_id
stringlengths 40
40
| text
stringlengths 0
9.63k
|
|---|---|
2f991be8d35e4c1a45bfb0d646673b1ef5239a1f | मशीन लर्निंग मॉडल हर वइसने काबर व्यवहार करत हवय , ए समझना कईठन तरीकामन ले सिस्टम डिजाइनरमन अउ अंतिम-उपयोगकर्तामन दुनों ल सशक्त बनात हवय: मॉडल चयन में, सुविधा इंजीनियरिंग, भविष्यवाणियों म भरोसा करे अउ कार्य करे बर , अउ ज्यादा सहज उपयोगकर्ता इंटरफेस में। ए प्रकार, व्याख्यात्मकता मशीन सीखने में एकठन महत्वपूर्ण चिंता बन गइस हवय, अउ व्याख्यात्मक मॉडल के क्षेत्र में काम करे में नवीनीकृत रुचि पाईस हवय। कुछु अनुप्रयोगमन में, ए तरह के मॉडल गैर-व्याख्यानीय मनखेमन के रूप में सटीक हंवय , अउ ए प्रकार ओमनके पारदर्शिता बर प्राथमिकता दी जात हवय । इहां तक कि जब वे सटीक नी होत हंवय , तब घलो ओमनला प्राथमिकता दी जा सकत हवय जब व्याख्याताता सर्वोपरि महत्व के होत हवय । हालांकि, व्याख्या करे योग्य मॉडल बर मशीन सीखने के प्रतिबंध अक्सर एक गंभीर सीमा होत हवय। ए पेपर में हमन मॉडल-अज्ञेयवादी दृष्टिकोण के उपयोग करके मशीन लर्निंग भविष्यवाणियों के व्याख्या करे बर तर्क देत हंवय । ब्लैकबॉक्स फ़ंक्शन के रूप में मशीन लर्निंग मॉडल के इलाज करके, ये दृष्टिकोण मॉडल, स्पष्टीकरण, अउ प्रतिनिधित्व के विकल्प में महत्वपूर्ण लचीलापन प्रदान करत हंवय , कईठन उपयोगकर्ताओं अउ मॉडल बर डिबगिंग, तुलना अउ इंटरफेस में सुधार करत हंवय । हम ए तरह के विधिमन बर मुख्य चुनौतिमन के रूप म घलो रेखांकित करत हंवय , अउ हाल ही म पेश करे गए मॉडल-अज्ञेय व्याख्या दृष्टिकोण (एलआईएमई) के समीक्षा करत हंवय जेहर ए चुनौतिमन के संबोधित करत हवय । |
546add32740ac350dda44bab06f56d4e206622ab | गहरे तंत्रिका नेटवर्क हर छवि वर्गीकरण में प्रभावशाली प्रयोगात्मक म परिणाम प्राप्त करे हंवय , लेकिन विरोधाभासी व्यवधानों के संबंध में आश्चर्यजनक रूप ले अस्थिर हो सकत हंवय , यानी , इनपुट छवि में न्यूनतम म पर परिवर्तन जेहर नेटवर्क के गलत वर्गीकृत करे के कारण बनते हंवय । संभावित अनुप्रयोगों के साथ धारणा मॉड्यूल अउ स्व-ड्राइविंग कारों बर एंड-टू-एंड नियंत्रक सहित, एहर अपन सुरक्षा के बारे में चिंताओं ल बढ़ाता हवय। हम संतुष्टि मॉड्यूल सिद्धांत (एसएमटी) के आधार म फीड-फॉरवर्ड मल्टी-लेयर न्यूरल नेटवर्क बर एक उपन्यास स्वचालित सत्यापन ढांचे के विकास करत हंवय । हम छवि हेरफेर म ध्यान केंद्रित करत हंवय , जैसे स्क्रैच या कैमरा एंगल या प्रकाश स्थितिमन म बदलाव, अउ छवि वर्गीकरण निर्णय बर सुरक्षा के परिभाषित करत हंवय जेहर कि छवि के आस-पास के छवियों के क्षेत्र के भीतर मूल छवि के हेरफेर के संबंध म वर्गीकरण के अपरिवर्तनीयता के संदर्भ म सुरक्षा के परिभाषित करत हवय । हम असततकरण के नियोजित करके क्षेत्र के विस्तृत खोज सक्षम करत हंवय , अउ परत द्वारा परत विश्लेषण के प्रसारित करत हंवय । हमर विधि सीधा नेटवर्क कोड के साथ काम करत हवय अउ, मौजूदा विधिमन के विपरीत, गारंटी दे सकत हवय कि विरोधाभासी उदाहरण, यदि ओमन मौजूद हंवय , तो दिए गए क्षेत्र अउ हेरफेर के परिवार बर पाए जात हंवय । यदि पाए जात हवय , त प्रतिकूल उदाहरणमन के मनखे परीक्षमन बर दिखाया जा सकत हवय अउ / या नेटवर्क ल ठीक करे बर उपयोग करे जा सकत हवय । हम जेड3 के उपयोग करके तकनीमन के लागू करत हंवय अउ नियमित अउ गहन सीखने नेटवर्क सहित अत्याधुनिक नेटवर्क म उनका मूल्यांकन करत हंवय । हम विरोधाभासी उदाहरणों के खोज बर मौजूदा तकनीमन के साथ तुलना करत हंवय अउ नेटवर्क मजबूती के अनुमान लगात हंवय । |
8db9df2eadea654f128c1887722c677c708e8a47 | ए घलो प्रासंगिक जानकारी म ध्यान केंद्रित करे बर ध्यान मॉडल म हालिया काम ल एकीकृत करत हवय, जेखरकारण एम्बेडेड हार्डवेयर म तैनाती बर कंप्यूटेशनल जटिलता ल कम करत हवय। फ्रेमवर्क के परीक्षण एक ओपन सोर्स 3 डी कार रेसिंग सिम्युलेटर में करे गए रहिस जेला टोरक्स कहा जात हवय । हमर सिमुलेशन परिणाम जटिल सड़क वक्रता अउ आने वाहनमन के सरल बातचीत के एक परिदृश्य म स्वायत्त युद्धाभ्यास के सीखने के प्रदर्शन करत हंवय । एक रोबोट कार जेहर स्वायत्त रूप ले ड्राइव करत हवय, कृत्रिम बुद्धि के एक लंबे समय तक लक्ष्य हवय। एक वाहन चलाए बर एक कार्य हवय जेमा एक मनखे ड्राइवर ले उच्च स्तर के कौशल, ध्यान अउ अनुभव के आवश्यकता होत हवय । यद्यपि कंप्यूटर मनखेमन के तुलना में निरंतर ध्यान अउ ध्यान केंद्रित करे म ज्यादा सक्षम हंवय , लेकिन पूरा तरह ले स्वायत्त ड्राइविंग के आवश्यकता एक स्तर के बुद्धि के आवश्यकता होत हवय जेहर एआई एजेंटों द्वारा अब तक प्राप्त करे गए हवय। एक स्वायत्त ड्राइविंग एजेंट बनइन में शामिल कार्यों ल 3 श्रेणियों में विभाजित करे जा सकत हवय, जैसा कि चित्र 1 में दिखाया गय हवय: 1) मान्यताः आस-पास के वातावरण के घटकों के पहचान करना। एखर उदाहरण पैदल यात्री पता लगाना, यातायात संकेत पहचान, आदि हंवय । हालांकि तुच्छ ले दूर, पहचान आज डीप लर्निंग (डीएल) एल्गोरिदम में प्रगति के कारण एक अपेक्षाकृत आसान कार्य हवय, जेहर कईठन ऑब्जेक्ट डिटेक्शन अउ वर्गीकरण समस्यामन में मानव स्तर के पहचान या उससे ऊपर पहुंच गए हवय । डीप लर्निंग मॉडल कच्चे इनपुट डेटा ले जटिल सुविधा प्रतिनिधित्वमन के सीखने में सक्षम हंवय , हाथ ले बनाए सुविधामन के आवश्यकता ल छोड़त हंवय । ए संबंध म कन्वोल्यूशनल न्यूरल नेटवर्क (सीएनएन) शायद सबले सफल डीप लर्निंग मॉडल हंवय , अउ एलेक्सनेट के बाद इमेजनेट चुनौती म हर विजेता प्रविष्टि के आधार बनाइस हवय । ए सफलता ल स्वायत्त ड्राइविंग बर लेन अउ वाहन पहचान म दोहराया गय हवय । 2) भविष्यवाणी: एहर एक स्वायत्त ड्राइविंग एजेंट बर अपन वातावरण ल पहचानने बर म पर्याप्त नी हवय; एहर आंतरिक मॉडल बनइन में घलो सक्षम होना चाहि जेहर पर्यावरण के भविष्य के राज्यों के भविष्यवाणी करत हवय। समस्या के ए वर्ग के उदाहरणमन में पर्यावरण के एक नक्शा बनइन या कन्हु वस्तु के ट्रैक करना शामिल हवय। भविष्य के भविष्यवाणी करे म सक्षम होए बर, पिछले जानकारी ल एकीकृत करना महत्वपूर्ण हवय। इ तरह, आवर्ती न्यूरल नेटवर्क (आरएनएन) ए वर्ग के समस्या बर आवश्यक हंवय । लॉन्ग-शार्ट टर्म मेमोरी (एलएसटीएम) नेटवर्क [5] आरएनएन के एकठन श्रेणी हवय जेखर उपयोग एंड-टू-एंड दृश्य लेबलिंग सिस्टम [14] म करे गय हवय । हाल ही में, डीपट्रैकिंग मॉडल में ऑब्जेक्ट ट्रैकिंग प्रदर्शन में सुधार बर आरएनएन के उपयोग करे गए हवय । 3) योजना बनाना: एक कुशल मॉडल के पीढ़ी जेहर ड्राइविंग कार्रवाई के भविष्य के अनुक्रम के योजना बनाए बर मान्यता अउ भविष्यवाणी ल शामिल करत हवय जेहर वाहन ल सफलतापूर्वक नेविगेट करे में सक्षम बनात हवय। योजना बनाना तीनों म ले सबले कठिन काम हवय । कठिनाई पर्यावरण (मान्यता) अउ एखर गतिशीलता (पूर्वानुमान) ल समझे बर मॉडल के क्षमता ल एकीकृत करे म निहित हवय ताकि एला भविष्य के कार्रवाई के योजना बन सके ताकि ए अवांछित स्थितियों (जमानत) ले बचे अउ अपन गंतव्य (इनाम) बर सुरक्षित रूप ले ड्राइव करे जा सके। चित्र 1: उच्च स्तर के स्वायत्त ड्राइविंग कार्य रेनफोर्समेंट लर्निंग (आरएल) फ्रेमवर्क [17] [20] के उपयोग लंबे समय तक नियंत्रण कार्यमन में करे जात हवय । आरएल के मिश्रण डीएल के साथ मानव स्तर के नियंत्रण प्राप्त करे बर सबले ज्यादा वादा करे वाले दृष्टिकोणों में ले एक होए के ओर इशारा करे गय रहिस । [12] अउ [11] में ए मानव स्तर के नियंत्रण ल डीप क्यू नेटवर्क्स (डीक्यूएन) मॉडल के उपयोग करके अटारी गेम म प्रदर्शित करे गय रहिस, जेमा आरएल योजना भाग बर जिम्मेदार हवय जबकि डीएल प्रतिनिधित्व सीखने के हिस्सा बर जिम्मेदार हवय। बाद म आंशिक अवलोकन योग्य परिदृश्यों ल ध्यान म रखे बर मिश्रण म आरएनएन ल एकीकृत करे गय रहिस । स्वायत्त ड्राइविंग के सूचना के एकीकरण के आवश्यकता हवय । 02 53 2v 1 [एम एल म st ] 8 ए pr 2 01 7 कईठन सेंसर ले। उनमें ले कुछ कम आयामी हवय, जैसे कि लिडर, जबकि आने उच्च आयामी हवय, जैसे कैमरे। ए विशेष उदाहरण म ध्यान देने योग्य हवय, हालांकि, हालांकि कच्चे कैमरा छवियां उच्च आयामी हवय, स्वायत्त ड्राइविंग कार्य के प्राप्त करे बर आवश्यक उपयोगी जानकारी बहुत कम आयाम के हवय। उदाहरण बर , दृश्य के महत्वपूर्ण हिस्सा जेहर ड्राइविंग निर्णय ल प्रभावित करत हंवय , वे चलती वाहन तक ही सीमित हंवय , सड़क म खाली जगह, कबर के स्थिति, आदि। यहां तक कि वाहनों के सूक्ष्म विवरण घलो महत्वपूर्ण नी हंवय , काबरकि समस्या बर केवल आमनके स्थानिक स्थान वास्तव म आवश्यक हवय । एखरबर प्रासंगिक जानकारी बर स्मृति बैंडविड्थ बहुत कम हवय। यदि ए प्रासंगिक जानकारी ल निकाले जा सकत हवय , जबकि आने गैर-प्रासंगिक हिस्सामन ल फ़िल्टर करे जात हवय , तो ए स्वायत्त ड्राइविंग सिस्टम के सटीकता अउ दक्षता दुनों म सुधार करेगा। एखर अलावा, ए सिस्टम के गणना अउ स्मृति आवश्यकताओं के कम करही, जेहर एम्बेडेड सिस्टम म महत्वपूर्ण बाधाओं हवय जिनमें स्वायत्त ड्राइविंग नियंत्रण इकाई शामिल होही। ए तरह के जानकारी फ़िल्टरिंग प्रक्रिया बर ध्यान मॉडल एक प्राकृतिक फिट हवय । हाल ही में, इ मॉडल ल [23] अउ [10] में छवि मान्यता बर सफलतापूर्वक तैनात करे गए रहिस , जेमा आरएल के भागों के भागों के प्राप्त करे बर आरएनएन के साथ मिश्रित करे गए रहिस । ए तरह के मॉडल आसानी ले डीक्यूएन [11] अउ डीप रिकरेंट क्यू नेटवर्क (डीआरक्यूएन) [4] मॉडल में विस्तारित अउ एकीकृत करे जात हंवय । ए एकीकरण [16] में करे गय रहिस । ध्यान मॉडल के सफलता हमन ल स्वायत्त ड्राइविंग करे बर कच्चे संवेदी जानकारी ले निम्न स्तर के जानकारी के निष्कर्षण बर प्रस्तावित करे बर प्रेरित करत हवय। ए पेपर म, हमन एक एंड-एंड स्वायत्त ड्राइविंग मॉडल बर एकठन ढांचे के प्रस्ताव करत हंवय जेहर कच्चे सेंसर इनपुट म लेत हवय अउ ड्राइविंग कार्रवाई के आउटपुट करत हवय। मॉडल आंशिक रूप ले अवलोकन योग्य परिदृश्यों के संभाल करे में सक्षम हवय। एखर अलावा, हमन ध्यान मॉडल में हालिया प्रगति ल एकीकृत करे के प्रस्ताव करत हंवय ताकि प्राप्त सेंसर डेटा ले केवल प्रासंगिक जानकारी निकाले जा सके, ए प्रकार एहर वास्तविक समय एम्बेडेड सिस्टम बर उपयुक्त हो। ए पेपर के मुख्य योगदान: 1) गहन सुदृढीकरण सीखने के हालिया प्रगति के एक सर्वेक्षण प्रस्तुत करना अउ 2) ऑटोमोटिव समुदाय बर गहन सुदृढीकरण सीखने के उपयोग करके स्वायत्त ड्राइविंग ल समाप्त करे बर एकठन ढांचे के परिचय देना। बांचे कागद ल दु भाग म विभाजित करे गय हवय। पहला भाग डीप रेनफॉर्मेशन लर्निंग एल्गोरिदम के सर्वेक्षण प्रदान करत हवय, जेमा पारंपरिक एमडीपी फ्रेमवर्क अउ क्यू-लर्निंग के साथ शुरुआत होत हवय, जेखर पाछू डीक्यूएन, डीआरक्यूएन अउ डीप अटेंशन रिकर्सिव क्यू नेटवर्क (डीएआरक्यूएन) होत हवय। पेपर के दूसर भाग प्रस्तावित ढांचे के वर्णन करत हवय जेहर गहरी सुदृढीकरण सीखने में हालिया प्रगति ल एकीकृत करत हवय । आखिर म, हम निष्कर्ष निकालथन अउ भविष्य के काम बर दिशा-निर्देश सुझाथन। सुदृढीकरण सीखने के समीक्षा सुदृढीकरण सीखने के व्यापक अवलोकन बर, कृपया रिच सटन के पाठ्यपुस्तक के दूसर संस्करण [18] के संदर्भ ले। हम इ खंड म महत्वपूर्ण विषयों की एक छोटी सी समीक्षा प्रदान करत हावें। सुदृढीकरण सीखने के ढांचे ल [17] म एकठन एजेंट के पालन करे जा सकने वाली सबले सुग्हर नीति (एक दिए गए राज्य म लेने बर सबले सुग्हर कार्रवाई) प्रदान करे बर एकठन मॉडल के रूप म तैयार करे गय रहिस , ताकि कुल संचित पुरस्कार अधिकतम हो, जब एजेंट वर्तमान ले ओ नीति के पालन करत हवय अउ टर्मिनल राज्य तक पहुंच जात हवय । आरएल प्रतिमान ड्राइविंग बर प्रेरणा एकठन बहु-एजेंट बातचीत समस्या हवय । एक मनखे ड्राइवर के रूप म , भारी यातायात म लेन बदलने के तुलना म दूसर कारों के साथ कन्हु घलो बातचीत के बिना एक लेन के भीतर बने रहना बहुत आसान हवय । बाद वाला आने ड्राइवरमन के व्यवहार म अंतर्निहित अनिश्चितता के कारण ज् यादा मुश्किल हवय । बातचीत करे वाले वाहनों के संख्या, आमनके ज्यामितीय विन्यास अउ ड्राइवरों के व्यवहार में बडखा भिन्नता हो सकत हवय अउ जम्मो परिदृश्यों के विस्तृत कवरेज के साथ पर्यवेक्षित सीखने डेटासेट डिजाइन करना चुनौतीपूर्ण हवय। मनखे ड्राइवर आने ड्राइवरों के व्यवहार ल समझे बर ऑनलाइन सुदृढीकरण सीखने के कुछु प्रकार के नियोजित करत हंवय जैसे कि काय ओमन रक्षात्मक या आक्रामक, अनुभवी या अनुभवहीन, आदि हवयं। ए विशेष रूप ले ओ परिदृश्यमन म उपयोगी हवय जेमनला बातचीत के जरूरत होत हवय , अर्थात् एकठन गोलार्ध में प्रवेश करना, ट्रैफिक लाइट के बिना जंक्शनों ल नेविगेट करना, भारी यातायात के दौरान लेन बदलना, आदि। स्वायत्त ड्राइविंग में मुख्य चुनौती वक्र मामलों ले निपटना हवय जेहर एक मनखे ड्राइवर बर भी अप्रत्याशित हवय, जैसे कि जीपीएस के बिना अज्ञात क्षेत्र में खो जाने ले पुनर्प्राप्त करना या आपदा के स्थितिमन जैसे बाढ़ या जमीन म एक सिंकहोल के उपस्थिति के साथ सौदा करना। आरएल प्रतिमान अनियंत्रित क्षेत्र के मॉडल करत हवय अउ कार्रवाई करके अपन अनुभव ले सीखत हवय । एखर अतिरिक्त, आरएल गैर-विभेदी लागत कार्यों ल संभालने में सक्षम हो सकत हवय जो पर्यवेक्षित सीखने के समस्याओं बर चुनौतिमन के निर्माण कर सकत हवय। वर्तमान में, स्वायत्त ड्राइविंग बर मानक दृष्टिकोण प्रणाली ल अलग-अलग उप-समस्यामन में अलग करना हवय, आमतौर म पर्यवेक्षित-सीखने जैसे ऑब्जेक्ट डिटेक्शन, दृश्य ओडोमेट्री, आदि अउ फिर पिछले चरणों के जम्मो म परिणाम ल जोड़ने बर पोस्ट प्रोसेसिंग लेयर होना हवय। इ दृष्टिकोण के साथ दु मुख्य मुद्दे हंवय: पहला, उप-समस्यामन के हल करे गए स्वायत्त ड्राइविंग के तुलना में ज्यादा कठिन हो सकत हंवय । उदाहरण बर, कोई अर्थपूर्ण विभाजन द्वारा ऑब्जेक्ट डिटेक्शन के हल कर सकत हवय जेहर चुनौतीपूर्ण अउ अनावश्यक दुनों हवय। मनखे ड्राइवर ड्राइविंग के दौरान जम्मो दृश्यमान वस्तुमन के पता नी लगावयं अउ वर्गीकृत नी करत हंवय , केवल सबले प्रासंगिक। दूसरा, अलग-अलग उप-समस्या ल प्राप्त करे बर सुसंगत रूप ले गठबंधन नी करे जा सकत हवय । सुदृढीकरण सीखने के एक मजबूत एआई प्रतिमान माना जात हवय जेखर उपयोग मशीनमन के पर्यावरण के साथ बातचीत के माध्यम ले अउ उंखर गलती ले सीखने बर करे जा सकत हवय। अपन कथित उपयोगिता के बावजूद, एहर अभी तक ऑटोमोटिव अनुप्रयोगों में सफलतापूर्वक लागू नी करे गए हवय। अटारी गेम अउ गूगल डीपमाइंड द्वारा गो के सफल प्रदर्शन ले प्रेरित होके, हम गहरी सुदृढीकरण सीखने के उपयोग करके स्वायत्त ड्राइविंग बर एकठन ढांचे के प्रस्ताव करत हंवय । ए विशेष रूप ले प्रासंगिक हवय काबरकि आने वाहनों, पैदल यात्री अउ सड़क कार्य सहित पर्यावरण के साथ मजबूत बातचीत के कारण एक पर्यवेक्षित सीखने के समस्या के रूप म स्वायत्त ड्राइविंग ल प्रस्तुत करना मुश्किल हवय। काबरकि ए स्वायत्त ड्राइविंग बर अनुसंधान के अपेक्षाकृत नवा क्षेत्र हवय, हम गहरा सुदृढीकरण सीखने के एकठन संक्षिप्त अवलोकन प्रदान करत हंवय अउ फिर हमर प्रस्तावित ढांचे के वर्णन करत हंवय । ए सूचना एकीकरण बर पुनरावर्ती न्यूरल नेटवर्क शामिल करत हवय, जेखरकारण कार आंशिक रूप ले अवलोकन योग्य परिदृश्यों के संभाल करे में सक्षम होत हवय। |
a4d513cfc9d4902ef1a80198582f29b8ba46ac28 | ए रिपोर्ट एआई के दुर्भावनापूर्ण उपयोग ले संभावित सुरक्षा खतरमन के परिदृश्य के सर्वेक्षण करत हवय, अउ ए खतरमन के बेहतर भविष्यवाणी, रोकथाम अउ कम करे के तरीकामन के प्रस्ताव करत हवय। एआई के डिजिटल, भौतिक, अउ राजनीतिक डोमेन में खतरा परिदृश्य के प्रभावित करे के तरीकामन के विश्लेषण करे के बाद, हम एआई शोधकर्ताओं अउ आने हितधारकों बर चार उच्च-स्तरीय सिफारिशें करत हंवय । हम आघू के शोध बर कईठन होनहार क्षेत्रमन के घलो सुझाव देत हंवय जेहर रक्षा के पोर्टफोलियो के विस्तार कर सकत हंवय , या हमला के कम प्रभावी या निष्पादित करे बर कठिन बना सकत हंवय । आखिरकार, हम हमलावरों अउ रक्षकों के दीर्घकालिक संतुलन म चर्चा करत हंवय , लेकिन निष्कर्ष निकालत हंवय । |
b5a047dffc3d70dce19de61257605dfc8c69535c | गहरे तंत्रिका नेटवर्क जटिल, वास्तविक दुनिया के समस्यामन के निवारण बर व्यापक रूप ले उपयोग करे जाने वाले अउ प्रभावी साधन के रूप में उभरे हंवय । हालांकि, सुरक्षा-महत्वपूर्ण प्रणालिमन म ओमनला लागू करे म एकठन प्रमुख बाधा ओमनके व्यवहार के बारे म औपचारिक गारंटी प्रदान करे म बडखा कठिनाई हवय । हम गहरे तंत्रिका नेटवर्क (या काउंटर-उदाहरन प्रदान करे बर) के गुणमन के सत्यापित करे बर एकठन उपन्यास, स्केलेबल, अउ कुशल तकनीक प्रस्तुत करत हंवय । तकनीक सिम्प्लेक्स विधि म आधारित हवय, गैर-कन्वेक्स रेक्टिफिड रैखिक यूनिट (आरईएलयू) सक्रियण समारोह के संभाल बर विस्तारित, जेहर कईठन आधुनिक तंत्रिका नेटवर्क में एकठन महत्वपूर्ण घटक हवय । सत्यापन प्रक्रिया तंत्रिका नेटवर्क ल पूरा तरह ले निपटे बर करे जात हवय , बिना काखरो घलो सरलीकृत धारणा के। हम मानवरहित विमानों (एसीएएस एक्सयू) बर अगली पीढ़ी के हवाई टकराव से बचने के प्रणाली के प्रोटोटाइप गहरे तंत्रिका नेटवर्क कार्यान्वयन म अपन तकनीक के मूल्यांकन करे । नतीजा ए दिखात हवय कि हमर तकनीक सफलतापूर्वक नेटवर्क के गुणमन के साबित कर सकत हवय जेहर मौजूदा विधिमन के उपयोग करके सत्यापित सबले बडखा नेटवर्क के तुलना में परिणाम के एक आदेश हवय। |
b4bd9fab8439da4939a980a950838d1299a9b030 | उपयोग के पूरा शर्तें: http://pubsonline.informs.org/page/terms-and-conditions ए लेख के उपयोग केवल शोध, शिक्षण, अउ / या निजी अध्ययन के उद्देश्यों बर करे जा सकत हवय । वाणिज्यिक उपयोग या व्यवस्थित डाउनलोडिंग (रोबोट्स या आने स्वचालित प्रक्रियाओं द्वारा) प्रकाशक के स्पष्ट अनुमोदन के बिना निषिद्ध हवय, जब तक कि अन्यथा नोट नी करे गय हवय । अधिक जानकारी बर, [email protected] ले संपर्क करहु। प्रकाशक लेख के सटीकता, पूर्णता, व्यापारिकता, एकठन विशेष उद्देश्य बर उपयुक्तता, या गैर-उल्लंघन के वारंट या गारंटी नी देत हवय । ए लेख म उत्पाद या प्रकाशन के विवरण, या संदर्भ, या विज्ञापन के समावेश, न तो एकठन गारंटी, समर्थन, या ओ उत्पाद, प्रकाशन, या सेवा के दावा के समर्थन करत हवय, न ही एखर अर्थ हवय । © 1 99 0 INFORMS अउ |
5288d14f6a3937df5e10109d4e23d79b7ddf080f | |
c9946fedf333df0c6404765ba6ccbf8006779753 | स्वायत्त ड्राइविंग हर ड्राइवर सुविधा प्रदान करे अउ सुरक्षा बढ़ाए के क्षमता देखाइस हवय। स्वायत्त ड्राइविंग ल हमर वर्तमान यातायात प्रणाली म पेश करत समय, एक महत्वपूर्ण मुद्दा स्वायत्त वाहन ल वास्तविक मनखे ड्राइवरों के समान प्रतिक्रिया करे म सक्षम बनाना हवय। ए सुनिश्चित करे बर कि भविष्य के स्वायत्त वाहन मानव ड्राइवरों के रूप म कार्य करही, ए पेपर एक वाहन गति योजना मॉडल प्रस्तावित करत हवय, जेहर प्रतिनिधित्व कर सकत हवय कि ड्राइवर वास्तविक सिग्नल इंटरसेक्शन म यातायात वातावरण के आकलन के आधार म वाहनमन ल कैले नियंत्रित करत हंवय । प्रस्तावित गति योजना मॉडल म पैदल यात्री इरादे का पता लगाने, अंतराल का पता लगाने अउ वाहन गतिशील नियंत्रण के कार्य शामिल हवय। तीनठन कार्य वास्तविक यातायात वातावरण ले एकत्रित वास्तविक डेटा के विश्लेषण के आधार म बनाए गए हंवय । अंत म, ए पेपर वास्तविक पैदल यात्री अउ मनखे ड्राइवरमन के व्यवहार के साथ हमर मॉडल के व्यवहार के तुलना करके प्रस्तावित विधि के प्रदर्शन के प्रदर्शन करत हवय। प्रायोगिक परिणाम दिखाते हंवय कि हमर प्रस्तावित मॉडल पैदल यात्री क्रॉसिंग इरादे बर 85% मान्यता दर प्राप्त कर सकत हवय। एखर अलावा, प्रस्तावित गति योजना मॉडल द्वारा नियंत्रित वाहन अउ वास्तविक मानव-चालित वाहन चौराहे म अंतराल स्वीकृति के संबंध म अब्बड समान हवयं। |
061356704ec86334dbbc073985375fe13cd39088 | इ काम म हम बडखा पैमाने म छवि मान्यता सेटिंग म अपन सटीकता म संवहन नेटवर्क गहराई के प्रभाव के जांच करत हंवय । हमर मुख्य योगदान बढ़त गहराई के नेटवर्क के एक पूरा मूल्यांकन हवय, जेहर बतात हवय कि पूर्व-कला विन्यास म एक महत्वपूर्ण सुधार गहराई ल 16-19 वजन परतों म धकेलकर प्राप्त करे जा सकत हवय। इ निष्कर्ष हमारे इमेजनेट चैलेंज 2014 सबमिशन के आधार रहिन, जहां हमर टीम हर स्थानीयकरण अउ वर्गीकरण ट्रैक म क्रमशः पहला अउ दूसरा स्थान हासिल करिस। हम ए घलो दिखाते हंवय कि हमर प्रतिनिधित्व दूसर डेटासेट बर अच्छी तरह ले सामान्यीकृत होत हंवय , जहां हम अत्याधुनिक म परिणाम प्राप्त करत हंवय । महत्वपूर्ण रूप ले, हमन कंप्यूटर दृष्टि में गहरा दृश्य प्रतिनिधित्व के उपयोग म आघू के शोध के सुविधा बर सार्वजनिक रूप ले उपलब्ध हमर दुठन सर्वश्रेष्ठ प्रदर्शन कन्वेट मॉडल बनाइस हवयं। |
14318685b5959b51d0f1e3db34643eb2855dc6d9 | हम एक गहरी संवहन तंत्रिका नेटवर्क आर्किटेक्चर के प्रस्ताव करत हंवय जेला कोडनेम इनिशिएशन कहा जात हवय जेहर इमेजेनेट लार्जे-स्केल विजुअल रिकग्निशन चैलेंज 2014 (आईएलएसवीआरसी 14) में वर्गीकरण अउ पता लगाए बर कला के नवा स्थिति प्राप्त करत हवय। इ वास्तुकला के मुख्य पहचान नेटवर्क के भीतर कंप्यूटिंग संसाधनों के बेहतर उपयोग हवय। एक सावधानीपूर्वक तैयार डिजाइन के माध्यम ले, हम गणनात्मक बजट ल स्थिर रखत समय नेटवर्क के गहराई अउ चौड़ाई ल बढ़ाएंव। गुणवत्ता के अनुकूलित करे बर, वास्तुशिल्प निर्णय हेबियन सिद्धांत अउ बहु-स्केल प्रसंस्करण के अंतर्ज्ञान म आधारित रहिन। ILSVRC14 बर हमर सबमिशन में उपयोग करे जाने वाले एकठन विशेष अवतार ल GoogLeNet कहा जात हवय , 22 परत गहरे नेटवर्क, जेखर गुणवत्ता वर्गीकरण अउ पता लगाए के संदर्भ में मूल्यांकन करे जात हवय । |
1827de6fa9c9c1b3d647a9d707042e89cf94abf0 | प्रशिक्षण गहरी तंत्रिका नेटवर्क ए तथ्य ले जटिल हवय कि प्रशिक्षण के दौरान प्रत्येक परत के इनपुट के वितरण बदल जात हवय, काबरकि पिछली परतों के पैरामीटर बदल जात हवयं। ए कम सीखने के दर अउ सावधानीपूर्वक पैरामीटर प्रारंभिक के आवश्यकता के कारण प्रशिक्षण के धीमा कर देत हवय, अउ एहर गैर-रैखिकता के संतृप्त मॉडल के प्रशिक्षित करे बर कुख्यात रूप ले कठिन बनात हवय। हम इ घटना ल आंतरिक सह-परिवर्तनीय शिफ्ट के रूप म संदर्भित करत हंवय , अउ परत इनपुट के सामान्यीकरण करके समस्या के संबोधित करत हंवय । हमर विधि अपन ताकत ल सामान्यीकरण ल मॉडल आर्किटेक्चर के हिस्सा बनाए ले अउ प्रत्येक प्रशिक्षण मिनी-बैच बर सामान्यीकरण करे ले प्राप्त करत हवय। बैच सामान्यीकरण हमन ल बहुत ज्यादा सीखने के दर के उपयोग करे के अनुमति देत हवय अउ प्रारंभिककरण के बारे में कम सतर्क हो जात हवय, अउ कुछु मामला म ड्रॉपआउट के आवश्यकता ल समाप्त करत हवय। अत्याधुनिक छवि वर्गीकरण मॉडल म लागू, बैच सामान्यीकरण 14 गुना कम प्रशिक्षण चरणों के साथ समान सटीकता प्राप्त करत हवय, अउ मूल मॉडल ल एकठन महत्वपूर्ण मार्जिन ले हरात हवय । बैच-सामान्यीकृत नेटवर्क के एक समूह के उपयोग करके, हम इमेजनेट वर्गीकरण म सबले अच्छा प्रकाशित परिणाम म सुधार करत हंवय: 4.82% शीर्ष-पांच परीक्षण त्रुटि तक पहुंचना, मानव रेटर के सटीकता ले ज्यादा। |
6e80768219b2ab5a3247444cfb280e8d33d369f0 | ए पेपर में एक अल्ट्रा-वाइडबैंड (यूडब्ल्यूबी) पावर डिवाइडर डिजाइन करे गए हवय। इ शक्ति विभाजक के यूडब्ल्यूबी प्रदर्शन एक कॉनड माइक्रोस्ट्रिप लाइन के उपयोग करके प्राप्त करे जात हवय जेमा घातीय अउ अण्डाकार खंड होत हवय। मोटे दानेदार समानांतर माइक्रो-जेनेटिक एल्गोरिदम (पीएमजीए) अउ सीएसटी माइक्रोवेव स्टूडियो के स्वचालित समानांतर डिजाइन प्रक्रिया प्राप्त करे बर संयुक्त करे जात हवय । विधि के उपयोग यूडब्ल्यूबी पावर डिवाइडर के अनुकूलित करे बर करे जात हवय । अनुकूलित बिजली डिवाइडर के निर्माण अउ मापा जात हवय । मापा परिणामों ले पूरा यूडब्ल्यूबी (3.1-10.6 गीगाहर्ट्ज) म अपेक्षाकृत कम सम्मिलन हानि, अच्छा वापसी हानि, अउ आउटपुट पोर्ट के बीच उच्च अलगाव दिखात हवय। |
2532d0567c8334e4cadf282a73ffe399c1c32476 | प्रदर्शन माप तब प्राप्त पुरस्कारों के राशि हवय । उदाहरण बर, जब एक बम्बल मधुमक्खी चारा, प्रत्येक समय चरण म इनाम फ़ंक्शन उड़ान म धुरिहा (नकारात्मक रूप ले वजन) अउ अमृत के कुछ संयोजन हो सकत हवय। सुदृढीकरण सीखने (आरएल) विधिमन अनिवार्य रूप ले मार्कोव निर्णय प्रक्रियामन (एमडीपी) के हल करे बर ऑनलाइन एल्गोरिदम हंवय । एक एमडीपी के परिभाषित करे जात हवय , जेहर कि इनाम फ़ंक्शन अउ एकठन मॉडल द्वारा परिभाषित करे जात हवय , यानी प्रत्येक संभावित कार्रवाई म सशर्त राज्य संक्रमण संभावनाएं। आरएल एल्गोरिदम मॉडल-आधारित हो सकत हंवय , जहां एजेंट एक मॉडल, या मॉडल-मुक्त सीखत हवय-उदाहरण बर, क्यू-लर्निंग वाटकिंस: 1 9 8 9 के उद्धरण, जेहर केवल एक फ़ंक्शन क्यू (((एस) सीखत हवय , ए) राज्य एस में कार्रवाई करे के दीर्घकालिक मूल्य निर्दिष्ट करत हवय अउ एखर पाछू इष्टतम रूप ले कार्य करत हवय । अपन सफलता के बावजूद, आरएल विधिमन ल काफी हद तक पूरी तरह ले अवलोकन योग्य एमडीपी तक सीमित करे गय हवय, जेमा प्रत्येक राज्य म संवेदी इनपुट राज्य के पहचान करे बर म पर्याप्त हवय। स्पष्ट रूप ले, वास्तविक दुनिया में, हमन ल अक्सर आंशिक रूप ले अवलोकन योग्य एमडीपी (पीओएमडीपी) के साथ सौदा करना होत हवय । एस्ट्रोम (1 9 65) हर साबित करिस कि पीओएमडीपी में इष्टतम निर्णय हर समय के प्रत्येक बिंदु म विश्वास राज्य बी म निर्भर करत हवय, यानी, जम्मो संभावित वास्तविक राज्यों म पाछू के संभावना वितरण, आज तक के जम्मो सबूत दिए गए। परर अउ रसेल (1995) बी के संभावनाओं के एक वेक्टर के रूप में एक स्पष्ट प्रतिनिधित्व के उपयोग करके एक बहुत ही सरल पीओएमडीपी आरएल एल्गोरिदम के वर्णन करत हंवय , अउ मैककॉलम (1993) हालिया धारणा अनुक्रमों के उपयोग करके विश्वास राज्य के अनुमान लगाने के तरीका बतात हंवय । न तो दृष्टिकोण के बड़ी संख्या म राज्य चर अउ दीर्घकालिक समय निर्भरता के साथ स्थितियों बर स्केल करे के संभावना हवय। काय जरूरत हवय मॉडल ल कॉम्पैक्ट रूप ले प्रतिनिधित्व करे अउ मॉडल अउ प्रत्येक नवा अवलोकन के दिए गए विश्वास राज्य ल कुशलतापूर्वक अपडेट करे के तरीका हवय। डायनामिक बेसियन नेटवर्क (डीन अउ कनाजावा, 1 9 89) म कुछु आवश्यक गुण प्रतीत होत हंवय; विशेष रूप ले, आमनके पास कल्मन फिल्टर अउ लुकाय मार्कोव मॉडल जैसे आने दृष्टिकोणमन म महत्वपूर्ण फायदा होत हंवय । आरेख 1 म दिखाए गए हमर आधारभूत वास्तुकला, नवा सेंसर जानकारी के रूप म विश्वास राज्य के प्रतिनिधित्व अउ अद्यतन करे बर डीबीएन के उपयोग करत हवय। बी बर एक प्रतिनिधित्व दे गइस , इनाम संकेत के उपयोग क्यू-प्रकार्य ल सीखने बर करे जात हवय जेला कुछु "ब्लैक-बॉक्स" फ़ंक्शन अनुमानक जैसे न्यूरल नेटवर्क द्वारा दर्शाया जात हवय । बशर्ते हम हाइब्रिड (डि- ए वार्ता एक सीखने एजेंट बर एकठन बहुत ही सरल "बेसलाइन आर्किटेक्चर" के प्रस्ताव करत हवय जेहर स्टोचस्टिक, आंशिक रूप ले अवलोकन योग्य वातावरण ल संभाल सकत हवय । आर्किटेक्चर ग्राफिकल मॉडल के रूप म सामयिक प्रक्रियाओं के प्रतिनिधित्व करे बर एक विधि के साथ सुदृढीकरण सीखने के उपयोग करत हवय। मैं संवेदी इनपुट ले ए तरह के प्रतिनिधित्व के मापदंडमन अउ संरचना ल लीमिंग बर विधिमन के चर्चा करहूं, अउ पाछू के संभावनामन के गणना करे बर। पूरा एजेंट के कोशिश करे ले पहिली कुछु खुला समस्या बने रहिथे; जब हमन स्केल करे म विचार करथन त ज्यादा उठत हवयं। व्याख्यान के एक दूसर विषय ए होही कि का सुदृढीकरण सीखना जानवरमन अउ मनखे सीखने के एकठन अच्छा मॉडल प्रदान कर सकत हवय । इ सवाल के जवाब दे बर, हमन ल उलटा सुदृढीकरण सीखने करना चाहि: मनाए गए व्यवहार ल देखते होए , काय इनाम संकेत, यदि कोई हवय , तो अनुकूलित करे जात हवय ? ए सीओएलटी, यूएआई, अउ एमएल समुदायमन बर एकठन बहुत ही दिलचस्प समस्या प्रतीत होत हवय , अउ मार्कोव निर्णय प्रक्रिया के संरचनात्मक अनुमान के शीर्षक के तहत अर्थशास्त्र म संबोधित करे गय हवय । अनिश्चित वातावरण में सीखना एआई बुद्धिमान एजेंटों के निर्माण के बारे में हवय, यानी, सिस्टम जेहर धारणा अउ प्रभावी रूप ले कार्य करत हंवय (कुछ प्रदर्शन माप के अनुसार) एकठन वातावरण में। मैंने कहीं अउ तर्क दिस हवय कि रसेल अउ नॉर्विग (1 99 5) कि अधिकांश एआई शोध हर ऐसे वातावरण म ध्यान केंद्रित करे हवय जेहर स्थिर, निर्धारक, असतत, अउ पूरा तरह ले अवलोकन योग्य हंवय । जब वास्तविक दुनिया में, पर्यावरण गतिशील, स्थैतिक, निरंतर, अउ आंशिक रूप ले अवलोकन योग्य हवय, तो क्या करे जाना चाहि? यह पेपर एनएसएफ @ आई -9634215), ओएनआर (एन 00014-97-l-0941) अउ एआर0 (डीएएएच 04- 96-1-0341) द्वारा समर्थित कईठन शोध प्रयासों म आधारित हवय । व्यक्तिगत या कक्षा के उपयोग बर ए काम के जम्मो या भाग के डिजिटल या हार्ड कॉपी बनाए के अनुमति बिना फीस के दी जा रही हवय बशर्ते कि प्रतियां प्रोलिट या वाणिज्यिक लाभ बर नी बनइन या वितरित के जात हवयं अउ प्रतियां ए नोटिस अउ पहली पृष्ठ म पूर्ण उद्धरण ल बतात हवयं। अन्यथा कॉपी करे बर । पुनः प्रकाशित करे बर, सर्वर म पोस्ट करे बर या सूची म पुनर्वितरित करे बर, पूर्व विशिष्ट अनुमति अउ / या शुल्क के आवश्यकता होत हवय । COLT 98 मैडिसन WI IJSA Copyright ACM 1998 1-5X1 13-057--0/9X/ 7...$5.00 हाल के बरस म, सुदृढीकरण सीखने (जिसे न्यूरोडायनामिक प्रोग्रामिंग घलो कहे जाथे) हर स्वचालित रूप ले एजेंटों के निर्माण बर एक दृष्टिकोण के रूप म तेजी ले प्रगति करीस हवय (सटन, 1988; केलबलिंग एट अल, 1996; बर्ट्सकेस अउ त्सीसिकलिस, 1996) । मूल विचार ए हवय कि प्रदर्शन माप एजेंट बर उपलब्ध कराया जात हवय एक इनाम फ़ंक्शन के रूप में जेहर प्रत्येक राज्य बर इनाम के निर्दिष्ट करत हवय जेहर एजेंट ले गुजरता हवय । |
6f20506ce955b7f82f587a14301213c08e79463b | |
d14ddc01cff72066c6655aa39f3e207e34fb8591 | ए पेपर माइक्रोइलेक्ट्रोमैकेनिकल सिस्टम (एमईएमएस) के आधार म रेडियो फ्रीक्वेंसी (आरएफ) प्रौद्योगिकी के अपेक्षाकृत नवा क्षेत्र ले संबंधित हवय। आरएफ एमईएमएस नवा उपकरण अऊ घटक के एक वर्ग प्रदान करथे जऊन पारंपरिक (आमतौर म सेमीकंडक्टर) उपकरण के सापेक्ष बेहतर उच्च आवृत्ति परफॉर्मेंस प्रदर्शित करथे, अऊ जऊन नवा सिस्टम क्षमता ल सक्षम करथे। एखर अलावा, एमईएमएस उपकरणमन के डिजाइन अउ निर्माण तकनीकमन द्वारा बहुत बड़े पैमाने म एकीकरण के समान तकनीकमन द्वारा करे जात हवय , अउ पारंपरिक बैच-प्रसंस्करण विधिमन द्वारा निर्मित करे जा सकत हवय । इ पेपर में, एकमात्र उपकरण संबोधित करे गए इलेक्ट्रोस्टैटिक माइक्रोस्विच हवय-शायद प्रतिमान आरएफ-एमईएमएस डिवाइस। अपन बेहतर प्रदर्शन विशेषता के माध्यम ले, माइक्रोस्विच ल रेडियो फ्रंट-एंड्स, कैपेसिटर बैंकों, अउ समय-विलंब नेटवर्क समेत कईठन मौजूदा सर्किट अउ प्रणालिमन में विकसित करे जात हवय । अल्ट्रा-कम-शक्ति अपव्यय अउ बड़े पैमाने म एकीकरण के साथ संयुक्त बेहतर प्रदर्शन के साथ नवा प्रणाली कार्यक्षमता घलो सक्षम होना चाहि। इके साथ संबोधित दुठन संभावनाओं अर्ध-ऑप्टिकल बीम स्टीयरिंग अउ विद्युत रूप ले पुनः विन्यास योग्य एंटीना हवय। |
9d5f36b92ac155fccdae6730660ab44d46ad501a | जोखिम समानता विविधतापूर्ण पोर्टफोलियो बनाए बर उपयोग करे जाने वाला एक आवंटन विधि हवय जेहर अपेक्षित रिटर्न के कन्हु भी धारणा म भरोसा नी करत हवय , ए प्रकार जोखिम प्रबंधन के रणनीति के केंद्र में रखत हवय । ए बतात हवय कि 2008 म वैश्विक वित्तीय संकट के बाद जोखिम समानता एकठन लोकप्रिय निवेश मॉडल काबर बन गइस । हालांकि, जोखिम समानता के घलो आलोचना करे गए हवय काबरकि ए पोर्टफोलियो प्रदर्शन के बजाय जोखिम एकाग्रता के प्रबंधन म केंद्रित हवय , अउ एखरबर सक्रिय प्रबंधन के तुलना म निष्क्रिय प्रबंधन के करीब माना जात हवय । ए लेख म, हम जोखिम समानता पोर्टफोलियो म अपेक्षित रिटर्न के धारणा ल कैसे पेश करे बर दिखाते हवय । ए करे बर, हम एकठन सामान्यीकृत जोखिम माप म विचार करत हंवय जेहर पोर्टफोलियो रिटर्न अउ अस्थिरता दुनों ल ध्यान म रखत हवय । हालांकि, प्रदर्शन अउ अस्थिरता योगदान के बीच व्यापार-ऑफ कुछु कठिनाई पैदा करत हवय, जबकि जोखिम बजटिंग समस्या ल स्पष्ट रूप ले परिभाषित करे जाना चाहि। इ तरह के जोखिम बजटिंग पोर्टफोलियो के सैद्धांतिक गुणमन ल प्राप्त करे के बाद, हम परिसंपत्ति आवंटन बर ए नवा मॉडल लागू करत हंवय । सबले पहली, हम दीर्घकालिक निवेश नीति अउ रणनीतिक परिसंपत्ति आवंटन के निर्धारण म विचार करत हंवय । फेर हमन गतिशील आबंटन म विचार करथन अऊ बताथन कि जोखिम समता निधि के निर्माण कइसने करे जाथे जऊन अपेक्षित रिटर्न म निर्भर करथे। |
006df3db364f2a6d7cc23f46d22cc63081dd70db | एक तदर्थ नेटवर्क वायरलेस मोबाइल मेजबानों के एक संग्रह हवय जेहर कन्हु घलो स्थापित बुनियादी ढांचे या केंद्रीकृत प्रशासन के सहायता के बिना अस्थायी नेटवर्क बनात हवय । ए तरह के माहौल म , प्रत्येक मोबाइल होस्ट के वायरलेस ट्रांसमिशन के सीमित सीमा के कारण , अपन गंतव्य बर एक पैकेट अग्रेषित करे म दूसर मेजबानमन के सहायता ल लुभाए के आवश्यकता हो सकत हवय । ए पेपर तदर्थ नेटवर्क में रूटिंग बर एक प्रोटोकॉल प्रस्तुत करत हवय जेहर गतिशील स्रोत रूटिंग के उपयोग करत हवय। प्रोटोकॉल रूटिंग म पर परिवर्तन बर जल्दी ले अनुकूलित करत हवय जब मेजबान आंदोलन अक्सर होत हवय, फिर घलो उन अवधि के दौरान थोड़ा या कोई ओवरहेड के आवश्यकता होत हवय जेमा मेजबान कम अक्सर होत हवयं। एक तदर्थ नेटवर्क में संचालित मोबाइल मेजबानों के पैकेट-स्तर सिमुलेशन के म परिणाम के आधार म , प्रोटोकॉल मेजबान घनत्व अउ आंदोलन दर जैसे कईठन पर्यावरणीय परिस्थितिमन म अच्छी तरह ले प्रदर्शन करत हवय । सिमुलेट मेजबान आंदोलन के जम्मो उच्चतम दरों बर, प्रोटोकॉल के ओवरहेड काफी कम हवय, 24 मोबाइल मेजबानों के नेटवर्क म मध्यम आंदोलन दरों बर प्रेषित कुल डेटा पैकेट के केवल 1% तक गिर जात हवय। जम्मो मामला म, उपयोग करिस गिनरूटों अउ इष्टतम मार्ग लंबाई के बीच लंबाई म अंतर नगण्य हवय, अउ अधिकांश मामला म , मार्ग लंबाई औसत म इष्टतम के 1.01 के कारक के भीतर हवय । |
25a26b86f4a2ebca2b154effbaf894aef690c03c | हाल ही में पर्यवेक्षित सीखने के एल्गोरिदम में महत्वपूर्ण रुचि रही हवय जेहर पाठ सीखने के कार्य बर लेबल अउ अनलेबल डेटा के संयोजन करत हंवय । सह-प्रशिक्षण सेटिंग [1] डेटासेट बर लागू होत हवय जेमा दु अलग-अलग सेट म अपन विशेषता के प्राकृतिक अलगाव होत हवय। हम ए प्रदर्शित करत हंवय कि लेबल अउ अनलेबल डेटा ले सीखते समय, एल्गोरिदम स्पष्ट रूप ले विशेषता के प्राकृतिक स्वतंत्र विभाजन के लाभ उठात हंवय जेहर एल्गोरिदम के बेहतर प्रदर्शन करत हंवय । जब एक प्राकृतिक विभाजन मौजूद नी होत हवय, तो सह-प्रशिक्षण एल्गोरिदम जेहर एकठन विशेषता विभाजन के निर्माण करत हंवय , विभाजन के उपयोग नी करे वाले एल्गोरिदम के पार कर सकत हंवय । ये परिणाम एहर समझाए में मदद करत हंवय कि सह-प्रशिक्षण एल्गोरिदम प्रकृति में भेदभावपूर्ण अउ ओमनके एम्बेडेड वर्गीकरण के धारणाओं बर मजबूत काबर हंवय । |
78beead3a05f7e8f2dc812298f813c5bacdc3061 | |
1d6889c44e11141cc82ef28bba1afe07f3c0a2b4 | पिछले कुछु बरस म इंटरनेट ऑफ थिंग्स (आईओटी) के व्यापक अनुप्रयोग देखे गए हवय अउ प्रत्येक क्षेत्र म पइस जा सकत हवय। डिवाइस के बीच सुरक्षित संचार सक्षम करे बर ऑथेंटिकेशन अउ एक्सेस कंट्रोल आईओटी के संदर्भ में महत्वपूर्ण अउ महत्वपूर्ण कार्यक्षमता हवयं। मोबाइल, गतिशील नेटवर्क टोपोलॉजी अउ आईओटी नेटवर्क म कम बिजली वाले उपकरणमन के कमजोर भौतिक सुरक्षा सुरक्षा के संभावित स्रोत हवयं। ए संसाधन सीमित अउ वितरित आईओटी वातावरण म प्रमाणीकरण अउ अभिगम नियंत्रण हमला प्रतिरोधी अउ हल्का बनाने का वादा करत हवय। ए पेपर प्रोटोकॉल मूल्यांकन अउ प्रदर्शन विश्लेषण के साथ पहचान प्रमाणीकरण अउ क्षमता आधारित अभिगम नियंत्रण (आईएसीएसी) मॉडल प्रस्तुत करत हवय । मनखे-मध्य, पुनरावृत्ति अउ सेवा (डीओएस) के हमलों ले आईओटी के रक्षा करे बर , अभिगम नियंत्रण बर क्षमता के अवधारणा पेश करे जात हवय । ए मॉडल के नवापन ए हे कि, ए ह आईओटी डिवाइसेस बर प्रमाणीकरण अऊ अभिगम नियंत्रण के एक एकीकृत दृष्टिकोण प्रस्तुत करथे। हमर निष्कर्ष ल मान्य करे अउ समर्थन करे बर आने संबंधित अध्ययन के म परिणाम के घलो विश्लेषण करे गए हवय। अंत म प्रस्तावित प्रोटोकॉल के मूल्यांकन सुरक्षा प्रोटोकॉल सत्यापन उपकरण के उपयोग करके करे जात हवय अउ सत्यापन म परिणाम ों ले पता चलत हवय कि आईएसीएसी उपरोक्त हमलों के खिलाफ सुरक्षित हवय । एहर पेपर दूसर जर्नल ऑफ साइबर सिक्योरिटी अउ मोबिलिटी, वॉल्यूम के तुलना म कंप्यूटेशनल समय के मामले म प्रोटोकॉल के प्रदर्शन विश्लेषण म भी चर्चा करत हवय। 1, 309-348 ल देखे बर मिलही। सी © 2013 नदी प्रकाशकमन। © © 2017 © कोलंबिया के राष्ट्रीय राजधानी 310 पी.एन. अउ महले अउ अन्य। मौजूदा समाधानमन ल समझना। एखर अलावा, एहर पेपर आईओटी में चुनौतियों का समाधान करत हावे अउ आईओटी नेटवर्क का एक वास्तविक दृश्य देहर बर उपयोग के मामलों के साथ सुरक्षा हमलों का मॉडल करत हावे। |
310b72fbc3d384ca88ca994b33476b8a2be2e27f | हम भावना विश्लेषक (एसए) प्रस्तुत करत हन जऊन आनलाइन पाठ दस्तावेज ले कोनो विषय के बारे म भावना (या राय) ल निकालथे। एक विषय के बारे म पूरा दस्तावेज के भावना ल वर्गीकृत करे के बजाय, एसए हर दिए गए विषय के जम्मो संदर्भों के पता लगाता हवय, अउ प्राकृतिक भाषा प्रसंस्करण (एनएलपी) तकनीकमन के उपयोग करके प्रत्येक संदर्भों म भावना निर्धारित करत हवय । हमर भावना विश्लेषण म 1) एकठन विषय विशिष्ट विशेषता शब्द निष्कर्षण, 2) भावना निष्कर्षण, अउ 3) संबंध विश्लेषण द्वारा (विषय, भावना) एसोसिएशन शामिल हवय । एसए विश्लेषण बर दुठन भाषाई संसाधनमन के उपयोग करत हवय: भावना लेक्सिकन अउ भावना पैटर्न डेटाबेस। एल्गोरिदम के प्रदर्शन के ऑनलाइन उत्पाद समीक्षा लेखमन (डिजिटल कैमरा अउ संगीत समीक्षा) म सत्यापित करे गए रहिस , अउ सामान्य वेबपेज अउ समाचार लेख सहित ज्यादा सामान्य दस्तावेज । |
59d9160780bf3eac8c621983a36ff332a3497219 | स्वचालित भावना विश्लेषण बर कईठन दृष्टिकोण शब्दमन के एकठन बडखा लेक्सिकॉन के साथ शुरू होत हवयं जेहर आमनके पूर्व ध्रुवीयता (जिसे अर्थपूर्ण अभिविन्यास घलो कहा जात हवय) के साथ चिह्नित करे जात हवय । हालांकि, वाक्यांश के संदर्भात्मक ध्रुवीयता जेमा एकठन शब्द के एकठन विशेष उदाहरण दिखाई देत हवय , शब्द के पहली ध्रुवीयता ले काफी अलग हो सकत हवय । सकारात्मक शब्दमन के उपयोग नकारात्मक भावना व्यक्त करे वाले वाक्यांशों म करे जात हवय , या एखर उल्टा। एखर अलावा, अक्सर शब्द जेहर सकारात्मक या नकारात्मक संदर्भ ले बाहीर होत हवयं वे संदर्भ म तटस्थ होत हवयं, जेखर अर्थ हवय कि ओमन भावना व्यक्त करे बर घलो उपयोग नी करे जात हवयं। ए काम के लक्ष्य एहर ध्यान केंद्रित करे के साथ पूर्व अउ प्रासंगिक ध्रुवीयता के बीच स्वचालित रूप ले भेद करना हवय कि ए काम बर कौन सी विशेषता महत्वपूर्ण हवय। काबरकि समस्या के एकठन महत्वपूर्ण पहलू एहर पहचानत हवय कि ध्रुवीय शर्तमन के उपयोग कब तटस्थ संदर्भों म करे जात हवय , तटस्थ अउ ध्रुवीय उदाहरणमन के बीच आखिरर करे बर सुविधामन के मूल्यांकन करे जात हवय , साथ ही सकारात्मक अउ नकारात्मक प्रासंगिक ध्रुवीयता के बीच आखिरर करे बर सुविधामन के घलो मूल्यांकन करे जात हवय । मूल्यांकन में कईठन मशीन लर्निंग एल्गोरिदम में सुविधाओं के प्रदर्शन के आकलन करना शामिल हवय। एक के अलावा जम्मो सीखने एल्गोरिदम बर , जम्मो सुविधामन के संयोजन एकठन साथ सबले अच्छा प्रदर्शन देत हवय । मूल्यांकन के एकठन अउ पहलू ए विचार करत हवय कि कैसे तटस्थ उदाहरणमन के उपस्थिति सकारात्मक अउ नकारात्मक ध्रुवीयता के बीच आखिर करे बर सुविधामन के प्रदर्शन ल प्रभावित करत हवय । ये प्रयोगमन ले पता चलत हवय कि तटस्थ उदाहरणमन के उपस्थिति ए सुविधामन के प्रदर्शन ल काफी कमजोर कर देती हवय, अउ एहर शायद जम्मो ध्रुवीयता वर्गमन में प्रदर्शन के बेहतर करे के सबले अच्छा तरीका एहर हवय कि सिस्टम के क्षमता के पहचान करे के क्षमता में सुधार करना हवय जब कोई उदाहरण तटस्थ होत हवय। |
7c89cbf5d860819c9b5e5217d079dc8aafcba336 | ए पेपर म, हम वाक्य-स्तर वर्गीकरण के एक मामला अध्ययन के वर्णन करत हंवय जेमा टैगिंग निर्देश विकसित करे जात हवयं अउ वॉल स्ट्रीट जर्नल के खंडमन ल व्यक्तिपरक या उद्देश्य के रूप म वर्गीकृत करे बर चार न्यायाधीशमन द्वारा उपयोग करे जात हवय । चार न्यायाधीशमन के बीच समझौते के विश्लेषण करे जात हवय , अउ, ओ विश्लेषण के आधार म , प्रत्येक खंड ल एक अंतिम वर्गीकरण दिस जात हवय । वर्गीकरण बर अनुभवजन्य समर्थन प्रदान करे बर, सहसंबंधों के मूल्यांकन व्यक्तिपरक श्रेणी अउ क्विर्क एट अल द्वारा निर्धारित एकठन मूल अर्थशास्त्र वर्ग के बीच डेटा म करे जात हवय । (1985 के बाद ले) । |
9141d85998eadb1bca5cca027ae07670cfafb015 | भावनाओं (अभिप्राय के भावनात्मक हिस्सा) के पहचान करना एक चुनौतीपूर्ण समस्या हवय । हमन एक अइसन प्रणाली प्रस्तुत करत हन, जऊन एक ठन विषय ल देहे म, स्वचालित रूप ले ओ मनखे ल खोजथे जेन कि ओ विषय के बारे म राय रखथे अऊ हर राय के भावना ल खोजथे। ए प्रणाली म शब्द भावना ल निर्धारित करे बर एक मॉड्यूल अउ वाक्य के भीतर भावना ल जोड़ने बर एक अउ हवय। हमन शब्द अउ वाक्य स्तर म भावना ल वर्गीकृत करे अउ संयोजित करे के कईठन मॉडल के साथ प्रयोग करत हावें, जेखर परिणाम आशाजनक हावें। |
c2ac213982e189e4ad4c7f60608914a489ec9051 | एनोटेड अरबी पाठ के बडखा पैमाने म कॉर्पस विकसित करे के हमर तीन बरस के अनुभव ले , हमर पेपर निम्नलिखित के संबोधित करेगा: (ए) विधि के विकल्पों ले संबंधित प्रासंगिक अरबी भाषा के मुद्दों के समीक्षा, (बी) दिशानिर्देशों के पेन अंग्रेजी ट्रीबैंक शैली के उपयोग करे के हमर विकल्प के व्याख्या, (अरबी बोलने वाले एनोटेटर्स ल एकठन नवा व्याकरणिक समस्या के सामना करे बर आवश्यक) अउ (सी) एक नवा व्याकरणिक समस्या के समाधान बर एक नवा व्याकरणिक समस्या के समाधान बर एक नवा व्याकरणिक समस्या के समाधान बर एक नवा व्याकरणिक समस्या के समाधान बर एक नवा व्याकरणिक समस्या के समाधान बर एक नवा व्याकरणिक समस्या के समाधान बर एक नवा व्याकरणिक समस्या के समाधान बर एक नवा व्याकरणिक समस्या के समाधान बर एक नवा व्याकरणिक समस्या के समाधान बर एक नवा तरीका हवय। (सी) कईठन तरीकामन ल दिखाएं जेमा मानव एनोटेशन महत्वपूर्ण हवय अउ स्वचालित विश्लेषण मुश्किल हवय , जेमा मॉर्फोलॉजिकल विश्लेषक अउ मानव एनोटेटर दुनों द्वारा वर्तनी संबंधी अस्पष्टता के प्रबंधन शामिल हवय; (डी) एहर एक उदाहरण उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे बर उदाहरण दे अरबी ट्रीबैंक पद्धति, दोनों मॉर्फोलॉजिकल विश्लेषण अउ टैगिंग अउ सिंटेक्सिक विश्लेषण म एकठन विशेष निर्माण म ध्यान केंद्रित करत हवय अउ एला पूरा एनोटेशन प्रक्रिया के माध्यम ले विस्तार ले पालन करत हवय , अउ आखिर म , (ई) अभी तक काय हासिल करे गय हवय अउ काय करे जाना बाकी हवय । |
e33a3487f9b656631159186db4b2aebaed230b36 | डिजिटल प्लेटफार्म आज लगभग हर उद्योग ल बदल रहे हवयं, ओमन धीरे-धीरे मुख्यधारा के सूचना प्रणाली (आईएस) साहित्य म अपन रास्ता ढूंढत हवयं। डिजिटल प्लेटफार्ममन अपन वितरित प्रकृति अउ संस्थानमन, बाजारमन अउ प्रौद्योगिकिमन के साथ अंतःक्रिया के कारण एकठन चुनौतीपूर्ण शोध वस्तु हवयं। प्लेटफॉर्म नवाचार के तेजी ले बढ़ते पैमाने, प्लेटफॉर्म आर्किटेक्चर के बढ़ती जटिलता, अउ कईठन अलग-अलग उद्योगमन में डिजिटल प्लेटफॉर्म के प्रसार के म परिणाम के रूप में नवा शोध चुनौतियां उत्पन्न होत हवयं। ए पेपर आईएस म डिजिटल प्लेटफार्म अनुसंधान बर एक शोध एजेंडा विकसित करत हवय। हम शोधकर्ताओं के सिफारिश करत हंवय कि (1) विश्लेषण के इकाई, डिजिटलीकरण के डिग्री अउ डिजिटल प्लेटफार्मों के सामाजिक-तकनीकी प्रकृति के निर्दिष्ट करे वाली स्पष्ट म परिभाषामन के प्रदान करके वैचारिक स्पष्टता के आघू बढ़ाए के प्रयास; (2) अलग-अलग वास्तुशिल्प स्तरमन अउ कईठन उद्योग सेटिंग्स म प्लेटफार्मों के अध्ययन करके डिजिटल प्लेटफॉर्म अवधारणाओं के उचित स्कोपिंग ल परिभाषित करना; अउ (3) एम्बेडेड केस स्टडीज, अनुदैर्ध्य अध्ययन, डिजाइन अनुसंधान, डेटा-संचालित मॉडलिंग अउ दृश्य तकनीमन के नियोजित करके पद्धतिगत कठोरता के आघू बढ़ाना। व्यापार क्षेत्र म वर्तमान विकास ल म विचार करत हुए, हम आघू के शोध बर छह प्रश्नमन के सुझाव देवत हंवय: (1) का प्लेटफॉर्म इहां रहे बर हवय? (2) प्लेटफार्म ल कैसे डिजाइन करे जाना चाहि? ; (3) डिजिटल प्लेटफार्म उद्योगमन ल कैसे बदलते हवयं? ; (4) डेटा-संचालित दृष्टिकोण डिजिटल प्लेटफार्म अनुसंधान ल कैसे सूचित कर सकत हवय? ; (5) शोधकर्ताओं ल डिजिटल प्लेटफार्मों बर सिद्धांत कैसे विकसित करना चाहि? ; अउ (6) डिजिटल प्लेटफार्म हर रोज के जीवन ल कइसे प्रभावित करत हवय? |
1be8cab8701586e751d6ed6d186ca0b6f58a54e7 | सिस्टम विनिर्देश के उपयोगिता आवश्यकताओं के पूर्णता म निर्भर करत हवय। हालांकि, जम्मो आवश्यक आवश्यकताओं ल सूचीबद्ध करना मुश्किल हवय, खासकर जब आवश्यकताएं अप्रत्याशित वातावरण के साथ बातचीत करत हंवय । एक आदर्श पर्यावरणीय दृश्य के साथ निर्मित एक विनिर्देश अधूरा हवय यदि ए गैर-आदर्श व्यवहार ल संभालने बर आवश्यकतामन ल शामिल नी करत हवय । अक्सर अपूर्ण आवश्यकताओं के कार्यान्वयन, परीक्षण, या तैनाती के बाद भी बदतर तक नी पहचाने जात हवय । यहां तक कि जब आवश्यकता विश्लेषण के दौरान करिस जात हवय , तो अपूर्ण आवश्यकताओं के पता लगाना आमतौर म एक त्रुटि प्रवण, थकाऊ, अउ मैनुअल कार्य होत हवय । ए पेपर पदानुक्रमित आवश्यकता मॉडल के प्रतीकात्मक विश्लेषण के उपयोग करके अपूर्ण आवश्यकता अपघटन के पता लगाए बर एआरईएस, एक डिजाइन-टाइम दृष्टिकोण पेश करत हवय । हम उद्योग आधारित ऑटोमोटिव अनुकूली क्रूज नियंत्रण प्रणाली के आवश्यकता मॉडल बर एरेस के उपयोग करके अपन दृष्टिकोण के चित्रित करत हंवय । एरेस डिजाइन-समय म अपूर्ण आवश्यकताओं के अपघटन के विशिष्ट उदाहरणों के स्वचालित रूप ले पता लगा सकत हवय, जिनमें ले कईठन सूक्ष्म होत हवयं अउ मैन्युअल रूप ले या परीक्षण के साथ पता लगाना मुश्किल होही। |
155ed7834a8a44a195b80719985a8b4ca11e6fdc | बहु-इनपुट बहु-आउटपुट (एमआईएमओ) रडार पारंपरिक चरण-सरणी रडार सिस्टम म तरंग रूप विविधता के माध्यम ले बेहतर प्रदर्शन प्राप्त कर सकत हवय। जब एक एमआईएमओ रडार ऑर्थोगोनल तरंगरूपों ल प्रसारित करत हवय, तो स्कैटर ले प्रतिबिंबित संकेत एकठन दूसर ले रैखिक रूप ले स्वतंत्र होत हंवय । एखरेबर, अनुकूलित रिसीव फ़िल्टर, जैसे कैपोन अउ एम्पलीटुड अउ चरण अनुमान (एपीईएस) फ़िल्टर, सीधे एमआईएमओ रडार अनुप्रयोगमन में नियोजित करे जा सकत हवय। हालांकि, डेटा-निर्भर बीमफॉर्मर्स के उच्च स्तर अउ मजबूत अव्यवस्था, स्नैपशॉट के कमी के कारण पहचान प्रदर्शन के काफी खराब करत हवय। पुनरावर्ती अनुकूली दृष्टिकोण (आईएए), एक गैर-पैरामीटर अउ उपयोगकर्ता पैरामीटर-मुक्त वजन वाले कम ले कम वर्ग एल्गोरिदम, हाल ही में कईठन निष्क्रिय अउ सक्रिय संवेदन अनुप्रयोगमन में बेहतर रिज़ॉल्यूशन अउ हस्तक्षेप अस्वीकृति प्रदर्शन प्रदान करे बर दिखाया गए रहिस । ए पेपर में, हम दिखाते हंवय कि कैसे आईएए ल नाटकीय अउ गैर-निरपेक्ष इंट्रापल्स डॉपलर मामलामन दुनों में एमआईएमओ रडार इमेजिंग बर बढ़ाया जा सकत हवय, अउ हम आईएए के कुछु सैद्धांतिक अभिसरण गुण घलो स् थापित करत हंवय । एखर अलावा, हम एक नियमित आईएए एल्गोरिदम के प्रस्ताव करत हंवय , जेला आईएए-आर के रूप में संदर्भित करे जात हवय , जेहर सिग्नल मॉडल में अप्रत्याशित अतिरिक्त शोर शर्तमन बर लेखांकन करके आईएए के तुलना में बेहतर प्रदर्शन कर सकत हवय। एकेच्च-इनपुट मल्टीपल-आउटपुट (एसआईएमओ) रडार म एमआईएमओ रडार के बेहतर प्रदर्शन ल प्रदर्शित करे बर संख्यात्मक उदाहरण प्रस्तुत करे जात हवय , अउ लक्ष्य इमेजिंग बर प्रस्तावित आईएए-आर विधि के साथ प्राप्त बेहतर प्रदर्शन ल अउ उजागर करे जात हवय । |
0cfe588996f1bc319f87c6f75160d1cf1542d9a9 | |
20efcba63a0d9f12251a5e5dda745ac75a6a84a9 | |
ccaab0cee02fe1e5ffde33b79274b66aedeccc65 | परिवहन के एक अनुमानित भविष्य के रूप म, स्व-ड्राइविंग कारों के सामाजिक, आर्थिक, इंजीनियरिंग, कंप्यूटर विज्ञान, डिजाइन, अउ नैतिकता सहित कईठन दृष्टिलणों ले चर्चा के जा रही हवय। एक ओर, स्व-ड्राइविंग कारें नई इंजीनियरिंग समस्याएं पेश करत हंवय जिन्हें धीरे-धीरे सफलतापूर्वक हल करे जात हवय। दूसरी तरफ, सामाजिक अउ नैतिक समस्या आमतौर म एक आदर्श असंभव निर्णय लेने वाली समस्या के रूप म प्रस्तुत के जात हवय, जेला ट्रोली समस्या कहे जात हवय, जेहर बडखा रूप ले भ्रामक हवय । हमर तर्क ए हवय कि नवा तकनीक के विकास बर एक लागू इंजीनियरिंग नैतिक दृष्टिकोण के जरूरत हवय; दृष्टिकोण के लागू करे जाना चाहि, जेखर अर्थ हवय कि एला जटिल वास्तविक दुनिया इंजीनियरिंग समस्या के विश्लेषण म ध्यान केंद्रित करना चाहि। सॉफ्टवेयर स्व-ड्राइविंग कारों के नियंत्रण बर एकठन महत्वपूर्ण भूमिका निभात हवय; एखरबर , सॉफ्टवेयर इंजीनियरिंग समाधानमन ल नैतिक अउ सामाजिक विचारमन ल गंभीरता ले ध्यान देना चाहि । ए पेपर में हम नियामक साधनों, मानकों, डिजाइन, अउ घटकों, प्रणालिमन, अउ सेवामन के कार्यान्वयन के करीब ले देखथन अउ हम व्यावहारिक सामाजिक अउ नैतिक चुनौतिमन के प्रस्तुत करत हंवय जिन्हें पूरा करे जाना चाहि, साथ ही सॉफ्टवेयर इंजीनियरिंग बर नवा उम्मीदें। |
288c67457f09c0c30cadd7439040114e9c377bc3 | आगरावल, इमीलिंस्की अउ स्वामी द्वारा पेश करिस गिनएसोसिएशन नियम, संबंध के पंक्तियों के 90% बर फॉर्म के नियम हंवय , यदि पंक्ति में 1 के मूल्य हवय, तो एहर कॉलम बी में घलो 1 हवय। डेटा के बडखा संग्रह ले एसोसिएशन नियममन के खोज बर कुशल विधिमन मौजूद हवयं। खोजे गए नियमों के संख्या, हालांकि, इतनी बड़ी हो सकती है कि नियम सेट ब्राउज़ करना अउ एसे दिलचस्प नियमों ल ढूंढना उपयोगकर्ता बर काफी मुश्किल हो सकत हवय। हम देखथन कि नियम टेम्पलेट के एकठन सरल औपचारिकता दिलचस्प नियमों के संरचना के आसानी ले वर्णन करना संभव बनात हवय । हम नियममन के दृश्यता के उदाहरण घलो देथन, अउ देखात हंवय कि नियम टेम्पलेट्स के साथ दृश्यता उपकरण इंटरफेस कैसे होत हवय । |
384bb3944abe9441dcd2cede5e7cd7353e9ee5f7 | |
47f0f6a2fd518932734cc90936292775cc95aa5d | |
b336f946d34cb427452517f503ada4bbe0181d3c | वीडियो समझ म हालिया प्रगति अउ वर्षों के दौरान समसामयिक कार्रवाई स्थानीयकरण म सुधार के निरंतर दर के बावजूद, ए अभी घलो स्पष्ट नी हवय कि कितनी दूर (या करीब? हमन समस्या के हल करे बर आय हन। ए उद्देश्य बर, हम वीडियो म समसामयिक कार्रवाई डिटेक्टर के प्रदर्शन के विश्लेषण करे अउ एकल स्केलर मीट्रिक ले परे विभिन्न विधिमन के तुलना करे बर एकठन नवा नैदानिक उपकरण पेश करत हंवय । हमन नवीनतम एक्टिविटीनेट एक्शन लोकलाइजेशन चुनौती म शीर्ष पुरस्कृत प्रविष्टियों के प्रदर्शन का विश्लेषण करके हमारे उपकरण के उपयोग का उदाहरण देते हावें। हमर विश्लेषण ले पता चलत हवय कि काम करे बर सबले प्रभावशाली क्षेत्र एहर हवयं: उदाहरण के आसपास सामयिक संदर्भ ल बेहतर ढंग ले संभालने बर रणनीति, आर.वी.टी. के मजबूती म सुधार करना। उदाहरण निरपेक्ष अउ सापेक्ष आकार, अउ स्थानीयकरण त्रुटिमन के कम करे के रणनीतिमन। एखर अलावा, हमर प्रयोगात्मक विश्लेषण ए क्षेत्र म प्रगति प्राप्त करे बर एनोटेटर के बीच असहमति के कमी ल प्रमुख बाधा नी मानथे । हमर नैदानिक उपकरण सार्वजनिक रूप ले उपलब्ध हे दूसर शोधकर्ता के दिमाग ल उंखर एल्गोरिदम के बारे म अतिरिक्त अंतर्दृष्टि के साथ ईंधन जारी रखे बर। |
160404fb0d05a1a2efa593c448fcb8796c24b873 | प्रतिनिधित्व के अनुकरण सिद्धांत विकसित करे गए हवय अउ एक ढांचे के रूप म पता लगाय गय हवय जेहर मस्तिष्क के प्रतिनिधित्व कार्यों के एकठन विस्तृत विविधता ल संश्लेषित कर सकत हवय । फ्रेमवर्क नियंत्रण सिद्धांत (फॉरवर्ड मॉडल) अउ सिग्नल प्रोसेसिंग (कल्मन फिल्टर) ले बनाए गए हवय। विचार ए हवय कि शरीर अउ वातावरण के साथ सरल रूप ले संलग्न होए के अलावा, मस्तिष्क तंत्रिका सर्किट बनात हवय जेहर शरीर अउ वातावरण के मॉडल के रूप म कार्य करत हवय । खुले सेंसरमोटर सगाई के दौरान, इ मॉडल शरीर अउ म पर्यावरण के साथ समानांतर में इफरेन्स प्रतियां द्वारा संचालित होत हवय, ताकि संवेदी प्रतिक्रिया के उम्मीदों ल प्रदान करे अउ संवेदी जानकारी के बढ़ाए अउ संसाधित करे जा सके। इ मॉडल के छविमन के उत्पादन करे , कईठन कार्मन के म परिणाममन के अनुमान लगाए अउ मोटर योजनामन के मूल्यांकन अउ विकसित करे बर ऑफ-लाइन घलो चलाए जा सकत हवय । फ्रेमवर्क शुरू में मोटर नियंत्रण के संदर्भ में विकसित करे गए हवय, जहां एहर दिखाया गए हवय कि शरीर के साथ समानांतर चल रहे आंतरिक मॉडल फीडबैक देरी के समस्या के प्रभाव ल कम कर सकत हंवय । समान तंत्र एमुलेटर के ऑफ-लाइन ड्राइविंग के रूप में मोटर इमेजरी बर इफेरेन्स प्रतियों के माध्यम ले जिम्मेदार हो सकत हवय। फ्रेमवर्क के मोटर-विजुअल लूप के एमुलेटर के ऑफ-लाइन ड्राइविंग के रूप में दृश्य इमेजरी के हिसाब ले विस्तारित करे जात हवय । मैं ए घलो दिखात हंवय कि ए तरह के सिस्टम एमोडल स्थानिक इमेजरी बर कैले प्रदान कर सकत हंवय । दृश्य धारणा सहित धारणा, इ तरह के मॉडल ले परिणाम संवेदी इनपुट के अपेक्षामन ल बनाने अउ व्याख्या करे बर उपयोग करे जात हवय । मैं संक्षेप म दूसर संज्ञानात्मक कार्मन के रूपरेखा तैयार करके बंद कर दे हंवय जेला ए ढांचे के भीतर संश्लेषित करे जा सकत हवय, जेमा तर्क, मन घटना के सिद्धांत, अउ भाषा शामिल हवय। |
65c85498be307ee940976db668dae4546943a4c8 | |
761f2288b1b0cea385b0b9a89bb068593d94d6bd | उद्योग अउ अकादमिक दोनों में 3 डी चेहरा पहचान एक ट्रेंडिंग शोध दिशा बन गए हवय। ए पारंपरिक 2 डी चेहरा पहचान, जैसे प्राकृतिक पहचान प्रक्रिया अउ अनुप्रयोगों के एक विस्तृत श्रृंखला ले फायदा उठात हवय। एखर अलावा, 3 डी चेहरा पहचान प्रणाली मंद रोशनी के तहत घलो मनखे के चेहरा ल सटीक रूप ले पहचान सकत हवय अउ चेहरे के स्थिति अउ अभिव्यक्ति के साथ, ए तरह के शर्तों म 2 डी चेहरा पहचान प्रणाली के संचालन बर बहुत मुश्किल होही। ए पेपर 3 डी चेहरा पहचान अनुसंधान डोमेन म इतिहास अउ सबले हालिया प्रगति ल सारांशित करत हवय। सीमा अनुसंधान के परिणाममन ल तीन श्रेणियों म पेश करे जात हवय: स्थिति-अपरिवर्तित मान्यता, अभिव्यक्ति-अपरिवर्तित मान्यता, अउ आवरण-अपरिवर्तित मान्यता। भविष्य के शोध ल बढ़ावा दे बर, ए पेपर सार्वजनिक रूप ले उपलब्ध 3 डी चेहरा डेटाबेस के बारे में जानकारी एकत्र करत हवय। ए पेपर घलो महत्वपूर्ण खुली समस्या ल सूचीबद्ध करत हवय । |
2d2b1f9446e9b4cdb46327cda32a8d9621944e29 | हाल के बरस म सामाजिक नेटवर्किंग साइट म भागीदारी नाटकीय रूप ले बढ़ी हवय । फ्रेंडस्टर, जनजाति या फेसबुक जैसे सेवा लाखों व्यक्तिमन ल ऑनलाइन प्रोफाइल बनइन अउ दोस्तों के विशाल नेटवर्क के साथ व्यक्तिगत जानकारी साझा करे के अनुमति देत हवयं - अउ अक्सर, अज्ञात मनखेमन के अज्ञात संख्या। ए पत्र म हमन ऑनलाइन सामाजिक नेटवर्क अउ उंखर गोपनीयता निहितार्थ म जानकारी के खुलासा के पैटर्न के अध्ययन करत हंवय । हमन 4,000 ले जादा कार्नेगी मेलन विश्वविद्यालय के छात्रमन के ऑनलाइन व्यवहार के विश्लेषण करे हवन जऊन कॉलेज बर एक लोकप्रिय सामाजिक नेटवर्किंग साइट म सामिल होए हवंय। हमन जानकारी के मात्रा के मूल्यांकन करथन अऊ साइट के गोपनीयता सेटिंग के उनकर उपयोग के अध्ययन करथन। हम उंखर गोपनीयता के कईठन पहलुमन म संभावित हमलों म प्रकाश डालते हंवय , अउ हम ए दिखाते हंवय कि उपयोगकर्ताओं के केवल एक न्यूनतम प्रतिशत अत्यधिक पारगम्य गोपनीयता प्राथमिकतामन के बदलता हवय । |
e9c525679fed4dad85699d09b5ce1ccaffe8f11d | |
192687300b76bca25d06744b6586f2826c722645 | इ पेपर में हम गहरी गॉसियन प्रक्रिया (जीपी) मॉडल पेश करत हावें। डीप जीपी गॉसी प्रक्रिया मैपिंग के आधार म एकठन गहरी विश्वास नेटवर्क हवय । डेटा ल बहु-उपयोगी जीपी के आउटपुट के रूप में मॉडलिंग करे जात हवय । ओ गॉसियन प्रक्रिया बर इनपुट तब एकठन अउ जीपी द्वारा शासित होत हवय । एक एकल परत मॉडल एक मानक जीपी या जीपी लुप्त चर मॉडल (जीपी-एलवीएम) के बराबर हवय। हम अनुमानित भिन्नता हाशिए द्वारा मॉडल में अनुमान लगाते हवय। ए मॉडल के सीमांत संभावना म एकठन सख्त निचली सीमा म परिणाम देत हवय जेला हम मॉडल चयन (लेयर प्रति परत परत अउ नोड्स के संख्या) बर उपयोग करत हंवय । गहरी विश्वास नेटवर्क आमतौर म अनुकूलन बर स्टोचस्टिक ग्रेडिएंट वंश का उपयोग करके अपेक्षाकृत बडखा डेटा लेट म लागू होत हवय। हमर पूरा तरह ले बेसियन उपचार गहरा मॉडल के आवेदन के अनुमति देत हवय इहां तक कि जब डेटा दुर्लभ होत हवय। हमर भिन्नता बाउंड द्वारा मॉडल चयन ले पता चलत हवय कि पांच परत पदानुक्रम केवल 150 उदाहरणमन वाले अंकों के डेटा सेट के मॉडलिंग करे म घलो उचित हवय। |
2cac0942a692c3dbb46bcf826d71d202ab0f2e02 | हम एक मान्यता मॉडल के साथ गहरी गॉसी प्रक्रियाओं ल बढ़ाकर एक स्केलेबल गहरी गैर-पैरामीटर जनरेटिव मॉडल विकसित करत हंवय । अनुमान एक उपन्यास स्केलेबल भिन्नता फ्रेमवर्क में करे जात हवय जहां भिन्नता पाशविक वितरण एक बहुपरत पर्सपट्रॉन के माध्यम ले पुनः पैरामीटर करे जात हवय । ए पुनर्मूल्यांकन के प्रमुख पहलू ए हवय कि ए विविधता पैरामीटर के प्रजनन के रोकता हवय जेहर आने रहिस नमूना आकार के अनुपात में रैखिक रूप ले बढ़ता हवय। हम भिन्नता के निचली सीमा के एक नवा सूत्र निकालते हावें जो हमन ल अधिकांश गणना ल ए तरह ले वितरित करे के अनुमति देत हावे कि मुख्यधारा के गहन सीखने के कार्यों के आकार के डेटासेट ल संभालने में सक्षम बनाता हावे। हम कईठन चुनौतिमन म विधि के प्रभावकारिता दिखाते हंवय जेमा गहन अनियंत्रित सीखने अउ गहन बेसियन अनुकूलन शामिल हंवय । |
722fcc35def20cfcca3ada76c8dd7a585d6de386 | कैफे मल्टीमीडिया वैज्ञानिकमन अउ चिकित्समन के अत्याधुनिक गहरी सीखने एल्गोरिदम अउ संदर्भ मॉडल के संग्रह बर एक स्वच्छ अउ संशोधित ढांचे के साथ प्रदान करत हवय। फ्रेमवर्क बीएसडी-लाइसेंस प्राप्त सी ++ लाइब्रेरी हवय जेमा पायथन अउ मैटलाब बाइंडिंग्स प्रशिक्षण अउ सामान्य उद्देश्य के संवहन तंत्रिका नेटवर्क अउ कमोडिटी आर्किटेक्चर म कुशलतापूर्वक आने गहरे मॉडल ल तैनात करे बर हंवय । कैफे CUDA जीपीयू कंप्यूटेशन द्वारा उद्योग अउ इंटरनेट-स्केल मीडिया आवश्यकताओं ल फिट करत हवय, एक एकल K40 या टाइटन जीपीयू (प्रति छवि लगभग 2 एमएस) म 40 मिलियन छवियों ल संसाधित करत हवय। वास्तविक कार्यान्वयन ले मॉडल प्रतिनिधित्व ल अलग करके, कैफे प्रोटोटाइप मशीनमन ले क्लाउड वातावरण म विकास अउ तैनाती के आसानी बर प्लेटफार्मों के बीच प्रयोग अउ निर्बाध स्विचिंग के अनुमति देत हवय। कैफे ल गिटहब म योगदानकर्ता के एकठन सक्रिय समुदाय के मदद ले बर्कले विजन अउ लर्निंग सेंटर (बीवीएलसी) द्वारा बनाए अउ विकसित करे जात हवय । ए चल रहे अनुसंधान परियोजना, बड़े पैमाने म औद्योगिक अनुप्रयोगों, अउ दृष्टि, भाषण, अउ मल्टीमीडिया म स्टार्टअप प्रोटोटाइप ल शक्ति प्रदान करत हवय। |
fd50fa6954e1f6f78ca66f43346e7e86b196b137 | लगातार बढ़त शहरीकरण प्रक्रिया के साथ, शहरी अंतरिक्ष म मनखेमन के गतिविधिमन के व्यवस्थित रूप ले मॉडलिंग ल एकठन महत्वपूर्ण सामाजिक आर्थिक कार्य के रूप म पहचाना जात हवय । विश्वसनीय डेटा स्रोत के कमी के कारण कुछु साल पहीली ए काम लगभग असंभव रहिस, फिर भी जियो-टैग किए गए सोशल मीडिया (जीटीएसएम) डेटा के उद्भव हर एला नवा रोशनी दिस। हाल ही म जीटीएसएम डेटा ले भौगोलिक विषयमन के खोज म उपयोगी अध्ययन होए हवयं। हालांकि, ओमनके उच्च कंप्यूटेशनल लागत अउ लुप्त विषयों के बारे में मजबूत वितरण धारणा ओमनल जीटीएसएम के शक्ति के पूरा तरह ले जारी करे ले रोकती हवय। ए खाई ल पाटने बर, हम क्रॉसमैप, एक उपन्यास क्रॉसमोडल प्रतिनिधित्व सीखने के विधि प्रस्तुत करत हन जेहर बडखा जीटीएसएम डेटा के साथ शहरी गतिशीलता ल उजागर करत हवय। क्रॉसमैप पहली मनखे के गतिविधिमन के आधारभूत जगह-समय हॉटस्पॉट के पता लगाए बर एक त्वरित मोड खोज प्रक्रिया के नियोजित करत हवय। ओहर पता लगाए गए हॉटस्पॉट न केवल स्थानिक-समय भिन्नता ल संबोधित करत हंवय , बल्कि जीटीएसएम डेटा के विरलता ल घलो काफी हद तक कम करत हंवय । पता लगाए गए हॉटस्पॉट के साथ, क्रॉसमैप फेर संयुक्त रूप ले दु अलग-अलग रणनीतिमन के उपयोग करके जम्मो जगह, सामयिक, अउ पाठ्य इकाइमन ल एकठन ही जगह म एम्बेड करत हवय: एकठन पुनर्निर्माण-आधारित हवय अउ दूसर ग्राफ-आधारित हवय । दुनो रणनीतिमन अपन सह-घटना अउ पड़ोस संबंध ल एन्कोडिंग करके इकाइमन के बीच सहसंबंधों ल कैप्चर करत हंवय , अउ ए तरह के सहसंबंध ल संरक्षित करे बर कम आयामी प्रतिनिधित्वमन ल सीखत हंवय । हमर प्रयोग ले पता चलत हवय कि क्रॉसमैप न केवल गतिविधि वसूली अउ वर्गीकरण बर अत्याधुनिक विधिमन ले बेहतर प्रदर्शन करत हवय, बल्कि बहुत बेहतर दक्षता घलो प्राप्त करत हवय। |
ce8d99e5b270d15dc09422c08c500c5d86ed3703 | मनखे के चाल के विश्लेषण एकठन आंतरिक चाल हस्ताक्षर के खोजने म मदद करत हवय जेखर माध्यम ले व्यापक मनखे पहचान अउ चिकित्सा विकार समस्या के व्यापक स्पेक्ट्रम म जांच के जा सकत हवय । पैदल जैवमीट्रिक एक अनूठी विशेषता प्रदान करत हवय जेखर द्वारा वीडियो पैदल डेटा ल एकठन बडखा धुरिहा म विषय के पूर्व जागरूकता के बिना कैप्चर करे जा सकत हवय । ए पेपर म, एक नवा तकनीक के उपयोग किनेक्ट एक्सबॉक्स डिवाइस के साथ मानव चाल विश्लेषण के अध्ययन करे बर करे गए हवय। एहर हमन ल स्वचालित पृष्ठभूमि घटाव तकनीक के साथ विभाजन त्रुटिमन के कम करे के गारंटी देत हवय। निकट समान मानव कंकाल मॉडल के पृष्ठभूमि घटाव पैदल छवियों ले उत्पन्न करे जा सकत हवय, सह-परिवर्तित शर्तों से बदल, जैसे पैदल गति म बदलाव अउ कपड़ों के प्रकार म भिन्नता। पैदल हस्ताक्षर ल विषय के कंकाल मॉडल के बाएं कूल्हे, बाएं घुटने, दाएं कूल्हे अउ दाएं घुटने के संयुक्त कोण प्रक्षेपवक्र ले कैप्चर करे जात हवय । किनेक्ट पैदल डेटा म प्रयोगात्मक सत्यापन के तुलना सेंसर आधारित बायोमेट्रिक सूट, इंटेलिजेंट पैदल दोलन डिटेक्टर (आईजीओडी) के हमर आंतरिक विकास के साथ करे गए हवय। एक प्रयास करे गए हवय कि जांच करे जा सकत हवय कि काय ए सेंसर आधारित बायोमेट्रिक सूट ल मजबूत चाल पहचान प्रणाली के प्रसार बर एक किनेट डिवाइस के साथ बदल दिस जा सकत हवय । फीचर वैक्टर के भेदभाव शक्ति के जांच करे बर प्रशिक्षण पैदल हस्ताक्षर म फिशर भेदभाव विश्लेषण लागू करे गए हवय। नेविवे बेसियन वर्गीकरन किनेक्ट सेंसर द्वारा कैप्चर के गइस सीमित डेटासेट म त्रुटि के अनुमान के साथ एक उत्साहजनक वर्गीकरण म परिणाम दिखाता हवय। |
582ea307db25c5764e7d2ed82c4846757f4e95d7 | फ़ंक्शन अनुमान ल पैरामीटर स्पेस के बजाय फ़ंक्शन स्पेस में संख्यात्मक अनुकूलन के परिप्रेक्ष्य ले देखा जात हवय । एक कनेक्शन चरणबद्ध अतिरिक्त विस्तार अउ सबले ऊंचा (अवतरण न्यूनतम) के बीच बनाय जात हवय । कन्हु भी मानदंड के आधार म अतिरिक्त विस्तार बर एक सामान्य ग्रेडिएंट (डिसेंट \ बूस्टिंग) प्रतिमान विकसित करे जात हवय । विशिष्ट एल्गोरिदम कम ले कम वर्गों, कम ले कम पूर्ण विचलन, अउ ह्यूबर एम हानि कार्यों बर प्रतिगमन बर प्रस्तुत करे जात हवय, अउ वर्गीकरण बर बहु-वर्ग तार्किक संभावना। विशेष संवर्द्धन विशेष मामले बर व्युत्पन्न करे जात हवय जहां व्यक्तिगत योजक घटक निर्णय पेड़ों होत हवयं, अउ ए तरह के "ट्रीबूस्ट" मॉडल के व्याख्या करे बर उपकरण प्रस्तुत करे जात हवयं। निर्णय पेड़ों के ग्रेडिएंट बूस्टिंग प्रतिस्र्पधी, अत्यधिक मजबूत, प्रतिगमन अउ वर्गीकरण बर व्याख्यात्मक प्रक्रियामन के उत्पादन करत हवय , जेहर स्वच्छ डेटा ले कम खनन बर विशेष रूप ले उपयुक्त हवयं। इ दृष्टिकोण अउ फ्रॉइड अउ शेपियर 1 99 6 के बढोतरी के तरीलं अउ फ्राइडमैन, हस्टी, अउ टिबशिरानी 1 99 8 के बीच कनेक्शन के चर्चा के गइस हवय। 1 फ़ंक्शन अनुमान फ़ंक्शन अनुमान समस्या में एक प्रणाली हवय जेमा यादृच्छिक "आउटपुट" या "प्रतिक्रिया" चर y अउ यादृच्छिक "इनपुट" या "व्याख्यात्मक" चर के एक सेट हवय जेमा एक्स = एफएक्स 1; एक्स एन जी। ज्ञात (y; x) {मूल्यमन के एक \ प्रशिक्षण "नमूना fyi; xig N 1 दिए गए हवय, लक्ष्य एक फ़ंक्शन F (x) के पता लगाना हवय जेहर एक्स ल y बर मैप करत हवय, ए तरह ले कि जम्मो (y; x) {मूल्यमन के संयुक्त वितरण म, कुछु निर्दिष्ट हानि फ़ंक्शन (y; एफ (एक्स)) के अपेक्षित मूल्य कम करे जात हवय एफ (एक्स) = आर्गेमिन एफ (एक्स) एय; एक्स (वाई; एफ (एक्स)) = आर्गेमिन एफ (एक्स) एक्स [एय (y; एफ (एक्स)) जेएक्स]: (1) अक्सर नियोजित हानि फ़ंक्शंस (वाई; एफ) म स्क्वायर (रॉर (वाई एफ)) अउ पूर्ण त्रुटि जे जे एफ बर 2 आर (रिग्रेशन), अउ नकारात्मक द्विआधारी लॉगॉमी (संभावना, लॉग 1 + ई 2 एफ), जब 2 एफ 1 जी 1 (वर्गीकरण) । एक आम प्रक्रिया एफ (एक्स) ल कार्यों के एक पैरामीटरकृत वर्ग एफ (एक्स;पी) के सदस्य होए बर लेना हवय, जहां पी = एफपी 1; पी 2; जी पैरामीटर के एक सेट हवय। इ पेपर में हम फॉर्म के "अतिरिक्त" विस्तारों म ध्यान केंद्रित करत हावें |
6a7c63a73724c0ca68b1675e256bb8b9a35c94f4 | जेस्टोर संग्रहण के आपके उपयोग ले पता चलत हवय कि आप http://www.jstor.org/about/terms.html म उपलब्ध जेस्टोर के उपयोग के नियम अउ शर्त ल स्वीकार करत हंवय । जेस्टोर के उपयोग के नियम अउ शर्तें, आंशिक रूप ले प्रदान करत हंवय , जब तक कि आप पहिली ले अनुमति प्राप्त नी करत हंवय , आप एकठन पत्रिका के पूरा अंक या लेख के कईठन प्रतियां डाउनलोड नी कर सकत हंवय , अउ आप केवल अपन व्यक्तिगत , गैर-वाणिज्यिक उपयोग बर जेस्टोर संग्रह में सामग्री के उपयोग कर सकत हंवय । ए काम के काखरो घलो आने उपयोग के बारे म कृपया प्रकाशक ले संपर्क करव। प्रकाशक संपर्क जानकारी http://www.jstor.org/journals/econosoc.html म प्राप्त करे जा सकत हवय । जेएसटीओआर प्रसारण के काखरो घलो हिस्सा के प्रत्येक प्रति म ओ कॉपीराइट नोटिस होना चाहि जेहर ओ प्रसारण के स्क्रीन या प्रिंट पृष्ठ म दिखाई देत हवय । |
8eca169f19425c76fa72078824e6a91a5b37f470 | कम लागत अउ उच्च प्रदर्शन रडार सिस्टम के सफल डिजाइन बर सटीक अउ कुशल सिस्टम सिमुलेशन एकठन प्रमुख आवश्यकता हवय । ए पेपर में हम आवृत्ति-संचालित निरंतर-तरंग रडार सिस्टम बर एक नवा बहुमुखी सिमुलेशन वातावरण प्रस्तुत करत हंवय । सामान्य हार्डवेयर सिमुलेशन के अलावा एहर एकीकृत सिस्टम सिमुलेशन अउ सिग्नल सिंथेसिस ले बेसबैंड तक अवधारणा विश्लेषण ल कवर करत हवय। एमा एक लचीला परिदृश्य जनरेटर, सटीक शोर मॉडलिंग शामिल हवय, अउ सिग्नल प्रोसेसिंग एल्गोरिदम के विकास अउ परीक्षण बर सिमुलेशन डेटा के कुशलतापूर्वक वितरित करत हवय। एक एकीकृत 77-जीएचजेड रडार प्रोटोटाइप बर सिमुलेशन अउ माप परिणाममन के तुलना दु अलग-अलग परिदृश्यमन म सिमुलेटर के क्षमतामन ल देखात हवय। |
71337276460b50a2cb37959a2d843e593dc4fdcc | एक उपन्यास गैर-पृथक तीन-पोर्ट कन्वर्टर (एनआई-टीपीसी) ल एक पीवी पोर्ट, एक द्विदिश बैटरी पोर्ट अउ एक लोड पोर्ट के इंटरफेस करे के प्रस्ताव हवय। तीनों बंदरगाहों म ले कन्हु दुनों के बीच एकल चरण शक्ति रूपांतरण प्राप्त करे जात हवय । टोपोलॉजी पारंपरिक संरचना के द्विदिश बिजली प्रवाह पथ ल दुनो एकदिशात्मक मनखेमन म अलग करके व्युत्पन्न करे जात हवय । तीनों पोर्टों में ले दो ल पीवी या बैटरी बर चार्ज नियंत्रण बर अधिकतम बिजली कटाई प्राप्त करे बर कसके विनियमित करे जा सकत हवय, अउ साथ ही साथ लोड वोल्टेज ल स्थिर बनाए रख सकत हवय, जबकि तीसरा पोर्ट कन्वर्टर के शक्ति असंतुलन के मुआवजा दे बर लचीला छोड़ा जात हवय। ऑपरेशन राज्यों का विश्लेषण करे जात हवय । मल्टी-रेगुलेटर प्रतिस्पर्धा नियंत्रण रणनीति प्रस्तुत करे जात हवय जब पीवी इनपुट पावर उतार-चढ़ाव के दौरान स्वायत्त अउ चिकनी राज्य स्विचिंग प्राप्त करे बर । विश्लेषण प्रयोगात्मक म परिणाममन ले सत्यापित करे जात हवय । |
ac8877b0e87625e26f52ab75e84c534a576b1e77 | डिजिटल दुनिया म, व्यापार के अधिकारियों ल अपन कंपनियों के मूल्य सृजन बर सूचना अउ सूचना प्रबंधन के सामरिक महत्व के बारे म जागरूकता हवय। एआईओ के लिए दुनो नेतृत्व के अवसर अउ चुनौतिमन ल प्रस्तुत करत हवय। सीआईओ के स्थिति ल हाशिए म होए ले रोके अउ व्यापार मूल्य सृजन में सीआईओ के योगदान ल बढ़ाए बर, ओमनल सक्षम आईटी उपयोगिता प्रबंधक ले परे जाना चाहि अउ अपन कंपनियों ल एकठन मजबूत सूचना उपयोग संस्कृति बनाए म मदद करे म सक्रिय भूमिका निभानी चाहि । ए लेख के उद्देश्य नेतृत्व के दृष्टिकोण के बेहतर समझ प्रदान करना हवय कि सीआईओ अउ व्यापार कार्यकारी अपन कंपनियों के सूचना अभिविन्यास के बेहतर करे बर अपनके सकत हवयं। चार मामला अध्ययन ले हमर निष्कर्ष के आधार म, हमन चार क्वाड्रंट्स नेतृत्व-स्थिति फ्रेमवर्क बनाए हवय। ए ढांचा के सीआईओ के दृष्टिकोण ले बनाए गए हवय अउ इंगित करत हवय कि एक सीआईओ अपन रणनीतिक फोकस के प्राप्त करे बर कंपनी के सूचना अभिविन्यास के विकास म एक नेता, एकठन अनुयायी या एक गैर-खेलाडी के रूप म कार्य कर सकत हवय । लेख दिशानिर्देशों के साथ निष्कर्ष निकाला जात हवय कि सीआईओ अपन कंपनियों के सूचना उन्मुखीकरण पहल ल पेश करे या बनाए रखे म अपन नेतृत्व चुनौतियों ल स्थिति देने म मदद करे बर उपयोग कर सकत हवय अउ सीआईओ के विशेष स्थितियों के आधार म विशिष्ट नेतृत्व दृष्टिकोणों के सिफारिश करत हवय। |
5c6b51bb44c9b2297733b58daaf26af01c98fe09 | पेपर व्यवस्थित रूप ले ग्राहक समीक्षा में टिप्पणी के गइस उत्पाद सुविधामन के खनन बर दुनो फीचर निष्कर्षण एल्गोरिदम के तुलना करत हवय। पहला दृष्टिकोण [17] पीओएस पैटर्न के एक सेट के उपयोग करके उम्मीदवार सुविधाओं के पहचान करत हवय अउ लॉग संभाव्यता अनुपात परीक्षण के आधार म उम्मीदवार सेट के छंटाई करत हवय। दूसरा दृष्टिकोण [11] अक्सर सुविधामन के पहचान करे बर एसोसिएशन नियम खनन अउ दुर्लभ सुविधामन के पहचान करे बर भावना शर्तमन के उपस्थिति के आधार म एक यूरिस्टिक लागू करत हवय । हम उपभोक्ता इलेक्ट्रॉनिक उपकरणमन के बारे में पांच उत्पाद विशिष्ट दस्तावेज संग्रह म एल्गोरिदम के प्रदर्शन के मूल्यांकन करत हंवय । हम त्रुटिमन के विश्लेषण करव अउ एल्गोरिदम के फायदा अउ सीमा के चर्चा करव। |
623fd6adaa5585707d8d7339b5125185af6e3bf1 | वर्तमान अध्ययन इंटरनेट गेमिंग विकार (आईजीडी) बर हस्तक्षेप के एक अर्ध-प्रयोगात्मक, संभावना अध्ययन हवय। एक सौ चार दइ ददा अउ उंखर किशोर लइकामन ल चार उपचार समूह म ले एकठन म नामांकित अउ आवंटित करे गय रहिस; 7-दिवसीय सिरिराज थेरेप्यूटिक रेजिडेंशियल कैम्प (एस-टीआरसी) अकेले, 8-सप्ताह के अभिभावक प्रबंधन प्रशिक्षण गेम लत (पीएमटी-जी) अकेले, संयुक्त एस-टीआरसी अउ पीएमटी-जी, अउ बुनियादी मनोविज्ञान (नियंत्रण) । आईजीडी के गंभीरता ल गेम एडिक्शन स्क्रीनिंग टेस्ट (जीएएसटी) द्वारा मापा गइस । हस्तक्षेप के बाद 1, 3 अउ 6 महीनों म क्रमशः, पी-वैल्यू < 0. 001, 0. 002 अउ 0. 005 के साथ, जीएएसटी स्कोर म समूहमन के बीच औसत अंतर सांख्यिकीय रूप ले महत्वपूर्ण रहिस। जम्मो समूहमन हर नियंत्रण समूह के तुलना म सुधार देखाइस। व्यसनी या संभवतः व्यसनी समूहमन म रहे वाले किशोरमन के प्रतिशत एस-टीआरसी, पीएमटी-जी, अउ संयुक्त समूहमन म 50% ले कम रहिस । निष्कर्ष म, एस-टीआरसी अउ पीएमटी-जी दुनो आईजीडी बर प्रभावी मनोसामाजिक हस्तक्षेप रहिन अउ अकेले बुनियादी मनोविज्ञान ले बेहतर रहिन। |
aca437e9e2a453c84a38d716ca9a7a7683ae58b6 | ए पेपर सहज ज्ञान युक्त यांत्रिकी के उपयोग करके ऑब्जेक्ट स्थिरता अउ सुरक्षा के कारण 3 डी दृश्य समझ बर एक नवा परिप्रेक्ष्य प्रस्तुत करत हवय। हमर दृष्टिकोण एक सरल अवलोकन के उपयोग करत हवय, मानव डिजाइन द्वारा, स्थिर दृश्यों में वस्तुमन ल गुरुत्वाकर्षण क्षेत्र में स्थिर होना चाहि अउ मानव गतिविधि जैसे कईठन भौतिक व्यवधानों के संबंध में सुरक्षित होना चाहि। ए धारणा जम्मो दृश्य श्रेणियों बर लागू होत हवय अउ दृश्य समझ म प्रशंसनीय व्याख्याओं (पार्स) बर उपयोगी बाधाओं ल पइस होत हवय। गहराई कैमरों से एक स्थिर दृश्य बर कैप्चर करे गए 3 डी पॉइंट क्लाउड के देखते होए, हमर विधि में तीन चरण होत हवय: (आई) वोकसेल ले ठोस 3 डी वॉल्यूमेट्रिक प्राइमिसिवेट के वसूली; (आई) स्थिरता अउ दृश्य के अनुकूलित करके शारीरिक रूप ले स्थिर वस्तुमन बर अस्थिर प्राइमिसिवेट ल समूहीकृत करके तर्कसंगत स्थिरता; अउ (आईआई) भौतिक व्यवधानों के तहत वस्तुमन बर भौतिक जोखिम के मूल्यांकन करके तर्कसंगत सुरक्षा, जैसे मानव गतिविधि, हवा या भूकंप। हम एक उपन्यास सहज भौतिक मॉडल ल अपनाते हंवय अउ एक डिस्कनेक्टिविटी ग्राफ (डीजी) द्वारा दृश्य में प्रत्येक आदिम अउ वस्तु के ऊर्जा परिदृश्य के प्रतिनिधित्व करत हंवय । हम नोड्स के साथ एक संपर्क ग्राफ का निर्माण करते हैं जो 3 डी वॉल्यूमेट्रिक प्राइमेटिव्स अउ किनारों के समर्थन संबंध का प्रतिनिधित्व करत हावे। फिर हम समूहों में संपर्क ग्राफ विभाजित करे बर स्वेंडसन-वांग कट एल्गोरिदम के अपनाते हावें, जिनमें से प्रत्येक एक स्थिर वस्तु हावे। स्थिर दृश्य में असुरक्षित वस्तुमन के पता लगाए बर, हमर विधि दृश्य में लुकाय अउ स्थित कारणों (परेशानीमन) के अनुमान लगाती हवय, अउ फिर संभावित प्रभावमन के भविष्यवाणी करे बर सहज भौतिक यांत्रिकी के परिचय देत हवय (उदाहरण बर, गिरता हवय) । प्रयोगमन में, हम ए प्रदर्शित करत हंवय कि एल्गोरिदम दूसर राज्य-ऑफ-द-आर्ट विधिमन के संबंध में (i) ऑब्जेक्ट विभाजन, (ii) 3 डी वॉल्यूमेट्रिक वसूली, अउ (iii) दृश्य समझ बर काफी बेहतर प्रदर्शन प्राप्त करत हवय। हम मनखे के निर्णय के साथ सहज मशीनीकरण मॉडल ले सुरक्षा भविष्यवाणी के घलो तुलना करत हंवय । |
7e9507924ceebd784503fd25128218a7119ff722 | हमर दृष्टिकोण हर पाठ कोरस ल एकठन विषय ग्राफ के रूप म मॉडल करत हवय । इ ग्राफों ल तब एक सुसंगत ग्राफ मिलान विधि के उपयोग करके मेल खाए जात हवय । अगला, हम एक स्तर-से-विवरण (एलओडी) विज़ुअलाइज़ेशन विकसित करत हावें जो पठनीयता अउ स्थिरता दोनों ल संतुलित करत हावे। तदनुसार, परिणामी दृश्य उपयोगकर्ता के कईठन दृष्टिकोणों ले मिलान ग्राफ के समझने अउ विश्लेषण करे के क्षमता ल बढ़ाता हवय। मीट्रिक लर्निंग अउ फीचर सिलेक्शन ल ग्राफ मिलान एल्गोरिदम में शामिल करके, हम उपयोगकर्ताओं ल आमनके सूचना आवश्यकता के आधार म ग्राफ मिलान परिणाम ल इंटरैक्टिव रूप ले संशोधित करे के अनुमति देत हंवय । हमन अपन तरीका ल समाचार लेख, ट्वीट अऊ ब्लॉग डेटा सहित कई प्रकार के डेटा म लागू करे हवन। मात्रात्मक मूल्यांकन अउ वास्तविक दुनिया के मामला अध्ययन हमर दृष्टिकोण के वादे ल प्रदर्शित करत हंवय , खासकर विषय-ग्राफ-आधारित पूर्ण तस्वीर के विस्तार के कईठन स्तरमन म जांच के समर्थन म । ए पेपर समाचार, ब्लॉग, या माइक्रो-ब्लॉग जैसे कईठन स्रोतमन म चर्चा के गइस प्रासंगिक विषमन के पूर्ण तस्वीर के विश्लेषण करे बर दृश्य विश्लेषण दृष्टिकोण प्रस्तुत करत हवय । पूरा तस्वीर म कईठन स्रोतों ले कवर करे गए कईठन सामान्य विषयों के साथ-साथ प्रत्येक स्रोत ले विशिष्ट विषयमन म शामिल हवय । |
b04a503487bc6505aa8972fd690da573f771badb | गहरी तंत्रिका धारणा अउ नियंत्रण नेटवर्क स्व-चालित वाहनों के एकठन प्रमुख घटक होए के संभावना हवय । इ मॉडल के व्याख्या करे जा सकत हवय - ओमनला अपन व्यवहार बर तर्कसंगत व्याख्या प्रदान करना चाहि - ताकि यात्री, बीमा कंपनियां, कानून प्रवर्तन, डेवलपर्स आदि, ए समझ सकें कि काय एक विशेष व्यवहार ल ट्रिगर करे हवय। इहां हम दृश्य स्पष्टीकरण के उपयोग के खोज करत हन। इ स्पष्टीकरण एक छवि के वास्तविक समय हाइलाइट क्षेत्रमन के रूप म होत हवयं जेहर नेटवर्क के आउटपुट (स्टीयरिंग नियंत्रण) ल प्रभावित करत हंवय । हमर दृष्टिकोण दु चरण म हवय । पहले चरण म, हम छवियों ले स्टीयरिंग एंगल तक अंत-टू-एंड कन्वोल्यूशन नेटवर्क ल प्रशिक्षित करे बर एक दृश्य ध्यान मॉडल के उपयोग करत हंवय । ध्यान मॉडल छवि क्षेत्रों ल उजागर करत हवय जेहर संभावित रूप ले नेटवर्क के आउटपुट ल प्रभावित करत हवय। इनमें ले कुछु वास्तविक प्रभाव हवयं, लेकिन कुछु फर्जी हवयं। फेर हमन ए निर्धारित करे बर एक कारण फिल्टरिंग चरण लागू करथन कि कोन-कोन इनपुट क्षेत्र वास्तव म आउटपुट ल प्रभावित करत हंवय । एहर ज् यादा संक्षिप्त दृश्य स्पष्टीकरण उत्पन्न करत हावे अउ ज् यादा सटीक रूप ले नेटवर्क के व्यवहार ल उजागर करत हावे। हमन 16 घंटा के ड्राइविंग के तीन डेटा लेट म अपन मॉडल के प्रभावशीलता के प्रदर्शन करथन। हम पहीली दिखाइ देत हावन कि ध्यान के साथ प्रशिक्षण अंत-टू-एंड नेटवर्क के प्रदर्शन ल नी गिरात हवय। फेर हमन देखथन कि नेटवर्क ह कारण ले कई ठन अइसन विशेषता के संकेत देथे जेला मनखे गाड़ी चलात समय उपयोग करथे। |
4954bb26107d69eb79bb32ffa247c8731cf20fcf | विशेषता आधारित एन्क्रिप्शन (एबीई) [13] उपयोगकर्ता के विशेषताओं के आधार म डिक्रिप्शन क्षमता निर्धारित करत हवय। एक बहु-प्राधिकरण एबीई योजना में, कईठन विशेषता-प्राधिकरण विशेषता के कईठन लेट के निगरानी करत हंवय अउ उपयोगकर्ताओं के संबंधित डिक्रिप्शन कुंजी जारी करत हंवय , अउ एन्क्रिप्टर्स के आवश्यकता हो सकत हवय कि उपयोगकर्ता हर प्राधिकरण ले उपयुक्त विशेषता बर कुंजी प्राप्त करे ले पहली संदेश डिक्रिप्ट करे बर । चेस [5] हर एक विश्वसनीय केंद्रीय प्राधिकरण (सीए) अउ वैश्विक पहचानकर्ताओं (जीआईडी) के अवधारणाओं के उपयोग करके एक बहु-प्राधिकरण एबीई योजना दी। हालांकि, ओ संरचना म सीए करा प्रत्येक सिफरटेक्स्ट ल डिक्रिप्ट करे के शक्ति हवय, जेहर कुछु संभावित रूप ले अविश्वसनीय प्राधिकरणों म नियंत्रण वितरित करे के मूल लक्ष्य के साथ विरोधाभासी प्रतीत होत हवय । एखर अलावा, ओ निर्माण म, एक सुसंगत जीआईडी के उपयोग ले प्राधिकरणमन ल उपयोगकर्ता के जम्मो गुणमन के साथ एकठन पूर्ण प्रोफ़ाइल बनइन बर अपन जानकारी के संयोजन के अनुमति मिलिस , जेहर उपयोगकर्ता के गोपनीयता ल अनावश्यक रूप ले कमजोरी देत हवय । ए पेपर में, हम एक समाधान प्रस्तावित करत हावें जो विश्वसनीय केंद्रीय प्राधिकरण ल हटा देत हावे, अउ उपयोगकर्ताओं की गोपनीयता की सुरक्षा करत हावे, इ अधिकारियों ल विशेष उपयोगकर्ताओं म अपन जानकारी ल एक साथ रखने ले रोकत हावे, इ प्रकार एबीई ल व्यवहार में अधिक उपयोगी बनात हावे। |
25098861749fe9eab62fbe90c1ebeaed58c211bb | ए पेपर म हमन एक नवा परिप्रेक्ष्य ले बढोतरी के तरीकामन के अध्ययन करत हंवय । हम इफ्रॉन एट अल द्वारा हालिया काम म निर्माण करत हंवय । ए दिखाने बर कि गुणांक वेक्टर म एक एल 1 बाधा के साथ लगभग (अउ कुछु मामलामन में बिल्कुल) अपन नुकसान मानदंड के कम करत हवय । ए नुकसान के मानदंड के नियमित रूप ले फिटिंग के रूप में जल्दी रोक के साथ बढ़ावा दे के सफलता ल समझे में मदद करत हवय । दो सबले आम उपयोग के जाने वाले मानदंडों (एक्सपोनेंशियल अउ द्विपद लॉग-समानता) बर, हम आघू देखथन कि जब बाधा आराम करे जात हवय - या समकक्ष रूप ले बढोतरी पुनरावृत्ति के रूप म समाधान (विभाज्य मामले में) एक l1- इष्टतम अलग हाइपरप्लेन बर अभिसरण करत हवय। हम साबित करत हंवय कि ए एल 1-उपयुक्त अलग करे वाले हाइपरप्लेन में प्रशिक्षण डेटा के न्यूनतम एल 1-मार्जिन के अधिकतम करे के संपत्ति हवय, जैसा कि बूस्टिंग साहित्य में परिभाषित करे गए हवय। बढ़ोतरी अउ कर्नेल समर्थन वेक्टर मशीनों के बीच एक दिलचस्प मौलिक समानता उभरी, काबरकि दुनों ल उच्च-आयामी भविष्यवाणीकर्ता अंतरिक्ष में नियमित अनुकूलन बर विधियों के रूप में वर्णित करे जा सकत हवय, गणना व्यावहारिक करे बर एक कम्प्यूटेशनल चाल के उपयोग करके, अउ मार्जिन-अधिकतम समाधानों में अभिसरण करे बर । जबकि ए कथन एसवीएम के सटीक रूप ले वर्णित करत हवय , ए केवल लगभग बढोतरी बर लागू होत हवय । |
0825788b9b5a18e3dfea5b0af123b5e939a4f564 | शब्द के वेक्टर स्पेस प्रतिनिधित्वमन के सीखने बर हालिया विधियों हर वेक्टर अंकगणित के उपयोग करके बारीक-खरखर सिमेंटिक अउ सिंटैक्सिक नियमितता ल कैप्चर करे म सफलता हासिल कर ली हवय, लेकिन ए नियमितता के उत्पत्ति अपारदर्शी रही हवय। हमन विश्लेषण करत हंवय अउ शब्द वैक्टर में ए तरह के नियमितता के उभरने बर आवश्यक मॉडल गुणमन के स्पष्ट करत हंवय । नतीजा एक नवा वैश्विक लॉगबिलिनियर प्रतिगमन मॉडल हवय जेहर साहित्य में दु प्रमुख मॉडल म परिवार के फायदा के संयोजन करत हवय: वैश्विक मैट्रिक्स फैक्टराइजेशन अउ स्थानीय संदर्भ विंडो विधिमन। हमर मॉडल पूरा विरल मैट्रिक्स या बडखा कॉर्पस म व्यक्तिगत संदर्भ खिड़कीमन के बजाय, शब्द-शब्द सह-घटना मैट्रिक्स में केवल गैर-शून्य तत्वमन म प्रशिक्षण देकर सांख्यिकीय जानकारी के कुशलतापूर्वक लाभ उठात हवय । मॉडल सार्थक सबस्ट्रक्चर के साथ एक वेक्टर स्पेस उत्पन्न करत हवय, जैसा कि हाल ही म वर्ड एनालॉजी कार्य म 75% के प्रदर्शन ले प्रमाणित होत हवय। ए समानता कार्यमन अउ नामित इकाई मान्यता म घलो संबंधित मॉडल ल पार कर जात हवय । |
326cfa1ffff97bd923bb6ff58d9cb6a3f60edbe5 | हम सामग्री-आधारित छवि पुनर्प्राप्ति बर दु वितरणों, पृथ्वी मूवर के धुरिहाी (ईएमडी) के बीच एक मीट्रिक के गुणों के जांच करत हंवय । ईएमडी न्यूनतम लागत म आधारित हवय जेला एकठन वितरण ल दूसर म बदलने बर भुगतान करना चाहि , एकठन सटीक अर्थ म, अउ पहली बार पेलेग, वर्मन अउ रोम द्वारा कुछु दृष्टि समस्यामन बर प्रस्तावित करे गय रहिस । छवि पुनर्प्राप्ति बर, हम वितरण बर एक प्रतिनिधित्व योजना के साथ इ विचार ल जोड़ते हंवय जेहर वेक्टर क्वांटिज़ेशन म आधारित हवय। ए संयोजन एक छवि तुलना ढांचे के ओर जात हवय जेहर अक्सर अन्य पहीली ले प्रस्तावित विधिमन के तुलना म बेहतर धारणा समानता बर जिम्मेदार होत हवय । ईएमडी रैखिक अनुकूलन ले परिवहन समस्या के समाधान म आधारित हवय, जेखर बर कुशल एल्गोरिदम उपलब्ध हंवय , अउ आंशिक मिलान बर स्वाभाविक रूप ले अनुमति देत हवय। ए हिस्टोग्राम मिलान तकनीकमन ले ज्यादा मजबूत हवय, एमा कि ए वितरण के चर-लम्बाई प्रतिनिधित्वमन म काम कर सकत हवय जेहर क्वान्टिज़ेशन अउ हिस्टोग्राम के विशिष्ट आने बाइनिंग समस्यामन ले बच सकत हवय । जब एकेच्च कुल द्रव्यमान के साथ वितरण के तुलना करे बर उपयोग करे जात हवय , तो ईएमडी एक सच्चा मीट्रिक हवय । ए पेपर में हमन रंग अउ बनावट के अनुप्रयोगों म ध्यान केंद्रित करत हावें, अउ हम अन्य धुरिहाी के साथ ईएमडी के पुनर्प्राप्ति प्रदर्शन के तुलना करत हावें। |
508d8c1dbc250732bd2067689565a8225013292f | स्थानीय पल्स वेव वेग (पीडब्ल्यूवी) बर एक उपन्यास दोहरी फोटोपलेटिसमोग्राफ (पीपीजी) जांच अउ माप प्रणाली के प्रस्ताव अउ प्रदर्शन करे गए हवय। विकसित जांच डिजाइन दो आसन्न माप बिंदुओं (28 मिमी दूर) ले रक्त नाड़ी प्रसारण तरंगों के गैर-आक्रामक पता लगाने बर प्रतिबिंब पीपीजी ट्रांसड्यूसर के नियोजित करत हवय। बीट-टू-बीट स्थानीय पीडब्लूवी माप बर निरंतर अधिग्रहित दोहरी पल्स तरंगरूप के बीच पारगमन समय देरी के उपयोग करे गए रहिस । पीपीजी जांच डिजाइन अउ स्थानीय पीडब्लूवी माप प्रणाली विकसित करे बर 10 स्वस्थ स्वयंसेवकों (8 पुरुष अउ 2 महिला, 21 ले 33 वर्ष के आयु) म एक इन-विवो प्रयोगात्मक सत्यापन अध्ययन करे गए रहिस । प्रस्तावित प्रणाली कईठन विषमन ले कैरोटिड स्थानीय पीडब्ल्यूवी के मापने म सक्षम रहिस। अध्ययन के दौरान 10 म ले 7 लोगन बर बेसलाइन कैरोटिड पीडब्ल्यूवी के बीट-टू-बीट भिन्नता 7. 5% ले कम रहिस, अध्ययन के दौरान अधिकतम 16% के बीट-टू-बीट भिन्नता देखे गए रहिस । व्यायाम के बाद के वसूली अवधि के दौरान बीट-टू-बीट कैरोटिड स्थानीय पीडब्ल्यूवी अउ ब्रैचियल रक्तचाप (बीपी) मूल्यों में भिन्नता के घलो जांच के गइस । इंट्रा- सब्जेक्ट लोकल पीडब्लूवी वैरिएशन अउ ब्रैचियल बीपी पैरामीटर के बीच एक सांख्यिकीय रूप ले महत्वपूर्ण सहसंबंध देखे गए रहिस (आर > 0. 85, पी < 0. 001) । नतीजामन हर कैरोटिड धमनी ले निरंतर बीट-टू-बीट स्थानीय पीडब्ल्यूवी माप बर प्रस्तावित पीपीजी जांच के व्यवहार्यता के प्रदर्शन करीस। ए तरह के गैर-आक्रामक स्थानीय पीडब्ल्यूवी माप इकाई के संभावित रूप ले निरंतर एम्बुलरी बीपी माप बर उपयोग करे जा सकत हवय। |
79465f3bac4fb9f8cc66dcbe676022ddcd9c05c6 | ए पेपर गहराई मानचित्र के अनुक्रम ले मनखे के कार्मन ल पहचानने बर एक विधि प्रस्तुत करत हवय। विशेष रूप ले, हम कार्रवाई के गतिशीलता के स्पष्ट रूप ले मॉडल करे बर एक कार्रवाई ग्राफ अउ 3 डी बिंदुओं के एक बैग के उपयोग करत हावें जो कि कार्रवाई ग्राफ म नोड्स के अनुरूप प्रमुख मुद्राओं के एक सेट का विशेषता हावे। एखर अलावा, हम गहराई मानचित्र ले 3 डी बिंदुओं के बैग के नमूना बर एक सरल, लेकिन प्रभावी प्रक्षेपण आधारित नमूना योजना का प्रस्ताव करत हंवय । प्रायोगिक म परिणाममन ले पता चला हवय कि गहराई मानचित्रमन ले केवल 1% 3 डी बिंदुमन के नमूना ले 90% ले ज्यादा पहचान सटीकता प्राप्त करे गए रहिस । 2डी सिल्हूट आधारित मान्यता के तुलना में, मान्यता त्रुटियां आधे ले कम हो गइससं। एखर अलावा, हम सिमुलेशन के माध्यम ले ऑक्ल्यूशन ले निपटे बर पॉइंट्स पोस्चर मॉडल के बैग के क्षमता के प्रदर्शन करत हंवय । |
46fd85775cab39ecb32cf2e41642ed2d0984c760 | पेपर एआई रोबोट के कानूनी स्थिति म आज के बहस के जांच करत हवय, अउ कइठन बार विद्वानों अउ नीति निर्माता कानूनी एजेंट्स के कानूनी एजेंट्स के कानूनी एजेंट्स के साथ भ्रमित होत हवय। क्षेत्र म वर्तमान रुझान ल ध्यान म रखत हुए, पेपर एक दोहरी रुख का सुझाव देत हवय। सबले पहली, नीति निर्मातामन ल अनुबंधों अउ व्यापार कानून में एआई रोबोट के गतिविधिमन बर जवाबदेही अउ दायित्व के नवा रूपमन के स्थापना के संभावना म गंभीरता ले विचार करना चाहि, उदाहरण बर , जटिल वितरित जिम्मेदारी के मामलामन में कानूनी एजेंसी के नवा रूप। दूसरा, एआई रोबोट्स के पूर्ण कानूनी व्यक्तित्व प्रदान करे के काखरो घलो परिकल्पना ल निकट भविष्य में खारिज कर देना चाहि। हालांकि, हमन सोफिया के साथ कैसे व्यवहार करबो, जेहर अक्टूबर 2017 में सऊदी अरब, अर्थात् काखरो घलो देश के नागरिकता प्राप्त करे वाला पहला एआई आवेदन बन गइस? स्वीकार करे बर, काखरो , या कुछु , कानूनी व्यक्तित्व प्रदान करना हवय - हमेशा के तरह - एकठन अत्यधिक संवेदनशील राजनीतिक मुद्दा हवय जेहर न केवल तर्कसंगत विकल्पमन अउ अनुभवजन्य साक्ष्य म निर्भर करत हवय । विवेक, मनमानी, अउ इहां तक कि अजीब निर्णय घलो ए संदर्भ म एकठन भूमिका निभात हवयं। हालांकि, कानूनी प्रणालिमन मनखे अउ कृत्रिम संस्थामन जैसे निगमों के कानूनी स्थिति प्रदान करत हंवय , जेहर हमन ल एआई रोबोट के कानूनी व्यक्तित्व बर आज के खोज म पक्ष लेने म मदद करत हंवय । का नागरिक सोफिया वास्तव म सचेत हवय, या अपमानजनक विद्वानों के स्लिंग अउ तीर ल सहन करे म सक्षम हवय? |
0943ed739c909d17f8686280d43d50769fe2c2f8 | हम मानव व्यवहार के विश्लेषण अउ संश्लेषण बर एक दृष्टिकोण के रूप म कार्रवाई-प्रतिक्रिया सीखने का प्रस्ताव करत हंवय । ए प्रतिमान अतीत अउ भविष्य के घटनामन के बीच या समय अनुक्रमों के निरीक्षण करके एकठन कार्रवाई अउ एखर प्रतिक्रिया के बीच कारण मैपिंग के पता लगाता हवय । हम ए विधि ल मानव बातचीत के विश्लेषण करे बर लागू करत हंवय अउ बाद म मानव व्यवहार ल संश्लेषित करे बर । धारणा माप के एक समय श्रृंखला के उपयोग करके, एक प्रणाली स्वचालित रूप ले एक मनखे प्रतिभागी (एक कार्रवाई) ले इशारों के बीच एक मानचित्रण का पता लगाती हवय अउ दूसर प्रतिभागी ले पाछू के इशारा (एक प्रतिक्रिया) । एक संभाव्य मॉडल ल एक उपन्यास अनुमान तकनीक, सशर्त अपेक्षा अधिकतमीकरण (सीईएम) के उपयोग करके मानव बातचीत के डेटा ले प्रशिक्षित करे जात हवय । सिस्टम एक ग्राफिकल इंटरैक्टिव चरित्र चलाता हवय जेहर संभावित रूप ले उपयोगकर्ता के व्यवहार के सबले संभावित प्रतिक्रिया के भविष्यवाणी करत हवय अउ एला इंटरैक्टिव रूप ले करत हवय । ए प्रकार, प्रतिभागिमन के एक जोड़ी म मनखे बातचीत के विश्लेषण करे के बाद, सिस्टम ओमनमे ले एकठन के जगह लेने अउ एकठन शेष उपयोगकर्ता के साथ बातचीत करे म सक्षम हवय । |
272216c1f097706721096669d85b2843c23fa77d | हम एडम, स्टोचस्टिक उद्देश्य कार्यों के प्रथम-क्रम ग्रेडिएंट-आधारित अनुकूलन बर एक एल्गोरिदम पेश करत हावें, जो निम्न-क्रम क्षणों के अनुकूली अनुमानों के आधार म हावे। विधि लागू करे बर सीधा हवय, गणनात्मक रूप ले कुशल हवय, मेमोरी आवश्यकतामन के कम हवय, ग्रेडियंट के विकर्ण पुनर्मूल्यांकन बर अपरिवर्तनीय हवय, अउ समस्यामन बर अच्छी तरह ले अनुकूल हवय जेहर डेटा अउ / या पैरामीटर के मामले में बडखा हंवय । विधि गैर-स्थिर उद्देश्यों अउ बहुत शोर अउ / या विरल ग्रेडिएंट के साथ समस्यामन बर घलो उपयुक्त हवय। हाइपर-पैरामीटर में सहज व्याख्या हवय अउ आमतौर म थोरहे ट्यूनिंग के आवश्यकता होत हवय। संबंधित एल्गोरिदम बर कुछु कनेक्शन, जेमा एडम प्रेरित रहिस, चर्चा के जात हवय । हम एल्गोरिदम के सैद्धांतिक अभिसरण गुणमन के घलो विश्लेषण करत हंवय अउ अभिसरण दर म एक खेद प्रदान करत हंवय जेहर ऑनलाइन उत्तोलन ढांचे के तहत सबले सुघ्घर ज्ञात परिणाममन के तुलना करे जा सकत हवय। अनुभवजन्य म परिणाम ों ले पता चलत हवय कि एडम अभ्यास म अच्छी तरह ले काम करत हवय अउ दूसर स्टोचस्टिक अनुकूलन विधिमन के साथ अनुकूल रूप ले तुलना करत हवय । आखिर म, हमन एडमैक्स के चर्चा करत हावन, अनंतता मानदंड के आधार म एडम के एक संस्करण। |
05aba481e8a221df5d8775a3bb749001e7f2525e | हम सबग्रैडिएंट विधियों के एक नए परिवार का परिचय देते हैं जो गतिशील रूप से पिछले पुनरावृत्ति में देखे गए डेटा के ज्यामिति के ज्ञान ल शामिल करत हवय ताकि अधिक सूचनात्मक ग्रेडिएंट-आधारित सीखने के प्रदर्शन करे जा सके। रूपक रूप ले, अनुकूलन हमन ल बहुत भविष्यवाणी करे वाले लेकिन शायद ही कभी देखे जाने वाले सुविधा के रूप म हेमस्टैक्स म नीडल्स ढूंढने के अनुमति देत हवय । हमर प्रतिमान स्टोचस्टिक अनुकूलन अउ ऑनलाइन लर्निंग म हालिया प्रगति ले निकलता हवय जेहर एल्गोरिदम के ढाल चरणमन के नियंत्रित करे बर निकटवर्ती फंक्शनमन के नियोजित करत हवय। हम निकटवर्ती समारोह के अनुकूली रूप ले संशोधित करे बर एक उपकरण के वर्णन अउ विश्लेषण करत हंवय , जेहर एकठन सीखने के दर के निर्धारण के सरल बनात हवय अउ परिणाममन के गारंटी देत हवय जेहर सबले अच्छा निकटवर्ती समारोह के रूप में साबित होत हवय जेला पाछू म चुनने बर चुना जा सकत हवय । हम आम अउ महत्वपूर्ण नियामक कार्यों अउ डोमेन बाधाओं के साथ अनुभवजन्य जोखिम कम करे के समस्याओं बर कईठन कुशल एल्गोरिदम प्रदान करत हंवय । हम प्रयोगात्मक रूप ले अपन सैद्धांतिक विश्लेषण के अध्ययन करत हंवय अउ देखात हंवय कि अनुकूली उप-वर्गीकरण विधिमन राज्य-ओ-फ-द-आर्ट, फिर भी गैर-अनुकूली, उप-वर्गीकरण एल्गोरिदम के बेहतर बनात हंवय । |
f2bc77fdcea85738d1062da83d84dfa3371d378d | एहर पेपर चिप-टू-चिप अनुप्रयोगों बर 90-एनएम सीएमओएस में 6.25 जीबी / एस 14-एमडब्ल्यू ट्रांसीवर के वर्णन करत हावे। ट्रांससीवर बिजली के खपत के कम करे बर कईठन सुविधामन के नियोजित करत हवय, जेमा एकठन साझा एलसी-पीएलएल क्लॉक मल्टीप्लायर, एक इंडक्टर-लोड रेज़ोनेंट क्लॉक डिस्ट्रीब्यूशन नेटवर्क, एक कम- अउ प्रोग्राम करे योग्य स्विंग वोल्टेज-मोड ट्रांसमीटर, सॉफ्टवेयर-नियंत्रित क्लॉक अउ डेटा रिकवरी (सीडीआर) अउ रिसीवर के भीतर अनुकूली समकक्षता, अउ सीडीआर बर एकठन उपन्यास पीएलएल-आधारित चरण रोटेटर शामिल हवय। डिजाइन -15 डीबी या उससे अधिक के चैनल मंदी के साथ 10-15 या उससे कम के बिट-त्रुटि दर म संचालित कर सकत हवय, जबकि प्रति ट्रांसीवर 2.25 एमडब्ल्यू / जीबी / एस ले कम के खपत करत हवय। |
9da870dbbc32c23013ef92dd9b30db60a3cd7628 | 3डी आकृतियों के गैर-कठोर पंजीकरण एक आवश्यक कार्य हवय, जेहर महत्व बढ़ात हवय काबरकि वस्तु गहराई सेंसर गतिशील दृश्यों के स्कैनिंग बर व्यापक रूप ले उपलब्ध होत हवय। गैर-कठोर पंजीकरण कठोर पंजीकरण के तुलना म बहुत ज्यादा चुनौतीपूर्ण हवय काबरकि ए एकठन वैश्विक परिवर्तन के बजाय स्थानीय परिवर्तन के एकठन सेट के अनुमान लगात हवय , अउ एखरबर अंडरडिटेमिनेशन के कारण ओवरफिटिंग मुद्दा के प्रवण हवय । पिछली विधिमन में सामान्य ज्ञान स्थानीय रूपांतरण मतभेदमन म 1 2 -मानक नियमितकरण लागू करना हवय। हालांकि, एल 2 -मानक नियामक समाधान के भारी-पूंछ वितरण के साथ आउटलियर अउ शोर के ओर पूर्वाग्रह करत हवय, जेहर परिवर्तन मतभेदमन म गॉसियन वितरण के खराब अच्छाई-फिट द्वारा सत्यापित करे जात हवय । एखर उल्टा, लाप्लासियन वितरण म परिवर्तन के मतभेदों के साथ अच्छी तरह ले फिट होत हवय, जेहर एक स्परसिटी के उपयोग के सुझाव देत हवय । हम परिवर्तन अनुमान बर एक एल 1-मानक नियमित मॉडल के साथ एक दुर्लभ गैर-कठोर पंजीकरण (एसएनआर) विधि के प्रस्ताव करत हंवय , जेला संवर्धित लैग्रेंजियन फ्रेमवर्क के तहत एक वैकल्पिक दिशा विधि (एडीएम) द्वारा प्रभावी रूप ले हल करे जात हवय । हम मजबूत अउ प्रगतिशील पंजीकरण बर एक बहु-रिज़ॉल्यूशन योजना घलो तैयार करत हंवय । सार्वजनिक डेटासेट अउ हमर स्कैन डेटासेट दुनों म म परिणाम हमर विधि के श्रेष्ठता दिखात हंवय , खासकर बडखा पैमाने म विरूपण के साथ-साथ आउटलियर अउ शोर के संभाल करे म। |
e36ecd4250fac29cc990330e01c9abee4c67a9d6 | इ पत्र में एक उपन्यास का-बैंड डबल-बैंड डबल-सर्कलली-ध्रुवीकृत एंटीना सरणी प्रस्तुत करे गए हवय। का-बैंड डाउनलिंक आवृत्तिमन बर बाएं हाथ के गोलाकार ध्रुवीकरण अउ का-बैंड अपलिंक आवृत्तिमन बर दाएं हाथ के गोलाकार ध्रुवीकरण के साथ एक दोहरे-बैंड एंटीना ल कॉम्पैक्ट एनुलर रिंग स्लॉट के साथ महसूस करे जात हवय । अनुक्रमिक घूर्णन तकनीक के उपयोग करके, अच्छे प्रदर्शन के साथ 2 × 2 सबरै प्राप्त करे जात हवय । ए पत्र डिजाइन प्रक्रिया के वर्णन करत हवय अउ सिमुलेशन अउ माप परिणाममन ल प्रस्तुत करत हवय। |
0bb71e91b29cf9739c0e1334f905baad01b663e6 | ए पेपर में एलटीई नेटवर्क में तैनात बैटरी संचालित डिवाइ के बर ऊर्जा खपत के कम करे बर शेड्यूलिंग अउ ट्रांसमिट पावर कंट्रोल के जांच के जात हवय । मशीन-प्रकार के ग्राहकमन के बडखा संख्या बर कुशल शेड्यूलिंग सक्षम करे बर , एक उपन्यास वितरित योजना के प्रस्ताव करे जात हवय ताकि मशीन नोड्स स्थानीय क्लस्टर बना सकें अउ क्लस्टर-हेड्स के माध्यम ले बेस-स्टेशन के साथ संवाद कर सकें । फिर, एलटीई नेटवर्क में अपलिंक शेड्यूलिंग अउ पावर कंट्रोल पेश करे जात हवय अउ क्लस्टर-हेड्स अउ बेस स्टेशन के बीच संचार बर उपयोग करे जाने वाले जीवनकाल-जागरूक समाधानों के जांच के जात हवय । सटीक समाधान के अलावा, कम जटिलता उप-सर्वश्रेष्ठ समाधान ए काम म प्रस्तुत करे जात हंवय जेहर बहुत कम कंप्यूटेशनल जटिलता के साथ इष्टतम प्रदर्शन के करीब प्राप्त कर सकत हंवय । प्रदर्शन मूल्यांकन ले पता चलत हवय कि प्रस्तावित प्रोटोकॉल के उपयोग करके नेटवर्क जीवनकाल काफी बढ़ाया जात हवय । |
6dc4be33a07c277ee68d42c151b4ee866108281f | संपीड़न माप ले सह-विपर्याप्तता मैट्रिक्स के अनुमान विज्ञान अउ इंजीनियरिंग के कईठन क्षेत्रमन में हाल ही में काफी शोध प्रयासों ल आकर्षित करे गए हवय। अवलोकनमन के छोटी संख्या के कारण, सह-विपर्याप्त मैट्रिक्स के अनुमान एक गंभीर रूप ले खराब समस्या हवय। ए सह-विपर्यता मैट्रिक्स के संरचना के बारे में पहली जानकारी के शोषण करके दूर करे जा सकत हवय। ए पेपर संपीड़ित मापों के तहत उच्च आयामी सह-विपरित मैट्रिक्स अनुमान समस्या बर उत्तल सूत्रों अउ संबंधित समाधानों के एक वर्ग प्रस्तुत करत हवय, जेहर समाधान म या तो टोपलिट्ज़, स्पार्सनेस, शून्य-पैटर्न, कम रैंक, या कम परमिट रैंक संरचना ल लागू करत हवय, साथ ही सकारात्मक अर्ध-परिभाषितता के साथ। अनुकूलन समस्यामन के हल करे बर, हम बढ़े हुए लैग्रेंजियन सिकुड़न एल्गोरिदम (सीओवीएएलएसए) द्वारा सह-विचलन के परिचय देत हंवय , जेहर स्प्लिट बढ़े हुए लैग्रेंजियन सिकुड़न एल्गोरिदम (एसएएलएसए) के एक उदाहरण हवय। हम अत्याधुनिक एल्गोरिदम के साथ तुलना में अपन दृष्टिकोण के प्रभावशीलता के चित्रित करत हंवय । |
05357314fe2da7c2248b03d89b7ab9e358cbf01e | © © 2017 © कोलंबिया के राष्ट्रीय राजधानी प्रकाशक के लिखित अनुमति के बिना ए पुस्तक के काखरो घलो हिस्सा के काखरो घलो इलेक्ट्रॉनिक या यांत्रिक साधन (फोटो कॉपी, रिकॉर्डिंग, या जानकारी भंडारण अउ पुनर्प्राप्ति सहित) के माध्यम ले काखरो घलो रूप म पुनः उत्पन्न नी करे जा सकत हवय । |
06d0a9697a0f0242dbdeeff08ec5266b74bfe457 | हम प्राकृतिक भाषा पेड़ संरचना बर नवा पीढ़ीगत मॉडल प्रस्तुत करत हंवय जेमा अर्थपूर्ण (लेक्सिकल निर्भरता) अउ सिंटैक्सिक संरचना अलग-अलग मॉडल के साथ स्कोरिंग करे जात हवय। ए कारककरण अवधारणागत सरलता प्रदान करत हवय, घटक मॉडल ल अलग-अलग सुधारने बर सीधा अवसर, अउ समान, गैर-कारक मॉडल के समान प्रदर्शन के स्तर। सबले महत्वपूर्ण बात ए हवय कि, आने आधुनिक पार्सिंग मॉडल के विपरीत, कारक मॉडल एक बेहद प्रभावी पार्सिंग एल्गोरिदम के साथ सुसज्जित हवय, जेहर एक कुशल, सटीक इन्फरेंस संभव बनात हवय। |
8f76334bd276a2b92bd79203774f292318f42dc6 | ए पेपर एक एल-आकार के जांच द्वारा खिलाए गए एक गोलाकार सींग एंटीना ले संबंधित हवय। 50 ओमेगा समाक्षीय केबल बर ब्रॉडबैंड मिलान बर डिजाइन प्रक्रिया, अउ अक्षीय अनुपात अउ लाभ म एंटीना प्रदर्शन प्रस्तुत करे जात हवय । ए पेपर के सिमुलेशन परिणाममन के उपयोग एएनएसओएफटीएचएस 9.2 के उपयोग करके प्राप्त करे गए रहिस । |
41c987b8a7e916d56fed2ea7311397e0f2286f3b | पारंपरिक दृष्टिकोण के विपरीत जेहर नेटवर्क स्तर म क्वांटिज़ेशन म ध्यान केंद्रित करत हंवय , ए काम म हमन टेंसर स्तर म क्वांटिज़ेशन प्रभाव के कम करे के प्रस्ताव करत हंवय । हम कम परिशुद्धता नेटवर्क म क्वांटिज़ेशन शोर अउ क्लिपिंग विरूपण के बीच व्यापार-बंद के विश्लेषण करत हंवय । हम कईठन टेंसर के आंकड़ों के पहचान करत हंवय , अउ क्लिपिंग के कारण औसत वर्ग-त्रुटि गिरावट बर सटीक अभिव्यक्ति प्राप्त करत हंवय । इ अभिव्यक्तियों का अनुकूलन करके, हम मानक क्वांटिज़ेशन योजनाओं म उल्लेखनीय सुधार दिखाते हावें जो आमतौर म क्लिपिंग ले बचते हावें। उदाहरण बर, सटीक क्लिपिंग मूल्मन के चयन करके, 4-बिट के सटीकता बर वीजीजी 16-बीएन के क्वांटिज़ेशन बर 40% ले ज्यादा सटीकता सुधार प्राप्त करे जात हवय । प्रशिक्षण अउ अनुमानित समय दुनों म तंत्रिका नेटवर्क के क्वांटिसेशन बर हमर म परिणाममन के कईठन अनुप्रयोग हंवय । एक तत्काल अनुप्रयोग कम सटीकता त्वरक बर न्यूरल नेटवर्क के तेजी ले तैनाती बर हवय, बिना समय-उपभोगी ठीक ट्यूनिंग या पूर्ण डेटासेट के उपलब्धता के बिना। |
1bde4205a9f1395390c451a37f9014c8bea32a8a | रेंज इमेजेज में क्वेरी करे गए वस्तुमन के पहचान अउ स्थानीयकरण रोबोटिक हेरफेर अउ नेविगेशन बर एकठन महत्वपूर्ण भूमिका निभात हवय । भले ही एहर लगातार अध्ययन करिस गइस हावे, फिर भी ओक्ल्यूजन अउ अव्यवस्था के साथ दृश्यों बर एक चुनौतीपूर्ण कार्य हावे। |
242caa8e04b73f56a8d4adae36028cc176364540 | हम 3 डी सेंसर बर लागू मतदान-आधारित पोज अनुमान एल्गोरिदम के प्रस्ताव करत हंवय , जेहर कईठन रोबोटिक्स, कंप्यूटर दृष्टि, अउ गेमिंग अनुप्रयोगमन में अपन 2 डी समकक्षमन के तेजी ले प्रतिस्थापित करत हंवय । हाल ही म एहर दिखाया गय रहिस कि एक मतदान फ्रेमवर्क म उन्मुख 3 डी बिंदुओं के एक जोड़ी, जेहर सामान्य के साथ वस्तु के सतह म अंक होत हवय, तेजी ले अउ मजबूत पोज अनुमान के सक्षम करत हवय। यद्यपि उन्मुख सतह बिंदु म पर्याप्त वक्रता म पर परिवर्तन के साथ वस्तुओं बर भेदभाव होत हवय, वे कईठन औद्योगिक अउ वास्तविक दुनिया वस्तुओं बर पर्याप्त रूप ले कॉम्पैक्ट अउ भेदभाव नी होत हवय जेहर ज्यादातर समतल होत हवय। काबरकि किनारों 2 डी पंजीकरण में महत्वपूर्ण भूमिका निभात हंवय , गहराई विसंगति 3 डी में महत्वपूर्ण हंवय । इ पेपर में, हम जांच अउ पोज अनुमान एल्गोरिदम के एक परिवार विकसित करत हंवय जेहर ए सीमा जानकारी के बेहतर शोषण करत हंवय । अभिमुखीकृत सतह बिंदुओं के अलावा, हम दुठन अन्य आदिमों का उपयोग करत हावें: दिशाओं अउ सीमा रेखा खंडों के साथ सीमा बिंदु। हमर प्रयोग ले पता चलत हवय कि ए सावधानी ले चुने गए आदिममन ज्यादा जानकारी ल कॉम्पैक्ट रूप ले एन्कोड करत हंवय अउ ए प्रकार औद्योगिक भागमन के एक विस्तृत वर्ग बर उच्च सटीकता प्रदान करत हंवय अउ तेजी ले गणना सक्षम करत हंवय । हम प्रस्तावित एल्गोरिदम अउ 3 डी सेंसर के उपयोग करके एक व्यावहारिक रोबोटिक बिन-पिकिंग सिस्टम के प्रदर्शन करत हंवय । |
5df318e4aac5313124571ecc7e186cba9e84a264 | आधिकारिक मोबाइल ऐप बाजार म बार-बार मैलवेयर पैठ के बढ़ती संख्या अंत उपयोगकर्ता के गोपनीयता अउ गोपनीयता बर एकठन उच्च सुरक्षा खतरा पैदा करत हवय । अंत उपयोगकर्ता उपकरणमन के विरोधी अनुप्रयोगमन के शिकार होए ले बचाए बर शिक्षा जगत अउ उद्योग में सुरक्षा शोधकर्ता / इंजीनियरमन बर एक तकनीकी अउ अनुसंधान चुनौती प्रस्तुत करत हवय। एप बाजार म तैनात सुरक्षा प्रथा अउ विश्लेषण जांच के बावजूद, मैलवेयर रक्षा के माध्यम ले लुकाए अउ उपयोगकर्ता डिवाइस ल संक्रमित करत हवय। मैलवेयर के विकास हर एला जटिल अउ गतिशील रूप ले बदलते सॉफ्टवेयर देखे हवय आमतौर म वैध ऐप के रूप म प्रच्छन्न। अत्यधिक उन्नत एवासिव तकनीमन के उपयोग, जैसे एन्क्रिप्टेड कोड, ओफसकेशन अउ डायनामिक कोड अपडेट, आदि, उपन्यास मैलवेयर में पाए जाने वाले सामान्य प्रथामन हंवय । डायनामिक कोड अपडेट के भ्रामक उपयोग के साथ, एक मैलवेयर सौम्य ऐप के रूप में दिखावा करे वाले विश्लेषण जांच ल बायपास करत हवय अउ उपयोगकर्ता के डिवाइस म स्थापित होए म ही अपन दुर्भावनापूर्ण कार्यक्षमता के खुलासा करत हवय। ए शोध प्रबंध एंड्रॉइड ऐप म गतिशील कोड अपडेट के उपयोग अउ उपयोग के तरीका म एक पूरा अध्ययन प्रदान करत हवय। एखर अलावा, हम एक हाइब्रिड विश्लेषण दृष्टिकोण, स्टेडार्ट के प्रस्ताव करत हंवय , जेहर स्थिर अउ गतिशील विश्लेषण ल इंटरलेक्स करत हवय ताकि गतिशील कोड अपडेट के उपस्थिति म एप्लिकेशन के विश्लेषण करे बर स्थिर विश्लेषण तकनीमन के अंतर्निहित कमियां ल कवर करे जा सके। वास्तविक दुनिया के अनुप्रयोगमन म हमर मूल्यांकन के म परिणाम स्टैडार्ट के प्रभावशीलता के प्रदर्शन करत हंवय । हालांकि, आमतौर म गतिशील विश्लेषण, अउ ओ मामले बर हाइब्रिड विश्लेषण घलो, ऐप के व्यवहार ल प्रोत्साहित करे के समस्या ल लाता हवय जेहर स्वचालित विश्लेषण उपकरणमन बर एकठन गैर-तुच्छ चुनौती हवय । ए उद्देश्य बर, हम पाछू की ओर स्लाइसिंग आधारित लक्षित इंटरकॉन्टेन्ट कोड पथ निष्पादन तकनीक, टीआईसीसी के प्रस्ताव करत हावें। टीआईसीसी एप म लक्ष्य बिंदु ले शुरू होए वाले कोड पथों ल निकाले बर एक बैकवर्ड स्लाइसिंग तंत्र के लाभ उठात हवय। ए एक सिस्टम निर्भरता ग्राफ के उपयोग कोड पथों के निकाले बर करत हवय जेमा इंटरकॉम्पोनेंट संचार शामिल हवय। निकाले गए कोड पथ के तब संवेदनशील गतिशील व्यवहार ल कैप्चर करे बर , गतिशील कोड अपडेट अउ अस्पष्टता ल हल करे बर ऐप संदर्भ के भीतर इंस्ट्रूमेंट अउ निष्पादित करे जात हवय । टीआईसीसी के हमर मूल्यांकन ले पता चलत हे कि एला प्रभावी ढंग ले अस्पष्ट एंड्रॉइड ऐप म इंटर-कम्पोनेंट कोड पथ के लक्षित निष्पादन बर उपयोग करे जा सकत हे। एखर अलावा, अभी घलो प्रतिद्वंद्वियों के उपयोगकर्ता डिवाइस तक पहुंचने के संभावना ल खारिज नी करत हवय, हम एक ऑन-फोन एपीआई हुकिंग के प्रस्ताव करत हंवय । |
5ed4b57999d2a6c28c66341179e2888c9ca96a25 | इ लेख में, हम जटिल दुनिया में कार्य करना सीख सकत एजेंट्स के विकास के लक्ष्य की ओर काम करत हावे। हम एक संभाव्य, संबंधपरक योजना नियम प्रतिनिधित्व विकसित करत हंवय जेहर कॉम्पैक्ट रूप ले शोर, गैर-निर्धारक कार्रवाई प्रभावमन के मॉडल करत हवय, अउ ए दिखात हवय कि ए तरह के नियममन ल प्रभावी ढंग ले कैसे सीखा जा सकत हवय । सरल योजना डोमेन अउ यथार्थवादी भौतिकी के साथ एक 3 डी सिम्युलेटेड ब्लॉक दुनिया में प्रयोगों के माध्यम ले, हम ए सिखोए वाले एल्गोरिदम के एजेंटों के दुनिया गतिशीलता के प्रभावी ढंग ले मॉडल करे के अनुमति देत हंवय । |
55c769b5829ca88ba940e0050497f4956c233445 | दृश्य ओडोमीटर के गहराई के जानकारी जैसे आरजीबी-डी कैमरों, या कैमरों ले जुड़े लिडार ले प्रदान करे जा सकत हवय। हालांकि, इ तरह के गहराई के जानकारी सेंसर द्वारा सीमित करे जा सकत हवय, दृश्य छवियों में बडखा क्षेत्रमन ल छोड़ते हुए जहां गहराई उपलब्ध नी हवय। इहां, हम कैमरा गति के वसूली म गहराई के उपयोग करे के एक विधि के प्रस्ताव करत हंवय , इहां तक कि यदि दुर्लभ रूप ले उपलब्ध घलो, । एखर अलावा, विधि पहीली से अनुमानित गति के उपयोग करके गति ले संरचना द्वारा गहराई के उपयोग करत हवय, अउ प्रमुख दृश्य सुविधाओं बर जिनकी गहराई उपलब्ध नी हवय। एखरेबर, विधि बडखा पैमाने म आरजीबीडी दृश्य ओडोमीटर के विस्तार करे में सक्षम हवय, खुले वातावरण जहां गहराई अक्सर म पर्याप्त अधिग्रहण नी करे जा सकत हवय। हमर विधि के मूल एक बंडल समायोजन चरण हवय जेहर बैच अनुकूलन में छवियों के अनुक्रम के संसाधित करके समानांतर में गति अनुमानों ल परिष्कृत करत हवय। हमन तीन सेंसर सेटअप म अपन विधि के मूल्यांकन करे हवन, एक आरजीबी-डी कैमरा के उपयोग करके, अउ दु कैमरा अउ 3 डी लीडर के संयोजन के उपयोग करके। हमर विधि के मूल्यांकन केआईटीटीआई ओडोमेट्री बेंचमार्क म # 4 करे गए हवय-सेंसिंग मोडल के बावजूद स्टीरियो विजुअल ओडोमेट्री विधिमन के तुलना में जेहर त्रिभुज द्वारा गहराई के पुनः प्राप्त करत हंवय । परिणामी औसत स्थिति त्रुटि 1.14% यात्रा की गई दूरी हवय । |
0c668ee24d58ecca165f788d40765e79ed615471 | |
9cccd211c9208f790d71fa5b3499d8f827744aa0 | शैक्षिक डेटा खनन के माध्यम ले कईठन शैक्षिक उन्मुख समस्या ल हल करे जात हवय , जेहर डेटा खनन के सबले प्रचलित अनुप्रयोग हवय । ए पेपर के महत्वपूर्ण लक्ष्मन म ले एकठन ईडीएम म सबले हालिया काम के अध्ययन करना अउ उंखर गुणों अउ कमियों के विश्लेषण करना हवय । ए पेपर सर्वेक्षण के गइस लेख म लागू कईठन डेटा खनन प्रथाओं अउ तकनीमन के संचयी म परिणाममन ल घलो उजागर करत हवय , अउ ए प्रकार शोधकर्ताओं ल ईडीएम म भविष्य के दिशाओं म सुझाव देत हवय । एखर अलावा, भविष्य के शोध बर सबले विश्वसनीय एल्गोरिदम के निरीक्षण करे बर कुछु वर्गीकरण अउ क्लस्टरिंग एल्गोरिदम के मूल्यांकन करे बर एकठन प्रयोग घलो करे गए रहिस । |
197a7fc2f8d57d93727b348851b59b34ce990afd | एसआरआईएलएम सी ++ लाइब्रेरी, निष्पादन योग्य प्रोग्राम, अउ सहायक स्क्रिप्ट के संग्रह हवय जेला भाषण मान्यता अउ आने अनुप्रयोगमन बर सांख्यिकीय भाषा मॉडल के उत्पादन अउ प्रयोग दुनों के अनुमति दे बर डिज़ाइ करे गए हवय। एसआरआईएलएम गैर वाणिज्यिक उद्देश्यमन बर स्वतंत्र रूप ले उपलब्ध हवय । टूलकिट एन-ग्राम आंकड़ों के आधार म कईठन भाषा मॉडल प्रकार के निर्माण अउ मूल्यांकन के साथ-साथ कईठन संबंधित कार्यमन के समर्थन करत हवय, जैसे कि एन-सर्वश्रेष्ठ सूचियों अउ शब्द ग्रिट्स के सांख्यिकीय टैगिंग अउ हेरफेर। ए पेपर टूलकिट के कार्यक्षमता के सारांश देत हवय अउ एखर डिजाइन अउ कार्यान्वयन के चर्चा करत हवय, तेजी ले प्रोटोटाइप, पुनः प्रयोज्य, अउ उपकरणमन के संयोजन के आसानी ल उजागर करत हवय। |
12f661171799cbd899e1ff4ae0a7e2170c3d547b | सांख्यिकीय भाषा मॉडल भाषण मान्यता अउ आने भाषा प्रौद्योगिकिमन के उद्देश्य बर कईठन प्राकृतिक भाषा घटना के वितरण के अनुमान लगात हवयं। 1 9 80 म पहला महत्वपूर्ण मॉडल प्रस्तावित करे गय रहिस, एखरबर कला के स्थिति म सुधार करे बर कईठन प्रयास करे गए हवय। हम ओमन के समीक्षा करत हंवय , कुछु आशाजनक दिशाओं के इंगित करत हंवय , अउ डेटा के साथ भाषाई सिद्धांतमन के एकीकरण बर एक बेसियन दृष्टिकोण बर तर्क देत हंवय । |
395f4b41578c3ff5139ddcf9e90eb60801b50394 | सीएमयू सांख्यिकीय भाषा मॉडलिंग टूलकिट ल बिग्राम अउ त्रिकोणमितीय भाषा मॉडल के निर्माण अउ परीक्षण के सुविधा प्रदान करे बर 1 9 80 में पुनः पट्टा करे गए रहिस । एहर वर्तमान में 1 9 80 देशमन में अकादमिक, सरकार अउ औद्योगिक प्रयोगशालाओं में उपयोग में हवय । एहर पेपर टूलकिट के एक नवा संस्करण प्रस्तुत करत हवय । हम टूलकिट में लागू पारंपरिक भाषा मॉडलिंग तकनीक के रूप में रेखांकित करत हंवय अउ एहर टूलकिट के तुलना में नवा टूलकिट प्रदान करे वाले अतिरिक्त क्षमता अउ कार्यक्षमता के वर्णन करत हंवय । आखिरकार, हम एक सरल भाषा मॉडल के निर्माण अउ परीक्षण में टूलकिट के उपयोग के जांच करत हंवय । |
0b8f4edf1a7b4d19d47d419f41cde432b9708ab7 | हम सिलिकॉन-भरे एकीकृत वेवगॉइड्स के निर्माण बर एक प्रौद्योगिकी प्रस्तुत करत हंवय जेहर कम-हानि वाले उच्च प्रदर्शन मिलीमीटर-तरंग निष्क्रिय घटकों अउ उच्च लाभ सरणी एंटीना के प्राप्ति के सक्षम करत हंवय , जेखरकारण अत्यधिक एकीकृत मिलीमीटर-तरंग प्रणालिमन के प्राप्ति के सुविधा प्रदान करत हवय। प्रस्तावित तकनीक उच्च ज्यामितीय सटीकता अउ निरंतर धातु के दीवारों के साथ आयताकार वेवगइड ल एकीकृत करे बर एल्यूमीनियम धातुकरण चरणों के साथ डीप रिएक्टिव-आयन-एचिंग (डीआरआईई) तकनीमन के नियोजित करत हवय। एकीकृत आयताकार वेवगइड्स के माप परिणाममन के 0. 15 डीबी / एलजी के 105 जीएचजेड में नुकसान के प्रदर्शन करे के रिपोर्ट करे गए हवय। एखर अलावा, 105 गीगाहर्ट्ज म 0.6 डीबीएल सम्मिलन हानि अउ 80 ले 110 गीगाहर्ट्ज म 15 डीबीएल ले बेहतर वापसी हानि के साथ अल्ट्रावाइडबैंड कॉप्लेनार ले वेवगइड संक्रमण के वर्णन अउ विशेषता हवय। आवृत्ति स्कैनिंग स्लॉट-वेवगइड सरणी एंटीना के डिजाइन, एकीकरण अउ मापा प्रदर्शन के रिपोर्ट करे जात हवय , जेहर 82 जीएचजेड के बैंड के भीतर 82 डिग्री के मापा होइस बीम स्टीयरिंग क्षमता अउ 96 जीएचजेड म 8.5 डिग्री के आधा-शक्ति बीम-चौड़ाई (एचपीबीडब्ल्यू) के प्राप्त करत हवय । अंततः, कम लागत वाली मिमी-लहर प्रणाली स्तर के एकीकरण के सुविधा बर ए तकनीक के क्षमता के प्रदर्शन करे बर, इमेजिंग रडार अनुप्रयोगमन बर एक आवृत्ति-समायोजित निरंतर तरंग (एफएमसीडब्ल्यू) ट्रांसमीटर-प्राप्त आईसी फ्लिप-चिप सीधे एकीकृत सरणी म घुड़सवार हवय अउ प्रयोगात्मक रूप ले विशेषता हवय। |
31864e13a9b3473ebb07b4f991f0ae3363517244 | ए पेपर किनारे का पता लगाने बर एक कम्प्यूटेशनल दृष्टिकोण का वर्णन करत हवय। दृष्टिकोण के सफलता किनारे के बिंदुमन के गणना बर लक्ष्मन के एकठन व्यापक सेट के म परिभाषा म निर्भर करत हवय । समाधान के रूप के बारे में न्यूनतम धारणा बनात समय डिटेक्टर के वांछित व्यवहार ल सीमित करे बर ये लक्ष्य पर्याप्त रूप ले सटीक होना चाहि। हम किनारों के वर्ग बर पता लगाने अउ स्थानीयकरण मानदंडों के परिभाषित करत हंवय , अउ ऑपरेटर आवेग प्रतिक्रिया म कार्यात्मक के रूप में इ मानदंडों बर गणितीय रूप प्रस्तुत करत हंवय । एखर पाछू एक तीसरा मानदंड जोड़ा जात हवय ताकि ए सुनिश्चित करे जा सके कि डिटेक्टर करा केवल एक एज बर केवल एक प्रतिक्रिया हवय। हम संख्यात्मक अनुकूलन में मानदंडों के उपयोग कईठन आम छवि सुविधाओं बर डिटेक्टरों ल प्राप्त करे बर करत हंवय , जेमा चरण किनारों शामिल हंवय । चरण किनारों बर विश्लेषण के विशेषज्ञता म, हम पाते हवयं कि पता लगाए अउ स्थानीयकरण प्रदर्शन के बीच एकठन प्राकृतिक अनिश्चितता सिद्धांत हवय , जेहर दुनो मुख्य लक्ष्य हवयं। इ सिद्धांत के साथ हम एक एकल ऑपरेटर आकार प्राप्त करत हावें जो काखरो भी पैमाने म इष्टतम हावे। इष्टतम डिटेक्टर में एक सरल अनुमानित कार्यान्वयन होत हवय जेमा गॉसियन-सुचारू छवि के ग्रेडिएंट परिणाम में अधिकतम के किनारों म चिह्नित करे जात हवय । हमन कईठन चौड़ाई के ऑपरेटर के उपयोग करके इ सरल डिटेक्टर के विस्तार करत हंवय ताकि छवि में अलग-अलग सिग्नल-टू-शोर अनुपात के सामना करे जा सके। हम विभिन्न पैमाने म ऑपरेटरों ले जानकारी के बारीक ले मोटे एकीकरण बर फीचर संश्लेषण कहे जाने वाले एकठन सामान्य विधि प्रस्तुत करत हंवय । आखिरकार हम दिखाते हंवय कि चरण किनारा डिटेक्टर प्रदर्शन काफी बेहतर होत हवय काबरकि ऑपरेटर बिंदु प्रसार फ़ंक्शन किनारा के साथ बढ़ाया जात हवय । |
b41c45b2ca0c38a4514f0779395ebdf3d34cecc0 | |
7e19f7a82528fa79349f1fc61c7f0d35a9ad3a5e | चेहरे जटिल, बहुआयामी, सार्थक दृश्य उत्तेजना के प्रतिनिधित्व करत हंवय अउ चेहरे के मान्यता बर एक कम्प्यूटेशनल मॉडल विकसित करना मुश्किल हवय [42]। हम एक हाइब्रिड न्यूरल नेटवर्क समाधान प्रस्तुत करत हंवय जेहर दूसर विधिमन के साथ अनुकूल रूप ले तुलना करत हवय। सिस्टम स्थानीय छवि नमूनाकरण, एक स्व-संगठित मानचित्र तंत्रिका नेटवर्क, अउ एक संवहन तंत्रिका नेटवर्क के संयोजन करत हवय। स्व-संगठित मानचित्र एक टोपोलॉजिकल स्पेस म छवि नमूनों के एक क्वांटिज़ेशन प्रदान करत हवय जहां मूल स्पेस म निकट इनपुट आउटपुट स्पेस म घलो निकट होत हंवय , जेखरकारण छवि नमूना में मामूली म पर परिवर्तन बर आयाम अउ अपरिवर्तनीयता प्रदान करत हवय , अउ संक्षारक तंत्रिका नेटवर्क अनुवाद, रोटेशन, पैमाने, अउ विरूपण बर आंशिक अपरिवर्तनीयता प्रदान करत हवय । कन्वोल्यूशनल नेट वर्क परतों के पदानुक्रमित सेट म क्रमिक रूप ले बडखा सुविधामन ल निकालता हवय । हम आत्म-संगठित मानचित्र के जगह म कार्हूनन-लोएव ट्रांसफॉर्म के उपयोग करके म परिणाम प्रस्तुत करत हंवय , अउ कन्वर्ट नेटवर्क के जगह म एक बहु-परत पर्सट्रॉन। कार्हूनन-लोएव ट्रांसफॉर्म लगभग वेल (5.3% त्रुटि बनाम 3.8%) के रूप में कार्य करत हवय। बहु-परत के धारणा बहुत खराब प्रदर्शन करत हवय (40% त्रुटि बनाम 3.8%) । विधि तेजी ले वर्गीकरण के सक्षम हवय, केवल तेजी ले, अनुमानित सामान्यीकरण अउ पूर्व-प्रसंस्करण के आवश्यकता होत हवय, अउ लगातार डेटाबेस म एजेनफेस दृष्टिकोण [42] के तुलना म बेहतर वर्गीकरण प्रदर्शन प्रदर्शित करत हवय काबरकि प्रशिक्षण डेटाबेस म प्रति व्यक्ति छवियों के संख्या 1 ले 5 तक भिन्न होत हवय। प्रति व्यक्ति 5 छविमन के साथ प्रस्तावित विधि अउ एजेनफेस के परिणामस्वरूप क्रमशः 3.8% अउ 10.5% त्रुटि होत हवय । मान्यता अपन आउटपुट म आत्मविश्वास के माप प्रदान करत हवय अउ वर्गीकरण त्रुटि शून्य के करीब जात हवय जब केवल 10% उदाहरणमन के अस्वीकार करत हवय । हम 40 व्यक्तिमन के 400 छवियों के डेटाबेस के उपयोग करत हावें जेमा अभिव्यक्ति, मुद्रा अउ चेहरे के विवरण म काफी उच्च डिग्री के भिन्नता होत हवय। हम कम्प्यूटेशनल जटिलता के विश्लेषण करत हंवय अउ चर्चा करत हंवय कि कैसे प्रशिक्षित मान्यता बर नवा वर्गमन के जोड़ा जा सकत हवय। |
5dd9dc47c4acc9ea3e597751194db52119398ac6 | शिफ्ट रजिस्टर एक प्रकार के अनुक्रमिक तर्क सर्किट हवय जेखर उपयोग ज्यादातर डिजिटल डेटा के संग्रहीत करे बर करे जात हवय या सिस्टम के सुरक्षा में सुधार बर रेडियो फ्रीक्वेंसी आइडेंटिफिकेशन (आरएफआईडी) अनुप्रयोगों में बाइनरी नंबर के रूप में डेटा के हस्तांतरण बर करे जात हवय । ए लेख में एक नई फ्लिप-फ्लॉप के उपयोग करके एक ऊर्जा-कुशल शिफ्ट रजिस्टर के प्रस्तुत करे जात हवय । प्रस्तावित फ्लिप-फ्लॉप म उच्च प्रदर्शन अउ कम बिजली के विशेषता हवय। ए पांच ट्रांजिस्टर, बढ़ोतरी अउ गिरावट पथ बर एक सी-घटक, अउ एक रखरखाव चरण द्वारा कार्यान्वित एक नमूना सर्किट ले बना हवय। गति ल संक्रमण स्थिति तकनीक के साथ चार घडी ट्रांजिस्टर के निष्पादन करके बढ़ाया जात हवय । सिमुलेशन परिणाम के पुष्टि करत हवय कि प्रस्तावित टोपोलॉजी क्रमशः समानांतर-समानांतर-आउट (पीआईपीओ) अउ सीरियल-सीरियल-आउट (एसआईएसओ) शिफ्ट रजिस्टर बर क्रमशः 22.7071 अउ 22.1997 एनडब्ल्यू के सबले कम मात्रा में बिजली के खपत करत हवय। समग्र डिजाइन म केवल 16 ट्रांजिस्टर शामिल हंवय अउ 1.2 वी बिजली आपूर्ति के साथ 130 एनएम पूरक-धातु-ऑक्साइड-सेमीकंडक्टर (सीएमओएस) तकनीक में सिमुलेटेड हवय। |
d76beb59a23c01c9bec1940c4cec1ca26e00480a | वायु सेना अनुसंधान प्रयोगशाला हर दु मस्तिष्क-कंप्यूटर इंटरफेस (बीसीआई) के कार्यान्वयन अउ मूल्यांकन करिस हवय जेहर स्थिर राज्य दृश्य-उत्प्रेरित प्रतिक्रिया के भौतिक उपकरण या कंप्यूटर प्रोग्राम के संचालन बर नियंत्रण संकेत म अनुवाद करत हवय । एक दृष्टिकोण म, ऑपरेटर मस्तिष्क प्रतिक्रिया ल स्वयं नियंत्रित करत हंवय; दूसर दृष्टिकोण कईठन प्रेरित प्रतिक्रियामन के उपयोग करत हवय। |
8a65dc637d39c14323dccd5cbcc08eed2553880e | ए लेख दक्षिण अफ्रीका म जिला प्रबंधन के समर्थन बर स्वास्थ्य सूचना प्रणाली विकसित करे बर एक चलत कार्रवाई अनुसंधान परियोजना के प्रारंभिक अवधि (1994-2001) के वर्णन करत हवय । अपार्टहेड के बाद दक्षिण अफ्रीका म स्वास्थ्य क्षेत्र के पुनर्निर्माण स्वास्थ्य सेवा वितरण म समानता बर प्रयास करना अउ स्वास्थ्य जिला के आधार म विकेन्द्रीकृत संरचना के निर्माण करना। सूचना प्रणाली (आईएस) विकास के संदर्भ म ए सुधार प्रक्रिया सूचना प्रबंधन के स्थानीय नियंत्रण अउ एकीकरण ल बढ़ाकर नवा दक्षिण अफ्रीका के लक्ष् यों ल लिखे वाले तरीकामन ले स्वास्थ्य डेटा के मानकीकरण म अनुवाद करत हवय । हम कार्रवाई अनुसंधान बर अपन दृष्टिकोण के वर्णन करत हंवय अउ मामला सामग्री के विश्लेषण करे म अभिहरता-नेटवर्क अउ संरचना सिद्धांतमन ले अवधारणामन के उपयोग करत हंवय । प्रस्तुत आईएस विकास के प्रक्रिया के विस्तृत विवरण अउ विश्लेषण म हम मानकीकरण अउ स्थानीय लचीलापन (स्थानीयकरण) ल संतुलित करे के आवश्यकता म ध्यान केंद्रित करत हंवय; मानकीकरण ल ए प्रकार विषम अभिनेताओं के सरणी के नीचे ले ऊपर के संरेखण के रूप म देखा जात हवय । सूचना प्रणाली के सामाजिक प्रणाली मॉडल म निर्माण, हम विकास अउ उपयोग के गइस आईएस डिजाइन रणनीति ल प्रक्रियाओं के खेती के रूप म अवधारणा बनात हवय जेखर द्वारा ये अभिनेता अनुवाद करत हंवय अउ आमनके हितों ल संरेखित करत हंवय । हम वैश्विक अउ स्थानीय डेटासेट के एक मॉड्यूलर पदानुक्रम ल एकठन ढांचे के रूप म विकसित करत हंवय जेखर भीतर मानकीकरण अउ स्थानीयकरण के बीच तनाव ल समझा अउ संबोधित करे जा सकत हवय । आखिरकार, हम आने देशमन म अनुसंधान के म परिणाममन के संभावित प्रासंगिकता म चर्चा करत हंवय । |
600434c6255c160b53ad26912c1c0b96f0d48ce6 | यादृच्छिक वन एक कम्प्यूटेशनल रूप ले कुशल तकनीक हवय जेहर बडखा डेटासेट म जल्दी ले संचालित हो सकत हवय। एहर हाल के कईठन शोध परियोजनाओं अउ विभिन्न डोमेन म वास्तविक दुनिया अनुप्रयोगों म उपयोग करे गए हवय। हालांकि, संबंधित साहित्य लगभग कोई दिशा प्रदान नी करत हवय कि यादृच्छिक वन ल बनाने बर कइठन पेड़ों के उपयोग करे जाना चाहि। इहां रिपोर्ट करे गए शोध के विश्लेषण करे जात हवय कि काय यादृच्छिक वन के भीतर पेड़ों के एक इष्टतम संख्या हवय, यानी, एक दहलीज जेखर ले पेड़ों के संख्या में वृद्धि करे ले कोई महत्वपूर्ण प्रदर्शन लाभ नी होही, अउ केवल गणना लागत में वृद्धि होही। हमर मुख्य निष्कर्ष एहर हवयं: जैसा कि पेड़मन के संख्या बढ़त हवय , एखर मतलब ए नी होए कि जंगल के प्रदर्शन पहीली के जंगल (कम पेड़ों) के तुलना म काफी बेहतर हवय , अउ पेड़ों के संख्या ल दोगुना करना बेकार हवय । एहर घलो कहना संभव हवय कि एक दहलीज हवय जेखर अलावा कोई महत्वपूर्ण लाभ नी हवय, जब तक कि एक बडखा कंप्यूटेशनल वातावरण उपलब्ध नी हवय। एखर अलावा, एयूसी लाभ बर एक प्रयोगात्मक संबंध पइस गय जब काखरो घलो जंगल म पेड़ों के संख्या ल दोगुना करे गय रहिस । एखर अलावा, जैसे-जैसे पेड़ों के संख्या बढ़त हवय, एट्रिब्यूट के पूरा सेट के उपयोग रैंडम वन के भीतर करे जात हवय , जेहर बायोमेडिकल डोमेन म दिलचस्प नी हो सकत हवय । एखर अतिरिक्त, डेटासेट-घनत्व-आधारित मीट्रिक जेहर इहां प्रस्तावित करे गए हवय, वे निर्णय पेड़ों म वीसी आयाम के कुछु पहलुओं ल कैप्चर करत हंवय अउ कम घनत्व डेटासेट के आवश्यकता हो सकत हवय जबकि विपरीत घलो सच प्रतीत होत हवय। |
4cbadc5f4afe9ac178fd14a6875ef1956a528313 | पिछले कई बरस के दौरान प्रौद्योगिकी में प्रगति हर छोटे सेंसर नोड्स बर इंटरनेट के शेष के साथ वायरलेस संचार करना संभव बना दिस हवय। ए उपलब्धि के साथ ए तरह के आईपी-सक्षम वायरलेस सेंसर नेटवर्क (आईपी-डब्ल्यूएसएन) के सुरक्षा के सवाल उभरा अउ तब ले एक महत्वपूर्ण शोध विषय रहा हवय। इ थीसिस में हम कन्टीकी ऑपरेटिंग सिस्टम बर पूर्व-साझा कुंजी सिफर सूट (टीएलएस पीएसके एईएस 128 सीसीएम 8) के उपयोग करके टीएलएस अउ डीटीएलएस प्रोटोकॉल के अपन कार्यान्वयन के चर्चा करत हंवय । कन्टीकी ओएस द्वारा समर्थित प्रोटोकॉल के सेट में एकठन नवा प्रोटोकॉल जोड़ने के अलावा, ए परियोजना हमन ल एहर मूल्यांकन करे के अनुमति देत हवय कि आईपी-डब्ल्यूएसएन बर ट्रांसपोर्ट-लेयर सुरक्षा अउ पूर्व-साझा कुंजी प्रबंधन योजनाएं कितनी उपयुक्त हवयं। |
0ab99aa04e3a8340a7552355fb547374a5604b24 | कईठन नैदानिक कार्मन के असामान्यतामन के पता लगाए बर , अउ समय के साथ माप अउ म पर परिवर्तन के मात्रा निर्धारित करे बर प्रारंभिक खोज प्रक्रिया के आवश्यकता होत हवय । कम्प्यूटरीकृत उपकरण, विशेष रूप ले छवि विश्लेषण अउ मशीन लर्निंग, निदान के बेहतर करे बर प्रमुख सक्षमकर्ता हवयं, जेहर निष्कर्षों के पहचान करे के सुविधा प्रदान करत हंवय जेमनला उपचार के आवश्यकता होत हवय अउ विशेषज्ञ के वर्कफ़्लो के समर्थन करना होत हवय । इ उपकरणों के बीच, गहरी शिक्षा तेजी ले अत्याधुनिक नींव साबित होत हवय, जेखरकारण बेहतर सटीकता होत हवय। एहर डेटा विश्लेषण म नवा सीमा के घलो खोलिस हवय जेहर प्रगति के दर के साथ पहिली अनुभव नी करे गय हवय । डी ईईपी लर्निंग सामान्य डेटा विश्लेषण में एक बढ़ते चलन हवय अउ एला 2013 के 10 सफलता प्रौद्योगिकिमन में ले एक कहा जात हवय । [1] गहरी शिक्षा कृत्रिम तंत्रिका नेटवर्क के एकठन सुधार हवय, जेमा ज्यादा लेयर शामिल हवयं जेहर उच्च स्तर के अमूर्तता अउ डेटा ले बेहतर भविष्यवाणियां के अनुमति देत हवयं । आज तक, ए सामान्य इमेजिंग अउ कंप्यूटर विजन डोमेन में प्रमुख मशीन-लर्निंग उपकरण के रूप में उभरा हवय। विशेष रूप ले, कन्वोल्यूशनल न्यूरल नेटवर्क (सीएनएन) कंप्यूटर दृष्टि कार्यमन के एक विस्तृत श्रृंखला बर शक्तिशाली उपकरण साबित होए हंवय । डीप सीएनएन स्वचालित रूप ले कच्चे डेटा (उदाहरण बर , छवियों) ले प्राप्त मिड-लेवल अउ उच्च-लेवल अमूर्त सीखते हवय। हालिया म परिणाम इंगित करत हंवय कि सीएनएन ले निकाले गए जेनेरिक डिस्क्रिप्टर्स प्राकृतिक छवियों में वस्तु मान्यता अउ स्थानीयकरण में बेहद प्रभावी हंवय । दुनिया भर म चिकित्सा छवि विश्लेषण समूह तेजी ले क्षेत्र म प्रवेश करत हंवय अउ सीएनएन अउ आने गहन सीखने के तरीकामन ल कईठन प्रकार के अनुप्रयोगमन म लागू करत हंवय । आश्वासन देहे वाले परिणाम उभरत हवय। चिकित्सा इमेजिंग में, रोग के सटीक निदान अउ / या मूल्यांकन छवि अधिग्रहण अउ छवि व्याख्या दुनो म निर्भर करत हवय । हाल के वर्षों म छवि अधिग्रहण म काफी सुधार होइस हवय, तेजी ले दरों अउ बढ़ी होइस रिज़ॉल्यूशन म डेटा प्राप्त करे वाले उपकरणों के साथ। हालांकि, छवि व्याख्या प्रक्रिया, हाल ही में कंप्यूटर प्रौद्योगिकी ले लाभान्वित होए बर शुरू होइस हवय। अधिकांश चिकित्सा छवियों के व्याख्या चिकित्समन से करे जात हवय; हालांकि, मनखेमन द्वारा छवि व्याख्या एखर व्यक्तिपरकता, दुभाषियों म बडखा भिन्नता, अउ थकान के कारण सीमित हवय। |
5343b6d5c9f3a2c4d9648991162a6cc13c1c5e70 | अनसुपरवाइज्ड इमेज ट्रांसलेशन, जेखर उद्देश्य छवियों के दु स्वतंत्र सेटों के अनुवाद करना हवय, जोड़ी डेटा के बिना सही पत्राचार के खोज म चुनौती हवय। मौजूदा काम जेनरेटिव एडवर्सियल नेटवर्क्स (जीएएन) म आधारित हवय जेखरकारण अनुवादित छवियों के वितरण ल लक्ष्य सेट के वितरण ले अलग नी करे जा सकत हवय। हालांकि, ए तरह के सेट-स्तर बाधाएं उदाहरण-स्तर पत्राचार (जैसे। ऑब्जेक्ट ट्रांसफिगरेशन कार्य म संरेखित अर्थिक हिस्सा) । ए सीमा अक्सर गलत सकारात्मक म परिणाम देत हवय (उदा। ज्यामितीय या अर्थपूर्ण कलाकृतियां), अउ आगे मोड पतन समस्या तक जात हवय । उपरोक्त मुद्दों ल संबोधित करे बर, हम डीप अटेंशन जीएएन (डीए-जीएएन) द्वारा उदाहरण-स्तर छवि अनुवाद बर एकठन उपन्यास ढांचे के प्रस्ताव करत हंवय । ए तरह के एक डिजाइन डीए-जीएएन के दो ले ट ले नमूने के अनुवाद करे के काम ल एक उच्च संरचित लुप्त जगह में अनुवाद उदाहरणों में विभाजित करे के सक्षम बनाता हवय। विशेष रूप ले, हम संयुक्त रूप ले एक गहरी ध्यान एन्कोडर सीखते हवय, अउ उदाहरण-स्तर पत्राचार के परिणामस्वरूप सीखा उदाहरणों म भाग ले के खोज करे जा सकत हवय। इ प्रकार, सीमाओं का सेट-स्तर अउ उदाहरण-स्तर दोनों म शोषण करिस जा सकत हावे। कईठन राज्य-ऑफ-द-आर्ट के खिलाफ तुलना हमर दृष्टिकोण के श्रेष्ठता के प्रदर्शन करत हवय, अउ व्यापक अनुप्रयोग क्षमता, उदाहरण बर, पोज़ मॉर्फिंग, डेटा एग्मेंटेशन, आदि, डोमेन अनुवाद समस्या के सीमा ल धकेलता हवय। |
f1526054914997591ffdb8cd523bea219ce7a26e | ए साल मार्च म , अमेरिकन स्टैटिस्टिकल एसोसिएशन (एएसए) हर पी-मूल्य के सही उपयोग म एकठन बयान पोस्ट करिस , एकठन बढ़ती चिंता के जवाब म कि पी-मूल्य के उपयोग आमतौर म गलत तरीके ले अउ गलत व्याख्या करे जात हवय । हमर उद्देश्य एएसए द्वारा देहे गए ए चेतावनी के अनुवाद आंकड़ों म गहरा पृष्ठभूमि के बिना चिकित्समन अउ शोधकर्ताओं द्वारा आसानी ले समझे जा सकने वाली भाषा म करना हवय। एखर अलावा, हम पी-मूल्य के सीमाओं ल चित्रित करे के इरादा करत हंवय , इहां तक कि जब उपयोग अउ सही ढंग ले व्याख्या करे जात हवय , अउ उदाहरण के रूप म हाल ही म रिपोर्ट के गइस दुठन अध्ययनमन के उपयोग करके अध्ययन निष्कर्षमन के नैदानिक प्रासंगिकता म ज्यादा ध्यान आकर्षित करना। हम तर्क देत हवय कि पी-मूल्य अक्सर गलत समझा जात हवय। एक आम गलती ए कहना हवय कि पी <0.05 का मतलब हवय कि शून्य परिकल्पना गलत हवय, अउ पी ≥0.05 का मतलब हवय कि शून्य परिकल्पना सच हवय। 0.05 के पी-मूल्य के सही व्याख्या ए हवय कि यदि शून्य परिकल्पना वास्तव म सच हवय, तो एकठन समान या ज्यादा चरम म परिणाम समान नमूना म अध्ययन के दोहराए म 5% समय होही। दूसर शब्दों म, पी-मूल्य शून्य परिकल्पना के कारण डेटा के संभावना के बारे म सूचित करत हवय अउ दूसर तरीका नी हवय । पी-मूल्य ले संबंधित एक संभावित विकल्प विश्वास अंतराल (सीआई) हवय। ए प्रभाव के मात्रा अउ अनिश्चितता के बारे म अधिक जानकारी प्रदान करत हवय जेखर साथ ओ प्रभाव के अनुमान लगाय गय रहिस । हालांकि, पी-मूल्य के प्रतिस्थापित करे अउ वैज्ञानिक म परिणाम के गलत व्याख्या ल रोकने बर कोई जादू की गोली नी हवय। वैज्ञानिकमन अउ पाठकों ल समान रूप ले सांख्यिकीय परीक्षणों, पी-मूल्य अउ सीआई के सही, बारीक व्याख्या के साथ खुद ल परिचित करना चाहि । |
50ca90bc847694a7a2d9a291f0d903a15e408481 | हम कईठन डेटा मोडलिटी जैसे गहराई वीडियो, स्पष्ट मुद्रा अउ भाषण के आधार म मनखे इशारा मान्यता बर एकठन सामान्य दृष्टिकोण के प्रस्ताव करत हंवय । हमर प्रणाली म, प्रत्येक इशारा ल बड़े पैमाने म शरीर के गति अउ स्थानीय सूक्ष्म आंदोलनों म विघटित करे जात हवय जैसे हाथ के अभिव्यक्ति। कईठन पैमाने म सीखने के विचार ल समकालीन आयाम म घलो लागू करे जात हवय , जैसे कि एक इशारा ल विशेषता गति आवेगों, या गतिशील मुद्राओं के सेट के रूप म माना जात हवय । प्रत्येक मोडल ल पहीली छोटे स्थानिक-समय ब्लॉक म अलग-अलग संसाधित करे जात हवय , जहां भेदभावपूर्ण डेटा-विशिष्ट विशेषता या तो मैन्युअल रूप ले निकाले जात हवयं या सीखा जात हवयं। अंत म, हम बड़े पैमाने म सामयिक निर्भरता, डेटा संलयन अउ अंततः इशारा वर्गीकरण के मॉडलिंग बर एक आवर्ती तंत्रिका नेटवर्क के नियोजित करत हंवय । बहु-रूपी इशारा मान्यता डेटासेट म 2013 के चुनौती म हमर प्रयोग ले पता चले हवय कि कईठन स्थानिक अउ समय के पैमाने म कईठन तौर-तरीकों के उपयोग करे ले प्रदर्शन म एकठन महत्वपूर्ण वृद्धि होए ले मॉडल ल व्यक्तिगत वर्गीकरणकर्ता के त्रुटि के साथ-साथ अलग-अलग चैनल म शोर के क्षतिपूर्ति करे के अनुमति मिलथे। |
586d7b215d1174f01a1dc2f6abf6b2eb0f740ab6 | हम दुर्लभ विशेषता डिटेक्टर के पदानुक्रम ल सीखने बर एक अनियंत्रित विधि प्रस्तुत करत हंवय जेहर छोटे बदलाव अउ विरूपण बर अपरिवर्तनीय हंवय । परिणामी फीचर एक्सट्रैक्टर म कईठन कन्वल्यूशन फिल्टर होत हंवय , जेखर पाछू फीचर-पूलिंग परत होत हवय जेहर आसन्न विंडो के भीतर प्रत्येक फिल्टर आउटपुट के अधिकतम के गणना करत हवय, अउ पॉइंट-वाइज सिग्मोइड गैर-रैखिकता। पहली स्तर ले सुविधामन के पैच म एकठन ही एल्गोरिदम के प्रशिक्षण देके बडखा अउ ज्यादा अपरिवर्तनीय सुविधामन के एकठन दूसर स्तर प्राप्त करे जात हवय । इ सुविधाओं म एक पर्यवेक्षित वर्गीकरणकर्ता ल प्रशिक्षित करे म एमएनआईएसटी म 0.64% त्रुटि, अउ कैलिटेक 101 म 54% औसत मान्यता दर 30 प्रशिक्षण नमूने के साथ प्रति श्रेणी के साथ होत हवय। जबकि परिणामी वास्तुकला कन्वोल्यूशनल नेटवर्क के समान हवय, परत-बुद्धिमान अनसुइरवेज प्रशिक्षण प्रक्रिया अत्यधिक पैरामीटरकरण समस्या ल कम करत हवय जेहर विशुद्ध रूप ले पर्यवेक्षित सीखने के प्रक्रिया ल परेशान करत हवय, अउ बहुत कम लेबल प्रशिक्षण नमूने के साथ अच्छा प्रदर्शन प्रदान करत हवय । |
80bcfbb1a30149e636ff1a08aeb715dad6dd9285 | 0.15μm GaN HEMT प्रक्रिया प्रौद्योगिकी के उपयोग करके दु उच्च दक्षता के-बैंड पावर एम्पलीफायर MMIC के डिजाइन अउ प्रदर्शन प्रस्तुत करे गए हवय। 3 चरण संतुलित एम्पलीफायर बर मापा गए इन-फिक्स्चर निरंतर तरंग (सीडब्ल्यू) म परिणाम 30 जीएचजेड म 11 डब्ल्यू आउटपुट पावर अउ 30% पावर एडड दक्षता (पीएई) के प्रदर्शन करत हंवय । तीन चरण एकल-अंत डिजाइन 6W ले अधिक आउटपुट पावर अउ 34% पीएई तक के उत्पादन करत हवय। संतुलित अउ एकल-अंती एमएमआईसी बर मरहम का आकार क्रमशः 3.24 × 3.60 मिमी 2 अउ 1.74 × 3.24 मिमी 2 हवय। |
284de726e700a6c52f9f8fb9f3de4d4b0ff778bb | पुनरावर्ती तंत्रिका नेटवर्क (आरएनएन) गतिशील रूप ले बदलती अस्थायी जानकारी के उपयोग करे के क्षमता के कारण भाषण मान्यता बर स्वाभाविक रूप ले उपयुक्त हवयं। गहरे आरएनएन के तर्क दिए गए हवय कि विभिन्न समय ग्रैन्युलरिटीज म सामयिक संबंध ल मॉडल करे म सक्षम हवय, लेकिन गायब ग्रेडिएंट समस्या के सामना करे बर । इ पेपर में, हम ग्रिड एलएसटीएम ब्लॉक के उपयोग करके स्टैक्ड लॉन्ग शॉर्ट-टर्म मेमोरी (एलएसटीएम) आरएनएन के विस्तार करत हंवय जेहर गणना के न केवल समयावधि आयाम के साथ, बल्कि गहराई आयाम के साथ घलो तैयार करत हंवय , ताकि ए मुद्दे ल कम करे जा सके। एखर अलावा, हम गहराई आयाम ल अस्थायी एक म प्राथमिकता देत हावें ताकि गहराई आयाम अधिक अद्यतित जानकारी प्रदान कर सके, काबरके एखर आउटपुट वर्गीकरण बर उपयोग करिस जाही। हम इ मॉडल ल प्राथमिकता ग्रिड एलएसटीएम (पीजीएलएसटीएम) कहिथन। चार बडखा डेटासेट (एएमआई, एचकेयूएसटी, जीएएलई, अउ एमजीबी) म व्यापक प्रयोगों ले पता चलत हवय कि पीजीएलएसटीएम वैकल्पिक गहरे एलएसटीएम मॉडल ल बेहतर बनात हवय, 4% ले 7% सापेक्ष सुधार के साथ स्टैक्ड एलएसटीएम ल हरात हवय, अउ जम्मो डेटासेट म एक दिशात्मक मॉडल के बीच नवा बेंचमार्क प्राप्त करत हवय। |
Subsets and Splits