_id
stringlengths 40
40
| text
stringlengths 0
9.75k
|
|---|---|
bdf67ee2a13931ca2d5eac458714ed98148d1b34 | एगो वास्तविक समय के घुसपैठ-जांच विशेषज्ञ प्रणाली के एगो मॉडल के वर्णन कैल गेल हई जे कंप्यूटर दुरुपयोग के तोड़-फोड़, पैठ आउर दोसर रूप के पता लगाबे में सक्षम छलई। मॉडल इ परिकल्पना पर आधारित हय कि सिस्टम के उपयोग के असामान्य पैटर्न के लिए सिस्टम के ऑडिट रिकॉर्ड के निगरानी करके सुरक्षा उल्लंघन के पता लगायल जा सको हय। मॉडल में मेट्रिक्स और सांख्यिकीय मॉडल के संदर्भ में वस्तु के संबंध में विषय के व्यवहार के प्रतिनिधित्व करे के लिए प्रोफाइल शामिल हय, और ऑडिट रिकॉर्ड से इ व्यवहार के बारे में ज्ञान प्राप्त करे और असामान्य व्यवहार के पता लगावे के लिए नियम हय। ई मॉडल कोनो विशेष प्रणाली, अनुप्रयोग वातावरण, सिस्टम के कमजोरियों, या घुसपैठ के प्रकार से स्वतंत्र हय, इ प्रकार सामान्य उद्देश्य के घुसपैठ-जांच विशेषज्ञ प्रणाली के लिए एक ढांचा प्रदान करो हय। |
eeb1a1e0cab8d809b5789d04418dc247dca956cc | ली, स्टोल्फो और मक पहले घुसपैठ के पता लगावे के लिए ज्ञान प्राप्त करे के लिए माइनिंग ऑडिट डेटा के लिए एसोसिएशन नियम और आवृत्ति एपिसोड के उपयोग के सूचना देले हई। फ़ज़ी लॉजिक के साथ एसोसिएशन नियम और आवृत्ति एपिसोड के एकीकरण घुसपैठ के पता लगावे के लिए अधिक अमूर्त और लचीले पैटर्न उत्पन्न कर सको हय, काहेकी घुसपैठ के पता लगावे में कई मात्रात्मक विशेषता शामिल हय और सुरक्षा स्वयं फजी हय। हम खनन फजी एसोसिएशन नियम के लिए पहले से रिपोर्ट कैल गेल एल्गोरिथ्म के एक संशोधन प्रस्तुत करई हई, फजी आवृत्ति एपिसोड के अवधारणा के परिभाषित करई हई, अउर खनन फजी आवृत्ति एपिसोड के लेल एगो मूल एल्गोरिथ्म प्रस्तुत करई हई। हम अन्य के तुलना में एक डेटा उदाहरण के अधिक योगदान करे से रोके के खातिर फजी एसोसिएशन नियम के खनन के प्रक्रिया में एक सामान्यीकरण चरण जोड़ई हई। हम फजी आवृत्ति एपिसोड के सीखय के लिए माइनिंग आवृत्ति एपिसोड के प्रक्रिया के भी संशोधित करो हय। प्रयोगात्मक परिणाम घुसपैठ के पता लगावे में धुंधला संघ नियम और धुंधली आवृत्ति एपिसोड के उपयोगिता के दर्शाबई हई। ड्राफ्ट: इंटरनेशनल जर्नल ऑफ इंटेलिजेंट सिस्टम्स, वॉल्यूम 15, नंबर में प्रकाशित अद्यतन संस्करण। I, अगस्त 2000 3 |
0b07f84c22ce01309981a02c23d5cd1770cad48b | तालिका विभाजन एगो तालिका के छोट भाग में विभाजित करई हई जेकरा एक दूसर से स्वतंत्र रूप से पहुँचाएल, संग्रहीत आउर रखरखाव कैल जा सकई हई। क्वेरी प्रदर्शन में सुधार के लेल अपन पारंपरिक उपयोग से, विभाजन रणनीति डेटाबेस सिस्टम के समग्र प्रबंधनीयता में सुधार के लेल एगो शक्तिशाली तंत्र में विकसित हो गेल हई। तालिका विभाजन डेटा लोडिंग, हटाने, बैकअप, सांख्यिकीय रखरखाव और भंडारण प्रावधान जैसे प्रशासनिक कार्यों को सरल करता है। क्वेरी भाषा एक्सटेंशन अब एप्लिकेशन अउर उपयोगकर्ता क्वेरी के निर्दिष्ट करे के अनुमति देई हई कि आगे के उपयोग के लेल ओकर परिणाम के कैसे विभाजित कैल जाए के चाहि। हालांकि, क्वेरी अनुकूलन तकनीक ने तालिका विभाजन के उपयोग और उपयोगकर्ता नियंत्रण में तेजी से प्रगति के साथ गति नहीं रखी है। हम विभाजन तालिका पर बहु-मार्ग जुड़ाव वाला एसक्यूएल क्वेरी के लेल कुशल योजना उत्पन्न करे के लेल नया तकनीक विकसित करके येई अंतर के संबोधित करई छियई। हमार तकनीक के नीचे से ऊपर क्वेरी ऑप्टिमाइज़र में आसानी से शामिल करे के लेल डिज़ाइन कैल गेल हई जे आज व्यापक उपयोग में हई। हम इ तकनीकों के पोस्टग्रेएसक्यूएल अनुकूलक में प्रोटोटाइप कर ले हली। एगो व्यापक मूल्यांकन से पता चलई हई कि कम अनुकूलन ओवरहेड के जौरे, हमर विभाजन-जागरूक अनुकूलन तकनीक, ऐसन योजना उत्पन्न करई हई जे वर्तमान अनुकूलक द्वारा उत्पादित योजना से परिमाण के एक क्रम बेहतर हो सकई हई। |
26d673f140807942313545489b38241c1f0401d0 | दुनिया में अउर हमर जीवन में डेटा के मात्रा लगातार बढ़ रहल हई अउर एकर कोई अंत न हई। वेका वर्कबेंच अत्याधुनिक मशीन लर्निंग एल्गोरिदम अउर डेटा पूर्व-प्रसंस्करण उपकरण के एगो संगठित संग्रह छलई। इ विधियन के साथ बातचीत करे के मूल तरीका कमांड लाइन से ओकरा लागू करनाई हई। हालांकि, डेटा अन्वेषण के लिए, वितरित कंप्यूटिंग प्लेटफार्मों पर बड़े पैमाने पर प्रयोग स्थापित करने के लिए, और स्ट्रीम किए गए डेटा प्रोसेसिंग के लिए कॉन्फ़िगरेशन डिजाइन करने के लिए सुविधाजनक इंटरैक्टिव ग्राफिकल यूजर इंटरफेस प्रदान किए जाते हैं। ई इंटरफेस प्रयोगात्मक डेटा खनन के लेल एगो उन्नत वातावरण बनाबई हई। वर्गीकरण व्यापक अनुप्रयोगों के साथ एक महत्वपूर्ण डेटा खनन तकनीक हय। ई विभिन्न प्रकार के डेटा के वर्गीकृत करई छई। ई पेपर REPTree, Simple Cart और RandomTree वर्गीकरण एल्गोरिदम के प्रदर्शन मूल्यांकन करे के लेल कैल गेल हई। पेपर में भारतीय समाचार के डेटासेट के संदर्भ में वर्गीकरणकर्ता REPTree, सिंपल कार्ट और रैंडम ट्री के तुलनात्मक मूल्यांकन करे के लेल निर्धारित कैल गेल हई ताकि सही सकारात्मक दर के अधिकतम कैल जा सके अउर गलत सकारात्मक दर के कम कैल जा सके। प्रसंस्करण के लेल वेका एपीआई के उपयोग कैल गेल रहई। भारतीय समाचार के डेटासेट पर पेपर में परिणाम इ भी दिखावो हय कि रैंडमट्री के दक्षता और सटीकता आरईपीट्री, और सिंपल कार्ट से अच्छा हय। कीवर्ड- सिंपल कार्ट, रैंडम ट्री, आरईपी ट्री, वेका, डब्ल्यूडब्ल्यूडब्ल्यू |
6e633b41d93051375ef9135102d54fa097dc8cf8 | हाल ही में "एन्सेम्बल लर्निंग" में बहुत रुचि रहल हई - ऐसन विधि जे कैगो वर्गीकरण उत्पन्न करई हई अउर उनकर परिणाम के एकत्रित करई हई। दो प्रसिद्ध विधियां वर्गीकरण के पेड़ के बढ़ावा देई हई (उदाहरण के लेल, शेपियर एट अल, 1998) अउर बैगिंग ब्रेमन (1996) । बढ़ावा देवे में, क्रमिक पेड़ पहिले के भविष्यवाणि द्वारा गलत तरीके से भविष्यवाणी कैल गेल बिंदु के अतिरिक्त वजन देवो हय। अंत में, भविष्यवाणिय के लिए एक भारित वोट लेवल गेलय हय। बैगिंग में, क्रमिक पेड़ पहिले के पेड़ पर निर्भर ना करई हई - प्रत्येक के डेटा सेट के बूटस्ट्रैप नमूना के उपयोग करके स्वतंत्र रूप से बनावल जाई छलई। अंत में, भविष्यवाणि के लिए एक साधारण बहुमत वोट लेवल गेलय हय। ब्रेमन (2001) यादृच्छिक वन के प्रस्ताव रखलई, जे बैगिंग में यादृच्छिकता के एगो अतिरिक्त परत जोड़ई हई। डेटा के एगो अलग बूटस्ट्रैप नमूना के उपयोग कैके प्रत्येक पेड़ के निर्माण करे के अलावा, यादृच्छिक वन वर्गीकरण चाहे प्रतिगमन पेड़ के निर्माण करे के तरीका के बदल देई छलई। मानक पेड़ में, प्रत्येक नोड के सभी चर के बीच सबसे अच्छा विभाजन के उपयोग करके विभाजित कैल जा हय। यादृच्छिक वन में, प्रत्येक नोड के उस नोड पर यादृच्छिक रूप से चुनल गेल भविष्यवाणि के उपसमुच्चय के बीच सर्वश्रेष्ठ के उपयोग करके विभाजित कैल जा हय। कुछ हद तक प्रतिसंवेदनशील रणनीति कई अन्य वर्गीकरणकर्ता के तुलना में बहुत अच्छा प्रदर्शन करे के लिए निकलेला हय, जेकरा मे भेदभाव विश्लेषण, समर्थन वेक्टर मशीन और तंत्रिका नेटवर्क शामिल हय, और ओवरफिटिंग के खिलाफ मजबूत हय (ब्रेमैन, 2001) । एकर अलावा, इ इ अर्थ में बहुत उपयोगकर्ता के अनुकूल हय कि एकर केवल दो पैरामीटर हय (प्रत्येक नोड पर यादृच्छिक उपसमुच्चय में चर के संख्या और वन में पेड़ के संख्या), और आमतौर पर ओकर मूल्यों के प्रति बहुत संवेदनशील नए होवो हय। रैंडम फ़ॉरेस्ट पैकेज ब्रेमैन और कटलर द्वारा फोर्ट्रान प्रोग्राम के लिए एक आर इंटरफ़ेस प्रदान करो हय (http://www.stat.berkeley.edu/ users/breiman/ पर उपलब्ध हय) । ई लेख आर फलन के उपयोग आउर विशेषता के बारे में एगो संक्षिप्त परिचय प्रदान करई हई। |
8cfe24108b7f73aa229be78f9108e752e8210c36 | यद्यपि डेटा माइनिंग के कुछ समय के लिए व्यवसाय के दुनिया में सफलतापूर्वक लागू कैल गेलय हय, एकर उपयोग उच्च शिक्षा में अभी भी अपेक्षाकृत नया हय, अर्थात, एकर उपयोग डेटा से नया और संभावित रूप से मूल्यवान ज्ञान के पहचान और निष्कर्षण के लिए कियल जा हय। डेटा माइनिंग के उपयोग करके उद्देश्य एक मॉडल विकसित करनाई रहई जोनमे छात्र के शैक्षणिक सफलता पर निष्कर्ष निकाले के लेल जा सकई छलई। 2010-2011 के शैक्षणिक वर्ष में तुज़ला विश्वविद्यालय, अर्थशास्त्र संकाय में, प्रथम वर्ष के छात्रों के बीच ग्रीष्मकालीन सेमेस्टर के दौरान आयोजित सर्वेक्षण से एकत्रित डेटा और नामांकन के दौरान लिए गए डेटा के उपयोग करके छात्रों के सफलता के भविष्यवाणी के दौरान डेटा माइनिंग के विभिन्न तरीकों और तकनीकों की तुलना की गई। परीक्षा में उत्तीर्ण अंक के साथ सफलता के मूल्यांकन कैल गेलय हल। छात्र के सामाजिक-जनसांख्यिकीय चर के प्रभाव, हाई स्कूल से प्राप्त परिणाम और प्रवेश परीक्षा से, और अध्ययन के प्रति दृष्टिकोण, जे सफलता के प्रभावित कर सको हय, सभे के जांच कियल गेलय हल। अध्ययन के प्रक्रिया से जुड़े चर के पहचान और मूल्यांकन के साथ, और नमूना के वृद्धि के साथ, भविष्य के जांच में, एक मॉडल तैयार करना संभव होतय जे उच्च शिक्षा में निर्णय समर्थन प्रणाली के विकास के लिए एक नींव के रूप में खड़ी होतय। |
cc5c84c1c876092e6506040cde7d2a5b9e9065ff | ई पेपर दो बहुत अलग अकादमिक संस्थानों में स्नातक और स्नातकोत्तर छात्रों के अकादमिक प्रदर्शन के भविष्यवाणी करे के लिए निर्णय वृक्ष और बेयसियन नेटवर्क एल्गोरिदम के सटीकता के तुलना करो हय: कैन थो विश्वविद्यालय (सीटीयू), वियतनाम में एक बड़ा राष्ट्रीय विश्वविद्यालय; और एशियाई प्रौद्योगिकी संस्थान (एआईटी), थाईलैंड में एक छोटा अंतरराष्ट्रीय स्नातकोत्तर संस्थान जे 86 अलग-अलग देश के छात्रों के आकर्षित करो हय। हालांकि इ दुन्नो छात्र आबादी के विविधता बहुत अलग हय, डेटा-माइनिंग उपकरण छात्र के प्रदर्शन के भविष्यवाणी करे के लिए समान स्तर के सटीकता प्राप्त करे में सक्षम हलय: क्रमशः CTU/AIT में 73/71% {फेल, उचित, अच्छा, बहुत अच्छा} और 94/93% {फेल, पास} के लिए। ई भविष्यवाणियां सीटीयू में असफल छात्रों के पहचान करे और उनका सहायता करे के लिए सबसे उपयोगी हय (64% सटीक), और एआईटी में छात्रवृत्ति के लिए बहुत अच्छा छात्रों के चयन करे के लिए (82% सटीक) । इ विश्लेषण में, निर्णय वृक्ष लगातार बायेसियन नेटवर्क के तुलना में 3-12% अधिक सटीक हलय। येई मामला के अध्ययन के परिणाम छात्र के प्रदर्शन के सटीक भविष्यवाणी करे के लेल तकनीक में अंतर्दृष्टि प्रदान करई हई, डेटा खनन एल्गोरिदम के सटीकता के तुलना करई हई, अउर खुला स्रोत उपकरण के परिपक्वता के प्रदर्शन करई छलई। |
9d0f09e343ebc9d5e896528273b79a1f13aa5c07 | |
2cb6d78e822ca7fd0e29670ec7e26e37ae3d3e8f | ई पेपर एगो उपन्यास कॉम्पैक्ट लो-टेम्परेचर कोफ़र्ड सिरेमिक (एलटीसीसी) बैंडपास फिल्टर (बीपीएफ) के विस्तृत स्टॉपबैंड अउर उच्च चयनात्मकता के जौरे प्रस्तुत करई हई। प्रस्तावित सर्किट में दो युग्मित λ<sub>g</sub>/4 ट्रांसमिशन-लाइन रेजोनेटर शामिल हय। तीसरा हार्मोनिक आवृत्ति पर संचरण शून्य (टीजेड) उत्पन्न करे के लिए एक उपन्यास भेदभावपूर्ण युग्मन योजना के प्राप्त करे के लिए एक विशेष युग्मन क्षेत्र के चयन कियल गलय हा। तंत्र के विश्लेषण कैल गेल हई अउर डिजाइन दिशानिर्देश के वर्णन कैल गेल हई। स्रोत-लोड युग्मन के पास पासबैंड के पास दो टीजेड और स्टॉपबैंड में एक उत्पन्न करे के लिए पेश कियल जा हय। इ प्रकार, व्यापक स्टॉपबैंड के अतिरिक्त सर्किट के बिना प्राप्त कैल जा सको हय। LTCC बहुपरत संरचनाओं के कारण, फ़िल्टर का आकार 0.058 λ <sub> g <sub> × 0.058 λ <sub> g <sub> × 0.011 λ <sub> g <sub>, या 2.63 मिमी × 2.61 मिमी × 0.5 मिमी है। प्रस्तावित डिजाइन के मान्य करे के लिए प्रदर्शित एलटीसीसी बीपीएफ के अनुकरण और मापा परिणाम प्रस्तुत कैल गेल हई। |
52c9eb70c55685b349126ed907e037f383673cf3 | हम ऐसन अवलोकन के आधार पर अमूर्त वेब सारांश के लेल एगो उपन्यास दृष्टिकोण प्रस्तावित करई हई कि समान URL के लेल सारांश सामग्री अउर संरचना दुनु में समान होई छलई। हम मौजूदा यूआरएल क्लस्टर के लाभ उठावो और प्रति क्लस्टर शब्द ग्राफ के निर्माण करो हय जे ज्ञात सारांश के जोड़ो हय जबकि यूआरएल-विशिष्ट विशेषता के हटावो हय। परिणामी टोपोलॉजी, यूआरएल विशेषता पर सशर्त, हमें डीकोडिंग चरण के रूप में सबसे कम लागत पथ खोज के उपयोग करके एक संरचित सीखने के कार्य के रूप में सारांश समस्या डाले के अनुमति देवो हय। बड़ी संख्या में यूआरएल क्लस्टर पर प्रारंभिक प्रयोगात्मक परिणाम से पता चलई हई कि ई दृष्टिकोण पहिले प्रस्तावित वेब सारांशक के बेहतर प्रदर्शन करे में सक्षम छलई। |
8947ca4949fc66eb65f863dfb825ebd90ab01772 | पाठ प्रसंस्करण में कैगो अनुप्रयोग के लेल या त बड़ दस्तावेज संग्रह के लेबल करे के लेल (सांख्यिकीय मॉडल के सीखते समय) चाहे ओकरा से नियम के अनुमान लगाबे के लेल (ज्ञान इंजीनियरिंग के उपयोग करते समय) महत्वपूर्ण मानव प्रयास के आवश्यकता होई हई। इ काम में, हम मशीन लर्निंग के पूरक करे के लिए स्वचालित रूप से खोजल गेल पाठ पैटर्न पर मानव तर्क के उपयोग करे वाला एक हाइब्रिड वर्गीकरण के निर्माण करके, विधि के सटीकता के बरकरार रखैत समय, इ प्रयास के कम करे के तरीका के वर्णन करो हय। एक मानक भावना-वर्गीकरण डेटासेट और वास्तविक ग्राहक प्रतिक्रिया डेटा के उपयोग करते हुए, हम प्रदर्शित करो हय कि परिणामी तकनीक के परिणामस्वरूप एक निश्चित वर्गीकरण सटीकता प्राप्त करे के लिए आवश्यक मानव प्रयास के महत्वपूर्ण कमी होवो हय। एकर अलावा, हाइब्रिड टेक्स्ट क्लासिफायर के परिणामस्वरूप मशीन-लर्निंग आधारित क्लासिफायर के तुलना में सटीकता में महत्वपूर्ण वृद्धि होवो हय जब लेबल कैल गेल डेटा के तुलनात्मक मात्रा के उपयोग कैल जा हय। |
563384a5aa6111610ac4939f645d1125a5a0ac7f | हाल के वर्षों में कानून प्रवर्तन, सुरक्षा अनुप्रयोगों या वीडियो अनुक्रमण जैसे विभिन्न क्षेत्रों में एकर कई अनुप्रयोगों के कारण लोगों के स्वचालित पहचान के बहुत ध्यान देल गेलय हय। चेहरा के पहचान करनाई स्वचालित लोग के पहचान करे के लेल एगो महत्वपूर्ण अउर बहुत चुनौतीपूर्ण तकनीक हई। आज तक, कोई तकनीक नए हय जे सभी स्थितियों और विभिन्न अनुप्रयोगों के लिए एक मजबूत समाधान प्रदान करो हय जे चेहरे के पहचान से मिल सको हय। सामान्य तौर पर, हम ई सुनिश्चित कर सकऽ हिअइ कि चेहरा के पहचान के प्रणाली के प्रदर्शन के निर्धारण विशेषण वेक्टर के ठीक से कैसे निकाले के हइ आउ ओकरा सही ढंग से समूह में वर्गीकृत करे के हइ। येहिलेल, ई आवश्यक हई कि हम फीचर एक्सट्रैक्टर अउर क्लासिफायर के बारीकी से जांच करई। ई पेपर में, सिद्धांत घटक विश्लेषण (पीसीए) के उपयोग फीचर एक्सट्रैक्टर में महत्वपूर्ण भूमिका निभाने के लेल कैल जाई हई अउर एसवीएम के उपयोग चेहरा के पहचान समस्या से निपटे के लेल कैल जाई छलई। पैटर्न मान्यता के लेल एगो नया वर्गीकरणकर्ता के रूप में समर्थन वेक्टर मशीन (एसवीएम) के हाल ही में प्रस्तावित कैल गेल हई। हम कैम्ब्रिज ओआरएल फेस डेटाबेस पर एसवीएम के क्षमता के चित्रित करई हई, जोनमे 40 व्यक्ति के 400 छवि शामिल हई, जोनमे अभिव्यक्ति, मुद्रा अउर चेहरा के विवरण में काफी उच्च डिग्री के भिन्नता होई हई। उपयोग कैल गेल एसवीएम में रैखिक (एलएसवीएम), बहुपद (पीएसवीएम), अउर रेडियल बेस फंक्शन (आरबीएफएसवीएम) एसवीएम शामिल रहई। हम प्रयोगात्मक साक्ष्य प्रदान करई हई जे देखबई हई कि ओआरएल फेस डेटासेट पर बहुपद अउर रेडियल बेस फंक्शन (आरबीएफ) एसवीएम रैखिक एसवीएम के तुलना में बेहतर प्रदर्शन करई हई जब दुनु के उपयोग एगो के जौरे कैल जाई हई। हम बहु-परत धारणा (एमएलपी) वर्गीकरण मानदंड के उपयोग करके मानक स्वयं-चेहरा दृष्टिकोण के साथ एसवीएम आधारित मान्यता के तुलना कलकई। |
47daf9cc8fb15b3a4b7c3db4498d29a5a8b84c22 | 3 डी ऑब्जेक्ट वर्गीकरण कंप्यूटर विजन में एक गैर-तुच्छ कार्य हय जे कई वास्तविक दुनिया के अनुप्रयोग के शामिल करो हय। हम बहु-दृश्य 2 डी छवियों से उपस्थिति विकास के सीखना के रूप में 3 डी बहुभुज मेषों के वर्गीकृत करे के समस्या प्रस्तुत करो हय। 3 डी बहुभुज मेष के एक कोरपस के देखते हुए, हम पहले एक समान क्षेत्र पर कई दृष्टिकोणों से संबंधित आरजीबी और गहराई छवियों को प्रस्तुत करते हैं। रैंक पूलिंग के उपयोग करके, हम 2 डी दृश्य के उपस्थिति विकास के सीखने के लिए दो विधियों के प्रस्तावित करते हैं। सबसे पहले, हम रेंडर कैल गेल आरजीबी-डी छवियों के उपयोग करते हुए एक गहरे संवहन तंत्रिका नेटवर्क (सीएनएन) के आधार पर दृश्य-अपरिवर्तनीय मॉडल के प्रशिक्षित करो हय और पहले पूरी तरह से जुडल परत सक्रियण के रैंक करे के सीखो हय और, इ प्रकार, इ निकाले गेल सुविधा के विकास के कैप्चर करो हय। इ प्रक्रिया के दौरान सीखल गेल पैरामीटर के 3 डी आकार प्रतिनिधित्व के रूप में उपयोग कैल जाई छलई। दोसर विधि में, हम रेंडर कैल गेल आरजीबी-डी छवियों के सीधे रैंकिंग मशीन के उपयोग करके शुरू से ही विचारों के एकत्रीकरण सीखई हई, जे संचयी 2 डी छवियों के उत्पादन करई हई जेकरा हम ``3 डी आकार छवियां के रूप में संदर्भित करई छियई। " फेर हम आरजीबी अउर गहराई दुनहु के लेल ई उपन्यास आकार प्रतिनिधित्व पर सीएनएन मॉडल सीखई हई जे बहुभुज के प्रमुख ज्यामितीय संरचना के एन्कोड करई हई। मॉडलनेट40 और मॉडलनेट10 डेटासेट पर प्रयोग से पता चलई हई कि प्रस्तावित विधि लगातार 3 डी आकार मान्यता में मौजूदा अत्याधुनिक एल्गोरिदम के बेहतर करई हई। |
58156d27f80ee450ba43651a780ebd829b70c363 | कर्नेल मॉनिटरिंग और सुरक्षा पर पिछला शोध व्यापक रूप से उच्च विशेषाधिकार प्राप्त सिस्टम घटकों पर निर्भर करो हय, जैसे कि हार्डवेयर वर्चुअलाइजेशन एक्सटेंशन, संभावित कर्नेल हमलों से सुरक्षा उपकरण के अलग करे के लिए। ई दृष्टिकोण विशेषाधिकार प्राप्त सिस्टम घटक के रखरखाव प्रयास अउर कोड आधार आकार दुनु के बढ़ाबई हई, जे परिणामस्वरूप सुरक्षा कमजोरिय के जोखिम के बढ़ाबई हई। एसकेईई, जे सिक्योर कर्नेल लेवल एक्जीक्यूशन एनवायरनमेंट के लेल हई, ई मौलिक समस्या के समाधान करई हई। SKEE एक उपन्यास प्रणाली हय जे कर्नेल के समान विशेषाधिकार स्तर पर एक अलग हल्के निष्पादन वातावरण प्रदान करो हय। SKEE के कमोडिटी ARM प्लेटफार्मों के लिए डिज़ाइन कियल गलय हा। एकर मुख्य लक्ष्य उच्च विशेषाधिकार वाला सॉफ्टवेयर के सक्रिय भागीदारी के बिना कर्नेल के सुरक्षित निगरानी और सुरक्षा के अनुमति देनाई हई। अलगाव के गारंटी के लिए एसकेईई उपन्यास तकनीकों के एक सेट प्रदान करो हय। ई एगो संरक्षित पता स्थान बनाव हई जे कर्नेल के लेल सुलभ न हई, जे हासिल करनाई चुनौतीपूर्ण हई जब कर्नेल अउर अलगावित वातावरण दुनु एके विशेषाधिकार स्तर साझा करई हई। SKEE कर्नेल के अपन मेमोरी ट्रांसलेशन टेबल के प्रबंधन करे से रोके के द्वारा इ चुनौती के हल करो हय। येहिलेल, सिस्टम के मेमोरी लेआउट के संशोधित करे के लेल कर्नेल के एसकेईई में स्विच करे के लेल मजबूर कैल जाई हई। बदले में, SKEE यह सत्यापित करो हय कि अनुरोधित संशोधन संरक्षित पता स्थान के अलगाव से समझौता नए करो हय। ओएस कर्नेल से एसकेईई में स्विच करनाई विशेष रूप से एक अच्छी तरह से नियंत्रित स्विच गेट से गुजरई हई। ई स्विच गेट के ध्यान से डिज़ाइन कैल गेल हई ताकि एकर निष्पादन अनुक्रम परमाणु अउर निर्धारक हो। इ गुण संयुक्त गारंटी हय कि एक संभावित रूप से समझौता कैल गेलय कर्नेल अलगाव के समझौता करे के लिए स्विचिंग अनुक्रम के शोषण नए कर सको हय। यदि कर्नेल इ गुण के उल्लंघन करे के प्रयास करो हय, तओ इ संरक्षित पता स्थान के उजागर कैले बिना सिस्टम के विफल करे के कारण बनो हय। एसकेईई पूरी ओएस मेमोरी के एक्सेस अनुमतियों के विशेष रूप से नियंत्रित करो हय। येहिलेल, ई हमला के रोकई हई जे कर्नेल में असत्यापित कोड के इंजेक्ट करे के प्रयास करई हई। एकरा अलावा, विभिन्न घुसपैठ के पता लगावे और अखंडता सत्यापन उपकरण के समर्थन करे के खातिर अन्य सिस्टम घटना के इंटरसेप्ट करे के लेल एकरा आसानी से बढ़ाएल जा सकई हई। ई पेपर एगो एसकेईई प्रोटोटाइप प्रस्तुत करई हई जे 32-बिट एआरएमवी 7 अउर 64-बिट एआरएमवी 8 आर्किटेक्चर दुनु पर चलई हई। प्रदर्शन मूल्यांकन परिणाम से पता चलई हई कि एसकेईई वास्तविक दुनिया के प्रणालि के लेल एगो व्यावहारिक समाधान छलई। ई लेखक लोग ई काम में बराबर योगदान देलखिन |
698902ce1a836d353d4ff955c826095e28506e05 | |
da09bc42bbf5421b119abea92716186a1ca3f02f | हम एगो नया प्रकार के पहचान-आधारित एन्क्रिप्शन (आईबीई) योजना के परिचय देली जेकरा हम फजी पहचान-आधारित एन्क्रिप्शन कहली। फ़ज़ी आईबीई में हम एगो पहचान के वर्णनात्मक विशेषता के सेट के रूप में देखई छियई। एक फ़ज़ी आईबीई योजना एक पहचान, ω के लिए एक निजी कुंजी के लिए अनुमति देती है, एक पहचान, ω′ के साथ एन्क्रिप्टेड एक सिफरटेक्स्ट को डिक्रिप्ट करने के लिए, यदि और केवल यदि पहचान ω और ω′ एक दूसरे के करीब हैं जैसा कि सेट ओवरलैप दूरी मीट्रिक द्वारा मापा जाता है। पहचान के रूप में बायोमेट्रिक इनपुट के उपयोग करके एन्क्रिप्शन के सक्षम करे के लेल एगो फजी आईबीई योजना के लागू कैल जा सकई हई; एगो फजी आईबीई योजना के त्रुटि-सहिष्णुता संपत्ति ठीक ओई चीज हई जे बायोमेट्रिक पहचान के उपयोग के अनुमति देई हई, जोनमे प्रत्येक बेर जब उनकर नमूना लेल जाई हई त कुछ शोर होतई। एकरा अतिरिक्त, हम देखबई कि फजी-आईबीई के उपयोग ऐसन प्रकार के अनुप्रयोग के लेल कैल जा सकई हई जेकरा हम "गुण-आधारित एन्क्रिप्शन" के रूप में संदर्भित करई छियई। इ पेपर में हम फजी आईबीई योजना के दो निर्माण प्रस्तुत करो हय। हमार रचना के कई विशेषता के तहत एगो संदेश के पहचान-आधारित एन्क्रिप्शन के रूप में देखल जा सकई हई जे एगो (अस्पष्ट) पहचान के निर्माण करई हई। हमर IBE योजना दुनहु त्रुटि-सहिष्णु हय और संयोग के हमलों के खिलाफ सुरक्षित हय। एकरा अलावा, हमर मूल संरचना यादृच्छिक भविष्यवाणिय के उपयोग ना करई हई। हम चयन-आईडी सुरक्षा मॉडल के तहत अपन योजना के सुरक्षा के साबित करई छी। |
b3baba6c34a2946b999cc0f6be6bb503d303073e | ई पेपर एगो संशोधित कोल्मोगोरोव-स्मिर्नोव (केएस) परीक्षण के आधार पर रिसीवर ऑपरेटिंग कैरेक्टरिस्टिक्स (आरओसी) वक्र के समकक्षता के एगो सरल, गैर-पैरामीटर और सामान्य परीक्षण के वर्णन करई हई। परीक्षण के आमतौर पर उपयोग कैल जाए वाला तकनीक जैसे कि आरओसी वक्र (एयूसी) के नीचे क्षेत्र और नीमैन-पीयरसन विधि के संबंध में वर्णित कैल गेल हई। हम पहिले ई समीक्षा करबई कि कैसे केएस परीक्षण के उपयोग शून्य परिकल्पना के परीक्षण करे के लेल कैल जाई हई कि वर्गीकरणकर्ता द्वारा भविष्यवाणी कैल गेल वर्ग लेबल यादृच्छिक से बेहतर ना छलई। फेर हम एगो अंतराल मैपिंग तकनीक के प्रस्ताव देई हई जे हमें शून्य परिकल्पना के परीक्षण करे के लेल दू केएस परीक्षण के उपयोग करे के अनुमति देई हई कि दू वर्गीकरणकर्ता के आरओसी वक्र हई जे समतुल्य छलई। हम प्रदर्शित करई हई कि ई परीक्षण विभिन्न आरओसी वक्र के भेदभाव करई हई जब एगो वक्र दूसर पर हावी होई हई अउर जब वक्र पार हो जाई हई अउर येहिलेल एयूसी द्वारा भेदभाव ना कैल जाई छलई। अंतराल मैपिंग तकनीक के उपयोग तब इ प्रदर्शित करे के लिए कियल जा हय कि, हालांकि एयूसी के अपन सीमाएं हय, इ वर्गीकरणकर्ता प्रदर्शन के एक मॉडल-स्वतंत्र और सुसंगत माप हो सको हय। |
090f4b588ba58c36a21eddd67ea33d59614480c1 | हमर दृष्टिकोण एगो उथले प्रवचन मॉडल पर निर्भर करई हई अउर एगो शाब्दिक ज्ञान आधार से प्राप्त एनिमेशन जानकारी पर। हम ई भी दिखावो कि कैसे स्थानीय संदर्भ के आधार पर निर्णय प्रक्रिया के उपयोग करके खंड और अनुनासिक सीमा के विश्वसनीय रूप से निर्धारित कैल जा सकई हई, जेकर प्रतिनिधित्व भाषण के हिस्सा टैग अउर संज्ञा खंड द्वारा कैल जाई हई। हम तब सरलीकरण प्रक्रिया के दौरान वाक्य रचना और प्रवचन के बीच होए वाला बातचीत के औपचारिक बनाबई हई। ई महत्वपूर्ण हई काहेकी एगो पाठ के व्यापक दर्शक के सुलभ बनावे में वाक्यविन्यास सरलीकरण के उपयोगिता के कमजोर कैल जा सकई हई यदि नया से लिखल पाठ में सामंजस्य के कमी छलई। हम वर्णन कर हई कि वाक्य क्रम, क्यू-वर्ड चयन, संदर्भित-अभिव्यक्ति पीढ़ी, निर्धारक विकल्प अउर सर्वनाम के उपयोग जैसन विभिन्न पीढ़ी के मुद्दा के कैसे हल कैल जा सकई हई ताकि वाक्यविन्यास सरलीकरण के दौरान संयोजक अउर अनाफोरिक सामंजस्यपूर्ण-संबंध के संरक्षित कैल जा सके। वाक्यविन्यास के सरलीकरण करे के लेल, हमरा विभिन्न प्राकृतिक भाषा प्रसंस्करण समस्या के संबोधित करे के पड़ल हई, जोनमे खंड अउर अनुनासिक पहचान अउर अनुलग्नक, सर्वनाम संकल्प अउर संदर्भित अभिव्यक्ति पीढ़ी शामिल छलई। हम प्रत्येक समस्या के हल करे के लिए अपन दृष्टिकोण के मूल्यांकन व्यक्तिगत रूप से करई हई, अउर अपन वाक्यविन्यास सरलीकरण प्रणाली के समग्र मूल्यांकन भी प्रस्तुत करई छलई। वाक्यविन्यास सरलीकरण कोनो पाठ के व्याकरणिक जटिलता के कम करे के प्रक्रिया हई, जबकि ओकर सूचना सामग्री अउर अर्थ के बरकरार रखई छलई। वाक्यविन्यास सरलीकरण के उद्देश्य मानव पाठकों के लिए पाठ के समझना या प्रोग्राम द्वारा प्रक्रिया के आसान बनाना हय। ई थीसिस में, हम वर्णन कर रहलिए ह कि कइसे वाक्यविन्यास के सरलकरण के प्राप्ति एगो उथले मजबूत विश्लेषण, हाथ से तैयार कैल गेलय सरलीकरण नियम के एगो छोट सेट अउर वाक्यविन्यास के पाठ के फिर से लिखे के प्रवचन-स्तर के पहलु के विस्तृत विश्लेषण के उपयोग कैके कैल जा सकई हई। हम सापेक्ष खंड, एपोसिशन, समन्वय और अधीनता के उपचार प्रदान करई छी। हम सापेक्ष खंड अउर अनुप्रस्थ अनुलग्नक के लेल उपन्यास तकनीक के प्रस्तुत करई छी। हमर तर्क ई हइ कि ई संलग्न निर्णय विशुद्ध रूप से वाक्यविन्यास संबंधी न हइ । |
a9a7168b5b45fcf63e7f8904f68f6a90f8062443 | |
6d7c6c8828c7ac91cc74a79fdc06b5783102a784 | ई लेख माइक्रोवेव विजन, पहिले सैटीमो, कंपनी के स्वास्थ्य से संबंधित अनुप्रयोग के ओर उन्मुख गतिविधि के बारे में एगो सिंहावलोकन देई हई। विशिष्ट अवशोषण दर (एसएआर) माप अउर आरएफ सुरक्षा के संदर्भ में मौजूदा उत्पाद के विस्तार से वर्णित कैल गेल हई। माइक्रोवेव के उपयोग करके स्तन पैथोलॉजी के पता लगावे के लिए एक नया इमेजिंग मोडलिटी के विकास के प्रगति के बारे में जल्द ही रिपोर्ट कैल जाई छलई। |
0c1a55e0e02c1dbf6cf363ec022ca17925586e16 | ट्रेस कैल गेलय ऑब्जेक्ट के पहचान वायु, सतह और उप-सतह (समुद्री) और भूमि वातावरण के लिए स्वचालित निगरानी और सूचना प्रणालि के एक प्रमुख क्षमता हय, जे स्थिति के जागरूकता में सुधार करो हय और परिचालन उपयोगकर्ताओं के निर्णय समर्थन प्रदान करो हय। बेयसियन-आधारित पहचान डेटा संयोजन प्रक्रिया (आईडीसीपी) विभिन्न स्रोत से अनिश्चित पहचान संकेत के संलयन के लेल एगो प्रभावी उपकरण प्रदान करई हई। प्रक्रिया के विन्यास के लेल एगो उपयोगकर्ता-उन्मुख दृष्टिकोण पेश कैल जाई हई, जे ऑपरेटर के अलग-अलग परिचालन परिदृश्य में बदलते पहचान आवश्यकता के लेल आईडीसीपी के अनुकूलित करे के सक्षम करई हई। संज्ञानात्मक मनोविज्ञान और निर्णय सिद्धांत के परिणाम के अनुप्रयोग बेयसियन डेटा के पुनर्प्राप्ति के लिए अच्छा पहुंच प्रदान करो हय और परिचालन विशेषज्ञ के लिए विन्यास के आसानी से संभव बनावो हय। |
2636bff7d3bdccf9b39c5e1e7d86a77690f1c07d | पुनरुद्धार शिक्षा (आरएल) में क्रेडिट असाइनमेंट के महत्वपूर्ण लेकिन चुनौतीपूर्ण समस्या से निपटे के लिए पुरस्कार आकार सबसे प्रभावी तरीकों में से एक हय। हालांकि, आकार देवे के कार्य के डिजाइन करे में आमतौर पर बहुत अधिक विशेषज्ञ ज्ञान और हाथ इंजीनियरिंग के आवश्यकता होवो हय, और हल करे के लिए कई समान कार्य के देखते हुए कठिनाइ के और बढ़ा देवल जा हय। इ पेपर में, हम कार्यों के वितरण पर इनाम के आकार देवे पर विचार करो हय, और नया नमूना कार्यों पर कुशल इनाम के आकार देवे के लिए स्वचालित रूप से एक सामान्य मेटा-लर्निंग फ्रेमवर्क के प्रस्ताव करो हय, केवल साझा राज्य स्थान के मानकर, लेकिन जरूरी नय कि कार्रवाई स्थान। हम पहले मॉडल-मुक्त आरएल में क्रेडिट असाइनमेंट के संदर्भ में सैद्धांतिक रूप से इष्टतम इनाम आकार के प्राप्त करते हैं। फेर हम इष्टतम इनाम बनावे के तरीका पर एगो प्रभावी पूर्व निकाले के लेल मूल्य-आधारित मेटा-लर्निंग एल्गोरिथ्म के प्रस्ताव रखई हई। पूर्व के सीधे नया कार्य पर लागू कैल जा सकई हई, चाहे कुछ ढाल अद्यतन के भीतर कार्य के हल करते समय कार्य-बाद के लेल अनुकूलित कैल जा सकई हई। हम विभिन्न सेटिंग्स में काफी बेहतर सीखने की दक्षता और व्याख्या योग्य विज़ुअलाइज़ेशन के माध्यम से अपने आकार के प्रभावशीलता के प्रदर्शन करते हैं, विशेष रूप से डीक्यूएन से डीडीपीजी में सफल स्थानांतरण सहित। |
0309ec1f0e139cc10090c4fefa08a83a2644530a | |
42771aede47980ae8eeebac246c7a8b941d11414 | हम व्यक्तिगत वेब खोज के बेहतर बनावे के लेल खोज परिणाम के विविधता के लेल विधि के प्रस्तुत अउर मूल्यांकन करई छलई। एगो सामान्य वैयक्तिकरण दृष्टिकोण में शीर्ष एन खोज परिणाम के फिर से रैंकिंग शामिल हई ताकि उपयोगकर्ता द्वारा पसंद कैल जाए वाला दस्तावेज के उच्चतर प्रस्तुत कैल जाए। पुनर्व्यवस्थापन के उपयोगिता आंशिक रूप से विचार कैल गेल परिणाम के संख्या और विविधता द्वारा सीमित हय। हम शीर्ष परिणाम के विविधता बढ़ावे के लेल अउर येई विधियन के प्रभावशीलता के मूल्यांकन करे के लेल तीन विधि के प्रस्ताव रखई छियई। |
22a8979b53315fad7f98781328cc0326b5147cca | एक कृत्रिम तंत्रिका नेटवर्क-आधारित संश्लेषण मॉडल के एकल-फीड परिपत्र-ध्रुवीकृत वर्ग माइक्रोस्ट्रिप एंटीना (सीपीएसएमए) के डिजाइन के लिए प्रस्तावित कियल गलय हा। प्रशिक्षण डेटा सेट प्राप्त करे के लिए, वर्ग माइक्रोस्ट्रिप एंटेना के अनुनाद आवृत्ति और क्यू-कारक के अनुभवजन्य सूत्रों द्वारा गणना कियल जा हय। फेर ट्रांक्विटेड कोनों के आकार और सबसे अच्छा अक्षीय अनुपात के साथे संचालन आवृत्ति प्राप्त कैल जा हय। लेवेनबर्ग-मार्क्वार्ड (एलएम) एल्गोरिथ्म के उपयोग करते हुए, एक सटीक संश्लेषण मॉडल प्राप्त करे के लिए तीन छिपी हुई परत वाला नेटवर्क प्रशिक्षित कियल जा हय। अंत में, एकर परिणाम के विद्युत चुम्बकीय अनुकरण और माप के साथ तुलना करके मॉडल के मान्य कैल जा हय। ई एंटीना इंजीनियर के सीधे एकल-फीड सीपीएसएमए के ट्रंक्टेड कॉर्नर के पैच भौतिक आयाम प्राप्त करे के लेल बेहद उपयोगी हई। |
93f962a46b24030bf4486a77b282f567529e7782 | ई पेपर एएनएसआईएस एचएफएसएस में 180 डिग्री रिंग हाइब्रिड कपलर के उपयोग कैके एक कॉम्पैक्ट और पावर-कुशल 5 गीगाहर्ट्ज इन-बैंड फुल-डुप्लेक्स (एफडी) डिज़ाइन प्रस्तुत करई हई। प्रस्तावित डिजाइन युग्मन से जुड़ल दू विकिरण एंटेना के बीच विनाशकारी हस्तक्षेप के लाभ उठाके 57dB के एक उत्कृष्ट अलगाव प्राप्त करो हय, जेकरा से आत्म-हस्तक्षेप में एक बड़ा कमी हो जा हय। डिजाइन निष्क्रिय हय और इ प्रकार अनुकूली चैनल अनुमान के लिए अतिरिक्त शक्ति आवश्यकता के पार कर जा हय। एकर अलावा, एकर वांछित संचालन आवृत्ति के लिए एक बहुत ही व्यावहारिक भौतिक आकार हय। प्रस्तावित एफडी डिजाइन इसलिए कॉम्पैक्ट और ऊर्जा-कुशल हय, जेकर उपयोग मोबाइल उपकरणों में कियल जा सको हय, जैसे कि सेल फोन या टैबलेट / फैबलेट उपकरण दुर्लभ आरएफ संसाधनों के अधिक लचीला और अधिक मात्रा के लिए। |
023cc7f9f3544436553df9548a7d0575bb309c2e | ई पत्र पाठ वर्गीकरण के लेल एगो सरल अउर कुशल आधार रेखा के पता लगाबई हई। हमार प्रयोग से पता चलई हई कि हमार तेज पाठ वर्गीकरणकर्ता फास्टटेक्स्ट सटीकता के संदर्भ में अक्सर गहरी सीखने के वर्गीकरणकर्ता के बराबर होई हई, अउर प्रशिक्षण अउर मूल्यांकन के लेल परिमाण के कई आदेश तेज होई छलई। हम एगो मानक मल्टीकोर सी पी यू के उपयोग करके दस मिनट से भी कम समय में एक बिलियन से अधिक शब्द पर फास्टटेक्स्ट के प्रशिक्षित कर सकई छी, और 312K वर्गों में से आधा मिलियन वाक्य के एक मिनट से भी कम समय में वर्गीकृत कर सकई छी। |
d80e7da055f9c25e29f732d0a829daf172eb1fa0 | ई लेख एगो व्यापक साहित्य समीक्षा के सारांश देई हई जे येई प्रश्न के संबोधित करई हई, हम स्वास्थ्य सेवा वितरण अउर संगठन में नवाचार के कैसे प्रसार अउर बनाए रख सकई हई? ई सामग्री (संगठन में नवाचार के प्रसार के परिभाषित करे और मापे के) और प्रक्रिया (साहित्य के व्यवस्थित और पुनरुत्पादित तरीका से समीक्षा करे) दोनों पर विचार करई हई। ई लेख में चर्चा कैल गेल हई (1) स्वास्थ्य सेवा संगठन में नवाचार के प्रसार पर विचार करे के लेल एगो मितव्ययी अउर साक्ष्य-आधारित मॉडल, (2) स्पष्ट ज्ञान अंतराल जहां आगे के शोध के ध्यान केंद्रित कैल जाए के चाहि, अउर (3) स्वास्थ्य सेवा नीति अउर प्रबंधन के व्यवस्थित रूप से समीक्षा के लेल एगो मजबूत अउर स्थानांतरित करे योग्य पद्धति। मॉडल और विधि दुनु के विभिन्न संदर्भ में व्यापक रूप से परीक्षण कैल जाए के चाहि। |
3343d1d78f2a14045b52b71428efaf43073d616d | उद्देश्य ऊर्जा-घन आहार के खपत से बढ़ल मोटापे के दर जोड़े गेल हई। हम जांच कयले कि का आहार ऊर्जा घनत्व मोटापा और संबंधित विकारों से जुड़ल हय जेकरा मे इंसुलिन प्रतिरोध और चयापचय सिंड्रोम शामिल हय। अनुसंधान डिजाइन और विधियाँ हम 1999-2002 राष्ट्रीय स्वास्थ्य और पोषण परीक्षा सर्वेक्षण (एन = 9,688) से > या =20 वर्ष के अमेरिकी वयस्कों के राष्ट्रीय रूप से प्रतिनिधि डेटा के उपयोग करके एक क्रॉस-सेक्शनल अध्ययन कलकई। आहार ऊर्जा घनत्व केवल खाद्य पदार्थों के आधार पर गणना कियल गलय हल। हम आहार ऊर्जा घनत्व, मोटापा माप (बीएमआई [किलोमीटर प्रति वर्ग मीटर में] और कमर परिधि [सेंटीमीटर में]) ग्लाइसीमिया, या इंसुलिनमिया के बीच स्वतंत्र संबंध निर्धारित करे के लेल बहुविकल्पी रैखिक प्रतिगमन मॉडल के एगो श्रृंखला के उपयोग कलई। हम राष्ट्रीय कोलेस्ट्रॉल और शिक्षा कार्यक्रम (वयस्क उपचार पैनल III) द्वारा परिभाषित आहार ऊर्जा घनत्व और चयापचय सिंड्रोम के बीच स्वतंत्र संबंध निर्धारित करे के लिए बहुविकल्पीय पॉसन प्रतिगमन मॉडल के उपयोग कैलकय। परिणाम आहार ऊर्जा घनत्व स्वतंत्र रूप से और महत्वपूर्ण रूप से महिलाओं में उच्च बीएमआई के साथ जुड़ा हुआ था (बीटा = 0. 44 [95% आईसी 0. 14 - 0. 73]) और पुरुषों में एक महत्वपूर्ण संघ के ओर रुझान (बीटा = 0. 37 [- 0. 007 से 0. 74], पी = 0. 054) । आहार ऊर्जा घनत्व महिला (बीटा = 1. 11 [0. 42- 1. 80]) और पुरुषों (बीटा = 1. 33 [0. 46- 2. 19]) में उच्च कमर परिधि के साथ जुड़ा हुआ था। आहार ऊर्जा घनत्व भी स्वतंत्र रूप से बढ़ल उपवास इंसुलिन (बीटा = 0. 65 [0. 18-1. 12]) और चयापचय सिंड्रोम (प्रचलन अनुपात = 1. 10 [95% आईसी 1. 03- 1. 17]) के साथ जुड़ल हलय। निष्कर्ष आहार ऊर्जा घनत्व मोटापा, उच्च उपवास इंसुलिन स्तर, और अमेरिकी वयस्कों में चयापचय सिंड्रोम के एक स्वतंत्र भविष्यवक्ता है। आहार ऊर्जा घनत्व के कम करे के लेल हस्तक्षेप अध्ययन उचित छलई। |
3e597e492c1ed6e7bbd539d5f2e5a6586c6074cd | अधिकांश तंत्रिका मशीन अनुवाद (एनएमटी) मॉडल क्रमिक एन्कोडर-डेकोडर ढांचे पर आधारित हय, जे वाक्यविन्यास संबंधी जानकारी के उपयोग नए करो हय। ई कागज में, हम स्रोत-पक्षवा के वाक्यविन्यास वृक्षवन के स्पष्ट रूपा से शामिल करके ई मॉडलवा में सुधार कर है। अधिक विशेष रूप से, हम प्रस्तावित करो हय (1) एक द्विदिश ट्री एन्कोडर जे अनुक्रमिक और पेड़ संरचित प्रतिनिधित्व दोनों के सीखो हय; (2) एक ट्री-कवरेज मॉडल जे ध्यान के स्रोत-पक्ष वाक्यविन्यास पर निर्भर करो हय। चीनी-अंग्रेजी अनुवाद पर प्रयोग से पता चलई हई कि हमर प्रस्तावित मॉडल अनुक्रमिक ध्यान मॉडल के जौरे-जौरे एगो मजबूत आधार रेखा के जौरे नीचे-ऊपर पेड़ एन्कोडर अउर शब्द कवरेज से बेहतर प्रदर्शन करई हई। |
4e88de2930a4435f737c3996287a90ff87b95c59 | समय के साथ अनुक्रम सूचना के संरक्षित करे के अपन बेहतर क्षमता के कारण, लॉन्ग शॉर्ट-टर्म मेमोरी (एलएसटीएम) नेटवर्क, एक प्रकार के आवर्ती तंत्रिका नेटवर्क जेकर एगो अधिक जटिल कम्प्यूटेशनल इकाई हई, विभिन्न प्रकार के अनुक्रम मॉडलिंग कार्य पर मजबूत परिणाम प्राप्त कैले हई। अब तक लास्ट स्टैंडर्ड ट्रेडिंग सिस्टम्स (एलएसटीएम) के एकमात्र अंतर्निहित संरचना के खोज कैल गेलय हय जे एक रैखिक श्रृंखला हय। हालांकि, प्राकृतिक भाषा में वाक्यविन्यास गुण प्रदर्शित होवो हय जे स्वाभाविक रूप से शब्द के वाक्यांश में जोड़ो हय। हम ट्री-एलएसटीएम, एलएसटीएम के ट्री-संरचित नेटवर्क टोपोलॉजी में सामान्यीकरण के परिचय देई हई। ट्रीएलएसटीएम दु कार्य पर सभी मौजूदा प्रणालियों और मजबूत एलएसटीएम आधार रेखाओं से बेहतर प्रदर्शन करो हय: दो वाक्यों के अर्थ संबंधी संबंध के भविष्यवाणी (सेमेवल 2014, कार्य 1) और भावना वर्गीकरण (स्टैनफोर्ड सेंटिमेंट ट्रीबैंक) । |
6411da05a0e6f3e38bcac0ce57c28038ff08081c | अर्थ संबंधी प्रतिनिधित्व के लंबे समय से अर्थ संरक्षण के लागू करे और मशीन अनुवाद विधियों के सामान्यीकरण प्रदर्शन में सुधार के लिए संभावित रूप से उपयोगी के रूप में तर्क देल गेल हई। ई काम में, हम स्रोत वाक्य के भविष्यवाणी-तर्क संरचना (यानी, शब्दार्थ-भूमिका प्रतिनिधित्व) के बारे में जानकारी के तंत्रिका मशीन अनुवाद में शामिल करे वाला पहिला व्यक्ति हई। हम वाक्य एन्कोडर में एगो अर्थ संबंधी पूर्वाग्रह के इंजेक्ट करे के लेल ग्राफ कन्वोल्यूशनल नेटवर्क (जीसीएन) के उपयोग करई हई अउर अंग्रेजी-जर्मन भाषा जोड़ी पर भाषाई-अज्ञेयवादी अउर सिंटैक्सवेयर संस्करण पर BLEU स्कोर में सुधार हासिल करई छलई। |
9f291ce2d0fc1d76206139a40a859283674d8f65 | एनकोडर-डेकोडर आर्किटेक्चर पर आधारित न्यूरल मशीन ट्रांसलेशन (एनएमटी) हाल ही में अत्याधुनिक प्रदर्शन प्राप्त करलो हय। शोधकर्ता साबित कैले हई कि स्रोत-पक्ष वाक्यांश संरचना के शामिल कैके शब्द स्तर के ध्यान के वाक्यांश स्तर के ध्यान तक विस्तारित कैके ध्यान मॉडल के बढ़ा सकई हई अउर आशाजनक सुधार प्राप्त कर सकई हई। हालाँकि, स्रोत वाक्य के सही ढंग से समझे के लेल महत्वपूर्ण शब्द निर्भरता हमेशा लगातार फैशन में ना होई हई (यानी, कभी-कभी ऊ बहुत दूर तक के दूरी पर रह सकऽ हइ । वाक्यांश संरचना स्पष्ट रूप से लंबा दूरी के निर्भरता के मॉडल करे के सबसे अच्छा तरीका ना हई। ई पेपर में हम NMT में स्रोत-पक्षीय लंबी दूरी के निर्भरता के शामिल करे के लेल एगो सरल लेकिन प्रभावी तरीका प्रस्तावित करई छियई। निर्भरता पेड़ पर आधारित हमर पद्धति प्रत्येक स्रोत राज्य के वैश्विक निर्भरता संरचना के साथ समृद्ध करो हय, जे स्रोत वाक्य के अंतर्निहित वाक्य रचना के बेहतर ढंग से पकड़ सको हय। चीनी-अंग्रेजी अउर अंग्रेजी-जापानी अनुवाद कार्य पर प्रयोग से पता चलई हई कि हमर प्रस्तावित विधि अत्याधुनिक एसएमटी अउर एनएमटी आधार रेखा के बेहतर प्रदर्शन करई हई। |
d12c173ea92fc33dc276d1da90dc72a660f7ea12 | लिंक्ड डेटा के मुख्य उद्देश्य लिंक अउर एकीकरण हई, अउर ई मूल्यांकन करे के लेल एगो प्रमुख कदम हई कि का ई लक्ष्य प्राप्त कैल गेल हई, लिंक्ड ओपन डेटा (एलओडी) क्लाउड डेटासेट के बीच सभे कनेक्शन के खोज करनाई हई। दो या दो से अधिक डेटासेट के बीच कनेक्टिविटी को सामान्य संस्थाओं, ट्रिपल, लिटेरल्स और स्कीमा एलिमेंट्स के माध्यम से प्राप्त किया जा सकता है, जबकि यूआरआई के बीच समकक्षता संबंधों के कारण अधिक कनेक्शन हो सकता है, जैसे owl:sameAs, owl:equivalentProperty और owl:equivalentClass, क्योंकि कई प्रकाशक ऐसे समकक्षता संबंधों का उपयोग करते हैं, यह घोषित करने के लिए कि उनके यूआरआई अन्य डेटासेट के यूआरआई के बराबर हैं। हालांकि, दो से अधिक डेटासेट के शामिल करे वाला कनेक्टिविटी माप (और सूचकांक) उपलब्ध नए हय, जे डेटासेट के संपूर्ण सामग्री (जैसे, संस्था, स्कीमा, ट्रिपल) या स्लाइस (जैसे, एक विशिष्ट इकाई के लिए ट्रिपल) के कवर करो हय, हालांकि ऊ कई वास्तविक दुनिया के कार्यों के लिए प्राथमिक महत्व के हो सको हय, जैसे कि सूचना संवर्धन, डेटासेट डिस्कवरी और अन्य। आम तौर पर, डेटासेट के बीच कनेक्शन ढूंढना एक आसान काम नय हय, काहेकी बड़ी संख्या में एलओडी डेटासेट हय और समकक्षता संबंध के पारगमन और सममित समापन के गणना कियल जाए के चाहि ताकि कनेक्शन गायब न हो। इ कारण से, हम स्केलेबल विधियों और एल्गोरिदम के परिचय देवो हय, (ए) समकक्षता संबंधों के लिए पारगमन और सममित समापन के गणना करे के लिए (काहेकी ऊ डेटासेट के बीच अधिक कनेक्शन उत्पन्न कर सको हय); (बी) समर्पित वैश्विक शब्दार्थ-जागरूक सूचकांक के निर्माण के लिए जे डेटासेट के संपूर्ण सामग्री के कवर करो हय; और (सी) दो या दो से अधिक डेटासेट के बीच कनेक्टिविटी के मापे के लिए। अंत में, हम प्रस्तावित दृष्टिकोण के गति के मूल्यांकन करई हई, जबकि हम दू अरब से अधिक तिगुना के लेल तुलनात्मक परिणाम के रिपोर्ट करई छियई। |
d6020bdf3b03f209174cbc8fb4ecbe6208eb9ff1 | हम पहले लेखक के शोध कैरियर पर एक पूर्वव्यापी प्रतिबिंब के साथ शुरू करो हय, जे बड़े पैमाने पर संगठनात्मक परिवर्तन के लिए सूचना प्रौद्योगिकी (आईटी) के निहितार्थ के बारे में शोध के लिए समर्पित हय। यद्यपि आईटी लंबे समय से संगठनात्मक परिवर्तन से जुड़ल हई, संगठन सिद्धांत में प्रौद्योगिकी के उपचार के हमर ऐतिहासिक समीक्षा ई दर्शाबई हई कि सिद्धांत विकास के पिछड़ेपन में संगठन के भौतिक पहलु केतना आसानी से गायब हो सकई हई। ई एगो दुर्भाग्यपूर्ण परिणाम हई काहेकी आईटी पहल के भौतिक विशेषता ओकरा दोसर संगठनात्मक परिवर्तन पहल से अलग करई हई। हमार उद्देश्य आईटी के प्रभाव के अध्ययन के लेल एकर गायब होए के कारण के पता लगाके आउर ऐसन विकल्प के पेशकश करके जेकर आईटी के महत्व अधिक केंद्रीय सैद्धांतिक भूमिका निभई हई, ओकर महत्व के बहाल करनाई हई। हम एगो सामाजिक-तकनीकी दृष्टिकोण के अपनाबई हई जे एगो सख्त सामाजिक-भौतिक दृष्टिकोण से अलग हई काहेकी हम भौतिक कलाकृतियों अउर उनकर उपयोग के सामाजिक संदर्भ के बीच स्वयंसिद्ध अंतर के संरक्षित करे चाहई हई। हमार विश्लेषण सामाजिक-तकनीकी परिप्रेक्ष्य के अनुरूप एगो संबंधपरक अवधारणा के रूप में "समर्थन" के अवधारणा के उपयोग करके आगे बढ़ई हई। फेर हम संगठनात्मक दिनचर्या सिद्धांत के विस्तार के प्रस्ताव रखई हई जे दिनचर्या के रूप में जानल जाए वाला उत्पादक प्रणाली में भौतिक कलाकृतियों के शामिल करई हई। आईटी के संगठनात्मक प्रभाव के अध्ययन में एक नया शोध फोकस के रूप में सामग्री के अपनाने में निहित कई चुनौतियों में से इ योगदान दू उदाहरण हय। |
7039b7c97bd0e59693f2dc4ed7b40e8790bf2746 | हम एगो तंत्रिका नेटवर्क मॉडल के वर्णन करई हई जे संयुक्त रूप से पाठ अउर ज्ञान आधार (केबी) संस्था के वितरित प्रतिनिधित्व के सीखई हई। KB में एगो पाठ देल गेल हई, हम अपन प्रस्तावित मॉडल के पाठ के लेल प्रासंगिक होए वाला संस्था के भविष्यवाणी करे के लेल प्रशिक्षित करई छियई। हमर मॉडल के डिज़ाइन विभिन्न एनएलपी कार्य के आसानी से संबोधित करे के क्षमता के साथ सामान्य रूप से डिज़ाइन कैल गेल हई। हम विकिपीडिया से निकालल पाठ के एगो बड़का समूह अउर ओकर इकाई एनोटेशन के उपयोग करके मॉडल के प्रशिक्षित करई छी। हम तीन महत्वपूर्ण एनएलपी कार्य (यानी, वाक्य पाठ समानता, इकाई लिंकिंग, और फैक्टोइड प्रश्न उत्तर) पर मॉडल के मूल्यांकन कलकई, जोनमे अनसुर्क्षित और पर्यवेक्षित सेटिंग्स दुनु शामिल छलई। नतीजतन, हम ई तीनों कार्य में अत्याधुनिक परिणाम प्राप्त कैले हई। आगे के अकादमिक शोध के लेल हमर कोड अउर प्रशिक्षित मॉडल सार्वजनिक रूप से उपलब्ध हई। |
42f75b297aed474599c8e598dd211a1999804138 | हम ऑटोक्लास के वर्णन करई हई, जे क्लासिकल मिश्रण मॉडल के आधार पर अनसुर्क्षित वर्गीकरण के एगो दृष्टिकोण हई, जे इष्टतम वर्ग के निर्धारित करे के लेल एगो बेयसन विधि द्वारा पूरक छलई। हम ऑटोक्लास प्रणाली के पीछे के गणित के एक मध्यम विस्तृत विवरण शामिल करते हैं। हम जोर देके कहई हई कि कोनो भी वर्तमान अनसुनीकृत वर्गीकरण प्रणाली अकेले संचालित होए पर अधिकतम उपयोगी परिणाम उत्पन्न ना कर सकई हई। ई डोमेन विशेषज्ञ अउर मॉडल स्पेस पर खोज करे वाला मशीन के बीच बातचीत हई, जे नया ज्ञान उत्पन्न करई हई। दुनहु डेटाबेस विश्लेषण कार्य में अद्वितीय जानकारी अउर क्षमता के लानई हई, अउर प्रत्येक दूसर के प्रभावशीलता के बढ़ाबई हई। हम जटिल वास्तविक दुनिया डेटाबेस के लिए ऑटोक्लास के कई अनुप्रयोगों के साथ इस बिंदु को चित्रित करते हैं, और परिणामी सफलताओं और विफलताओं का वर्णन करते हैं। 6.1 परिचयः ई अध्याय डेटाबेस से उपयोगी जानकारी निकाले के लेल स्वचालित वर्गीकरण कार्यक्रम (ऑटोक्लास) के उपयोग करे में हमर अनुभव के सारांश हई। ई ऊ सिद्धांत के रूपरेखा भी प्रदान करो हय जे सामान्य रूप से स्वचालित वर्गीकरण, और विशेष रूप से ऑटोक्लास के आधार बनावो हय। हम लेबल कैल गेल उदाहरण (जेकरा पर्यवेक्षित सीखना कहल जाई हई) से वर्ग विवरण के पीढ़ी के बजाय डेटा में वर्ग के स्वचालित खोज (कहियो-कहियो क्लस्टरिंग, चाहे अनसुर्क्षित सीखना कहल जाई हई) के समस्या से चिंतित छलई। कुछ अर्थ में, स्वचालित वर्गीकरण के उद्देश्य डेटा में "प्राकृतिक" वर्ग के खोज करना हय। ई वर्ग बुनियादी कारण-कारण तंत्र के प्रदर्शित करई हई जे कुछ मामला के बाकी के मामला के तुलना में एक दूसर के तरह देखाई देई हई। कारण संबंधी तंत्र डेटा में नमूना पूर्वाग्रह के रूप में उबाऊ हो सको हय, या डोमेन में कुछ प्रमुख नया खोज के फिर से शुरू कर सको हय। कभी-कभी, ई वर्ग क्षेत्र के विशेषज्ञ के लेल अच्छा तरह से जानल जाई रहई, लेकिन ऑटोक्लास के लेल अज्ञात, अउर दोसर समय |
32aea4c9fb9eb7cf2b6869efa83cf73420374628 | |
091778f43d947affb69dbccc2c3251abfa852ad2 | एगो सिमेंटिक फाइल सिस्टम एगो सूचना भंडारण प्रणाली हई जे फाइल प्रकार विशिष्ट ट्रांसड्यूसर के जौरे फाइल से स्वचालित रूप से विशेषता के निकालके सिस्टम के सामग्री के लेल लचीला सहयोगी पहुंच प्रदान करई हई। एसोसिएटिव एक्सेस मौजूदा ट्री-स्ट्रक्चर्ड फाइल सिस्टम प्रोटोकॉल के लिए एक रूढ़िवादी विस्तार द्वारा प्रदान कैल जा हय, और प्रोटोकॉल द्वारा जेकरा विशेष रूप से सामग्री-आधारित पहुंच के लिए डिज़ाइन कैल गेलय हय। एगो आभासी निर्देशिका के अवधारणा के पेश करके मौजूदा फाइल सिस्टम प्रोटोकॉल के जौरे संगतता प्रदान कैल जाई छलई। आभासी निर्देशिका नाम के क्वेरी के रूप में व्याख्या कियल जा हय, और इ प्रकार मौजूदा सॉफ़्टवेयर के साथ संगत तरीका से फ़ाइलों और निर्देशिका के लिए लचीली सहयोगी पहुंच प्रदान करो हय। फ़ाइल सिस्टम ऑब्जेक्ट के प्रमुख गुण के स्वचालित निष्कर्षण और अनुक्रमण द्वारा फ़ाइल सिस्टम सामग्री के लिए त्वरित विशेषता-आधारित पहुंच लागू कियल जा हय। फ़ाइलों और निर्देशिकाओं के स्वचालित अनुक्रमण के "सिमेंटिक" कहल जा हय काहेकी उपयोगकर्ता प्रोग्राम करे योग्य ट्रांसड्यूसर अनुक्रमण के लिए गुणों के निकाले के लिए अद्यतन फ़ाइल सिस्टम ऑब्जेक्ट के सिमेंटिक्स के बारे में जानकारी के उपयोग करो हय। एगो सिमेंटिक फाइल सिस्टम कार्यान्वयन से प्रायोगिक परिणाम येई थीसिस के समर्थन करई हई कि सिमेंटिक फाइल सिस्टम सूचना साझा करे अउर कमांड स्तर के प्रोग्रामिंग के लेल पारंपरिक ट्री स्ट्रक्चर्ड फाइल सिस्टम के तुलना में अधिक प्रभावी भंडारण अमूर्तता प्रस्तुत करई हई। |
096db7e8d2b209fb6dca9c7495ac84405c40e507 | पेपर में हम नॉननेगेटिव मैट्रिक्स फैक्टरिज़ेशन (एनएमएफ) के लिए नया वैकल्पिक न्यूनतम वर्ग (एएलएस) एल्गोरिदम अउर 3 डी नॉननेगेटिव टेंसर फैक्टरिज़ेशन (एनटीएफ) के लेल उनकर विस्तार प्रस्तुत करई हई जे शोर के उपस्थिति में मजबूत हई अउर कैगो संभावित अनुप्रयोग छलई, जोनमे मल्टी-वे ब्लाइंड सोर्स सेपरेशन (बीएसएस), मल्टी-सेंसर या मल्टी-डायमेंशनल डेटा विश्लेषण, अउर गैर-नकारात्मक तंत्रिका विरल कोडिंग शामिल छलई। हम स्थानीय लागत फ़ंक्शन के उपयोग करे के प्रस्ताव रखई हई जेकर समवर्ती चाहे अनुक्रमिक (एक से एक) न्यूनीकरण एगो बहुत सरल एएलएस एल्गोरिथ्म के तरफ ले जाई हई जे कुछ अल्पता बाधा के तहत एगो कम-निर्धारित (एगो सिस्टम जेकरा पास स्रोत से कम सेंसर होई हई) अउर अति-निर्धारित मॉडल दुनहु के लेल काम करई हई। व्यापक प्रयोगात्मक परिणाम विकसित एल्गोरिदम के वैधता अउर उच्च प्रदर्शन के पुष्टि करई हई, खासकर बहु-परत पदानुक्रमित एनएमएफ के उपयोग के जौरे। प्रस्तावित एल्गोरिथ्म के बहुआयामी दुर्लभ घटक विश्लेषण अउर चिकना घटक विश्लेषण के लेल विस्तार के भी प्रस्ताव कैल गेल हई। |
339888b357e780c6e80fc135ec48a14c3b524f7d | एगो ब्लूम फ़िल्टर एगो सेट के प्रतिनिधित्व करे के लेल एगो सरल स्थान-कुशल यादृच्छिक डेटा संरचना हई ताकि सदस्यता क्वेरी के समर्थन कैल जा सके। ब्लूम फ़िल्टर झूठे सकारात्मक के अनुमति देवो हय लेकिन जब त्रुटि के संभावना के नियंत्रित कियल जा हय तओ अंतरिक्ष बचत अक्सर इ कमी से अधिक होवो हय। 1970 के दशक के बाद से डेटाबेस अनुप्रयोग में ब्लूम फ़िल्टर के उपयोग कैल जा हय, लेकिन हाल के वर्षों में ऊ नेटवर्किंग साहित्य में लोकप्रिय होलय हा। ई पेपर के उद्देश्य एक एकीकृत गणितीय और व्यावहारिक ढांचा प्रदान करे के उद्देश्य से विभिन्न नेटवर्क समस्या में ब्लूम फिल्टर के उपयोग और संशोधित करे के तरीका के सर्वेक्षण करनाई हई, जेकरा समझल जाए के लेल अउर भविष्य के अनुप्रयोग में उनकर उपयोग के प्रोत्साहित करनाई छलई। |
dc3e8bea9ef0c9a2df20e4d11860203eaf795b6a | सामान्य पैदल चलै के दौरान उत्पन्न जमीनी प्रतिक्रिया बल के उपयोग हाल ही में समय के साथ देखल गेलय बल के पैटर्न के आधार पर व्यक्तियों के पहचान और/या वर्गीकृत करे के लिए कियल गलय हा। ऊर्ध्वाधर जमीन प्रतिक्रिया बल से निकालल जा सकई छई एगो विशेषता शरीर के द्रव्यमान छलई। इ एकल विशेषता के पहचान शक्ति अन्य अध्ययन के तुलना में तुलनीय हय जे बहु और अधिक जटिल विशेषता के उपयोग करो हय। ई अध्ययन पहचान में शरीर के द्रव्यमान के भूमिका के समझे में योगदान करो हय (1) ऊ सटीकता और सटीकता के मात्रात्मक रूप से जेकरा साथे शरीर के द्रव्यमान के प्राप्त कैल जा सको हय ऊर्ध्वाधर जमीन प्रतिक्रिया बल के उपयोग करके, (2) पैदल विश्लेषण के संबंध में पहले से अधिक आबादी के बीच शरीर के द्रव्यमान के वितरण के मात्रात्मक रूप से, और (3) कमजोर बायोमेट्रिक के रूप में शरीर के द्रव्यमान के उपयोग करे वाला प्रणालि के अपेक्षित पहचान क्षमता के मात्रात्मक रूप से। हमार परिणाम से पता चलई हई कि शरीर के द्रव्यमान के माप 1 किलोग्राम मानक विचलन से कम त्रुटि के साथ एक सेकंड के अंश में कैल जा सकई हई। |
1b2f2bb90fb08d0e02eabb152120dbf1d6e5837e | हम निरंतर शब्द प्रतिनिधित्व के गणना के लिए तंत्रिका-नेटवर्क-प्रेरित मॉडल के एक परिवार के प्रस्तुत करई हई, जे विशेष रूप से एकभाषी अउर बहुभाषी पाठ दुनु के शोषण के लेल डिज़ाइन कैल गेल हई। ई फ्रेमवर्क हमरा एम्बेडिंग के अनसुर्क्षित प्रशिक्षण करे के अनुमति देई हई जे सिंटेक्सिक अउर सिमेंटिक रचनात्मकता पर उच्च सटीकता प्रदर्शित करई हई, जौरे बहुभाषी सिमेंटिक समानता, अनसुर्क्षित फैशन में प्रशिक्षित पिछला मॉडल के तुलना में। हम ई भी दिखाबई हई कि शब्दार्थ समानता के लेल अनुकूलित ऐसन बहुभाषी एम्बेडिंग सांख्यिकीय मशीन अनुवाद के प्रदर्शन के बेहतर बना सकई हई कि ई कैसे शब्द के संभालई हई जे समानांतर डेटा में मौजूद ना छलई। |
396945dabf79f4a8bf36ca408a137d6e961306e7 | |
6010c2d8eb5b6c5da3463d0744203060bdcc07a7 | सैल्मन के जूँ, लेपेओफेथेरस साल्मोनिस (क्रॉययर, 1837) मछली के बाहरी परजीवी हय जे अटलांटिक सैल्मन के समुद्री खेती में महत्वपूर्ण आर्थिक नुकसान के कारण बनवो हय, साल्मो सालर लिनियस, 1758। मछली फार्म में एल. साल्मोनिस के नियंत्रण काफी हद तक एंटी-परजीवी दवा के साथ उपचार पर निर्भर करो हय। रासायनिक नियंत्रण से संबंधित एक समस्या प्रतिरोध के विकास के क्षमता हय, जे एल। साल्मोनिस में ऑर्गेनोफॉस्फेट, पाइरेथ्रोइड्स और एवर्मेक्टिन सहित कई दवा वर्गों के लिए दस्तावेज हय। एटीपी-बाइंडिंग कैसेट (एबीसी) जीन सुपरफैमिली सभे बायोटा में पाएल जाई हई अउर एकरा मे दवा इफ्लक्स ट्रांसपोर्टर के एगो श्रृंखला शामिल होई हई जे कैंसर अउर रोगजनकों के दवा प्रतिरोध प्रदान कर सकई छलई। एकर अलावा, कुछ एबीसी ट्रांसपोर्टर के कीटनाशक प्रतिरोध के प्रदान करे में शामिल होवे के मान्यता देल गेल हई। जबकि कई अध्ययन में एल. साल्मोनिस में एबीसी ट्रांसपोर्टर के जांच कैल गेल हई, येई प्रजाति के लेल एबीसी जीन परिवार के कोई व्यवस्थित विश्लेषण ना छलई। इ अध्ययन एल. साल्मोनिस में एबीसी जीन के एगो जीनोम-वाइड सर्वेक्षण प्रस्तुत करई हई, जेकरा लेल एल. साल्मोनिस जीनोम के होमॉलजी खोज के माध्यम से एबीसी सुपरफैमिली के सदस्य के पहचान कैल गेल रहई। एकर अलावा, एबीसी प्रोटीन के पहचान परजीवी के एक संदर्भ ट्रांसक्रिप्टोम में कियल गलय हल जे बहु-चरण आरएनए लाइब्रेरी के उच्च-प्रवाह आरएनए अनुक्रमण (आरएनए-सेक) द्वारा उत्पन्न कियल गलय हल। जीनोम अउर ट्रांसक्रिप्टोम दुनु के खोज कुल 33 जीन / ट्रांसक्रिप्ट के पहचान के अनुमति देलई, जे ABC प्रोटीन के लेल कोड करई हई, जोनमे से 3 केवल जीनोम में अउर 4 केवल ट्रांसक्रिप्टोम में प्रतिनिधित्व रहई। अठारह अनुक्रम के एबीसी उप-परिवार के सौंपल गेलय हल जेकरा मे दवा ट्रांसपोर्टर शामिल हय, अर्थात उप-परिवार बी (4 अनुक्रम), सी (11) और जी (2) परिणाम से पता चलई हई कि एल. साल्मोनिस के एबीसी जीन परिवार में अन्य आर्थ्रोपोड के लेल दर्ज कैल गेल सदस्य के तुलना में कम सदस्य छलई। एल. साल्मोनिस एबीसी जीन सुपरफैमिली के वर्तमान सर्वेक्षण सामन डिलुइजिंग एजेंट के विषाक्तता में एबीसी ट्रांसपोर्टर के संभावित भूमिका और दवा प्रतिरोध के संभावित तंत्र के रूप में आगे के शोध के आधार प्रदान करतय। |
4a3235a542f92929378a11f2df2e942fe5674c0e | ई पेपर अनसुपरवेटेड न्यूरल नेट आधारित घुसपैठ डिटेक्टर (यूएनएनआईडी) प्रणाली के परिचय देई हई, जे अनसुपरवेटेड न्यूरल नेटवर्क के उपयोग कैके नेटवर्क-आधारित घुसपैठ अउर हमला के पता लगाबई हई। प्रणाली में अनसुनीकृत जाल के प्रशिक्षण, परीक्षण और ट्यूनिंग के लिए सुविधाएं हय जेकरा घुसपैठ के पता लगावे में उपयोग कियल जा हय। सिस्टम के उपयोग करके, हम दो प्रकार के अनसुप्रवीण अनुकूली अनुनाद सिद्धांत (एआरटी) नेटवर्क (एआरटी -1 और एआरटी -2) के परीक्षण कैलकय। परिणाम के आधार पर, ऐसन नेटवर्क प्रभावी रूप से सामान्य और घुसपैठ के रूप में नेटवर्क ट्रैफ़िक के वर्गीकृत कर सकई छलई। सिस्टम दुरुपयोग और विसंगति पहचान दृष्टिकोण के एक संकर के उपयोग करो हय, इसलिए ज्ञात हमले के प्रकार के साथ-साथ नए हमले के प्रकार के विसंगति के रूप में पता लगावे में सक्षम हय। |
10a9abb4c78f0be5cc85847f248d3e8277b3c810 | कम्प्यूटेशनल नेचुरल लैंग्वेज लर्निंग पर सम्मेलन में एक साझा कार्य शामिल हय, जेकरा मे प्रतिभागी अपन सीखने के प्रणाली के समान डेटा सेट पर प्रशिक्षित और परीक्षण करो हय। 2007 में, 2006 के तरह, साझा कार्य निर्भरता पार्सिंग के लेल समर्पित कैल गेल हई, येई वर्ष एगो बहुभाषी ट्रैक अउर एगो डोमेन अनुकूलन ट्रैक दुनु के जौरे। ई पेपर में, हम विभिन्न ट्रैक के कार्य के परिभाषित करई हई अउर वर्णन करई हई कि कइसे डेटा सेट के दस भाषा के लेल मौजूदा ट्रीबैंक से बनाएल गेल रहई। एकरा अलावा, हम भाग लेबे वाला प्रणालि के विभिन्न दृष्टिकोण के विशेषता बतई हई, परीक्षण परिणाम के रिपोर्ट करई हई, अउर येई परिणाम के एगो पहला विश्लेषण प्रदान करई हई। |
14626b05a5ec7ec2addc512f0dfa8db60d817c1b | इ पत्र में हम गहरा तंत्रिका नेटवर्क पर विशेष ध्यान देवे के साथे बड़े पैमाने पर गैर-उपमुख अनुकूलन समस्या के लिए त्वरण तकनीक के पता लगावई हई। एक्स्ट्रापोलेशन योजना उत्तल अनुकूलन के लिए स्टोचैस्टिक ग्रेडिएंट वंश के त्वरित करे के लिए एक शास्त्रीय दृष्टिकोण हय, लेकिन इ आमतौर पर गैर-उच्च अनुकूलन के लिए अच्छा तरह से काम नए करो हय। वैकल्पिक रूप से, हम गैर-उग्र अनुकूलन के तेज करे के लिए एक इंटरपोलेशन योजना के प्रस्ताव करो हय और विधि के इंटरपोलट्रॉन कहो हय। हम इंटरपोलट्रॉन के पीछे के प्रेरणा के व्याख्या करई हई अउर गहन अनुभवजन्य विश्लेषण करई हई। CIFAR-10 और ImageNet पर बड़ी गहराई के DNNs (जैसे, 98-layer ResNet और 200-layer ResNet) पर अनुभवजन्य परिणाम दिखावो हय कि इंटरपोलट्रॉन गति और एडम के साथे एसजीडी जैसे अत्याधुनिक विधियों के तुलना में बहुत तेज़ी से अभिसरण कर सको हय। एकरा अलावा, एंडरसन के त्वरण, जेकरा मे मिश्रण गुणांक के गणना सबसे कम वर्ग के अनुमान द्वारा कैल जाई हई, के उपयोग प्रदर्शन में सुधार करे के लेल कैल जा सकई हई। इंटरपोलट्रॉन और एंडरसन दुनहु के त्वरण लागू करे और ट्यून करे में आसान हय। हम इ भी दिखावा करो हय कि इंटरपोलट्रॉन के पास कुछ नियमितता धारणाओं के तहत रैखिक अभिसरण दर हय। |
55baef0d54403387f5cf28e2ae1ec850355cf60a | कीर्न्स, नील, रोथ और वू [आईसीएमएल 2018] हाल ही में सांख्यिकीय और व्यक्तिगत निष्पक्षता के धारणा के बीच के खाई के पाटने के उद्देश्य से समृद्ध उपसमूह निष्पक्षता के धारणा के प्रस्ताव दलकय। रिच सबग्रुप निष्पक्षता एगो सांख्यिकीय निष्पक्षता बाधा (कहई हई, संरक्षित समूह में झूठे सकारात्मक दर के बराबर करई हई), लेकिन फेर पूछई हई कि ई बाधा एगो घातीय चाहे अनंत रूप से बड़ उपसमूह के संग्रह पर पकड़ रखई हई। ऊ इ बाधा के अधीन सीखने के लिए गारंटीकृत एक एल्गोरिथ्म देवो हय, इ शर्त पर कि एकर निष्पक्षता बाधा के अनुपस्थिति में पूर्ण रूप से सीखने के लिए ओरेकल तक पहुंच हय। इ पत्र में, हम केयर्स एट अल के एल्गोरिदम के एक व्यापक अनुभवजन्य मूल्यांकन करई हई। चार वास्तविक डेटासेट पर जेकरा लिए निष्पक्षता एगो चिंता हई, हम एल्गोरिदम के मूल अभिसरण के जांच करई हई जब लर्निंग ओरेकल के जगह पर तेज हेरिस्टिक्स के जौरे इंस्टेंस कैल जाई हई, निष्पक्षता अउर सटीकता के बीच व्यापार-बंद के मापई हई, अउर येई दृष्टिकोण के तुलना अगरवाल, बेगेलज़ेमर, डुडिक, लैंगफोर्ड अउर वाल्च के हालिया एल्गोरिदम [आईसीएमएल 2018] के जौरे करई हई, जे व्यक्तिगत संरक्षित विशेषता द्वारा परिभाषित कमजोर अउर अधिक पारंपरिक सीमांत निष्पक्षता प्रतिबंध के लागू करई हई। हम ई पावे के लेल सामान्य रूप से, कीर्न एट अल। एल्गोरिथ्म तेजी से अभिसरण करो हय, सटीकता के लिए हल्के लागत के साथ निष्पक्षता में बड़े लाभ प्राप्त कैल जा सको हय, और केवल सीमांत निष्पक्षता के अधीन सटीकता के अनुकूलन करे से पर्याप्त उपसमूह अनुचितता के साथे वर्गीकरण हो जा हय। हम केर्न एट अल के गतिशीलता अउर व्यवहार के कई विश्लेषण अउर दृश्य प्रदान करई हई। एल्गोरिथ्म के साथ। कुल मिलाके, हम ई एल्गोरिथ्म के वास्तविक डेटा पर प्रभावी पाबई हई, अउर समृद्ध उपसमूह निष्पक्षता अभ्यास में एगो व्यवहार्य धारणा हई। |
6be461dd5869d00fc09975a8f8e31eb5f86be402 | कंप्यूटर एनिमेटेड एजेंट अउर रोबोट मानव कंप्यूटर इंटरैक्शन के लेल एगो सामाजिक आयाम लाबई हई अउर हमें येई बारे में नया तरीका से सोचे के लेल मजबूर करई हई कि कंप्यूटर के दैनिक जीवन में कैसे उपयोग कैल जा सकई हई। आमने-सामने संचार एगो वास्तविक समय प्रक्रिया हई जे 40 मिलीसेकंड के समय पैमाना पर संचालित होई हई। इ समय के पैमाना पर अनिश्चितता के स्तर काफी हय, जेकरा से मनुष्य और मशीन के लिए धीमी प्रतीकात्मक अनुमान प्रक्रिया के बजाय संवेदी समृद्ध अवधारणात्मक आदिम पर भरोसा करना आवश्यक हो जा हय। इ पेपर में हम इ तरह के एक अवधारणात्मक आदिम पर प्रगति प्रस्तुत करो हय। सिस्टम स्वचालित रूप से वीडियो स्ट्रीम में फ्रंटल फेस के पता लगावो हय और ओकरा वास्तविक समय में 7 आयाम के संबंध में कोड करो हय: तटस्थ, क्रोध, घृणा, भय, आनंद, उदासी, आश्चर्य। चेहरा खोजक प्रवर्धन तकनीक [15, 2] के साथे प्रशिक्षित फीचर डिटेक्टर के एक कैस्केड के नियोजित करई हई। अभिव्यक्ति पहचानकर्ता चेहरा डिटेक्टर द्वारा स्थित छवि पैच प्राप्त करो हय। पैच के एक गॅबोर प्रतिनिधित्व बनलो हय और फिर एसवीएम वर्गीकरणकर्ता के एक बैंक द्वारा संसाधित कैल जा हय। एडबॉस्ट और एसवीएम के एक नया संयोजन प्रदर्शन में सुधार करो हय। प्रणाली के कॉहन-कनाडा के चेहरा के भाव के डेटासेट पर परीक्षण कैल गेल रहई। 7-तरह के मजबूर विकल्प के लिए नए विषयों के लिए सामान्यीकरण प्रदर्शन सही। सबसे दिलचस्प बात ई हई कि वर्गीकरणकर्ता के आउटपुट समय के एगो फलन के रूप में सुचारू रूप से बदलई हई, जे चेहरा के अभिव्यक्ति गतिशीलता के कोड करे के लेल एगो संभावित रूप से मूल्यवान प्रतिनिधित्व प्रदान करई हई। पूरी तरह से स्वचालित अउर अनौपचारिक तरीका से। सिस्टम के सोनी के एआईबो पालतू रोबोट, एटीआर के रोबोवी और सीयू एनिमेटर सहित विभिन्न प्रकार के प्लेटफार्मों पर तैनात कैल गेल हई, अउर वर्तमान में स्वचालित रीडिंग ट्यूटर, मानव-रोबोट बातचीत के आकलन सहित अनुप्रयोग के लेल मूल्यांकन कैल जा रहल हई। |
15f932d189b13786ca54b1dc684902301d34ef65 | कम बिजली के फोटोवोल्टिक अनुप्रयोग के लिए इस पेपर में एक उच्च कुशल एलएलसीसी-प्रकार के अनुनाद डीसी-डीसी कनवर्टर पर चर्चा की गई है। पुनरुत्पादक टैंक के विभिन्न डिजाइन तंत्र पर जोर देल गेल हई। एक ही समय में इन्वर्टर के साथ-साथ रेक्टिफायर ब्रिज के सॉफ्ट स्विचिंग के भी ध्यान में रखल जा हय। डिजाइन नियमों के बारे में, वोल्टेज-स्रोत आउटपुट के साथ एक एलएलसीसी-कन्वर्टर के डिजाइन में एक नई चुनौती हल की गई है। अनुनाद तत्वों के बजाय, उनके अनुपात, जैसे। इंडक्टेंस के अनुपात Ls/Lp को पहले डिजाइन पैरामीटर के रूप में माना जाता है। एकर अलावा, ट्रांसफार्मर-इंडक्टर डिवाइस के लिए व्युत्पन्न डिजाइन नियम सीधे समग्र एलएलसीसी-डिज़ाइन में फिट बैठता है। ट्रांसफार्मर के प्रकृति के कारण, अर्थात इंडक्टेंस Ls/Lp का संबंध केवल ज्यामिति का एक फलन है, यह डिजाइन पैरामीटर सीधे ज्यामिति द्वारा माना जाता है। प्रयोगात्मक परिणाम उच्च दक्षता के प्रदर्शित करो हय। |
f13902eb6429629179419c95234ddbd555eb2bb6 | |
07d138a54c441d6ae9bff073025f8f5eeaac4da4 | बड़ी मात्रा में डेटा पर प्रशिक्षित बड़े गहरे तंत्रिका नेटवर्क (डीएनएन) मॉडल हाल ही में छवि और भाषण मान्यता जैसे कठिन कार्यों पर सबसे अच्छा सटीकता प्राप्त करलय हा। कमोडिटी मशीन के क्लस्टर के उपयोग करके येई डीएनएन के प्रशिक्षण एगो आशाजनक दृष्टिकोण हई काहेकी प्रशिक्षण समय लेने वाला अउर कंप्यूटिंग-गहन छलई। अत्यधिक बड़े डीएनएन के प्रशिक्षण के सक्षम करे के लिए, मॉडल के मशीनों के बीच विभाजित कियल जा हय। बहुत बड़ डेटा सेट पर प्रशिक्षण के तेज करे के लेल, कैगो मॉडल प्रतिकृति के प्रशिक्षण उदाहरण के विभिन्न उप-समूह पर समानांतर में प्रशिक्षित कैल जाई हई, एगो वैश्विक पैरामीटर सर्वर के जौरे जे येई प्रतिकृति में साझा भार के बनाए रखई हई। मॉडल और डेटा विभाजन और समग्र सिस्टम प्रावधान के लिए सही विकल्प डीएनएन और वितरित सिस्टम हार्डवेयर विशेषताओं पर अत्यधिक निर्भर है। येई निर्णय के लेल वर्तमान में महत्वपूर्ण डोमेन विशेषज्ञता अउर समय लेने वाला अनुभवजन्य राज्य अंतरिक्ष अन्वेषण के आवश्यकता होई हई। ई कागज प्रदर्शन मॉडल विकसित करई हई जे समग्र वितरित प्रणाली प्रदर्शन अउर स्केलेबिलिटी पर येई विभाजन अउर प्रावधान निर्णय के प्रभाव के मात्रा के मापई हई। एकरा अलावा, हम इ प्रदर्शन मॉडल के उपयोग एक स्केलेबिलिटी ऑप्टिमाइज़र बनावे लागी कर हई जे कुशलता से इष्टतम सिस्टम कॉन्फ़िगरेशन के निर्धारित कर हई जे डीएनएन प्रशिक्षण समय के कम कर हई। हम दू बेन्चमार्क अनुप्रयोग पर अत्याधुनिक वितरित डीएनएन प्रशिक्षण ढांचे के उपयोग करके अपन प्रदर्शन मॉडल और स्केलेबिलिटी ऑप्टिमाइज़र के मूल्यांकन करई छी। परिणाम दिखावो हय कि हमर प्रदर्शन मॉडल उच्च अनुमान सटीकता के साथ डीएनएन प्रशिक्षण समय के अनुमान लगावो हय और हमर स्केलेबिलिटी ऑप्टिमाइज़र वितरित डीएनएन के प्रशिक्षण समय के कम करके, सर्वोत्तम कॉन्फ़िगरेशन के सही ढंग से चुनो हय। |
eee686b822950a55f31d4c9c33d02c1942424785 | सार- इ पेपर क्वार्टर वेव ट्रांसफार्मर के साथ टी-जंक्शन के उपयोग करके 2 x 2 त्रिकोणीय माइक्रोस्ट्रिप पैच एंटीना के वर्णन करो हय। पैच एंटीना में दूरी के विनियमित करके और फीड स्थिति के समायोजित करके, बैंडविड्थ प्राप्त कैल जा सको हय और एक सरणी के उपयोग करके, दिशात्मकता में वृद्धि कैल जा हय। बड़ी बैंडविड्थ, उच्च दिशात्मकता और न्यूनतम आकार के आवश्यकता 5.5 गीगाहर्ट्ज पर टी-जंक्शन नेटवर्क के साथ फीडिंग 2 x 2 त्रिकोणीय माइक्रोस्ट्रिप पैच एंटीना सरणी के डिजाइन के लिए प्रेरित करो हय। एक FR4 सब्सट्रेट पर डिज़ाइन कैल गेल एगो एंटीना जेकर एगो डाइलेक्ट्रिक स्थिरांक (r) 4.4, एक हानि स्पर्शरेखा 0.02 और मोटाई 1.6 मिमी रहई। सिमुलेटेड परिणाम से पता चललई कि डिज़ाइन कैल गेल एंटीना में टी-जंक्शन फीडिंग नेटवर्क के उपयोग करइत वीएसडब्ल्यूआर 1.07 के साथ 12.91 डीबी और 173 मेगाहर्ट्ज के बैंडविड्थ हई। प्रस्तावित 2 x 2 त्रिकोणीय सरणी में हल्के वजन, निर्माण की सादगी, एकल-परत संरचना और उच्च दिशात्मकता का लाभ है। कीवर्ड बैंडविड्थ, कॉर्पोरेट फीडिंग, रिटर्न लॉस, टी-जंक्शन, वीएसडब्ल्यूआर। |
c707938422b60bf827ec161872641468ec1ffe00 | हम परिमित राज्य क्रिया मार्कोव निर्णय प्रक्रिया में मान फ़ंक्शन के स्थान के ज्यामितीय और स्थलाकृति गुण स्थापित कर हई। एकर आकार के प्रकृति के लक्षणीकरण हमर मुख्य योगदान हय: एक सामान्य पॉलीटोप (एग्नर एट अल., 2010) । ई परिणाम के प्रदर्शित करे के लेल, हम नीति अउर मूल्य कार्य के बीच संरचनात्मक संबंध के कैगो गुण के प्रदर्शित करई हई, जोनमे रेखा प्रमेय शामिल हई, जे देखबई हई कि एगो राज्य के छोड़के सभे पर प्रतिबंधित नीति के मूल्य कार्य एगो रेखा खंड के वर्णन करई हई। अंत में, हम सुदृढीकरण सीखना एल्गोरिदम के गतिशीलता के समझ के बढ़ावे के लेल दृश्य के प्रस्तुत करे के लेल ई उपन्यास दृष्टिकोण के उपयोग करई हई। |
86854374c13516a8ad0dc28ffd9cd4be2bca9bfc | हाल के वर्षों में समस्या में रुचि बढ़ल हई, जहां या त अवलोकन कैल गेल डेटा चाहे छिपल राज्य चर एगो ज्ञात रीमैनियन मल्टीफॉल्ड तक ही सीमित हई। अनुक्रमिक डेटा विश्लेषण में ई रुचि भी बढ़ रहले हा, लेकिन कच्चा एल्गोरिदम लागू कैल गेल हई: या तओ मोंटे कार्लो फिल्टर चाहे क्रूर-बल विच्छेदन। ई दृष्टिकोण खराब पैमाना पर हई अउर स्पष्ट रूप से एगो लापता अंतर के दर्शाबई हईः गैर-यूक्लिडियन डोमेन में वर्तमान में कलमैन फिल्टर के लेल कोनो सामान्य एनालॉग उपलब्ध ना हई। इ पेपर में, हम पहले अनसेन्टेड ट्रांसफॉर्म और फिर अनसेन्टेड कलमैन फिल्टर के रीमैनियन मल्टीफॉल्ड में सामान्यीकरण करके इ समस्या के समाधान कर हई। चूंकि कैलमैन फ़िल्टर के गॉस-न्यूटन विधि के समान एक अनुकूलन एल्गोरिथ्म के रूप में देखल जा सकई हई, येहिलेल हमर एल्गोरिथ्म मनिफोल्ड पर एक सामान्य उद्देश्य के अनुकूलन ढांचा प्रदान करई छलई। हम सुसंगतता और अभिसरण के अध्ययन के लिए सिंथेटिक डेटा पर, एक क्षेत्र ट्रैकिंग समस्या पर सह-विचलन विशेषताओं का उपयोग करते हुए, एक सुव्यवस्थित ट्रैकिंग समस्या, एक औसत मूल्य अनुकूलन और एक पोजीशन अनुकूलन समस्या पर सुझाई गई विधि को चित्रित करते हैं। |
a075a513b2b1e8dbf9b5d1703a401e8084f9df9c | यूनिप्लेनर कॉम्पैक्ट इलेक्ट्रोमैग्नेटिक बैंडगैप (यूसी-ईबीजी) सब्सट्रेट के प्रिंटेड एंटीना ज्यामिति में सतह तरंग उत्तेजना के कम करे के लेल एगो प्रभावी उपाय साबित कैल गेल हई। ई पेपर यूसी-ईबीजी सब्सट्रेट में एम्बेडेड एगो माइक्रोस्ट्रिप एंटीना चरणबद्ध सरणी के प्रदर्शन के जांच करई हई। परिणाम तत्व के बीच आपसी युग्मन में कमी के दर्शाबई हई अउर मुद्रित तत्व के जौरे चरणबद्ध सरणी अनुप्रयोग में "अंधा धब्बा" समस्या के संभावित समाधान प्रदान करई छलो। एक नया और कुशल यूसी-ईबीजी सरणी विन्यास प्रस्तावित हय। उच्च ढांकता हुआ स्थिर सब्सट्रेट पर 7/spl गुना/5 तत्वों के एक जांच खिलाया पैच एंटीना चरणबद्ध सरणी के डिजाइन, निर्माण और परीक्षण कियल गलय हल। सिमुलेशन और माप परिणाम सक्रिय रिटर्न हानि और सरणी केंद्र तत्व के सक्रिय पैटर्न में सुधार दिखावो हय। इष्टतम प्रदर्शन प्राप्त करे के लिए उपयोग कियल जाए वाला व्यापार-बंद पर चर्चा कियल गलय हा। |
16a0fde5a8ab5591a9b2985f60a04fdf50a18dc4 | उपयोगकर्ता प्रमाणीकरण के लिए चलने के एक कुशल बायोमेट्रिक लक्षण के रूप में माना जा हय। हालांकि कुछ अध्ययन हय जे पैदल गति पर आधारित प्रमाणीकरण प्रणालि में पैदल गति टेम्पलेट / मॉडल के सुरक्षित करे के कार्य के संबोधित करो हय, ऊ पैदल गति डेटा के कम भेदभाव और उच्च भिन्नता के ध्यान में नय रखो हय जे प्रस्तावित प्रणालि के सुरक्षा और व्यावहारिकता के महत्वपूर्ण रूप से प्रभावित करो हय। ई पेपर में, हम जड़ता संवेदक आधारित पैदल क्रिप्टो सिस्टम में उपरोक्त कमी के दूर करे पर ध्यान केंद्रित कर रहलिए ह। विशेष रूप से, हम पैदल पैटर्न के भेदभाव के बढ़ावे के लेल रैखिक भेदभाव विश्लेषण के लाभ उठावई हई, अउर उच्च भेदभावपूर्ण अउर स्थिर द्विआधारी पैटर्न के निकाले के लेल ग्रे कोड क्वांटिज़ेशन। 38 अलग-अलग उपयोगकर्ता पर प्रयोगात्मक परिणाम से पता चललई कि हमर प्रस्तावित विधि पैदल क्रिप्टो सिस्टम के प्रदर्शन अउर सुरक्षा में काफी सुधार करई छलो। विशेष रूप से, हम 6 × 10−5% के झूठी स्वीकृति दर (यानी, 16983 परीक्षण में 1 विफल) और 148-बिट सुरक्षा के साथ 9.2% के झूठी अस्वीकृति दर प्राप्त कैलकय। |
d7fd575c7fae05e055e47d898a5d9d2766f742b9 | |
84ade3cb5b57624baee89d9e617bb5847ee07375 | |
9e5158222c911bec96d4f533cd0d7a1a0cff1731 | बहुक्रियाशील सक्रिय इलेक्ट्रॉनिक रूप से निर्देशित एंटीना (एईएसए) प्रणालि के लेल अगली पीढ़ी के आरएफ सेंसर मॉड्यूल के विभिन्न ऑपरेटिंग मोड के संयोजन के आवश्यकता होतई, जैसे कि रडार, इलेक्ट्रॉनिक युद्ध (ईडब्ल्यू) कार्यक्षमता अउर एके एंटीना फ्रंटएंड के भीतर संचार / डेटालिंक। ऊ आम तौर पर सी-बैंड, एक्स-बैंड और क्यू-बैंड में काम करो हय और 10 गीगाहर्ट्ज से अधिक के बैंडविड्थ आवश्यकता के सूचित करो हय। आधुनिक सक्रिय इलेक्ट्रॉनिक रूप से निर्देशित एंटीना के प्राप्ति के लिए, ट्रांसमिट / रिसीव (टी / आर) मॉड्यूल के सख्त ज्यामिति आवश्यकता के पूरा करे के चाहि। येई भविष्य के बहुक्रिया आरएफ सेंसर मॉड्यूल के लेल एगो प्रमुख चुनौती आधे तरंग दैर्ध्य एंटीना ग्रिड अंतराल द्वारा निर्धारित कैल गेल हई, जे भौतिक चैनल चौड़ाई के < 12 मिमी चाहे ओकरा से कम तक सीमित करई हई, जोनमे बीम पॉइंटिंग आवश्यकता के जौरे उच्चतम संचालन आवृत्ति पर निर्भर करई हई। इ ज्यामिति मांगों के दूर करे के लिए एक आशाजनक समाधान व्यक्तिगत आरएफ कार्यक्षमता के एकीकृत करके प्राप्त कियल गेल कुल मोनोलिथिक माइक्रोवेव एकीकृत सर्किट (एमएमआईसी) चिप क्षेत्र के कमी हय, जे आमतौर पर व्यक्तिगत एकीकृत सर्किट (आईसी) के माध्यम से प्राप्त कियल जा हय, नया बहुक्रियाशील (एमएफसी) एमएमआईसी में। अगला पीढ़ी के आरएफ सेंसर मॉड्यूल के लेल विभिन्न अवधारणा, जेकरा में से कुछ के पहले से लागू कैल गेल हई, पर चर्चा अउर व्याख्या कैल जाई छलई। |
77a9473256f6841d40cb9198feb5b91dccf9ffd1 | ई पेपर पावर फैक्टर सुधार (पीएफसी) और शून्य वोल्टेज स्विचिंग (जेडवीएस) के साथे प्रकाश उत्सर्जक डायोड (एलईडी) के शक्ति के लिए एक डिम्मेबल चार्ज-पंप ड्राइवर के प्रस्तुत करई हई। प्रस्तावित एलईडी ड्राइवर इलेक्ट्रोलाइटिक कैपेसिटर के उपयोग नए करो हय, एक उच्च उपयोगी जीवनकाल प्रदान करो हय, और इ वर्तमान सेंसर के आवश्यकता के बिना ओपन लूप नियंत्रण में आउटपुट करंट के स्थिर कर सको हय, जे लागत के कम करो हय। आउटपुट पावर स्विचिंग आवृत्ति के आनुपातिक हय, जे एलईडी के मंद करे के अनुमति देवो हय। 22 W के साथ एक प्रोटोटाइप लागू कियल गलय हल और प्रयोगात्मक परिणाम पर चर्चा कियल गलय हल। प्रोटोटाइप में 0.996 के पावर फैक्टर और 89.5% के दक्षता हलय। 53 kHz से 30 kHz तक के स्विचिंग आवृत्ति के माध्यम से ड्राइवर आउटपुट पावर के 40% से अधिक कम कर देल गेल रहई अउर कनवर्टर ZVS में काम करई छलई। |
b5fe4731ff6a7a7f1ad8232186e84b1f944162e0 | क्रॉस-मीडिया हैशिंग, जे विभिन्न तौर-तरीकों से डेटा के एगो सामान्य निम्न-आयामी हैमिंग अंतरिक्ष में एम्बेड करके क्रॉस-मीडिया पुनर्प्राप्ति कलकई, हाल के वर्षों में गहन ध्यान आकर्षित कैले हई। ई तथ्य से प्रेरित हई कि ए) मल्टी-मोडल डेटा व्यापक हई, उदाहरण के लेल, फ़्लिकर पर वेब छवि टैग से जुड़ल हई, अउर बी) हैशिंग बड़ पैमाना पर उच्च-आयामी डेटा प्रसंस्करण के लेल एगो प्रभावी तकनीक हई, जे बिल्कुल क्रॉस-मीडिया रिकवरी के स्थिति छलई। गहरी शिक्षा में हालिया प्रगति से प्रेरित होके, हम बहु-मोडल तंत्रिका नेटवर्क के आधार पर क्रॉस-मीडिया हैशिंग दृष्टिकोण के प्रस्ताव रखई हई। सीखने के उद्देश्य में प्रतिबंध लगाके a) प्रासंगिक क्रॉस-मीडिया डेटा के लिए हैश कोड समान होवो हय, और b) हैश कोड वर्ग लेबल के भविष्यवाणी के लिए भेदभावपूर्ण होवो हय, सीखे गेल हैमिंग स्पेस से क्रॉस-मीडिया अर्थ संबंधी संबंध के अच्छी तरह से पकड़ने के उम्मीद कैल जा हय और अर्थ संबंधी रूप से भेदभावपूर्ण होवे के उम्मीद कैल जा हय। दो वास्तविक दुनिया के डेटा सेट पर प्रयोग से पता चलई हई कि हमर दृष्टिकोण अत्याधुनिक विधि के तुलना में बेहतर क्रॉस-मीडिया पुनर्प्राप्ति प्रदर्शन प्राप्त करई हई। |
9814dd00440b08caf0df96988edb4c56cfcf7bd1 | एगो आकर्षण उच्च स्तर के कार्य इरादा प्रदान करई हई अउर स्थानीय योजनाकार के लेल पर्यावरण के बारे में वैश्विक जानकारी के शामिल करई हई, येई प्रकार लंबा क्षितिज के जौरे महंगे वैश्विक योजना के आवश्यकता के समाप्त करई छलई। इ प्रदर्शित कैल गेल हई कि एगो आकर्षण के जौरे प्रक्षेपवक्र योजना के परिणामस्वरूप अकेले स्थानीय योजना वाला सिस्टम के तुलना में बेहतर प्रदर्शन होई हई सक्रिय एसएलएएम एसएलएएम प्रक्रिया के साथ-साथ कुशल पथ के योजना बनावे के लिए एक स्वायत्त रोबोट के लिए चुनौती पेश करई छलो। रोबोट, मानचित्र और सेंसर माप के अनिश्चितता, और गतिशील और गति प्रतिबंधों के योजना प्रक्रिया में विचार करे के आवश्यकता हय। इ पेपर में, सक्रिय एसएलएएम समस्या के इष्टतम प्रक्षेपवक्र योजना समस्या के रूप में तैयार कैल गेल हई। एक उपन्यास तकनीक के पेश कैल गेल हई जे स्थानीय योजना रणनीति जैसे मॉडल भविष्य कहनेवाला नियंत्रण (ए.के.ए. ई समस्या के हल करे के लेल क्षितिज के पीछे हटनाई) । |
bc32313c5b10212233007ebb38e214d713db99f9 | वयस्क नैदानिक इलेक्ट्रोकार्डियोग्राफी (ईसीजी) सिग्नल प्रोसेसिंग तकनीक अउर डिजिटल प्रोसेसर के शक्ति में महत्वपूर्ण प्रगति के बावजूद, गैर-आक्रामक भ्रूण ईसीजी (एनआई-एफईसीजी) के विश्लेषण अभीयो अपन प्रारंभिक अवस्था में हई। कार्डियोलॉजी चैलेंज 2013 में फिजियोनेट/कंप्यूटिंग सिग्नल प्रोसेसिंग तकनीक के मूल्यांकन के लेल वैज्ञानिक समुदाय के लेल एफईसीजी डेटा के एगो सेट सार्वजनिक रूप से उपलब्ध कराके येईमे से कुछ सीमा के संबोधित करई हई। उच्च आवृत्ति अउर बेसलाइन भटकन के हटावे के लेल पेट के ईसीजी सिग्नल के पहिले एगो बैंड-पास फिल्टर के जौरे पूर्व-प्रसंस्कृत कैल गेल रहई। यदि आवश्यक हो, त 50 हर्ट्ज या 60 हर्ट्ज पर बिजली के हस्तक्षेप के हटावे के लेल एगो नाच फिल्टर लागू कैल गेल रहई। मातृ ईसीजी के रद्द करे के लेल विभिन्न स्रोत पृथक्करण तकनीक के लागू करे से पहिले सिग्नल के तब सामान्यीकृत कैल गेल रहई। येई तकनीक में शामिल हईः टेम्पलेट सब्ट्रैक्शन, मुख्य / स्वतंत्र घटक विश्लेषण, विस्तारित कलमैन फिल्टर अउर येई विधियों के उप-समूह के संयोजन (FUSE विधि) । पैन और टॉमपकिन्स क्यूआरएस डिटेक्टर के उपयोग करके सभी अवशिष्ट पर भ्रूण के क्यूआरएस पता लगायल गेलय हल और सबसे चिकनी भ्रूण हृदय गति समय श्रृंखला के साथ अवशिष्ट चैनल के चयन कियल गेलय हल। वैधता और परीक्षण सेट पर, FUSE विधि के उपयोग करके क्रमशः घटना 1-5 के लिए सबसे अच्छा चुनौती स्कोर E1 = 179.44, E2 = 20.79, E3 = 153.07, E4 = 29.62 और E5 = 4.67 प्राप्त कैल गेलय हल। ई चैलेंज में प्रवेश करे वाला 53 अंतरराष्ट्रीय टीम में से ई 1 और ई 2 के लेल सर्वश्रेष्ठ चैलेंज स्कोर अउर ई 3, ई 4 अउर ई 5 के लेल तीसरा अउर दूसरा सर्वश्रेष्ठ चैलेंज स्कोर रहई। परिणाम से पता चललई कि भ्रूण के हृदय गति के अनुमान के लेल मौजूदा मानक दृष्टिकोण में अनुमान के एक जौरे जोड़के सुधार कैल जा सकई हई। हम वर्णित प्रत्येक मानक दृष्टिकोण के लेल बेंचमार्किंग के सक्षम करे के लेल खुला स्रोत कोड प्रदान करई छियई। |
09f13c590f19dce53dfd8530f8cbe8044cce33ed | हाल के वर्षों में, कई उपयोगकर्ता-इंटरफेस उपकरण विभिन्न भौतिक इंटरैक्शन के प्रबंधन के लिए दिखाई देते हैं। माइक्रोसॉफ्ट किनेक्ट कैमरा एगो क्रांतिकारी अउर उपयोगी गहराई कैमरा हई जे इशारा या गति पता लगाबे के माध्यम से एक्सबॉक्स प्लेटफॉर्म पर इंटरैक्टिव गेमिंग के नया उपयोगकर्ता अनुभव प्रदान करई हई। इ पेपर में हम माइक्रोसॉफ्ट किनेट सेंसर के उपयोग करके क्वाड्रोटर एआर ड्रोन के नियंत्रित करे के लिए एक दृष्टिकोण प्रस्तुत करई हियई। |
ca78c8c4dbe4c92ba90c8f6e1399b78ced3cf997 | इ पेपर में हम इ दिखावा करो हय कि ध्यान और आउटपुट के बीच संयुक्त वितरण के एक सरल बीम अनुमान अनुक्रम से अनुक्रम सीखने के लिए एक आसान, सटीक और कुशल ध्यान तंत्र हय। विधि कठोर ध्यान में तेज ध्यान के लाभ और नरम ध्यान के कार्यान्वयन आसानी के जोड़ो हय। पांच अनुवाद अउर दू रूपात्मक झुकन के कार्य पर, हम मौजूदा ध्यान तंत्र के तुलना में BLEU में सहज अउर सुसंगत लाभ देखई छियई। |
abdb694ab4b1cb4f54f07ed16a657765ce8c47f5 | नवाचार विशेषता और नवाचार के अपनाने और कार्यान्वयन के साथ ओकर संबंध से संबंधित पैंसठ लेखों के एक समीक्षा और मेटा-विश्लेषण कियल गलय हल। विश्लेषण के एक हिस्सा में मौजूदा अध्ययन के एक पद्धतिगत प्रोफ़ाइल के निर्माण शामिल हलय, और एकरा एक काल्पनिक इष्टतम दृष्टिकोण के साथ तुलना कियल गलय हल। अध्ययन के दोसर भाग मेटा-विश्लेषणात्मक सांख्यिकीय तकनीक के उपयोग मौजूदा अनुभवजन्य निष्कर्ष के सामान्यता और स्थिरता के आकलन करे के लेल कलई। तीन नवाचार विशेषताओं (संगतता, सापेक्ष लाभ और जटिलता) में नवाचार को अपनाने के लिए सबसे सुसंगत महत्वपूर्ण संबंध था। क्षेत्र में भविष्य के शोध के लिए सुझाव दिहल गेलय हल। |
518fd110bbf86df5259fb99126173d626a2ff744 | हम व्यक्तिगत रोबोट अउर असेंबली लाइन रोबोट जैसन मोबाइल मैनिपुलेटर के लेल प्रक्षेपवक्र पर प्राथमिकता के सीखना के समस्या पर विचार करई छलई। हम जे प्राथमिकता सीखई हई ऊ प्रक्षेपवक्र पर सरल ज्यामितीय प्रतिबंध से अधिक जटिल हई; ऊ विभिन्न वस्तु अउर पर्यावरण में मानव संपर्क के आसपास के संदर्भ द्वारा शासित होई हई। हम प्रासंगिक रूप से समृद्ध वातावरण में प्राथमिकता के सिखाने के लिए एक सहक्रियात्मक ऑनलाइन शिक्षण ढांचा प्रस्तावित करो हय। हमर दृष्टिकोण के मुख्य नवीनता उपयोगकर्ता से अपेक्षित फीडबैक के प्रकार में हय: मानव उपयोगकर्ता के प्रशिक्षण डेटा के रूप में इष्टतम प्रक्षेपवक्र के प्रदर्शित करे के आवश्यकता नए हय, बल्कि केवल पुनरावर्ती रूप से प्रक्षेपवक्र प्रदान करे के आवश्यकता होवो हय जे वर्तमान में सिस्टम द्वारा प्रस्तावित प्रक्षेपवक्र से थोड़ा बेहतर होवो हय। हम तर्क दे हती कि इ सहक्रियात्मक वरीयता प्रतिक्रिया के इष्टतम प्रक्षेपवक्र के प्रदर्शन के तुलना में अधिक आसानी से प्राप्त कैल जा सकई हई। फिर भी, हमर एल्गोरिथ्म के सैद्धांतिक पछतावा सीमा इष्टतम प्रक्षेपवक्र एल्गोरिदम के स्पर्शरेखा दर से मेल खाई छलई। हम अपन एल्गोरिथ्म के दू उच्च-डिग्री-ऑफ-फ्रीडम रोबोट, पी आर 2 और बैक्सटर पर लागू कर हई, और ऐसन वृद्धिशील प्रतिक्रिया प्रदान करे के लेल तीन सहज तंत्र प्रस्तुत करई हई। हमर प्रयोगात्मक मूल्यांकन में हम दू संदर्भ समृद्ध सेटिंग्स, घरेलू काम और किराने की दुकान के चेकआउट पर विचार करई हई, अउर देखई हई कि उपयोगकर्ता रोबोट के केवल कुछ फीडबैक (केवल कुछ मिनट में) के साथ प्रशिक्षित करे में सक्षम छलई। |
9f927249d7b33b91ca23f8820e21b22a6951a644 | मिलीमीटर तरंग (mmWave) सेलुलर सिस्टम के उच्च डेटा दर के सक्षम करे के लेल बेस स्टेशन अउर मोबाइल उपयोगकर्ता दुनु पर बड़ एंटीना सरणी के तैनात करे के आवश्यकता होई हई। मिमीवेव सेलुलर नेटवर्क के कवरेज और दर पर पहिले के काम ओई मामला पर केंद्रित रहई जब बेस स्टेशन अउर मोबाइल बीमफॉर्मिंग वेक्टर के अधिकतम बीमफॉर्मिंग लाभ के लेल पूर्वनिर्धारित कैल जाई रहई। बीमफॉर्मिंग/कॉम्बिनिंग वेक्टर के डिजाइन करे के लेल, हालांकि, प्रशिक्षण के आवश्यकता होई हई, जे एसआईएनआर कवरेज अउर मिमीवेव सिस्टम के दर दुनु के प्रभावित कर सकई हई। ई पेपर बीम प्रशिक्षण/संबद्धता ओवरहेड के लेल लेखांकन करते हुए मिमीवेव सेलुलर नेटवर्क प्रदर्शन के मूल्यांकन करई हई। सबसे पहले, बीम स्वीपिंग और डाउनलिंक नियंत्रण पायलट पुनः उपयोग के आधार पर प्रारंभिक बीम एसोसिएशन के लिए एक मॉडल विकसित कैल गेल हई। बीम प्रशिक्षण के प्रभाव के शामिल करे के लेल, प्रभावी विश्वसनीय दर नामक एगो नया मीट्रिक के परिभाषित अउर अपनाएल गेल हई। स्थिरांक ज्यामिति के उपयोग करते हुए, मिमी-वेव सेलुलर नेटवर्क के प्रभावी दर के दो विशेष मामलों के लिए व्युत्पन्न कियल जा हयः निकट-असमान पायलट और पूर्ण पायलट पुनः उपयोग। विश्लेषणात्मक अउर सिमुलेशन परिणाम दू महत्वपूर्ण प्रश्न के उत्तर में अंतर्दृष्टि प्रदान करई छलई। सबसे पहले, mmWave नेटवर्क के प्रदर्शन पर बीम एसोसिएशन के क्या प्रभाव है? त, के ओर्थोगोनल या पुनः उपयोग कैल जाए वाला पायलट के नियोजित कैल जाए के चाहि? परिणाम से पता चलई हई कि जब तक कि उपयोग कैल जाए वाला बीम बहुत चौड़ा न हो, पूर्ण पायलट पुनः उपयोग के जौरे प्रारंभिक बीम प्रशिक्षण लगभग सही बीम संरेखण जितना अच्छा होई हई। |
6bd1f2782d6c8c3066d4e7d7e3afb995d79fa3dd | एगो अर्थपूर्ण विभाजन एल्गोरिथ्म के एगो छवि में प्रत्येक पिक्सेल के लेल एगो लेबल निर्दिष्ट करेके चाहि। हाल ही में, डीप लर्निंग के कारण आरजीबी इमेजरी के अर्थ संबंधी विभाजन काफी उन्नत होलय हा। चूंकि अर्थ संबंधी विभाजन के लेल डेटासेट बनाबे कठिन हई, येई डेटासेट ऑब्जेक्ट मान्यता डेटासेट के तुलना में काफी छोट होई छलई। ई अर्थवात्मक विभाजन लगि प्रत्यक्ष रूप से एगो गहिरा तंत्रिका नेटवर्क के प्रशिक्षित करनाई मुश्किल बना दे है, काहेकी ई ओवरफिटिंग के लेल प्रवण होई छलो। एकरा से निपटे के लेल, डीप लर्निंग मॉडल आमतौर पर बड़ पैमाना के छवि वर्गीकरण डेटासेट पर पूर्व-प्रशिक्षित संवहन तंत्रिका नेटवर्क के उपयोग करई हई, जेकरा बाद में शब्दार्थ विभाजन के लेल ठीक-ठाक कैल जाई छलई। गैर-आरजीबी छवियों के लिए, यह वर्तमान में संभव नहीं है क्योंकि बड़े पैमाने पर लेबल वाला गैर-आरजीबी डेटासेट मौजूद नहीं है। इ पेपर में, हम बहु-स्पेक्ट्रल रिमोट सेंसिंग इमेजरी के अर्थ संबंधी विभाजन के लेल दूगो गहरी तंत्रिका नेटवर्क विकसित कैले हई। लक्षित डेटासेट पर प्रशिक्षण से पहिले, हम बड़ी मात्रा में सिंथेटिक मल्टीस्पेक्ट्रल इमेजरी के साथ नेटवर्क के आरंभ कर हई। हम देखबई कि ई वास्तविक दुनिया के रिमोट सेंसिंग इमेजरी पर परिणाम में महत्वपूर्ण सुधार करई हई, अउर हम चुनौतीपूर्ण हैमिलिन बीच स्टेट पार्क डेटासेट पर एगो नया अत्याधुनिक परिणाम स्थापित करई हई। |
9e9b8832b9e727d5f7a61cedfa4bdf44e8969623 | वैश्विक समाधान खोजे के लेल बड़ पैमाना के गैर-रैखिक अनुकूलन समस्या के लेल शिक्षण-शिक्षा-आधारित अनुकूलन (टीएलबीओ) नामक एक कुशल अनुकूलन विधि के प्रस्ताव ई पेपर में देल गेल हई। प्रस्तावित पद्धति कक्षा में शिक्षार्थि के आउटपुट पर शिक्षक के प्रभाव के प्रभाव पर आधारित हय। विधि के मूल दर्शन के विस्तार से समझावल गेल हई। विधि के प्रभावशीलता के विभिन्न विशेषता वाला कैगो बेंचमार्क समस्या पर परीक्षण कैल जाई हई अउर परिणाम के दोसर जनसंख्या-आधारित विधि के जौरे तुलना कैल जाई छलई। 2011 एल्सेवियर इंक. सब अधिकार सुरक्षित. |
3ca6ab58ae015860098d800a9942af9df4d1e090 | खोज-आधारित ग्राफ क्वेरी, जैसे कि लघु पथ और समरूप उपग्राफ खोजनाई, मेमोरी विलंबता द्वारा हावी हय। यदि इनपुट ग्राफ के उचित रूप से विभाजित कैल जा सकई हई, त बड़का क्लस्टर-आधारित कंप्यूटिंग प्लेटफॉर्म येई क्वेरी के चला सकई हई। हालांकि, इनपुट ग्राफ के प्रत्येक शीर्ष पर कंप्यूटिंग-बाउंड प्रोसेसिंग के कमी और पड़ोसी के पुनर्प्राप्त करे के निरंतर आवश्यकता के अर्थ हय कि प्रोसेसर उपयोग कम हय। एकरा अलावा, ग्राफ वर्ग जैसे कि स्केल-फ्री सोशल नेटवर्क में विभाजन के स्पष्ट रूप से प्रभावी बनावे के लेल स्थानीयता के कमी छलो। विशाल बहु-थ्रेडिंग एगो वैकल्पिक वास्तुशिल्प प्रतिमान हई, जोनमे एगो बड़का साझा मेमोरी के प्रोसेसर के जौरे जोड़ल जाई हई जोनमे कैगो थ्रेड संदर्भ के समर्थन करे के लेल अतिरिक्त हार्डवेयर होई छलई। प्रोसेसर गति आम तौर पर सामान्य से धीमा होव हई, और डेटा कैश ना होव हई। मेमोरी विलंबता के कम करे के बजाय, बहु-थ्रेडेड मशीन एकरा सहन करो हय। ई प्रतिमान ग्राफ खोज के समस्या के जौरे ठीक से संरेखित हई, काहेकी गणना के लेल मेमोरी अनुरोध के उच्च अनुपात के मल्टीथ्रेडिंग के माध्यम से सहन कैल जा सकई हई। इ पत्र में, हम बहु-थ्रेडेड ग्राफ लाइब्रेरी (एमटीजीएल) के परिचय देई हई, बहु-थ्रेडेड कंप्यूटर पर अर्थ संबंधी ग्राफ के संसाधित करे के लेल जेनेरिक ग्राफ क्वेरी सॉफ्टवेयर। ई लाइब्रेरी वर्तमान में सीरियल मशीन और क्रे एमटीए -२ पर चलई हई, लेकिन सैंडिया एगो रन-टाइम सिस्टम विकसित कर रहल हई जे सममित मल्टीप्रोसेसर पर एमटीजीएल-आधारित कोड चलाबे के संभव बनाबई हई। हम जुड़ल घटकों लागी एक बहु-थ्रेडेड एल्गोरिथ्म और असतत उपग्राफ आइसोमोर्फिज्म लागी एक नया युरेस्टिक भी पेश कर हई हम इ और अन्य बुनियादी ग्राफ एल्गोरिदम के प्रदर्शन के बड़े पैमाने पर मुक्त ग्राफ पर खोज कर हई। हम एस-टी कनेक्टिविटी के लेल क्रे एमटीए -2 अउर ब्लू जीन / लाइट के बीच प्रदर्शन तुलना के जौरे निष्कर्ष निकाललई। |
d4c65ee21bb8d64b8e4380f80ad856a1629b5949 | ब्रॉडबैंड ऑर्थो-मोड ट्रांसड्यूसर में दोहरे ऑर्थोगोनल रैखिक ध्रुवीकरण के अलग करे के लिए फोल्ड लैंडर आर्म के साथ एक वेव गाइड डिवाइडर प्रस्तुत कैल गेल हई। संरचना एक प्रसिद्ध दोहरे समरूपता जंक्शन पर आधारित हय, जेजा धातु के पिन के समाप्त कर दिहल गेलय हय और एक संयुक्त प्रभाव प्राप्त करे के लिए पार्श्व आउटपुट के मोड़ल गेलय हय: ऊर्ध्वाधर ध्रुवीकरण के लिए मिलान और एक बहुत महत्वपूर्ण आकार के कमी। एकर अलावा, चूंकि पार्श्व शाखा के लिए पथ के कम कर देल गेल हई, येहिलेल विभिन्न ध्रुवीकरण के लेल सम्मिलन हानि संतुलित होएल हई। जंक्शन के दोहरा-समरूपता के कारण ऑर्थोगोनल ध्रुवीकरण के बीच अलगाव रखल जा हय। यांत्रिक दृष्टिकोण से, प्रस्तावित जंक्शन ऑर्थो-मोड ट्रांसड्यूसर भागों के एक अधिक सरल निर्माण और संयोजन के अनुमति देवो हय, जेकरा एक क्यू-बैंड डिजाइन के साथ दिखाया गेलय हय, जे 12.6 से 18.25 गीगाहर्ट्ज तक के पूरा क्यू-बैंड के कवर करो हय। प्रायोगिक प्रोटोटाइप ने डिज़ाइन बैंड में 28 dB से बेहतर मापा गेल वापसी हानि और दोनों ध्रुवीकरणों के लिए 0.15 dB से कम सम्मिलन हानि के प्रदर्शन कैलकय हा। |
db3259ae9e7f18a319cc24229662da9bf400221a | |
10dae7fca6b65b61d155a622f0c6ca2bc3922251 | |
5021c5f6d94ffaf735ab941241ab21e0c491ffa1 | मिलान और पुनर्प्राप्ति कार्य में अपन प्रदर्शन के बेहतर करे के लिए एमएसईआर विशेषता के फिर से परिभाषित कैल गेल हई। प्रस्तावित सिमसर विशेषता (यानी। स्केल-असंवेदनशील एमएसईआर) चरम क्षेत्र हई जे न केवल थ्रेसहोल्ड परिवर्तन (एमएसईआर के तरह) के तहत बल्कि छवि रीस्केलिंग (सुचारूकरण) के तहत अधिकतम स्थिर होई हई। इ तरह के संशोधन के सैद्धांतिक लाभ पर चर्चा कियल गलय हा। इ प्रारंभिक रूप से प्रयोगात्मक रूप से सत्यापित कैल गेलय हय कि ऐसन संशोधन एमएसईआर के मूलभूत गुण के संरक्षित करो हय, अर्थात। विशेषता के औसत संख्या, दोहराव और कम्प्यूटेशनल जटिलता (जो केवल उपयोग कैल गेलय पैमाना के संख्या द्वारा गुणात्मक रूप से बढ़ायल गेलय हय), जबकि प्रदर्शन (आमतौर पर सीबीवीआईआर मीट्रिक द्वारा मापल गेलय) में काफी सुधार कियल जा सको हय। विशेष रूप से, बेंचमार्क डेटासेट पर परिणाम डिस्क्रिप्टर-आधारित मिलान अउर शब्द-आधारित मिलान दुनु के लेल रिकॉल मान में महत्वपूर्ण वृद्धि के संकेत देई हई। सामान्य तौर पर, SIMSERs बड़े दृश्य शब्दावली के साथ उपयोग के लिए विशेष रूप से उपयुक्त प्रतीत होते हैं, जैसे कि ऊ बड़ पैमाना के डेटाबेस में बीओडब्ल्यू पूर्व-खोज संचालन के गुणवत्ता में सुधार के लेल भविष्य में लागू कैल जा सकई हई। |
e23c9687ba0bf15940af76b7fa0e0c1af9d3156e | उपभोक्ता इलेक्ट्रॉनिक्स उद्योग 240 बिलियन डॉलर के वैश्विक उद्योग हई जेकरा मे बहुत कम प्रतिस्पर्धी वैश्विक खिलाड़ी छलई। हम इ उद्योग में कोई भी वैश्विक आपूर्ति श्रृंखला से जुड़े कई जोखिम के वर्णन करो हय। उदाहरण के तौर पर, हम ऐसन कदम के भी सूचीबद्ध करई हई जे सैमसंग इलेक्ट्रॉनिक्स अउर एकर सहायक, सैमसंग इलेक्ट्रॉनिक्स यूके, येई जोखिम के कम करे के लेल लेल लेलई हई। जोखिम के हमर विवरण और शमन प्रयास के चित्रण भविष्य के अनुसंधान के क्षेत्र के पहचान करे के लिए पृष्ठभूमि प्रदान करो हय। |
2f52cbef51a6a8a2a74119ad821526f9e0b57b39 | एसएपी हाना डेटाबेस के लेन-देन के अनुरूप परिचालन वर्कलोड के संयोजन में जटिल व्यवसाय विश्लेषणात्मक प्रक्रिया के समर्थन के लिए एसएपी हाना एप्लिकेशन के मूल के रूप में तैनात कैल गेल हई। इ पत्र के भीतर, हम एसएपी हाना डेटाबेस के बुनियादी विशेषताओं के रेखांकित करते हैं, उन विशिष्ट विशेषताओं पर जोर देते हैं जो एसएपी हाना डेटाबेस को अन्य शास्त्रीय संबंधपरक डेटाबेस प्रबंधन प्रणालियों से अलग करते हैं। तकनीकी पक्ष पर, एसएपी हाना डेटाबेस में डेटा प्रोसेसिंग के पूर्ण स्पेक्ट्रम प्रदान करे के लिए एक वितरित क्वेरी प्रोसेसिंग वातावरण के साथ कई डेटा प्रोसेसिंग इंजन शामिल हय - शास्त्रीय संबंधपरक डेटा से हाइब्रिड इंजन में पंक्ति- और स्तंभ-उन्मुख भौतिक प्रतिनिधित्व दोनों के समर्थन करे के लिए, एक ही प्रणाली के भीतर अर्ध- और असंगठित डेटा प्रबंधन के लिए ग्राफ और पाठ प्रसंस्करण के लिए। एक अधिक अनुप्रयोग-उन्मुख दृष्टिकोण से, हम मूल रूप से लागू व्यावसायिक कार्यों के एक अंतर्निहित सेट के साथ कई डोमेन-विशिष्ट भाषाओं के SAP HANA डेटाबेस द्वारा प्रदान कियल गेल विशिष्ट समर्थन के रूपरेखा तैयार करो हय। रिलेशनल डेटाबेस सिस्टम के लेल लिंगाफ्राका के रूप में एसक्यूएल के अब आधुनिक अनुप्रयोग के सभे आवश्यकता के पूरा करे के लेल ना मानल जा सकई हई, जे डेटा प्रबंधन परत के जौरे सख्त बातचीत के मांग करई हई। इसलिए, एसएपी हाना डेटाबेस अंतर्निहित डेटा प्रबंधन मंच के साथ अनुप्रयोग शब्दार्थ के आदान-प्रदान के अनुमति देवो हय जेकर उपयोग क्वेरी अभिव्यक्तिशीलता के बढ़ावे और व्यक्तिगत एप्लिकेशन-टू-डेटाबेस राउंड ट्रिप के संख्या के कम करे के लिए कैल जा सको हय। |
3a011bd31f1de749210b2b188ffb752d9858c6a6 | हम बड़ परिष्कृत नेटवर्क के ओर निर्णय समर्थन सुविधा के विस्तार करे पर विचार कर रहल हई, जोन पर बहुआयामी विशेषता नेटवर्क इकाई के जौरे जुड़ल हई, येई प्रकार तथाकथित बहुआयामी नेटवर्क बनाबई हई। डेटा वेयरहाउस अउर ओएलएपी (ऑनलाइन एनालिटिकल प्रोसेसिंग) तकनीक संबंधपरक डेटा पर निर्णय समर्थन के लेल प्रभावी उपकरण साबित होलई ह। हालांकि, ऊ नया लेकिन महत्वपूर्ण बहु-आयामी नेटवर्क के संभाल करे के लिए अच्छी तरह से सुसज्जित नए हकय। ई पेपर में, हम ग्राफ क्यूब, एगो नया डेटा वेयरहाउसिंग मॉडल के परिचय देई हई जे ओएलएपी क्वेरी के समर्थन करई हई जे बड़का बहुआयामी नेटवर्क पर प्रभावी रूप से होई हई। नेटवर्क के विशेषता एकत्रीकरण और संरचना सारांश दोनों के ध्यान में रखकर, ग्राफ क्यूब पारंपरिक डेटा क्यूब मॉडल से परे जा हय जे केवल संख्यात्मक मूल्य आधारित समूह-द्वारा से शामिल हय, जेकरा परिणामस्वरूप प्रत्येक संभावित बहुआयामी स्थान के भीतर एक अधिक अंतर्दृष्टिपूर्ण और संरचना-समृद्ध समग्र नेटवर्क होवो हय। पारंपरिक घन आकार के प्रश्नों के अलावा, OLAP प्रश्नों के एक नया वर्ग, क्रॉसबॉइड, पेश कैल जा हय जे बहुआयामी नेटवर्क में अद्वितीय रूप से उपयोगी हय और एकर पहले अध्ययन नए कियल गलय हा। हम बहुआयामी नेटवर्क के विशेष विशेषताओं के मौजूदा अच्छी तरह से अध्ययन कैल गेलय डेटा क्यूब तकनीक के साथ जोड़कर ग्राफ क्यूब के लागू करो हय। हम वास्तविक दुनिया के डेटा सेट के एक श्रृंखला पर व्यापक प्रयोगात्मक अध्ययन करई हई अउर ग्राफ क्यूब के बड़का बहुआयामी नेटवर्क पर निर्णय समर्थन के लेल एगो शक्तिशाली अउर कुशल उपकरण के रूप में देखाएल गेल हई। |
4b573416043cf9cff42cbb7b753993c907a2be4a | कैगो पारंपरिक अउर नया व्यावसायिक अनुप्रयोग अंतर्निहित रूप से ग्राफस्ट्रक्चर्ड डेटा के जौरे काम करई हई अउर येहिलेल डेटा प्रबंधन परत में प्रदान कैल गेल ग्राफ अमूर्त अउर संचालन से लाभ होई छलई। गुण ग्राफ डेटा मॉडल न केवल स्कीमा लचीलापन प्रदान करो हय बल्कि डेटा और मेटाडेटा के संयुक्त रूप से प्रबंधित और संसाधित करे के अनुमति देवो हय। विशिष्ट ग्राफ संचालन के सीधे डेटाबेस इंजन में लागू करके और ओकरा एगो सहज प्रोग्रामिंग इंटरफ़ेस अउर एगो घोषणात्मक भाषा के रूप में उजागर करके, जटिल व्यावसायिक अनुप्रयोग तर्क के अधिक आसानी से व्यक्त कैल जा सकई हई अउर बहुत कुशलता से निष्पादित कैल जा सकई हई। इ पत्र में हम अंतर्निहित ग्राफ डेटा समर्थन के साथ SAP HANA डेटाबेस के विस्तार के लिए अपन चल रहल काम के वर्णन करो हय। हम एकरा SAP HANA के साथ आधुनिक व्यावसायिक अनुप्रयोगों के लिए एक कुशल और सहज डेटा प्रबंधन मंच प्रदान करे के तरीके पर एक अगले कदम के रूप में देखई छियई। |
16af753e94919ca257957cee7ab6c1b30407bb91 | |
cc75568885ab99851cc0e0ea5679121606121e5d | काम करे वाला कुत्तों के प्रशिक्षण और संभालना एक महंगा प्रक्रिया हय और एकरा लिए विशेष कौशल और तकनीकों के आवश्यकता होवो हय। कम व्यक्तिपरक अउर कम लागत वाला प्रशिक्षण तकनीक न केवल येई कुत्ता के जौरे हमर साझेदारी के बेहतर बनाबई बल्कि हमरा उनकर कौशल से अधिक कुशलता से लाभान्वित होए के भी अनुमति देई। एकरा सुगम बनावे के लेल, हम सेंसरिंग तकनीक अउर कम्प्यूटेशनल मॉडलिंग के संयोजन करे के लेल एगो कैनाइन बॉडी-एरिया-नेटवर्क (सीबीएएन) विकसित कर रहल हई ताकि कुत्ता प्रशिक्षण के लेल प्रबंधक के अधिक सटीक व्याख्या प्रदान कैल जा सके। एकर पहिला चरण के रूप में, हम कुत्तवन के व्यवहारिक गतिविधि के दूरस्थ रूप से पता लगावे के लेल जड़त्वीय माप इकाइ (आईएमयू) के उपयोग करलई। निर्णय वृक्ष वर्गीकरण अउर हिडन मार्कोव मॉडल के उपयोग स्थैतिक मुद्रा (बैठल, खड़ा, लेटा, दू गो पैर पर खड़ा अउर जमीन से खाएल) अउर गतिशील गतिविधि (चाल, सीढ़ी चढ़ना अउर रैंप से नीचे चलना) के पता लगाबे के लेल कैल गेल रहई। एगो डॉग वेस्ट पर तैनात वायरलेस सेंसर सिस्टम द्वारा प्रदान कैल गेल त्वरणमापी अउर जाइरोस्कोप डेटा के युरिस्टिक विशेषता के आधार पर। डेटा 6 लैब्राडोर रिट्रीवर्स और एक काई केन से एकत्रित कियल गलय हल। IMU स्थान और अभिविन्यास के विश्लेषण ने स्थिर और गतिशील गतिविधि मान्यता के लिए उच्च वर्गीकरण सटीकता प्राप्त करे में मदद कैलकय। |
694a40785f480cc0d65bd94a5e44f570aff5ea37 | मोबाइल रोबोट नेविगेशन पर शोध ने इनडोर वातावरण के मानचित्रण के लिए दो प्रमुख प्रतिमान तैयार कैलकय हा: ग्रिड-आधारित और टोपोलॉजिकल। जबकि ग्रिड-आधारित विधियां सटीक मीट्रिक मानचित्र उत्पन्न करो हय, ओकर जटिलता अक्सर बड़े पैमाने पर इनडोर वातावरण में कुशल योजना और समस्या के समाधान के प्रतिबंधित करो हय। दूसर ओर, टोपोलॉजिकल मानचित्रवन के उपयोगवा बहुत अधिक कुशलता से करल जा सक है, फिर भी बड़ पैमाना के वातावरणवा में सटीक और सुसंगत टोपोलॉजिकल मानचित्रवन के सीखल काफी कठिन हो। ई पेपर एगो दृष्टिकोण के वर्णन करई हई जे दुनहु प्रतिमान के एकीकृत करई हई: ग्रिड-आधारित अउर टोपोलॉजिकल। ग्रिड-आधारित मानचित्र के कृत्रिम तंत्रिका नेटवर्क अउर बेयसन एकीकरण के उपयोग कैके सिखल जाई हई। टोपोलॉजिकल मानचित्रवा ग्रिड-आधारित मानचित्रवन के ऊपरवा पर उत्पन्न होव है, जेकरा बाद के सुसंगत क्षेत्रवन में विभाजित करके विभाजित किईल जा है। दोनों प्रतिमानों-ग्रिड-आधारित और टोपोलॉजिकल के संयोजन करके, यहां प्रस्तुत दृष्टिकोण दोनों दुनिया के सर्वश्रेष्ठ प्राप्त करो हय: सटीकता / स्थिरता और दक्षता। ई पेपर आबादी वाला बहु-कमरा वातावरण में सोनार सेंसर से लैस एक मोबाइल रोबोट के स्वायत्त रूप से संचालित करे के लिए परिणाम देवो हय। |
a512385be058b1e2e1d8b418a097065707622ecd | कैंसर के वैश्विक बोझ बढ़ते रहो हय, मुख्य रूप से दुनिया के आबादी के वृद्धावस्था और वृद्धि के कारण, आर्थिक रूप से विकासशील देशों में कैंसर पैदा करे वाला व्यवहार के बढ़ते गोद लेवे के साथे-साथ विशेष रूप से धूम्रपान। ग्लोबोकैन 2008 के अनुमान के आधार पर, 2008 में लगभग 12.7 मिलियन कैंसर के मामला और 7.6 मिलियन कैंसर से मौत के अनुमान लगायल गेलय हल; एकरा में से, 56% मामला और 64% मौत आर्थिक रूप से विकासशील दुनिया में होलय हल। स्तन कैंसर सबसे अधिक बार निदान कैल जाए वाला कैंसर हई अउर महिला में कैंसर से मृत्यु के प्रमुख कारण हई, जे कुल कैंसर के 23% अउर कैंसर से मृत्यु के 14% के लेल जिम्मेदार छलई। फेफड़ा के कैंसर पुरुष में कैंसर के प्रमुख साइट हई, जोनमे कुल नया कैंसर के 17% अउर कुल कैंसर से मृत्यु के 23% शामिल छलई। स्तन कैंसर अब आर्थिक रूप से विकासशील देश में महिला के बीच कैंसर से मृत्यु के प्रमुख कारण बन गेल हई, पिछला दशक से एगो बदलाव जोनमे कैंसर से मृत्यु के सबसे आम कारण गर्भाशय ग्रीवा के कैंसर रहई। एकरा अलावा, विकासशील देश में महिला के बीच फेफड़ों के कैंसर के मृत्यु दर गर्भाशय ग्रीवा के कैंसर के भार जितना अधिक हय, प्रत्येक महिला में कुल कैंसर से मृत्यु के 11% के हिसाब से। यद्यपि विकासशील दुनिया में कैंसर के समग्र घटना दर दुनहु लिंग में विकसित दुनिया में देखल गेल आधा हय, समग्र कैंसर मृत्यु दर आम तौर पर समान हय। विकासशील देश में कैंसर के अस्तित्व गरीब होवे के प्रवृत्ति रखई हई, सबसे अधिक संभावना निदान में देर से चरण अउर समय पर अउर मानक उपचार तक सीमित पहुंच के संयोजन के कारण छलई। कैंसर के विश्वव्यापी बोझ के एक महत्वपूर्ण अनुपात के मौजूदा कैंसर नियंत्रण ज्ञान के अनुप्रयोग और तंबाकू नियंत्रण, टीकाकरण (यकृत और गर्भाशय ग्रीवा के कैंसर के लिए), और प्रारंभिक पता लगाने और उपचार के लिए कार्यक्रमों के कार्यान्वयन के साथ-साथ शारीरिक गतिविधि और एक स्वस्थ आहार के सेवन के बढ़ावा देने वाले सार्वजनिक स्वास्थ्य अभियानों के माध्यम से रोका जा सकता है। नैदानिक, सार्वजनिक स्वास्थ्य पेशेवर अउर नीति निर्माता वैश्विक स्तर पर ऐसन हस्तक्षेप के अनुप्रयोग के तेज करे में सक्रिय भूमिका निभा सकई छलई। |
37fa040ec0c4bc1b85f3ca2929445f3229ed7f72 | हम स्केच-आरएनएन, एगो आवर्ती तंत्रिका नेटवर्क (आरएनएन) प्रस्तुत करई हई जे सामान्य वस्तु के स्ट्रोक-आधारित चित्र के निर्माण करे में सक्षम छलई। मॉडल के सैकड़ों वर्ग के प्रतिनिधित्व करे वाला हजारों कच्चे मानव-चित्रित छवियों पर प्रशिक्षित कियल गलय हा। हम सशर्त और बिना शर्त स्केच उत्पादन के लिए एक ढांचे के रूपरेखा तैयार करो हय, और एक वेक्टर प्रारूप में सुसंगत स्केच चित्र उत्पन्न करे के लिए नया मजबूत प्रशिक्षण विधियों के वर्णन करो हय। |
a1a1c4fb58a2bc056a056795609a2be307b6b9bf | क्लाउड स्टोरेज तेजी से कैगो आईटी बुनियादी ढांचा के आधारशिला बन गेल हई, जे बड़का मात्रा में डेटा के बैकअप, सिंक्रनाइज़ेशन अउर साझा करे के लेल एगो निर्बाध समाधान के गठन करई हई। हालांकि, क्लाउड सेवा प्रदाताओं के प्रत्यक्ष नियंत्रण में उपयोगकर्ता डेटा रखे से आउटसोर्स डेटा के अखंडता, संवेदनशील जानकारी के आकस्मिक या जानबूझकर रिसाव, उपयोगकर्ता गतिविधियों के प्रोफाइलिंग और इसी तरह से संबंधित सुरक्षा और गोपनीयता चिंताएं बढ़ जा हय। एकरा अलावा, भले ही क्लाउड प्रदाता विश्वसनीय हो, आउटसोर्स फ़ाइल तक पहुंच वाला उपयोगकर्ता दुर्भावनापूर्ण हो सकई हई अउर गलत व्यवहार कर सकई हई। येई चिंता विशेष रूप से व्यक्तिगत स्वास्थ्य रिकॉर्ड अउर क्रेडिट स्कोर सिस्टम जैसन संवेदनशील अनुप्रयोग में गंभीर छलई। इ समस्या से निपटे के लेल, हम गोरम, एगो क्रिप्टोग्राफिक प्रणाली प्रस्तुत करई छी जे आउटसोर्स कैल गेल डेटा के गोपनीयता अउर अखंडता के एगो अविश्वसनीय सर्वर अउर दुर्भावनापूर्ण क्लाइंट दुनु के संबंध में सुरक्षा करई हई, ऐसन डेटा तक पहुंच के गुमनामी अउर अनलिंकेबिलिटी के गारंटी देइ हई, अउर डेटा मालिक के अन्य क्लाइंट के जौरे आउटसोर्स कैल गेल डेटा साझा करे के अनुमति देइ हई, ओकरा चुनिंदा रूप से पढ़े अउर लिखे के अनुमति देई छलई। गोरम आउटसोर्स स्टोरेज के लेल सुरक्षा अउर गोपनीयता गुण के ऐसन विस्तृत श्रृंखला प्राप्त करे वाला पहिला प्रणाली छलई। एक कुशल निर्माण के डिजाइन करे के प्रक्रिया में, हम दो नया, सामान्य रूप से लागू क्रिप्टोग्राफिक योजना विकसित कैलकय, अर्थात्, शफल के बैच शून्य-ज्ञान प्रमाण और शमशाह हस्ताक्षर के आधार पर एक जवाबदेही तकनीक, जेकरा हम स्वतंत्र रुचि के मानो हय। हम अमेज़ॅन इलास्टिक कंप्यूट क्लाउड (ईसी 2) में गोराम लागू कयलन आउर अपन निर्माण के स्केलेबिलिटी आउर दक्षता के प्रदर्शित करे वाला प्रदर्शन मूल्यांकन चलालई। |
32527d9fcbfb0c84daf715d7e9a375f647b33c2c | |
269ed5ba525519502123b58472e069d77c5bda14 | एगो इंटरैक्टिव प्रश्न उत्तर (क्यूए) प्रणाली में अक्सर गैर-महत्वपूर्ण (अपूर्ण) प्रश्न के सामना कैल जाई छलई। ई गैर-महत्वपूर्ण प्रश्न सिस्टम के लेल अर्थपूर्ण न हो सकई हई जब कोनो उपयोगकर्ता एकरा बातचीत के संदर्भ के बिना पूछई हई। इ प्रकार सिस्टम के अपूर्ण प्रश्न के संसाधित करे के लिए वार्तालाप संदर्भ के ध्यान में रखे के आवश्यकता हय। ई काम में, हम एगो आवर्ती तंत्रिका नेटवर्क (आरएनएन) आधारित एन्कोडर-डेकोडर नेटवर्क प्रस्तुत करई हई जे एगो अपूर्ण प्रश्न अउर वार्तालाप संदर्भ के देखते हुए एगो पूर्ण (इरादा) प्रश्न उत्पन्न कर सकई हई। आरएनएन एन्कोडर-डेकोडर नेटवर्क के लाखों वाक्य के साथे समानांतर कोरपस पर प्रशिक्षित होए पर अच्छा तरह से काम करे के लेल दिखाएल गेल हई, हालांकि येई परिमाण के बातचीत डेटा प्राप्त करनाई बेहद कठिन छलई। हम मूल समस्या के दू अलग-अलग सरलीकृत समस्या में विभाजित करे के प्रस्ताव रखई हई जहां प्रत्येक समस्या एगो अमूर्त पर केंद्रित होई हई। विशेष रूप से, हम शब्दार्थ अनुक्रम मॉडल के शब्दार्थ पैटर्न के सीखने के लिए, और वाक्यविन्यास अनुक्रम मॉडल के भाषाई पैटर्न के सीखने के लिए प्रशिक्षित कर हकिअइ। हम एगो एंसंटेम्पल मॉडल उत्पन्न करे के लेल वाक्यविन्यास अउर शब्दार्थ अनुक्रम मॉडल के जोड़ई हई। हमर मॉडल मानक आरएनएन एन्कोडर डिकोडर मॉडल के उपयोग करके 18.54 के तुलना में 30.15 के ब्ल्यू स्कोर प्राप्त करई हई। |
27099ec9ea719f8fd919fb69d66af677a424143b | विचार-तर्कसंगत के अनुकूली नियंत्रण (एसीटी-आर; जे.आर. एंडरसन और सी. लेबियर, 1998) एक सिद्धांत में विकसित होलय हा जे में कई मॉड्यूल शामिल हय लेकिन इ भी समझावो हय कि ई मॉड्यूल सुसंगत संज्ञान के उत्पादन करे के लिए कैसे एकीकृत हय। धारणा-मोटर मॉड्यूल, लक्ष्य मॉड्यूल, और घोषणात्मक मेमोरी मॉड्यूल को ACT-R में विशेष प्रणालियों के उदाहरणों के रूप में प्रस्तुत किया जाता है। ई मॉड्यूल अलग-अलग कॉर्टेकल क्षेत्र से जुड़ल हय। ई मॉड्यूल बफर में टुकड़ा रखई हई जहां ऊ उत्पादन प्रणाली द्वारा पता लगाएल जा सकई हई जे बफर में सूचना के पैटर्न के जवाब देई हई। समय के कोनो बिंदु पर, वर्तमान पैटर्न के जवाब देवे के लेल एगो एकल उत्पादन नियम के चयन कैल जाई हई। उप-प्रतीकात्मक प्रक्रिया आग लगै के नियम के चयन के साथे-साथ कुछ मॉड्यूल के आंतरिक संचालन के मार्गदर्शन करे के लेल काम करई हई। सीख के अधिकांश भाग में येई उप-प्रतीकात्मक प्रक्रिया के ट्यूनिंग शामिल हई। इ मॉड्यूल अलग से और सामंजस्य में कैसे काम करो हय, इ दर्शावे के लिए कई सरल और जटिल अनुभवजन्य उदाहरण के वर्णन कियल गलय हा। |
6fdbf20f50dfd6276d9b89e494f86fbcc7b0b9b7 | हम एगो नया इलेक्ट्रॉनिक ट्रैकिंग एंटीना सरणी के डिजाइन अउर परीक्षण कैले हई जे 2 × 2 माइक्रोस्ट्रिप सब-सरणियों से बनल हई। प्रत्येक उप-सरणी पर समय अनुक्रम चरण भारन के माध्यम से, प्रत्येक उप-सरणी पर आयाम और चरण के परिणामी एकल चैनल के आउटपुट से पुनर्प्राप्त कैल जा सको हय। प्रत्येक सरणी पर आयाम और चरण के उपयोग डिजिटल सिग्नल प्रोसेसिंग द्वारा योग और अंतर विकिरण पैटर्न के उत्पादन करे के लिए कियल जा सको हय। मोनोपल्स प्रणाली के तुलना में, आरएफ तुलनित्र के समाप्त कर देल गेल हई अउर रिसीवर चैनल के संख्या 3 से 1 तक कम कर देल गेल हई। एक प्रूफ-ऑफ-कॉन्सेप्ट प्रोटोटाइप के निर्माण और परीक्षण कियल गलय हल। मापल गेल परिणाम प्रस्तावित योजना के वैधता और लाभ के पुष्टि कैलकय। चैनल सुधार के प्रक्रिया देल गेल हई। |
3701bdb05b6764b09a5735cdc3cb9c40736d9765 | हम स्टोचैस्टिक अतुल्यकालिक समीपवर्ती वैकल्पिक रैखिक रूप से न्यूनतमकरण (एसएपीएएलएम) विधि के परिचय देई हई, गैर-उग्र, गैर-सुचारू अनुकूलन समस्या के हल करे के लेल एगो ब्लॉक समन्वय स्टोचैस्टिक समीपवर्ती-ग्रेडिएंट विधि। SAPALM पहला अतुल्यकालिक समानांतर अनुकूलन विधि हई जे गैर-उग्र, गैर-ग्लैमरस समस्या के एगो बड़का वर्ग पर संदिग्ध रूप से अभिसरण करई हई। हम साबित कर हई कि SAPALM समकालिक या विषमकालिक विधियों के बीच - इ समस्या वर्ग पर अभिसरण के सबसे अच्छा ज्ञात दर से मेल खाई हई। हम ऊ श्रमिक के संख्या पर ऊपरी सीमा प्रदान करई हई जेकरा लेल हम रैखिक त्वरण देखे के उम्मीद कर सकई छी, जे कम जटिल समस्या के लेल जानल जाए वाला सबसे अच्छा सीमा के अनुरूप हई, अउर देखाई हई कि व्यवहार में SAPALM येई रैखिक त्वरण के प्राप्त करई हई। हम कई मैट्रिक्स फैक्टराइजेशन समस्याओं पर अत्याधुनिक प्रदर्शन प्रदर्शित करो हय। |
5cd28cdc4c82f788dee27cb73d7d9280cf9c7343 | ई पेपर हवाई चित्र से निकालल गेल मिलान ग्राफलेट्स (यानी, छोटा जुड़ल सबग्राफ) के आधार पर हवाई छवि श्रेणियों के पहचान के लिए एक विधि प्रस्तुत करो हय। प्रत्येक हवाई छवि के ज्यामितीय गुण और रंग वितरण के एन्कोड करे के लिए एक क्षेत्र आसन्नता ग्राफ (आरएजी) के निर्माण करके, हम RAG-to-RAG मिलान के रूप में हवाई छवि श्रेणी मान्यता कास्ट कर हई। ग्राफ सिद्धांत के आधार पर, आरएजी-टू-आरएजी मिलान उनकर सभे संबंधित ग्राफलेट के मिलान करके कैल जाई छलई। एक प्रभावी ग्राफलेट मिलान प्रक्रिया के ओर, हम विभिन्न आकार के ग्राफलेट के समान लंबाई के फीचर वेक्टर में स्थानांतरित करे और आगे इ फीचर वेक्टर के एक कर्नेल में एकीकृत करे के लिए एक मल्टीफोल्ड एम्बेडिंग एल्गोरिथ्म विकसित करो हय। इ कर्नेल के उपयोग हवाई छवि श्रेणिय के मान्यता के लिए एक एसवीएम [8] वर्गीकरणकर्ता के प्रशिक्षित करे के लिए कियल जा हय। प्रयोगात्मक परिणाम प्रदर्शित करो हय कि हमर विधि कई अत्याधुनिक वस्तु / दृश्य मान्यता मॉडल के बेहतर प्रदर्शन करो हय। |
b2dac341df54e5f744d5b6562d725d254aae8e80 | ई अध्ययन सार्वजनिक रूप से खुला डेटा सेट के संयोजन अउर एकीकरण के लेल ओपनएचएआर, एगो मुफ्त मैटलाब टूलबॉक्स के परिचय देई हई। ई दस सार्वजनिक रूप से खुला मानव गतिविधि डेटा सेट के त्वरणमापी संकेत के आसान पहुंच प्रदान करई छलई। डेटा सेट तकले पहुंचना आसान हई काहेकी ओपनएचएआर सभे डेटा सेट के एके प्रारूप में प्रदान करई हई। एकर अलावा, इकाइ, माप रेंज और लेबल के साथ-साथ शरीर के स्थिति आईडी भी एकीकृत हय। एकर अलावा, अलग-अलग नमूनाकरण दर के साथे डेटा सेट के डाउनसैम्पलिंग के उपयोग करके एकीकृत कैल गेल हई। एकर अलावा, सेंसर के गलत अभिविन्यास जैसे दृश्य त्रुटि के खोज के लेल डेटा सेट के दृश्य रूप से निरीक्षण कैल गेल छलई। ओपनएचएआर इ त्रुटिय के ठीक करके डेटा सेट के पुनः उपयोगिता में सुधार करो हय। कुल मिलाके OpenHAR में 65 मिलियन से अधिक लेबल कैल गेल डेटा नमूना हई। ई 3डी त्वरणमापी से 280 घंटा से भी जादे के डेटा के बराबर हइ। एकरा मे 211 अध्ययन विषय के डेटा शामिल हई जे 17 दैनिक मानव गतिविधि के प्रदर्शन करई हई अउर 14 अलग-अलग शरीर के स्थिति में सेंसर पहनई छलई। |
7347b4601078bd52eec80d5de29f801890f82de3 | एक युग्मित-Gysel ब्रॉडबैंड संयोजक/विभाजक के प्रस्तावित अउर प्रदर्शित कैल गेल हई। नया अवधारणा डिजाइन में एकल युग्मित लाइन सेगमेंट के उपयोग पर निर्भर करो हय। कम-हानि, डिजाइन की आसानी और लचीलेपन को बनाए रखते हुए बैंडविड्थ में महत्वपूर्ण सुधार प्राप्त होता है। युग्मित-ग्यसेल के 2.5 - 8 GHz (105% आंशिक बैंडविड्थ) डिवाइडर के साथ 0.1 dB डिवाइडर हानि के साथ, और 3.4 - 10.2 GHz (100% आंशिक बैंडविड्थ) के साथ 0.2 dB डिवाइडर हानि के साथ प्रदर्शित कियल गलय हा। |
a05d984443d62575c097ad65b747aae859a5f8b0 | बच्चों के मनोसामाजिक विकास पर वीडियो गेम के प्रभाव अभी भी बहस के केंद्र हय। 1 साल के अंतराल पर, 194 बच्चा (7.27-11.43 साल के; पुरुष = 98) अपन गेमिंग आवृत्ति, अउर हिंसक वीडियो गेम खेले के उनकर प्रवृत्ति, अउर खेल (ए) सहयोगी अउर (बी) प्रतिस्पर्धी के लेल रिपोर्ट कलई; अइसहीं, माता-पिता अपन बच्चा के मनोसामाजिक स्वास्थ्य के रिपोर्ट कलई। समय पर खेलना भावनात्मक समस्या में वृद्धि के साथे जुड़ल हलय। हिंसक गेमिंग मनोसामाजिक परिवर्तन के जौरे न जुड़ल रहई। सहकारी खेल सामाजिक व्यवहार में परिवर्तन के जौरे न जुड़ल रहई। अंत में, प्रतिस्पर्धी गेमिंग सामाजिक व्यवहार में कमी के जौरे जुड़ल रहई, लेकिन केवल ओई बच्चा के बीच जे उच्च आवृत्ति के जौरे वीडियो गेम खेलई रहई। येई प्रकार, गेमिंग आवृत्ति आंतरिककरण में वृद्धि से संबंधित रहई लेकिन बाहरीकरण, ध्यान, चाहे सहकर्मी समस्या में ना, हिंसक गेमिंग बाहरीकरण समस्या में वृद्धि के जौरे न रहई, अउर प्रति सप्ताह लगभग 8 घंटा या उससे ज्यादे खेले वाला बच्चा के लेल, लगातार प्रतिस्पर्धी गेमिंग सामाजिक व्यवहार के कम करे के लेल एगो जोखिम कारक हो सकई छलई। हम तर्क दे हती कि प्रतिकृति के आवश्यकता हई अउर भविष्य के शोध के बेहतर ढंग से अलग-अलग रूप के बीच अंतर करे के चाहि। गेमिंग अधिक सूक्ष्म अउर सामान्यीकृत अंतर्दृष्टि के लेल। |
5a47e047d4d41b61204255e1b265d704b7f265f4 | शब्द "बिग डेटा" व्यापक रूप से समझल जा सकई हई। अकादमिक, उद्योग और मीडिया के बीच एक साझा उत्पत्ति के कारण कोई एकल एकीकृत परिभाषा नए हय, और विभिन्न हितधारक विविध और अक्सर परस्पर विरोधी परिभाषा प्रदान करो हय। एगो सुसंगत परिभाषा के कमी अस्पष्टता के परिचय देई हई अउर बड़ डेटा से संबंधित प्रवचन में बाधा डालई हई। ई छोटा सा लेख विभिन्न परिभाषा के संकलित करे के प्रयास करई हई, जे कुछ हद तक कर्षण प्राप्त कैले हई अउर अन्यथा अस्पष्ट शब्द के स्पष्ट अउर संक्षिप्त परिभाषा प्रदान करई हई। |
7065e6b496af41bba16971246a02986f5e388860 | कई कंपनियों के लिए संगठनात्मक क्षमताओं के प्रबंधन और सुधार एक महत्वपूर्ण और जटिल मुद्दा है। प्रबंधन के समर्थन करे और सुधार के सक्षम करे के लिए, प्रदर्शन मूल्यांकन के आम तौर पर उपयोग कियल जा हय। संगठनात्मक क्षमता के आकलन करे के एगो तरीका परिपक्वता ग्रिड के माध्यम से हई। जबकि परिपक्वता ग्रिड एक सामान्य संरचना साझा कर सको हय, ओकर सामग्री अलग हय और अक्सर ओकरा नया रूप से विकसित कियल जा हय। ई कागज परिपक्वता ग्रिड के विकास के लेल एगो संदर्भ बिंदु अउर दिशानिर्देश दुनु प्रस्तुत करई हई। ई 24 मौजूदा परिपक्वता ग्रिड के समीक्षा करके अउर उनकर विकास के लेल एगो रोडमैप के सुझाव देके हासिल कैल जाई छलई। समीक्षा परिपक्वता रेटिंग के निर्माण में संगठनात्मक परिवर्तन के बारे में अंतर्निहित धारणा पर विशेष जोर देवो हय। प्रस्तावित रोडमैप में चार चरण शामिल हयः योजना, विकास, मूल्यांकन और रखरखाव। प्रत्येक चरण विकास के लिए कई निर्णय बिंदुओं पर चर्चा करो हय, जैसे कि प्रक्रिया क्षेत्रों, परिपक्वता स्तर और वितरण तंत्र के चयन। औद्योगिक अभ्यास में रोडमैप के उपयोगिता के प्रदर्शित करे वाला एक उदाहरण देल गेल हई। रोडमैप के उपयोग मौजूदा दृष्टिकोण के मूल्यांकन करे के लेल कैल जा सकई हई। पेपर के समापन में, प्रबंधन अभ्यास और अनुसंधान के लिए निहितार्थ प्रस्तुत कियल गलय हा। |
5dd79167d714ff3907ffbba102b8e6fba49f053e | ई पेपर डिजिटल वायरलेस संचार में उच्च बिट-रेट के बैंडविड्थ कुशल वितरण के अंतिम सीमा के मौलिक समझ के आवश्यकता से प्रेरित हई अउर ई भी देखे के लेल शुरू कैल जाई हई कि येई सीमा के कैसे संपर्क कैल जा सकई हई। हम बहु-तत्व सरणी (एमईए) प्रौद्योगिकी के शोषण के जांच करई हई, जे कि कुछ अनुप्रयोग में वायरलेस क्षमता में सुधार के लेल स्थानिक आयाम (केवल समय आयाम न) के संसाधित कर रहल हई। विशेष रूप से, हम कुछ बुनियादी सूचना सिद्धांत परिणाम प्रस्तुत करई हई जे वायरलेस लैन में एमईए के उपयोग करे अउर वायरलेस संचार लिंक के निर्माण के लेल निर्माण के बड़का लाभ के वादा करई हई। हम महत्वपूर्ण मामला के पता लगावई हई जब चैनल विशेषता ट्रांसमीटर पर उपलब्ध ना होई हई लेकिन रिसीवर ऊ विशेषता के जानई हई जे रेले फीडिंग के अधीन हई। कुल प्रेषित शक्ति के निर्धारित करके, हम एमईए तकनीक द्वारा पेश कैल गेल क्षमता के व्यक्त करई हई अउर देखई हई कि ट्रांसमीटर अउर रिसीवर दुनु पर एंटीना तत्व के एगो बड़ लेकिन व्यावहारिक संख्या के लेल एसएनआर के बढ़ाबे के जौरे क्षमता कैसे स्केल होई हई। हम एंटीना तत्व के बीच स्वतंत्र रेले फीका पथ के मामला के जांच करई हई अउर पाइत हई कि उच्च संभावना के जौरे असाधारण क्षमता उपलब्ध छलई। बेसलाइन n = 1 केस के तुलना में, जे शैनन के शास्त्रीय सूत्र द्वारा प्रत्येक 3 डीबी के संकेत-टू-शोर अनुपात (एसएनआर) में वृद्धि के लेल एक और बिट / चक्र के रूप में स्केल करई हई, उल्लेखनीय रूप से एमईए के जौरे, स्केलिंग लगभग एन जैसन हई। एसएनआर में प्रत्येक 3 डीबी वृद्धि के लेल अधिक बिट / चक्र। ई दर्शावे के लेल कि ई क्षमता केतना बड़का हई, छोट n के लेल भी, n = 2, 4 अउर 16 के मामला के लेल जाए, जेकरा औसत प्राप्त SNR 21 dB हई। 99% से अधिक चैनल के लेल क्षमता क्रमशः 7, 19 अउर 88 बिट/चक्र हई, जबकि अगर n = 1 त 99% स्तर पर केवल लगभग 1.2 बिट/चक्र होई हई। उदाहरण के लेल चैनल बैंडविड्थ के बराबर एगो प्रतीक दर के लेल, काहेकी ई बिट/प्रतीक/आयाम हई जे सिग्नल नक्षत्र के लेल प्रासंगिक छलई, येई उच्च क्षमता अनुचित ना हई। n = 4 के लेल 19 बिट/चक्र 4.75 बिट/प्रतीक/आयाम के बराबर होई हई जबकि n = 16 के लेल 88 बिट/चक्र 5.5 बिट/प्रतीक/आयाम के बराबर होई हई। अंततः जे संभव होतय ओकर तुलना में चयन और इष्टतम संयोजन जैसे मानक दृष्टिकोण के कमतर मानल जा हय। वादा कैल गेल बड़का क्षमता के एगो पर्याप्त हिस्सा के महसूस करे के लेल नया कोडेक के आविष्कार कैल जाए के चाहि। |
4f911fe6ee5040e6e46e84a9f1e211153943cd9b |
Subsets and Splits