंधन परत के साथ तंग बातचीत की मांग करते हैं। इसलिए, एसएपी हाना डेटाबेस अंतर्निहित डेटा प्रबंधन मंच के साथ आवेदन शब्दार्थ का आदान-प्रदान करने की अनुमति देता है जिसका उपयोग क्वेरी अभिव्यक्ति को बढ़ाने और व्यक्तिगत एप्लिकेशन-टू-डेटाबेस राउंड ट्रिप की संख्या को कम करने के लिए किया जा सकता है। |
3a011bd31f1de749210b2b188ffb752d9858c6a6 | हम बड़े परिष्कृत नेटवर्क की ओर निर्णय सहायता सुविधाओं का विस्तार करने पर विचार कर रहे हैं, जिस पर बहुआयामी गुण नेटवर्क संस्थाओं से जुड़े होते हैं, इस प्रकार तथाकथित बहुआयामी नेटवर्क का गठन करते हैं। डाटा वेयरहाउस और ओएलएपी (ऑनलाइन एनालिटिकल प्रोसेसिंग) तकनीक संबंधपरक डेटा पर निर्णय सहायता के लिए प्रभावी उपकरण साबित हुए हैं। हालांकि, वे नए लेकिन महत्वपूर्ण बहुआयामी नेटवर्क को संभालने के लिए अच्छी तरह से सुसज्जित नहीं हैं। इस पेपर में, हम ग्राफ क्यूब, एक नया डेटा वेयरहाउसिंग मॉडल पेश करते हैं जो बड़े बहुआयामी नेटवर्क पर प्रभावी रूप से ओएलएपी प्रश्नों का समर्थन करता है। नेटवर्क के एट्रिब्यूट एग्रीगेशन और स्ट्रक्चर सारांश दोनों को ध्यान में रखते हुए, ग्राफ क्यूब पारंपरिक डेटा क्यूब मॉडल से परे जाता है, जो केवल संख्यात्मक मूल्य आधारित समूह-द्वारा से संबंधित होता है, इस प्रकार प्रत्येक संभव बहुआयामी स्थान के भीतर अधिक अंतर्दृष्टि और संरचना-समृद्ध समग्र नेटवर्क का परिणाम होता है। पारंपरिक क्यूबॉइड क्वेरी के अलावा, ओएलएपी क्वेरी का एक नया वर्ग, क्रॉसबोइड, पेश किया गया है जो बहुआयामी नेटवर्क में विशिष्ट रूप से उपयोगी है और इसका पहले अध्ययन नहीं किया गया है। हम बहुआयामी नेटवर्क की विशेष विशेषताओं को मौजूदा अच्छी तरह से अध्ययन किए गए डेटा क्यूब तकनीकों के साथ जोड़कर ग्राफ क्यूब को लागू करते हैं। हम वास्तविक दुनिया के डेटा सेट की एक श्रृंखला पर व्यापक प्रयोगात्मक अध्ययन करते हैं और ग्राफ क्यूब बड़े बहुआयामी नेटवर्क पर निर्णय समर्थन के लिए एक शक्तिशाली और कुशल उपकरण है। |
4b573416043cf9cff42cbb7b753993c907a2be4a | कई पारंपरिक और नए व्यावसायिक अनुप्रयोग स्वाभाविक रूप से ग्राफ संरचित डेटा के साथ काम करते हैं और इसलिए डेटा प्रबंधन परत में प्रदान किए गए ग्राफ अमूर्त और संचालन से लाभान्वित होते हैं। गुण ग्राफ डेटा मॉडल न केवल स्कीमा लचीलापन प्रदान करता है बल्कि संयुक्त रूप से डेटा और मेटाडेटा के प्रबंधन और प्रसंस्करण की अनुमति देता है। विशिष्ट ग्राफ संचालन को सीधे डेटाबेस इंजन में लागू करके और उन्हें एक सहज ज्ञान युक्त प्रोग्रामिंग इंटरफ़ेस और एक घोषणात्मक भाषा के रूप में उजागर करके, जटिल व्यावसायिक अनुप्रयोग तर्क को अधिक आसानी से व्यक्त किया जा सकता है और बहुत कुशलता से निष्पादित किया जा सकता है। इस पेपर में हम ग्राफ डेटा के समर्थन के साथ SAP HANA डेटाबेस का विस्तार करने के लिए हमारे चल रहे काम का वर्णन करते हैं। हम इसे SAP HANA के साथ आधुनिक व्यावसायिक अनुप्रयोगों के लिए एक कुशल और सहज ज्ञान युक्त डेटा प्रबंधन मंच प्रदान करने के रास्ते पर एक अगले कदम के रूप में देखते हैं। |
16af753e94919ca257957cee7ab6c1b30407bb91 | |
cc75568885ab99851cc0e0ea5679121606121e5d | काम करने वाले कुत्तों को प्रशिक्षित करना और उनका संचालन करना एक महंगी प्रक्रिया है और इसके लिए विशेष कौशल और तकनीक की आवश्यकता होती है। कम व्यक्तिपरक और कम लागत वाली प्रशिक्षण तकनीकें न केवल इन कुत्तों के साथ हमारी साझेदारी में सुधार करेंगी बल्कि हमें उनके कौशल से अधिक कुशलता से लाभ उठाने में भी सक्षम बनाएंगी। इसके लिए हम एक कुत्ता शरीर क्षेत्र नेटवर्क (सीबीएएन) विकसित कर रहे हैं, जो सेंसरिंग प्रौद्योगिकियों और कम्प्यूटेशनल मॉडलिंग को जोड़कर कुत्तों के प्रशिक्षण के लिए अधिक सटीक व्याख्या प्रदान करेगा। इसके पहले चरण के रूप में, हमने कुत्तों की व्यवहारिक गतिविधि का दूरस्थ रूप से पता लगाने के लिए जड़ता माप इकाइयों (आईएमयू) का उपयोग किया। निर्णय वृक्ष वर्गीकरण और छिपे हुए मार्कोव मॉडल का उपयोग स्थैतिक मुद्राओं (बैठने, खड़े होने, लेटने, दो पैरों पर खड़े होने और जमीन से खाने) और गतिशील गतिविधियों (चलने, सीढ़ियों पर चढ़ने और रैंप से नीचे चलने) का पता लगाने के लिए किया गया था, जो कि एक कुत्ते की बनियान पर तैनात वायरलेस सेंसरिंग सिस्टम द्वारा प्रदान किए गए त्वरणमापक और जाइरोस्कोप डेटा की हेरिस्टिक विशेषताओं पर आधारित है। 6 लैब्राडोर रिट्रीवर्स और एक काई केन से डेटा एकत्र किया गया था। IMU स्थान और अभिविन्यास के विश्लेषण से स्थिर और गतिशील गतिविधि पहचान के लिए उच्च वर्गीकरण सटीकता प्राप्त करने में मदद मिली। |
694a40785f480cc0d65bd94a5e44f570aff5ea37 | मोबाइल रोबोट नेविगेशन पर शोध ने इनडोर वातावरण के मानचित्रण के लिए दो प्रमुख प्रतिमानों का उत्पादन किया हैः ग्रिड-आधारित और टोपोलॉजिकल। जबकि ग्रिड-आधारित विधियां सटीक मीट्रिक मानचित्र उत्पन्न करती हैं, उनकी जटिलता अक्सर बड़े पैमाने पर इनडोर वातावरण में कुशल योजना और समस्या समाधान को प्रतिबंधित करती है। दूसरी ओर, टोपोलॉजिकल मानचित्रों का उपयोग अधिक कुशलता से किया जा सकता है, फिर भी बड़े पैमाने के वातावरण में सटीक और सुसंगत टोपोलॉजिकल मानचित्रों को सीखना काफी कठिन है। यह पेपर एक दृष्टिकोण का वर्णन करता है जो दोनों प्रतिमानों को एकीकृत करता हैः ग्रिड-आधारित और टोपॉलॉजिकल। ग्रिड आधारित मानचित्र कृत्रिम तंत्रिका नेटवर्क और बेयसियन एकीकरण का उपयोग करके सीखे जाते हैं। टोपोलॉजिकल मानचित्र ग्रिड आधारित मानचित्रों के ऊपर उत्पन्न होते हैं, जो बाद के क्षेत्रों में विभाजित होते हैं। दोनों प्रतिमानों-ग्रिड आधारित और टोपोलॉजिकल- को जोड़कर, यहां प्रस्तुत दृष्टिकोण दोनों दुनियाओं में सर्वश्रेष्ठ प्राप्त करता हैः सटीकता/संगतता और दक्षता। इस पेपर में एक मोबाइल रोबोट के स्वायत्त संचालन के लिए परिणाम दिए गए हैं जो कि सोनर सेंसर से लैस है। |
a512385be058b1e2e1d8b418a097065707622ecd | कैंसर का वैश्विक बोझ बढ़ता जा रहा है, जो मुख्य रूप से विश्व की बढ़ती जनसंख्या के वृद्ध होने और इसके साथ ही आर्थिक रूप से विकासशील देशों में कैंसर पैदा करने वाले व्यवहारों, विशेषकर धूम्रपान को अपनाने के कारण है। ग्लोबोकैन 2008 के अनुमानों के आधार पर, 2008 में लगभग 12.7 मिलियन कैंसर के मामले और 7.6 मिलियन कैंसर से होने वाली मौतों का अनुमान लगाया गया है; इनमें से, 56% मामले और 64% मौतें आर्थिक रूप से विकासशील दुनिया में हुईं। स्तन कैंसर सबसे अधिक बार निदान किया जाने वाला कैंसर है और महिलाओं में कैंसर से होने वाली मौतों का प्रमुख कारण है, जो कुल कैंसर के मामलों का 23% और कैंसर से होने वाली मौतों का 14% है। पुरुषों में फेफड़ों का कैंसर सबसे अधिक होता है, जो कुल नए कैंसर मामलों का 17% और कुल कैंसर से होने वाली मौतों का 23% है। आर्थिक रूप से विकासशील देशों में महिलाओं में कैंसर से होने वाली मौतों में स्तन कैंसर भी प्रमुख कारण है, जो पिछले दशक से बदलाव है, जिसके दौरान कैंसर से होने वाली मौतों का सबसे आम कारण गर्भाशय ग्रीवा का कैंसर था। इसके अलावा, विकासशील देशों में महिलाओं के बीच फेफड़ों के कैंसर के लिए मृत्यु दर का बोझ गर्भाशय ग्रीवा के कैंसर के लिए बोझ के रूप में उच्च है, प्रत्येक के साथ कुल महिला कैंसर मौतों का 11% के लिए लेखांकन। यद्यपि विकासशील देशों में कैंसर की कुल घटना दर दोनों लिंगों में विकसित देशों में देखी गई आधी है, लेकिन कैंसर से होने वाली कुल मृत्यु दर आम तौर पर समान है। विकासशील देशों में कैंसर से बचने की संभावना कम होती है, सबसे अधिक संभावना है कि निदान के बाद के चरण और समय पर और मानक उपचार तक सीमित पहुंच के संयोजन के कारण। कैंसर के विश्वव्यापी बोझ का एक बड़ा हिस्सा कैंसर नियंत्रण के मौजूदा ज्ञान के अनुप्रयोग और तंबाकू नियंत्रण, टीकाकरण (यकृत और गर्भाशय ग्रीवा के कैंसर के लिए), और प्रारंभिक पहचान और उपचार के साथ-साथ शारीरिक गतिविधि और स्वस्थ आहार सेवन को बढ़ावा देने वाले सार्वजनिक स्वास्थ्य अभियानों को लागू करने के माध्यम से रोका जा सकता है। क्लीनिक, सार्वजनिक स्वास्थ्य पेशेवर और नीति निर्माता वैश्विक स्तर पर इस तरह के हस्तक्षेपों के आवेदन में तेजी लाने में सक्रिय भूमिका निभा सकते हैं। |
37fa040ec0c4bc1b85f3ca2929445f3229ed7f72 | हम स्केच-आरएनएन प्रस्तुत करते हैं, जो एक आवर्ती तंत्रिका नेटवर्क (आरएनएन) है जो सामान्य वस्तुओं के स्ट्रोक-आधारित चित्रों का निर्माण करने में सक्षम है। मॉडल को सैकड़ों वर्गों का प्रतिनिधित्व करने वाली हजारों कच्ची मानव-चित्रित छवियों पर प्रशिक्षित किया जाता है। हम सशर्त और बिना शर्त स्केच जनरेशन के लिए एक ढांचे की रूपरेखा देते हैं, और वेक्टर प्रारूप में सुसंगत स्केच चित्र उत्पन्न करने के लिए नए मजबूत प्रशिक्षण विधियों का वर्णन करते हैं। |
a1a1c4fb58a2bc056a056795609a2be307b6b9bf | क्लाउड स्टोरेज तेजी से कई आईटी बुनियादी ढांचे का आधारशिला बन गया है, जो बड़ी मात्रा में डेटा के बैकअप, सिंक्रनाइज़ेशन और साझाकरण के लिए एक सहज समाधान का गठन करता है। हालांकि, क्लाउड सेवा प्रदाताओं के प्रत्यक्ष नियंत्रण में उपयोगकर्ता डेटा डालने से आउटसोर्स किए गए डेटा की अखंडता, संवेदनशील जानकारी के आकस्मिक या जानबूझकर रिसाव, उपयोगकर्ता गतिविधियों की प्रोफाइलिंग आदि से संबंधित सुरक्षा और गोपनीयता संबंधी चिंताएं पैदा होती हैं। इसके अलावा, भले ही क्लाउड प्रदाता विश्वसनीय हो, आउटसोर्स की गई फ़ाइलों तक पहुंच वाले उपयोगकर्ता दुर्भावनापूर्ण और गलत व्यवहार कर सकते हैं। ये चिंताएं व्यक्तिगत स्वास्थ्य रिकॉर्ड और क्रेडिट स्कोर सिस्टम जैसे संवेदनशील अनुप्रयोगों में विशेष रूप से गंभीर हैं। इस समस्या से निपटने के लिए, हम गोराम, एक क्रिप्टोग्राफिक प्रणाली प्रस्तुत करते हैं जो एक अविश्वसनीय सर्वर और दुर्भावनापूर्ण ग्राहकों दोनों के संबंध में आउटसोर्स किए गए डेटा की गोपनीयता और अखंडता की रक्षा करती है, इस तरह के डेटा तक पहुंच की गुमनामी और अनलिंकेबिलिटी की गारंटी देती है, और डेटा मालिक को अन्य ग्राहकों के साथ आउटसोर्स किए गए डेटा को साझा करने की अनुमति देती है, उन्हें चुनिंदा रूप से पढ़ने और लिखने की अनुमति देती है। गोराम पहली ऐसी प्रणाली है जो आउटसोर्स स्टोरेज के लिए सुरक्षा और गोपनीयता गुणों की इतनी विस्तृत श्रृंखला प्राप्त करती है। एक कुशल निर्माण की प्रक्रिया में, हमने दो नई, सामान्य रूप से लागू क्रिप्टोग्राफिक योजनाएं विकसित कीं, अर्थात्, मिश्रण के बैच शून्य-ज्ञान प्रमाण और शमशान हस्ताक्षरों पर आधारित एक जवाबदेही तकनीक, जिसे हम स्वतंत्र हित मानते हैं। हमने अमेज़ॅन इलास्टिक कंप्यूट क्लाउड (ईसी2) में गोराम को लागू किया और हमारे निर्माण की स्केलेबिलिटी और दक्षता का प्रदर्शन करने वाले प्रदर्शन मूल्यांकन चलाया। |
32527d9fcbfb0c84daf715d7e9a375f647b33c2c | |
269ed5ba525519502123b58472e069d77c5bda14 | एक इंटरैक्टिव प्रश्न उत्तर प्रणाली (क्यूए) में अक्सर गैर-महत्वपूर्ण (अपूर्ण) प्रश्नों का सामना करना पड़ता है। ये गैर-महत्वपूर्ण प्रश्न सिस्टम के लिए समझ में नहीं आ सकते हैं जब कोई उपयोगकर्ता उन्हें बातचीत के संदर्भ के बिना पूछता है। इस प्रकार सिस्टम को अपूर्ण प्रश्न को संसाधित करने के लिए वार्तालाप संदर्भ को ध्यान में रखना होगा। इस कार्य में, हम एक आवर्ती तंत्रिका नेटवर्क (आरएनएन) आधारित एन्कोडर डिकोडर नेटवर्क प्रस्तुत करते हैं जो एक पूर्ण (इरादा) प्रश्न उत्पन्न कर सकता है, एक अपूर्ण प्रश्न और वार्तालाप संदर्भ दिया गया है। आरएनएन एनकोडर डिकोडर नेटवर्क को लाखों वाक्यों के साथ समानांतर कोरपस पर प्रशिक्षित किए जाने पर अच्छी तरह से काम करने के लिए दिखाया गया है, हालांकि इस परिमाण के वार्तालाप डेटा प्राप्त करना बेहद कठिन है। इसलिए हम मूल समस्या को दो अलग-अलग सरलीकृत समस्याओं में विघटित करने का प्रस्ताव करते हैं जहां प्रत्येक समस्या एक अमूर्त पर केंद्रित होती है। विशेष रूप से, हम एक सिमेंटिक अनुक्रम मॉडल को सिमेंटिक पैटर्न सीखने के लिए प्रशिक्षित करते हैं, और एक सिंटैक्सिक अनुक्रम मॉडल को भाषाई पैटर्न सीखने के लिए। हम एक एंसेंबल मॉडल उत्पन्न करने के लिए सिंटेक्सिक और सिमेंटिक अनुक्रम मॉडल को जोड़ते हैं। हमारे मॉडल का BLEU स्कोर 30.15 है जबकि मानक RNN एनकोडर-डेकोडर मॉडल का उपयोग करके यह 18.54 है। |
27099ec9ea719f8fd919fb69d66af677a424143b | सोच-विचार का अनुकूली नियंत्रण (एसीटी-आर; जे. आर. एंडरसन और सी. लेबियर, 1998) एक सिद्धांत में विकसित हुआ है जिसमें कई मॉड्यूल होते हैं लेकिन यह भी बताते हैं कि इन मॉड्यूलों को सुसंगत अनुभूति का उत्पादन करने के लिए कैसे एकीकृत किया जाता है। अनुभूति-मोटर मॉड्यूल, लक्ष्य मॉड्यूल और घोषणात्मक स्मृति मॉड्यूल को एसीटी-आर में विशेष प्रणालियों के उदाहरण के रूप में प्रस्तुत किया गया है। ये मॉड्यूल अलग-अलग कॉर्टेकल क्षेत्रों से जुड़े होते हैं। ये मॉड्यूल बफर में टुकड़े रखते हैं जहां वे एक उत्पादन प्रणाली द्वारा पता लगाया जा सकता है जो बफर में जानकारी के पैटर्न का जवाब देता है। किसी भी समय, वर्तमान पैटर्न का जवाब देने के लिए एक एकल उत्पादन नियम चुना जाता है। उप-प्रतीकात्मक प्रक्रियाएं आग के नियमों के चयन के साथ-साथ कुछ मॉड्यूल के आंतरिक संचालन को निर्देशित करने के लिए काम करती हैं। सीखने के अधिकांश भाग में इन उप-प्रतीकात्मक प्रक्रियाओं को ट्यून करना शामिल है। इन मॉड्यूलों के अलग-अलग और सामंजस्यपूर्ण रूप से कार्य करने के तरीके को स्पष्ट करने के लिए कई सरल और जटिल अनुभवजन्य उदाहरणों का वर्णन किया गया है। |
6fdbf20f50dfd6276d9b89e494f86fbcc7b0b9b7 | हमने एक नवीन इलेक्ट्रॉनिक ट्रैकिंग एंटीना सरणी को डिजाइन और परीक्षण किया है जो 2 × 2 माइक्रोस्ट्रिप उप-सरणियों से बनी है। प्रत्येक उप-सरणी पर समय अनुक्रम चरण भार के माध्यम से, परिणामी एकल चैनल के आउटपुट से प्रत्येक उप-सरणी पर आयाम और चरण को पुनर्प्राप्त किया जा सकता है। प्रत्येक सरणी पर आयाम और चरण का उपयोग डिजिटल सिग्नल प्रोसेसिंग द्वारा योग और अंतर विकिरण पैटर्न उत्पन्न करने के लिए किया जा सकता है। मोनोपल्स प्रणाली की तुलना में, आरएफ तुलनित्र को समाप्त कर दिया गया है और रिसीवर चैनलों की संख्या 3 से 1 तक कम कर दी गई है। एक प्रूफ-ऑफ-कॉन्सेप्ट प्रोटोटाइप का निर्माण और परीक्षण किया गया। मापा परिणामों ने प्रस्तावित योजना की वैधता और लाभों की पुष्टि की। चैनल सुधार की प्रक्रिया दी गई है। |
3701bdb05b6764b09a5735cdc3cb9c40736d9765 | हम स्टोचैस्टिक असिंक्रोनस प्रॉक्सिमल अल्टरनेटिंग रैखिक रूप से कम करने (SAPALM) विधि का परिचय देते हैं, जो गैर-उपम, गैर-सुचारू अनुकूलन समस्याओं को हल करने के लिए एक ब्लॉक समन्वय स्टोचैस्टिक प्रॉक्सिमल-ग्रेडिएंट विधि है। SAPALM पहली असिन्क्रोनस समानांतर अनुकूलन विधि है जो गैर-उपमंडल, गैर-सुचारू समस्याओं की एक बड़ी श्रेणी पर संक्षेप में अभिसरण करती है। हम साबित करते हैं कि SAPALM इस समस्या वर्ग पर समकालिक या विषमकालिक विधियों के बीच अभिसरण की सबसे अच्छी ज्ञात दरों से मेल खाता है। हम उन श्रमिकों की संख्या पर ऊपरी सीमाएं प्रदान करते हैं जिनके लिए हम एक रैखिक गति को देखने की उम्मीद कर सकते हैं, जो कम जटिल समस्याओं के लिए ज्ञात सर्वोत्तम सीमाओं से मेल खाते हैं, और दिखाते हैं कि व्यवहार में SAPALM इस रैखिक गति को प्राप्त करता है। हम कई मैट्रिक्स फैक्टरिज़ेशन समस्याओं पर अत्याधुनिक प्रदर्शन का प्रदर्शन करते हैं। |
5cd28cdc4c82f788dee27cb73d7d9280cf9c7343 | यह पेपर हवाई चित्रों से निकाले गए मिलान ग्राफलेट्स (यानी, छोटे जुड़े उपग्राफ) के आधार पर हवाई छवि श्रेणियों को पहचानने के लिए एक विधि प्रस्तुत करता है। प्रत्येक हवाई छवि के ज्यामितीय गुण और रंग वितरण को एन्कोड करने के लिए एक क्षेत्र आसन्नता ग्राफ (आरएजी) का निर्माण करके, हम RAG-to-RAG मिलान के रूप में हवाई छवि श्रेणी मान्यता कास्ट करते हैं। ग्राफ सिद्धांत के आधार पर, आरएजी-टू-आरएजी मिलान उनके सभी संबंधित ग्राफलेट्स के मिलान द्वारा किया जाता है। एक प्रभावी ग्राफलेट मिलान प्रक्रिया की ओर, हम एक बहुविध एम्बेडिंग एल्गोरिथ्म विकसित करते हैं जो विभिन्न आकार के ग्राफलेट को समान लंबाई वाले फीचर वेक्टर में स्थानांतरित करने और इन फीचर वेक्टरों को एक कर्नेल में एकीकृत करने के लिए है। इस कर्नेल का उपयोग हवाई छवि श्रेणियों की पहचान के लिए एक एसवीएम [8] वर्गीकरणकर्ता को प्रशिक्षित करने के लिए किया जाता है। प्रयोगात्मक परिणामों से पता चलता है कि हमारी विधि कई अत्याधुनिक वस्तु/दृश्य पहचान मॉडल से बेहतर है। |
b2dac341df54e5f744d5b6562d725d254aae8e80 | इस अध्ययन में ओपनहार का परिचय दिया गया है, जो सार्वजनिक रूप से खुले डेटा सेटों को जोड़ने और एकजुट करने के लिए एक मुफ्त मैटलाब टूलबॉक्स है। यह दस सार्वजनिक रूप से खुले मानव गतिविधि डेटा सेट के त्वरणमापी संकेतों तक आसान पहुंच प्रदान करता है। डेटा सेट तक पहुंचना आसान है क्योंकि ओपनएचएआर सभी डेटा सेट को एक ही प्रारूप में प्रदान करता है। इसके अतिरिक्त, इकाइयां, माप सीमा और लेबल एकीकृत हैं, साथ ही, शरीर की स्थिति आईडी। इसके अलावा, अलग-अलग नमूनाकरण दरों के साथ डेटा सेट को डाउनसैम्पलिंग का उपयोग करके एकीकृत किया जाता है। इसके अलावा, डेटा सेटों की दृश्य निरीक्षण की गई है ताकि दिखाई देने वाली त्रुटियों को ढूंढ सकें, जैसे कि गलत ओरिएंटेशन में सेंसर। ओपनहार इन त्रुटियों को ठीक करके डेटा सेटों की पुनः उपयोगिता में सुधार करता है। कुल मिलाकर ओपनहार में 65 मिलियन से अधिक लेबल किए गए डेटा नमूने हैं। यह 3 डी त्वरणमापकों से 280 घंटे से अधिक के डेटा के बराबर है। इसमें 211 अध्ययन विषयों के डेटा शामिल हैं जो 17 दैनिक मानवीय गतिविधियों को करते हैं और 14 विभिन्न शरीर स्थितियों में सेंसर पहनते हैं। |
7347b4601078bd52eec80d5de29f801890f82de3 | एक युग्मित-ग्यसेल ब्रॉडबैंड संयोजक/विभाजक प्रस्तावित और प्रदर्शित किया गया है। नई अवधारणा डिजाइन में एक युग्मित रेखा खंड का उपयोग करने पर निर्भर करती है। कम हानि, डिजाइन की आसानी और लचीलापन बनाए रखते हुए बैंडविड्थ में महत्वपूर्ण सुधार प्राप्त किया जाता है। युग्मित-ग्यसेल को 2.5-8 गीगाहर्ट्ज (105% अंश बैंडविड्थ) डिवाइडर के साथ 0.1 डीबी डिवाइडर हानि के साथ और 3.4-10.2 गीगाहर्ट्ज (100% अंश बैंडविड्थ) के साथ 0.2 डीबी डिवाइडर हानि के साथ प्रदर्शित किया गया है। |
a05d984443d62575c097ad65b747aae859a5f8b0 | बच्चों के मनोसामाजिक विकास पर वीडियो गेम के प्रभाव बहस का केंद्र बने हुए हैं। दो समय बिंदुओं पर, 1 वर्ष के अंतर पर, 194 बच्चों (7.27-11.43 वर्ष; पुरुष = 98) ने अपनी गेमिंग आवृत्ति, और हिंसक वीडियो गेम खेलने की उनकी प्रवृत्ति, और खेल (ए) सहकारी और (बी) प्रतिस्पर्धी; इसी तरह, माता-पिता ने अपने बच्चों के मनोसामाजिक स्वास्थ्य की सूचना दी। समय पर खेलना भावनात्मक समस्याओं में वृद्धि से जुड़ा हुआ था। हिंसक गेमिंग मनोसामाजिक परिवर्तनों से जुड़ा नहीं था। सहकारी खेल सामाजिक व्यवहार में परिवर्तन के साथ जुड़ा नहीं था। अंत में, प्रतिस्पर्धी गेमिंग सामाजिक व्यवहार में कमी के साथ जुड़ा हुआ था, लेकिन केवल उन बच्चों के बीच जो उच्च आवृत्ति के साथ वीडियो गेम खेलते थे। इस प्रकार, गेमिंग आवृत्ति आंतरिककरण में वृद्धि के साथ जुड़ी हुई थी, लेकिन बाहरीकरण, ध्यान, या सहकर्मी समस्याओं में नहीं, हिंसक गेमिंग बाहरीकरण समस्याओं में वृद्धि के साथ जुड़ा नहीं था, और प्रति सप्ताह लगभग 8 घंटे या उससे अधिक खेलने वाले बच्चों के लिए, अक्सर प्रतिस्पर्धी गेमिंग प्रोसोशल व्यवहार को कम करने के लिए जोखिम कारक हो सकता है। हमारा तर्क है कि प्रतिकृति की आवश्यकता है और भविष्य के शोध को अधिक बारीक और सामान्यीकृत अंतर्दृष्टि के लिए गेमिंग के विभिन्न रूपों के बीच बेहतर अंतर करना चाहिए। |
5a47e047d4d41b61204255e1b265d704b7f265f4 | बिग डेटा शब्द सर्वव्यापी हो गया है। अकादमिक, उद्योग और मीडिया के बीच एक साझा उत्पत्ति के कारण कोई एकल एकीकृत परिभाषा नहीं है, और विभिन्न हितधारक विविध और अक्सर विरोधाभासी परिभाषाएं प्रदान करते हैं। एक सुसंगत परिभाषा की कमी से अस्पष्टता आती है और बड़े डेटा से संबंधित प्रवचन में बाधा आती है। इस संक्षिप्त लेख में विभिन्न परिभाषाओं को संकलित करने का प्रयास किया गया है, जिन्हें कुछ हद तक पकड़ मिली है और एक अन्यथा अस्पष्ट शब्द की स्पष्ट और संक्षिप्त परिभाषा प्रदान की गई है। |
7065e6b496af41bba16971246a02986f5e388860 | संगठन की क्षमताओं का प्रबंधन और सुधार कई कंपनियों के लिए एक महत्वपूर्ण और जटिल मुद्दा है। प्रबंधन का समर्थन करने और सुधार को सक्षम करने के लिए, प्रदर्शन मूल्यांकन का सामान्य रूप से उपयोग किया जाता है। संगठनात्मक क्षमताओं का आकलन करने का एक तरीका परिपक्वता ग्रिड के माध्यम से है। जबकि परिपक्वता ग्रिड एक सामान्य संरचना साझा कर सकते हैं, उनकी सामग्री अलग है और बहुत बार वे नए सिरे से विकसित होते हैं। यह कागज परिपक्वता ग्रिड विकसित करने के लिए एक संदर्भ बिंदु और मार्गदर्शन दोनों प्रस्तुत करता है। यह 24 मौजूदा परिपक्वता ग्रिड की समीक्षा करके और उनके विकास के लिए एक रोडमैप का सुझाव देकर हासिल किया जाता है। समीक्षा परिपक्वता रेटिंग के निर्माण में संगठनात्मक परिवर्तन के बारे में अंतर्निहित मान्यताओं पर विशेष जोर देती है। प्रस्तावित रोडमैप में चार चरण शामिल हैंः योजना, विकास, मूल्यांकन और रखरखाव। प्रत्येक चरण में विकास के लिए कई निर्णय बिंदुओं पर चर्चा की जाती है, जैसे प्रक्रिया क्षेत्रों का चयन, परिपक्वता स्तर और वितरण तंत्र। औद्योगिक अभ्यास में रोडमैप की उपयोगिता का एक उदाहरण दिया गया है। इस रोडमैप का उपयोग मौजूदा दृष्टिकोणों का मूल्यांकन करने के लिए भी किया जा सकता है। इस लेख के समापन में प्रबंधन अभ्यास और अनुसंधान के लिए इसके प्रभावों का वर्णन किया गया है। |
5dd79167d714ff3907ffbba102b8e6fba49f053e | यह कार्य डिजिटल वायरलेस संचार में उच्च बिट-रेट के बैंडविड्थ कुशल वितरण की अंतिम सीमाओं की मौलिक समझ की आवश्यकता से प्रेरित है और यह भी देखना शुरू करना है कि इन सीमाओं को कैसे संपर्क किया जा सकता है। हम बहु-तत्व सरणी (एमईए) प्रौद्योगिकी के शोषण की जांच करते हैं, जो कुछ अनुप्रयोगों में वायरलेस क्षमताओं को बेहतर बनाने के लिए स्थानिक आयाम (न केवल समय आयाम) को संसाधित कर रहा है। विशेष रूप से, हम कुछ बुनियादी सूचना सिद्धांत परिणाम प्रस्तुत करते हैं जो वायरलेस लैन में एमईए का उपयोग करने और वायरलेस संचार लिंक बनाने के लिए निर्माण के महान लाभों का वादा करते हैं। हम उस महत्वपूर्ण मामले का पता लगाते हैं जब चैनल विशेषता प्रेषक पर उपलब्ध नहीं होती है लेकिन रिसीवर उस विशेषता को जानता है (ट्रैक करता है) जो रेले फीडिंग के अधीन है। कुल प्रेषित शक्ति को निर्धारित करते हुए, हम एमईए तकनीक द्वारा दी गई क्षमता को व्यक्त करते हैं और हम देखते हैं कि ट्रांसमीटर और रिसीवर दोनों पर एंटेना तत्वों की एक बड़ी लेकिन व्यावहारिक संख्या के लिए एसएनआर बढ़ने के साथ क्षमता कैसे बढ़ जाती है। हम एंटीना तत्वों के बीच स्वतंत्र रेले फीका पथ के मामले की जांच करते हैं और पाते हैं कि उच्च संभावना के साथ असाधारण क्षमता उपलब्ध है। आधार रेखा n = 1 मामले की तुलना में, जो शैनन के शास्त्रीय सूत्र के अनुसार, सिग्नल-टू-शोर अनुपात (एसएनआर) में हर 3 डीबी वृद्धि के लिए एक और बिट / चक्र के रूप में स्केल करता है, उल्लेखनीय रूप से एमईए के साथ, स्केलिंग लगभग एन के समान है एसएनआर में हर 3 डीबी वृद्धि के लिए अधिक बिट्स / चक्र। यह स्पष्ट करने के लिए कि यह क्षमता कितनी बड़ी है, यहां तक कि छोटे n के लिए, n = 2, 4 और 16 के मामलों को 21 डीबी के औसत प्राप्त एसएनआर के साथ लें। 99% से अधिक चैनलों के लिए क्षमता क्रमशः 7, 19 और 88 बिट/चक्र है, जबकि यदि n = 1 है तो 99% स्तर पर केवल 1.2 बिट/चक्र है। उदाहरण के लिए चैनल बैंडविड्थ के बराबर प्रतीक दर के लिए, चूंकि यह बिट्स/प्रतीक/आयाम है जो सिग्नल नक्षत्रों के लिए प्रासंगिक है, ये उच्च क्षमताएं अनुचित नहीं हैं। n = 4 के लिए 19 बिट्स/चक्र 4.75 बिट्स/चिह्न/आयाम के बराबर है जबकि n = 16 के लिए 88 बिट्स/चक्र 5.5 बिट्स/चिह्न/आयाम के बराबर है। चयन और इष्टतम संयोजन जैसे मानक दृष्टिकोणों को अंततः जो संभव होगा, उसकी तुलना में कमतर माना जाता है। वादा की गई विशाल क्षमता का एक बड़ा हिस्सा प्राप्त करने के लिए नए कोडेक का आविष्कार करने की आवश्यकता है। |
4f911fe6ee5040e6e46e84a9f1e211153943cd9b |
Subsets and Splits