_id
stringlengths 40
40
| text
stringlengths 0
9.21k
|
|---|---|
45c56dc268a04c5fc7ca04d7edb985caf2a25093 | বিচ্ছিন্ন সম্ভাৱনা বিতৰণৰ সৈতে সাধাৰণ পাৰামিতি অনুমানৰ পদ্ধতিসমূহ উপস্থাপন কৰে, যি পাঠ মডেলিংত বিশেষভাৱে আগ্ৰহজনক। সৰ্বাধিক সম্ভাৱনীয়তাৰ পৰা আৰম্ভ কৰি, পৰৱৰ্তী আৰু বেইচিয়ান অনুমান, কেন্দ্ৰীয় ধাৰণা যেনে সংযুক্ত বিতৰণ আৰু বেইচিয়ান নেটৱৰ্কসমূহ পৰ্যালোচনা কৰা হয়। এপ্লিকেচন হিচাপে, ডিৰিল্ট হাইপাৰপাৰমেটাৰ অনুমানৰ আলোচনাকে ধৰি গিবছ নমুনা গ্ৰহণৰ ওপৰত ভিত্তি কৰি প্ৰায়োগিক অনুমান এলগৰিথমৰ সম্পূৰ্ণ আহৰণ সহ লটেন্ট ডিৰিল্ট আৱন্টনৰ মডেল (LDA) বিশদভাৱে ব্যাখ্যা কৰা হৈছে। ইতিহাসঃ সংস্কৰণ ১ঃ মে ২০০৫, সংস্কৰণ ২.৪ঃ আগষ্ট ২০০৮। |
9e463eefadbcd336c69270a299666e4104d50159 | |
2e268b70c7dcae58de2c8ff7bed1e58a5e58109a | এইখন লেখকৰ ডাইনামিক প্ৰগ্ৰামিং এণ্ড অপ্টিমেল কন্ট্ৰ লৰ অধ্যায় ৪ৰ এটা আপডেট সংস্কৰণ, Vol. দ্বিতীয়, চতুৰ্থ সংস্কৰণ, এথেনা বৈজ্ঞানিক, ২০১২। এই পুথিখনত নতুন উপাদান অন্তৰ্ভুক্ত কৰা হৈছে আৰু ইয়াক যথেষ্ট পৰিমাণে সংশোধন আৰু সম্প্ৰসাৰিত কৰা হৈছে (ইয়াৰ আকাৰ দুগুণতকৈও অধিক হৈছে) । নতুন উপাদানটোৰ উদ্দেশ্য হৈছে কেইবাটাও মডেলৰ একত্ৰিত চিকিৎসা প্ৰদান কৰা, যিবোৰৰ সকলোতে ধনাত্মক আৰু ঋণাত্মক খৰচৰ মডেল, নিৰ্ণায়ক অনুকূল নিয়ন্ত্ৰণ (অনুকূলিত ডিপিকে ধৰি), ষ্ট কাষ্টিক চমুতম পথৰ মডেল আৰু বিপদ সংবেদনশীল মডেলৰ বৈশিষ্ট্যযুক্ত চুক্তিভিত্তিক গাঁথনিৰ অভাৱ। নতুন উপাদানসমূহৰ সাৰাংশ তলত দিয়া হ ল: |
6d596cb55d99eae216840090b46bc5e49d7aeea5 | আমি দুটা নতুন কৌশল প্ৰস্তাৱ কৰিছো যাতে লিনিয়াৰ প্ৰণালীৰ সমাধানৰ বাবে প্ৰাসংগিক ঘন মেট্ৰিক্স ফেক্টৰাইজেশ্যনত তথাকথিত লুক ফৰৱাৰ্ড মেকানিজম প্ৰয়োগ কৰাৰ সময়ত দেখা দিয়া লোড-ইনচ্যাবলেন্সৰ সমস্যা দূৰ কৰিব পৰা যায়। দুয়োটা কৌশলেই এনে পৰিস্থিতিৰ লক্ষ্য নিৰ্ধাৰণ কৰে য ত দুটা থ্ৰেড দল সৃষ্টি/সক্ৰিয় কৰা হয়, য ত প্ৰতিটো দলে এটা নিৰ্ভৰশীল কাম/কাৰ্যকৰী শাখা সম্পাদনৰ দায়িত্বত থাকে। প্ৰথম পদ্ধতিত দুটা কামৰ মাজত কৰ্মী ভাগ বতৰা (ৱাৰ্কাৰ শ্বেয়াৰিং) কৰা হয়, যাৰ ফলত প্ৰথম কামটো সম্পূৰ্ণ কৰা কামটোৰ থ্ৰেডসমূহ ব্যয়বহুল কামৰ বাবে ব্যৱহাৰৰ বাবে পুনৰ বণ্টন কৰা হয়। দ্বিতীয় কৌশলটোৱে এটা দ্ৰুত কামক দ্বিতীয় কামৰ প্ৰাৰম্ভিক সমাপ্তি (ET) প্ৰয়োগ কৰি আৰু পৰৱৰ্তী পুনৰাবৃত্তিত ফেক্টৰাইজেশ্যন প্ৰক্ৰিয়াৰ মসৃণ স্থানান্তৰক ধীৰ কামৰ সমাপ্তিৰ বিষয়ে সতৰ্ক কৰিবলৈ অনুমতি দিয়ে। এই দুটা পদ্ধতিৰ প্ৰতিলিপি কৰা হৈছে মৌলিক ৰেখীয় বীজগণিতৰ উপ-প্ৰোগ্ৰামৰ এটা নতুন নমনীয় থ্ৰেড-স্তৰৰ ৰূপায়ণৰ জৰিয়তে আৰু ইয়াৰ লাভালাভবোৰ আংশিক পইভটিংৰ সৈতে LU কাৰকীকৰণৰ ৰূপায়ণৰ জৰিয়তে প্ৰদৰ্শিত কৰা হৈছে। বিশেষভাৱে, আমাৰ পৰীক্ষামূলক ফলাফলত ১২ ক ৰ থকা ইন্টেল-এক্সইঅ ন চিষ্টেমত WS+ET সংমিশ্ৰণৰ লাভালাভবোৰ দেখুওৱা হৈছে, কাৰ্য-সমান্তৰাল ৰানটাইম-ভিত্তিক সমাধানৰ তুলনাত প্ৰতিযোগিতামূলক প্ৰদৰ্শন প্ৰতিবেদন কৰা হৈছে। |
7157dda72073ff66cc2de6ec5db056a3e8b326d7 | 25 26 27 28 29 30 31 32 33 34 35 36 প্ৰবন্ধৰ ইতিহাসঃ প্ৰাপ্ত 13 ফেব্ৰুৱাৰী 2012 সংশোধিত ৰূপত প্ৰাপ্ত 18 মাৰ্চ 2013 গ্ৰহণ 4 এপ্ৰিল 2013 অনলাইন উপলব্ধ xxxx |
66903e95f84767a31beef430b2367492ac9cc750 | এই প্ৰবন্ধটো ১৮ বছৰ বয়সলৈকে অধ্যয়ন কৰা ১,০০০ তকৈ অধিক নিউজিলেণ্ডৰ শিশুৰ জন্মৰ সময়ত হোৱা যৌন নিৰ্যাতনৰ প্ৰাদুৰ্ভাৱ, ইয়াৰ সম্পৰ্ক আৰু ইয়াৰ পৰিণামৰ বিষয়ে লিখা হৈছে। এই প্ৰবন্ধত ১৮ বছৰ বয়সত চিএছএৰ প্ৰতিবেদন আৰু ১৮ বছৰ বয়সত ডিএছএম-৪ ৰোগ নিৰ্ণয় শ্ৰেণীবিভাজনৰ মাজত থকা সম্পৰ্কসমূহ পৰীক্ষা কৰা হৈছে। পদ্ধতি নিউজিলেণ্ডৰ এটি শিশুৰ জন্মৰ পৰা ১৬ বছৰ বয়সলৈকে বাৰ্ষিক ব্যৱধানত অধ্যয়ন কৰা হৈছিল। ১৮ বছৰ বয়সত ১৬ বছৰ বয়সৰ আগতে হোৱা CSA আৰু সমান্তৰালভাৱে পৰিমাপ কৰা মানসিক লক্ষণসমূহৰ পৰৱৰ্তী প্ৰতিবেদন পোৱা যায়। ফলাফল চিএছএৰ প্ৰতিবেদন কৰা লোকসকলৰ মাজত গুৰুতৰ হতাশা, উদ্বেগজনিত ৰোগ, আচৰণজনিত ৰোগ, পদাৰ্থ ব্যৱহাৰৰ ৰোগ আৰু আত্মহত্যাৰ প্ৰতিশ্ৰুতি থকা লোকৰ তুলনাত অধিক হাৰত (p < .002) । CSAৰ পৰিসৰ আৰু ৰোগৰ সম্ভাৱনাৰ মাজত সামঞ্জস্যপূৰ্ণ সম্পৰ্ক আছিল, যিবোৰৰ CSAৰ সৈতে সম্পৰ্ক থকা সম্পৰ্কত ৰোগৰ সম্ভাৱনা বেছি আছিল। এই ফলাফলবোৰ বৰ্তি থাকে যেতিয়া প্ৰত্যাশিতভাৱে পৰিমাপ কৰা শৈশৱ পৰিয়াল আৰু সম্পৰ্কীয় কাৰকসমূহৰ বাবে ফলাফলসমূহ সালসলনি কৰা হয়। CSA আৰু nonconcurrently জোখা ব্যাধিৰ মাজত একেধৰণৰ কিন্তু কম স্পষ্ট সম্পৰ্ক পোৱা গৈছিল। উপসংহাৰসমূহত দেখা গৈছে যে চিএছএ আৰু বিশেষকৈ গুৰুতৰ চিএছএ, যুৱ প্ৰাপ্তবয়স্কসকলৰ মাজত মানসিক ৰোগৰ সম্ভাৱনা বৃদ্ধিৰ সৈতে জড়িত আছিল যদিও ভৱিষ্যতে মাপকাঠীৰে নিৰ্ধাৰিত বিভ্ৰান্তিকৰ কাৰকসমূহক যথাযথভাৱে বিবেচনা কৰা হৈছিল। |
8df383aae16ce1003d57184d8e4bf729f265ab40 | এটা নতুন মাইক্ৰ ষ্ট্ৰীপ-লাইন-ফিড ৱাইডবেণ্ড চাৰ্কুলাৰ প লাৰাইজড (চিপি) আণুৱেলাৰ-ৰিং স্লট এণ্টেনা (এআৰএছএ) ৰ ডিজাইন প্ৰস্তাৱ কৰা হৈছে। বৰ্তমানৰ ৰিং স্লট এণ্টেনাৰ তুলনাত ইয়াত ডিজাইন কৰা এআৰএছএৰ অধিক বৃহৎ চিপি বেণ্ডউইডথ আছে। প্ৰস্তাৱিত ডিজাইনৰ প্ৰধান বৈশিষ্ট্যসমূহৰ ভিতৰত আছে এটা বহল ৰিং স্লট, এটা জোপা মাটিযুক্ত টুপি আকৃতিৰ পেটচ, আৰু এটা বিকৃত বক্ৰ খাদ্য মাইক্ৰোষ্ট্ৰীপ লাইন। এআৰএছএৰ বাবে এল আৰু এছ বেণ্ডত এফআৰ৪ চাবষ্ট্ৰেট ব্যৱহাৰ কৰি ডিজাইন কৰা ৩-ডিবি অক্ষীয় অনুপাত বেণ্ডউইডচ (এআৰবিডব্লিউ) ক্ৰমে ৪৬% আৰু ৫৬% হয়, আনহাতে এল বেণ্ডত আৰটি৫৮৮০ চাবষ্ট্ৰেট ব্যৱহাৰ কৰা এআৰএছএৰ বাবে ৬৫% হয়। এই ৩-ডিবি অক্ষীয় অনুপাতৰ বেণ্ডত, VSWR ≤ 2 ৰ সৈতে প্ৰতিৰোধক মিলনও প্ৰাপ্ত কৰা হয়। |
95e873c3f64a9bd8346f5b5da2e4f14774536834 | এটা চবষ্ট্ৰেট ইণ্টিগ্ৰেটেড ৱেভগাইড (SIW) এইচ-প্লেন ছেক্টৰেল হৰ্ণ এণ্টেনা, যাৰ বেণ্ডউইডথ যথেষ্ট উন্নত, উপস্থাপন কৰা হৈছে। বহুস্তৰীয় ছাবষ্ট্ৰেটৰ ভিতৰত থকা ফ্লেয়াৰড দেৱালত থকা সহজ ব্যৱস্থাৰে গঠিত এটা কপাকযুক্ত ৰিজ, কাৰ্য্যকৰী বেণ্ডউইডথ বৃদ্ধি কৰিবলৈ প্ৰৱৰ্তন কৰা হয়। এণ্টেনাৰ গাঁথনিৰ বাবে প্ৰসাৰিত ঢৌ প্ৰদান কৰিবলৈ এটা সৰল ফিড কনফিগাৰেশ্যন পৰামৰ্শ দিয়া হৈছে। প্ৰস্তাৱিত এণ্টেনাটো দুটা সুপৰিচিত ফুল-ৱেভ পেকেট, এন্ছফট এইচএফএছএছ আৰু চিএছটি মাইক্ৰ ৱেভ ষ্টুডিঅ ৰ দ্বাৰা অনুকৰণ কৰা হৈছে, যি পৃথক সংখ্যাসূচক পদ্ধতিৰ ওপৰত আধাৰিত। অনুকৰণ ফলাফলৰ মাজত ঘনিষ্ঠ সমন্বয় প্ৰাপ্ত কৰা হয়। ডিজাইন কৰা এণ্টেনাটোৰ ভাল বিক্ৰিয়া বৈশিষ্ট্য আৰু নিম্ন VSWR, ২.৫ তকৈ কম, ১৮-৪০ গিগাহেট্ছ ফ্ৰেক্সেন্সৰ সমগ্ৰ পৰিসৰৰ বাবে দেখুৱায়। |
12a376e621d690f3e94bce14cd03c2798a626a38 | এই প্ৰবন্ধত ভিজুৱেল অবজেক্ট ডিটেকচনৰ বাবে এটা মেচিন লাৰ্ণিং পদ্ধতিৰ বৰ্ণনা কৰা হৈছে যি অতি দ্ৰুতভাৱে ছবি প্ৰক্ৰিয়া কৰিব পাৰে আৰু উচ্চ ডিটেকচন হাৰ লাভ কৰিব পাৰে। এই কাম তিনিটা মূল অৱদানৰ দ্বাৰা পৃথক কৰা হৈছে। প্ৰথমটো হৈছে এটা নতুন ছবি প্ৰতিনিধিত্বৰ প্ৰৱৰ্তন যাক Integral Image বুলি কোৱা হয় যি আমাৰ ডিটেক্টৰৰ দ্বাৰা ব্যৱহৃত বৈশিষ্টবোৰ অতি দ্ৰুতভাৱে গণনা কৰিবলৈ অনুমতি দিয়ে। দ্বিতীয়টো হৈছে এডাব ষ্টৰ ওপৰত আধাৰিত এটা শিক্ষণীয় এলগৰিথম, যিয়ে বৃহৎ সংখ্যক সমালোচনামূলক চাক্ষুষ বৈশিষ্টৰ পৰা এটা সৰু সংখ্যক নিৰ্বাচন কৰে আৰু অত্যন্ত দক্ষ শ্ৰেণীবিভাগক প্ৰদান কৰে। [1] তৃতীয় অৱদান হৈছে ক্ৰমান্বয়ে জটিল শ্ৰেণীবিভাজকসমূহক এক "কাস্কেড"ত সংযুক্ত কৰাৰ এটা পদ্ধতি যিয়ে প্ৰতিশ্ৰুতিবদ্ধ অবজেক্ট-সদৃশ অঞ্চলসমূহত অধিক গণনা ব্যয় কৰাৰ সময়ত ছবিৰ পটভূমি অঞ্চলসমূহ দ্ৰুতভাৱে নস্যাৎ কৰিবলৈ অনুমতি দিয়ে। এই ক্যাসকেডক এটা বস্তু নিৰ্দিষ্ট মনোযোগৰ ফ কাছ ব্যৱস্থা হিচাপে দেখা যায় যি পূৰ্বৰ পদ্ধতিৰ বিপৰীতে পৰিসংখ্যাগত গ্যাৰেণ্টি প্ৰদান কৰে যে পৰিত্যক্ত অঞ্চলবোৰত আগ্ৰহৰ বস্তু থকাটো সম্ভৱ নহয়। মুখ চিনাক্তকৰণৰ ক্ষেত্ৰত, এই ব্যৱস্থাই পূৰ্বৰ উন্নত ব্যৱস্থাৰ সৈতে তুলনা কৰিব পৰা চিনাক্তকৰণ হাৰ প্ৰদান কৰে। ৰিয়েল টাইম এপ্লিকেচনত ব্যৱহাৰ কৰা, ডিটেক্টৰটো প্ৰতি ছেকেণ্ডত ১৫ ফ্ৰেমত চলে ইমেজ ডিফাৰেন্সিং বা ছালৰ ৰঙ চিনাক্তকৰণৰ অবিহনে। |
51f0e3fe5335e2c3a55e673a6adae646f0ad6e11 | সমাজতত্ত্ববিদসকলে প্ৰায়ে সামাজিক প্ৰক্ৰিয়াসমূহক বিভিন্ন ভৰিবলসমূহৰ মাজৰ পাৰস্পৰিক ক্ৰিয়া-প্ৰতিক্ৰিয়া হিচাপে মডেল কৰে। আমি এক বিকল্প পদ্ধতিৰ পৰ্যালোচনা কৰিছো যিয়ে সামাজিক জীৱনক তেওঁলোকৰ প্ৰাপ্ত প্ৰভাৱৰ প্ৰতি সঁহাৰি জনাই পৰস্পৰক প্ৰভাৱিত কৰা অভিযোজনকাৰী এজেন্টৰ মাজত মত-বিনিময় হিচাপে মডেল কৰে। এই এজেন্ট-ভিত্তিক মডেলবোৰে (এবিএম) দেখুৱায় যে সাধাৰণ আৰু অনুমানযোগ্য স্থানীয় ক্ৰিয়া-প্ৰতিক্ৰিয়াই কেনেদৰে পৰিচিত কিন্তু ৰহস্যজনক বিশ্বজনীন নিদৰ্শন সৃষ্টি কৰিব পাৰে, যেনে তথ্যৰ প্ৰসাৰ, নিয়মৰ উত্থান, সন্মিলনসমূহৰ সমন্বয়, বা সামূহিক কাৰ্যত অংশগ্ৰহণ। উদ্ভৱ হোৱা সামাজিক ধৰণবোৰো অপ্ৰত্যাশিতভাৱে দেখা দিব পাৰে আৰু তাৰ পিছত একেদৰে নাটকীয়ভাৱে পৰিৱৰ্তন বা অদৃশ্য হৈ যাব পাৰে, যেনে বিপ্লৱ, বজাৰ ক্ৰাশ, ফাড, আৰু খোৱাৰ উন্মাদনা আদিৰ ক্ষেত্ৰত ঘটে। ABM য়ে তাত্ত্বিক লিভাৰেজ প্ৰদান কৰে য ত আগ্ৰহৰ সামগ্ৰিক নিদৰ্শনবোৰ পৃথক বৈশিষ্ট্যৰ সংযোজনতকৈ অধিক, কিন্তু একে সময়তে, সম্পৰ্কীয় স্তৰত মাইক্ৰ ফাউণ্ডেচনৰ তলৰ পৰা গতিশীল মডেল অবিহনে উদীয়মান নিদৰ্শনটো বুজি পোৱা নাযায়। আমি কম্পিউটেশ্যনেল সমাজতত্ত্বত ফেক্টৰৰ পৰা এক্টৰলৈ পৰিৱৰ্তনৰ এক সংক্ষিপ্ত ঐতিহাসিক স্কেচৰে আৰম্ভ কৰোঁ যি দেখুৱায় যে এজেন্ট-ভিত্তিক মডেলিং কম্পিউটাৰ ছিমুলেচনৰ পূৰ্বৰ সমাজতাত্ত্বিক ব্যৱহাৰৰ পৰা কেনেদৰে মৌলিকভাৱে পৃথক। তাৰ পিছত আমি সাম্প্ৰতিক অৱদানসমূহ পৰ্যালোচনা কৰিম যিবোৰ সামাজিক গাঁথনি আৰু সামাজিক ব্যৱস্থাৰ স্থানীয় ক্ৰিয়া-প্ৰতিক্ৰিয়াৰ পৰা উদ্ভৱ হোৱা বিষয়ত কেন্দ্ৰিত। যদিও সমাজবিজ্ঞানে এই নতুন পদ্ধতিৰ প্ৰশংসা কৰাত অন্যান্য সামাজিক বিজ্ঞানতকৈ পিছপৰি আছে, কিন্তু আমি পৰ্যালোচনা কৰা প্ৰবন্ধবোৰত সমাজবিজ্ঞানৰ এক স্বতন্ত্ৰ অৱদান স্পষ্ট হৈ পৰিছে। প্ৰথমতে, তত্ত্বগত আগ্ৰহটো গতিশীল সামাজিক নেটৱৰ্কত কেন্দ্ৰীভূত হয় যি এজেন্টৰ ক্ৰিয়া-প্ৰতিক্ৰিয়াৰ দ্বাৰা আকাৰ আৰু আকাৰ পায়। দ্বিতীয়তে, এ বি এমবোৰক ভাৰ্চুৱেল পৰীক্ষাসমূহ কৰিবলৈ ব্যৱহাৰ কৰা হয় যিবোৰে নেটৱৰ্ক টপ লজি, সামাজিক স্তৰবিন্যাস, বা স্থানিক গতিশীলতা আদিৰ দৰে গাঁথনিগত কাৰকবোৰক নিয়ন্ত্ৰণ কৰি মেক্ৰ চ চিয় লজিকেল তত্ত্ববোৰ পৰীক্ষা কৰে। এই পদ্ধতিৰ সমৃদ্ধ সমাজতাত্ত্বিক সম্ভাৱনীয়তা উপলব্ধি কৰাৰ বাবে আমি আমাৰ পৰ্যালোচনাৰ সমাপ্তি এটা পৰামৰ্শৰ সৈতে কৰিছো। |
b73cdb60b2fe9fb317fca4fb9f5e1106e13c2345 | |
aa0c01e553d0a1ab40c204725d13fe528c514bba | মানুহ আৰু ৰবটৰ মাজত সুচল আৰু নিৰাপদ মত-বিনিময়ৰ বাবে দুয়োপক্ষই পৰস্পৰক আগতেই চিনাক্ত কৰিব লাগিব। মানৱ অভিপ্ৰায়ৰ অনুমানৰ এটা সাধাৰণ পদ্ধতি হৈছে পৰ্যবেক্ষণ কৰা শ্ৰেণীবিভাগকৰে জ্ঞাত লক্ষ্যৰ প্ৰতি নিৰ্দিষ্ট গতিপথৰ মডেলিং কৰা। অৱশ্যে, এই পদ্ধতিবোৰে ভৱিষ্যতে হ ব পৰা গতিবোৰ বিবেচনা নকৰে আৰু তেওঁলোকে চলনামূলক সংকেত, যেনে পঠনযোগ্য আৰু অনুমানযোগ্য গতি ব্যৱহাৰ নকৰে। এই পদ্ধতিসমূহৰ বাটকটীয়া হৈছে সাধাৰণ মানৱ গতিৰ সঠিক মডেলৰ অভাৱ। এই কামত, আমি এটা চৰ্তসাপেক্ষ বৈকল্পিক স্বয়ং এনকোডাৰ উপস্থাপন কৰিছো যিটো অতীতৰ ফ্ৰেমৰ এটা উইণ্ডো প্ৰদান কৰি ভৱিষ্যতৰ মানৱ গতিৰ এটা উইণ্ডো পূৰ্বানুমান কৰিবলৈ প্ৰশিক্ষিত। RGB গভীৰতাৰ ছবিৰ পৰা পোৱা স্কেলেট ডাটা ব্যৱহাৰ কৰি আমি দেখুৱাম যে এই নিৰীক্ষণহীন পদ্ধতিটো কেনেকৈ 1660 ms পৰ্যন্ত অনলাইন গতিৰ ভৱিষ্যদ্বাণী কৰিব পাৰি। ইয়াৰ উপৰিও, আমি লক্ষ্য নিৰ্দিষ্ট প্ৰশিক্ষণ ডাটা ব্যৱহাৰ নকৰাকৈ গতিৰ আৰম্ভণিৰ পিছত প্ৰথম 300-500 ms ৰ ভিতৰত অনলাইন লক্ষ্য ভৱিষ্যদ্বাণী প্ৰদৰ্শন কৰোঁ। আমাৰ সম্ভাব্যতাবাদী পদ্ধতিৰ সুবিধা হ ল ভৱিষ্যতে হ ব পৰা গতিৰ নমুনা আঁকিবলৈ সুবিধা। শেষত, আমি অনুসন্ধান কৰো যে কেনেকৈ গতি আৰু গতিশীল সংকেতবোৰক শিকোৱা নিম্ন-মাত্রিক বহুমুখীত প্ৰতিনিধিত্ব কৰা হয়। |
cbbf72d487f5b645d50d7d3d94b264f6a881c96f | এই প্ৰবন্ধত প্ৰথমটো সম্পূৰ্ণ অন চিপ সংহত শক্তি হাৰ্ভেষ্টাৰ আৰু ৰেক্টেনাক ৬৫ এনএম চিএমঅ এচ প্ৰযুক্তিৰ ডব্লিউ-বেণ্ডত উপস্থাপন কৰা হৈছে। এই ডিজাইনবোৰ ১-স্তৰৰ ডিকছন ভল্টেজ মাল্টিপ্লাইয়াৰৰ ওপৰত আধাৰিত। ৰেক্টেনাৰ এটা চিপত সংহত ডিপল এণ্টেনা থাকে যাৰ অন্তৰালত প্ৰতিফলক থাকে। শক্তি সংগ্ৰহক আৰু ৰেক্টেনাই ৯৪ গিগাহাৰ্টজত ক্ৰমে ১০% আৰু ২% শক্তি ৰূপান্তৰ দক্ষতা লাভ কৰে। স্বতন্ত্ৰ হাৰ্ভেষ্টাৰে পেডবোৰকে ধৰি মাত্ৰ 0.0945mm2 দখল কৰে, আনহাতে সম্পূৰ্ণ সংহত ৰেক্টেনাই 0.48mm2ৰ ন্যূনতম চিপ এলেকা দখল কৰে। |
30667550901b9420e02c7d61cdf8fa7d5db207af | |
6cdb6ba83bfaca7b2865a53341106a71e1b3d2dd | সামাজিক মাধ্যম সকলো ঠাইতে প্ৰচলিত হৈ আছে আৰু সংগঠনসমূহে তেওঁলোকৰ লক্ষ্য পূৰণ কৰিবলৈ ব্যৱহাৰ কৰা অন্য সকলো মাধ্যমৰ দৰে ইয়াকো পৰিচালনা কৰিব লাগিব। অৱশ্যে, সামাজিক মাধ্যমবোৰ পৰম্পৰাগত বা আন অনলাইন মাধ্যমৰ পৰা মৌলিকভাৱে পৃথক কিয়নো তেওঁলোকৰ সামাজিক নেটৱৰ্ক গঠন আৰু সমতাবাদী প্ৰকৃতিৰ বাবে। এই পাৰ্থক্যবোৰ সঠিক বিশ্লেষণ আৰু পৰৱৰ্তী ব্যৱস্থাপনাৰ বাবে এক পৃথক পৰিমাপ পদ্ধতিৰ প্ৰয়োজন। সঠিক সামাজিক মাধ্যম মেট্ৰিক বিকাশ কৰিবলৈ আৰু পৰৱৰ্তী সময়ত উপযুক্ত ডেশ্বব ৰ্ড নিৰ্মাণ কৰিবলৈ, আমি তিনিটা নতুন উপাদানৰে গঠিত এটা টুল কিট প্ৰদান কৰো। প্ৰথমতে, আমি তত্ত্বগতভাৱে এটা সামগ্ৰিক ফ্ৰেমৱৰ্ক প্ৰস্তুত কৰো যিয়ে ছ চিয়েল মিডিয়াৰ প্ৰধান উপাদানসমূহক সামৰি লয়, বিপণন, মনোবিজ্ঞান আৰু সমাজবিজ্ঞানৰ তত্ত্বৰ ওপৰত আধাৰিত। আমি এই উপাদানসমূহ - যথা আকৰ্ষণ, বিষয়বস্তু, নেটৱৰ্ক গঠন, আৰু সামাজিক ভূমিকা আৰু আন্তঃক্ৰিয়া -ক সদ্যসমাপ্ত গৱেষণা অধ্যয়নৰ জৰিয়তে সমৰ্থন আৰু বিশদভাৱে আগবঢ়াইছো। দ্বিতীয়তে, আমাৰ তাত্ত্বিক ফ্ৰেমৱৰ্ক, সাহিত্য পৰ্যালোচনা আৰু ব্যৱহাৰিক অভিজ্ঞতাৰ ওপৰত ভিত্তি কৰি, আমি নটা নিৰ্দেশনা প্ৰদান কৰিছো যিবোৰ উপযুক্ত সামাজিক মাধ্যমৰ মেট্ৰিক ডিজাইন আৰু এক যুক্তিসঙ্গত সামাজিক মাধ্যম ডেশ্বব ৰ্ড নিৰ্মাণৰ বাবে মূল্যবান প্ৰমাণিত হ ব পাৰে। তৃতীয়তে, ফ্ৰেমৱৰ্ক আৰু নিৰ্দেশনাৱলীৰ আধাৰত আমি পৰিচালনাৰ প্ৰভাৱসমূহ আহৰণ কৰো আৰু ভৱিষ্যতৰ গৱেষণাৰ বাবে এজেণ্ডা প্ৰস্তাৱ কৰো। © ২০১৩ ডাইৰেক্ট মাৰ্কেটিং এডুকেচনেল ফাউণ্ডেচন, ইনক। এলছেভিয়াৰ ইনক. দ্বাৰা প্ৰকাশিত সকলো অধিকাৰ সংৰক্ষিত। |
3c9598a2be80a88fccecde80e6f266af7907d7e7 | |
ab3d0ea202b2641eeb66f1d6a391a43598ba22b9 | ইয়াত ৰেনফৰচমেণ্ট লাৰ্ণিং (RL) ৰ কথা কোৱা হৈছে যন্ত্ৰৰ নিউৰেল নিয়ন্ত্ৰকৰ এক অভিযোজন কৌশল হিচাপে। লক্ষ্য হৈছে অতিৰিক্ত বেকগ্ৰাউণ্ড গণনাৰ ব্যয়ত একেধৰণৰ মানদণ্ডৰ নীতি লাভ কৰিবলৈ এজেন্ট-পৰিবেশৰ ক্ৰিয়া-কলাপৰ কম প্ৰয়োজন হোৱা এজেন্ট-সমালোচক এলগৰিথম প্ৰস্তুত কৰা। আমি এই লক্ষ্যত উপনীত হোৱাৰ প্ৰস্তাৱ দিছো অভিজ্ঞতাৰ পুনৰাবৃত্তিৰ আত্মাৰে। পূৰ্বৰ অভিজ্ঞতাৰ ওপৰত ভিত্তি কৰি পৰিৱৰ্তিত নীতিৰ উন্নতিৰ দিশৰ এক অনুমান পদ্ধতি ইয়াত অপৰিহাৰ্য। আমি এটা প্ৰস্তাৱ দিছো য ত সংক্ষিপ্ত গুৰুত্বৰ নমুনা লোৱা হৈছে। আমি সেই ধৰণৰ অনুমানকাৰীৰ পক্ষপাতৰ সীমা নিৰ্ণয় কৰোঁ আৰু প্ৰমাণ কৰোঁ যে এই পক্ষপাত অক্ষমতাকৃতভাৱে বিলুপ্ত হয়। পৰীক্ষামূলক অধ্যয়নত আমি আমাৰ পদ্ধতিটো ক্লাছিক এক্টৰক্ৰিটিকত প্ৰয়োগ কৰো আৰু শিক্ষণৰ গতি ২০ গুণ বৃদ্ধি পাওঁ। |
71e258b1aeea7a0e2b2076a4fddb0679ad2ecf9f | "ইণ্টাৰনেট অৱ থিংছ" (আই অ টি) ৰ জৰিয়তে ডিভাইচ আৰু ছফ্টৱেৰসমূহে অভূতপূৰ্ব স্কেলত তথ্য বিনিময়ৰ সুযোগ লাভ কৰিছে। কিন্তু এনে বৃহৎ আন্তঃসংযোজিত নেটৱৰ্কে ব্যৱস্থাৰ বিকাশকাৰী আৰু ব্যৱহাৰকাৰীসকলৰ বাবে নতুন প্ৰত্যাহ্বান সৃষ্টি কৰিছে। এই প্ৰবন্ধত আমি আই অ টি চিষ্টেমৰ এক স্তৰযুক্ত আৰ্হিৰ প্ৰস্তাৱ আগবঢ়াইছো। এই মডেল ব্যৱহাৰ কৰি আমি প্ৰতিটো স্তৰৰ প্ৰত্যাহ্বান চিনাক্ত আৰু মূল্যায়ন কৰিবলৈ চেষ্টা কৰো। আমি বিভিন্ন প্ৰযুক্তিৰ বিষয়েও আলোচনা কৰিম যি এই আৰ্হিটো সুৰক্ষিত কৰি তুলিবলৈ ব্যৱহাৰ কৰিব পাৰি। |
61f4f67fc0e73fa3aef8628aae53a4d9b502d381 | তথ্যৰ সৰ্বাধিকীকৰণ কৰা GAN (InfoGAN) য়ে জেনেৰেটৰটোৰ আউটপুটক ইয়াৰ ইনপুটৰ এটা অংশৰ সৈতে সংযুক্ত কৰে যাক কোৱা হয় লটেন্ট ক ড। আউটপুটক এই ইনপুট উপাদানটোৰ সৈতে বান্ধিবলৈ বাধ্য কৰি, আমি আউটপুট প্ৰতিনিধিত্বৰ কিছুমান বৈশিষ্ট্য নিয়ন্ত্ৰণ কৰিব পাৰো। এটা GAN ত বৈষম্যকৰক আৰু উৎপাদকক একেলগে প্ৰশিক্ষণ দিয়াৰ সময়ত নাশ ভাৰসাম্যতা পোৱাটো অতিশয় কঠিন। আমি কিছুমান সফল আৰু অসফল কনফিগাৰেশ্যন উন্মোচন কৰো ইনফোগান ব্যৱহাৰ কৰি ছবি সৃষ্টিৰ বাবে। ব্যাখ্যাযোগ্য ভৰলবোৰ সৃষ্টিশীল মডেলত উপযোগী। সৃষ্টিশীল বিৰোধী নেটৱৰ্ক (GANs) হৈছে সৃষ্টিশীল মডেল যি তেওঁলোকৰ ইনপুটত নমনীয়। |
41289566ac0176dced2312f813328ad4c0552618 | ম বাইল প্লেটফৰ্মৰ প্ৰচলন, এণ্ড্ৰইডৰ বৃহৎ বজাৰ অংশ, লগতে এণ্ড্ৰইড মাৰ্কেট খোলাৰ ফলত ই ম লৱেৰ আক্ৰমণৰ বাবে এক হট টাৰ্গেট হৈ পৰিছে। এটা ম লৱেৰ নমুনা চিনাক্ত হোৱাৰ পিছত, ইয়াৰ ক্ষতিকাৰক উদ্দেশ্য আৰু ভিতৰৰ কাম-কাজসমূহ দ্ৰুতভাৱে প্ৰকাশ কৰাটো গুৰুত্বপূৰ্ণ। এই প্ৰবন্ধত আমি DroidScope, এণ্ড্ৰইড বিশ্লেষণ প্লেটফৰ্ম এটা উপস্থাপন কৰিছো যি ভাৰ্চুৱেলাইজেশ্যন-ভিত্তিক ম লৱেৰ বিশ্লেষণৰ পৰম্পৰা অব্যাহত ৰাখিছে। বৰ্তমানৰ ডেস্কটপ ম লৱেৰ বিশ্লেষণ প্লেটফৰ্মৰ বিপৰীতে, ড্ৰইডস্কোপে OS পৰ্যায় আৰু জাভা পৰ্যায়ৰ অৰ্থবিজ্ঞান দুয়োটা একেলগে আৰু নিৰবিচ্ছিন্নভাৱে পুনৰ্নিৰ্মাণ কৰে। কাষ্টম বিশ্লেষণৰ সুবিধা প্ৰদান কৰিবলৈ, DroidScope এ তিনিটা স্তৰযুক্ত API ৰপ্তানি কৰে যি এণ্ড্ৰইড ডিভাইচৰ তিনিটা স্তৰ প্ৰতিফলিত কৰেঃ হাৰ্ডৱেৰ, OS আৰু ডালভিক ভাৰ্চুৱেল মেচিন। DroidScope ৰ উপৰিও, আমি আৰু বহুতো বিশ্লেষণ সঁজুলি বিকাশ কৰিছিলো যাতে বিশদ স্থানীয় আৰু ডালভিক নিৰ্দেশনা সংগ্ৰহ কৰিব পাৰি, API-স্তৰৰ কাৰ্যকলাপৰ প্ৰফাইল আৰু জাভা আৰু স্থানীয় উভয় উপাদানৰ জৰিয়তে তথ্য লিক ট্ৰেক কৰিব পাৰি। এই সঁজুলিবোৰ বাস্তৱ জগতৰ ম লৱেৰ নমুনা বিশ্লেষণ কৰাত কাৰ্যকৰী প্ৰমাণিত হৈছে আৰু যুক্তিসঙ্গতভাৱে কম কাৰ্যক্ষমতা ওভাৰহেডস সৃষ্টি কৰে। |
05ca17ffa777f64991a8da04f2fd03880ac51236 | এই প্ৰবন্ধত আমি ভ্ৰুণ্যকৰণৰ স্বাক্ষৰ সৃষ্টিৰ সমস্যাটো অনুসন্ধান কৰিম। এটা ভ্ৰুণুণ্যৰ স্বাক্ষৰ এটা নিৰ্দিষ্ট ভ্ৰুণ্যৰ সকলো শোষণৰ সৈতে মিলি যায়, আনকি পলিমৰ্ফিক বা মেটামৰ্ফিক প্ৰকাৰৰ সৈতেও। আমাৰ কাম পূৰ্বৰ পদ্ধতিৰ পৰা পৃথক হয় আৰু কাৰ্য্যসূচীৰ অৰ্থবিজ্ঞান আৰু এক্সেপ্টৰ অৰ্থবিজ্ঞান বা সিনটেক্সৰ পৰিৱৰ্তে এক্সেপ্টৰ নমুনাৰ দ্বাৰা প্ৰয়োগ কৰা দুৰ্বলতা ওপৰত গুৰুত্ব দিয়ে। আমি দেখুৱাই দিওঁ যে এটা দুর্বলতাৰ শব্দার্থক এটা ভাষাৰ সংজ্ঞা দিয়া হয় য ত সকলোবোৰ আৰু কেৱল সেইবোৰ ইনপুট থাকে যিবোৰে দুর্বলতাৰ সুযোগ লয়। এটা ভ্ৰুণ্যকৰণ স্বাক্ষৰ হৈছে ভ্ৰুণ্যকৰণ ভাষাৰ এটা প্ৰতিনিধিত্ব (যেনে, এটা নিয়মীয়া প্ৰকাশ) । শোষণ-ভিত্তিক স্বাক্ষৰৰ বিপৰীতে, যাৰ ত্ৰুটিৰ হাৰ কেৱল জ্ঞাত পৰীক্ষাৰ ক্ষেত্ৰত অভিজ্ঞতাৰে জোখা যায়, এটা ভ্ৰুণ্যতা স্বাক্ষৰৰ গুণমান সকলো সম্ভাব্য ইনপুটৰ বাবে আনুষ্ঠানিকভাৱে পৰিমাণগতভাৱে নিৰ্ণয় কৰিব পাৰি। আমি এটা ভ্ৰুণুণ্য স্বাক্ষৰৰ আনুষ্ঠানিক সংজ্ঞা প্ৰদান কৰোঁ আৰু ভ্ৰুণ্য স্বাক্ষৰ সৃষ্টি আৰু মিলন কৰাৰ কম্পিউটেশ্যনেল জটিলতাৰ অনুসন্ধান কৰোঁ। আমি প্ৰণালীবদ্ধভাৱে দুৰ্বলতা স্বাক্ষৰৰ ডিজাইন স্থানও অনুসন্ধান কৰো। আমি ভ্ৰুণুণ্য-স্বাক্ষৰ সৃষ্টিৰ ক্ষেত্ৰত তিনিটা কেন্দ্ৰীয় সমস্যা চিনাক্ত কৰোঃ কেনেকৈ ভ্ৰুণ্য স্বাক্ষৰে ভ্ৰুণ্য ব্যৱহাৰ কৰিব পৰা ইনপুটসমূহৰ সমষ্টিৰ প্ৰতিনিধিত্ব কৰে, ভ্ৰুণ্য সুৰক্ষা (অৰ্থাৎ, ভ্ৰুণ্য প্ৰগ্ৰাম পথৰ সংখ্যা) যি আমাৰ বিশ্লেষণৰ অধীনত থাকে স্বাক্ষৰ সৃষ্টিৰ সময়ত, আৰু কেনেকৈ এটা ভ্ৰুণ্য স্বাক্ষৰ তাৰ পিছত নিৰ্দিষ্ট প্ৰতিনিধিত্ব আৰু সুৰক্ষাৰ বাবে সৃষ্টি কৰা হয়। আমি নতুন ডাটা-ফ্ল বিশ্লেষণ আৰু বিদ্যমান কৌশলসমূহৰ নৱীকৰণ প্ৰস্তাৱ দিছো যেনে স্বয়ংক্ৰিয়ভাৱে ভ্ৰুণুণ্য স্বাক্ষৰ সৃষ্টিৰ বাবে সীমাবদ্ধতা সমাধান। আমি আমাৰ কৌশল পৰীক্ষা কৰিবলৈ এটা প্ৰ টোটাইপ ব্যৱস্থা নিৰ্মাণ কৰিছো। আমাৰ পৰীক্ষাসমূহে দেখুৱাইছে যে আমি এটা একক শোষণ ব্যৱহাৰ কৰি স্বয়ংক্ৰিয়ভাৱে এটা ভ্ৰুণাময় স্বাক্ষৰ সৃষ্টি কৰিব পাৰো যিটো পূৰ্বৰ শোষণ-ভিত্তিক স্বাক্ষৰতকৈ বহু বেছি গুণগত মানৰ। ইয়াৰ উপৰিও, আমাৰ প্ৰযুক্তিৰ আন কেইবাটাও নিৰাপত্তা প্ৰয়োগ আছে, আৰু সেয়ে স্বতন্ত্ৰ আগ্ৰহৰ হ ব পাৰে |
6fece3ef2da2c2f13a66407615f2c9a5b3737c88 | এই প্ৰবন্ধত এটা গতিশীল নিয়ন্ত্ৰক গাঁথনি আৰু এটা পদ্ধতিগত ডিজাইন প্ৰক্ৰিয়াৰ প্ৰস্তাৱ দিয়া হৈছে যি নিৰ্দিষ্ট সময়ৰ হাইব্ৰিড চিষ্টেমক স্থিৰ কৰিব। প্ৰস্তাৱিত পদ্ধতিটো নিয়ন্ত্ৰণ লায়াপুনভ ফাংশন (চিএলএফ) ৰ ধাৰণাটোৰ ওপৰত আধাৰিত, যিটো উপলব্ধ হ লে স্থিৰীকৰণ ৰাজ্য-প্ৰতিক্ৰিয়া নিয়ন্ত্ৰণ আইন ডিজাইন কৰিবলৈ ব্যৱহাৰ কৰিব পাৰি। সাধাৰণতে, ধাৰাবাহিক আৰু বিচ্ছিন্ন দুয়োটা অৱস্থা জড়িত হাইব্ৰিড গতিশীল প্ৰণালীৰ বাবে চিএলএফৰ নিৰ্মাণ অতি জটিল, বিশেষকৈ অ-বিষম্য বিচ্ছিন্ন গতিবিধিৰ উপস্থিতিত। সেয়েহে, আমি হাইব্ৰিড নিয়ন্ত্ৰণ লায়াপুনভ ফাংচনৰ নতুন ধাৰণাটো প্ৰৱৰ্তন কৰো, যি CLF ৰ এটা বিচ্ছিন্ন আৰু এটা ধাৰাবাহিক অংশৰ সংমিশ্ৰণিক ডিজাইনক অনুমতি দিয়ে, আৰু আমি আনুষ্ঠানিকভাৱে প্ৰমাণ কৰোঁ যে হাইব্ৰিড CLF ৰ অস্তিত্বই এটা ধ্ৰুপদী CLF ৰ অস্তিত্বৰ নিশ্চয়তা দিয়ে। হাইব্ৰিড চিএলএফৰ সংশ্লেষণৰ বাবে এটা গঠনমূলক প্ৰক্ৰিয়া প্ৰদান কৰা হৈছে, হাইব্ৰিড চিষ্টেমৰ গতিবিধিৰ বিস্তাৰকৰণ কৰি এটা নিৰ্দিষ্ট নিয়ন্ত্ৰক গতিবিধিৰ সৈতে। আমি দেখুৱাম যে এই সংশ্লেষণ প্ৰক্ৰিয়াই এক গতিশীল নিয়ন্ত্ৰকৰ দিশলৈ লৈ যায় যি এটা প্ৰত্যাৱৰ্তন দিগন্ত নিয়ন্ত্ৰণ কৌশলৰ দ্বাৰা প্ৰয়োগ কৰিব পাৰি, আৰু ইয়াৰ সৈতে জড়িত অপ্টিমাইজেশ্যন সমস্যাটো হাইব্ৰিড চিষ্টেমৰ এক সাধাৰণ শ্ৰেণীৰ বাবে সংখ্যাগতভাৱে ব্যৱহাৰযোগ্য, বাস্তৱ জগতৰ প্ৰয়োগত উপযোগী। ক্লাছিকেল হাইব্ৰিড ৰিচিডিং হ ৰাইজান কন্ট্ৰ ল এলগৰিথমৰ তুলনাত, প্ৰস্তাৱিত পদ্ধতিত সাধাৰণতে বন্ধ-লুপ প্ৰণালীৰ এছিম্পট টিক স্থায়িত্বৰ নিশ্চয়তা প্ৰদান কৰিবলৈ এটা চমু ভৱিষ্যদ্বাণী দিগন্তৰ প্ৰয়োজন হয়, যি দুটা উদাহৰণৰে প্ৰদৰ্শিত হোৱাৰ দৰে গণনামূলক বোজাৰ হ্ৰাসৰ ফল দিয়ে। |
3b3c153b09495e2f79dd973253f9d2ee763940a5 | যান্ত্ৰিক শিক্ষণৰ পদ্ধতিৰ প্ৰয়োগযোগ্যতা প্ৰায়ে উপলব্ধ লেবেলযুক্ত তথ্যৰ পৰিমাণ আৰু ইনপুট ডাটা ভেক্টৰৰ বাবে ভাল আভ্যন্তৰীণ প্ৰতিনিধিত্ব আৰু ভাল সাদৃশ্যতা মাপ প্ৰস্তুত কৰিবলৈ ডেচিগনাৰৰ সামৰ্থ্য (বা অক্ষমতা) ৰ দ্বাৰা সীমাবদ্ধ থাকে। এই থিছিছৰ উদ্দেশ্য হ ল এই দুটা সীমাবদ্ধতা দূৰ কৰা, ভাল আভ্যন্তৰীণ প্ৰতিনিধিত্ব আৰু লেবেলযুক্ত তথ্যৰ পৰা ইনভাৰেণ্ট ফিচাৰ হাইৰাৰ্কিৰ বাবে এলগৰিথমৰ প্ৰস্তাৱ দিয়া। এই পদ্ধতিবোৰ পৰম্পৰাগত পৰিচালিত শিক্ষণ এলগৰিথমৰ বাহিৰত যায় আৰু নিৰীক্ষিত আৰু আধা-নিৰীক্ষিত শিক্ষণৰ ওপৰত নিৰ্ভৰ কৰে। বিশেষকৈ, এই কামটো গভীৰ শিক্ষণ পদ্ধতিৰ ওপৰত গুৰুত্ব আৰোপ কৰে, যি হৈছে পৰ্যায়ভেদে মডেলৰ প্ৰশিক্ষণৰ বাবে কৌশল আৰু নীতিৰ এক সংকলন। পৰ্যায়ভেদে মডেলবোৰে বৈশিষ্ট্য পৰ্যায়ভেদে সৃষ্টি কৰে যি পৰ্যবেক্ষণ কৰা তথ্য ভৰলুবোৰৰ মাজত জটিল অ-ৰেখিক নিৰ্ভৰশীলতা সংক্ষিপ্ত আৰু কাৰ্যকৰীভাৱে ধৰা পেলাব পাৰে। প্ৰশিক্ষণৰ পিছত, এই মোডবোৰ বাস্তৱ-সময়ৰ ব্যৱস্থাত ব্যৱহাৰ কৰিব পাৰি কাৰণ তেওঁলোকে অ-ৰেখিক পৰিবৰ্তনৰ ক্ৰমৰ জৰিয়তে ইনপুটৰ দ্ৰুত আগলৈ প্ৰসাৰিত কৰি প্ৰতিনিধিত্বৰ গণনা কৰে। যেতিয়া লেবেলযুক্ত তথ্যৰ অভাৱত পৰম্পৰাগত চুপাৰভিউড এলগৰিথমৰ ব্যৱহাৰৰ অনুমতি দিয়া নহয়, শ্ৰেণীবিন্যাসৰ প্ৰতিটো স্তৰক তলৰ পৰা আৰম্ভ কৰি পৰ্যায়ক্ৰমে প্ৰশিক্ষণ দিয়া যায়। প্ৰতিটো স্তৰ প্ৰশিক্ষিত হোৱাৰ পিছত, সমগ্ৰ প্ৰণালীটো এটা এণ্ড-টু-এণ্ড ফেশ্বনত সূক্ষ্ম-টুন কৰিব পাৰি। আমি কেইবাটাও অপ্ৰত্যাশিত অ্যালগৰিদমৰ প্ৰস্তাৱ দিছো যি এই ধৰণৰ বৈশিষ্ট্য শ্ৰেণীবিন্যাসৰ প্ৰশিক্ষণৰ বাবে বিল্ডিং ব্লক হিচাপে ব্যৱহাৰ কৰিব পাৰি। আমি এনে এলগৰিথমৰ অনুসন্ধান কৰো যিবোৰে অতিৰিক্ত পূৰ্ণ প্ৰতিনিধিত্বৰ সৃষ্টি কৰে আৰু কিছুমান প্ৰতিনিধিত্বৰ সৃষ্টি কৰে যিবোৰ পৰিচিত আৰু শিকি লোৱা ৰূপান্তৰকৰণত অস্থিৰ। এই এলগৰিথমসমূহ শক্তি- |
447ce2aecdf742cf96137f8bf7355a7404489178 | এই পত্ৰখনত মিলিমিটাৰ ৱেভ (mmW) ৰ বাবে নতুন প্ৰকাৰৰ ব্ৰডবেণ্ড ছাবষ্ট্ৰেট ইণ্টিগ্ৰেটেড ৱেভগাইড (SIW) কেভিটি বেকড পেচ এণ্টেনা আৰু এৰেজৰ বিষয়ে অনুসন্ধান কৰা হৈছে আৰু ইয়াক প্ৰয়োগ কৰা হৈছে। প্ৰস্তাৱিত এণ্টেনাটো এটা আয়তাকাৰ পেচ আৰু এটা সাৰুৱা এণ্টেনা ছিষ্টেমৰ গহ্বৰৰ দ্বাৰা সজ্জিত। বেণ্ডউইডথ আৰু ৰেডিয়েশ্যন দক্ষতা বঢ়াবলৈ, এই গুহাটো TE210 মোডত ৰিজ ন কৰিবলৈ ডিজাইন কৰা হৈছে। প্ৰস্তাৱিত এণ্টেনাৰ আধাৰত, এটা ৪×৪ এৰেজো ডিজাইন কৰা হৈছে। প্ৰস্তাৱিত এণ্টেনা আৰু এৰেজ দুয়োটাই মানক প্ৰিণ্টেড চাৰ্কিট ব ৰ্ড (পিচিবি) প্ৰক্ৰিয়াত নিৰ্মিত, যাৰ সমতল চাৰ্কিটৰ সৈতে সহজেই একত্ৰিত হোৱাৰ সুবিধা আছে। এণ্টেনা এলিমেণ্টৰ পৰিমাপ কৰা বেণ্ডউইথ (gadS11gad ≤ -10 dB) ১৫%তকৈ অধিক আৰু এণ্টেনা এৰেজটোৰ পৰিমাপ কৰা বেণ্ডউইথ প্ৰায় ৮.৭%। পৰিমাপ কৰা শিখৰ লাভটো উপাদানটোৰ বাবে ৬.৫ ডিবিআই আৰু এৰেজৰ বাবে ১৭.৮ ডিবিআই, আৰু সংশ্লিষ্ট অনুকৰণ কৰা ৰেডিয়েচন দক্ষতা ক্ৰমে ৮৩.৯% আৰু ৭৪.৯%। প্ৰস্তাৱিত এণ্টেনা আৰু এৰেজটো ইয়াৰ বহল বেণ্ড, উচ্চ কাৰ্যক্ষমতা, কম খৰচ, নিম্ন প্ৰফাইল আদিৰ গুণাগুণৰ বাবে মিলিমিটাৰ ৱেভ এপ্লিকেচনৰ বাবে আশাব্যঞ্জক। |
429d0dd7192450e2a52a8ae7f658a5d99222946e | কমপেক্ট, কম খৰচী আৰু উচ্চ বিক্ৰিয়া কাৰ্য্যকৰী এণ্টেনা গঠন, পৰ্য্য্যায়ৰ ৱেভগাইড, ছাবষ্ট্ৰেট ইণ্টিগ্ৰেটেড ৱেভগাইড (SIW), ডিয়েলেক্ট্ৰিক ৰিজ নেটৰ এণ্টেনা (DRA) এই প্ৰবন্ধত উপস্থাপন কৰা হৈছে। যিহেতু SIW উচ্চ Q-ৱেভগাইড আৰু DRA কম লোকচান ৰেডিয়েটৰ, তেন্তে SIW-DRA মিলিমিটাৰ-ৱেভবেণ্ডত উচ্চ বিকিরণ দক্ষতাৰ সৈতে এক উৎকৃষ্ট এণ্টেনা ব্যৱস্থা গঠন কৰে, য ত পৰিবাহী লোকচান আধিপত্য বিস্তাৰ কৰে। এণ্টেনাৰ পাৰফৰমেন্সৰ ওপৰত বিভিন্ন এণ্টেনাৰ পাৰ্মিটাৰৰ প্ৰভাৱ অধ্যয়ন কৰা হয়। SIW-DRA ৰ বাবে পৰীক্ষামূলক তথ্য, দুটা ভিন্ন স্লট অভিমুখৰ ওপৰত ভিত্তি কৰি, মিলিমিটাৰ-ৱেভ বেণ্ডত প্ৰৱৰ্তন কৰা হয় আৰু আমাৰ প্ৰস্তাৱিত এণ্টেনা মডেলক প্ৰমাণিত কৰিবলৈ অনুকৰণ কৰা HFSS ফলাফলৰ সৈতে তুলনা কৰা হয়। এটা ভাল চুক্তি লাভ কৰা হয়। SIW-DRA একক উপাদানৰ বাবে জোখা লাভে ৫.৫১ ডি.বি.ৰ এটা ব্ৰডছাইড লাভ, ১৯ ডি.বি.ৰ সৰ্বাধিক ক্ৰছ পলাৰাইজড ৰেডিয়েচন লেভেল আৰু মুঠ গণনা কৰা (HFSS ব্যৱহাৰ কৰি অনুকৰণ কৰা) ৰেডিয়েচন কাৰ্য্যকৰীতা ৯৫%তকৈ অধিক দেখুৱায়। |
0cb2e8605a7b5ddb5f3006f71d19cb9da960db98 | আধুনিক গভীৰ স্নায়ু নেটৱৰ্কৰ বহু সংখ্যক প্ৰাথমিকতা আছে, যাৰ বাবে তেওঁলোকক প্ৰশিক্ষণ দিয়া অতি কঠিন। আমি DSD, ঘন-বিৰল-ঘন প্ৰশিক্ষণ প্ৰবাহৰ প্ৰস্তাৱ দিছো, গভীৰ স্নায়ু নেটৱৰ্ক নিয়মীয়াকৰণ আৰু উন্নত অনুকূলিতকৰণ প্ৰদৰ্শন প্ৰাপ্ত কৰাৰ বাবে। প্ৰথম D (Dense) পদক্ষেপত, আমি সংযোগৰ ওজন আৰু গুৰুত্ব শিকিবলৈ এটা ঘন নেটৱৰ্ক প্ৰশিক্ষণ দিওঁ। S (Sparse) পদক্ষেপত, আমি সৰু ওজন থকা গুৰুত্বপূৰ্ণ সংযোগবোৰ ছাঁটাই কৰি আৰু ক্ষীপ্ৰতা সীমাবদ্ধতা প্ৰদান কৰি নেটৱৰ্কটো পুনৰ প্ৰশিক্ষণ দি নেটৱৰ্কটো নিয়মীয়া কৰি তোলো। শেষৰ ডি (ৰি-ডেন্স) পদক্ষেপত, আমি স্পাৰসিটি সীমাবদ্ধতা আঁতৰ কৰি মডেল ক্ষমতা বৃদ্ধি কৰোঁ, শূন্যৰ পৰা ছাঁট কৰা পাৰামিটাৰবোৰ পুনৰ আৰম্ভ কৰোঁ আৰু গোটেই ঘন নেটৱৰ্কটো পুনৰ প্ৰশিক্ষণ দিওঁ। পৰীক্ষাসমূহত দেখা গৈছে যে ডিএছডি প্ৰশিক্ষণে চিত্ৰৰ শ্ৰেণীবিভাজন, ক্যাপছন সৃষ্টি আৰু ভাষণ চিনাক্তকৰণৰ কামত বিস্তৃত চিএনএন, আৰএনএন আৰু এলএছটিএমৰ কাৰ্যক্ষমতা উন্নত কৰিব পাৰে। ইমেজনেটত, ডিএছডিয়ে গুগললনেটৰ টপ১ৰ সঠিকতা ক্ৰমে ১.১%, ভিজিজি-১৬ ৪.৩%, ৰেছনেট-১৮ ১.২% আৰু ৰেছনেট-৫০ ১.১% উন্নত কৰে। WSJ93 ডাটা ছেটত, DSD এ DeepSpeech আৰু DeepSpeech2 WER ৰ ক্ষেত্ৰত 2.0% আৰু 1.1% উন্নতি কৰে। Flickr-8K ডাটা ছেটত, DSD-এ NeuralTalk BLEU স্ক ৰৰ ১.৭ ৰো অধিক উন্নত কৰিছে। DSD ব্যৱহাৰ কৰিবলৈ সহজঃ প্ৰশিক্ষণৰ সময়ত, DSD এ মাত্ৰ এটা অতিৰিক্ত হাইপাৰ-পাৰামিটাৰ ব্যৱহাৰ কৰেঃ S পদক্ষেপত স্পাৰ্ছিতী অনুপাত। পৰীক্ষাৰ সময়ত, ডিএছডি নেটৱৰ্ক স্থাপত্য সলনি নকৰে বা কোনো অনুমান ওভাৰহেডৰ সৃষ্টি নকৰে। ডিএছডি পৰীক্ষাৰ ধাৰাবাহিক আৰু গুৰুত্বপূৰ্ণ কাৰ্যক্ষমতা লাভে শ্ৰেষ্ঠ স্থানীয় সৰ্বোত্তম সন্ধান কৰাৰ বাবে বৰ্তমানৰ প্ৰশিক্ষণ পদ্ধতিৰ অপ্ৰয়োজনীয়তা দেখুৱায়, আনহাতে ডিএছডিয়ে কাৰ্যকৰীভাৱে উন্নত সমাধান বিচাৰি উলিওৱাৰ বাবে উন্নত অনুকূলিতকৰণ কাৰ্যক্ষমতা অৰ্জন কৰে। DSD মডেলসমূহ https://songhan.github.io/DSD ত ডাউনলোড কৰিব পৰা যায়। |
6fd329a1e7f513745e5fc462f146aa80c6090a1d | পিন্ধিব পৰা ছেন্সৰৰ সহায়ত আহৰণ কৰা ৰেকৰ্ডিংত অবৈধ তথ্যৰ চিনাক্তকৰণ বিশেষ গুৰুত্বপূৰ্ণ কিয়নো, সাধাৰণভাৱে, ন ম বাইল ৰোগীৰ পৰা আহৰণ কৰা তথ্য, ন ম বাইল ৰোগীৰ পৰা আহৰণ কৰা তথ্যতকৈ অধিক শব্দপূৰ্ণ। এই প্ৰবন্ধত আমি এটা সংকেত গুণমান সূচক (SQI) উপস্থাপন কৰিছো, যাৰ উদ্দেশ্য হৈছে পৰিধানযোগ্য ছেন্সৰৰ সহায়ত সংগ্ৰহ কৰা ইলেক্ট্ৰ কাৰ্ডিঅ গ্ৰাম (ECG) আৰু ফট প্লেটিছম গ্ৰাম (PPG) সংকেতৰ পৰা নিৰ্ভৰযোগ্য হাৰ্ট ৰেট (HRs) প্ৰাপ্ত কৰিব পাৰি নেকি সেয়া মূল্যায়ন কৰা। এই এলগৰিথমসমূহক মেনুৱেলী লেবেল কৰা তথ্যৰ ওপৰত পৰীক্ষা কৰা হৈছিল। ইচিজিৰ ক্ষেত্ৰত ৯৪% আৰু ৯৭% আৰু পিপিজিৰ ক্ষেত্ৰত ৯১% আৰু ৯৫% সংবেদনশীলতা আৰু বিশেষত্ব প্ৰাপ্ত কৰা হয়। ইয়াৰ উপৰিও, আমি SQI ৰ দুটা প্ৰয়োগৰ প্ৰস্তাৱ দিছো। প্ৰথমতে, আমি দেখুৱাম যে, শক্তি সংৰক্ষণ কৌশলৰ বাবে SQI ব্যৱহাৰ কৰি, ইচিজিৰ বাবে ৯৪% আৰু পিপিজিৰ বাবে ৯৩% ৰেকৰ্ডিং সময় হ্ৰাস কৰাটো সম্ভৱ, বৈধ জীৱন-চিহ্নৰ তথ্যৰ মাত্ৰ ন্যূনতম ক্ষতিৰ সৈতে। দ্বিতীয়তে, আমি দেখুৱাম যে PPG ৰ পৰা শ্বাস-প্ৰশ্বাসৰ হাৰ (RR) ৰ অনুমানত ভুল হ্ৰাস কৰিবলৈ SQI কেনেকৈ ব্যৱহাৰ কৰিব পাৰি। এই দুয়োটা প্ৰয়োগৰ কাৰ্যক্ষমতা এটা ক্লিনিকেল ষ্টডিৰ পৰা সংগ্ৰহ কৰা তথ্যৰ ওপৰত নিৰ্ভৰ কৰি মূল্যায়ন কৰা হৈছিল য ত চিকিৎসালয়ত চিকিৎসাধীন হৈ থকা ৰোগীয়ে অকলে খোজকাঢ়ি যাব পাৰিছিল। |
ef8070a37fb6f0959acfcee9d40f0b3cb912ba9f | বিগত তিনি দশকত তথ্য প্ৰণালী (আই এছ) গৱেষণাৰ মাজত এক পদ্ধতিগত বহুত্ববাদৰ বিকাশ হৈছে। বিভিন্ন শাখাৰ লগতে বহুতো গৱেষণা সমূদায়েও এই আলোচনাৰ প্ৰতি বৰঙণি আগবঢ়াইছে। অৱশ্যে একেটা গৱেষণা বিষয়ৰ ওপৰত কাম কৰা বা একেটা পৰিঘটনা অধ্যয়ন কৰাটোৱে পৰস্পৰৰ বুজাবুজি নিশ্চিত নকৰে। বিশেষকৈ এই বহুমুখী আৰু আন্তঃৰাষ্ট্ৰীয় প্ৰেক্ষাপটত, বিভিন্ন গৱেষকৰ দ্বাৰা কৰা জ্ঞানতাত্ত্বিক ধাৰণা মৌলিকভাৱে পৃথক হ ব পাৰে। এই অনুমানসমূহে বৈধতা, নিৰ্ভৰযোগ্যতা, গুণমান আৰু গৱেষণাৰ কঠোৰতা আদি ধাৰণাবোৰ কেনেদৰে বুজা যায় তাৰ ওপৰত যথেষ্ট প্ৰভাৱ পেলায়। সেয়েহে, জ্ঞানতাত্ত্বিক অনুমানসমূহৰ বিস্তৃত প্ৰকাশ, কাৰ্যত, প্ৰায় বাধ্যতামূলক। সেয়েহে, এই প্ৰবন্ধৰ উদ্দেশ্য হ ল এটা জ্ঞাতাতাতাত্বিক কাঠামো বিকাশ কৰা যি IS গৱেষণাত জ্ঞাতাতাত্বিক অনুমানসমূহক পদ্ধতিগতভাৱে বিশ্লেষণ কৰিবলৈ ব্যৱহাৰ কৰিব পাৰি। আইএছ গৱেষণাৰ ধাৰাৱলীসমূহ চিনাক্ত আৰু শ্ৰেণীবদ্ধ কৰাৰ প্ৰয়াস কৰাৰ পৰিৱৰ্তে, এই গৱেষণাৰ উদ্দেশ্য হৈছে আইএছৰ প্ৰেক্ষাপটত জ্ঞানতত্ত্বৰ এক বিস্তৃত আলোচনা। ই বিভিন্ন IS পদ্ধতি আৰু পদ্ধতিৰ মাজত সাদৃশ্য আৰু পাৰ্থক্য চিনাক্ত কৰাৰ বাবে ভিত্তি গঢ়াত সহায় কৰিব বিচাৰে। জ্ঞাতাতাত্বিক কাঠামো প্ৰদৰ্শন কৰিবলৈ, ধাৰণাগত মডেলিংৰ বাবে ঐক্যমত্য-ভিত্তিক ব্যাখ্যাকাৰী পদ্ধতিটো উদাহৰণ হিচাপে ব্যৱহাৰ কৰা হয়। |
25e989b45de04c6086364b376d29ec11008360a3 | মানুহে বিকাশৰ প্ৰাৰম্ভিক অৱস্থাত তেওঁলোকৰ আটাইতকৈ মৌলিক ভৌতিক ধাৰণা লাভ কৰে, আৰু গোটেই জীৱনজুৰি তেওঁলোকৰ স্বজ্ঞাত ভৌতিকক সমৃদ্ধ আৰু বিস্তাৰ কৰি গৈ থাকে কিয়নো তেওঁলোকে অধিক আৰু বিভিন্ন গতিশীল পৰিৱেশৰ সংস্পৰ্শলৈ আহে। আমি এটা বৰ্গভিত্তিক বেইচিয়ান ফ্ৰেমৱৰ্ক প্ৰৱৰ্তন কৰিছো যাতে বুজাব পাৰি যে মানুহে কেনেকৈ একাধিক স্তৰত শাৰীৰিক মানদণ্ড শিকিব পাৰে। তত্ত্ব অধিগ্ৰহণৰ পূৰ্বৰ বেইচিয়ান মডেলৰ বিপৰীতে (টেনেনবাউম, কেম্প, গ্ৰীফিথছ, আৰু গুডমেন, ২০১১), আমি অধিক প্ৰকাশাত্মক সম্ভাব্যতাবাদী প্ৰগ্ৰাম প্ৰতিনিধিত্বৰ সৈতে কাম কৰো যি শক্তি আৰু সম্পত্তি শিকাৰ বাবে উপযুক্ত যি বস্তুবোৰে কেনেদৰে গতিশীল দৃশ্যত ক্ৰিয়া কৰে সেয়া নিয়ন্ত্ৰণ কৰে। আমি আমাৰ মডেলক মানৱ শিক্ষাৰ্থীৰ সৈতে তুলনা কৰো যিসকলে চমু ছবিৰ জৰিয়তে বহুতো ভৌতিক পৰিমাপক অনুমান কৰিব পাৰে। এই কামত মানুহক একেলগে বহুতো প্ৰতিক্ৰিয়াশীল ভৌতিক আইন আৰু সম্পত্তিৰ বিষয়ে চিন্তা কৰিবলৈ লাগে। সাধাৰণতে মানুহে এনে পৰিৱেশত শিকিবলৈ সক্ষম হয় আৰু তেওঁলোকৰ বিচাৰ-বিবেচনাৰ ক্ষেত্ৰত স্থিৰতা থাকে। তথাপি তেওঁলোকে পদ্ধতিগত ভুলও কৰে যিটো সীমিত কম্পিউটেশ্যনেল সম্পদৰ সৈতে এই গণনাকৰণত আৱশ্যক সমস্যা সমাধানৰ ক্ষেত্ৰত মানুহে কৰিব পৰা অনুমানসমূহৰ সূচক। আমি দুটা অনুমান প্ৰস্তাৱ কৰো যি ওপৰৰ পৰা তললৈ বেইচিয়ান পদ্ধতিৰ পৰিপূৰক। এটা আনুমানিক মডেল অধিক তলৰ পৰা ওপৰলৈ বৈশিষ্ট্য-ভিত্তিক অনুমান আঁচনিৰ ওপৰত নিৰ্ভৰ কৰে। দ্বিতীয় সমীকৰণত তলৰ পৰা ওপৰলৈ আৰু ওপৰৰ পৰা তললৈ পদ্ধতিৰ শক্তি সংযুক্ত কৰা হৈছে, ফিচাৰ-ভিত্তিক অনুমানক ভৌতিক-পৰামিতি স্থানত অনুসন্ধানৰ বাবে ইয়াৰ প্ৰস্থানৰ বিন্দু হিচাপে গ্ৰহণ কৰি। |
6f0144dc7ba19123ddce8cdd4ad0f6dc36dd4ef2 | আন্তঃৰাষ্ট্ৰীয় নিৰ্দেশনাৱলীত পুলৱর্তী কালৰ অৱসান ঘটাবলৈ যৌন বৈষম্য (GD) থকা কিশোৰ- কিশোৰীসকলৰ ক্ষেত্ৰত গ নাড ট্ৰ পিন- ৰিলিজিং হৰম ন (GnRH) এজ ন ষ্ট ব্যৱহাৰৰ পৰামৰ্শ দিয়া হৈছে। লিংগ বৈষম্যমূলক কিশোৰসকলে এই প্ৰাৰম্ভিক চিকিৎসা হস্তক্ষেপৰ বিষয়ে কি ভাবে সেই বিষয়ে অলপেই জনা যায়। এই অধ্যয়নৰ উদ্দেশ্য আছিল (১) নেদাৰলেণ্ডৰ লিংগ বৈষম্যমূলক কিশোৰ-কিশোৰীসকলৰ যৌৱনকাল দমনৰ ব্যৱহাৰৰ বিষয়ে বিবেচনাসমূহ স্পষ্ট কৰা; (২) লিংগ বৈষম্যমূলক কিশোৰ-কিশোৰীসকলৰ বিবেচনাসমূহ চিকিৎসা দলত কাম কৰা বৃত্তিধাৰীসকলৰ তুলনাত পৃথক হয় নে নহয় আৰু যদি হয়, তেন্তে কিদৰে পৃথক হয় সেয়া অনুসন্ধান কৰা। এই অধ্যয়নৰ উদ্দেশ্য আছিল লিংগ বৈষম্য থকা কিশোৰ- কিশোৰীসকলৰ প্ৰাৰম্ভিক চিকিৎসাৰ বিষয়ে বিবেচনা কৰা। এজনৰ বাহিৰে ১৩ জন কৈশোৰক যৌৱন কালৰ দমনৰ সৈতে চিকিৎসা কৰা হৈছিল; পাঁচজন কৈশোৰ আছিল ট্ৰান্স ছোৱালী আৰু আঠজন আছিল ট্ৰান্স ল ৰা। তেওঁলোকৰ বয়স ১৩ৰ পৰা ১৮ বছৰৰ ভিতৰত আছিল, গড় বয়স ১৬ বছৰ আৰু ১১ মাহ আৰু মধ্য বয়স ১৭ বছৰ আৰু ৪ মাহ আছিল। তাৰ পিছত, কিশোৰসকলৰ মতামতক GD ৰ সৈতে যুৱকসকলক চিকিত্সা কৰা চিকিত্সকৰ মতামতৰ সৈতে তুলনা কৰা হয়। লিংগ বৈষম্যকামী কিশোৰ-কিশোৰীসকলৰ সৈতে হোৱা সাক্ষাৎকাৰৰ পৰা তিনিটা বিষয় উদ্ভৱ হয়: (১) যৌৱনকালীন দমন আৰম্ভ কৰাৰ বাবে উপযুক্ত নিম্ন বয়সৰ সীমা নিৰ্ধাৰণৰ অসুবিধা। অধিকাংশ কিশোৰ-কিশোৰীয়ে উপযুক্ত বয়সৰ সীমা নিৰ্ধাৰণ কৰাটো কঠিন বুলি ভাবিছিল আৰু ইয়াক এক দুৰ্যোগ হিচাপে গণ্য কৰিছিল; অধিকাংশ কিশোৰ-কিশোৰীয়ে কৈছে যে দীৰ্ঘকালীন তথ্যৰ অভাৱত তেওঁলোকে যৌৱনকালীন বয়সৰ দমনৰ পৰা আঁতৰি থাকিব নোৱাৰে। কিছুমান কিশোৰ-কিশোৰীয়ে সামাজিক পৰিৱেশৰ ভূমিকাৰ বিষয়ে ইতিবাচক আছিল, কিন্তু আন কিছুমানে ইয়াৰ বিষয়ে সন্দেহ ব্যক্ত কৰিছিল। চিকিৎসকসকলৰ তুলনাত, কিশোৰ-কিশোৰীসকলে প্ৰায়ে তেওঁলোকৰ চিকিত্সাৰ দৃষ্টিভংগীত অধিক সাৱধান আছিল। GD ৰ ক্ষেত্ৰত যৌৱনকালীন দমনৰ ব্যৱহাৰৰ বিষয়ে আলোচনা কৰোতে লিংগ বৈষম্যপূৰ্ণ কিশোৰ-কিশোৰীসকলক কণ্ঠদান কৰাটো গুৰুত্বপূৰ্ণ। অন্যথা, বিশেষজ্ঞসকলে কিশোৰ-কিশোৰীসকলৰ প্ৰকৃত চিন্তাধাৰাৰ পৰিৱৰ্তে তেওঁলোকৰ মতামতক লৈ অনুমান কৰি কাৰ্য্য কৰিব পাৰে। আমি আন দেশৰ লিংগ বৈষম্যমূলক কিশোৰ-কিশোৰীৰ পৰা অধিক গুণগত গৱেষণা তথ্য সংগ্ৰহ কৰিবলৈ উৎসাহিত কৰোঁ। |
446573a346acdbd2eb8f0527c5d73fc707f04527 | |
6e6f47c4b2109e7824cd475336c3676faf9b113e | আমি ধাৰণা কৰো যে দৃশ্যত বৰ্ণনামূলক ভাষাই কম্পিউটাৰ ভিজন গৱেষকসকলক বিশ্বৰ বিষয়ে তথ্য আৰু মানুহে কেনেকৈ বিশ্বক বৰ্ণনা কৰে সেই বিষয়ে তথ্য প্ৰদান কৰে। এই উৎসৰ পৰা লাভ কৰা সম্ভাৱ্য লাভালাভৰ গুৰুত্ব বৰ্তমান সহজতে উপলব্ধ বিশাল পৰিমাণৰ ভাষা তথ্যৰ বাবে অধিক গুৰুত্বপূৰ্ণ। আমি এটা প্ৰণালী প্ৰদৰ্শন কৰিছো যিয়ে ছবিৰ পৰা স্বয়ংক্ৰিয়ভাৱে প্ৰাকৃতিক ভাষাৰ বৰ্ণনা সৃষ্টি কৰে যিয়ে বৃহৎ পৰিমাণৰ পাঠ্য তথ্য বিশ্লেষণ কৰি আহৰণ কৰা পৰিসংখ্যা আৰু কম্পিউটাৰ দৃষ্টিৰ স্বীকৃতি এলগৰিথম দুয়োটাই ব্যৱহাৰ কৰে। এই প্ৰণালীটো ছবিৰ বাবে প্ৰাসংগিক বাক্য প্ৰস্তুত কৰাত অতি কাৰ্যকৰী। ই পূৰ্বৰ কামৰ তুলনাত নিৰ্দিষ্ট ছবিৰ বিষয়বস্তুৰ সৈতে অধিক সত্য বৰ্ণনাও সৃষ্টি কৰে। |
9a0fff9611832cd78a82a32f47b8ca917fbd4077 | |
9e5a13f3bc2580fd16bab15e31dc632148021f5d | নিম্ন-প্ৰফাইল ছাবষ্ট্ৰেট ইণ্টিগ্ৰেটেড ৱেভগাইড (SIW) কেভিটি-বেকড স্লট এণ্টেনাৰ এটা বেণ্ডউইডথ উন্নত পদ্ধতি এই কাগজত উপস্থাপন কৰা হৈছে। বেণ্ডউইডথ বৰ্ধন একে সময়তে দুটা হাইব্ৰিড মোডক এছআইডব্লিউ-সমৰ্থিত গুহীত উত্তেজিত কৰি আৰু প্ৰয়োজনীয় ফ্ৰেক্সেন্সী পৰিসৰৰ ভিতৰত একত্ৰিত কৰি প্ৰাপ্ত কৰা হয়। এই দুটা হাইব্ৰিড মোড, যাৰ আধিপত্য ক্ষেত্ৰ SIW গহ্বৰৰ ভিন্ন অৰ্ধ অংশত অৱস্থিত, হ ল আৰু ৰিজ নান্সৰ দুটা ভিন্ন সংমিশ্ৰণ। এই ডিজাইন পদ্ধতিটো পৰীক্ষাৰ দ্বাৰা প্ৰমাণিত হৈছে। পূৰ্বতে প্ৰদৰ্শন কৰা SIW গুহ্য-সমৰ্থিত স্লট এণ্টেনাৰ সৈতে তুলনা কৰি, প্ৰস্তাৱিত এণ্টেনাৰ ভগ্নাংশীয় প্ৰতিবন্ধকতা বেণ্ডউইডথ ১.৪% ৰ পৰা ৬.৩% লৈ বৃদ্ধি কৰা হৈছে, ইয়াৰ লাভ আৰু বিক্ৰিয়াৰ দক্ষতাও সামান্য উন্নত হৈছে ৬.০ ডিবিআই আৰু ৯০%, আৰু ইয়াৰ SIW গুহ্য আকাৰ প্ৰায় ৩০% হ্ৰাস কৰা হৈছে। প্ৰস্তাৱিত এণ্টেনাটোত নিম্ন ক্ৰছ পলাৰিজেচন স্তৰ আৰু উচ্চ আগৰ পৰা পিছলৈ অনুপাত প্ৰদৰ্শন কৰে। ই এতিয়াও নিম্ন-প্ৰফাইল, নিম্ন নিৰ্মান ব্যয়, আৰু সমতল চক্ৰৰ সৈতে সহজ সংহতকৰণৰ সুবিধা বজাই ৰাখিছে। |
4c68e7eff1da14003cc7efbfbd9a0a0a3d5d4968 | বাস্তৱায়ন বিজ্ঞানত তত্ত্বগত পদ্ধতিৰ ব্যৱহাৰ বৃদ্ধিৰ দিশত অগ্ৰগতি হৈছে যাতে বাস্তৱায়ন কেনেকৈ আৰু কিয় সফল হয় বা বিফল হয় তাৰ ভাল বুজ আৰু ব্যাখ্যা প্ৰদান কৰিব পাৰি। এই প্ৰবন্ধৰ উদ্দেশ্য হৈছে বাস্তৱায়ন বিজ্ঞানৰ বিভিন্ন শ্ৰেণীৰ তত্ত্ব, মডেল আৰু ফ্ৰেমৱৰ্কৰ মাজত পাৰ্থক্য থকা এটা শ্ৰেণীবিভাজন প্ৰস্তাৱ কৰা, বাস্তৱায়ন গৱেষণা আৰু অনুশীলনত প্ৰাসংগিক পদ্ধতিৰ উপযুক্ত নিৰ্বাচন আৰু প্ৰয়োগৰ সুবিধা প্ৰদান কৰা আৰু বাস্তৱায়ন গৱেষকৰ মাজত আন্তঃবিভাগীয় সংলাপৰ প্ৰচাৰ কৰা। বাস্তৱায়ন বিজ্ঞানৰ তত্ত্বগত পদ্ধতিৰ তিনিটা প্ৰধান উদ্দেশ্য আছেঃ গৱেষণাক কাৰ্য্যকৰী ৰূপত ৰূপায়ণ কৰাৰ প্ৰক্ৰিয়াটো বৰ্ণনা কৰা আৰু/বা নিৰ্দেশনা দিয়া (প্ৰক্ৰিয়া মডেল); বাস্তৱায়নৰ ফলাফলক কি প্ৰভাৱিত কৰে সেয়া বুজোৱা আৰু/বা ব্যাখ্যা কৰা (নিৰ্ধাৰণকাৰী ফ্ৰেমৱৰ্ক, ধ্ৰুপদী তত্ত্ব, বাস্তৱায়ন তত্ত্ব); আৰু বাস্তৱায়ন মূল্যায়ন কৰা (মূল্যায়ন ফ্ৰেমৱৰ্ক) । এই প্ৰবন্ধত তিনিটা প্ৰধান উদ্দেশ্য প্ৰাপ্ত কৰাৰ বাবে পাঁচটা শ্ৰেণীৰ তাত্ত্বিক পদ্ধতিৰ প্ৰস্তাৱ দিয়া হৈছে। এই শ্ৰেণীবোৰক সদায়ে সাহিত্যত পৃথক প্ৰকাৰৰ পদ্ধতি হিচাপে স্বীকৃতি দিয়া নহয়। কিছুমান তত্ত্ব, মডেল আৰু ফ্ৰেমৱৰ্কৰ মাজত ওলমি থকা সত্ত্বেও, প্ৰাসংগিক পদ্ধতিৰ নিৰ্বাচন সহজ কৰিবলৈ পাৰ্থক্যসমূহৰ বিষয়ে সজাগতা গুৰুত্বপূৰ্ণ। বেছিভাগ নিৰ্ণায়ক ফ্ৰেমৱৰ্কে প্ৰণয়ন প্ৰক্ৰিয়াটো কেনেদৰে চলাব পাৰি তাৰ বাবে সীমিত সহায় আগবঢ়ায়, কাৰণ নিৰ্ণায়কবোৰ প্ৰণয়ন প্ৰক্ৰিয়াটোৰ বাবে পৰ্যাপ্ত বিৱৰণ প্ৰদান কৰিবলৈ সাধাৰণতে অতি সাধাৰণ হয়। আৰু যদিও গৱেষণাক কাৰ্যকৰী ৰূপত ৰূপায়ণৰ ক্ষেত্ৰত বাধাসমূহ আৰু সহায়কসমূহ সমাধান কৰাৰ প্ৰাসংগিকতা বহু প্ৰক্ৰিয়া মডেলত উল্লেখ কৰা হৈছে, এই মডেলবোৰে প্ৰয়োগৰ সফলতাৰ সৈতে জড়িত নিৰ্দিষ্ট নিৰ্ণায়কক চিনাক্ত বা পদ্ধতিগতভাৱে গঠন নকৰে। তদুপৰি, প্ৰক্ৰিয়া মডেলসমূহে ৰূপায়ণৰ প্ৰচেষ্টাৰ এক কালগত ক্ৰমক স্বীকৃতি দিয়ে, আনহাতে নিৰ্ণায়ক ফ্ৰেমৱৰ্কসমূহে ৰূপায়ণৰ প্ৰক্ৰিয়াগত দৃষ্টিকোণ স্পষ্টভাৱে গ্ৰহণ নকৰে। |
00a7370518a6174e078df1c22ad366a2188313b5 | অপ্টিকেল ফ্ল ক স্থানীয়ভাৱে গণনা কৰিব নোৱাৰি, কাৰণ এটা বিন্দুত ইমেজ ক্ৰমৰ পৰা কেৱল এটা স্বাধীন পৰিমাপ উপলব্ধ, আনহাতে ফ্ল ক বেগত দুটা উপাদান থাকে। দ্বিতীয় এটা সীমাবদ্ধতাৰ প্ৰয়োজন। অপ্টিকেল ফ্ল ম পট্ৰন বিচাৰি উলিওৱাৰ এটা পদ্ধতি প্ৰদৰ্শন কৰা হৈছে যিয়ে ধাৰণা কৰে যে উজ্জ্বলতা পট্ৰনৰ আপেক্ষিক বেগ ছবিৰ প্ৰায় সকলো ঠাইতে মসৃণভাৱে পৰিবৰ্তন হয়। এটা পুনৰাবৃত্তিত ৰূপায়ণ দেখুওৱা হৈছে যিয়ে কেইবাটাও সিন্থেটিক ইমেজ ক্ৰমৰ বাবে অপ্টিকেল ফ্ল ৰ সফলতাৰে গণনা কৰে। এই এলগৰিথমটো শক্তিশালী কিয়নো ই ইমেজ ক্ৰমবোৰ সামৰি ল ব পাৰে যি স্থান আৰু সময়ত অতি কম পৰিমাণে কোয়ান্টাইজড হয়। ই উজ্জ্বলতা স্তৰ আৰু সংযোজনীয় শব্দৰ কোয়ান্টাইজেশ্যনৰ প্ৰতিও সংবেদনশীল নহয়। উদাহৰণসমূহ ইয়াত অন্তৰ্ভুক্ত কৰা হৈছে য ত ছবিৰ একক বিন্দু বা ৰেখাৰ বৰ্দ্ধিত ৰেখাৰ ক্ষেত্ৰত মসৃণতাৰ ধাৰণা উলংঘন কৰা হৈছে। |
2315fc6c2c0c4abd2443e26a26e7bb86df8e24cc | আমি এটা বৃহৎ, গভীৰ কনভলুশ্যনেল নিউৰেল নেটৱৰ্ক প্ৰশিক্ষণ দিছিলো ১.২ মিলিয়ন উচ্চ-উত্তৰ ছবিৰ শ্ৰেণীবিভাজন কৰিবলৈ যিটো ইমেজনেট এলএছভিআৰচি-২০১০ প্ৰতিযোগিতাত ১০০০ টা ভিন্ন শ্ৰেণীত অন্তৰ্ভুক্ত কৰা হৈছিল। পৰীক্ষাৰ তথ্যত আমি শীৰ্ষ-১ আৰু শীৰ্ষ-৫ ত ক্ৰমে ৩৭.৫% আৰু ১৭.০% ত ত্ৰুটিৰ হাৰ লাভ কৰিছো, যিটো পূৰ্বৰ অত্যাধুনিক প্ৰণালীতকৈ যথেষ্ট উন্নত। ৬০ নিযুত পৰিমাপ আৰু ৬৫০,০০০ নিউৰন থকা নিউৰন নেটৱৰ্কটোত পাঁচটা কোৱল্যুশ্যনেল স্তৰ থাকে, যিবোৰৰ কিছুমানত মেক্স-পুলিং স্তৰ থাকে আৰু তিনিটা সম্পূৰ্ণ সংযুক্ত স্তৰ থাকে যাৰ অন্তিমত ১০০০-পথৰ নৰম-মাক্স থাকে। প্ৰশিক্ষণৰ গতি বঢ়াবলৈ আমি ন ছাৰ্চেটিং নিউৰন ব্যৱহাৰ কৰিছিলো আৰু কনভল্যুশ্যন অপাৰেচনৰ এটা অতি দক্ষ জিপিইউ ৰূপায়ণ কৰিছিলো। সম্পূৰ্ণ সংযুক্ত স্তৰসমূহত অতিৰিক্ত সংযোজন হ্ৰাস কৰিবলৈ আমি "ড্ৰপআউট" নামৰ এটা শেহতীয়াকৈ বিকশিত নিয়মীয়াকৰণ পদ্ধতি ব্যৱহাৰ কৰিছিলো যিটো অতি কাৰ্যকৰী প্ৰমাণিত হৈছিল। আমি ILSVRC-2012 প্ৰতিযোগিতাত এই মডেলৰ এটা প্ৰকাৰ প্ৰৱেশ কৰিছিলো আৰু দ্বিতীয় শ্ৰেষ্ঠ প্ৰৱেশৰ দ্বাৰা প্ৰাপ্ত ২৬.২%ৰ তুলনাত ১৫.৩%ৰ শীৰ্ষ-৫ পৰীক্ষাৰ ত্ৰুটিৰ হাৰ অৰ্জন কৰিছিলো। |
1bc49abe5145055f1fa259bd4e700b1eb6b7f08d | আমি SummaRuNNer, নথিপত্ৰৰ আহৰণমূলক সংক্ষেপণৰ বাবে এটা পুনৰাবৃত্ত নিউৰল নেটৱৰ্ক (RNN) ভিত্তিক ক্ৰম মডেল প্ৰদৰ্শন কৰিছো আৰু দেখুৱাম যে ই উন্নত প্ৰদৰ্শনতকৈ ভাল বা তুলনীয় প্ৰদৰ্শন কৰে। আমাৰ মডেলৰ অতিৰিক্ত সুবিধা হৈছে যে ই অতিশয় ব্যাখ্যাযোগ্য, কিয়নো ই ইয়াৰ ভৱিষ্যদ্বাণীসমূহৰ দৃশ্যমানকৰণ তথ্যৰ বিষয়বস্তু, গুৰুত্ব আৰু নৱত্বৰ দৰে বিমূর্ত বৈশিষ্ট্যৰ দ্বাৰা ভাঙি পেলোৱাৰ অনুমতি দিয়ে। আমাৰ কামৰ আন এক নতুন অৱদান হ ল আমাৰ নিষ্কাশন মডেলৰ বিমূর্ত প্ৰশিক্ষণ যি কেৱল মানৱ-উত্পন্ন প্ৰসংগ সাৰাংশৰ ওপৰত প্ৰশিক্ষণ দিব পাৰে, বাক্য-স্তৰৰ নিষ্কাশন লেবেলৰ প্ৰয়োজনীয়তা দূৰ কৰে। |
3e4bd583795875c6550026fc02fb111daee763b4 | এই প্ৰবন্ধত আমি গভীৰ নিউৰেল নেটৱৰ্ক ব্যৱহাৰ কৰি মুখৰ স্কেচবোৰ বিৰূপ কৰি ফটো-বাস্তৱবাদী মুখৰ ছবি সংগ্ৰহ কৰিছো। আমি প্ৰথমে এটা আধা-অনুমোদিত ডাটা ছেট নিৰ্মাণ কৰো য ত কম্পিউটাৰে সৃষ্টি কৰা বিভিন্ন ধৰণৰ চেহেৰা আৰু ইয়াৰ সৈতে সম্পৰ্কিত চেহেৰা ছবিৰ বৃহৎ সংখ্যক স্কিট থাকে। তাৰ পিছত আমি মডেলবোৰক প্ৰশিক্ষণ দি কম্পিউটাৰ দ্বাৰা নিৰ্মিত স্কেচ আৰু হাতেৰে অংকন কৰা স্কেচ দুয়োটাতে অত্যাধুনিক ফলাফল লাভ কৰো, গভীৰ শিক্ষাৰ সাম্প্ৰতিক অগ্ৰগতি যেনে বেটচ নৰ্মলাইজেশ্যন, গভীৰ অৱশিষ্ট শিক্ষা, উপলব্ধিৰ ক্ষতি আৰু ষ্ট কাষ্টিক অপ্টিমাইজেশ্যন আমাৰ নতুন ডাটা ছেটৰ সৈতে মিলিত কৰি। আমি অৱশেষত আমাৰ মডেলৰ সম্ভাৱ্য প্ৰয়োগসমূহ ফ ন আৰ্ট আৰু ফৰেনচিক আৰ্টত প্ৰদৰ্শন কৰিম। বৰ্তমানৰ পেটচ-ভিত্তিক পদ্ধতিৰ বিপৰীতে, আমাৰ গভীৰ নিউৰেল নেটৱৰ্ক-ভিত্তিক পদ্ধতিৰ দ্বাৰা বন্যপ্ৰাণীৰ মুখৰ স্কেচবোৰ বিৱৰ্তন কৰি ফটো-ৰিয়েলিষ্টিক মুখৰ ছবি সংগ্ৰহ কৰিব পাৰি। |
2fd9f4d331d144f71baf2c66628b12c8c65d3ffb | শ্ৰেণীবিভাজনৰ পদ্ধতিত বুষ্টিং হৈছে শেহতীয়া বিকাশৰ অন্যতম গুৰুত্বপূৰ্ণ দিশ। প্ৰশিক্ষণ তথ্যৰ পুনঃগুণাংকিত সংস্কৰণসমূহত ক্ৰমিকভাৱে শ্ৰেণীবিভাজন এলগৰিথম প্ৰয়োগ কৰি আৰু তাৰ পিছত এইদৰেই উৎপন্ন কৰা শ্ৰেণীবিভাজনৰ ক্ৰমৰ এক ওজনযুক্ত সংখ্যাগৰিষ্ঠতা ভোট গ্ৰহণ কৰি কামবোৰ শক্তিশালী কৰা। বহুতো শ্ৰেণীবিভাজন এলগৰিথমৰ বাবে, এই সৰল কৌশলৰ ফলত কাৰ্যক্ষমতাৰ নাটকীয় উন্নতি হয়। আমি দেখুৱাম যে এই আপাতদৃষ্টিত ৰহস্যময়ী ঘটনাটো পৰিচিত পৰিসংখ্যাগত নীতিৰ আধাৰত বুজিব পাৰি, যেনে- সংযোজনীয় মডেলিং আৰু সৰ্বাধিক সম্ভাৱনীয়তা। দুটা শ্ৰেণীৰ সমস্যাৰ বাবে, ব ষ্টিংক এটা মানদণ্ড হিচাপে সৰ্বোচ্চ বাৰ্নুলি সম্ভাৱ্যতা ব্যৱহাৰ কৰি লজিষ্টিক স্কেলত এডিটিভ মডেলিংৰ বাবে এক সমীকৰণ হিচাপে দেখা যায়। আমি অধিক প্ৰত্যক্ষ অনুমান বিকাশ কৰো আৰু দেখুৱাম যে ইহঁতৰ ফলাফল বুষ্টিংৰ সৈতে প্ৰায় একে। বহুপদীয় সম্ভাৱনীয়তাৰ ওপৰত ভিত্তি কৰি প্ৰত্যক্ষ বহুশ্ৰেণী সাধাৰণীকৰণ প্ৰাপ্ত কৰা হয় যিটো প্ৰায়বোৰ পৰিস্থিতিত বৃদ্ধিৰ অন্যান্য শেহতীয়াকৈ প্ৰস্তাৱিত বহুশ্ৰেণী সাধাৰণীকৰণৰ সৈতে তুলনাযোগ্য কাৰ্যক্ষমতা প্ৰদৰ্শন কৰে আৰু কিছুমান ক্ষেত্ৰত বহু উন্নত। আমি বুষ্টিংৰ এটা সৰু সংশোধন কৰিব বিচাৰো যি গণনা কমাব পাৰে, প্ৰায়েই ১০ ৰ পৰা ৫০ ৰ গুণিতক। অৱশেষত, আমি সিদ্ধান্ত গাছক উৎসাহিত কৰাৰ বাবে বিকল্প সূত্ৰ প্ৰস্তুত কৰিবলৈ এই অন্তৰ্দৃষ্টিসমূহ প্ৰয়োগ কৰো। এই পদ্ধতিটো, বেষ্ট-ফাৰ্ষ্ট ট্ৰংকড ট্ৰী ইনডাকচনৰ ওপৰত ভিত্তি কৰি, প্ৰায়ে উন্নত প্ৰদৰ্শনলৈ লৈ যায়, আৰু সংগ্ৰহিত সিদ্ধান্ত নিয়মৰ ব্যাখ্যাযোগ্য বিৱৰণ প্ৰদান কৰিব পাৰে। ই কম্পিউটেশ্যনেলভাৱেও অধিক দ্ৰুত, ইয়াক বৃহৎ স্কেল ডাটা মাইনিং এপ্লিকেশ্যনসমূহৰ বাবে অধিক উপযুক্ত কৰি তোলে। |
573ae3286d050281ffe4f6c973b64df171c9d5a5 | আমি বিশৃংখল দৃশ্যত বিভিন্ন শ্ৰেণীৰ বস্তুৰ বৃহৎ সংখ্যক আৱিষ্কাৰ কৰাৰ সমস্যাটো বিবেচনা কৰোঁ। পৰম্পৰাগত পদ্ধতিত বিভিন্ন স্থান আৰু স্কেলত বিভিন্ন শ্ৰেণীবিভাগকৰ বেটাৰী ছবিৰ ক্ষেত্ৰত প্ৰয়োগ কৰা প্ৰয়োজন। ই ধীৰ হ ব পাৰে আৰু বহুতো প্ৰশিক্ষণ তথ্যৰ প্ৰয়োজন হ ব পাৰে কিয়নো প্ৰতিটো শ্ৰেণীবিভাগক বহুতো বিভিন্ন ছবিৰ বৈশিষ্ট্যৰ গণনাৰ প্ৰয়োজন হয়। বিশেষকৈ, স্বতন্ত্ৰভাৱে প্ৰশিক্ষিত ডিটেক্টৰৰ বাবে, (চালনাৰ সময়) গণনামূলক জটিলতা আৰু (শিক্ষণৰ সময়) নমুনা জটিলতা স্কেলটো চিনাক্ত কৰিবলগীয়া শ্ৰেণীৰ সংখ্যাৰ সৈতে ৰেখামুখী। আমি এক মাল্টিটাস্ক লাৰ্ণিং প্ৰক্ৰিয়া প্ৰদৰ্শন কৰিছো, যি ব ষ্টড ডিচিছন ষ্টাম্পৰ ওপৰত ভিত্তি কৰি, যি শ্ৰেণী (আৰু/বা ভিউ) সমূহত ভাগ কৰিব পৰা সাধাৰণ বৈশিষ্ট্য বিচাৰি কম্পিউটেশ্যনেল আৰু নমুনা জটিলতা হ্ৰাস কৰে। প্ৰতিটো শ্ৰেণীৰ ডিটেক্টৰক একেলগে প্ৰশিক্ষণ দিয়া হয়, পৃথকে নহয়। এটা নিৰ্দিষ্ট পাৰদৰ্শিতা স্তৰৰ বাবে, প্ৰয়োজনীয় বৈশিষ্ট্যৰ মুঠ সংখ্যা আৰু, সেয়ে, শ্ৰেণীবিভাগকৰ ৰানটাইম ব্যয়, শ্ৰেণীৰ সংখ্যাৰ সৈতে প্ৰায় লগাৰিথমিকভাৱে স্কেল কৰা দেখা যায়। যৌথ প্ৰশিক্ষণৰ দ্বাৰা নিৰ্বাচিত বৈশিষ্ট্যসমূহ সাধাৰণ প্ৰান্ত-সদৃশ বৈশিষ্ট্য, আনহাতে প্ৰতিটো শ্ৰেণীক পৃথকে প্ৰশিক্ষণ দিয়াৰ দ্বাৰা নিৰ্বাচিত বৈশিষ্ট্যসমূহ অধিক বস্তুৰ-নিৰ্দিষ্ট হোৱাৰ প্ৰৱণতা থাকে। সাধাৰণ বৈশিষ্টবোৰ ভালকৈ সাধাৰণীকৰণ কৰে আৰু বহু শ্ৰেণীৰ অবজেক্ট চিনাক্তকৰণৰ গণনামূলক ব্যয় যথেষ্ট হ্ৰাস কৰে |
1e75a3bc8bdd942b683cf0b27d1e1ed97fa3b4c3 | গাউছীয় প্ৰক্ৰিয়াসমূহে ৰাজ্যিক স্থানৰ মডেলত অজ্ঞাত গতিশীলতাৰ পূৰ্বৰ অনুমানৰ নমনীয় নিৰ্ধাৰণৰ অনুমতি দিয়ে। আমি গাউছীয় প্ৰক্ৰিয়া অৱস্থা স্থানৰ মডেলত দক্ষ বেইচিয়ান শিক্ষণৰ বাবে এটা প্ৰক্ৰিয়া উপস্থাপন কৰোঁ, য ত প্ৰতিনিধিত্ব পূৰ্বৰ সহ-বৈকল্পিক গঠনটোৰ পৰা প্ৰাপ্ত প্ৰায়োগিক স্বতন্ত্ৰ কাৰ্যৰ এটা সমষ্টিৰ ওপৰত প্ৰক্ষেপণ কৰি গঠিত হয়। এই পৰিয়ালৰ মডেলৰ অধীনত শিকনাক এক সাৱধানে নিৰ্মিত কণাৰ এমচিএমচি এলগৰিথম ব্যৱহাৰ কৰি চলাব পাৰি। এই আঁচনিটো গণনাকৰণত কাৰ্যকৰী আৰু তথাপি সমস্যাৰ সম্পূৰ্ণ বেইচিয়ান চিকিত্সাৰ বাবে অনুমতি দিয়ে। প্ৰচলিত চিষ্টেম চিনাক্তকৰণ সঁজুলি বা বিদ্যমান শিক্ষণ পদ্ধতিৰ তুলনাত, আমি প্ৰতিযোগিতামূলক প্ৰদৰ্শন আৰু মডেলত অনিশ্চয়তাৰ নিৰ্ভৰযোগ্য পৰিমাণৰ প্ৰদৰ্শন কৰোঁ। |
142a799aac35f3b47df9fbfdc7547ddbebba0a91 | আমি ৰঙীন তথ্যত মডেল-ভিত্তিক 6D পোজ পৰিশোধনৰ বাবে এক অভিনৱ পদ্ধতি প্ৰদৰ্শন কৰিছো। আমি কণ্টুৰ-ভিত্তিক পোজ ট্ৰেকিংৰ ধাৰণাটো গঢ়ি তুলি, আমি এটা গভীৰ স্নায়ু নেটৱৰ্কক এটা অনুবাদ আৰু ঘূৰ্ণন আপডেট অনুমান কৰিবলৈ শিকাইছো। মূলত, আমি এটা নতুন দৃষ্টিশক্তিৰ ক্ষতিৰ প্ৰস্তাৱ দিছো যি বস্তুৰ সমান্তৰকৰণ কৰি পোজ আপডেটক চলায়, এইদৰেই কোনো স্পষ্ট ৰূপৰ মডেলৰ সংজ্ঞা এৰাই চলে। পূৰ্বৰ কামৰ বিপৰীতে আমাৰ পদ্ধতিটো চিঠি-মুক্ত, বিভাজন-মুক্ত, আটকাব পাৰে আৰু জ্যামিতিক সমতুল্যৰ লগতে চাক্ষুষ অস্পষ্টতাৰ বাবে অজ্ঞাত। ইয়াৰ উপৰিও, আমি এটা শক্তিশালী দৃঢ়তা লক্ষ্য কৰো যিটো কঠোৰ প্ৰাৰম্ভিকীকৰণৰ দিশত। এই পদ্ধতিটো বাস্তৱ-সময়ত চলিব পাৰে আৰু গভীৰতাৰ তথ্যৰ প্ৰয়োজন নোহোৱাকৈ 3D ICPৰ ওচৰলৈ অহা পোজ সঠিকতা উৎপন্ন কৰে। তদুপৰি, আমাৰ নেটৱৰ্কসমূহ সম্পূৰ্ণভাৱে সিন্থেটিক তথ্যৰ পৰা প্ৰশিক্ষিত হয় আৰু http://campar.in.tum ত পৰিমাৰ্জন কোডৰ সৈতে প্ৰকাশ কৰা হ ব। de/Main/FabianManhardt পুনৰুত্পাদনযোগ্যতা নিশ্চিত কৰিবলৈ |
046bf6fb90438335eaee07594855efbf541a8aba | নগৰীকৰণৰ দ্ৰুত অগ্ৰগতিৰ ফলত বহু মানুহৰ জীৱন আধুনিক হৈছে, কিন্তু যান-জঁটৰ সমস্যা, শক্তিৰ ব্যৱহাৰ আৰু প্ৰদূষণৰ দৰে ডাঙৰ সমস্যাও সৃষ্টি হৈছে। নগৰ কম্পিউটাৰৰ লক্ষ্য হৈছে নগৰসমূহত সৃষ্টি হোৱা তথ্য (যেনে, যান-বাহনৰ প্ৰবাহ, মানুহৰ গতিশীলতা আৰু ভৌগোলিক তথ্য) ব্যৱহাৰ কৰি এই সমস্যাসমূহ সমাধান কৰা। নগৰ কম্পিউটিংয়ে নগৰীয় সংবেদন, তথ্য ব্যৱস্থাপনা, তথ্য বিশ্লেষণ আৰু সেৱা প্ৰদানক এক পুনৰাবৃত্তিত প্ৰক্ৰিয়াত সংযোগ কৰে যাতে মানুহৰ জীৱন, নগৰ পৰিচালনা ব্যৱস্থা আৰু পৰিৱেশৰ নিৰন্তৰ উন্নতি হয়। নগৰ কম্পিউটিং হৈছে এটা আন্তঃবিভাগীয় ক্ষেত্ৰ য ত কম্পিউটাৰ বিজ্ঞান নগৰ সম্পৰ্কীয় ক্ষেত্ৰত প্ৰচলিত ক্ষেত্ৰসমূহ, যেনে পৰিবহণ, অসামৰিক অভিযান্ত্ৰিক, পৰিৱেশ, অৰ্থনীতি, পৰিৱেশ বিজ্ঞান আৰু সমাজ বিজ্ঞানক নগৰীয়া স্থানৰ প্ৰেক্ষাপটত মিলিত কৰে। এই প্ৰবন্ধত প্ৰথমে চহৰাঞ্চলৰ কম্পিউটিংৰ ধাৰণাটো প্ৰৱৰ্তন কৰা হৈছে, ইয়াৰ সাধাৰণ ফ্ৰেমৱৰ্ক আৰু কম্পিউটাৰ বিজ্ঞানৰ দৃষ্টিকোণৰ পৰা মূল প্ৰত্যাহ্বানসমূহৰ বিষয়ে আলোচনা কৰা হৈছে। দ্বিতীয়তে, আমি নগৰীয়া কম্পিউটাৰৰ প্ৰয়োগসমূহক সাতটা শ্ৰেণীত ভাগ কৰো, য ত নগৰ পৰিকল্পনা, পৰিবহণ, পৰিৱেশ, শক্তি, সামাজিক, অৰ্থনীতি আৰু জন সুৰক্ষা আৰু নিৰাপত্তা অন্তৰ্ভুক্ত থাকে, প্ৰতিটো শ্ৰেণীত প্ৰতিনিধিত্বমূলক দৃশ্যপট উপস্থাপন কৰা হয়। তৃতীয়তে, আমি চহৰাঞ্চলৰ কম্পিউটাৰত প্ৰয়োজনীয় প্ৰচলিত প্ৰযুক্তিসমূহক চাৰিটা ভাগত ভাগ কৰো, যিবোৰ হ ল চহৰাঞ্চলৰ সংবেদন, চহৰাঞ্চলৰ তথ্য ব্যৱস্থাপনা, ভিন্ন প্ৰকাৰৰ তথ্যৰ মাজত জ্ঞান সংমিশ্ৰণ আৰু চহৰাঞ্চলৰ তথ্যৰ দৃশ্যমানকৰণ। শেষত, আমি চহৰাঞ্চলৰ কম্পিউটাৰৰ ভৱিষ্যতৰ বিষয়ে এটা দৃষ্টিভংগী প্ৰদান কৰিছো, আৰু সমাজত কোনোমতে অনুপস্থিত থকা কেইটামান গৱেষণা বিষয়ৰ পৰামৰ্শ আগবঢ়াইছো। |
970b4d2ed1249af97cdf2fffdc7b4beae458db89 | প্ৰতিদিনে প্ৰায় এক বিলিয়ন অনলাইন ভিডিঅ দেখা পোৱা হোৱাত, কম্পিউটাৰ ভিজন গৱেষণাৰ ক্ষেত্ৰত এটা নতুন দিশ হৈছে ভিডিঅ চিনাক্তকৰণ আৰু অনুসন্ধান। হাজাৰ হাজাৰ ছবিৰ শ্ৰেণীবিভাগ থকা বৃহৎ স্কেলযোগ্য স্থিৰ ছবিৰ ডাটাছেট সংগ্ৰহ আৰু টোকা দিয়াৰ বাবে বহুতো প্ৰচেষ্টা গ্ৰহণ কৰা হৈছে, কিন্তু মানৱ ক্ৰিয়াৰ ডাটাছেট বহু পিছপৰি আছে। বৰ্তমানৰ কাৰ্য্যকৰী স্বীকৃতি ডাটাবেছসমূহত প্ৰায় দহটা বিভিন্ন কাৰ্য্যকৰী শ্ৰেণীৰ তথ্য সন্নিৱিষ্ট কৰা হৈছে যিবোৰ যথেষ্ট নিয়ন্ত্ৰিত অৱস্থাত সংগ্ৰহ কৰা হৈছে। এই ডাটা ছেটসমূহৰ অত্যাধুনিক প্ৰদৰ্শনে এতিয়া সৰ্বাধিক পৰ্যায় পাইছে আৰু সেয়ে নতুন মানদণ্ডৰ পৰিকল্পনা আৰু সৃষ্টিৰ প্ৰয়োজনীয়তা আছে। এই সমস্যা সমাধানৰ বাবে আমি ৫১ টা ক্ৰিয়াশালাৰ শ্ৰেণীৰ সৈতে এতিয়ালৈকে সৰ্বাধিক ক্ৰিয়াশালাৰ ভিডিঅ ডাটাবেছ সংগ্ৰহ কৰিছো, য ত মুঠতে প্ৰায় ৭,০০০ টা হস্তচালিত টোকাযুক্ত ক্লিপ আছে, য ত ডিজিটেলাইজড চলচ্চিত্ৰৰ পৰা ইউটিউবলৈ বিভিন্ন উৎসৰ পৰা আহৰণ কৰা হৈছে। আমি এই ডাটাবেছ ব্যৱহাৰ কৰি দুটা প্ৰতিনিধিত্বমূলক কম্পিউটাৰ ভিজন চিষ্টেমৰ কাৰ্য্যক্ষমতা মূল্যায়ন কৰো আৰু কেমেৰাৰ গতি, দৃষ্টিভংগী, ভিডিঅ গুণমান আৰু অ ক্লুজন আদি বিভিন্ন পৰিস্থিতিত এই পদ্ধতিসমূহৰ দৃঢ়তা অন্বেষণ কৰো। |
3087289229146fc344560478aac366e4977749c0 | তথ্য তত্ত্বৰ দ্বাৰা মানুহৰ কিছুমান সংবেদনশীল, সংবেদনশীল আৰু সংবেদনশীল-যান্ত্ৰিক কাৰ্য্যক পূৰ্বৰ তুলনাত অধিক স্পষ্টভাৱে নিৰ্ধাৰণ কৰা হৈছে (5, 10, 13, 15, 17, 18) । এই প্ৰবন্ধত উল্লেখ কৰা পৰীক্ষাসমূহে এই তত্ত্বক মানৱ মটৰ প্ৰণালীত প্ৰসাৰিত কৰে। এই সময়ত কেৱল মৌলিক ধাৰণা, তথ্যৰ পৰিমাণ, শব্দ, চেনেলৰ ক্ষমতা আৰু তথ্যৰ প্ৰচাৰৰ হাৰ প্ৰয়োগযোগ্যতাৰ পৰীক্ষা কৰা হ ব। সাম্প্ৰতিক লেখকসকলে (৪,১১,২০,২২) এই ধাৰণা সমূহৰ সৈতে সাধাৰণ পৰিচিত বুলি ধাৰণা কৰা হয়। কঠোৰভাৱে ক বলৈ গ লে, আমি মানুহৰ মটৰ প্ৰণালীক ইয়াৰ সংযুক্ত সংবেদনশীল প্ৰণালীসমূহৰ পৰা পৃথক কৰি আচৰণগত স্তৰত অধ্যয়ন কৰিব নোৱাৰো। আমি কেৱল সম্পূৰ্ণ ৰিচেপ্টৰ-নিউৰেল-ইফেক্টৰ প্ৰণালীৰ আচৰণ বিশ্লেষণ কৰিব পাৰো। কেনেকৈ- |
64305508a53cc99e62e6ff73592016d0b994afd4 | RDF ক্ৰমবৰ্ধমানভাৱে শব্দাৰ্থিক ৱেব আৰু তথ্য বিনিময়ৰ বাবে তথ্য এনকোড কৰিবলৈ ব্যৱহাৰ কৰা হয়। বিভিন্ন পদ্ধতি অনুসৰণ কৰি RDF ডাটা মেনেজমেণ্টৰ বিষয়ে বহুতো কাম হৈছে। এই প্ৰবন্ধত আমি এই কামবোৰৰ এক সামগ্ৰিক বিৱৰণ আগবঢ়াইছো। এই পৰ্যালোচনাত কেন্দ্ৰীয় সমাধান (কেনেকুৱা সংৰক্ষণ পদ্ধতি বুলি কোৱা হয়), বিতৰণ সমাধান, আৰু সংযুক্ত তথ্য অনুসন্ধানৰ বাবে বিকশিত কৌশলসমূহ বিবেচনা কৰা হৈছে। প্ৰতিটো শ্ৰেণীত, পাঠকসকলক বিভিন্ন পদ্ধতিৰ চিনাক্তকৰণ বৈশিষ্ট্যবোৰ বুজিবলৈ সহায় কৰিব পৰা অতিৰিক্ত শ্ৰেণীবিভাগ প্ৰদান কৰা হৈছে। |
6162ab446003a91fc5d53c3b82739631c2e66d0f | |
29f5ecc324e934d21fe8ddde814fca36cfe8eaea | প্ৰৱৰ্তন স্তন কেন্সাৰ (বিচি) হৈছে মহিলাসকলৰ ক্ষেত্ৰত সৰ্বাধিক প্ৰচলিত কেন্সাৰ, যি তেওঁলোকৰ জীৱনৰ কোনো কোনো পৰ্যায়ত প্ৰায় ১০% মহিলাক প্ৰভাৱিত কৰে। শেহতীয়া বছৰবোৰত, ঘটনাটোৰ হাৰ বৃদ্ধি হৈ আছে আৰু তথ্যই দেখুৱাইছে যে ৰোগ নিৰ্ণয়ৰ পাঁচ বছৰৰ পিছত জীৱিত থকাৰ হাৰ ৮৮% আৰু ৰোগ নিৰ্ণয়ৰ ১০ বছৰৰ পিছত ৮০% [1]। স্তন কেন্সাৰৰ প্ৰাৰম্ভিক ভৱিষ্যদ্বাণী পৰৱৰ্তী পৰ্যবেক্ষণ প্ৰক্ৰিয়াৰ অন্যতম গুৰুত্বপূৰ্ণ কাম। তথ্য খনন পদ্ধতিয়ে ভুল ধনাত্মক আৰু ভুল নেতিবাচক সিদ্ধান্তৰ সংখ্যা হ্ৰাস কৰাত সহায় কৰিব পাৰে [2,3]। ফলস্বৰূপে, ডাটাবেছত জ্ঞান আৱিষ্কাৰ (KDD) ৰ দৰে নতুন পদ্ধতি চিকিৎসা গৱেষকসকলৰ বাবে এক জনপ্ৰিয় গৱেষণা সঁজুলি হৈ পৰিছে যিসকলে বৃহৎ সংখ্যক ভৰিবলীৰ মাজত নিদৰ্শন আৰু সম্পৰ্ক চিনাক্ত আৰু ব্যৱহাৰ কৰিবলৈ চেষ্টা কৰে আৰু ডাটা ছেটত সঞ্চিত ঐতিহাসিক কেচ ব্যৱহাৰ কৰি ৰোগৰ ফলাফলৰ ভৱিষ্যদ্বাণী কৰে। [4] |
261e841c8e0175586fb193b1a199cefaa8ecf169 | এজন ব্যক্তিয়ে গভীৰ শিক্ষণক কিদৰে ৰূপবিজ্ঞানীয় পুনঃনিৰ্দেশন, যিটো এটা শৃংখলাটো আন এটা শৃংখলা লাভ কৰিবলৈ ষ্ট কাষ্টিকভাৱে সম্পাদনা কৰে, সেই কামত প্ৰয়োগ কৰিব লাগে? এনে ধাৰাবাহিক-ৰ পৰা-ধাৰাবাহিক কাৰ্য্যসমূহৰ এটা শেহতীয়া পদ্ধতি হৈছে ইনপুট ষ্ট্ৰিংক এটা ভেক্টৰত সংকুচিত কৰা যি তাৰ পিছত পুনৰাবৃত্ত নিউৰেল নেটৱৰ্ক ব্যৱহাৰ কৰি আউটপুট ষ্ট্ৰিং উৎপন্ন কৰিবলৈ ব্যৱহাৰ কৰা হয়। ইয়াৰ বিপৰীতে, আমি পৰম্পৰাগত আৰ্কিটেকচাৰটো ৰাখিব বিচাৰো, যিয়ে সকলো সম্ভৱ আউটপুট শাৰী স্ক ৰ কৰিবলৈ এটা ফাইনেট-ষ্টেট ট্ৰেন্সডুচাৰ ব্যৱহাৰ কৰে, কিন্তু পুনৰাবৃত্ত নেটৱৰ্কৰ সহায়ত স্ক ৰিং ফাংশনটো বঢ়াবলৈ। দ্বি-মুখী LSTM ৰ এটা স্তূপে ইনপুট শৃংখলাটো বাওঁৰ পৰা সোঁলৈ আৰু সোঁৰ পৰা বাওঁলৈ পঢ়ে, যাতে ইনপুট প্ৰসংগটো সংক্ষেপিত কৰিব পাৰে য ত এটা ট্ৰেন্সডুচাৰ আৰ্ক প্ৰয়োগ কৰা হয়। আমি এই শিকোৱা বৈশিষ্টবোৰ সংযোজিত কৰো ট্ৰেন্সডুচাৰৰ সৈতে যাতে এটা প্ৰত্যাশিত বিতৰণ নিৰ্ধাৰণ কৰিব পাৰো সমন্বিত আউটপুট শৃংখলসমূহত, এটা ওজনযুক্ত ফাইনেট-ষ্টেট অটোমেটনৰ ৰূপত। ই বৈশিষ্ট্যসমূহৰ হস্ত-ইঞ্জিনিয়াৰিং হ্ৰাস কৰে, শিক্ষিত বৈশিষ্ট্যসমূহক ইনপুট ষ্ট্ৰিংত সীমাহীন প্ৰসংগ পৰীক্ষা কৰিবলৈ অনুমতি দিয়ে, আৰু এতিয়াও গতিশীল প্ৰগ্ৰামিংৰ জৰিয়তে সঠিক অনুমান কৰিবলৈ অনুমতি দিয়ে। আমি আমাৰ পদ্ধতিটো ৰূপবিজ্ঞানগত পুনঃনিৰ্গমন আৰু লেমমেটিজেশ্যনৰ কামত প্ৰদৰ্শন কৰিম। |
8f69384b197a424dfbd0f60d7c48c110faf2b982 | |
014b191f412f8496813d7c358ddd11d8512f2005 | উচ্চ-নিৰ্ধাৰিত ছবিৰ ৰাডাৰবোৰে একক পৰ্যবেক্ষণৰ পৰা সম্প্ৰসাৰিত বস্তুৰ গতি আৰু গতিৰ দিশৰ অনুমান কৰাৰ বাবে নতুন সুযোগ মুকলি কৰে। যিহেতু ৰাডাৰ ছেন্সৰে কেৱল ৰেডিয়াল বেগ জোখে, সেয়েহে বস্তুটোৰ বেগ ভেক্টৰ নিৰ্ণয় কৰিবলৈ এটা ট্ৰেকিং চিষ্টেম ব্যৱহাৰ কৰা হয়। এটা স্থিৰ বেগ কেইটামান ফ্ৰেমৰ পিছত অনুমান কৰা হয়, যাৰ ফলত কিছুমান পৰিস্থিতিত ক্ৰছ-ট্ৰেফিকৰ দৰে প্ৰতিক্ৰিয়া কৰিবলৈ যথেষ্ট সময় নষ্ট হয়। তলৰ কাগজত এটা সম্প্ৰসাৰিত লক্ষ্যৰ বেগ ভেক্টৰ নিৰ্ণয় কৰিবলৈ এক শক্তিশালী আৰু মডেল-মুক্ত পদ্ধতি প্ৰদৰ্শন কৰা হৈছে। কালমান ফিল্টাৰৰ বিপৰীতে, ই সময় আৰু স্থানত ডাটা সংযুক্তিৰ প্ৰয়োজন নাই। ইয়াৰ বেগ ভেক্টৰৰ এক তৎক্ষণিক (~ ৫০ এম এছ) আৰু পক্ষপাত মুক্ত অনুমান সম্ভৱ। আমাৰ পদ্ধতিয়ে সংকেতত শব্দ আৰু পদ্ধতিগত পৰিবৰ্তন (যেনে, চক্ৰৰ মাইক্ৰ ডপলাৰ) সামৰি ল ব পাৰে। ই কেৱল ৰেডিয়াল বেগত নহয়, কিন্তু এজিমথ অৱস্থাতো ৰাডাৰ ছেন্সৰৰ জোখৰ ত্ৰুটিৰ সৈতে মোকাবিলা কৰিবলৈ অনুকূলিত কৰা হৈছে। এই পদ্ধতিৰ সঠিকতা বহুতো ৰাডাৰ ছেন্সৰৰ সংমিশ্ৰণৰ দ্বাৰা বৃদ্ধি কৰা হয়। |
ad6d5e4545c60ec559d27a09fbef13fa538172e1 | উন্নত চালক সহায়ক ব্যৱস্থা আৰু স্বয়ংচালিত বাহনত, ৰাডাৰৰ আধাৰত নিৰ্ভৰযোগ্য পৰিৱেশৰ উপলব্ধি আৰু বস্তু ট্ৰেকিং মৌলিক। উচ্চ-উত্তৰ ৰেডাৰ ছেন্সৰসমূহে প্ৰায়ে প্ৰতিটো বস্তুকে একাধিক জোখৰ প্ৰদান কৰে। যিহেতু এই ক্ষেত্ৰত পৰম্পৰাগত বিন্দু ট্ৰেকিং এলগৰিথমসমূহ আৰু প্ৰযোজ্য নহয়, সম্প্ৰসাৰিত অবজেক্ট ট্ৰেকিংৰ বাবে নতুন পদ্ধতিসমূহ যোৱা কেইটামান বছৰত উদ্ভৱ হৈছে। অৱশ্যে, এওঁলোকক মূলতঃ লিডাৰ এপ্লিকেচনৰ বাবে ডিজাইন কৰা হৈছে বা ৰেডাৰৰ অতিৰিক্ত ডপলাৰ তথ্য বাদ দিয়া হৈছে। ডপলাৰ তথ্য ব্যৱহাৰ কৰি ক্লাছিকেল ৰেডাৰ ভিত্তিক ট্ৰেকিং পদ্ধতিসমূহ সাধাৰণতে সমান্তৰাল ট্ৰাফিকৰ পইণ্ট ট্ৰেকিংৰ বাবে ডিজাইন কৰা হয়। এই প্ৰবন্ধত উপস্থাপিত জোখৰ মডেলটো প্ৰায় আয়তক্ষেত্ৰাকাৰ আকৃতিৰ বাহনসমূহক সমান্তৰাল আৰু ক্ৰছ ট্ৰাফিককে ধৰি যিকোনো ট্ৰাফিক দৃশ্যপটত ট্ৰেক কৰিবলৈ বিকশিত কৰা হৈছে। গতিশীল অৱস্থাৰ উপৰিও, ই বস্তুটোৰ জ্যামিতিক অৱস্থা নিৰ্ধাৰণ আৰু ট্ৰেক কৰিবলৈ অনুমতি দিয়ে। ডপলাৰ তথ্য ব্যৱহাৰ কৰি মডেলৰ এটা গুৰুত্বপূৰ্ণ উপাদান। তদুপৰি, ইয়াত পৰিমাপৰ প্ৰাক-প্ৰক্ৰিয়াকৰণ, তথ্যৰ ক্লাষ্টাৰিং, বা স্পষ্ট তথ্যৰ সম্পৰ্ক প্ৰয়োজন নহয়। বস্তু ট্ৰেকিংৰ বাবে, এটা ৰাও-ব্লেকৱেলাইজড কণাৰ ফিল্টাৰ (RBPF) পৰিমাপ মডেলৰ সৈতে খাপ খোৱা হৈছে। |
965f8bb9a467ce9538dec6bef57438964976d6d9 | মেক-আপ আৰু ছদ্মবেশযুক্ত চেহেৰা থকা একেটা বিষয়ক চিনাক্ত কৰাৰ সময়ত স্বয়ংক্ৰিয় মানৱ মুখ চিনাক্তকৰণ এলগৰিথমৰ সঠিকতা যথেষ্ট হ্ৰাস হ ব পাৰে। উন্নত নিৰাপত্তা আৰু নিৰীক্ষণৰ ওপৰত বৰ্ধিত সীমাবদ্ধতাৰ বাবে মুখমণ্ডল আৰু/বা মেকআপৰ অধীনত মুখ চিনাক্তকৰণ এলগৰিথমৰ পৰা উন্নত নির্ভুলতা প্ৰয়োজন। এই প্ৰবন্ধত মুখমণ্ডল আৰু মেকআপৰ ছবিৰ বাবে এটা নতুন ডাটাবেছ উপস্থাপন কৰা হৈছে। এই ডাটাবেছত ৪১০ টা ভিন্ন বিষয়ৰ পৰা ২৪৬০ টা ছবি আছে আৰু প্ৰকৃত পৰিৱেশৰ অধীনত অধিগ্ৰহণ কৰা হৈছে, মেকআপ আৰু ছদ্মবেশী সহ-পৰিৱৰ্তনসমূহত গুৰুত্ব আৰোপ কৰা হৈছে আৰু প্ৰতিখন ছবিৰ বাবে ভূমি সত্য (চকু, গগল, মুৰ্ছা, দাড়ি) প্ৰদান কৰা হৈছে। ইয়াৰ দ্বাৰা বিকাশিত এলগৰিথমসমূহে স্বয়ংক্ৰিয়ভাৱে মুখ চিনাক্তকৰণৰ সময়ত এনে গুৰুত্বপূৰ্ণ ছদ্মবেশী বৈশিষ্ট্য চিনাক্ত কৰাৰ বাবে তেওঁলোকৰ সামৰ্থ্যৰ পৰিমাণ নিৰ্ণয় কৰিব পাৰে। আমি দুটা জনপ্ৰিয় বাণিজ্যিক মেচাৰৰ পৰা আৰু শেহতীয়া প্ৰকাশৰ পৰা তুলনামূলক পৰীক্ষামূলক ফলাফলও উপস্থাপন কৰিছো। আমাৰ পৰীক্ষামূলক ফলাফলৰ পৰা অনুমান কৰিব পাৰি যে এই মেচাৰৰ মুখমণ্ডল স্বয়ংক্ৰিয়ভাৱে চিনাক্ত কৰাৰ ক্ষমতা যথেষ্ট হ্ৰাস পাইছে। আমি এই মেচমেকাৰৰ মুখ চিনাক্তকৰণৰ সঠিকতাও বিশ্লেষণ কৰো। এই পৰীক্ষামূলক ফলাফলসমূহে এই সম-পৰিৱৰ্তনীয়সমূহৰ অধীনত মুখ চিনাক্তকৰণৰ ক্ষেত্ৰত প্ৰত্যাহ্বানসমূহক আলোকপাত কৰে। এই নতুন ডাটাবেছৰ উপলব্ধতাই মেক-আপ আৰু ছদ্মবেশী মুখ চিনাক্তকৰণৰ ক্ষেত্ৰত প্ৰয়োজনীয় গৱেষণা আৰু বিকাশত অগ্ৰগতি লাভ কৰাত সহায় কৰিব। |
f8e32c5707df46bfcd683f723ad27d410e7ff37d | |
32c8c7949a6efa2c114e482c830321428ee58d70 | এই প্ৰবন্ধত অত্যাধুনিক GPU-ভিত্তিক উচ্চ-প্ৰবাহসম্পন্ন কম্পিউটিং প্ৰণালীৰ সামৰ্থসমূহৰ বিষয়ে আলোচনা কৰা হৈছে আৰু একক চিপ সমান্তৰাল-কম্পিউটিং প্ৰণালীসমূহৰ স্কেলিংৰ প্ৰত্যাহ্বানসমূহ বিবেচনা কৰা হৈছে, কম্পিউটিং গৱেষণা সম্প্ৰদায়ে সমাধান কৰিব পৰা উচ্চ প্ৰভাৱ থকা ক্ষেত্ৰসমূহত আলোকপাত কৰা হৈছে। এনভিডিয়া ৰিচাৰ্চে এই প্ৰত্যাহ্বানসমূহ সমাধান কৰিবলৈ বিচৰা এটা ভিন্নজাতীয় উচ্চ-প্ৰদৰ্শন কম্পিউটিং চিষ্টেমৰ বাবে এটা আৰ্হিৰ অনুসন্ধান কৰি আছে। |
8890bb44abb89601c950eb5e56172bb58d5beea8 | লক্ষ্য-উদ্দেশ্যমূলক সংলাপ নীতিৰ শিক্ষা সাধাৰণতে নিৰীক্ষণযুক্ত শিক্ষণ এলগৰিথমৰ সৈতে অফলাইন বা শক্তিবৰ্ধক শিক্ষণৰ (আৰএল) সৈতে অনলাইন কৰা হয়। ইয়াৰ উপৰিও, কোম্পানীসমূহে গ্ৰাহক আৰু প্ৰশিক্ষিত মানৱ এজেন্টৰ মাজত বিশাল পৰিমাণৰ সংলাপৰ প্ৰতিলিপি সংগ্ৰহ কৰাৰ বাবে, এনকোডাৰ-ডিকোডাৰ পদ্ধতিয়ে জনপ্ৰিয়তা লাভ কৰিছে কিয়নো এজেন্টৰ উক্তিসমূহক উক্তি-স্তৰৰ টোকা দিয়াৰ প্ৰয়োজন নোহোৱাকৈ প্ৰত্যক্ষভাৱে নিৰীক্ষণ হিচাপে গণ্য কৰিব পাৰি। অৱশ্যে, এনে পদ্ধতিৰ এটা সম্ভাব্য অসুবিধা হ ল যে ই সংলাপ-স্তৰৰ বিবেচনাসমূহক বিবেচনা নকৰাকৈ পৰৱৰ্তী এজেন্টৰ উক্তিটো সংক্ষিপ্তভাৱে সৃষ্টি কৰে। এই উদ্বেগ দূৰ কৰিবলৈ, এই কাগজত অ-অফলাইন আৰএল পদ্ধতিৰ বৰ্ণনা কৰা হৈছে যাতে অ-অনোটড কৰ্পোৰাৰ পৰা শিকিব পাৰি যিয়ে উচচাৰণ আৰু সংলাপ উভয় স্তৰত লক্ষ্য-উদ্দেশ্য নীতি অনুকূলিত কৰিব পাৰে। আমি এটা নতুন পুৰস্কাৰ ফাংচন প্ৰৱৰ্তন কৰো আৰু অন পলিচি আৰু অফ পলিচি পলিচি গ্ৰেডিয়েন্ট দুয়োটাই ব্যৱহাৰ কৰো যাতে অন লাইন ব্যৱহাৰকাৰীৰ ক্ৰিয়া-কলাপ বা স্পষ্ট ৰাজ্য স্থান সংজ্ঞাৰ প্ৰয়োজন নোহোৱাকৈ পলিচী অফলাইন শিকিব পাৰি। |
589d84d528d353a382a42e5b58dc48a57d332be8 | ৰাটগাৰ্ছ এঙ্কল হৈছে পুনৰসংস্থাপনৰ ক্ষেত্ৰত ব্যৱহাৰৰ বাবে ডিজাইন কৰা ষ্টুৱাৰ্ট প্লেটফৰ্ম-প্ৰকাৰৰ এক হেপ্টিক ইন্টাৰফেচ। এই ব্যৱস্থাই ৰোগীৰ ভাৰ্চুয়েল ৰিয়েলিটি ভিত্তিক অনুশীলনৰ সঁহাৰি হিচাপে ছ ডিগ্ৰী-অফ-ফ্ৰীডম (DOF) ৰ প্ৰতিৰোধী বল প্ৰদান কৰে। ৰটগাৰ্ছ এঙ্কল নিয়ন্ত্ৰণত অন্তৰ্ভুক্ত পেণ্টিয়াম বোৰ্ড, বায়ুসংক্রান্ত ছ লেনোইড ভালভ, ভালভ নিয়ন্ত্ৰক আৰু সংযুক্ত সংকেত নিয়ন্ত্ৰণ ইলেক্ট্রনিক্স থাকে। আমাৰ কেচ ষ্টডিত ব্যৱহাৰ কৰা পুনৰ্বাসন অনুশীলনত লুপৰ মাজেৰে ভার্চুয়েল এয়াৰপ্লেনৰ পাইলট হ ব লাগে। অনুশীলনৰ অসুবিধা লুপৰ সংখ্যা আৰু স্থান, ভার্চুয়েল পৰিৱেশত বিমানৰ গতি আৰু হেপ্টিক ইণ্টাৰফেছে প্ৰদান কৰা প্ৰতিৰোধৰ ডিগ্রীৰ ওপৰত ভিত্তি কৰি বাছনি কৰিব পাৰি। অনুশীলনৰ তথ্য স্বচ্ছভাৱে, বাস্তৱিক সময়ত, এটা অ ৰাকল ডাটাবেছত সংৰক্ষণ কৰা হয়। এই তথ্যসমূহ হৈছে অনুশীলনৰ সময়ত আৰু পৰৱৰ্তী পুনৰ্বাসন অধিৱেশনত চুলিৰ অৱস্থান, বল আৰু যান্ত্ৰিক কাম। সম্পূৰ্ণ হোৱা লুপৰ সংখ্যা আৰু সেয়া কৰিবলৈ লোৱা সময়ো অনলাইন সংৰক্ষণ কৰা হয়। ষ্ট্ৰোকৰ ৯ মাহ পিছত এই পদ্ধতি ব্যৱহাৰ কৰি এজন ৰোগীৰ এটা কেচ ষ্টডি আগবঢ়োৱা হৈছে। ফলাফলত দেখা গ ল যে, ছয়টা পুনৰ্বাসন সেশনত, ৰোগীৰ শক্তি আৰু সহনশীলতাৰ ক্লিনিকেল মাপদণ্ড উন্নত হৈছিল, যি ৰুটগাৰ্ছ এঙ্কলৰ দ্বাৰা জোখা টৰ্ক আৰু পাৱাৰ আউটপুট বৃদ্ধিৰ সৈতে ভালদৰে মিলি যায়। অনুকৰণ আৰু ৰোগীৰ খোজকাঢ়ি যোৱা আৰু সিঁড়ি আৰোহণৰ সামৰ্থৰ সময়ত কামৰ সঠিকতা আৰু সমন্বয়ত যথেষ্ট উন্নতি হৈছিল। |
67161d331d496ad5255ad8982759a1c853856932 | এই প্ৰবন্ধত বানপানী বিপর্যয়ৰ বিৰুদ্ধে জনসাধাৰণক সতৰ্ক কৰিবলৈ এটা প্ৰাৰম্ভিক সতৰ্কবাণী ব্যৱস্থা স্থাপনৰ প্ৰস্তাৱ দিয়া হৈছে। চাৰিটা উপাদানৰ মাজত সংযোগ স্থাপন কৰি এটা কাৰ্যকৰী সতৰ্কবাণী ব্যৱস্থা গঢ়ি তোলা হ ব লাগিব, যিবোৰ হৈছে- বিপদ মূল্যায়ন কৰিবলৈ সঠিক তথ্য সংগ্ৰহ, বিপদ নিৰীক্ষণ সেৱাৰ বিকাশ, বিপদ সম্পৰ্কীয় তথ্যৰ সম্প্ৰচাৰ আৰু সম্প্ৰদায়ৰ প্ৰতিক্ৰিয়া ক্ষমতাৰ অস্তিত্ব। এই প্ৰকল্পত ৱায়াৰলেছ চেন্সৰ নেটৱৰ্কৰ সহায়ত জলস্তৰ দূৰৈৰ পৰা নিৰীক্ষণ কৰাৰ ওপৰত গুৰুত্ব দিয়া হৈছে। এই প্ৰকল্পত গ্ল বেল চিষ্টেম ফৰ ম বাইল কমিউনিকেশ্যন (জিএছএম) আৰু শ্বৰ্ট মেছেজ ছাৰ্ভিছ (এছএমএছ) ৰ সহায়ত ছেন্সৰৰ পৰা কম্পিউটাৰলৈ তথ্য প্ৰেৰণ কৰা হয়। আশা কৰা হৈছে যে প্ৰস্তাৱিত স্থাপত্যটো এটা কাৰ্যক্ষম ব্যৱস্থালৈ বিকশিত হ ব পাৰে, যিটো সম্প্ৰদায়ৰ বাবে লাভজনক হ ব আৰু বানপানীৰ বিপদৰ ক্ষেত্ৰত জীৱন ৰক্ষা কৰিবলৈ এক সতৰ্কতামূলক কাৰ্য হিচাপে কাম কৰিব। |
a5de09243b4b12fc4bcf4db56c8e38fc3beddf4f | শেহতীয়া অধ্যয়নে প্ৰমাণ কৰে যে এন্টাৰপ্ৰাইজ ছ চিয়েল চিষ্টেম (ইএছএছ) ৰ প্ৰয়োগে সংস্থাসমূহক সামাজিক ব্যৱসায়ৰ নতুন দৃষ্টান্তলৈ স্থানান্তৰিত কৰিব যাৰ ফলত বিশাল অৰ্থনৈতিক লাভ আৰু প্ৰতিযোগিতামূলক সুবিধা লাভ কৰিব। সামাজিক ব্যৱসায়ৰ দ্বাৰা কাম কৰাৰ আৰু সংগঠিত হোৱাৰ এক সম্পূৰ্ণ নতুন পদ্ধতিৰ সৃষ্টি হয়, যাৰ বৈশিষ্ট্য হ ল সামাজিক সহযোগিতা, অন্তৰ্নিহিত জ্ঞান ভাগ-বতৰা, স্বেচ্ছামূলক গণ অংশগ্ৰহণ, কেৱল কেইটামান নাম উল্লেখ কৰা। সেয়েহে, ইএছএছ ৰূপায়ণত কাম আৰু সংগঠনৰ নতুন পদ্ধতিৰ স্বকীয়তাৰ প্ৰতি লক্ষ্য ৰখা উচিত। কিন্তু এই বৃহৎ উদ্যোগৰ ব্যৱস্থাৰ প্ৰয়োগৰ বিষয়ে জ্ঞানৰ অভাৱ আছে। এই প্ৰবন্ধৰ উদ্দেশ্য হ ল ইএছএছ ৰূপায়ণৰ প্ৰশাসন মডেল অধ্যয়ন কৰা। নৰৱেৰ ষ্টেটক্ৰাফ্ট নামৰ বিশ্বৰ আগশাৰীৰ শক্তি কোম্পানীটোৰ ষ্ট্ৰিম নামৰ সামাজিক ইন্ট্ৰানেটৰ প্ৰয়োগৰ বিষয়ে অধ্যয়ন কৰা হৈছে। Streamৰ প্ৰশাসন মডেলত কৰ্পৰেট যোগাযোগ, মানৱ সম্পদ আৰু আই টিৰ মাজত ঘনিষ্ঠ সহযোগিতা আৰু জবাবদিহিতাৰ ওপৰত গুৰুত্ব দিয়া হৈছে, যাৰ অৰ্থ হৈছে ইএছএছ ৰূপায়ণৰ প্ৰশাসনত ধৰণী পৰিবৰ্তন। ইয়াৰ ফলস্বৰূপে, প্ৰণয়নত লাভালাভ আৰু প্ৰত্যাহ্বানসমূহো চিহ্নিত কৰা হৈছে। অধ্যয়নত লাভ কৰা জ্ঞান আৰু অন্তৰ্দৃষ্টিৰ ভিত্তিত, ইএছএছ প্ৰয়োগৰ প্ৰশাসন উন্নত কৰাত কোম্পানীটোক সহায় কৰিবলৈ পৰামৰ্শ আগবঢ়োৱা হৈছে। এই অধ্যয়নে ইএছএছ ৰূপায়ণৰ প্ৰশাসন সম্পৰ্কীয় জ্ঞান/দক্ষতা প্ৰদান কৰে। |
5ca6217b3e8353778d05fe58bcc5a9ea79707287 | ই-প্ৰশাসন সকলো চৰকাৰৰ এজেণ্ডাৰ এক অবিচ্ছেদ্য অংশ হৈ পৰিছে। বহুতো চৰকাৰে ইয়াৰ গুৰুত্বপূৰ্ণ প্ৰভাৱ আৰু চৰকাৰী কাৰ্যকলাপত প্ৰভাৱ পেলাইছে। প্ৰযুক্তিৰ মন্ত্ৰই সকলোতে প্ৰৱেশ কৰাৰ লগে লগে, চৰকাৰে সেৱা, উন্নত স্বচ্ছতা আৰু অধিক জবাবদিহিতা বৃদ্ধিৰ বাবে ই-প্ৰশাসন নীতিৰ শুভাৰম্ভ কৰাৰ সিদ্ধান্ত লৈছে। মালয়েছিয়াৰ ক্ষেত্ৰত, ই-প্ৰশাসনৰ ঢৌৰ দ্বাৰা চৰকাৰ অনুপ্ৰাণিত হয়, কিয়নো ইয়াৰ প্ৰতিষ্ঠানে ৰাজহুৱা সেৱা প্ৰদানৰ গুণগত মান উন্নত কৰিব পাৰে, আৰু ইয়াৰ আভ্যন্তৰীণ কাৰ্য্যকলাপো উন্নত কৰিব পাৰে। এই গুণগত অধ্যয়নত ই-প্ৰশাসন প্ৰচেষ্টাসমূহৰ ৰূপায়ণৰ স্থিতিৰ বিষয়ে এক কেচ অধ্যয়ন হিচাপে গৱেষণা কৰা হ ব আৰু ই-প্ৰশাসনত ইয়াৰ উৎকৃষ্ট প্ৰদৰ্শনৰ বাবে দক্ষিণ কোৰিয়াৰ চৰকাৰক এক প্ৰদৰ্শন হিচাপে লৈ এই ফলাফলসমূহৰ তুলনামূলক মূল্যায়ন কৰা হ ব। এই অধ্যয়নৰ ফলাফলৰ পৰা জন প্ৰশাসনৰ দৃষ্টিকোণৰ পৰা উন্নতিৰ সম্ভাৱ্য ক্ষেত্ৰসমূহ উন্মোচিত হ ব আৰু এই তুলনামূলক পদ্ধতিৰ পৰাও ই-প্ৰশাসন প্ৰকল্পৰ সফলতা নিশ্চিত কৰিবলৈ মালয়েছিয়াই দক্ষিণ কোৰিয়াৰ প্ৰক্ৰিয়াৰ পৰা কিছু শিক্ষা ল ব পাৰে। |
2b2c30dfd3968c5d9418bb2c14b2382d3ccc64b2 | ডিবিপিডিয়া হৈছে ৱিকিপিডিয়াৰ পৰা সুসংগঠিত তথ্য আহৰণ কৰা আৰু এই তথ্য ৱেবত উপলব্ধ কৰোৱাৰ বাবে এক সম্প্ৰদায়ৰ প্ৰচেষ্টা। ডিবিপিডিয়াই আপোনাক ৱিকিপিডিয়াৰ পৰা আহৰণ কৰা ডাটাছেটৰ বিৰুদ্ধে জটিল প্ৰশ্ন সোধিবলৈ আৰু ৱেবত থকা অন্য ডাটাছেটসমূহক ৱিকিপিডিয়াৰ তথ্যৰ সৈতে সংযোগ কৰিবলৈ অনুমতি দিয়ে। আমি DBpedia ডাটা ছেটৰ আহৰণ আৰু ইয়াৰ পৰা লাভ কৰা তথ্য কেনেকৈ মানুহৰ আৰু মেচিনৰ ব্যৱহাৰৰ বাবে ৱেবত প্ৰকাশ কৰা হয় তাৰ বিষয়ে বৰ্ণনা কৰিম। আমি DBpedia সম্প্ৰদায়ৰ পৰা উদ্ভৱ হোৱা কিছুমান এপ্লিকেচনৰ বিষয়ে বৰ্ণনা কৰিম আৰু ৱেবছাইটৰ লেখকসকলে কেনেকৈ তেওঁলোকৰ ছাইটৰ ভিতৰত DBpedia সামগ্ৰী সহজতৰ কৰিব পাৰে সেয়া দেখুৱাম। শেষত, আমি ৱেবত আন মুক্ত ডাটাছেটৰ সৈতে DBpediaৰ আন্তঃসংযোগৰ বৰ্তমান স্থিতিৰ বিষয়ে আলোচনা কৰিম আৰু উন্মুক্ত ডাটাৰ উদীয়মান ৱেবৰ বাবে DBpediaয়ে কেনেকৈ এটা নিউক্লিয়চৰ ৰূপ ল ব পাৰে তাৰ বিষয়ে বৰ্ণনা কৰিম। |
92930f4279b48f7e4e8ec2edc24e8aa65c5954fd | আমি বেংক গ্ৰাহকক চিনাক্ত কৰাৰ বাবে ডাটা মাইনিং পদ্ধতিৰ বিষয়ে আলোচনা কৰিম যাতে ধনৰ লুণ্ঠন ৰোধ কৰাৰ বাবে ব্যৱস্থা গ্ৰহণ কৰিব পৰা যায়। আমি প্ৰথমে সামগ্ৰিক প্ৰণালী স্থাপত্যৰ প্ৰদৰ্শন কৰিম, আৰু তাৰ পিছত এই কাগজৰ প্ৰাসংগিক উপাদানত মনোনিবেশ কৰিম। আমি এটা বিত্তীয় প্ৰতিষ্ঠানৰ পৰা পোৱা বাস্তৱিক তথ্যৰ ওপৰত কৰা পৰীক্ষাৰ বিৱৰণ দিছো, যিয়ে আমাক গ্ৰাহকসকলক ক্লাষ্টাৰলৈ গোটাই আৰু তাৰ পিছত শ্ৰেণীবিভাজনৰ নিয়মৰ এটা গোট সৃষ্টি কৰিবলৈ অনুমতি দিয়ে। আমি প্ৰতিষ্ঠিত গ্ৰাহক প্ৰফাইল আৰু সৃষ্টি কৰা শ্ৰেণীবিভাজনৰ নিয়মৰ প্ৰাসংগিকতাৰ বিষয়ে আলোচনা কৰো। নিৰ্ধাৰিত সামগ্ৰিক এজেন্ট-ভিত্তিক আৰ্কিটেকচাৰ অনুসৰি, এই নিয়মসমূহ সন্দেহজনক লেনদেনৰ সংকেত দিয়াৰ বাবে দায়ী বুদ্ধিমান এজেন্টৰ জ্ঞানভিত্তিত অন্তৰ্ভুক্ত কৰা হ ব। |
8985000860dbb88a80736cac8efe30516e69ee3f | স্মাৰ্ট হোম ছেন্সৰৰ সহায়ত মানৱ কাৰ্যকলাপৰ স্বীকৃতি স্মাৰ্ট পৰিৱেশত সৰ্বব্যাপী কম্পিউটাৰৰ এক আধাৰ আৰু এম্বিটমেণ্ট এছিষ্টেড লিভিংৰ ক্ষেত্ৰত এক তীব্ৰ গৱেষণাৰ বিষয়। ক্ৰমান্বয়ে বৃদ্ধি পোৱা ডাটা ছেটৰ বাবে মেচিন লাৰ্ণিং পদ্ধতিৰ প্ৰয়োজন। এই প্ৰবন্ধত আমি এটা গভীৰ শিক্ষণ মডেলৰ বিষয়ে আলোচনা কৰিম যিয়ে কোনো পূৰ্বৰ জ্ঞানৰ অবিহনেই মানৱ কাৰ্যকলাপক শ্ৰেণীবদ্ধ কৰিবলৈ শিকিব। এই উদ্দেশ্যে, এটা দীৰ্ঘম্যাদী স্বল্পমেয়াদী স্মৃতি (LSTM) পুনৰাবৃত্ত নিউৰেল নেটৱৰ্কক তিনিটা বাস্তৱ জগতৰ স্মাৰ্ট হোম ডাটা ছেটত প্ৰয়োগ কৰা হৈছিল। এই পৰীক্ষাৰ ফলাফলৰ পৰা দেখা যায় যে প্ৰস্তাৱিত পদ্ধতিটো সঠিকতা আৰু কাৰ্যক্ষমতাৰ ক্ষেত্ৰত বৰ্তমানৰ পদ্ধতিতকৈ অধিক কাৰ্যক্ষম। |
b31f0085b7dd24bdde1e5cec003589ce4bf4238c | ডমেইন এডাপ্টেশ্যন (ডিএ) হৈছে স্থানান্তৰ শিকন যাৰ উদ্দেশ্য হৈছে উৎস আৰু লক্ষ্যৰ মাজত তথ্য বিতৰণৰ অসামঞ্জস্যতা থকাৰ পিছতো উৎস তথ্যৰ পৰা লক্ষ্য তথ্যৰ ওপৰত এটা কাৰ্যকৰী ভৱিষ্যদ্বাণী শিকিবলৈ। আমি এই প্ৰবন্ধত ক্ৰছ-ডোমেইন ভিজুৱেল চিনাক্তকৰণৰ বাবে এক নতুন নিৰীক্ষণহীন ডিএ পদ্ধতি উপস্থাপন কৰিছো যি একে সময়তে তাত্ত্বিকভাৱে প্ৰতিষ্ঠিত ত্ৰুটি সীমাবদ্ধতাৰ তিনিটা পদৰ অনুকূলিতকৰণ কৰে। বিশেষকৈ, প্ৰস্তাৱিত ডিএ পদ্ধতিয়ে এটা গোপন ভাগাভাগি বৈশিষ্ট্য উপ-অৱস্থান অনুসন্ধান কৰে য ত উৎস ড মেইন আৰু লক্ষ্য ড মেইনৰ মাজত তথ্য বিতৰণৰ পাৰ্থক্য কেৱল হ্ৰাস কৰা নহয়, অধিকাংশ অত্যাধুনিক ডিএ পদ্ধতিৰ দৰে, কিন্তু আন্তঃশ্ৰেণী দূৰত্বও বৃদ্ধি কৰা হয় বৈষম্যমূলক শিক্ষণ সহজ কৰিবলৈ। তদুপৰি, প্ৰস্তাৱিত DA পদ্ধতিয়ে ভাগ কৰা উপ-অঞ্চলত প্ৰাপ্ত বৈশিষ্ট্যৰ পৰা শ্ৰেণী লেবেলবোৰ কম পৰিমাণে প্ৰত্যাৱৰ্তন কৰে, উৎস তথ্যত ভৱিষ্যদ্বাণী ত্ৰুটিসমূহ কম কৰি আৰু উৎস আৰু লক্ষ্যৰ মাজত লেবেলৰ সামঞ্জস্যতা নিশ্চিত কৰে। তথ্যৰ অস্বাভাৱিকতাও নাকচ জ্ঞান হস্তান্তৰ ৰোধ কৰিবলৈ হিচাপ কৰা হয়। ব্যাপক পৰীক্ষা আৰু গভীৰ বিশ্লেষণে প্ৰস্তাৱিত ডিএ পদ্ধতিৰ কাৰ্যকৰীতা পৰীক্ষা কৰে যি মানক ডিএ বেঞ্চমাৰ্ক, অৰ্থাৎ ১২টা ক্ৰছ-ডোমেইন ইমেজ ক্লাচিফিকেশ্যন টাস্কত অত্যাধুনিক ডিএ পদ্ধতিসমূহক ধাৰাবাহিকভাৱে অতিক্ৰম কৰে। |
b9bc9a32791dba1fc85bb9d4bfb9c52e6f052d2e | উচ্চ-মাত্রিক কনফিগাৰেশ্যন স্থানত একক-অনুসন্ধানৰ পথ পৰিকল্পনা সমস্যা সমাধানৰ বাবে এটা সৰল আৰু দক্ষ এলোমেলো কৰা এলগৰিথম উপস্থাপন কৰা হৈছে। এই পদ্ধতিটোৱে আৰম্ভণি আৰু লক্ষ্য কনফিগাৰেশ্যনত মূল থকা দুটা দ্ৰুত-অনুসন্ধানকাৰী ৰেণ্ডম ট্ৰী (RRTs) ক্ৰমান্বয়ে নিৰ্মাণ কৰি কাম কৰে। গছবোৰে নিজৰ চাৰিওফালে থকা স্থানবোৰ অন্বেষণ কৰে আৰু একেটা সৰল লোভী অভিব্যক্তিৰ সহায়ত ইজনে সিজনৰ ফালে আগবাঢ়ি যায়। যদিও মূলত সংঘৰ্ষ-মুক্ত গ্ৰেচিং আৰু মনিপুলেচন কাৰ্যৰ স্বয়ংক্ৰিয় গ্ৰাফিক এনিমেছনৰ বাবে মানৱ বাহুৰ বাবে গতি পৰিকল্পনা কৰিবলৈ ডিজাইন কৰা হৈছিল (৭-ডিঅ এফ কিনেমেটিক শৃংখলাৰ দৰে মডেল কৰা হৈছিল), এই এলগৰিথমটো বিভিন্ন পথ পৰিকল্পনা সমস্যাৰ বাবে সফলতাৰে প্ৰয়োগ কৰা হৈছে। কম্পিউটাৰৰ সহায়ত 2D আৰু 3D ত কঠোৰ বস্তুৰ বাবে সংঘৰ্ষ-মুক্ত গতি সৃষ্টি কৰা আৰু 3D কৰ্মক্ষেত্ৰত 6-DOF PUMA বাহুৰ বাবে সংঘৰ্ষ-মুক্ত পৰিচালনা গতিৰ সৃষ্টি কৰা। কিছুমান মৌলিক তাত্ত্বিক বিশ্লেষণো উপস্থাপন কৰা হৈছে। |
d967d9550f831a8b3f5cb00f8835a4c866da60ad | |
6a686b525a84a87ca3e4d90a6704da8588e84344 | এই যোগাযোগত এটা বৰ্ধমান-পদক্ষেপযুক্ত আহৰণ নেটৱৰ্ক ব্যৱহাৰ কৰি এটা বৃত্তাকাৰভাৱে পলাৰাইজড (চিপি) 2 × 2 পেচ এৰেজ উপস্থাপন কৰা হৈছে। তিনিটা কাৰ্য্যকৰী ধৰণক একত্ৰিত কৰি, অক্ষীয় অনুপাত (AR) আৰু প্ৰতিৰোধ বেণ্ডউইথ দুয়োটাই উন্নত আৰু পূৰ্বৰ প্ৰকাশিত ক্ৰমিক-খাদ্যযুক্ত একক-স্তৰ পেচ এৰেসমূহৰ তুলনাত বহল। এই তিনিটা চিপি কাৰ্য্যকৰী ধৰণ পট্টা উপাদান আৰু ক্ৰমিক-পৰ্যায়ৰ খোৱাপানী নেটৱৰ্কৰ ট্ৰেংকড কোণৰ অনুকূলন কৰি টিউন কৰা হয় আৰু মিলিত হয়। পৰীক্ষণমূলকভাৱে ডিজাইনটো বৈধতা প্ৰদান কৰিবলৈ প্ৰস্তাৱিত পেটচ এৰেৰ এটা প্ৰতিলিপি নিৰ্মাণ কৰা হয়। পৰিমাপ কৰা -১০-ডিবি প্ৰতিবন্ধকতা বেণ্ডউইথ হৈছে ১.০৩ গিগাহৰ্টছ (৫.২০-৬.২৩ গিগাহৰ্টছ) আৰু পৰিমাপ কৰা ৩-ডিবি এআৰ বেণ্ডউইথ হৈছে ০.৭ গিগাহৰ্টছ (৫.২৫-৫.৯৫ গিগাহৰ্টছ), বা ১২.৭% যিয়ে ৫.৫ গিগাহৰ্টছৰ কেন্দ্ৰীয় সঘনতা অনুসৰণ কৰে। পৰিমাপ কৰা শিখৰ লাভ প্ৰায় ১২ ডিবিআইচি আৰু লাভৰ পৰিবৰ্তন এআৰ বেণ্ডউইডথৰ ভিতৰত ৩ ডিবিআইচিতকৈ কম। |
d97e3655f50ee9b679ac395b2637f6fa66af98c7 | ৩০ বছৰৰো অধিক কাল ধৰি শক্তি সংৰক্ষণৰ প্ৰচাৰ কৌশল হিচাপে ফিডবেক অধ্যয়ন কৰা হৈছে, অধ্যয়নত ব্যাপকভাৱে ভিন্ন ফলাফলৰ প্ৰতিবেদন দিয়া হৈছে। সাহিত্য পৰ্যালোচনাত প্ৰকাশ পাইছে যে, ফিডবেকৰ কাৰ্যকৰিতা কেনেদৰে আৰু কাক প্ৰদান কৰা হয় তাৰ ওপৰত নিৰ্ভৰ কৰে; তথাপিও প্ৰদান কৰা ফিডবেকৰ প্ৰকাৰ আৰু অধ্যয়নৰ পদ্ধতিৰ মাজত থকা বৈচিত্ৰ্যই সিদ্ধান্ত গ্ৰহণ কৰাত অসুবিধা কৰিছে। এই প্ৰবন্ধত পূৰ্বৰ তত্ত্বগত আৰু প্ৰামাণিক গৱেষণাৰ বিশ্লেষণ কৰা হৈছে যাতে সমাধান নোহোৱা সমস্যাসমূহ চিনাক্ত কৰিব পৰা যায় আৰু শক্তিৰ ব্যৱহাৰৰ ক্ষেত্ৰত কেতিয়া আৰু কেনেকৈ সৰ্বাধিক প্ৰভাৱশালী হয় সেই সম্পৰ্কে এক ধাৰণা পৰীক্ষা কৰিবলৈ ১৯৭৬ আৰু ২০১০ চনৰ মাজত প্ৰকাশিত ৪২ টা ফিডবেক অধ্যয়নৰ মেটা-বিশ্লেষণ ব্যৱহাৰ কৰা হৈছে। ফলাফলসমূহে সূচাইছে যে ফিডবেক সামগ্ৰিকভাৱে কাৰ্যকৰী, r = .071, p < .001, কিন্তু প্ৰভাৱৰ গুৰুত্বপূৰ্ণ বৈচিত্ৰ্য (r -0.080 ৰ পৰা .480 লৈ পৰিৱৰ্তন হয়) । প্ৰৱণতা, মাধ্যম, তুলনা বাৰ্তা, সময় আৰু অন্যান্য হস্তক্ষেপৰ সৈতে সংমিশ্ৰণ (যেনে, লক্ষ্য, উদ্দীপনা) সহ কেইবাটাও চিকিত্সা ভেৰিয়েবল এই সম্পৰ্কক মধ্যম কৰি দেখুৱায়। সামগ্ৰিকভাৱে, ফলাফলসমূহে শক্তি সংৰক্ষণৰ প্ৰচাৰ কৰাৰ বাবে প্ৰতিশ্ৰুতিবদ্ধ কৌশল হিচাপে ফিডবেকৰ অধিক প্ৰমাণ প্ৰদান কৰে আৰু ভৱিষ্যতে গৱেষণাৰ ক্ষেত্ৰত কেনেদৰে আৰু কাৰ বাবে ফিডবেক আটাইতকৈ কাৰ্যকৰী হ ব সেয়া অন্বেষণ কৰিবলৈ পৰামৰ্শ দিয়ে। |
697754f7e62236f6a2a069134cbc62e3138ac89f | |
ee654db227dcb7b39d26bec7cc06e2b43b525826 | |
54e7e6348fc8eb27dd6c34e0afbe8881eeb0debd | বিজ্ঞান, কলা আৰু সংস্কৃতিৰ সীমা অতিক্ৰম কৰি, বিষয়বস্তু-ভিত্তিক মাল্টিমিডিয়া তথ্য আহৰণৰ জৰিয়তে সমগ্ৰ বিশ্বজুৰি মিডিয়াৰ অসংখ্য বৈচিত্ৰৰ মাজত অনুসন্ধানৰ বাবে নতুন দৃষ্টান্ত আৰু পদ্ধতি প্ৰদান কৰে। এই সমীক্ষাত বিষয়বস্তু-ভিত্তিক মাল্টিমিডিয়া তথ্য আহৰণৰ বিষয়ে ১০০+ শেহতীয়া প্ৰবন্ধৰ পৰ্যালোচনা কৰা হৈছে আৰু বৰ্তমান গৱেষণা দিশত তেওঁলোকৰ ভূমিকা আলোচনা কৰা হৈছে য ত ব্ৰাউজিং আৰু অনুসন্ধান দৃষ্টান্ত, ব্যৱহাৰকাৰী অধ্যয়ন, আৱেগিক গণনা, শিকণ, অৰ্থগত প্ৰশ্ন, নতুন বৈশিষ্ট্য আৰু মিডিয়া প্ৰকাৰ, উচ্চ কাৰ্যক্ষমতা সূচীবদ্ধকৰণ আৰু মূল্যায়ন কৌশল অন্তৰ্ভুক্ত কৰা হৈছে। বৰ্তমানৰ কাৰিকৰী দিশৰ ওপৰত ভিত্তি কৰি আমি ভৱিষ্যতৰ প্ৰধান প্ৰত্যাহ্বানসমূহৰ বিষয়ে আলোচনা কৰিম। |
2902e0a4b12cf8269bb32ef6a4ebb3f054cd087e | কামৰ সৈতে সম্পৰ্কিত গাণিতিক মডেলৰ অনুকূলন পৰিসংখ্যা আৰু শিক্ষণ ক্ষেত্ৰৰ অন্যতম মৌলিক পদ্ধতি। অৱশ্যে, সাধাৰণভাৱে ডিজাইন কৰা স্কিমেটিক পুনৰাবৃত্তিসমূহে বাস্তৱ-বিশ্বৰ প্ৰয়োগত জটিল তথ্য বিতৰণৰ অনুসন্ধান কৰাটো কঠিন হ ব পাৰে। শেহতীয়াকৈ, গভীৰ প্ৰসাৰণ (অৰ্থাৎ, নেটৱৰ্ক) প্ৰশিক্ষণে কিছুমান বিশেষ কামত আশাব্যঞ্জক প্ৰদৰ্শন লাভ কৰিছে। কিন্তু দুৰ্ভাগ্যজনকভাৱে, বৰ্তমানৰ নেটৱৰ্কসমূহ সাধাৰণতে একপ্ৰকাৰৰ হেউৰিষ্টিক পদ্ধতিৰে নিৰ্মাণ কৰা হয়, যাৰ বাবে ইয়াৰ মূলনীতিগত ব্যাখ্যা আৰু সুদৃঢ় তাত্ত্বিক সমৰ্থনৰ অভাৱ হয়। এই কামত, আমি এই ভিন্ন পদ্ধতিসমূহৰ (যেনে, মডেল অপ্টিমাইজেশ্যন আৰু গভীৰ প্ৰসাৰ) মাজত ব্যৱধান দূৰ কৰিবলৈ প্ৰ পেগেচন আৰু অপ্টিমাইজেশ্যন ভিত্তিক গভীৰ মডেল (PODM) নামৰ এটা নতুন দৃষ্টান্ত প্ৰদান কৰোঁ। এক কথাত, আমি মডেল অপ্টিমাইজেশ্যনৰ বাবে গভীৰভাৱে প্ৰশিক্ষিত সমাধানকাৰী হিচাপে PODM ব্যৱহাৰ কৰো। বৰ্তমানৰ নেটৱৰ্ক ভিত্তিক পুনৰাবৃত্তিসমূহৰ পৰা পৃথক, যিবোৰত প্ৰায়ে তাত্ত্বিক অনুসন্ধানৰ অভাৱ হয়, আমি প্ৰত্যাহ্বানমূলক ন নকনভেক্স আৰু ন নছমথ দৃশ্যপটত PODM ৰ বাবে কঠোৰ সংযোজন বিশ্লেষণ প্ৰদান কৰোঁ। আনহাতে, মডেলৰ সীমাবদ্ধতা হ্ৰাস কৰি আৰু এণ্ড-টু-এণ্ড প্ৰশিক্ষণ প্ৰদান কৰি, আমি ড মেইন জ্ঞান (মডেল হিচাপে প্ৰস্তুত কৰা) আৰু বাস্তৱ তথ্য বিতৰণ (নেটৱৰ্কৰ দ্বাৰা শিকোৱা) একত্ৰিত কৰিবলৈ PODM-ভিত্তিক কৌশলও বিকাশ কৰো, যাৰ ফলত বাস্তৱ-বিশ্বৰ প্ৰয়োগৰ বাবে এক সাধাৰণ সংমিশ্ৰণ ফ্ৰেমৱৰ্ক হয়। বিস্তৃত পৰীক্ষাই আমাৰ তাত্ত্বিক ফলাফলবোৰ পৰীক্ষা কৰে আৰু এই অত্যাধুনিক পদ্ধতিৰ বিপৰীতে PODM ৰ উচ্চতা প্ৰদৰ্শন কৰে। |
5dca5aa024f513801a53d9738161b8a01730d395 | অজ্ঞাত পৰিৱেশৰ এখন মানচিত্ৰ নিৰ্মাণ কৰা আৰু সেই মানচিত্ৰৰ সহায়ত নেভিগেট কৰা কামটো ম বাইল ৰব টিক্স গৱেষণাৰ এটা কেন্দ্ৰীয় সমস্যা। এই প্ৰবন্ধত ছ নাৰ ব্যৱহাৰ কৰি সমান্তৰাল মেপিং আৰু স্থানীয়কৰণ (CML) কেনেকৈ কৰিব পাৰি সেই সমস্যাৰ বিষয়ে আলোচনা কৰা হৈছে। ষ্ট কাষ্টিক মেপিং হৈছে চিএমএলৰ এক বৈশিষ্ট্য-ভিত্তিক পদ্ধতি যি বাহন স্থানীয়কৰণ আৰু পৰিৱেশ মেপিং অন্তৰ্ভুক্ত কৰিবলৈ সম্প্ৰসাৰিত কালমেন ইটাৰক সাধাৰণীকৰণ কৰে। আমি ষ্ট কাষ্টিক মেপিংৰ এটা ৰূপায়ণ বৰ্ণনা কৰো যিয়ে মানচিত্ৰত নতুন বৈশিষ্টসমূহ আৰম্ভ কৰিবলৈ, মানচিত্ৰ বৈশিষ্টসমূহৰ সৈতে জোখ-মাপ মিলাবলৈ আৰু অপ্ৰচলিত বৈশিষ্টসমূহ বিলোপ কৰিবলৈ বিলম্বিত নিকটতম চুবুৰীয়া তথ্য সংযুক্তি কৌশল ব্যৱহাৰ কৰে। আমি অভিযোজিত সংবেদনৰ বাবে এটা মেট্ৰিক প্ৰৱৰ্তন কৰো যি ফিচাৰ তথ্যৰ ক্ষেত্ৰত নিৰ্ধাৰিত আৰু যান-বাহনৰ ত্ৰুটিযুক্ত এলিপ্ছ আৰু মানচিত্ৰৰ বৈশিষ্ট্যৰ অনুমানৰ ক্ষেত্ৰৰ যোগফলক প্ৰতিনিধিত্ব কৰে। পূৰ্বানুমান কৰা ছেন্সৰৰ পাঠ আৰু প্ৰত্যাশিত মৃত-গণনা ত্ৰুটি ৰবটৰ প্ৰতিটো সম্ভাৱ্য ক্ৰিয়াৰ মেট্ৰিক অনুমান কৰিবলৈ ব্যৱহাৰ কৰা হয়, আৰু সৰ্বাধিক খৰচ (অৰ্থাৎ সৰ্বাধিক তথ্য) প্ৰদান কৰা ক্ৰিয়াটো নিৰ্বাচন কৰা হয়। এই কৌশলটো অনুকৰণ, বায়ু-সোনাৰ পৰীক্ষা আৰু পানীৰ তলত ছোনাৰ পৰীক্ষা প্ৰদৰ্শিত হয়। ফলাফলসমূহ দেখুওৱা হৈছে 1) গতিৰ অভিযোজিত নিয়ন্ত্ৰণ আৰু 2) গতিৰ অভিযোজিত নিয়ন্ত্ৰণ আৰু স্কেনিং। বাহনখনে পৰিৱেশৰ বিভিন্ন বস্তু নিৰ্বাচন কৰি অনুসন্ধান কৰে। এই অভিযোজিত অ্যালগৰিদমৰ কাৰ্যক্ষমতা সৰল-ৰেখা গতি আৰু এলোমেলো গতিতকৈ উন্নত বুলি প্ৰমাণিত হৈছে। |
5eb1e4bb87b0d99d62f171f1eede90c98bf266ab | ৱায়াৰলেছ পাৱাৰ ট্ৰেন্সফাৰ হৈছে ৱায়াৰলেছ ছেন্সৰ নেটৱৰ্কৰ শক্তিৰ সমস্যাসমূহক মূলতঃ সমাধান কৰাৰ বাবে এক প্ৰতিশ্ৰুতিপূৰ্ণ প্ৰযুক্তি। এই প্ৰযুক্তিৰ কাৰ্য্যকৰী কামৰ বাবে, নেটৱৰ্কৰ ভিতৰত ভ্ৰমণ কৰিবলৈ চাৰ্জাৰ বহন কৰিবলৈ এখন বাহনৰ প্ৰয়োজন হয়। আনহাতে, এটা স্থিৰ ভিত্তি ষ্টেচনৰ তুলনাত এটা ম বাইল বেছ ষ্টেচনে যথেষ্ট সুবিধা আগবঢ়ায়। এই প্ৰবন্ধত আমি এটা কৌতূহলজনক সমস্যা অনুসন্ধান কৰিম য ত বেতাৰ চাৰ্জিং বাহনত ম বাইল বেছ ষ্টেচনটো একেলগে স্থাপন কৰা হ ব। আমি এটা অপ্টিমাইজেশ্যন সমস্যা অধ্যয়ন কৰো যিয়ে যাত্ৰাৰ পথ, ৰখাৰ স্থান, চাৰ্জিং সময়সূচী, আৰু ফ্ল ৰুটিংক একেলগে অপ্টিমাইজ কৰে। আমাৰ অধ্যয়ন দুটা পৰ্যায়ত সম্পন্ন হয়। প্ৰথমতে, আমি এটা আদৰ্শ সমস্যা অধ্যয়ন কৰো যিয়ে শূন্য যাত্ৰাৰ সময় ধাৰণা কৰে, আৰু এই আদৰ্শ সমস্যাৰ এটা প্ৰমাণিত প্ৰায়-উত্তম সমাধান বিকাশ কৰো। দ্বিতীয় পদক্ষেপত, আমি দেখুৱাম কেনেকৈ অ-শূন্য ভ্ৰমণ সময়ৰ সৈতে এটা ব্যৱহাৰিক সমাধান বিকাশ কৰিব পাৰি আৰু এই সমাধান আৰু মূল সমস্যাৰ অজ্ঞাত সৰ্বোত্তম সমাধানৰ মাজত পাৰদৰ্শিতা ব্যৱধানৰ পৰিমাণ নিৰ্ণয় কৰিব পাৰি। |
229547ed3312ee6195104cdec7ce47578f92c2c6 | এই প্ৰবন্ধত এটা উদ্যোগৰ ভিতৰত বিভিন্ন কোম্পানীৰ পাৰ্থক্যৰ কাৰণ কোম্পানীৰ গতিশীল সামৰ্থৰ ওপৰত আলোচনা কৰা হৈছে। কৌশলগত আৰু সাংগঠনিক তত্ত্বৰ অন্তৰ্দৃষ্টি সংহত কৰি, গতিশীল সামৰ্থ্যৰ চাৰিটা কাৰ্যক্ষমতা-সংগত বৈশিষ্ট্য প্ৰস্তাৱিত কৰা হৈছেঃ গতিশীল সামৰ্থ্য স্থাপনৰ সময়সীমা, বিকল্প সম্পদ সংৰূপৰ সন্ধানত অনুকৰণ, গতিশীল সামৰ্থ্য স্থাপনৰ ব্যয়, আৰু গতিশীল সামৰ্থ্য স্থাপনৰ শিকণ। এই বৈশিষ্ট্যসমূহে কেনেদৰে পাৰ্থক্যযুক্ত ফাৰ্মৰ কাৰ্যক্ষমতাৰ উদ্ভৱত বৰঙণি যোগায় সেই বিষয়ে তাত্ত্বিক প্ৰস্তাৱনা প্ৰস্তুত কৰা হয়। এটা আনুষ্ঠানিক মডেলৰ উপস্থাপন কৰা হৈছে য ত গতিশীল সামৰ্থ্যক এটা ফাৰ্মৰ পৰিৱৰ্তনৰ বিৱৰ্তনশীল প্ৰক্ৰিয়াসমূহক নিৰ্দেশ কৰা ৰুটিনৰ এক সংকলন হিচাপে মডেল কৰা হৈছে। মডেলৰ অনুকৰণে গতিশীল সামৰ্থ্যৰ প্ৰয়োগৰ জৰিয়তে পৰিৱৰ্তনৰ প্ৰক্ৰিয়াত অন্তৰ্দৃষ্টি প্ৰদান কৰে আৰু তাত্ত্বিক প্ৰস্তাৱসমূহৰ পৰিমাৰ্জন কৰিবলৈ অনুমতি দিয়ে। এই অধ্যয়নৰ এটা আকৰ্ষণীয় তথ্য হ ল যদিহে গতিশীল সামৰ্থ্যসমূহ বিভিন্ন প্ৰতিষ্ঠানত একে হয়, তেন্তে গতিশীল সামৰ্থ্য স্থাপনৰ ব্যয় আৰু সময়সীমা ভিন্ন হ লে প্ৰতিষ্ঠানসমূহৰ মাজত প্ৰচুৰ পাৰ্থক্য দেখা দিব পাৰে। |
b533b13910cc0de21054116715988783fbea87cc | বৰ্তমান সময়ত ইন্টাৰনেটৰ জৰিয়তে বহুতো চৰকাৰী আৰু ব্যৱসায়িক সেৱা ব্যৱহাৰ কৰা হয়, যাৰ বাবে তথ্য সুৰক্ষা সমাজৰ বাবে এক গুৰুত্বপূৰ্ণ বিষয় হৈ পৰিছে। অন্য এক ধৰণে, কিছুমান ডাটা মাইনিং কৌশলও অনুপ্ৰৱেশ চিনাক্তকৰণত বৰঙণি যোগায়। অনুপ্ৰৱেশ চিনাক্তকৰণৰ বাবে ব্যৱহৃত কিছুমান তথ্য খনিৰ কৌশল দুটা শ্ৰেণীত ভাগ কৰিব পাৰিঃ অপব্যৱহাৰ অনুপ্ৰৱেশ চিনাক্তকৰণ আৰু বিসংগতি অনুপ্ৰৱেশ চিনাক্তকৰণ। অপব্যৱহাৰৰ অৰ্থ হ ল চিস্টেমৰ পৰিচিত সংবেদনশীলতা ব্যৱহাৰ কৰা পৰিচিত আক্ৰমণ আৰু ক্ষতিকাৰক কাৰ্যকলাপ। অস্বাভাৱিকতাৰ অৰ্থ হৈছে সাধাৰণভাৱে এনে এক কাৰ্য্যকলাপ যি এটা অনুপ্ৰৱেশৰ ইংগিত দিব পাৰে। এই প্ৰবন্ধত, অনুপ্ৰৱেশ চিনাক্তকৰণৰ বাবে ডাটা মাইনিং প্ৰণালী ব্যৱহাৰৰ ২৩ টা সম্পৰ্কিত প্ৰবন্ধৰ মাজত তুলনা কৰা হৈছে। আমাৰ কামে ডাটা মাইনিং আৰু ছফ্ট কম্পিউটিং প্ৰণালী যেনে আৰ্টিফিচিয়েল নিউৰেল নেটৱৰ্ক (এএনএন), ছাপ ৰ্ট ভেক্টৰ মেচিন (এছভিএম) আৰু মাল্টিভেৰিয়েট এডাপ্টিভ ৰিগ্ৰেচন স্প্লাইন (এমএআৰএছ) আদিৰ বিষয়ে এক সাৰ্বজনিক দৃষ্টিভংগী প্ৰদান কৰে। এই প্ৰবন্ধত ইন্ট্ৰুছন ডিটেকচনৰ বাবে ব্যৱহাৰ কৰা IDS ডাটা মাইনিং প্ৰণালী আৰু টুপলসমূহৰ মাজত তুলনা দেখুওৱা হৈছে। এই ২৩টা সম্পৰ্কিত প্ৰবন্ধৰ ভিতৰত ৭টা গৱেষণা প্ৰবন্ধত এএনএন আৰু ৪টাত এছভিএম ব্যৱহাৰ কৰা হৈছে, কাৰণ এএনএন আৰু এছভিএম আন মডেল আৰু গাঁথনিৰ তুলনাত অধিক নিৰ্ভৰযোগ্য। ইয়াৰ উপৰিও, ৮টা গৱেষণাত DARPA1998ৰ টুপল আৰু ১৩টা গৱেষণাত KDDCup1999 ব্যৱহাৰ কৰা হৈছে, কাৰণ মানক টুপল আনবোৰতকৈ বহু বেছি বিশ্বাসযোগ্য। বৰ্তমান সময়ত কোনো উত্তম অনুপ্ৰৱেশ চিনাক্তকৰণ মডেল নাই। অৱশ্যে, এই প্ৰবন্ধত অনুপ্ৰৱেশ চিনাক্তকৰণৰ বাবে ভৱিষ্যতৰ গৱেষণাৰ দিশসমূহ অনুসন্ধান কৰা উচিত। মূলশব্দসমূহ- অনুপ্ৰৱেশ চিনাক্তকৰণ, তথ্য খনি, এএনএন |
a69fd2ad66791ad9fa8722a3b2916092d0f37967 | তদুপৰি, উদাহৰণ স্বৰূপে নগৰীয়া বিন্যাসৰ ভগ্নাংশবোৰ মিশ্ৰিত কৰাৰ ক্ষমতা নতুন সিন্থেটিক সামগ্ৰী সৃষ্টি কৰাৰ এক শক্তিশালী উপায় প্ৰদান কৰে। আমি আমাৰ প্ৰণালীটো প্ৰদৰ্শন কৰো, নগৰীয়া লেআউট তৈয়াৰ কৰো, বাস্তৱিক বিশ্বৰ বিভিন্ন চহৰৰ উদাহৰণ ব্যৱহাৰ কৰো, প্ৰতিটো চহৰত শ শৰ পৰা হাজাৰ হাজাৰ ব্লক আৰু পাৰ্চেল থাকে। আমি উদাহৰণস্বৰূপে নগৰীয়া বিন্যাসৰ সংমিশ্ৰণৰ বাবে এক আন্তঃক্ৰিয়াশীল ব্যৱস্থা প্ৰদৰ্শন কৰিছো। আমাৰ পদ্ধতিয়ে একে সময়তে এটা গঠন-ভিত্তিক সংশ্লেষণ আৰু এটা ছবি-ভিত্তিক সংশ্লেষণ দুয়োটাই সম্পন্ন কৰে যাতে এটা বিশ্বাসযোগ্য ৰাস্তাৰ নেটৱৰ্ক আৰু বায়ু-দৰ্শন ছবিৰ সৈতে এটা সম্পূৰ্ণ নগৰীয়া লেআউট সৃষ্টি কৰিব পাৰি। আমাৰ পদ্ধতিত বাস্তৱিক নগৰীয়া অঞ্চলৰ গাঁথনি আৰু ছবিৰ তথ্য আৰু এটা সংশ্লেষণ এলগৰিথম ব্যৱহাৰ কৰি বহুতো উচ্চ পৰ্যায়ৰ কাৰ্য্য প্ৰদান কৰে যাতে সহজেই আৰু আন্তঃক্ৰিয়ভাৱে উদাহৰণৰ দ্বাৰা জটিল লেআউট সৃষ্টি কৰিব পাৰি। ব্যৱহাৰকাৰীয়ে নিম্ন স্তৰৰ গাঁথনিগত বিৱৰণসমূহৰ বিষয়ে চিন্তা নকৰাকৈ যোগদান, সম্প্ৰসাৰন আৰু মিশ্ৰণ আদিৰ দৰে কাৰ্যৰ ক্ৰমৰ দ্বাৰা নতুন নগৰ বিন্যাস সৃষ্টি কৰিব পাৰে। |
9b8be6c3ebd7a79975067214e5eaea05d4ac2384 | আমি দেখুৱাম যে গ্ৰেডিয়েন্ট অৱতৰণ এটা স্থানীয় ন্যূনতমকৰকৰলৈ সংলগ্ন হয়, প্ৰায় নিশ্চিতভাৱে এলোমেলোভাৱে আৰম্ভ কৰা। গতিশীল প্ৰণালী তত্ত্বৰ পৰা স্থিৰ বহুমুখী সূত্ৰ প্ৰয়োগ কৰি এই কথা প্ৰমাণ কৰা হয়। |
75235e03ac0ec643e8a784f432e6d1567eea81b7 | বিগত দশকত খনিৰ তথ্য প্ৰবাহ গৱেষণাৰ এক কেন্দ্ৰীয় বিষয় হৈ আহিছে। হাৰ্ডৱেৰ আৰু ছফ্টৱেৰ উন্নতিয়ে পূৰ্বতকৈ অধিক দ্ৰুততাৰে তথ্যৰ সৃষ্টিৰ প্ৰৱৰ্তন কৰি গৱেষণাৰ এই ক্ষেত্ৰৰ গুৰুত্বত বৰঙণি যোগাইছে। এই দ্ৰুতভাৱে সৃষ্টি হোৱা তথ্যক ডাটা ষ্ট্ৰিম বুলি কোৱা হয়। ক্ৰেডিট কাৰ্ডৰ লেনদেন, গুগল অনুসন্ধান, চহৰত ফোন কল আৰু আন বহুতো সাধাৰণ ডাটা ষ্ট্ৰিম। বহুতো গুৰুত্বপূৰ্ণ এপ্লিকেশ্যনত, এই ষ্ট্ৰীমিং ডাটা ৰিয়েল টাইমত বিশ্লেষণ কৰাটো অনিবাৰ্য। পৰম্পৰাগত তথ্য খনিৰ কৌশলসমূহ তথ্য স্ৰোত খনিৰ প্ৰয়োজনীয়তা পূৰণ কৰাত ব্যৰ্থ হৈছে। নতুন কৌশল বিকাশ বা প্ৰচলিত প্ৰণালীসমূহ গ্ৰহণ কৰি এলেহুৱা পৰিৱেশত কাম কৰিবলৈ সক্ষম কৰিবলৈ এলেহুৱা, সমীপৱৰ্তী আৰু অভিযোজন ব্যাপকভাৱে ব্যৱহাৰ কৰা হৈছে। এই প্ৰবন্ধত তথ্য প্ৰবাহ খননৰ ক্ষেত্ৰত গুৰুত্বপূৰ্ণ মাইলষ্টোন আৰু কাৰিকৰী অৱস্থা পৰ্যালোচনা কৰা হৈছে। ভৱিষ্যতৰ অন্তৰ্দৃষ্টিও উপস্থাপন কৰা হয়। C © ২০১১ ৱাইলী পেৰিডিকলছ, ইনক। |
2327ad6f237b37150e84f0d745a05565ebf0b24d | বিট কয়েন হৈছে সৰ্বজনপ্ৰিয় হোৱা প্ৰথম ডিজিটেল মুদ্ৰা। যদিও পেমেন্ট ছদ্মনামৰ মাজত কৰা হয়, বিট কয়েনে গোপনীয়তাৰ শক্তিশালী গ্যাৰেন্টী প্ৰদান কৰিব নোৱাৰেঃ পেমেন্ট লেনদেনবোৰ এটা ৰাজহুৱা বিকেন্দ্ৰীকৃত লিজাৰত ৰেকৰ্ড কৰা হয়, যাৰ পৰা বহুতো তথ্য উলিয়াব পাৰি। শূন্য মুদ্ৰা (Miers et al., IEEE S&P 2013) এ এই গোপনীয়তাৰ কিছুমান সমস্যা সমাধান কৰে পৰিশোধৰ উৎপত্তিৰ পৰা লেনদেনৰ সংযোগ বিচ্ছিন্ন কৰি। তথাপি, ই এতিয়াও পৰিশোধৰ গন্তব্য আৰু পৰিমাণ প্ৰকাশ কৰে, আৰু কাৰ্য্যকৰীতা সীমিত। এই প্ৰবন্ধত, আমি এক সম্পূৰ্ণ খণ্ডৰ লিডাৰ-ভিত্তিক ডিজিটেল মুদ্ৰা নিৰ্মাণ কৰো, যাৰ গোপনীয়তাৰ প্ৰতি দৃঢ় প্ৰতিশ্ৰুতি আছে। আমাৰ ফলাফলবোৰ শূন্য-জ্ঞানৰ সংক্ষিপ্ত অ-ইণ্টাৰেক্টিভ যুক্তিৰ (zk-SNARKs) সাম্প্ৰতিক অগ্ৰগতিৰ ওপৰত নিৰ্ভৰ কৰে। প্ৰথমতে, আমি বিকেন্দ্ৰীকৃত বেনামী পৰিশোধ আঁচনি (ডি এ পি আঁচনি) ৰ সূচনা আৰু নিৰ্মাণ কৰো। ডি এ পি আঁচনিয়ে ব্যৱহাৰকাৰীসকলক প্ৰত্যক্ষভাৱে আৰু ব্যক্তিগতভাৱে পৰস্পৰে পৰিশোধ কৰিবলৈ সক্ষম কৰেঃ সংশ্লিষ্ট লেনদেনত পৰিশোধৰ উৎস, গন্তব্য আৰু স্থানান্তৰিত পৰিমাণ লুকাই থাকে। আমি নিৰ্মাণৰ সুৰক্ষাৰ আনুষ্ঠানিক সংজ্ঞা আৰু প্ৰমাণ প্ৰদান কৰো। দ্বিতীয়তে, আমি শূন্য নগদ ধন নিৰ্মাণ কৰো, আমাৰ ডি এ পি আঁচনিৰ নিৰ্মাণৰ এটা ব্যৱহাৰিক উদাহৰণ। জাৰো ক্যাশত লেনদেন ১ কেবিতকৈ কম আৰু যাচাই কৰিবলৈ ৬ এমএছৰ সময় লাগে- কম বেনামী জাৰো মুদ্ৰাতকৈ অধিক কাৰ্যকৰী আৰু সাধাৰণ বিট মুদ্ৰাৰ সৈতে প্ৰতিযোগিতামূলক। |
3d08280ae82c2044c8dcc66d2be5a72c738e9cf9 | মই এটা হাইব্ৰিড মেট্ৰিছ ফেক্টৰাইজেশ্যন মডেল দাঙি ধৰিছো য ত ব্যৱহাৰকাৰী আৰু বস্তুসমূহক তেওঁলোকৰ বিষয়বস্তুৰ বৈশিষ্টসমূহৰ লুকাই থকা কাৰকৰ ৰেখীয় সংমিশ্ৰণ হিচাপে প্ৰতিনিধিত্ব কৰা হৈছে। এই মডেলটোৱে শীতল আৰম্ভ বা বিৰল ক্ৰিয়া-প্ৰতিক্ৰিয়া ডাটা দৃশ্যপটত (ব্যৱহাৰকাৰী আৰু আইটেম মেটাডাটা দুয়োটাই ব্যৱহাৰ কৰি) উভয় সহযোগিতামূলক আৰু সামগ্ৰী-ভিত্তিক মডেলক অতিক্ৰম কৰে, আৰু ক্ৰিয়া-প্ৰতিক্ৰিয়া ডাটা প্ৰচুৰ হোৱা বিশুদ্ধ সহযোগিতামূলক মেট্ৰিক্স ফেক্টৰাইজেশ্যন মডেলৰ দৰে ভালকৈ কাৰ্য্য কৰে। ইয়াৰ উপৰিও, মডেলৰ দ্বাৰা নিৰ্মিত বৈশিষ্ট্যৰ এম্বেডিংসমূহে শব্দ এম্বেডিং পদ্ধতিৰ দৰে অৰ্থগত তথ্য এনকোড কৰে, যাৰ ফলত সেইবোৰ বিভিন্ন সম্পৰ্কীয় কামৰ বাবে উপযোগী হয় যেনে টেগ পৰামৰ্শ। |
25d1a2c364b05e0db056846ec397fbf0eacdca5c | মেট্ৰিক্স ফেক্টৰাইজেশ্যন-ভিত্তিক পদ্ধতিসমূহ ডায়াডিক ডাটা বিশ্লেষণত জনপ্ৰিয় হৈ পৰে, য ত এটা মৌলিক সমস্যা, উদাহৰণস্বৰূপে, এটা শব্দ-ডকুমেন্ট মেট্ৰিক্স দিয়া শব্দ আৰু নথিৰ নথি ক্লাষ্টাৰিং বা সহ-ক্লাষ্টাৰিং কৰা। অ-নেগেটিভ মেট্ৰিক্স ট্ৰি-ফেক্টৰাইজেশ্যন (NMTF) ক ক্লাষ্টাৰিংৰ বাবে এটা আশাব্যঞ্জক সঁজুলি হিচাপে উদ্ভৱ হয়, য ত সকলো ফেক্টৰ মেট্ৰিক্স অ-নেগেটিভ হ বলৈ সীমাবদ্ধ থকা ৩-ফেক্টৰ বিভাজন X USV বিচৰা হয়, অৰ্থাৎ, U P 0; S P 0; V P 0: এই কাগজত আমি অৰ্টোগ নেল NMTF ৰ বাবে বহুবৰ্ধক আপডেট বিকাশ কৰো য ত X USV অৰ্টোগ নেলিটি সীমাবদ্ধতা, UU 1⁄4 I; আৰু VV 1⁄4 I ৰ সৈতে অনুসৰণ কৰা হয়, ষ্টীফেল ম্যানিফ ল্ডত সত্য গ্ৰেডিয়েন্টৰ ব্যৱহাৰ কৰি। বিভিন্ন নথি তথ্যৰ ওপৰত কৰা পৰীক্ষাই প্ৰমাণ কৰে যে আমাৰ পদ্ধতিয়ে নথি ক্লাষ্টাৰিংৰ বাবে ভাল কাম কৰে আৰু শব্দ আৰু নথিৰ সহ-ক্লষ্টাৰিংৰ জৰিয়তে বহুবচনযুক্ত শব্দসমূহ প্ৰকাশ কৰাত উপযোগী। ২০১০ এলেছভিয়াৰ লিমিটেড সকলো অধিকাৰ সংৰক্ষিত। |
461ac81b6ce10d48a6c342e64c59f86d7566fa68 | এই প্ৰকাশনত পুনঃপ্ৰকাশিত প্ৰবন্ধ আছে যাৰ বাবে আই ই ই ইৰ কপিৰাইট নাই। এই প্ৰবন্ধসমূহৰ সম্পূৰ্ণ পাঠ IEEE Xplore ত উপলব্ধ নহয়। |
c03fb606432af6637d9d7d31f447e62a855b77a0 | যদিও শিক্ষাগতভাৱে সফল ছাত্ৰ-ছাত্ৰীসকলে তেওঁলোকৰ অধ্যয়নত জড়িত থকাৰ প্ৰমাণ আছে, ছাত্ৰ-ছাত্ৰীৰ ব্যস্ততাৰ স্পষ্ট সংজ্ঞা দিয়াটো কঠিন হৈ পৰিছে। ছাত্ৰ-ছাত্ৰীৰ অংশগ্ৰহণক সাধাৰণতে দুটা মাত্ৰা, সামাজিক আৰু শৈক্ষিক বুলি ব্যাখ্যা কৰা হয়। ছ চিয়েল মিডিয়া আৰু ডিজিটেল প্ৰযুক্তিৰ দ্ৰুত গ্ৰহণে ছাত্ৰ-ছাত্ৰীৰ অংশগ্ৰহণ উন্নত কৰাৰ বাবে এই প্ৰযুক্তি ব্যৱহাৰৰ প্ৰতি আগ্ৰহ বৃদ্ধি কৰিছে। এই প্ৰবন্ধত প্ৰথম বৰ্ষৰ মনোবিজ্ঞান ছাত্ৰৰ মাজত ফেচবুকৰ ব্যৱহাৰৰ পৰীক্ষা কৰা হৈছে আৰু প্ৰতিবেদন কৰা হৈছে যে যদিও অধিকাংশ ছাত্ৰৰ (৯৪%) ফেচবুক একাউণ্ট আছে আৰু প্ৰতিদিনে গড়ে এক ঘন্টা ফেচবুকত ব্যয় কৰে, ব্যৱহাৰ প্ৰধানকৈ সামাজিক বুলি ধৰা হৈছে। ব্যক্তিত্বৰ কাৰকে ব্যৱহাৰৰ ধৰণক প্ৰভাৱিত কৰে, অধিক সচেতন ছাত্ৰ-ছাত্ৰীসকলে কম সচেতন ছাত্ৰ-ছাত্ৰীতকৈ কম ফেচবুক ব্যৱহাৰ কৰে। এই প্ৰবন্ধত যুক্তি দিয়া হৈছে যে, শৈক্ষিক ব্যস্ততা বৃদ্ধি কৰিব পৰা সামাজিক ব্যস্ততা প্ৰচাৰ কৰাৰ পৰিৱৰ্তে, ফেচবুকে এক বিঘ্নিত প্ৰভাৱ হিচাপে কাম কৰাৰ সম্ভাৱনা অধিক। |
171071069cb3b58cfe8e38232c25bfa99f1fbdf5 | অনলাইন ছ চিয়েল নেটৱৰ্কিং ছাইটবোৰে নিজকে প্ৰদৰ্শন কৰাৰ এক সম্পূৰ্ণ নতুন পদ্ধতি প্ৰকাশ কৰিছে। এই চাইবাৰ সামাজিক সঁজুলিয়ে ব্যক্তিত্ব আৰু পৰিচয়ৰ পৰীক্ষা কৰাৰ বাবে এক নতুন বিশ্লেষণৰ ক্ষেত্ৰ প্ৰদান কৰে। এই অধ্যয়নত সামাজিক নেটৱৰ্কিং ৱেবচাইট ফেচবুক ডট কমত নাৰ্ছিছিজম আৰু আত্ম-সন্মান কেনেকৈ প্ৰকাশ পায় সেই বিষয়ে পৰীক্ষা কৰা হৈছে । ইয়ৰ্ক বিশ্ববিদ্যালয়ৰ ১০০ জন ফেচবুক ব্যৱহাৰকাৰীৰ পৰা আত্ম-সম্মান আৰু নাৰ্ছিছিষ্ট ব্যক্তিত্বৰ আত্ম-ৰিপৰ্ট সংগ্ৰহ কৰা হৈছিল। অংশগ্ৰহণকাৰী ৱেব পেজসমূহো স্ব-প্ৰচাৰমূলক সামগ্ৰীৰ বৈশিষ্ট্যৰ ওপৰত ভিত্তি কৰি কোড কৰা হৈছিল। সমন্বয় বিশ্লেষণে প্ৰকাশ কৰে যে নাৰ্ছিছিজম আৰু স্ব-মৰ্যদাত নিম্ন ব্যক্তিৰ অধিক অনলাইন কাৰ্যকলাপৰ লগতে কিছুমান স্ব-প্ৰচাৰমূলক সামগ্ৰীৰ সৈতে সম্পৰ্কিত আছিল। লিঙ্গৰ পাৰ্থক্যৰ ফলত ফেচবুকৰ ব্যৱহাৰকাৰীসকলে প্ৰদৰ্শন কৰা স্ব-প্ৰচাৰমূলক বিষয়বস্তুৰ প্ৰকাৰৰ ওপৰত প্ৰভাৱ পেলোৱা দেখা গৈছে। সামাজিক নেটৱৰ্কিং ৱেবচাইটত নাৰ্ছিছিজম আৰু আত্ম-সন্মানৰ প্ৰভাৱ আৰু ভৱিষ্যতৰ গৱেষণাৰ দিশসমূহ আলোচনা কৰা হৈছে। |
5e30227914559ce088a750885761adbb7d2edbbf | কিশোৰ-কিশোৰীসকলে ইণ্টাৰনেটৰ সামাজিক নেটৱৰ্কত যোগদান কৰিবলৈ ব্যক্তিগত তথ্যৰ পৰা মুক্ত হৈ থাকিব। তাৰ পিছত, যেতিয়া তেওঁলোকৰ পিতৃ-মাতৃয়ে তেওঁলোকৰ আলোচনীবোৰ পঢ়ে তেতিয়া তেওঁলোক আচৰিত হয়। যুৱক-যুৱতীসকলে অনলাইনত প্ৰকাশ কৰা ব্যক্তিগত তথ্যৰ বাবে সমাজ ক্ষুব্ধ হৈ পৰিছে আৰু মহাবিদ্যালয়সমূহে ছাত্ৰ-ছাত্ৰীৰ কেম্পাছৰ ভিতৰত আৰু বাহিৰত কি কি কাম কৰে তাৰ ওপৰত নজৰ ৰাখে। কিশোৰ আৰু ছাত্ৰ-ছাত্ৰীসকলে ব্যক্তিগত তথ্য পোষ্ট কৰিলে তাৰ পৰিণাম হয়। এই প্ৰবন্ধত সামাজিক নেটৱৰ্কত গোপনীয়তাৰ সমস্যাসমূহৰ ওপৰত আলোচনা কৰা হ ব। ইয়াৰ পিছত প্ৰস্তাৱিত গোপনীয়তা সমাধান আৰু গোপনীয়তাৰ বিসংগতি দূৰ কৰিবলৈ গ্ৰহণ কৰিব পৰা পদক্ষেপসমূহৰ বিষয়ে আলোচনা কৰা হ ব। |
6c394f5eecc0371b43331b54ed118c8637b8b60d | বহুমুখী শক্তি বিভাজকৰ এক নতুন ডিজাইন সূত্ৰ বহল বিচ্ছিন্নতা পাৰদৰ্শিতা লাভ কৰিবলৈ আহৰণ কৰা হয়। নিৰ্গত ডিজাইন সূত্ৰটো এককভাৱে সমাপ্ত ফিল্টাৰ ডিজাইন তত্ত্বৰ ওপৰত ভিত্তি কৰি প্ৰস্তুত কৰা হৈছে। এই প্ৰবন্ধত প্ৰস্তাৱিত ডিজাইন সূত্ৰৰ বৈধতা দেখুৱাবলৈ বহুবিভাগ শক্তি বিভাজকৰ কেইবাটাও অনুকৰণ আৰু পৰীক্ষামূলক ফলাফল উপস্থাপন কৰা হৈছে। পৰীক্ষাসমূহত বহু-অক্টাভ বিচ্ছিন্নতাৰ বৈশিষ্ট্যৰ সৈতে মাল্টি-চেকচন পাৱাৰ ডিভাইডাৰৰ উৎকৃষ্ট প্ৰদৰ্শন দেখুওৱা হৈছে। |
d12e3606d94050d382306761eb43b58c042ac390 | শিক্ষাৰ্থীসকলৰ সফলতা (বা বিফলতা) ৰ কাৰণসমূহ বুজিব পৰাটো এটা আকৰ্ষণীয় আৰু প্ৰত্যাহ্বানমূলক সমস্যা। যিহেতু কেন্দ্ৰীয়ভাৱে অনুষ্ঠিত কৰা স্থানান্তৰণ পৰীক্ষা আৰু ভৱিষ্যতৰ শৈক্ষিক অৰ্জনসমূহ সম্পৰ্কীয় ধাৰণাৰ দৰে বিবেচিত হয়, স্থানান্তৰণ পৰীক্ষাৰ আঁৰৰ সফলতাৰ কাৰকসমূহৰ বিশ্লেষণে শৈক্ষিক অৰ্জনসমূহ বুজিবলৈ আৰু উন্নত কৰিবলৈ সহায় কৰিব পাৰে। এই অধ্যয়নত আমি তুৰস্কৰ মাধ্যমিক শিক্ষা পৰিবৰ্তন প্ৰণালীৰ বৃহৎ আৰু সমৃদ্ধ তথ্য-উপলব্ধক ব্যৱহাৰ কৰি মাধ্যমিক শিক্ষা স্থানান্তৰৰ পৰীক্ষাৰ ফলাফলৰ ভৱিষ্যদ্বাণী কৰিবলৈ মডেল প্ৰস্তুত কৰিছিলো আৰু সেই ভৱিষ্যদ্বাণী মডেলসমূহৰ সংবেদনশীলতা বিশ্লেষণৰ সহায়ত আমি আটাইতকৈ গুৰুত্বপূৰ্ণ ভৱিষ্যদ্বাণীকাৰী চিনাক্ত কৰিছিলো। ফলাফলত দেখা গ ল যে C5 সিদ্ধান্ত বৃক্ষ এলগৰিথম হ ল 95% নির্ভুলতা সহ সাৰ্বজনীন নমুনাৰ শ্ৰেষ্ঠ ভৱিষ্যদ্বাণীকাৰী, তাৰ পিছত সহায়ক ভেক্টৰ মেচিন (৯১% নির্ভুলতা) আৰু কৃত্ৰিম নিউৰেল নেটৱৰ্ক (৮৯% নির্ভুলতা) । লজিষ্টিক ৰিগ্ৰেছন মডেল চাৰিটাৰ ভিতৰত আটাইতকৈ কম সঠিক আৰু মুঠ সঠিকতা ৮২%। সংবেদনশীলতা বিশ্লেষণে প্ৰকাশ কৰে যে পূৰ্বৰ পৰীক্ষাৰ অভিজ্ঞতা, ছাত্ৰজনৰ বৃত্তি আছে নে নাই, ছাত্ৰজনৰ ভায়েক-ভনীয়েক, পূৰ্বৰ বৰ্ষৰ গড় নম্বৰ হৈছে স্থানান্তৰৰ পৰীক্ষাৰ নম্বৰসমূহৰ আটাইতকৈ গুৰুত্বপূৰ্ণ ভৱিষ্যদ্বাণীকাৰী। ২০১২ এলেছভিয়াৰ লিমিটেড সকলো অধিকাৰ সংৰক্ষিত। |
75859ac30f5444f0d9acfeff618444ae280d661d | বহু বায় মেট্ৰিক পদ্ধতিৰ ব্যৱহাৰ বহুতো বৃহৎ বায় মেট্ৰিক প্ৰয়োগত (যেনে- এফ বি আই-আই এফ আই এছ, ভাৰতত ইউ আই ডি এ আই) বৃদ্ধি পাইছে কিয়নো ইয়াৰ কম ভুলৰ হাৰ আৰু একক বায় মেট্ৰিক পদ্ধতিৰ তুলনাত জনসংখ্যাৰ বিস্তাৰ বৃদ্ধিৰ দৰে সুবিধা আছে। অৱশ্যে, মাল্টি বায় মেট্ৰিক চিষ্টেমবোৰত প্ৰতিজন ব্যৱহাৰকাৰীৰ বাবে একাধিক বায় মেট্ৰিক টেমপ্লেট (যেনে, আঙুলিৰ ছাপ, আইৰিছ আৰু মুখ) সংৰক্ষণৰ প্ৰয়োজন হয়, যাৰ ফলত ব্যৱহাৰকাৰীৰ গোপনীয়তা আৰু চিষ্টেম সুৰক্ষাৰ বাবে বিপদ বৃদ্ধি হয়। পৃথক টেমপ্লেট সুৰক্ষিত কৰাৰ এটা পদ্ধতি হ ল বায় মেট্ৰিক ক্ৰিপ্টচিষ্টেম ব্যৱহাৰ কৰি সংশ্লিষ্ট টেমপ্লেটৰ পৰা সৃষ্টি কৰা সুৰক্ষিত স্কেচটোহে সংৰক্ষণ কৰা। ইয়াৰ বাবে একাধিক স্কেচৰ সঞ্চয়ৰ প্ৰয়োজন। এই প্ৰবন্ধত, আমি এটা বৈশিষ্ট্য-স্তৰৰ সংমিশ্ৰণ ফ্ৰেমৱৰ্ক প্ৰস্তাৱ কৰো যাতে একে সময়তে ব্যৱহাৰকাৰীৰ একাধিক টেমপ্লেটক একক সুৰক্ষিত স্কেচ হিচাপে সুৰক্ষিত কৰিব পাৰি। আমাৰ প্ৰধান অৱদানসমূহ হৈছেঃ (১) দুটা সুপৰিচিত বায় মেট্ৰিক ক্ৰিপ্ট চিষ্টেম, অৰ্থাৎ, ফজি ভল্ট আৰু ফজি কমিটমেণ্ট ব্যৱহাৰ কৰি প্ৰস্তাৱিত ফিচাৰ-লেভেল ফিউজন ফ্ৰেমৱৰ্কৰ ব্যৱহাৰিক ৰূপায়ণ আৰু (২) দুটা ভিন্ন ডাটাবেছৰ ওপৰত ভিত্তি কৰি প্ৰস্তাৱিত মাল্টিবাই মেট্ৰিক ক্ৰিপ্ট চিষ্টেমত মিলিত হোৱা সঠিকতা আৰু সুৰক্ষাৰ মাজত হোৱা বাণিজ্য-অফৰ বিশদ বিশ্লেষণ (এটা বাস্তৱ আৰু এটা ভাৰ্চুৱেল মাল্টিম ডেল ডাটাবেছ), য ত প্ৰত্যেকটোতে তিনিটা জনপ্ৰিয় বায় মেট্ৰিক পদ্ধতি আছে, অৰ্থাৎ, আঙুলিৰ ছাপ, আইৰিছ আৰু মুখ। পৰীক্ষামূলক ফলাফলৰ পৰা দেখা যায় যে ইয়াত প্ৰস্তাৱিত দুয়োটা মাল্টিবায়োমেট্ৰিক ক্ৰিপ্ট চিষ্টেমৰ উচ্চ নিৰাপত্তা আৰু তেওঁলোকৰ ইউনিবায়োমেট্ৰিক সমতুল্যসমূহৰ তুলনাত মিলোৱা কাৰ্যক্ষমতা আছে। |
98e03d35857f66c34fa79f3ea0dd2b4e3b670044 | |
65227ddbbd12015ba8a45a81122b1fa540e79890 | ৱেব পেজৰ গুৰুত্ব এক স্বতন্ত্ৰ বিষয়, যি পাঠকৰ আগ্ৰহ, জ্ঞান আৰু মনোভাৱৰ ওপৰত নিৰ্ভৰ কৰে। কিন্তু ৱেব পেজৰ আপেক্ষিক গুৰুত্ব সম্পৰ্কে এতিয়াও বহুতো কথা ক ব পাৰি। এই প্ৰবন্ধত পেজ ৰেংক নামৰ এটা পদ্ধতিৰ বিষয়ে বৰ্ণনা কৰা হৈছে যিয়ে ৱেব পেজক বস্তুনিষ্ঠ আৰু যান্ত্ৰিকভাৱে ৰেটিং দিয়ে আৰু ইয়াৰ জৰিয়তে মানুহৰ আগ্ৰহ আৰু মনোযোগৰ পৰিমাণ নিৰ্ণয় কৰা হয়। আমি পেজ ৰেংকক এটা আদৰ্শকৃত ৱেব ছাৰফাৰৰ সৈতে তুলনা কৰো। আমি দেখুৱাম যে কেনেকৈ বহু সংখ্যক পৃষ্ঠাৰ বাবে PageRank গণনা কৰিব পাৰি। আৰু আমি দেখুৱাম কেনেকৈ পেজ ৰেংক ব্যৱহাৰ কৰিব লাগে অনুসন্ধান আৰু ব্যৱহাৰকাৰীৰ নেভিগেচন। |
0a202f1dfc6991a6a204eaa5e6b46d6223a4d98a | কোনো ফিচাৰ-ভিত্তিক দৃষ্টি প্ৰণালীয়ে কাম কৰিব নোৱাৰে যদিহে ভাল ফিচাৰসমূহ চিনাক্ত কৰিব নোৱাৰি আৰু ফ্ৰেমৰ পৰা ফ্ৰেমলৈ ট্ৰেক কৰিব নোৱাৰি। যদিও ট্ৰেকিং নিজেই এক সমাধান সমস্যা, ভালদৰে ট্ৰেক কৰিব পৰা আৰু বিশ্বৰ ভৌতিক বিন্দুৰ সৈতে মিল থকা বৈশিষ্টবোৰ নিৰ্বাচন কৰাটো এতিয়াও কঠিন। আমি এটা বৈশিষ্ট্য নিৰ্বাচন মানদণ্ড প্ৰস্তাৱ কৰো যি নিৰ্মাণৰ দ্বাৰা সৰ্বোত্তম কিয়নো ই ট্ৰেকাৰৰ কামৰ ওপৰত ভিত্তি কৰি নিৰ্মিত, আৰু এটা বৈশিষ্ট্য নিৰীক্ষণ পদ্ধতি যি আচ্ছাদন, ডিচক্লুজন, আৰু বৈশিষ্ট্যসমূহ আৱিষ্কাৰ কৰিব পাৰে যি বিশ্বৰ বিন্দুসমূহৰ সৈতে মিলিত নহয়। এই পদ্ধতিবোৰ এটা নতুন ট্ৰেকিং এলগৰিথমৰ ওপৰত আধাৰিত যি পূৰ্বৰ নিউটন-ৰাফছন শৈলীৰ অনুসন্ধান পদ্ধতিবোৰক এক নতুন ছবি ৰূপান্তৰকৰণৰ অধীনত কাম কৰিবলৈ সম্প্ৰসাৰিত কৰে। আমি বিভিন্ন অনুকৰণ আৰু পৰীক্ষাৰ দ্বাৰা কাৰ্যক্ষমতা পৰীক্ষা কৰোঁ। |
4f640c1338840f3740187352531dfeca9381b5c3 | মাইনিং ক্ৰমিক পটভূমিৰ সমস্যা শেহতীয়াকৈ [AS95] ত প্ৰৱৰ্তন কৰা হৈছিল। আমাক এটা ক্ৰমৰ ডাটাবেছ দিয়া হৈছে, য ত প্ৰতিটো ক্ৰম হৈছে লেনদেনৰ তালিকা লেনদেন-সময়ৰ দ্বাৰা আদেশ কৰা, আৰু প্ৰতিটো লেনদেন হৈছে আইটেমসমূহৰ এটা গোট। সমস্যাটো হ ল ব্যৱহাৰকাৰীৰ দ্বাৰা নিৰ্দিষ্ট ন্যূনতম সমৰ্থন সহ সকলো ক্ৰমিক নিদৰ্শন আৱিষ্কাৰ কৰা, য ত নিদৰ্শনটোৰ সমৰ্থন হ ল নিদৰ্শনটো থকা তথ্য ক্ৰমৰ সংখ্যা। এটা ধাৰাবাহিক পটভূমিৰ উদাহৰণ হ ল গ্ৰাহকৰ ৫% এ এটা লেনদেনত ইনফাউণ্ডেচন আৰু ৰিংৱৰ্ল্ড ক্ৰয় কৰে, তাৰ পিছত পৰৱৰ্তী লেনদেনত ছেকেণ্ড ফাউণ্ডেচন ক্ৰয় কৰে। আমি সমস্যাটো নিম্নলিখিত ধৰণে সাধাৰণীকৰণ কৰোঁ। প্ৰথমতে, আমি সময় সীমাবদ্ধতা যোগ কৰো যি এটা পট্ৰ নত সংলগ্ন উপাদানৰ মাজত ন্যূনতম আৰু/বা সৰ্বাধিক সময় নিৰ্ধাৰণ কৰে। দ্বিতীয়তে, আমি এটা ধাৰাবাহিক পট্ৰণৰ এটা উপাদানৰ আইটেমবোৰ একেটা লেনদেনৰ পৰা আহিব লাগে বুলি থকা সীমাবদ্ধতা শিথিল কৰোঁ, তাৰ পৰিৱৰ্তে আইটেমবোৰক লেনদেনৰ এটা ছেটত উপস্থিত হ বলৈ অনুমতি দিওঁ যাৰ লেনদেনৰ সময়বোৰ ব্যৱহাৰকাৰীৰ দ্বাৰা নিৰ্দিষ্ট সময় উইন্ডোৰ ভিতৰত থাকে। তৃতীয়তে, বস্তুসমূহৰ ওপৰত ব্যৱহাৰকাৰী-নিৰ্ধাৰিত শ্ৰেণীবিভাগ (ইছ-এ-হায়াৰাৰ্কি) প্ৰদান কৰি, আমি শ্ৰেণীবিভাগৰ সকলো স্তৰৰ বস্তুসমূহ অন্তৰ্ভুক্ত কৰিবলৈ ক্ৰমিক নিদৰ্শনসমূহক অনুমতি দিওঁ। আমি GSP উপস্থাপন কৰিছো, যিটো এটা নতুন এলগৰিথম যি এই সাধাৰণীকৃত ক্ৰমিক ধৰণবোৰ আৱিষ্কাৰ কৰে। [AS95]ত উপস্থাপিত এপ্ৰিঅ ৰিঅ ল এলগৰিথমতকৈ জিএছপি বহু বেছি ক্ষিপ্ৰ বুলি সিন্থেটিক আৰু বাস্তৱ জীৱনৰ তথ্য ব্যৱহাৰ কৰি কৰা অভিজ্ঞতাৰ মূল্যায়নে সূচাইছে। জিএছপি ডাটা-অনুসৰণসমূহৰ সংখ্যাৰ সৈতে ৰেখাকাৰীয়ভাৱে স্কেল কৰে, আৰু গড় ডাটা-অনুসৰণ আকাৰৰ সৈতে সম্পৰ্কিত অতি ভাল স্কেল-আপ বৈশিষ্ট্য আছে। লগতে, কম্পিউটাৰ বিজ্ঞান বিভাগ, ৱিছকনছিন বিশ্ববিদ্যালয়, মেডিছন। |
4282abe7e08bcfb2d282c063428fb187b2802e9c | ফিলাৰ ব্যৱহাৰ কৰি ৰোগীৰ সংখ্যা ক্ৰমান্বয়ে বৃদ্ধি পোৱাৰ লগে লগে, চিকিৎসা বৃত্তিধাৰী নোহোৱা বা অভিজ্ঞতা নথকা চিকিৎসকৰ দ্বাৰা চিকিৎসা কৰা ৰোগীৰ সংখ্যাও বৃদ্ধি পাইছে যাৰ ফলত জটিলতা হৈছে। আমি ইয়াত ২ জন ৰোগীৰ বিষয়ে উল্লেখ কৰিছো যিসকলে ফিলাৰ ইনজেকচন লাভ কৰাৰ পিছত তীব্ৰ জটিলতা অনুভৱ কৰিছিল আৰু এডিপ জ- ডেৰাইভড ষ্ট্ৰেম চেল (ADSCs) থেৰাপিৰে সফলতাৰে চিকিৎসা কৰা হৈছিল। কেচ ১ আছিল এগৰাকী ২৩ বছৰীয়া মহিলা ৰোগী যিয়ে তেওঁৰ কপাল, গ্লাবেলা আৰু নাকত এজন অ- চিকিৎসা কৰ্মীৰ দ্বাৰা ফিলাৰ (ৰেষ্টাইলেন) ইনজেকচন লাভ কৰিছিল। ইনজেকচনৰ পিছদিনা, ৩×৩ ছেন্টিমিটাৰ ছালৰ নেক্ৰ ছিছ থকা প্ৰদাহ দেখা গৈছিল। দ্বিতীয়টো কেছ আছিল এগৰাকী ৩০ বছৰীয়া মহিলা যি এগৰাকী ব্যক্তিগত ক্লিনিকত তেওঁৰ নাকৰ পিঠিত আৰু মূৰত হাইলুৰনিক এচিড জেল (Juvederm) ৰ ফিলাৰ ইনজেকচন দিছিল। ৰোগীৰ পেটৰ তলৰ তৰপীয় টিস্যুৰ পৰা সংগ্ৰহ কৰা এডিএছচি থকা দ্ৰৱ এটা তৰপীয় আৰু ডাৰমিছ স্তৰত ক্ষতটোলৈ ইনজেক্ট কৰা হৈছিল। অতিৰিক্ত চিকিৎসাৰ অবিহনেই আঘাতসমূহ ভাল হৈ গ ল। নিৰন্তৰ পৰ্যবেক্ষণৰ সৈতে, দুয়োটা ৰোগীৰ অপাৰেচনোত্তৰ ৬ মাহত কেৱল সূক্ষ্ম ৰেখামুখী দাগ দেখা যায়। এডিপ ছ-আকৰ্ষিত ষ্টেম চেল ব্যৱহাৰ কৰি আমি সফলতাৰে ফিলাৰ ইনজেকচনৰ পিছত ছালৰ নেক্ৰ ছিছৰ তীব্ৰ জটিলতাক চিকিৎসা কৰিছিলো, যাৰ ফলত বহু কম স্কাৰিং হৈছিল, আৰু অধিক সন্তোষজনক ফলাফল লাভ কৰা হৈছিল কেৱল ক্ষত আৰোগ্যই নহয়, সৌন্দৰ্য্যতাতো। |
3198e5de8eb9edfd92e5f9c2cb325846e25f22aa | |
bdf434f475654ee0a99fe11fd63405b038244f69 | পুনৰ অপৰাধী হোৱাৰ সম্ভাৱনা থকা স্ক ৰসমূহ সমগ্ৰ আমেৰিকাত ব্যৱহাৰ কৰা হয় শত সহস্ৰাধিক কাৰাবন্দীৰ বাবে শাস্তি আৰু নিৰীক্ষণ নিৰ্ধাৰণ কৰিবলৈ। পুনৰ অপৰাধ সংঘটিত হোৱাৰ সম্ভাৱনা থকা স্ক ৰসমূহৰ অন্যতম জেনেৰেটৰ হৈছে নৰ্থপইণ্টৰ ক ৰ ৰেচনেল অপৰাধী পৰিচালনা প্ৰফাইলিং ফৰ অল্টাৰনেটিভ ছান্চিউছন (কম্পাছ) স্ক ৰ, যিটো কেলিফ ৰ্নিয়া আৰু ফ্ল ৰিডাৰ দৰে ৰাজ্যত ব্যৱহাৰ কৰা হয়, য ত পূৰ্বৰ গৱেষণাত দেখিবলৈ পোৱা গৈছে যে ন্যায়ৰ কিছুমান মাপকাঠী অনুসৰি ক ৰ না ৰোগীৰ বিৰুদ্ধে পক্ষপাতমূলক। এই জাতিগত পক্ষপাতৰ প্ৰতিৰোধ কৰিবলৈ, আমি এটা বিৰোধীভাৱে প্ৰশিক্ষিত স্নায়ু নেটৱৰ্ক প্ৰদৰ্শন কৰিছো যি পুনৰাবৃত্তিৰ ভৱিষ্যদ্বাণী কৰে আৰু জাতিগত পক্ষপাত দূৰ কৰিবলৈ প্ৰশিক্ষিত। COMPASৰ সৈতে আমাৰ মডেলৰ ফলাফলৰ তুলনা কৰিলে, আমি ভৱিষ্যদ্বাণীমূলক সঠিকতা লাভ কৰো আৰু ন্যায্যতাৰ তিনিটা মাপদণ্ডৰ দুটা অৰ্জন কৰিবলৈ ওচৰ চাপি আহিছোঃ সমতা আৰু সমতা। আমাৰ মডেলটো যিকোনো জনসংখ্যাৰ ক্ষেত্ৰত সাধাৰণীকৰণ কৰিব পাৰি। এই গৱেষণাৰ টুকুৰাটোৱে পুনৰায় অপৰাধী হোৱাৰ ভৱিষ্যদ্বাণী কৰাৰ দৰে উচ্চ-সতৰ্কতাযুক্ত বাস্তৱ-বিশ্বৰ প্ৰয়োগত বৈজ্ঞানিক প্ৰতিলিপি আৰু সৰলীকৰণৰ এক উদাহৰণ আগবঢ়াইছে। |
33fad977a6b317cfd6ecd43d978687e0df8a7338 | এই প্ৰবন্ধত গ্ৰী-স্কেল আৰু ঘূৰ্ণন-অবৰ্তনশীল বস্ত্ৰৰ শ্ৰেণীবিভাজনৰ বাবে এক তাত্ত্বিকভাৱে অতি সৰল, কিন্তু কাৰ্যকৰী, মাল্টি-ৰিজ লিউশ্যন পদ্ধতিৰ উপস্থাপন কৰা হৈছে যি স্থানীয় বাইনেৰী পট্ৰ ন আৰু নমুনা আৰু প্ৰ টোটাইপ বিতৰণৰ নন-পাৰামেট্ৰিক বৈষম্যৰ ওপৰত ভিত্তি কৰি কৰা হৈছে। এই পদ্ধতিটো এই কথা স্বীকাৰ কৰি লোৱা হৈছে যে কিছুমান স্থানীয় বাইনেৰী পটভূমি, যাক একক বুলি কোৱা হয়, স্থানীয় ছবিৰ গঠনটোৰ মৌলিক বৈশিষ্ট্য আৰু ইয়াৰ উপস্থিতি হিষ্টোগ্ৰামটো এটা অতি শক্তিশালী গঠন বৈশিষ্ট্য হিচাপে প্ৰমাণিত হৈছে। আমি এটা সাধাৰণ গ্ৰে-স্কেল আৰু ঘূৰ্ণন ইনভাৰেণ্ট অপাৰেটৰ উপস্থাপন আহৰণ কৰো যি কোণীয় স্থানৰ যিকোনো কোয়ান্টাইজেশ্যন আৰু যিকোনো স্থানিক ৰিজ লিউচনৰ বাবে একক প্ৰকাৰৰ নিদৰ্শনসমূহ চিনাক্ত কৰিবলৈ অনুমতি দিয়ে আৰু বহু-ৰিজ লিউশ্যন বিশ্লেষণৰ বাবে একাধিক অপাৰেটৰ সংমিশ্ৰণৰ বাবে এটা পদ্ধতি উপস্থাপন কৰে। গ্ৰে স্কেলৰ পৰিবৰ্তনৰ ক্ষেত্ৰত প্ৰস্তাৱিত পদ্ধতিটো অতি শক্তিশালী কিয়নো অপাৰেটৰটো, সংজ্ঞা অনুসৰি, গ্ৰে স্কেলৰ যিকোনো একক ৰূপান্তৰক প্ৰতি অসংৰক্ষিত। আন এক সুবিধা হ ল কম্পিউটেশ্যনেল সৰলতা কিয়নো অপাৰেটৰটো এটা সৰু চুবুৰীয়া আৰু এটা লুকআপ টেবুলত কেইটামান কাৰ্য্যৰে উপলব্ধি কৰিব পাৰি। ঘূৰ্ণন অসংক্ৰাম্যৰ প্ৰকৃত সমস্যাসমূহত প্ৰাপ্ত উত্তম পৰীক্ষামূলক ফলাফল, য ত শ্ৰেণীবিভাগক এটা বিশেষ ঘূৰ্ণন কোণত প্ৰশিক্ষণ দিয়া হয় আৰু অন্যান্য ঘূৰ্ণন কোণৰ নমুনাৰ সৈতে পৰীক্ষা কৰা হয়, প্ৰমাণ কৰে যে সহজ ঘূৰ্ণন অসংক্ৰাম্য স্থানীয় বাইনেৰী পটভূমিৰ ঘটনাৰ পৰিসংখ্যাৰে ভাল বৈষম্য প্ৰাপ্ত কৰিব পাৰি। এই অপাৰেটৰবোৰে স্থানীয় ছবিৰ টেক্সচাৰৰ স্থানিক কনফিগাৰেশ্যনক চিহ্নিত কৰে আৰু স্থানীয় ছবিৰ টেক্সচাৰৰ পাৰ্থক্যক চিহ্নিত কৰা ঘূৰ্ণন ইনভাৰেণ্ট বৈকল্পিকতা মাপসমূহৰ সৈতে সংযুক্ত কৰি প্ৰদৰ্শন আৰু অধিক উন্নত কৰিব পাৰি। এই অৰ্টোগ নেল মাপসমূহৰ যৌথ বিতৰণ ঘূৰ্ণন অবিচলিত গঠন বিশ্লেষণৰ বাবে অতি শক্তিশালী সঁজুলি হিচাপে প্ৰমাণিত হৈছে। সূচক শব্দসমূহ: অ-পৰামিতিগত, গঠন বিশ্লেষণ, আউটেক্স, ব্ৰোডাট্জ, বিতৰণ, হিষ্টোগ্ৰাম, পাৰ্থক্য। |
8ade5d29ae9eac7b0980bc6bc1b873d0dd12a486 | |
12a97799334e3a455e278f2a995a93a6e0c034bf | এই প্ৰবন্ধত চীনা শব্দৰ বিভাজনৰ বাবে এটা এম্বেডিং মেচিং পদ্ধতিৰ প্ৰস্তাৱ দিয়া হৈছে, যি পৰম্পৰাগত ক্ৰম লেবেলিং ফ্ৰেমৱৰ্কক সাধাৰণীকৰণ কৰে আৰু বিতৰণ প্ৰতিনিধিত্বৰ সুবিধা গ্ৰহণ কৰে। প্ৰশিক্ষণ আৰু ভৱিষ্যদ্বাণী কৰা এলগৰিথমৰ ৰেখীয়-সময় জটিলতা আছে। প্ৰস্তাৱিত মডেলৰ আধাৰত, এটা লোভী ছেগমেণ্টাৰ বিকাশ কৰা হয় আৰু বেঞ্চমাৰ্ক কৰ্প ৰাৰ ওপৰত মূল্যায়ন কৰা হয়। পৰীক্ষাসমূহত দেখা গৈছে যে আমাৰ লোভী ছেগমেণ্টাৰে পূৰ্বৰ নিউৰেল নেটৱৰ্ক-ভিত্তিক শব্দ ছেগমেণ্টাৰৰ তুলনাত উন্নত ফলাফল লাভ কৰে, আৰু ইয়াৰ কাৰ্যক্ষমতা অত্যাধুনিক পদ্ধতিৰ সৈতে প্ৰতিযোগিতামূলক, ইয়াৰ সৰল বৈশিষ্ট্য ছেট আৰু প্ৰশিক্ষণৰ বাবে বাহ্যিক সম্পদৰ অভাৱৰ সত্ত্বেও। |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.