_id
stringlengths 40
40
| text
stringlengths 0
9.63k
|
|---|---|
d31798506874705f900e72203515abfaa9278409 | लेख इतिहास: 26 अगस्त 2007 प्राप्त होइस 7 मई 2008 ल संशोधित रूप म प्राप्त होइस 13 मई 2008 ल स्वीकार करे गइस |
6d96f946aaabc734af7fe3fc4454cf8547fcd5ed | |
1c26786513a0844c3a547118167452bed17abf5d | ट्रांसलिट्रेशन समस्या के संक्षिप्त परिचय प्रदान करे के बाद, अउ अरबी ले अंग्रेजी अनुवाद बर विशिष्ट कुछु मुद्दों ल उजागर करे के बाद, समस्या के गणना समाधान के रूप में एक तीन चरण एल्गोरिदम पेश करे जात हवय । एल्गोरिदम एक छिपे हुए मार्कोव मॉडल दृष्टिकोण म आधारित हवय, लेकिन ऑनलाइन डेटाबेस में उपलब्ध जानकारी के घलो लाभ उठाता हवय। एल्गोरिदम के मूल्यांकन करे जात हवय , अउ 80 प्रतिशत के करीब सटीकता प्राप्त करे बर दिखाया जात हवय । |
dbc82e5b8b17faec972e1d09c34ec9f9cd1a33ea | सामान्य ज्ञान तर्क म हमर शोध म, हमन पइस हवय कि विशेष रूप ले महत्वपूर्ण ज्ञान मानव लक्ष्मन के बारे म ज्ञान हवय । विशेष रूप ले इंटरफेस एजेंटों बर कॉमन्सेंस रीजनिंग लागू करे म , हमन ल उपयोगकर्ता के कार्मन ले लक्ष्मन के पहचानने के जरूरत हवय (योजना मान्यता), अउ कार्मन के अनुक्रम उत्पन्न करे के जरूरत हवय जेहर लक्ष्मन (योजना) के लागू करत हंवय । हमन ल अक्सर ओ स्थितियों के बारे म अधिक सामान्य प्रश्नों के उत्तर देहर की आवश्यकता होत हावे जेमे लक्ष्य होत हावे, जैसे कि कब अउ कहां एक विशेष लक्ष्य संभव हो सकत हावे, या एला प्राप्त करे बर कितना समय लग सकत हावे। कॉमन्सेंस ज्ञान अधिग्रहण म पिछले काम म, उपयोगकर्ताओं ले ए तरह के जानकारी बर सीधे पूछे गए हवय। हाल ही म, हालांकि, एक अउ दृष्टिकोण उभरा हवय- उपयोगकर्ताओं ल गेम खेलने बर लुभाए बर जहां ज्ञान प्रदान करना गेम म अच्छी तरह ले स्कोर करे के साधन हवय, इ प्रकार खिलाड़ियों ल प्रेरित करत हवय। इ दृष्टिकोण के लुईस वॉन आह अउ ओमनके सहकर्मिमन से पायनियर करे गए हवय, जेहर एला मानव गणना के रूप में संदर्भित करत हंवय । आम आम सहमति एक मजेदार, आत्मनिर्भर वेब-आधारित गेम हवय, जेहर दुनों ल रोजमर्रा के लक्ष्मन के बारे म सामान्य ज्ञान ल एकत्रित अउ मान्य करत हवय । ए टीवी गेम शो फैमिली फीड1 के संरचना म आधारित हवय । एक छोटे ले उपयोगकर्ता अध्ययन ले पता चले हवय कि उपयोगकर्ता गेम मज़ा पाते हवयं, ज्ञान के गुणवत्ता बहुत अच्छी हवय , अउ ज्ञान संग्रह के दर तेज हवय । एसीएम वर्गीकरणः एच.३.३ [सूचना भंडारण अउ पुनःप्राप्ति]: सूचना खोज अउ पुनर्प्राप्ति; आई.२.६ [कृत्रिम बुद्धि]: सीखना |
f8b1534b26c1a4a30d32aec408614ecff2412156 | |
4c479f8d18badb29ec6a2a49d6ca8e36d833fbe9 | अपन छोटे आकार के बावजूद, कोकसिक्स के कईठन महत्वपूर्ण कार्य हंवय । कईठन मांसपेशियों, लिगामेंट्स अउ कंधे बर सम्मिलन स्थल के साथ, ए इशियल ट्यूबरोसिटीज के साथ तिपाई के एक पैर के रूप म घलो काम करत हवय - जेहर बैठे स्थिति म एक व्यक्ति बर वजन लेय के समर्थन प्रदान करत हवय। कोकसिडिनिया (कोकसिक्स के क्षेत्र म दर्द) के घटना के सूचना नी दिए गए हवय, लेकिन कोकसिडिनिया विकसित करे के बढ़ते जोखिम ले जुड़े कारकों में मोटापा अउ महिला लिंग शामिल हवयं। ए लेख लक्सिडिनिया के शरीर रचना, फिजियोलॉजी अऊ इलाज के बारे म जानकारी देथे। परिणाम रूढ़िवादी उपचार 90% मामला म सफल होत हवय , अउ कईठन मामला चिकित्सा उपचार के बिना हल होत हवयं। अपवर्तक मामलों बर उपचारों म श्रोणि तल पुनर्वास, मैनुअल हेरफेर अउ मालिश, ट्रांसकटनस इलेक्ट्रिकल तंत्रिका उत्तेजना, मनोचिकित्सा, स्टेरॉयड इंजेक्शन, तंत्रिका ब्लॉक, रीढ़ के हड्डी उत्तेजना, अउ सर्जिकल प्रक्रियाएं शामिल हवयं। निष्कर्ष फिजियोथेरेपी, एर्गोनोमिक अनुकूलन, दवा, इंजेक्शन, अउ, संभवतः, मनोचिकित्सा के नियोजित एकठन बहु-विषयक दृष्टिकोण अपवर्तक लसिस्पी के दर्द वाले मरीजों म सफलता के सबले बडखा संभावना के ओर जात हवय । यद्यपि नवा शल्य चिकित्सा तकनीक उभरत हवय , एखर प्रभावकारिता ल स्थापित करे ले पहीली ज्यादा शोध के जरूरत हवय । |
0989bbd8c15f9aac24e8832327df560dc8ec5324 | लगभग छह दशमन म जब ले शोधकर्ता हर ओमनला बनाए के तरीकामन के पता लगाना शुरू करिस हवय , तब ले एक्सोस्केलेटन विज्ञान कथा के सामान ले लगभग वाणिज्यिक उत्पादों तक प्रगति करे हवय । जबकि एक्सोस्केलेटन विकास ले जुड़े अभी घलो कईठन चुनौतियां हंवय जिन्हें अभी तक पूरा नी करे गए हवय, क्षेत्र में प्रगति बहुत बडखा हवय। ए पेपर म, हमन इतिहास के समीक्षा करत हन अऊ निचले अंग के एक्सोस्केलेटन अऊ सक्रिय ऑर्थोसिस के अत्याधुनिक स्थिति के चरचा करत हन। हम साहित्य में वर्णित अधिकांश उपकरणमन बर हार्डवेयर, एक्ट्यूएशन, सेंसर, अउ नियंत्रण प्रणालिमन के डिजाइन अवलोकन प्रदान करत हंवय , अउ प्रमुख प्रगति के चर्चा के साथ समाप्त होत हवय अउ बाधाओं के अभी तक पार करे बर । |
4adffe0ebdda59d39e43d42a41e1b6f80164f07e | गैर-नकारात्मक मैट्रिक्स फैक्टराइजेशन (एनएमएफ) एक अनसुईवेज्ड लर्निंग विधि हवय जेहर छवि प्रसंस्करण अउ दस्तावेजों के अर्थ संबंधी विश्लेषण सहित कईठन अनुप्रयोगमन में उपयोगी हवय। ए पेपर सममित एनएमएफ (एसएनएमएफ) म केंद्रित हवय , जेहर एनएमएफ अपघटन के एकठन विशेष मामला हवय । ए समस्या बर सीधे स्तर 3 मूल रैखिक बीजगणित उपप्रोग्राम के उपयोग करके तीन समानांतर गुणक अद्यतन एल्गोरिदम विकसित करे गए हंवय । सबले पहीली, यूक्लिडियन धुरिहाी ल कम करके, एक गुणात्मक अद्यतन एल्गोरिदम प्रस्तावित करे जात हवय , अउ हल्के शर्तों के तहत एकर अभिसरण साबित करे जात हवय । एखर आधार म , हम आघू दु आने द्रुत समानांतर विधिमन के प्रस्ताव करत हंवय: α-SNMF अउ β-SNMF एल्गोरिदम। उन जम्मो ल लागू करना आसान हवय। ये एल्गोरिदम संभाव्यता क्लस्टरिंग बर लागू होत हंवय । हमन चेहरा छवि क्लस्टरिंग, दस्तावेज़ वर्गीकरण, अउ जीन अभिव्यक्ति म पैटर्न क्लस्टरिंग बर उंखर प्रभावकारिता के प्रदर्शन करत हंवय । |
2a4423b10725e54ad72f4f1fcf77db5bc835f0a6 | सांख्यिकीय यांत्रिकी (एक सीमित तापमान म तापीय संतुलन में स्वतंत्रता के कईठन डिग्री के साथ प्रणालिमन के व्यवहार) अउ बहु-परिवर्तनीय या संयोजक अनुकूलन (कईठन मापदंडों के आधार म एकठन दिए गए फ़ंक्शन के न्यूनतम ढूंढने) के बीच एकठन गहरा अउ उपयोगी कनेक्शन हवय । ठोस में एनीलिंग के साथ एक विस्तृत समानता बहुत बडखा अउ जटिल प्रणालिमन के गुणमन के अनुकूलन बर एकठन ढांचा प्रदान करत हवय । सांख्यिकीय यांत्रिकी के ए कनेक्शन नवा जानकारी ल उजागर करत हवय अउ पारंपरिक अनुकूलन समस्या अउ विधिमन म एक अपरिचित परिप्रेक्ष्य प्रदान करत हवय। |
dec997b20ebe2b867f68cc5c123d9cb9eafad6bb | गहरा तंत्रिका नेटवर्क ल प्रशिक्षित करे बर आम तौर म बडखा मात्रा म डेटा के आवश्यकता होत हवय अउ बहुत गणना गहन होत हवय। हम इहां देखात हंवय कि महंगे ग्रेडिएंट वंश प्रक्रिया के दरकिनार करना संभव हो सकत हवय अउ प्रशिक्षण डेटा के गुणमन ले सीधे तंत्रिका नेटवर्क के मापदंडों के व्युत्पन्न करना संभव हो सकत हवय। हम दिखाते हंवय कि अभिसरण करा, इनपुट के करा परतों बर ग्रेडिएंट वंश समीकरणमन के रैखिक बनइन जा सकत हवय अउ प्रत्येक वर्ग बर डेटा के सह-परिवर्तन ले संबंधित शोर के साथ स्थैतिक समीकरण बन सकत हवय। हम इ समीकरणमन के समाधानमन के वितरण के व्युत्पन्न करत हंवय अउ ए पता लगावथन कि ए एक पर्यवेक्षित मुख्य घटक विश्लेषण ले संबंधित हवय। हम इ परिणाममन ल एमएनआईएसटी, सीआईएफएआर 10 अउ सीआईएफएआर 100 छवि डेटासेट म लागू करत हंवय अउ पाते हंवय कि वास्तव में, हमर निष्कर्षमन के उपयोग करके पूर्व-प्रशिक्षित परतमन के प्रदर्शन समान आकार अउ आर्किटेक्चर के न्यूरल नेटवर्क के तुलना में तुलनीय या बेहतर प्रदर्शन करत हंवय । एखर अलावा, हमर पूर्व-प्रशिक्षित परतमन के गणना अक्सर प्रशिक्षण डेटा के एकठन अंश के उपयोग करके करे जा सकत हवय , सह-विपर्याप्त मैट्रिक्स के त्वरित अभिसरण के कारण। ए प्रकार, हमर निष्कर्ष इंगित करत हंवय कि हम प्रशिक्षण समय के कम कर सकत हंवय दुनों के केवल ग्रेडिएंट वंश बर उपयोग के जाने वाले डेटा के एकठन अंश के आवश्यकता होत हवय, अउ प्रशिक्षण के महंगे बैकप्रोपागरेशन चरण म परतों के समाप्त करके। एखर अतिरिक्त, ए निष्कर्ष आंशिक रूप ले गहरे तंत्रिका नेटवर्क के आंतरिक कार्य के स्पष्ट करत हंवय अउ हमन ल वर्गीकरण समस्या के कुछु चरणों बर गणितीय रूप ले इष्टतम समाधान के गणना करे के अनुमति देत हंवय , ए प्रकार कुशलतापूर्वक ए तरह के समस्यामन के हल करे के हमर क्षमता ल काफी बढ़ावा देत हवय । |
Subsets and Splits