_id
stringlengths 40
40
| text
stringlengths 0
9.21k
|
|---|---|
3c5c3e264e238fe1b76cfe528a0ef26b97f7309b | এই প্ৰবন্ধত প্ৰাকৃতিক ছবিৰ বাবে এজ-ডিৰেক্ট ইণ্টাৰপ লেচন এলগৰিথমৰ প্ৰস্তাৱ দিয়া হৈছে। ইয়াৰ মূল ধাৰণা হ ল প্ৰথমে নিম্ন-উত্তৰ ছবিৰ পৰা স্থানীয় সহ-বৈকল্পিক সমীকৰণ অনুমান কৰা আৰু তাৰ পিছত এই সহ-বৈকল্পিক অনুমানসমূহ ব্যৱহাৰ কৰি উচ্চ-উত্তৰ সহ-বৈকল্পিক আৰু উচ্চ-উত্তৰ সহ-বৈকল্পিকৰ মাজত জ্যামিতিক দ্বৈততাৰ ওপৰত ভিত্তি কৰি উচ্চ-উত্তৰ সহ-বৈকল্পিকত অন্তৰায়নক মান্য কৰা। কোভাৰেন্স-ভিত্তিক অভিযোজনাৰ এডজ-নিৰ্দেশিত সম্পত্তিটো এটা নিৰ্ভুলভাৱে অভিমুখী পদক্ষেপৰ এডজক মিলাবলৈ ইণ্টাৰপ লেচন সহগসমূহক টুন কৰাৰ ক্ষমতাৰ বাবে প্ৰদত্ত। মুঠ গণনাকৰণ জটিলতা হ্ৰাস কৰিবলৈ দ্বি-ৰেখিক অন্তঃপোষণ আৰু সহ-বৈচিত্ৰ্য-ভিত্তিক অভিযোজিত অন্তঃপোষণৰ মাজত সঁহাৰিৰ এক হাইব্ৰিড পদ্ধতিৰ প্ৰস্তাৱ কৰা হৈছে। নতুন ইন্টাৰপ লেচন এলগৰিথমৰ দুটা গুৰুত্বপূৰ্ণ প্ৰয়োগৰ অধ্যয়ন কৰা হৈছেঃ গ্ৰেস্কেলৰ ছবিৰ ৰিজ লিউশ্যন বৃদ্ধি আৰু চিচিডি নমুনাৰ পৰা ৰঙীণ ছবিৰ পুনৰ্নিৰ্মাণ। অনুকৰণ ফলাফলৰ পৰা দেখা যায় যে আমাৰ নতুন অন্তঃপৃষ্ঠা অ্যালগৰিদমে পৰম্পৰাগত ৰেখীয় অন্তঃপৃষ্ঠা প্ৰয়োগৰ তুলনাত অন্তঃপৃষ্ঠা প্ৰয়োগ কৰা ছবিৰ বিষয়গত মানদণ্ডক যথেষ্ট উন্নত কৰে। |
77c512cbb832436e1a35ad434e6bb3d763799763 | ৱাৰ্ণাৰ ৰিখাৰ্ড্ট চেণ্টাৰ ফৰ ইণ্টিগ্ৰেটিভ নিউৰ চায়েন্স আৰু ইনষ্টিটিউট অৱ থিওৰেটিকাল ফিজিক্স, ইউনিভাৰ্ছিটী অৱ টিউবিনগেন, জাৰ্মানী বাৰ্ণষ্টাইন চেণ্টাৰ ফৰ কম্পিউটেচনেল নিউৰ চায়েন্স, টিউবিনগেন, জাৰ্মানী গ্ৰেজুৱেট স্কুল ফৰ নিউৰ নেল ইনফৰমেচন প্ৰচেছিং, টিউবিনগেন, জাৰ্মানী মেক্স প্লাংক ইনষ্টিটিউট ফৰ বায় ল জিকাল চাইবাৰনেটিক্স, টিউবিনগেন, জাৰ্মানী নিউৰ চায়েন্স বিভাগ, বেয়লাৰ কলেজ অৱ মেডিচিন, হিউষ্টন, টিএক্স, আমেৰিকা যুক্তৰাষ্ট্ৰ কাক চিঠি-পত্ৰ প্ৰেৰণ কৰিব লাগে; ই-মেইলঃ [email protected] |
7c14de73292d0398b73638f352f53c8b410049c1 | উদ্দেশ্য - এই প্ৰবন্ধৰ উদ্দেশ্য হৈছে এটা মডেল প্ৰস্তুত কৰা যিয়ে অনুমান কৰিব পাৰে যে কোনটো ক্ষুদ্ৰ আৰু মধ্যমীয়া উদ্যোগ (SMEs) এ এণ্টাৰপ্ৰাইজ চিষ্টেম (ERP, CRM, SCM আৰু ই-প্ৰকুলিং) গ্ৰহণ কৰাৰ সম্ভাৱনা অধিক। ডিজাইন/পদ্ধতি/প্ৰকৰণ - উত্তৰ-পশ্চিম ইংলেণ্ডত অৱস্থিত এমএছএমইৰ এৰাবিক নমুনাৰ পৰা তথ্য সংগ্ৰহ কৰিবলৈ প্ৰত্যক্ষ সাক্ষাৎকাৰ ব্যৱহাৰ কৰা হৈছিল। লজিষ্টিক ৰিগ্ৰেছন ব্যৱহাৰ কৰি ১০২ টা সঁহাৰি বিশ্লেষণ কৰা হয়। ফলাফলসমূহ- ফলাফলসমূহে প্ৰকাশ কৰে যে এমএছএমইৰ উদ্যোগৰ ব্যৱস্থাৰ গ্ৰহণক প্ৰভাৱিত কৰা কাৰকসমূহ পূৰ্বতে অধ্যয়ন কৰা তথ্য ব্যৱস্থা (আইএছ) উদ্ভাৱনৰ ক্ষেত্ৰত এমএছএমইৰ গ্ৰহণক প্ৰভাৱিত কৰা কাৰকৰ পৰা পৃথক। প্ৰযুক্তিগত আৰু সাংগঠনিক কাৰকসমূহে পৰিৱেশৰ কাৰকসমূহতকৈ ক্ষুদ্ৰ আৰু মজলীয়া উদ্যোগসমূহক অধিক প্ৰভাৱিত কৰে। তদুপৰি, ফলাফলসমূহে সূচাইছে যে যিসকল কোম্পানীৰ তুলনামূলক সুবিধা বেছি, যিসকলে এই ব্যৱস্থাবোৰ গ্ৰহণ কৰাৰ আগতে পৰীক্ষা-নিৰীক্ষা কৰাৰ ক্ষমতা বেছি, যিসকলে শীৰ্ষ পৰিচালনাৰ পৰা অধিক সহায় লাভ কৰে, যিসকলৰ সংগঠন অধিক সাজু আৰু যিসকলৰ আকাৰ অধিক, সেইসকল কোম্পানীয়ে এন্টাৰপ্ৰাইজ ব্যৱস্থাবোৰ গ্ৰহণ কৰিব বুলি ধাৰণা কৰা হৈছে। গৱেষণাৰ সীমাবদ্ধতা/প্ৰভাৱ - যদিও এই অধ্যয়নত এমএছএমইসমূহৰ দ্বাৰা এন্টাৰপ্ৰাইজ চিষ্টেমৰ এটা গোট গ্ৰহণ কৰাত প্ৰভাৱ পেলোৱা কাৰকসমূহত গুৰুত্ব দিয়া হৈছে (যেনে, ইৰপি, চিআৰএম, এছচিএম আৰু ই-প্ৰকুয়াৰিং) ৰ দৰে পদ্ধতিৰ মাজত পাৰ্থক্য কৰিব নোৱাৰি। ব্যৱহাৰিক প্ৰভাৱ - এই মডেলটো ব্যৱহাৰ কৰি ছফ্টৱেৰ বিক্ৰেতাসকলক কেৱল বিপণন কৌশল বিকাশ কৰাত সহায় কৰিব নোৱাৰি যি সম্ভাব্য ব্যৱহাৰকাৰীসকলক লক্ষ্য কৰিব পাৰে, কিন্তু এছইৰ প্ৰচলন বৃদ্ধি কৰিবলৈ কৌশল বিকাশ কৰিবলৈও সহায় কৰিব পাৰি। মূলকতা/মূল্য - এই প্ৰবন্ধটোৱে ক্ষুদ্ৰ ব্যৱসায়ৰ ক্ষেত্ৰত IS উদ্ভাৱনৰ গ্ৰহণ/প্ৰসাৰ সন্দৰ্ভত অব্যাহত গৱেষণাত বৰঙণি যোগায়। |
7af2c4d2f4927be654292a55f4abb04c63c76ee3 | |
ea39812bb04923faff76ba567649aceaf19a660e | মানৱ পদব্ৰজে হৈছে চিকিৎসা ৰোগ নিৰ্ণয়ৰ ক্ষেত্ৰত ব্যৱহাৰৰ বাবে এতিয়ালৈকে অৱহেলিত হৈ থকা এটা অতি গুৰুত্বপূৰ্ণ বায় মেট্ৰিক। এই প্ৰবন্ধত আমি বুদ্ধিমান পদব্ৰজমা দ্ৰাৱণ (আই জি অ ডি) নামৰ এটা পৰিধানযোগ্য ছেন্সৰ ভিত্তিক বায় মেট্ৰিক স্যুটৰ পৰা আহৰণ কৰা মানৱ পদব্ৰজমৰ ওপৰত এটা সম্ভাৱনীয়তা অধ্যয়ন কৰো। এই সাজটোৱে মানুহৰ শৰীৰৰ আঠটা প্ৰধান জইণ্ট (দুটা হাঁটু, দুটা ভৰি, দুটা হাতুৰী আৰু দুটা ভৰি) ৰ পৰা একে সময়তে হোৱা পদব্ৰজে অস্থিৰতা জোখে। মানুহৰ খোজৰ ধৰণ বিশ্লেষণ আৰু বুজাৰ বাবে কৌশলসমূহ বিকশিত কৰা হৈছিল। 3km/h ৰ পৰা 5km/h ৰ ভিতৰত হোৱা গতিৰ সৈতে হেঁপাহৰ দ্ৰুতিৰ বৈকল্পিকতা অধ্যয়ন কৰা হৈছিল। লিংগ বৈষম্য (পুৰুষ/মহিলা) পদব্ৰজে দ্ৰাৱণীয়তা অধ্যয়ন কৰা হৈছে। হাঁড়ৰ জইন্টৰ গতি আৰু হুপ জইন্টৰ দোলন প্ৰভাৱিত মানৱ গ্যাটৰ ওপৰত এক ব্যাপক বিশ্লেষণে বাহুৰ দোলনৰ প্ৰভাৱৰ সৈতে মোকাবিলা কৰিছে। এই বিশ্লেষণে আমাক মানুহৰ দ্বিপদ গতি আৰু ইয়াৰ স্থায়িত্বৰ বিষয়ে এক অন্তৰ্দৃষ্টি প্ৰদান কৰিব। আমি মানুহৰ খোজৰ দ্ৰাৱ্যৰ এটা ভঁৰাল গঢ়াৰ পৰিকল্পনা কৰিছো যিটো ব্যক্তিৰ পৰিচয় আৰু ৰোগীৰ খোজৰ সমস্যা চিনাক্তকৰণৰ বাবে বিশ্লেষণ কৰিব পাৰি, যিটো চিকিৎসা ক্ষেত্ৰত ৰোগ চিনাক্তকৰণ। |
f2c4082faeff5d63b0144ef371c8964621ee33bf | ব্ৰেইন কম্পিউটাৰ ইণ্টাৰফেচ (বিচিআই) এ ব্যৱহাৰকাৰীসকলক প্ৰান্তীয় স্নায়ু আৰু মাংসপেশীৰ মগজুৰ স্বাভাৱিক আউটপুট পথৰ পৰিৱৰ্তে মগজুৰ সংকেত ব্যৱহাৰ কৰি বাহ্যিক ডিভাইচসমূহৰ সৈতে যোগাযোগ বা নিয়ন্ত্ৰণ কৰিবলৈ অনুমতি দিয়ে। গুৰুতৰভাৱে অক্ষম ব্যক্তিসকলৰ স্বাধীনতা পুনৰ স্থাপন কৰাৰ আশাৰে আৰু বাহ্যিক প্ৰণালীৰ ওপৰত মানুহৰ নিয়ন্ত্ৰণ আৰু অধিক সম্প্ৰসাৰিত কৰাৰ আগ্ৰহেৰে বহু ক্ষেত্ৰৰ গৱেষকসকলে এই প্ৰত্যাহ্বানমূলক নতুন কামত জড়িত হৈ আছে। বি চি আইৰ গৱেষণা আৰু বিকাশ বিগত দুটা দশকত বিস্ফোৰকভাৱে বৃদ্ধি পাইছে। শেহতীয়াকৈ, বাস্তৱ-বিশ্বৰ প্ৰয়োগৰ বাবে গুৰুতৰভাৱে অক্ষম ব্যক্তিসকলক লেবৰেটৰী-ভ্যালিডেটেড বিচিআই প্ৰণালী প্ৰদানৰ প্ৰচেষ্টা আৰম্ভ হৈছে। এই প্ৰবন্ধত আমি বিচিআই প্ৰযুক্তি আৰু ইয়াৰ ক্লিনিকাল এপ্লিকেচনৰ বৰ্তমানৰ স্থিতি আৰু ভৱিষ্যতৰ সম্ভাৱনা সম্পৰ্কে আলোচনা কৰিম। আমি বিচিআইৰ সংজ্ঞা দিব, মানৱ মগজুৰ পৰা বিচিআই-প্ৰাসংগিক সংকেতসমূহ পৰ্যালোচনা কৰিম, আৰু বিচিআইৰ কাৰ্যকৰী উপাদানসমূহ বৰ্ণনা কৰিম। আমি বিচিআই প্ৰযুক্তিৰ বৰ্তমানৰ ক্লিনিকেল এপ্লিকেচনসমূহৰো পৰ্যালোচনা কৰিম আৰু সম্ভাৱ্য ব্যৱহাৰকাৰী আৰু সম্ভাৱ্য এপ্লিকেচনসমূহ চিনাক্ত কৰিম। শেষত, আমি বিচিআই প্ৰযুক্তিৰ বৰ্তমানৰ সীমাবদ্ধতা, ইয়াৰ ব্যাপক ক্লিনিকাল ব্যৱহাৰৰ প্ৰতিবন্ধকতা আৰু ভৱিষ্যতৰ আশা সম্পৰ্কে আলোচনা কৰিম। |
b452a829d69fb1e265cf9277ff669bbc2fa8859b | বৰ্তমানৰ নিউৰেল মেচিন অনুবাদ (এনএমটি) মডেলবোৰে সাধাৰণতে দস্তাবেজ-স্তৰৰ তথ্যৰ সুবিধা গ্ৰহণ কৰাৰ সুযোগ হেৰুৱাই পৃথকে পৃথকে বাক্য অনুবাদ কৰে। এই কামত, আমি NMT মডেলক অতি কম ওজনৰ কেশ্বৰ দৰে মেমৰি নেটৱৰ্কৰ সৈতে সম্প্ৰসাৰিত কৰাৰ প্ৰস্তাৱ দিছো, যিয়ে শেহতীয়া লুকাই থকা প্ৰতিনিধিত্বক অনুবাদ ইতিহাস হিচাপে সঞ্চয় কৰে। মেমৰিৰ পৰা প্ৰাপ্ত অনুবাদ ইতিহাসৰ ওপৰত নিৰ্ভৰ কৰি সৃষ্টি কৰা শব্দসমূহৰ ওপৰত সম্ভাৱ্যতা বিতৰণ অনলাইন আপডেট কৰা হয়, NMT মডেলসমূহক সময়ৰ সৈতে গতিশীলভাৱে খাপ খোৱাৰ ক্ষমতা প্ৰদান কৰে। বিভিন্ন বিষয় আৰু শৈলীৰ সৈতে একাধিক ক্ষেত্ৰৰ পৰীক্ষা-নিৰীক্ষাই গণনাকাৰ ব্যয়ৰ ওপৰত অৱহেলনীয় প্ৰভাৱৰ সৈতে প্ৰস্তাৱিত পদ্ধতিৰ কাৰ্যকৰীতা দেখুৱায়। |
6a821cb17b30c26218e3eb5c20d609dc04a47bcb | স্পাৰ্ছিতিয়ে শূন্যসমূহ বাদ দি গভীৰ নিউৰেল নেটৱৰ্কৰ গণনামূলক জটিলতা হ্ৰাস কৰাত সহায় কৰে। পৰৱৰ্তী প্ৰজন্মৰ ডিএনএন এক্সিলাৰেটৰ যেনে টিপিইউ [1] ত ক্ষীপ্ৰতাৰ সুবিধা গ্ৰহণ কৰাটো এক উচ্চ অগ্ৰাধিকাৰ হিচাপে তালিকাভুক্ত কৰা হৈছে। স্পাৰ্ছিতীৰ গঠন, অৰ্থাৎ, ছাঁটাইৰ দ্ৰুততা, হাৰ্ডৱেৰ ত্বৰান্বিতক ডিজাইনৰ দক্ষতা আৰু লগতে ভৱিষ্যদ্বাণী সঠিকতাক প্ৰভাৱিত কৰে। ঘন-কণাযুক্ত ছাঁটাই নিয়মীয়া স্পাৰসিটি পট্ৰ ন সৃষ্টি কৰে, ইয়াক হাৰ্ডৱেৰ ত্বৰণৰ বাবে অধিক গ্ৰহণযোগ্য কৰি তোলে কিন্তু একে সঠিকতা বজাই ৰখাটো অধিক প্ৰত্যাহ্বানমূলক। এই প্ৰবন্ধত আমি পৰিমানগতভাৱে ক্ষীপ্ৰতা নিয়মীয়াকৰণ আৰু ভৱিষ্যদ্বাণী সঠিকতাৰ মাজত বাণিজ্য-অফ জোখাৰ, অধিক সুসংগঠিত ক্ষীপ্ৰতা পট্ৰন থকাৰ সময়ত সঠিকতা কেনেকৈ বজাই ৰাখিব লাগে তাৰ অন্তৰ্দৃষ্টি প্ৰদান কৰে। আমাৰ পৰীক্ষামূলক ফলাফলৰ পৰা দেখা গৈছে যে, ঘন দানাযুক্ত ছাঁইনিয়ে সঠিকতা হেৰুওৱাৰ অবিহনে অগঠিত ছাঁইনিৰ সৈতে একেধৰণৰ ক্ষুদ্ৰতা অনুপাত লাভ কৰিব পাৰে। তদুপৰি, সূচক সংৰক্ষণৰ প্ৰভাৱৰ বাবে, ঘন-শস্যযুক্ত ছাঁটাইয়ে একে নিৰ্ভুলতাৰ সীমাত সূক্ষ্ম-শস্যযুক্ত ক্ষুদ্ৰতাৰ তুলনাত ভাল সংকোচন অনুপাত লাভ কৰিবলৈ সক্ষম হয়। শেহতীয়া স্পাৰছ কনভলুশ্যনেল নিউৰেল নেটৱৰ্ক এক্সেলাৰেটৰ (SCNN) ৰ ওপৰত ভিত্তি কৰি আমাৰ পৰীক্ষাসমূহে আৰু অধিক প্ৰমাণ কৰে যে ফাইন-গ্ৰেনড স্পাৰছিতাৰ তুলনাত গ্ৰাছ-গ্ৰেনড স্পাৰছিতাই মেমৰিৰ প্ৰসংগসমূহ ২ গুণ সঞ্চয় কৰে। যিহেতু মেমৰি ৰেফাৰেন্স গাণিতিক কাৰ্য্যতকৈ দুই মানতকৈ অধিক ব্যয়বহুল, সেয়েহে বিৰল গাঁথনিৰ নিয়মীয়াকৰণ অধিক কাৰ্যকৰী হাৰ্ডৱেৰ ডিজাইনৰ বাবে পৰিচালিত হয়। |
0651b333c2669227b0cc42de403268a4546ece70 | অসংখ্য শিক্ষণ কাৰ্য্যই ক্ৰমিক তথ্যৰ সৈতে মোকাবিলা কৰাৰ প্ৰয়োজন। ছবিৰ ক্যাপছন, ভাষাৰ সংশ্লেষণ আৰু সংগীত সৃষ্টিৰ বাবে সকলোতে মডেলৰ পৰা ক্ৰমৰ আউটপুটৰ প্ৰয়োজন হয়। অন্য ক্ষেত্ৰসমূহ, যেনে সময় শৃংখলাৰ ভৱিষ্যদ্বাণী, ভিডিঅ বিশ্লেষণ, আৰু সংগীতৰ তথ্য আহৰণ, এটা মডেলক ক্ৰমৰ পৰা ইনপুটৰ পৰা শিকিব লাগে। প্ৰাকৃতিক ভাষাৰ অনুবাদ, সংলাপত অংশগ্ৰহণ আৰু ৰবট নিয়ন্ত্ৰণ আদিৰ দৰে আন্তঃক্ৰিয়াশীল কামবোৰে প্ৰায়ে দুয়োটা সামৰ্থ্যৰ প্ৰয়োজন হয়। পুনৰাবৃত্ত নিউৰেল নেটৱৰ্ক (RNNs) হৈছে সংযোগবাদী মডেল যি নোডৰ নেটৱৰ্কৰ চক্ৰৰ জৰিয়তে ক্ৰমৰ গতিশীলতা ধৰা পেলায়। মানক ফিডফৰৱাৰ্ড নিউৰেল নেটৱৰ্কৰ বিপৰীতে, পুনৰাবৃত্ত নেটৱৰ্কে এটা অৱস্থা ধৰি ৰাখে যি এটা নিৰ্দিষ্ট দীঘল প্ৰসংগ উইণ্ডোৰ পৰা তথ্য প্ৰতিনিধিত্ব কৰিব পাৰে। যদিও পুনৰাবৃত্ত নিউৰেল নেটৱৰ্কসমূহ পৰম্পৰাগতভাৱে প্ৰশিক্ষণ দিয়া কঠিন আৰু প্ৰায়ে লক্ষ লক্ষ পেৰামিটাৰ থাকে, নেটৱৰ্ক স্থাপত্য, অপ্টিমাইজেশ্যন কৌশল আৰু সমান্তৰাল গণনাৰ শেহতীয়া অগ্ৰগতিয়ে তেওঁলোকৰ সৈতে সফল বৃহৎ-স্কেল শিকন সক্ষম কৰিছে। সাম্প্ৰতিক বছৰবোৰত, দীৰ্ঘ-স্বল্প-কালীন স্মৃতি (LSTM) আৰু দ্বি-মুখী (BRNN) স্থাপত্যৰ ওপৰত ভিত্তি কৰি থকা প্ৰণালীবোৰে ছবিৰ ক্যাপশ্যন, ভাষাৰ অনুবাদ আৰু হস্তাক্ষৰৰ স্বীকৃতিৰ দৰে বিভিন্ন কামত যুগান্তকাৰী প্ৰদৰ্শন প্ৰদৰ্শন কৰিছে। এই সমীক্ষাত আমি বিগত তিনি দশকৰ গৱেষণাৰ পৰ্যালোচনা আৰু সংক্ষেপ কৰিছো যিয়ে প্ৰথমে এই শক্তিশালী শিক্ষণ মডেলৰ ফলপ্ৰসূতা প্ৰদান কৰে আৰু তাৰ পিছত ব্যৱহাৰিক ৰূপ দিয়ে। য ত প্ৰয়োজন হয়, আমি বিৰোধী চিহ্ন আৰু নামকৰণক মিলাই লওঁ। আমাৰ লক্ষ্য হৈছে প্ৰাথমিক গৱেষণাৰ প্ৰসংগ আৰু ঐতিহাসিক দৃষ্টিকোণৰ সৈতে শিল্পৰ অৱস্থা সম্পৰ্কে স্ব-নিৰ্দিষ্ট ব্যাখ্যা প্ৰদান কৰা। |
db10480323bd2b9aeb58268678c204053722d6ad | |
168a89ce530c63720da844a30f5fce0c8f00fe8b | আমি সীমাহীন স্ৰোতসমূহৰ জোড়ৰ ওপৰত স্লাইডিং উইণ্ডো জইনসমূহৰ মূল্যায়নৰ বাবে এলগৰিথমৰ অনুসন্ধান কৰো। আমি এই এলগৰিথমসমূহৰ প্ৰত্যাশিত প্ৰদৰ্শন বিশ্লেষণ কৰিবলৈ এক একক-বেছ ব্যয়ৰ মডেল প্ৰৱৰ্তন কৰো। এই ব্যয়ৰ মডেল ব্যৱহাৰ কৰি আমি তিনিটা দৃশ্যত সংযোজন প্ৰক্ৰিয়াৰ কাৰ্যকৰীতা বৃদ্ধিৰ কৌশল প্ৰস্তাৱ কৰো। প্ৰথমতে, আমি এটা ঘটনা বিবেচনা কৰো য ত এটা স্রোত আনটোতকৈ বেছি দ্ৰুত। আমি দেখুৱাম যে যোগদান এলগৰিথমৰ অসামৰিক সংমিশ্ৰণ, (যেনে, এটা ইনপুটত হেচ যোগদান, আনটোতে নেষ্টেড-লুপ যোগদান) সমান্তৰিক যোগদান এলগৰিথম ৰূপায়ণক অতিক্ৰম কৰিব পাৰে। দ্বিতীয়তে, আমি তদন্ত কৰো যেতিয়া প্ৰণালীটোৰ সম্পদবোৰ প্ৰৱেশ স্ৰোতবোৰৰ লগত খাপ খাবলৈ পৰ্যাপ্ত নহয়। আমি দেখুৱাম যে আমি দুটা ইনপুট ষ্ট্ৰিমৰ মাজত সঠিকভাৱে কম্পিউটিং সম্পদ আৱণ্টন কৰি এই ক্ষেত্ৰত উৎপাদিত যোগদান ফলাফলৰ টুপলৰ সংখ্যা সৰ্বাধিক কৰিব পাৰো। শেষত, আমি মেমৰি সীমিত হ লে উৎপাদিত ফলাফলৰ টুপলৰ সংখ্যা বৃদ্ধি কৰাৰ কৌশল অনুসন্ধান কৰোঁ আৰু দেখুৱাম যে দুটা ইনপুট ষ্ট্ৰিমৰ মাজত সঠিক মেমৰি আৱণ্টনৰ ফলত উল্লেখযোগ্যভাৱে কম সম্পদ ব্যৱহাৰ আৰু/বা অধিক ফলাফল টুপল উৎপন্ন হ ব পাৰে। |
39348c10c90be968357e2a6b65d5e0e479307735 | তদুপৰি আমি দেখুৱাম যে কিছুমান তথ্যই আনতকৈ সামাজিক সংযোগৰ ভাল সূচক আৰু এই সূচকবোৰ ব্যৱহাৰকাৰী জনসংখ্যাৰ মাজত ভিন্ন হয় আৰু বিভিন্ন সম্প্ৰদায়ৰ ব্যক্তিসকলৰ সামাজিক জীৱনৰ এক আভাস প্ৰদান কৰে। আমাৰ প্ৰযুক্তিসমূহে স্বয়ংক্ৰিয়ভাৱে বাস্তৱ জগতৰ সংযোগসমূহ অনুমান কৰাৰ লগতে সম্প্ৰদায়সমূহ আৱিষ্কাৰ, লেবেলিং আৰু চৰিত্ৰায়ন কৰাৰ ক্ষেত্ৰত সম্ভাৱ্য প্ৰয়োগ প্ৰদান কৰে। ইণ্টাৰনেট আমাৰ বিষয়ে তথ্যৰ এক বিশাল ভঁৰাল হৈ পৰিছে। ব্যৱহাৰকাৰীৰ হোমপেজৰ লিংক আৰু টেক্সটৰ পৰা আৰম্ভ কৰি ব্যৱহাৰকাৰীয়ে সদস্যতা লোৱা মেইলিং লিষ্টলৈকে সকলোবোৰ ব্যৱহাৰকাৰীৰ বাস্তৱ জগতত সামাজিক ক্ৰিয়া-কলাপৰ প্ৰতিফলন। এই প্ৰবন্ধত আমি ব্যক্তিৰ মাজত সম্পৰ্ক অনুমান কৰিবলৈ এই তথ্য খনিৰ কৌশল উদ্ভাৱন কৰো। |
d729b3a3f519a7b095891ed2b6aab459f6e121a9 | এই প্ৰবন্ধত ইলেক্ট্ৰ ষ্টেটিক ডিচাৰ্জ (ইএছডি) ৰ দ্বাৰা সুৰক্ষিত ৬৫-এনএম চিএমঅ এচ প্ৰযুক্তিৰ এফচি কম-শব্দ বৰ্ধক (এলএনএ) ৰ বিষয়ে অধ্যয়ন কৰা হৈছে। ইএছডি-সুৰক্ষিত এলএনএসমূহ ৫.৮ গিগাহেক্টৰ গতিত উপলব্ধি কৰিবলৈ তিনিটা ভিন্ন ইএছডি ডিজাইন ব্যৱহাৰ কৰা হয়, য ত ডাবল-ডায়ড, সংশোধিত চিলেকচন নিয়ন্ত্ৰিত ৰেক্টাইফায়াৰ (এছচিআৰ), আৰু সংশোধিত-এছচিআৰ সহ ডাবল-ডায়ড কনফিগাৰেশ্যন অন্তৰ্ভুক্ত থাকে। ডাবল-ডায়ডৰ সৈতে সংশোধিত-এছচিআৰ ব্যৱহাৰ কৰি, একাধিক ইএছডি সোঁতৰ পথৰ সৈতে ৫.৮-জিএইচজি এলএনএ ৪.৩-এ ট্ৰান্সমিশ্যন লাইন পালছ (টিএলপি) বিফলতা স্তৰ প্ৰদৰ্শন কৰে, যি প্ৰায় ৬.৫-কেভল্টৰ হ্যুমেন-বডি-মোড (এইচবিএম) ইএছডি সুৰক্ষা স্তৰক সামঞ্জস্য কৰে। ১.২ ভল্টৰ এডাপ্ট ভল্টেজ আৰু ৬.৫ এমএৰ ড্ৰেইন কাৰেণ্টৰ অধীনত, প্ৰস্তাৱিত ইএছডি-সুৰক্ষিত এলএনএৰ শব্দৰ পৰিসংখ্যা ২.৫৭ ডিবিৰ সৈতে ১৬.৭ ডিবিৰ এক সংযুক্ত শক্তি লাভ প্ৰদৰ্শন কৰে। ইনপুট তৃতীয়-অৰ্ডাৰ ইণ্টাৰচেপ্ট পইণ্ট (IIP3) হৈছে -১১ ডিবিএম, ইনপুট আৰু আউটপুট ৰিটাৰ্ণ ল ষ্ট ক্ৰমে ১৫.৯ আৰু ২০ ডিবিতকৈ অধিক। |
b1397c9085361f308bd70793fc2427a4416973d7 | এই প্ৰবন্ধত স্থানসমূহৰ উপস্থিতিৰ ওপৰত ভিত্তি কৰি চিনাক্তকৰণৰ সমস্যাটোৰ এটা সম্ভাব্যতাবাদী পদ্ধতিৰ বিষয়ে বৰ্ণনা কৰা হৈছে। আমি যিটো ব্যৱস্থা প্ৰদৰ্শন কৰিছো সেয়া স্থানীয়কৰণৰ সৈতে সীমাবদ্ধ নহয়, কিন্তু এটা নতুন পৰ্যবেক্ষণ পূৰ্বতে দেখা নোপোৱা ঠাইৰ পৰা আহিছে বুলি নিৰ্ণয় কৰিব পাৰে, আৰু সেয়ে ইয়াৰ মানচিত্ৰ বঢ়াব পাৰে। বাস্তৱত ই হ ল চেহেৰাৰ ক্ষেত্ৰত এটা SLAM প্ৰণালী। আমাৰ সম্ভাৱ্যতাবাদী পদ্ধতিয়ে আমাক পৰিবেশত উপলব্ধিৰ আলিয়াজিংৰ স্পষ্টভাৱে হিচাপ কৰিবলৈ অনুমতি দিয়ে-সদৃশ কিন্তু অদ্বিতীয় পৰ্যবেক্ষণবোৰ একে স্থানৰ পৰা অহাৰ কম সম্ভাৱনা লাভ কৰে। আমি স্থানৰ ৰূপৰ এক সৃষ্টিশীল মডেলৰ শিক্ষাৰ দ্বাৰা এই কাৰ্য্য সম্পাদন কৰো। শিক্ষণ সমস্যাক দুটা ভাগত ভাগ কৰি, নতুন স্থানৰ মডেলবোৰ কেৱল এটা স্থানৰ এটা পৰ্যবেক্ষণৰ পৰা অনলাইন শিকিব পাৰি। মানচিত্ৰৰ স্থানৰ সংখ্যাৰ ক্ষেত্ৰত এলগৰিথমৰ জটিলতা ৰেখিক, আৰু ই বিশেষভাৱে ম বাইলত অনলাইন লুপ বন্ধ হোৱাৰ চিনাক্তকৰণৰ বাবে উপযুক্ত। |
988058ab8dfcb27e9566c6bcef398a4407b1ea04 | |
b320b4b23f708344b7bc4af20fdb37e56543d1a2 | আমি এটা সৰল পদ্ধতি প্ৰদৰ্শন কৰিছো যিয়ে লক্ষ্য ভাষাৰ সিন্টেক্টিকেল তথ্যক স্নায়ৱিক মেচিন অনুবাদ প্ৰণালীত সংযুক্ত কৰিব পাৰে। WMT16 জাৰ্মান-ইংৰাজী সংবাদ অনুবাদ কাৰ্যৰ ওপৰত কৰা পৰীক্ষাসমূহে একেটা ডাটা ছেটত প্ৰশিক্ষিত এটা সিনটেক্স-অজ্ঞান NMT বেছলাইনৰ তুলনাত BLEU স্ক ৰৰ উন্নতি দেখুৱাইছে। সিনট্যাক্স-সচেতন ব্যৱস্থাৰ পৰা অনুবাদসমূহৰ বিশ্লেষণে দেখুৱায় যে ই বেছলাইন তুলনাত অনুবাদৰ সময়ত অধিক পুনৰায়-নিৰ্ধাৰণ কৰে। এটা ক্ষুদ্ৰ মানৱ মূল্যায়নেও সিনটাক্স-সচেতন ব্যৱস্থাৰ এটা সুবিধা দেখুৱাইছে। গ্ৰহণ কৰা হৈছে... হেডাৰ |
3d809bb3b414a8ee58492e7ea775d6631ea05e91 | দক্ষিণ চীনৰ কিছুমান অঞ্চলত কেণ্টনিজ এটা গুৰুত্বপূৰ্ণ উপভাষা। স্থানীয় অনলাইন ব্যৱহাৰকাৰীসকলে প্ৰায়েই তেওঁলোকৰ মতামত আৰু অভিজ্ঞতা ৱেবত লিখিত কান্ট নিজ ভাষাৰে প্ৰকাশ কৰে। যদিও এই পৰ্যালোচনাসমূহৰ তথ্য সম্ভাব্য গ্ৰাহক আৰু বিক্ৰেতাৰ বাবে মূল্যৱান, বিপুল সংখ্যক ৱেব পৰ্যালোচনাই এটা পণ্যৰ নিৰপেক্ষ মূল্যায়ন কৰাটো কঠিন কৰি তোলে আৰু কেণ্টনিজ পৰ্যালোচনাবোৰ মেণ্ডাৰিন চীনা ভাষী লোকৰ বাবে অজ্ঞাত। এই প্ৰবন্ধত, ব্যৱহাৰকাৰী পৰ্যালোচনাসমূহ স্বয়ংক্ৰিয়ভাৱে ইতিবাচক বা নেতিবাচক হিচাপে শ্ৰেণীবদ্ধ কৰিবলৈ, naive Bayes আৰু SVM ৰ দৰে মানক মেচিন লাৰ্ণিং কৌশলবোৰ অনলাইন কান্ট নেজ-লিখিত ৰেস্তোৰাঁৰ পৰ্যালোচনাৰ ক্ষেত্ৰলৈ অন্তৰ্ভুক্ত কৰা হৈছে। শ্ৰেণীবিভাজনৰ কাৰ্যক্ষমতাৰ ওপৰত বৈশিষ্ট্য উপস্থাপনা আৰু বৈশিষ্ট্য আকাৰৰ প্ৰভাৱৰ বিষয়ে আলোচনা কৰা হৈছে। আমি দেখিবলৈ পাওঁ যে শ্ৰেণীবিভাজনৰ মডেল আৰু বৈশিষ্ট্যৰ বিকল্পৰ মাজৰ পাৰস্পৰিক ক্ৰিয়া-প্ৰতিক্ৰিয়াই সঠিকতাক প্ৰভাৱিত কৰে। নেভি বেইজ ক্লাচিফায়াৰ SVM ৰ তুলনাত ভাল বা ভাল সঠিকতা অৰ্জন কৰে। কেণ্টনিজ অনুভূতি অভিমুখীকৰণ ধৰা পেলোৱাত একক আৰু ত্ৰিগ্ৰামতকৈ চৰিত্ৰ-ভিত্তিক বিগ্ৰামৰ বৈশিষ্ট্য উন্নত বুলি প্ৰমাণিত হৈছে। ২০১০ এলেছভিয়াৰ লিমিটেড সকলো অধিকাৰ সংৰক্ষিত। |
771636b26260fac6d215df5e76c9ce72c346ba88 | |
025720574ef67672c44ba9e7065a83a5d6075c36 | আমি ভিডিঅ ক্ৰমৰ প্ৰতিনিধিত্ব শিকিবলৈ বহুস্তৰীয়া দীৰ্ঘ ক্ষুদ্ৰ মেমৰি (LSTM) নেটৱৰ্ক ব্যৱহাৰ কৰো। আমাৰ মডেলত এটা এনকোডাৰ এলএছটিএম ব্যৱহাৰ কৰা হৈছে যাতে এটা ইনপুট ক্ৰমক এটা স্থিৰ দৈৰ্ঘ্যৰ প্ৰতিনিধিত্বত মেপ কৰিব পাৰি। এই প্ৰতিনিধিত্বক একক বা একাধিক ডিকোডাৰ এলএছটিএম ব্যৱহাৰ কৰি বিভিন্ন কাম সম্পাদন কৰিবলৈ ডিকোড কৰা হয়, যেনে ইনপুট ক্ৰম পুনৰ নিৰ্মাণ কৰা, বা ভৱিষ্যতৰ ক্ৰমৰ ভৱিষ্যদ্বাণী কৰা। আমি দুটা প্ৰকাৰৰ ইনপুট ক্ৰমৰ সৈতে পৰীক্ষা-নিৰীক্ষা কৰো - ছবি পিক্সেলৰ পেচ আৰু উচ্চ-স্তৰৰ প্ৰতিনিধিত্ব (প্ৰেপ্ট) পূৰ্ব-প্ৰশিক্ষিত কনভলুশ্যনেল নেট ব্যৱহাৰ কৰি আহৰণ কৰা ভিডিঅ ফ্ৰেমৰ। আমি বিভিন্ন ডিজাইন পছন্দসমূহ অন্বেষণ কৰো যেনে ডিকোডাৰ এলএছটিএমবোৰ নিৰ্মিত আউটপুটৰ ওপৰত নিৰ্ভৰ কৰিব লাগে নে নাই। আমি মডেলৰ আউটপুটবোৰ গুণগতভাৱে বিশ্লেষণ কৰো যাতে মডেলটোৱে শিকোৱা ভিডিঅ প্ৰতিনিধিত্বক ভৱিষ্যত আৰু অতীতলৈ কিমান ভালদৰে এক্সট্ৰাপ ল কৰিব পাৰে। আমি শিকিবলগীয়া কথাখিনিৰ বিষয়ে ভাবিবলৈ আৰু বুজিবলৈ চেষ্টা কৰোঁ। আমি মডেলটো দীৰ্ঘকালীন সময় আৰু ড মেইনৰ বাহিৰৰ তথ্যৰ ওপৰত চলাই ষ্ট্ৰেছ টেষ্ট কৰো। আমি UCF-101 আৰু HMDB-51 ডাটা ছেটত মানৱ ক্ৰিয়াৰ স্বীকৃতিৰ বাবে নিৰীক্ষণ কৰা শিক্ষণৰ সমস্যাটোৰ বাবে প্ৰতিনিধিত্ববোৰ সূক্ষ্মভাৱে নিৰীক্ষণ কৰি আৰু অধিক মূল্যায়ন কৰো। আমি দেখুৱাম যে প্ৰতিনিধিত্ববোৰে শ্ৰেণীবিভাজনৰ সঠিকতা উন্নত কৰাত সহায় কৰে, বিশেষকৈ যেতিয়া মাত্ৰ কেইটামান প্ৰশিক্ষণৰ উদাহৰণ থাকে। আনকি অপৰম্পাৰিক ডাটা ছেট (৩০০ ঘন্টা ইউটিউব ভিডিঅ ) ত পূৰ্ব প্ৰশিক্ষিত মডেলবোৰেও ক্ৰিয়া চিনাক্তকৰণ কাৰ্য্যক্ষমতাত সহায় কৰিব পাৰে। |
14316b885f65d2197ce8c6d4ab3ee61fdab052b8 | এই প্ৰকাশনত পুনঃপ্ৰকাশিত প্ৰবন্ধ আছে যাৰ বাবে আই ই ই ইৰ কপিৰাইট নাই। এই প্ৰবন্ধসমূহৰ সম্পূৰ্ণ পাঠ IEEE Xplore ত উপলব্ধ নহয়। |
3068d1d6275933e7f4d332a2f2cf52543a4f0615 | এটা সমৰূপীয় বা ক্ৰমান্বয়ে বৃদ্ধি পোৱা, বহুবিধ হেচ ফাংচনে এটা হেচ মানক বস্তুসমূহৰ নিৰ্দিষ্ট সংগ্ৰহলৈ (সম্ভৱ পুনৰাবৃত্তিৰ সৈতে) এনেদৰে সংযুক্ত কৰে যে দুটা সংগ্ৰহৰ সংঘৰ হেচ দুটা সংগ্ৰহৰ হেচৰ পৰা গণনা কৰা সহজঃ ই কেৱল উপযুক্ত গোট কাৰ্য্যৰ অধীনত তেওঁলোকৰ যোগফল। বিশেষকৈ, বৃহৎ সংগ্ৰহসমূহৰ হেচ মানসমূহ ক্ৰমান্বয়ে আৰু/বা সমান্তৰালভাৱে গণনা কৰিব পাৰি। হোম মৰ্ফিক হেচিং হৈছে ডাটাবেছৰ অখণ্ডতা পৰীক্ষণৰ পৰা ষ্ট্ৰিমিং ছেট/মাল্টিছেট তুলনা আৰু নেটৱৰ্ক কোডিংলৈকে বিভিন্ন প্ৰয়োগৰ সৈতে এক অতি উপযোগী প্ৰাথমিক। দুৰ্ভাগ্যবশতঃ, সাহিত্যত হোম মৰ্ফিক হেচ ফাংশনসমূহৰ নিৰ্মাণ দুটা প্ৰধান অসুবিধাৰ দ্বাৰা বাধাগ্ৰস্ত হয়ঃ তেওঁলোকে একে সুৰক্ষা স্তৰত সাধাৰণ হেচ ফাংশনতকৈ বহু দীঘলীয়া হয় (যেনে। সাধাৰণ হেচ ফাংশনসমূহৰ বাবে 256 বিটৰ বিপৰীতে, ইহঁতৰ সংঘৰ্ষ প্ৰতিৰোধ 2 লাভ কৰিবলৈ, ইহঁতৰ দৈৰ্ঘ্য কেইবা হাজাৰ বিট হয়), আৰু ইহঁত যথেষ্ট ধীৰ। এই প্ৰবন্ধত, আমি এলিপ্টিক ক ৰ্ভ মাল্টিছেট হেচ (ECMH) প্ৰৱৰ্তন কৰো, যিটো BLAKE2 ৰ দৰে সাধাৰণ বিট ষ্ট্ৰিং-ভেল্যুড হেচ ফাংশনক বাইনেৰী এলিপ্টিক ক ৰ্ভত এক কাৰ্যকৰী এনকোডিংৰ সৈতে সংযুক্ত কৰে দুয়োটা অসুবিধা অতিক্ৰম কৰিবলৈ। এফালে, ইচিএমএইচ ডাইজেষ্টৰ আকাৰটো মূলতঃ সৰ্বোত্তমঃ ২ এম-বিট হেছ মানসমূহে O ((2) সংঘৰ্ষ প্ৰতিৰোধ প্ৰদান কৰে। আনহাতে, আমি ইচিএমএইচৰ এটা অতি কাৰ্যকৰী ছফ্টৱেৰ প্ৰয়োগ প্ৰদৰ্শন কৰিছো, যি আমাৰ পুংখানুপুংখ অভিজ্ঞতামূলক মূল্যায়নে প্ৰমাণ কৰিছে যে ই ৪ গিগাহৰ্টছ ইন্টেল হেচৱেল মেচিনত ১২৮ বিট নিৰাপত্তা স্তৰত প্ৰতি ছেকেণ্ডত ৩ নিযুততকৈও অধিক ছেট উপাদান প্ৰক্ৰিয়া কৰিব পাৰে- পূৰ্বৰ ব্যৱহাৰিক পদ্ধতিতকৈ বহুগুণে দ্ৰুত। যদিও ইলিপ্টিক বক্ৰকৰণৰ ওপৰত ভিত্তি কৰি ইনক্রিমেণ্টেল হেচিং পূৰ্বতে বিবেচনা কৰা হৈছে [1] , প্ৰস্তাৱিত পদ্ধতিটো কম কাৰ্যকৰী আছিল, সময় নিৰ্ধাৰণৰ আক্ৰমণৰ বাবে সংবেদনশীল, আৰু সম্ভাব্য পেটেণ্ট-আৱদ্ধ [2] আৰু কোনো ব্যৱহাৰিক ৰূপায়ণ প্ৰদৰ্শন কৰা হোৱা নাছিল। |
fbcd758ecc083037cd035c8ed0c26798ce62f15e | আমি প্ৰাথমিক প্ৰগ্ৰামসমূহত সুৰক্ষা-সংক্ৰান্ত আচৰণৰ নিৰ্দিষ্টকৰণৰ প্ৰতি লক্ষ্য ৰাখি নিৰীক্ষণ প্ৰয়োগ কৰি তেওঁলোকৰ কাৰ্যকৰীকৰণ নিৰীক্ষণ কৰি সুবিধাযুক্ত প্ৰগ্ৰামসমূহত দুৰ্বলতাসমূহৰ শোষণ আৱিষ্কাৰ কৰাৰ বাবে এক পদ্ধতি প্ৰদৰ্শন কৰিছো। আমাৰ কামৰ উদ্দেশ্য হৈছে অনুপ্ৰৱেশ চিনাক্তকৰণ প্ৰকৃতি, কিন্তু অপব্যৱহাৰৰ আচৰণক সংজ্ঞায়িত কৰাৰ বাবে এটা বিশেষ পদ্ধতিৰ প্ৰচেষ্টা। আমাৰ দৃষ্টিভংগীৰ ভিত্তি হৈছে এই যে যদিও বিশেষাধিকাৰপ্ৰাপ্ত প্ৰগ্ৰামসমূহক তেওঁলোকৰ বিশেষাধিকাৰৰ বাবে সুৰক্ষা ব্যৱস্থাত আপোচ কৰিবলৈ ব্যৱহাৰ কৰিব পাৰি, তথাপিও বিশেষাধিকাৰপ্ৰাপ্ত প্ৰগ্ৰামসমূহৰ আচৰণ সীমিত আৰু নিষ্ক্ৰিয়। ইয়াৰ মূল কথা হ ল, পৰিকল্পিত আচৰণ (Le., প্ৰগ্ৰাম পলিচী) নিৰ্ধাৰণ কৰা আৰু প্ৰাধিকাৰপ্ৰাপ্ত প্ৰগ্ৰামৰ যিকোনো কাৰ্য্য ধৰা পেলোৱা যিটো পৰিকল্পিত আচৰণৰ বাহিৰত আৰু নিৰাপত্তাক বিপন্ন কৰে। আমি এটা প্ৰগ্ৰাম পলিচি স্পেচিফিকেচন ভাষা বৰ্ণনা কৰো, যিটো সৰল প্ৰিডিকেট লজিক আৰু নিয়মীয়া অভিব্যক্তিৰ ওপৰত আধাৰিত। ইয়াৰ উপৰিও, আমি ইউনিক্সত বিশেষাধিকাৰপ্ৰাপ্ত প্ৰগ্ৰামৰ বিশেষ উল্লেখ আৰু এই বিশেষ উল্লেখৰ সৈতে অডিট ট্ৰেইল বিশ্লেষণৰ বাবে কিউ প্ৰ টোটাইপ কাৰ্য্যকৰী নিৰীক্ষণক প্ৰদৰ্শন কৰোঁ। এই কাৰ্যসূচীৰ নীতিসমূহ অতিশয় স্পষ্ট আৰু সংক্ষিপ্ত, আৰু ইয়াৰ উপৰিও, এই কাৰ্যসূচীত থকা চিনাক্ত হোৱা দুৰ্বলতাসমূহৰ ব্যৱহাৰৰ প্ৰতি লক্ষ্য ৰখাটো সম্ভৱ। আমাৰ কাম ইউনিক্সৰ চিনাক্ত হোৱা দুৰ্বলতাসমূহৰ দ্বাৰা অনুপ্ৰাণিত হ লেও, আমি বিশ্বাস কৰো যে সকলো বিশেষাধিকাৰপ্ৰাপ্ত প্ৰগ্ৰামৰ আচৰণক কঠোৰভাৱে সীমাবদ্ধ কৰি, অজ্ঞাত দুৰ্বলতাসমূহৰ শোষণক আৱিষ্কাৰ কৰিব পাৰি। নিৰ্দিষ্ট বিৱৰণীসমূহ পৰীক্ষা কৰাৰ পিছত, এটা বিমূঢ় নিৰাপত্তা নীতিৰ সৈতে এইসমূহৰ পৰীক্ষণৰ কাম চলি আছে। *এই কামটো চুক্তি নংৰ অধীনত ৰাষ্ট্ৰীয় নিৰাপত্তা এজেন্সিৰ বিশ্ববিদ্যালয় গৱেষণা কাৰ্যসূচীৰ দ্বাৰা আংশিকভাৱে পুঁজি যোগান ধৰা হৈছে। DOD-MDA904-93-C4083 আৰু ARPAৰ দ্বাৰা চুক্তি নংৰ অধীনত। USNN00014-94-1-0065 ৰ পৰা |
cb2111cb362f566be61c75ada38af53ecf95a1d3 | |
564264f0ce2b26fd80320e4f71b70ee8c67602ef | এই প্ৰবন্ধত আমি নিৰীক্ষণহীন ডমেইন স্থানান্তৰ শিক্ষণৰ সমস্যাটো সমাধান কৰিম য ত লক্ষ্য ডমেইনত কোনো লেবেল উপলব্ধ নহয়। আমি এটা ৰূপান্তৰকৰণ মেট্ৰিক্স ব্যৱহাৰ কৰি উৎস আৰু লক্ষ্য তথ্য দুয়োটাই এটা সাধাৰণ উপ-অৱস্থানলৈ স্থানান্তৰ কৰো, য ত প্ৰতিটো লক্ষ্য নমুনা উৎস নমুনাৰ সংমিশ্ৰণৰ দ্বাৰা প্ৰতিনিধিত্ব কৰিব পাৰি যাতে বিভিন্ন ক্ষেত্ৰৰ নমুনাবোৰ ভালদৰে আন্তঃসংযোগ কৰিব পাৰি। এই ধৰণে, উৎস আৰু লক্ষ্য ড মেইনৰ বিসংগতি হ্ৰাস কৰা হয়। পুনৰ্নিৰ্মাণ ঘনত্ব মেট্ৰিক্সত যৌথ নিম্ন-শ্ৰেণী আৰু বিৰল সীমাবদ্ধতা আৰোপ কৰি, তথ্যৰ গোলকীয় আৰু স্থানীয় গাঁথনি ৰক্ষা কৰিব পাৰি। বিভিন্ন শ্ৰেণীৰ মাজত পাৰ্থক্যবোৰ যিমান সম্ভৱ সিমান বৃদ্ধি কৰিবলৈ আৰু বিসংগতি হ্ৰাস কৰিবলৈ অধিক স্বাধীনতা প্ৰদান কৰিবলৈ, এটা নমনীয় ৰেখামূলক শ্ৰেণীবিভাজক (প্ৰক্ষেপণ) এটা অ-নেগেটিভ লেবেল শিথিলকৰণ মেট্ৰিক্স শিকাৰ দ্বাৰা প্ৰাপ্ত কৰা হয় যি কঠোৰ বাইনেৰী লেবেল মেট্ৰিক্সক এটা স্ল্যাক ভেৰিবল মেট্ৰিক্সলৈ শিথিল কৰিবলৈ অনুমতি দিয়ে। আমাৰ পদ্ধতিয়ে শব্দৰ মডেলিং কৰিবলৈ এটা বিৰল মেট্ৰিছ ব্যৱহাৰ কৰি এটা সম্ভাব্য নেতিবাচক স্থানান্তৰ এৰাই চলিব পাৰে আৰু সেয়েহে, বিভিন্ন ধৰণৰ শব্দৰ বাবে অধিক শক্তিশালী। আমি আমাৰ সমস্যাটো এটা নিম্ন-শ্ৰেণীৰ আৰু ক্ষুদ্ৰতা হ্ৰাসকৰণ সমস্যা হিচাপে প্ৰস্তুত কৰো আৰু ইয়াক অস্পষ্ট বৰ্ধিত লাগ্ৰাঞ্জ গুণক পদ্ধতিৰ দ্বাৰা সমাধান কৰোঁ। বিভিন্ন দৃশ্য ক্ষেত্ৰৰ অভিযোজন কাৰ্যৰ ওপৰত বিস্তৃত পৰীক্ষাই প্ৰস্তাৱিত পদ্ধতিৰ উন্নত পদ্ধতিৰ ওপৰত উচ্চতা প্ৰদৰ্শন কৰে। আমাৰ পদ্ধতিৰ MATLAB ক ড http://www.yongxu.org/lunwen.html ত পাবলিকভাৱে উপলব্ধ হ ব। |
13645dd03627503fd860a2ba73189e92393a67e3 | এই প্ৰবন্ধত আমি গ্ৰাছমান আৰু ষ্টীফেল মাল্টিফ ল্ডৰ ওপৰত নতুন নিউটন আৰু সংযুক্ত গ্ৰেডিয়েন্ট এলগৰিথম বিকাশ কৰিম। এই বহুমুখীবোৰে সমান্তৰিক স্বতন্ত্ৰ মূল্য সমস্যা, অ-ৰেখিক স্বতন্ত্ৰ মূল্য সমস্যা, ইলেক্ট্ৰনিক গাঁথনি গণনা আৰু সংকেত প্ৰক্ৰিয়াকৰণ আদি ক্ষেত্ৰত উদ্ভৱ হোৱা সীমাবদ্ধতা প্ৰতিনিধিত্ব কৰে। নতুন এলগৰিথমৰ উপৰিও আমি দেখুৱাম যে জ্যামিতিক ফ্ৰেমৱৰ্কটোৱে কেনেকৈ নতুন অন্তৰ্দৃষ্টি প্ৰদান কৰে যিয়ে আমাক এলগৰিথম সৃষ্টি, বুজিবলৈ আৰু তুলনা কৰিবলৈ অনুমতি দিয়ে। ইয়াত প্ৰস্তাৱিত তত্ত্বই সংখ্যাসূচক ৰৈখিক বীজগণিতৰ বাবে এটা শ্ৰেণীবিভাজন প্ৰদান কৰে যি পূৰ্বতে সম্পৰ্কহীন এলগৰিথমৰ এটা শীৰ্ষ স্তৰৰ গাণিতিক দৃষ্টি প্ৰদান কৰে। আমি আশা কৰো যে নতুন এলগৰিথম আৰু বিসংগতি তত্ত্বৰ বিকাশকাৰীসকলে এই প্ৰবন্ধত তত্ত্ব, পদ্ধতি আৰু উদাহৰণসমূহৰ পৰা উপকৃত হ ব। |
38d555bfe13b61e838364016219c7e42fb5dc919 | উদ্দেশ্য - এই প্ৰবন্ধৰ উদ্দেশ্য হৈছে বিজনেছ প্ৰচেছ মেনেজমেণ্ট (বিপিএম) প্ৰশাসন মডেলৰ প্ৰস্তাৱ দিয়া যি বিপিএম সিদ্ধান্ত গ্ৰহণৰ লগতে ভূমিকা আৰু দায়িত্ব নিৰ্ধাৰণ কৰে। এই অধ্যয়নৰ পৰিপ্রেক্ষিত হৈছে অষ্ট্ৰেলিয়াত কাৰ্য্যৰত এটা চৰকাৰী মালিকানাধীন নিগম। ডিজাইন/পদ্ধতি/প্ৰণালী - এটা গুণগত কেচ অধ্যয়ন, য ত বিষয়বস্তু বিশ্লেষণ পদ্ধতি ব্যৱহাৰ কৰি সাংগঠনিক নথি-পত্ৰ পৰীক্ষা আৰু বিশ্লেষণ কৰা হয়। নথি বিশ্লেষণৰ ফলাফলসমূহক সংগঠনৰ মূল অংশীদাৰসকলৰ গভীৰতাত সাক্ষাৎকাৰৰ ধাৰাবাহিকত ব্যৱহাৰ কৰা হয়। সাক্ষাৎকাৰসমূহ বিশ্লেষণ কৰা হয় ধাৰাবাহিক তুলনা পদ্ধতিৰ সহায়ত বিষয়বস্তু নিৰ্ণয় কৰা আৰু বৰ্ণনাৰ শ্ৰেণী গঠন কৰা। ফলাফল - এটা বিপিএম প্ৰশাসন মডেলৰ প্ৰস্তাৱ কৰা হৈছে। বিষয়গত বিশ্লেষণৰ ফলাফলবোৰ বিপিএম প্ৰশাসন মডেলৰ ফ্ৰেমৱৰ্কৰ বিৰুদ্ধে ব্যাখ্যা কৰা হয়, যাৰ ফলত তত্ত্ব আৰু অনুশীলনৰ বাবে প্ৰভাৱ থকা ফলাফল পোৱা যায়। ব্যৱহাৰিক প্ৰভাৱ - ব্যৱহাৰিক দিশত, গৱেষণাত দেখুওৱা হৈছে যে নিৰ্বাচিত কেছ ষ্টডি সংস্থাৰ কৰ্পৰেট গৱৰ্ণেন্স আৰু মেনেজমেণ্ট চিষ্টেমৰ সৈতে বিপিএম প্ৰক্ৰিয়া কেনেদৰে সমন্বিত আৰু একত্ৰিত কৰিব পাৰি। মূলধন/মূল্য - গৱৰ্ণেন্সৰ গুৰুত্ব আৰু ইয়াৰ সৈতে জড়িত সামৰ্থ্যৰ বিষয়ে গৱেষণা কৰিলেও, ওপৰত উল্লেখ কৰা সামৰ্থ্যসমূহ কেনেদৰে এটা প্ৰতিষ্ঠানত কাৰ্যকৰীভাৱে প্ৰয়োগ কৰিব পাৰি সেই বিষয়ে সামান্য অগ্ৰগতি হৈছে। এই প্ৰবন্ধটোৱে এটা সংগঠনত বিপিএম প্ৰশাসন কেনেকৈ প্ৰয়োগ কৰিব লাগে সেই সম্পৰ্কীয় সাহিত্যৰ এটা শূন্যতা দূৰ কৰে। |
268d3f28ae2295b9d2bf6fef2aa27faf9048a86c | আমি শ্ৰেণীভিত্তিক পুনৰাবৃত্ত নিউৰেল নেটৱৰ্ক (RNN) ভাষাৰ মডেলত বহুতো শব্দৰ ক্লাষ্টাৰিংৰ সম্ভাৱনীয়তা ব্যৱহাৰ কৰাৰ প্ৰস্তাৱ দিছো। ক্লাষ্টাৰিং চৰ্ত আৰু শব্দৰ অন্তৰ্ভুক্তিকৰণৰ স্থানৰ পৰিবৰ্তন কৰি, বিভিন্ন শব্দ/শ্ৰেণী বিভাজন সংজ্ঞায়িত কৰিবলৈ বিভিন্ন শব্দ ক্লাষ্টাৰিং পোৱা যায়। প্ৰতিটো শব্দ/শ্ৰেণীৰ কাৰকীকৰণৰ বাবে, কেইবাটাও আধাৰ RNNLMs শিকি লোৱা হয়, আৰু আধাৰ RNNLMs ৰ শব্দৰ ভৱিষ্যদ্বাণী সম্ভাৱনাসমূহ তাৰ পিছত একত্ৰিত কৰি এটা সংমিশ্ৰণ ভৱিষ্যদ্বাণী গঠন কৰা হয়। আমি এটা বেচি বেচি মডেলৰ বাবে এটা বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বেচি বে প্ৰস্তাৱিত এন্সেম্বল ভাষা মডেলিং পদ্ধতিৰ মূল্যায়ন পেন ট্ৰীবেংক টেষ্ট ছেটৰ লগতে ৱাল ষ্ট্ৰীট জাৰ্ণেল (WSJ) ইভেল ৯২ আৰু ৯৩ টেষ্ট ছেটত কৰা হৈছে, য ত ই উন্নত টেষ্ট ছেটৰ বিভ্ৰান্তি আৰু শব্দ ত্ৰুটিৰ হাৰ অত্যাধুনিক একক RNNLMs ৰ লগতে একাধিক RNNLMs বিভিন্ন RNN শিক্ষাৰ পৰিস্থিতিৰ দ্বাৰা উত্পাদিত। |
05a958194f1756fb91ddd3e2cd5794f9b0c312ce | বহুস্তৰীয় ইনভাৰ্টাৰে উদ্যোগ আৰু গৱেষণাত এক নতুন আগ্ৰহ সৃষ্টি কৰিছে। যদিও ধ্ৰুপদী টোপ লজিসমূহ উচ্চ ক্ষমতাসম্পন্ন মধ্য-ভোল্টেজৰ প্ৰয়োগৰ বিস্তৃত ক্ষেত্ৰত এটা কাৰ্যকৰী বিকল্প হিচাপে প্ৰমাণিত হৈছে, নতুন টোপ লজিৰ বিকাশত সক্ৰিয় আগ্ৰহ দেখা গৈছে। পুৰণি টপ লজিৰ তুলনাত সামগ্ৰিক অংশৰ সংখ্যা হ্ৰাস কৰাটো শেহতীয়াকৈ প্ৰৱৰ্তন কৰা টপ লজিৰ এটা গুৰুত্বপূৰ্ণ উদ্দেশ্য। এই প্ৰবন্ধত, অলপতে প্ৰস্তাৱিত বহুস্তৰীয় ইনভাৰ্টাৰ টোপ লজিৰ কিছু সংখ্যক শক্তিৰ স্যুইচ গণনা হ্ৰাস কৰা হৈছে আৰু বিশ্লেষণ কৰা হৈছে। এই প্ৰবন্ধটোৱে এইসমূহ টোপ লজিৰ এক পৰিচয় আৰু এক আপডেট হিচাপে কাম কৰিব, গুণগত আৰু পৰিমাণগত দুয়োটা পৰামিতিৰ ক্ষেত্ৰত। ইয়াৰ উপৰিও, যন্ত্ৰৰ সংখ্যা হ্ৰাস কৰাৰ প্ৰয়াস কৰিলে উদ্ভৱ হোৱা প্ৰত্যাহ্বানসমূহকো বিবেচনা কৰা হৈছে। এই প্ৰবন্ধত উপস্থাপন কৰা এই টপ লজিসমূহৰ এটা বিশদ তুলনাৰ ভিত্তিত, এটা নিৰ্দিষ্ট এপ্লিকেচনৰ বাবে উপযুক্ত মাল্টিলেভেল সমাধানত উপনীত হ ব পাৰি। |
79357470d76ae7aeb4f6e39efd7c3936d615caa4 | এই প্ৰবন্ধত এটা ৰেখীয় অপ্টিকেল ৰিচিভাৰ উপস্থাপন কৰা হৈছে যিটো ২৮ এনএম চিএমঅ এছ প্ৰযুক্তিৰ দ্বাৰা ২০ গিগাবাড/ছেকেণ্ড (৪০ গিগাবাইট/ছেকেণ্ড) পিএএম-৪ মডুলেশ্যনৰ বাবে উপযুক্ত। অপ্টিকেল ৰিচিভাৰটোত এটা ট্ৰান্সইম্পেডেন্স এম্প্লিফায়াৰ (গেইন এডজাষ্ট কৰিব পৰা ৪০ ডিবিঅ ৰ পৰা ৫৬ ডিবিঅ লৈ) আৰু তাৰ পিছত এটা ভেৰিবল গেইন এম্প্লিফায়াৰ (গেইন এডজাষ্ট কৰিব পৰা ৬ ডিবিৰ পৰা ১৭ ডিবিলৈ) থাকে। ক্যাপাচিটিভ পিকিং ব্যৱহাৰ কৰি ~10GHz বেণ্ডউইডথ লাভ কৰা হয়, যাৰ ফলত ডাঙৰ ডাই এলেকাৰ প্ৰয়োজন হোৱা অন-চিপ ইণ্ডাক্টৰৰ ব্যৱহাৰৰ পৰা হাত সাৰিব পাৰি। এটা শক্তিশালী স্বয়ংক্ৰিয় লাভ নিয়ন্ত্ৰণ চক্ৰ ব্যৱহাৰ কৰা হয় যাতে ২০μA ৰ পৰা ৫০০μA (পিক সোঁত) এটাৰ ইনপুট গতিশীল পৰিসৰৰ বাবে প্ৰায় ১০০mV ৰ এটা ধ্ৰুবক পাৰ্থক্য আউটপুট ভল্টেজ শ্বিং নিশ্চিত কৰিব পাৰি। এই একেই পৰিসৰত উচ্চ ৰেখামুখীতা (মোট হাৰম নিক বিকৃতি ৫% তকৈ কম, ২৫০MHz সাইনৱেভ, ১০ হাৰম নিক বিবেচনা কৰি) প্ৰাপ্ত কৰা হয়। rms ইনপুট ৰেফাৰ্ড ন উজ ক্ৰম (১০MHz ৰ পৰা ২০GHz লৈ সংহত) আছিল ২.৫μArms। এই লাইনৰ অপ্টিকেল ৰিচিভাৰে ১.৫ ভল্টৰ এডাপ্টাৰ ভল্টেজৰ পৰা ৫৬ মেগাৱাট ব্যৱহাৰ কৰে। |
2c361ef5db3231d34656dd86d9b288397f0b929e | এটা কাঠামো বিকাশ কৰা হয় যাতে ইফেক্টিভ অপ্টিমাইজেশ্যন এলগৰিথম আৰু সমস্যাসমূহৰ মাজত সংযোগটো অনুসন্ধান কৰিব পাৰে যি সমাধান কৰি আছে এচাম ন ফ্ৰি লাঞ্চ এনএফএল থিওৰেম উপস্থাপন কৰা হয় যিয়ে প্ৰতিষ্ঠা কৰে যে যিকোনো এলগৰিথমৰ বাবে এটা শ্ৰেণীৰ সমস্যাৰ ওপৰত যিকোনো উচ্চ প্ৰদৰ্শন আন এটা শ্ৰেণীৰ সমস্যাৰ ওপৰত প্ৰদৰ্শনত একেবাৰে পৰিশোধ কৰা হয়। এই থিওৰেমসমূহৰ ফলত এটা এলগৰিথমৰ বাবে এটা অপ্টিমাইজেশ্যন সমস্যাৰ বাবে উপযুক্ত হোৱাৰ অৰ্থ কি হ ব পাৰে তাৰ এটা জ্যামিতিক ব্যাখ্যা হয়। এনএফএল থিওৰেমসমূহৰ তথ্যৰ তাত্ত্বিক দিশসমূহ অপ্টিমাইজেশ্যন আৰু প্ৰদৰ্শনৰ বেঞ্চমাৰ্ক মাপসমূহও উপস্থাপন কৰা হয়। অন্যান্য বিষয়বোৰ হৈছে সময়-পৰিৱৰ্তনশীল অপ্টিমাইজেশ্যন সমস্যা আৰু এপ্ৰিঅ ৰি হেড টু হেড মিনমাক্সৰ মাজত পাৰ্থক্য। অপ্টিমাইজেশ্যন এলগৰিথমৰ মাজত পাৰ্থক্যসমূহ যি প্ৰাপ্ত কৰিব পাৰে এনএফএল থিওৰেমসমূহ সকলো এলগৰিথমৰ ওপৰত একপ্ৰকাৰৰ একপ্ৰকাৰৰ বলবৰ্দ্ধ কৰাৰ পিছতো। |
bc87585b4fc874a29bd1d9a031dce1807b2ba0e8 | আগ্ৰহৰ বিষয় এটা দিলে, এটা বিৰোধী বিষয় হৈছে বিৰোধী দৰ্শনসমূহৰ এটা গোট। আমি বিৰোধী বিষয়বোৰ সংক্ষিপ্ত ৰূপত বুজাই ক ব খোজো: এক গোট মতামতযুক্ত নথিৰ ওপৰত ভিত্তি কৰি, সেই নথিসমূহত থকা বিৰোধী বিষয়বোৰক প্ৰতিনিধিত্ব কৰিবলৈ অৰ্থপূৰ্ণ বাক্য নিৰ্বাচন কৰক। বিভিন্ন কাৰকে ইয়াক এক প্ৰত্যাহ্বানজনক সমস্যা হিচাপে পৰিগণিত কৰিছেঃ অজ্ঞাত সংখ্যক বিষয়, বিষয়সমূহৰ মাজত অজ্ঞাত সম্পৰ্ক, আৰু তুলনামূলক বাক্যসমূহৰ আহৰণ। আমাৰ পদ্ধতিত তিনিটা মূল উপাদান আছে: বিৰোধী বিষয়ৰ মডেলিং, বিভিন্ন বিষয়ৰ নিষ্কাশন, আৰু বিৰোধী বিষয়ৰ সংক্ষেপণ। বিশেষভাৱে, আমি বিষয়সমূহৰ মাজত শ্ৰেণীবদ্ধ সম্পৰ্ক বৰ্ণনা কৰিবলৈ এক শ্ৰেণীবদ্ধ অ-পৰামিতিগত মডেল উপস্থাপন কৰোঁ; এই মডেলটো বিষয়সমূহৰ সূত্ৰবোৰক নেষ্টেড চাইনিজ ৰেস্তোৰাঁ প্ৰক্ৰিয়াৰ থিম হিচাপে অনুমান কৰিবলৈ ব্যৱহাৰ কৰা হয়। আমি বিভিন্ন বিষয়ৰ উচ্চ মানৰ বিষয়ৰ এটা সংকলন নিৰ্বাচন কৰাৰ বাবে গঠনমূলক নিৰ্ধাৰিত বিন্দু প্ৰক্ৰিয়া ব্যৱহাৰ কৰি বিষয়সমূহৰ বৈচিত্ৰতা বৃদ্ধি কৰো। শেষত, আমি বিৰোধী বিষয়সমূহ জোৰা লগাই আৰু এটা পুনৰাবৃত্তিত অপ্টিমাইজেশ্যন এলগৰিথম ব্যৱহাৰ কৰি বাক্যবোৰ নিৰ্বাচন কৰো, স্পষ্টভাৱে বিৰোধ, প্ৰাসংগিকতা আৰু বৈচিত্ৰ্যতা বিবেচনা কৰি। তিনিটা ডাটা ছেটত কৰা পৰীক্ষাই আমাৰ পদ্ধতিৰ কাৰ্য্যকৰিতা প্ৰদৰ্শন কৰে। |
147fe6bfc76f30ccacc3620662511e452bc395f6 | মুখ চিনাক্তকৰণে ছবি বিশ্লেষণ আৰু কম্পিউটাৰ দৃষ্টিৰ ক্ষেত্ৰত এক প্ৰত্যাহ্বানজনক সমস্যা উপস্থাপন কৰে, আৰু এনেদৰে বিভিন্ন ক্ষেত্ৰত ইয়াৰ বহুতো প্ৰয়োগৰ বাবে যোৱা কেইবছৰমানত যথেষ্ট মনোযোগ লাভ কৰিছে। মুখ চিনাক্তকৰণ প্ৰণালীসমূহক মুখৰ তথ্য আহৰণৰ পদ্ধতিৰ ওপৰত ভিত্তি কৰি তিনিটা শ্ৰেণীত ভাগ কৰিব পাৰিঃ প্ৰণালীসমূহ যি প্ৰৱল ছবিৰ ওপৰত কাম কৰে; যি ভিডিঅ ক্ৰমৰ সৈতে সম্পৰ্কিত; আৰু যিসমূহক অন্যান্য সংবেদনশীল তথ্যৰ প্ৰয়োজন হয় যেনে 3D তথ্য বা ইনফ্ৰাৰেড ইমেজাৰি। এই প্ৰবন্ধত, এই শ্ৰেণীৰ প্ৰতিটো শ্ৰেণীৰ কিছুমান সু-পৰিচিত পদ্ধতিৰ এক সামগ্ৰিক বিৱৰণ দিয়া হৈছে আৰু তাত উল্লেখ কৰা আঁচনিসমূহৰ কিছুমান লাভালাভ আৰু অসুবিধাৰ পৰীক্ষা কৰা হৈছে। তদুপৰি, মুখ চিনাক্তকৰণৰ ব্যৱহাৰৰ উদ্দীপনা, এই প্ৰযুক্তিৰ প্ৰয়োগ আৰু এই কামৰ ক্ষেত্ৰত বৰ্তমানৰ প্ৰণালীসমূহক প্ৰত্যাহ্বান জনোৱা কিছুমান অসুবিধাৰ বিষয়েও আলোচনা কৰা হৈছে। এই প্ৰবন্ধত এই উদ্দেশ্যৰ বাবে বিকশিত শেহতীয়া কেতবোৰ এলগৰিথমৰ বিষয়েও উল্লেখ কৰা হৈছে আৰু মুখ চিনাক্তকৰণ প্ৰযুক্তিৰ কলা-কৌশলৰ এক ধাৰণা দিবলৈ চেষ্টা কৰা হৈছে। |
26d172f0a4d7e903ce388f3159059f9c5463e5c5 | ছবিৰ বৈশিষ্ট্যসমূহৰ আহৰণ ছবি চিনাক্তকৰণৰ এটা মৌলিক কাম । এতিয়ালৈকে, ছবি চিনাক্তকৰণৰ উদ্দেশ্যে ব্যৱহাৰ কৰিব পৰা কেইবাটাও ধৰণৰ বৈশিষ্ট্য আছিলঃ (1) ভিজুৱেল বৈশিষ্ট্য; (2) পিক্সেলৰ পৰিসংখ্যাগত বৈশিষ্ট্য; (3) পৰিবৰ্তন সহগ বৈশিষ্ট্য। ইয়াৰ উপৰিও, আন এক ধৰণৰ বৈশিষ্ট্য আছে যিটো লেখক বিশ্বাস কৰে যে অতি উপযোগী, অৰ্থাৎ . (4) বীজগণিতৰ বৈশিষ্ট্য যিয়ে এটা ছবিৰ অন্তৰ্নিহিত গুণাবলী প্ৰতিনিধিত্ব কৰে। ছবিৰ একক মান (SV) এই ধৰণৰ বৈশিষ্ট্য। এই প্ৰবন্ধত আমি প্ৰমাণ কৰিছোঁ যে SV বৈশিষ্ট ভেক্টৰটোৰ কিছুমান গুৰুত্বপূৰ্ণ গুণ আছে যিবোৰ হৈছে বীজগাণিতিক আৰু জ্যামিতিক অসংক্ৰাম্যতা আৰু শব্দৰ প্ৰতি অসংবেদনশীলতা। এই বৈশিষ্ট্যসমূহ চিত্ৰৰ বৰ্ণনা আৰু চিনাক্তকৰণৰ বাবে অতি উপযোগী । উদাহৰণস্বৰূপে, মানুহৰ মুখৰ ছবি চিনাক্ত কৰাৰ সমস্যাটোৰ বাবে SV বৈশিষ্ট্য ভেক্টৰ ব্যৱহাৰ কৰা হয়। এই প্ৰবন্ধত, মুখৰ ছবিৰ SV বৈশিষ্ট্য ভেক্টৰ নমুনা ব্যৱহাৰ কৰি, ছেমনৰ সৰ্বোত্তম বিভাজন সমতল ভিত্তিক এটা সাধাৰণ পট্ৰ ন বেইজ শ্ৰেণীবিভাজন মডেল নিৰ্মাণ কৰা হৈছে। পৰীক্ষামূলক ফলাফলৰ পৰা দেখা গৈছে যে SV বৈশিষ্ট ভেক্টৰ শ্ৰেণী বিভাজনৰ ভাল কাৰ্যক্ষমতা আছে। ছবি চিনাক্তকৰণ বীজগণিতৰ বৈশিষ্ট আঁতৰাব পৰা একক মান বৈশিষ্ট মুখৰ ছবি চিনাক্তকৰণ বিভাজনীয় ভেক্টৰ আকাৰ হ্ৰাস |
55206f0b5f57ce17358999145506cd01e570358c | এইচএমএমৰ ওপৰত ভিত্তি কৰি অস্থায়ী ভেক্টৰ টাইমছিৰিজৰ ষ্ট কাষ্টিক মডেলিং ভাষাৰ প্ৰয়োগৰ বাবে অতি সফল হৈছে [5]। শেহতীয়াকৈ ইয়াক বিভিন্ন ধৰণৰ ছবি চিনাক্তকৰণ সমস্যাৰ ক্ষেত্ৰত প্ৰয়োগ কৰা হৈছে [7, 9]। পূৰ্বতে প্ৰকাশিত কাম [6] ত পৰিচয়ৰ উদ্দেশ্যে মানৱ মুখৰ মডেলিং কৰিবলৈ এইচএমএমৰ ব্যৱহাৰৰ তদন্ত কৰা হৈছে। মুখবোৰক স্বজ্ঞাতভাৱে মুখ, চকু, নাক আদিৰ দৰে অঞ্চলত ভাগ কৰিব পাৰি আৰু এই অঞ্চলবোৰ এইচএমএমৰ অৱস্থাৰ সৈতে জড়িত কৰিব পাৰি। এটা ওপৰৰ-নিম্ন HMM ৰ চিনাক্তকৰণ কাৰ্যক্ষমতা কিছুমান সুপৰিচিত এলগৰিথমৰ সৈতে তুলনা কৰা হয়, উদাহৰণ স্বৰূপে স্বতন্ত্ৰপৃষ্ঠসমূহ যেনে [8] ত বিশদভাৱে উল্লেখ কৰা হৈছে। অৱশ্যে, এই পৰ্যন্ত প্ৰদৰ্শন কৰা কামত এইচএমএম প্যারামেটৰিজেশ্যনটো বিষয়গত অন্তৰ্দৃষ্টিৰ দ্বাৰা প্ৰাপ্ত কৰা হৈছিল। এই প্ৰবন্ধত পৰীক্ষামূলক ফলাফল দাঙি ধৰা হৈছে যিয়ে দেখুৱাইছে যে HMM প্ৰামাণিকৰ সৈতে চিনাক্তকৰণৰ হাৰ কেনেদৰে পৰিবৰ্তন হয়, আৰু যিয়ে প্ৰামাণিকৰ আটাইতকৈ যুক্তিসংগত নিৰ্বাচন সূচায়। এই প্ৰবন্ধটো এনেদৰে সংগঠিত কৰা হৈছেঃ ২ নং অংশত এইচএমএম-ভিত্তিক পদ্ধতিৰ এক সামগ্ৰিক বিৱৰণ দিয়া হৈছে; ৩ নং অংশত প্ৰশিক্ষণ আৰু স্বীকৃতি প্ৰক্ৰিয়াৰ সবিশেষ দিয়া হৈছে; ৪ নং অংশত পৰীক্ষামূলক ব্যৱস্থাটোৰ বৰ্ণনা দিয়া হৈছে; ৫ নং অংশত চিনাক্তকৰণৰ ফলাফলৰ বিষয়ে কোৱা হৈছে; ৬ নং অংশত প্ৰবন্ধটোৰ সামৰণি দিয়া হৈছে। |
5985014dda6d502469614aae17349b4d08f9f74c | এই প্ৰবন্ধত বিভিন্ন প্ৰয়োগত সফলতাৰে ব্যৱহাৰ কৰা কিছুমান বস্ত্ৰৰ পৰিমাপৰ কাৰ্যক্ষমতা আৰু শেহতীয়াকৈ প্ৰস্তাৱিত কিছুমান নতুন আশাব্যঞ্জক পদ্ধতিৰ কাৰ্যক্ষমতা দুয়োটাই মূল্যায়ন কৰা হৈছে। শ্ৰেণীবিভাজনৰ বাবে নমুনা আৰু প্ৰ টোটাইপ বিতৰণৰ কুলব্যাক বৈষম্যৰ ওপৰত ভিত্তি কৰি এটা পদ্ধতি ব্যৱহাৰ কৰা হয়। এক-মাত্রিক বৈশিষ্ট্য মান বিতৰণ থকা একক বৈশিষ্ট্যৰ বাবে আৰু দ্বি-মাত্রিক বিতৰণ থকা পৰিপূৰক বৈশিষ্ট্যৰ জোপা বাবে শ্ৰেণীবিভাজনৰ ফলাফলসমূহ উপস্থাপন কৰা হৈছে। বিভিন্ন ধৰণৰ বিভিন্ন বস্তুৰ বৈষম্যমূলক সমীক্ষাৰ প্ৰস্তাৱ দিয়া হৈছে, কিছুমান বস্তুৰ সমীক্ষাৰ কাৰ্য্যক্ষমতা মূল্যায়নৰ বাবে তুলনামূলক অধ্যয়ন Weszka et al. আৰু ওহানিয়ান আৰু ডুবেছ, |
1270044a3fa1a469ec2f4f3bd364754f58a1cb56 | এই প্ৰবন্ধত ভিডিঅ ক্ৰমত মানৱ মুখৰ মডেলিং আৰু চিনাক্তকৰণৰ এক নতুন পদ্ধতিৰ বিষয়ে আলোচনা কৰা হৈছে। প্ৰতিজন পঞ্জীভুক্ত ব্যক্তিক পৰিৱেশৰ ছবিৰ স্থানত নিম্ন-মাত্রিক চেহেৰা সংহতিৰে প্ৰতিনিধিত্ব কৰা হয়। জটিল অ-ৰেখিক ৰূপৰ বহুমুখী উপ-সমষ্টিৰ সংগ্ৰহ (পজ বহুমুখী নামেৰে পৰিচিত) আৰু তেওঁলোকৰ মাজত সংযোগ। প্ৰতিটো পোজ মাল্টিপল্ড এটা এফাইন প্লেনৰ দ্বাৰা প্ৰায়চিত্ত কৰা হয়। এই প্ৰতিনিধিত্ব গঠনৰ বাবে, ভিডিঅ ৰ পৰা নমুনা লোৱা হয়, আৰু এই নমুনাবোৰ কে-মিড এলগৰিদমৰ সৈতে ক্লাষ্টাৰ কৰা হয়; প্ৰতিটো ক্লাষ্টাৰক প্ৰধান উপাদান বিশ্লেষণ (পিচিএ) ৰ জৰিয়তে গণনা কৰা এখন সমতল হিচাপে প্ৰতিনিধিত্ব কৰা হয়। পোজ মাল্টিপল্ডৰ মাজত সংযোগে পোজ মাল্টিপল্ডৰ প্ৰতিটো ছবিৰ মাজত পৰিৱৰ্তন সম্ভাৱনা এনকোড কৰে আৰু প্ৰশিক্ষণ ভিডিঅ ক্ৰমৰ পৰা শিকোৱা হয়। পৰীক্ষামূলক ভিডিঅ ক্ৰমত মুখ চিনাক্তকৰণৰ বাবে এটা সৰ্বোচ্চ পৰৱৰ্তী সূত্ৰ প্ৰদান কৰা হৈছে যাতে ইনপুট ইমেজ এটা বিশেষ পোজ মাল্টিপল্ডৰ পৰা অহা আৰু পূৰ্বৰ ফ্ৰেমৰ পৰা এই পোজ মাল্টিপল্ডলৈ পৰিৱৰ্তনৰ সম্ভাৱনা সংহত কৰা হয়। আংশিক অ ক্লচিয়াছ থকা মুখ চিনাক্ত কৰিবলৈ, আমি প্ৰক্ৰিয়াটোত এটা ওজন মাস্ক প্ৰৱৰ্তন কৰো। বিস্তৃত পৰীক্ষাই প্ৰমাণ কৰে যে প্ৰস্তাৱিত এলগৰিথমে বৰ্তমানৰ ফ্ৰেম-ভিত্তিক মুখ চিনাক্তকৰণ পদ্ধতি আৰু ক্ষণিক ভোটদান প্ৰণালী অতিক্ৰম কৰে। |
358e2ae243cb022938ae3d40ea0ac112319a6325 | |
ad9cbf31a1cd6a71e773a0d3e93c489304327174 | এই প্ৰবন্ধত পদব্ৰজে অক্ষম ৰোগীৰ পদব্ৰজে পুনৰ সংস্থাপনৰ বাবে এক শক্তিযুক্ত ভৰিৰ অৰ্থেছিছৰ বিষয়ে বৰ্ণনা কৰা হৈছে। এই প্ৰবন্ধত নিয়ন্ত্ৰক প্ৰস্তাৱ কৰা হৈছে যিয়ে ভৰিৰ ওপৰত উপযুক্ত বল প্ৰয়োগ কৰিব পাৰে যাতে ই এটা আকাংক্ষিত গতিপথত গতি কৰে। নিয়ন্ত্ৰকসমূহৰ বিৱৰণ, অনুকৰণ আৰু শক্তিযুক্ত অৰ্থেছিছৰ সৈতে পৰীক্ষামূলক ফলাফলসমূহ এই কাগজত উপস্থাপন কৰা হৈছে। বৰ্তমান, অ ৰ্থেছিছত এটা ডেমী লেগ ব্যৱহাৰ কৰি পৰীক্ষা-নিৰীক্ষা কৰা হৈছে। আগন্তুক মাহত, এই শক্তিযুক্ত অ ৰ্থেছিছ স্বাস্থ্যৱান বিষয় আৰু ষ্ট্ৰোক ৰোগীৰ ক্ষেত্ৰত ব্যৱহাৰ কৰা হ ব। |
853ac9d5ae2662b8e33946d106b261005e391fed | আইৰিছৰ টেক্সচাৰত উপস্থিত এলোমেলোতা আৰু সমৃদ্ধিয়ে 2D গাবৰ ফিল্টাৰ বেংক বিশ্লেষণক আইৰিছ স্বীকৃতি প্ৰণালীৰ বাবে ব্যৱহাৰ কৰিবলৈ এটা উপযুক্ত কৌশল হিচাপে নিৰ্ধাৰণ কৰে। 2D গাবৰ ফিল্টাৰ ব্যৱহাৰ কৰি জটিল টেক্সচাৰৰ গঠনসমূহ সঠিকভাৱে বৰ্ণনা কৰিবলৈ এই ধৰণৰ ফিল্টাৰৰ একাধিক ছেট পাৰামিটাৰ ব্যৱহাৰ কৰাটো প্ৰয়োজনীয়। এই প্ৰবন্ধত আইৰিছ চিনাক্তকৰণ প্ৰণালীৰ সঠিকতা ক্ৰমান্বয়ে উন্নত কৰিবলৈ 2D গবৰ ফিল্টাৰ পাৰামিটাৰসমূহৰ একাধিক ছেট অনুকূলিতকৰণৰ এটা কৌশল প্ৰস্তাৱ কৰা হৈছে। প্ৰস্তাৱিত পদ্ধতিটো নিকট ইনফ্ৰাৰড আৰু দৃশ্যমান স্পেকট্ৰাম আইৰিছ ছবি দুয়োৰে ক্ষেত্ৰত প্ৰয়োগ কৰিবলৈ উপযুক্ত। ফিল্টাৰ বেংকৰ ডিজাইন প্ৰণালীৰ কাৰ্যকৰীতা বুজাবলৈ, UBIRISv1 ডাটাবেছ বেঞ্চমাৰ্কিংৰ বাবে ব্যৱহাৰ কৰা হৈছিল। |
050eda213ce29da7212db4e85f948b812a215660 | আমি মুখ চিনাক্তকৰণৰ বাবে এক মডেল আৰু উদাহৰণ-ভিত্তিক পদ্ধতিৰ প্ৰস্তাৱ দিছো। এই সমস্যাটো আগতে মডেল বা নমুনা ব্যৱহাৰ কৰি সমাধান কৰা হৈছিল, কিন্তু সফলতা সীমিত আছিল। আমাৰ ধাৰণাটো হৈছে বহুতো নমুনা সংগ্ৰহ কৰিবলৈ মডেল ব্যৱহাৰ কৰা, যিটো তাৰ পিছত মুখ চিনাক্তকৰণ প্ৰণালীৰ শিক্ষণ পৰ্যায়ত ব্যৱহাৰ কৰা হয়। এই কথা প্ৰমাণ কৰিবলৈ আমি এটা পৰিসংখ্যাগত আকৃতি-ছায়া-নিৰ্দেশনাকৰণ মডেল প্ৰস্তুত কৰো যাতে এটা ছবিৰ পৰা মুখৰ আকৃতি পুনৰুদ্ধাৰ কৰিব পাৰি, আৰু একেটা মুখ নতুন পোহৰৰ তলত সংগ্ৰহ কৰিব পাৰি। তাৰ পিছত আমি ইয়াক এটা সৰল আৰু দ্ৰুত শ্ৰেণীবিভাগক নিৰ্মাণ কৰিবলৈ ব্যৱহাৰ কৰো যিটো আগতে প্ৰশিক্ষণৰ তথ্যৰ অভাৱৰ বাবে সম্ভৱ নাছিল। |
195e55c90fd109642116ee51f7205c106f341111 | |
b05fdba8f447b37d7fa6fdd63d23c70b2f4ee01b | এই প্ৰবন্ধত, আমি মতামত খননত দৃষ্টিভংগী নিষ্কাশনৰ প্ৰথম গভীৰ শিক্ষণ পদ্ধতিৰ প্ৰদৰ্শন কৰিছো। দৃষ্টিভংগী নিষ্কাশন হৈছে অভিমত বিশ্লেষণৰ এটা উপ-কাৰ্য্য যি অভিমতযুক্ত পাঠত মতামত লক্ষ্যসমূহ চিনাক্ত কৰাত, অৰ্থাৎ, অভিমতধাৰকজনে প্ৰশংসা কৰা বা অভিযোগ কৰা এটা পণ্য বা সেৱাৰ নিৰ্দিষ্ট দিশবোৰ চিনাক্ত কৰাত জড়িত। আমি ৭ স্তৰযুক্ত গভীৰ কনভলুচনেল নিউৰেল নেটৱৰ্ক ব্যৱহাৰ কৰি প্ৰতিটো শব্দক এটা বিশেষ বা এটা বিশেষ শব্দ হিচাপে চিহ্নিত কৰিছিলো। আমি একেটা উদ্দেশ্যৰে ভাষিক আৰ্হিৰ এটা গোটো প্ৰস্তুত কৰিছিলো আৰু সেইবোৰ নিউৰ নেল নেটৱৰ্কৰ সৈতে সংযুক্ত কৰিছিলো। ইয়াৰ ফলত সৃষ্টি হোৱা সংমিশ্ৰণ শ্ৰেণীবিভাজক, সংবেদন বিশ্লেষণৰ বাবে শব্দ-অন্তৰ্ভুক্ত মডেলৰ সৈতে মিলিত হৈ, আমাৰ পদ্ধতিয়ে অত্যাধুনিক পদ্ধতিতকৈ যথেষ্ট ভাল নির্ভুলতা লাভ কৰিবলৈ সক্ষম হয়। |
d9c797a74f2f716379f388d5c57e437ecd68759c | |
6fdbbefe05648f6c0f027428ccff248b174798d5 | এই প্ৰবন্ধত আমি ম বাইল ৰব টিক্সৰ এটা গুৰুত্বপূৰ্ণ মুকলি সমস্যাৰ বিষয়ে আলোচনা কৰিমঃ একে সময়তে মানচিত্ৰ নিৰ্মাণ আৰু স্থানীয়কৰণ, যাক আমি পূৰ্বৰ তথ্য অবিহনে দীৰ্ঘম্যাদী বিশ্বব্যাপী প্ৰসংগিত অৱস্থানৰ অনুমান বুলি সংজ্ঞায়িত কৰোঁ। এই সমস্যাটো জটিল কাৰণ তলত দিয়া পাৰদক্সটো আছেঃ সঠিকভাৱে চলিবলৈ এটা ম বাইল ৰবটত এটা সঠিক পৰিৱেশৰ মানচিত্ৰ থাকিব লাগিব; কিন্তু এটা সঠিক মানচিত্ৰ নিৰ্মাণ কৰিবলৈ, ম বাইল ৰবটৰ সংবেদক স্থানবোৰ সঠিকভাৱে জনা উচিত। এই ধৰণে, একে সময়তে মানচিত্ৰ নিৰ্মাণ আৰু স্থানীয়কৰণক প্ৰশ্ন উত্থাপন কৰা দেখা যায় যে "কোনটো প্ৰথম আহিল, হাঁহ নে ডিম? (মানচিত্ৰ নে গতি? অতিশব্দ সংবেদনৰ ব্যৱহাৰৰ ক্ষেত্ৰত, এই সমস্যাটো দূৰ কৰিবলৈ আমি বাহনখনক একাধিক ছাৰভ -মাউণ্টড ছ নাৰ ছেন্সৰৰ সৈতে সজ্জিত কৰো, যাতে পৰিৱেশৰ বৈশিষ্ট্যৰ এটা উপ-সমষ্টিৰ পৰা ৰবটৰ প্ৰাৰম্ভিক অৱস্থান সঠিকভাৱে শিকিব পৰা যায় আৰু পৰৱৰ্তী সময়ত সঠিক অৱস্থান প্ৰদান কৰিবলৈ ট্ৰেক কৰা হয়। |
efbc200feab74e5087c4005d8759e5dadb3a3077 | সাধাৰণ প্ৰজন্ম আৰু পাঠৰ প্ৰয়োগ প্ৰত্যাহ্বানজনক আৰু দৃশ্যমান ক্ষেত্ৰৰ সাম্প্ৰতিক গভীৰ প্ৰজন্মৰ মডেলিংৰ তুলনাত সীমিত সফলতা আছে। এই প্ৰবন্ধৰ উদ্দেশ্য হৈছে প্ৰাকৃতিক ভাষাৰ যুক্তিসংগত বাক্য সৃষ্টি কৰা, যাৰ বৈশিষ্ট্যসমূহ গতিশীলভাৱে নিয়ন্ত্ৰিত হয় নিৰ্দিষ্ট অৰ্থবিজ্ঞানৰ সৈতে বিমুক্ত লুকাই থকা প্ৰতিনিধিত্বসমূহ শিকাৰ দ্বাৰা। আমি এটা নতুন নিউৰেল জেনেৰেটিভ মডেলৰ প্ৰস্তাৱ দিছো যিয়ে ব্যাৱহাৰিক স্বয়ং-এনকোডাৰ আৰু সামগ্ৰিক বৈশিষ্ট বৈষম্যক সমন্বয় কৰি অৰ্থগত গাঁথনিৰ কাৰ্যকৰী প্ৰয়োগৰ বাবে। বিচ্ছিন্ন পাঠৰ নমুনাৰ সৈতে বিভাজনযোগ্য সমীপৱৰ্তী, স্বতন্ত্ৰ বৈশিষ্ট্য নিয়ন্ত্ৰণৰ ওপৰত স্পষ্ট সীমাবদ্ধতা, আৰু জেনেৰেটৰ আৰু বৈষম্যকৰকৰকৰ দক্ষ সহযোগিতামূলক শিক্ষণ, আমাৰ মডেলটোৱে কেৱল শব্দ টোকাসমূহৰ পৰাও উচ্চ পৰ্যায়ৰ ব্যাখ্যাযোগ্য প্ৰতিনিধিত্ব শিকায়, আৰু ইচ্ছুক গুণসমূহৰ সৈতে বাস্তৱবাদী বাক্য উত্পাদন কৰে। পৰিমানগত মূল্যায়নে বাক্য আৰু গুণ সৃষ্টিৰ সঠিকতা প্ৰমাণ কৰে। |
24aed1b7277dfb2c2a6515a1be82d30cc8aa85cc | আমি চাক্ষুষ বিষয়বস্তুৰ পৰা অনুভূতি বিশ্লেষণৰ প্ৰত্যাহ্বান গ্ৰহণ কৰো। বৰ্তমানৰ পদ্ধতিৰ বিপৰীতে যিটো পদ্ধতিত অনুভূতি বা আৱেগক প্ৰত্যক্ষভাৱে দৃশ্যমান নিম্ন স্তৰৰ বৈশিষ্ট্যৰ পৰা অনুমান কৰা হয়, আমি এক নতুন পদ্ধতিৰ প্ৰস্তাৱ দিছো যিটো অনুভূতিৰ সৈতে দৃঢ়ভাৱে সম্পৰ্কিত দৃশ্যমান ধাৰণাসমূহৰ বুজ লোৱাৰ ওপৰত ভিত্তি কৰি কৰা হৈছে। আমাৰ মূল অৱদান দুটা দিশত আছে: প্ৰথমতে, আমি এটা পদ্ধতি প্ৰদৰ্শন কৰিছোঁ যিটো মনস্তাত্ত্বিক তত্ত্ব আৰু ৱেব মাইনিংৰ ওপৰত নিৰ্ভৰ কৰি স্বয়ংক্ৰিয়ভাৱে এটা বৃহৎ স্কেল ভিজুৱেল ছেণ্টিমেণ্ট অণ্ট লজি (ভিএছঅ ) নিৰ্মাণ কৰিবলৈ ব্যৱহাৰ কৰা হৈছে যাৰ অন্তৰ্গত ৩০০০ ৰো অধিক বিশেষণ নাম জোড়া (এএনপি) । দ্বিতীয়তে, আমি SentiBank, এটা নতুন ভিজুৱেল কন্সেপ্ট ডিটেক্টৰ লাইব্ৰেৰী প্ৰস্তাৱ দিছো যিটো এটা ছবিত ১,২০০ এএনপিৰ উপস্থিতি চিনাক্ত কৰিবলৈ ব্যৱহাৰ কৰিব পাৰি। ভিএছঅ আৰু ছেণ্টিবেংক বৰ্তমানৰ কামৰ পৰা পৃথক আৰু স্বয়ংক্ৰিয়ভাৱে অনুভূতি বিশ্লেষণৰ দ্বাৰা সক্ষম বিভিন্ন প্ৰয়োগৰ বাবে এটা গেট খুলিব। ছবি টুইটসমূহৰ অনুভূতি চিনাক্তকৰণৰ ওপৰত কৰা পৰীক্ষাসমূহে প্ৰস্তাৱিত SentiBank-ভিত্তিক ভৱিষ্যদ্বাণীকাৰী আৰু পাঠ-ভিত্তিক পদ্ধতিৰ তুলনা কৰিলে চিনাক্তকৰণৰ সঠিকতাত উল্লেখযোগ্য উন্নতি দেখুৱায়। এই প্ৰচেষ্টাৰ ফলত এটা বৃহৎ ৰাজহুৱাভাৱে উপলব্ধ সম্পদ সৃষ্টি হয় য ত ভিজুৱেল ছেণ্টিমেণ্ট অনট লজি, এটা বৃহৎ ডিটেক্টৰ লাইব্ৰেৰী আৰু ভিজুৱেল ছেণ্টিমেণ্ট বিশ্লেষণৰ বাবে প্ৰশিক্ষণ/পৰীক্ষাৰ মানদণ্ড অন্তৰ্ভুক্ত থাকে। |
9af5c320f1ab4e881c1aa4e35d7c7f10d5d2405d | |
b6bbb228300c72f141a2f05702ddc7f8ab4a8297 | তথ্য হৈছে সকলো আধুনিক সংস্থাৰ জীৱন ৰক্ত তথাপি সংবাদ মাধ্যমসমূহে গুৰুত্বপূৰ্ণ তথ্যৰ ক্ষতিৰ কাহিনী প্ৰতিবেদন কৰি থাকে। তথ্য সুৰক্ষাৰ উদ্দেশ্য হৈছে তথ্য, হাৰ্ডৱেৰ, ছফ্টৱেৰ আৰু লোকসকলৰ দৰে মূল্যবান সম্পদসমূহ সুৰক্ষিত কৰা। তথ্য সুৰক্ষা বিশেষজ্ঞসকলৰ অধিকাংশই বিশ্বাস কৰে যে ভাল ব্যৱহাৰকাৰীৰ আচৰণ প্ৰচাৰ আৰু বেয়া ব্যৱহাৰকাৰীৰ আচৰণ প্ৰতিৰোধ কৰাটো এক কাৰ্যকৰী তথ্য সুৰক্ষা ব্যৱস্থাপনা প্ৰণালীৰ (ISMS) এক গুৰুত্বপূৰ্ণ উপাদান। তথ্য সুৰক্ষাৰ কাৰ্যকৰী ৰূপায়ণৰ বাবে সুৰক্ষাৰ সৈতে জড়িত বিপদৰ বিষয়ে বুজ ল ব লাগিব, তাৰ পিছত উপযুক্ত নিয়ন্ত্ৰণ বিকাশ আৰু প্ৰয়োগ কৰিব লাগিব। সাধাৰণতে নিয়ন্ত্ৰণ ব্যৱস্থা যিমানেই ভালদৰে প্ৰয়োগ কৰিব সিমানেই সংগঠনটো সুৰক্ষিত হ ব, কাৰণ যদিহে জড়িত কৰ্মচাৰীসকলে কিয় এই নিয়ন্ত্ৰণ ব্যৱস্থা প্ৰয়োগ কৰা হৈছে আৰু কি কাম কৰিছে সেয়া বুজি নাপায়, তেন্তে শ্ৰেষ্ঠ পৰিকল্পিত কাৰিকৰী নিয়ন্ত্ৰণ ব্যৱস্থা আৰু পদ্ধতিসমূহৰো মূল্য সীমিত হ ব। প্ৰয়োজনীয় স্তৰৰ বুজাবুজিৰ বাবে সাধাৰণতে এটা বাৰ্ষিক সজাগতা প্ৰশিক্ষণ কাৰ্যসূচীৰ বাহিৰে আন একোটা কাৰ্যসূচীৰ প্ৰয়োজন হয় আৰু ই অধিকাংশ সংস্থাৰ বাবে এক ডাঙৰ প্ৰত্যাহ্বান হিচাপে চিহ্নিত হয়। প্ৰকৃততে, বহুতো সংস্থাৰ বাবে তথ্য সুৰক্ষাৰ ধাৰণাসমূহক সাংগঠনিক সংস্কৃতিত একত্ৰিত কৰাটো নিশ্চিত কৰিবলৈ সাংস্কৃতিক পৰিৱৰ্তন জড়িত থাকিব। |
0bd6442092bc4a9e0e77cd2f302f2db1a242e250 | স্বাস্থ্য সেৱাৰ গুণগত মান উন্নত কৰিবলৈ শেহতীয়াকৈ ইণ্টাৰনেট-অফ-থিংছ (আইঅ টি) ৰ ওপৰত আধাৰিত স্বাস্থ্য নিৰীক্ষণ ব্যৱস্থা প্ৰৱৰ্তন কৰা হৈছে। অৱশ্যে, ইণ্টাৰনেট অব৲ ইন্টিগ্ৰেটেড (আই অ টি) -ভিত্তিক উন্নত নিৰন্তৰ গ্লুক জ নিৰীক্ষণ ব্যৱস্থাৰ সংখ্যা কম আৰু বৰ্তমান ব্যৱস্থাৰ বহু সীমাবদ্ধতা আছে। এই প্ৰবন্ধত আমি আই অ টি আধাৰিত পদ্ধতি ব্যৱহাৰ কৰি আক্ৰমণাত্মক আৰু নিৰন্তৰ গ্লুক জ নিৰীক্ষণ (চি জি এম) ব্যৱস্থাৰ সম্ভাৱনীয়তা অধ্যয়ন কৰিছো। আমি এটা ছেন্সৰ ডিভাইচৰ পৰা এটা বেক-এণ্ড চিষ্টেমলৈ এটা আই.অ টি-ভিত্তিক চিষ্টেম স্থাপত্যৰ ডিজাইন কৰিছিলো যাতে বাস্তৱ-সময়ত গ্লুক জ, শৰীৰৰ তাপমাত্ৰা আৰু প্ৰসংগভিত্তিক তথ্য (যেনে, গ্ৰাফিক আৰু মানৱ-পঠনযোগ্য ৰূপত ৰোগী আৰু চিকিৎসকৰ দৰে অন্তিম ব্যৱহাৰকাৰীসকলক। ইয়াৰ উপৰিও, গ্লুক জ পৰ্যবেক্ষণ ব্যৱস্থাৰ সৈতে খাপ খোৱাবলৈ আৰু উচ্চ স্তৰৰ শক্তি দক্ষতা অৰ্জন কৰিবলৈ nRF যোগাযোগ প্ৰট কলক অনুকূলিত কৰা হৈছে। তদুপৰি, আমি ছেন্সৰ ডিভাইচৰ শক্তিৰ ব্যৱহাৰৰ অনুসন্ধান কৰো আৰু ডিভাইচৰ বাবে শক্তি আহৰণ কৰা ইউনিট ডিজাইন কৰো। অৱশেষত, এই কাৰ্য্যই গেটৱে স্তৰত বহুতো উন্নত সেৱা প্ৰদান কৰে যেনে ৰোগী আৰু চিকিৎসকক অস্বাভাৱিক পৰিস্থিতিৰ ক্ষেত্ৰত (যেনে, অতি কম বা অত্যধিক গ্লুক জৰ স্তৰ) ফলাফলৰ পৰা দেখা গৈছে যে আমাৰ চিষ্টেমটোৱে ৰিয়েল টাইমত দূৰৈৰ পৰা নিৰন্তৰ গ্লুক জ নিৰীক্ষণ কৰিব পাৰে। ইয়াৰ উপৰিও, ফলাফলসমূহে প্ৰকাশ কৰে যে ছেন্সৰ ডিভাইচত সম্পূৰ্ণৰূপে কাষ্টমাইজড এনআৰএফ উপাদান, শক্তি পৰিচালনা ইউনিট আৰু শক্তি শস্যকৰণ ইউনিট প্ৰয়োগ কৰি উচ্চ স্তৰৰ শক্তি দক্ষতা অৰ্জন কৰিব পাৰি। c © 2017 লেখকসকল ই ছেভিয়েৰ বি.ভি. ইলিটেড ফ্ৰেচাৰ হেয়াৰ্ছ দ্বাৰা প্ৰকাশিত। |
0bfc3626485953e2d3f87854a00a50f88c62269d | চেলুলাৰ নেটৱৰ্কবোৰ সাধাৰণতে বেছ ষ্টেচনবোৰ গ্ৰীডত স্থাপন কৰি মডেল কৰা হয়, য ত ম বাইল ব্যৱহাৰকাৰীসকলক এলোমেলোভাৱে বিয়পোৱা হয় বা নিৰ্ণায়কভাৱে স্থাপন কৰা হয়। এই মডেলসমূহ বহুলভাৱে ব্যৱহাৰ কৰা হৈছে কিন্তু দুয়োটা অতি আদৰ্শ আৰু খুব প্ৰশাসনীয় নহয়, সেয়েহে জটিল চিষ্টেম-স্তৰৰ অনুকৰণসমূহ কভাৰেজ/আউটজে ৰ সম্ভাৱনা আৰু হাৰ মূল্যায়ন কৰিবলৈ ব্যৱহাৰ কৰা হয়। অধিক পৰিচালনাযোগ্য মডেল দীৰ্ঘদিন ধৰি আকাংক্ষিত আছিল। আমি ষ্ট কাষ্টিক জ্যামিতি ব্যৱহাৰ কৰি মাল্টি-চেল সংকেত-ৰ-হ্ৰাসে-বিক্ৰমা-বিক্ৰমা অনুপাত (SINR) ৰ বাবে নতুন সাধাৰণ মডেল বিকাশ কৰো। অতি সাধাৰণ ধাৰণা অনুসৰি, ডাউনলিংক SINR CCDF ৰ বাবে পোৱা অভিব্যক্তিসমূহ (কভাৰেজ সম্ভাৱনাৰ সমতুল্য) ত্বৰিতভাৱে গণনাযোগ্য অন্তৰ্ভুক্ত হয়, আৰু কিছুমান ব্যৱহাৰিক বিশেষ ক্ষেত্ৰত সাধাৰণ অন্তৰ্ভুক্তিক সৰলীকৃত কৰিব পাৰি (যেনে, Q-কাৰ্য) বা আনকি সহজ বন্ধ-প্ৰকাৰৰ অভিব্যক্তি। আমি স্থিৰ প্ৰাৱণতাৰ পুনঃব্যৱহাৰৰ পৰা গড় হাৰ আৰু তাৰ পিছত কভাৰেজ লাভ (আৰু গড় হাৰ লোকচান) প্ৰাপ্ত কৰো। আমি আমাৰ কভাৰেজ ভৱিষ্যদ্বাণীসমূহ গ্ৰীড মডেল আৰু প্ৰকৃত বেছ ষ্টেচন স্থাপনৰ সৈতে তুলনা কৰো আৰু লক্ষ্য কৰো যে প্ৰস্তাৱিত মডেলটো হতাশাবাদী (কভাৰেজত নিম্ন সীমা) যদিও গ্ৰীড মডেলটো আশাবাদী, আৰু দুয়োটাই সমানভাৱে সঠিক। অধিক পৰিচালনাযোগ্য হোৱাৰ উপৰিও, প্ৰস্তাৱিত মডেলটোৱে ভৱিষ্যতৰ নেটৱৰ্কসমূহত বেছ ষ্টেচনসমূহৰ ক্ৰমবৰ্ধমান সুবিধাবাদী আৰু ঘন স্থানক ভালদৰে ধৰা পেলাব পাৰে। |
54bef8bca4bef4a5cb597c11b9389496f40df35c | স্বয়ংক্ৰিয় কণ্ঠ চিনাক্তকৰণ আউটপুটত বিৰাম চিহ্ন উপলব্ধ নহয়, যি বহুতো পৰৱৰ্তী পাঠ প্ৰক্ৰিয়াত বাধাৰ সৃষ্টি কৰিব পাৰে। এই প্ৰবন্ধত প্ৰতিলিপি কৰা বক্তৃতা পাঠৰ শব্দৰ সোঁতৰ বাবে বিৰাম চিহ্নৰ ভৱিষ্যদ্বাণী কৰিবলৈ এক নতুন পদ্ধতিৰ প্ৰস্তাৱ দিয়া হৈছে। আমাৰ পদ্ধতিয়ে বামৰ পৰা সোঁলৈ শব্দ প্ৰক্ৰিয়া কৰোতে সিন্টেক্টিকেল বৈশিষ্ট্যৰ সমৃদ্ধ সমষ্টি সংহত কৰি যৌথভাৱে পাৰ্সিং আৰু বিৰাম চিহ্নৰ ভৱিষ্যদ্বাণী কৰে। ই এটা গোলকীয় দৃশ্যৰ ব্যৱহাৰ কৰি দীৰ্ঘ-দূৰত্বৰ নিৰ্ভৰশীলতাসমূহক ৰেখামুখী জটিলতাৰ সৈতে বিৰাম চিহ্নৰ ভৱিষ্যদ্বাণী কৰিব পাৰে। IWSLT আৰু TDT4 ৰ পৰীক্ষামূলক তথ্যৰ ওপৰত কৰা পৰীক্ষামূলক ফলাফলৰ পৰা দেখা গৈছে যে আমাৰ পদ্ধতিয়ে প্ৰতিলিপি কৰা বক্তৃতা পাঠৰ শব্দৰ সোঁতৰ ওপৰত বৰ্ণনা পূৰ্বানুমানত উচ্চ পৰ্যায়ৰ প্ৰদৰ্শন লাভ কৰিব পাৰে। |
82e9a883f47380ce2c89ecbc57597efbdd120be1 | ৰেডিঅ ফ্ৰেকভেন্সি চিনাক্তকৰণ প্ৰযুক্তি, যিটো পাঠক/টেগ দৃষ্টান্তৰ ওপৰত আধাৰিত, দ্ৰুতগতিত দৈনন্দিন জীৱনৰ বিভিন্ন দিশত প্ৰৱেশ কৰিছে। ইলেক্ট্ৰ মেগনেটিক গৱেষণাত প্ৰধানকৈ উচ্চ দক্ষতা আৰু সৰু আকাৰৰ টেগ এণ্টেনাৰ ডিজাইনক লৈ উদ্বেগ আছে, আৰু এমবেডেড ইলেক্ট্ৰনিক্সৰ সৈতে জটিল প্ৰতিবন্ধকতা মিলাবলৈ উপযুক্ত। উপলব্ধ কিন্তু খণ্ডিত মুক্ত সাহিত্যৰ পৰা আৰম্ভ কৰি, এই কাগজত UHF প্যাছিভ টেগ এণ্টেনাৰ ডিজাইনৰ বাবে প্ৰাসংগিক পদ্ধতিৰ এক সমীক্ষা উপস্থাপন কৰা হৈছে। সাধাৰণ ফ্ৰেমৱৰ্কৰ ভিতৰত সৰ্বাধিক ব্যৱহৃত ডিজাইন লেআউটৰ মৌলিক ধাৰণাসমূহৰ চিত্ৰায়ন কৰিবলৈ বিশেষ যত্ন লোৱা হৈছে। এই প্ৰকল্পৰ কৌশলসমূহ অসংখ্য অ-বাণিজ্যিক উদাহৰণৰে প্ৰদৰ্শন কৰা হৈছে। |
54a4c8051e655e3035f98bb9dd8876a6511517ff | এই প্ৰবন্ধত LIMSI ৰ WMT16ৰ কাম Translation of Newsৰ বিষয়ে বৰ্ণনা কৰা হৈছে। আমি ৰোমানীয়ান-ইংৰাজী দুয়োটা দিশত, ইংৰাজী ৰোমানীয়ালৈ, লগতে ইংৰাজী ৰ পৰা জাৰ্মানীলৈ অনুবাদ কৰিবলৈ পুনৰ শৃংখলাৰ প্ৰাৰম্ভিক পৰীক্ষাৰ ফলাফলৰ বিষয়ে প্ৰতিবেদন দিছো। আমাৰ প্ৰদৰ্শনসমূহত প্ৰধানকৈ এনকোড আৰু মোজেছ ব্যৱহাৰ কৰা হয় লগতে পৰৱৰ্তী প্ৰক্ৰিয়াত ধাৰাবাহিক স্থানৰ মডেল ব্যৱহাৰ কৰা হয়। এই বছৰৰ অংশগ্ৰহণৰ প্ৰধান নতুনত্বসমূহ হ লঃ ৰুছ আৰু ৰুমানীয়ান ভাষালৈ অনুবাদৰ বাবে, আমি ডিক ডাৰৰ আউটপুটটো মৰফ ল জিকেল বৈকল্পিকতাৰে সম্প্ৰসাৰিত কৰিবলৈ চেষ্টা কৰিছো আৰু এই নতুন অনুসন্ধান স্থানটো পুনৰ নিৰ্ণয় কৰিবলৈ এটা চিআৰএফ মডেল ব্যৱহাৰ কৰিবলৈ চেষ্টা কৰিছো; জাৰ্মান ভাষালৈ অনুবাদৰ ক্ষেত্ৰত, আমি এটা নিৰ্ভৰশীলতাৰ গঠনৰ ওপৰত ভিত্তি কৰি উৎস-পৃষ্ঠাৰ পূৰ্ব-অৰ্ডাৰিংৰ সৈতে পৰীক্ষা কৰি আছো যিয়ে টাৰ-অনুবাদৰ প্ৰতিলিপিৰ বাবে পৰিৱৰ্তন কৰিব পাৰে। |
e092be3120ce51aaa35af673fabd07b6513e702e | পৰিচালনা তথ্য ব্যৱস্থা (MIS) আৰু পৰিচালনা বিজ্ঞান/কাৰ্য্য্য গৱেষণা (MS/OR) প্ৰকল্পৰ বিফলতাৰ বহুতো সমস্যা সংগঠনৰ আচৰণগত সমস্যাৰ বাবে দায়ী কৰা হৈছে। সংস্থাসমূহে এম আই এছ আৰু এম এছ/অৰ বিকাশৰ বাবে ব্যয় কৰা কোটি কোটি ডলাৰৰ লাভ কম কাৰণ ব্যৱস্থাসমূহ বিফল হৈ থাকে। এই আচৰণগত প্ৰব্লেমসমূহ বুজিবলৈ আৰু সমাধান কৰিবলৈ পদক্ষেপ গ্ৰহণ কৰিব পাৰি। এই প্ৰবন্ধত যুক্তি দিয়া হৈছে যে বেছিভাগ ওএচিত এই আচৰণগত সমস্যাবোৰ অপৰিপক্ব ডিজাইনৰ ফলস্বৰূপ। এই বেয়া ডিজাইনবোৰ এমআইএছ চিষ্টেম ডিজাইনাৰসকলে সংগঠনসমূহ, তেওঁলোকৰ সদস্য আৰু তেওঁলোকৰ ভিতৰত এমআইএছৰ কাৰ্য্যক কেনেদৰে দেখায় তাৰ বাবে দায়ী। অৰ্থাৎ, প্ৰণালী ডিজাইনাৰৰ ৰেফাৰেন্স ফ্ৰেম। এই ৰেফাৰেন্স ফ্ৰেমবোৰে ভুল ডিজাইন পছন্দ আৰু উন্নত ডিজাইন বিকল্পবোৰ উপলব্ধি কৰাত বিফলতা সৃষ্টি কৰে। বৰ্তমানৰ ব্যৱস্থাৰ ডিজাইনাৰৰ দৃষ্টিভংগীক প্ৰতিফলিত কৰা সাতটা চৰ্তৰ বিষয়ে ইয়াত আলোচনা কৰা হৈছে। এই চৰ্তসমূহৰ আলোচনাত সামাজিক-প্ৰযুক্তিগত ব্যৱস্থা (এছটিএছ) ৰ পৰিকল্পনাৰ পদ্ধতিৰ ভিতৰত এমআইএছ পৰিকল্পনাৰ পদ্ধতিৰ পুনঃনিৰ্মাণ আৰু প্ৰণালী পৰিকল্পনাকাৰীৰ দৃষ্টিভংগীৰ পৰিৱৰ্তনৰ প্ৰয়োজনীয়তা প্ৰদৰ্শন কৰা হৈছে। এছটিএছ পদ্ধতিটো সংগঠনসমূহৰ বাস্তৱিক দৃষ্টিভংগী আৰু সেইবোৰ পৰিৱৰ্তন কৰাৰ এক উপায় হিচাপে পৰিচিত। এই প্ৰবন্ধটো এম আই এছ কোৱাৰ্টাৰ্লিৰ একেৰাহে প্ৰকাশিত দুটা সংখ্যাৰ প্ৰথমটো। এই প্ৰথম প্ৰবন্ধৰ উদ্দেশ্য হ ল এছ আৰ এছ পদ্ধতিৰ প্ৰয়োজনীয়তা প্ৰদৰ্শন কৰা। দ্বিতীয়টো প্ৰবন্ধত এছ টি এছ পদ্ধতিৰ মৌলিক ধাৰণা আৰু নীতিসমূহ আৰু এম আই এছ ৰ ডিজাইনত ইয়াৰ ব্যৱহাৰ কেনেকৈ কৰিব পাৰি সেই বিষয়ে আলোচনা কৰা হ ব। |
26b6341330085c8588b0d6e3eaf34ab5a0f7ca53 | এই প্ৰবন্ধত এটা নতুন ভল্টেজ নিয়ন্ত্ৰিত ৰিং অ চিলটৰ উপস্থাপন কৰা হৈছে। প্ৰস্তাৱিত ভিচিঅ ই ইয়াৰ বিলম্ব কোষত আংশিক ধনাত্মক প্ৰতিশ্ৰুতি ব্যৱহাৰ কৰে, যাৰ ফলত চক্ৰটো একক দুটা পৰ্যায়ৰ সৈতে কাৰ্যক্ষম হয়, কম শক্তি ব্যৱহাৰৰ সৈতে উচ্চ গতি লাভ কৰে। নতুন ভিচিঅ ৰ কাৰ্যকৰী ফ্ৰেক্বেঞ্চৰ বিস্তৃত পৰিসৰ (০.২ আৰু ২.১ গিগাহাৰ্টছ), আউটপুট ফ্ৰেক্বেঞ্চ আৰু নিয়ন্ত্ৰণ ভল্টেজৰ মাজত ভাল ৰেখাপাত, ১০০ কিল হাৰ্জ অফছেটত -৯০ ডিচিবিচি/এইচজিৰ ফেজ গোলমাল আৰু ৩.৩ ভল্টৰ বিদ্যুৎ যোগানৰ জৰিয়তে ১.২ গিগাহাৰ্টছৰ কেন্দ্ৰীয় ফ্ৰেক্বেঞ্চত ই মাত্ৰ ৭.০১ এমডব্লিউ ব্যৱহাৰ কৰে। এই চাৰ্কিটটো 0.35 /spl mu/m চিএমঅ এছ-এএমএছ প্ৰক্ৰিয়াত নিৰ্মিত আৰু ই 67.5/spl বাৰ/77.5 /spl mu/m/sup 2/ এলেকা দখল কৰে। |
4d4be6294e5b30cdf985fcc044f44ec9da495af3 | কম্পিউটাৰ ভিত্তিক ছেন্সৰ আৰু একুৱেটৰ যেনে গ্ল বেল পজিচনিং চিষ্টেম, মেচিন ভিজন আৰু লেজাৰ ভিত্তিক ছেন্সৰসমূহ ক্ৰমান্বয়ে ম বাইল ৰবটত সংযুক্ত কৰা হৈছে যাতে কৃষি কাৰ্যত অপাৰেটৰ কাৰ্য্যকলাপ সলনি কৰিব পৰা স্বায়ত্তশাসিত ব্যৱস্থাসমূহক কনফিগাৰ কৰিব পৰা যায়। কিন্তু বহুতো ইলেকট্ৰনিক প্ৰণালী ৰবটত সংলগ্ন হ লে ইয়াৰ নিৰ্ভৰযোগ্যতা হ্ৰাস পায় আৰু ইয়াৰ খৰচ বৃদ্ধি পায়। হাৰ্ডৱেৰ হ্ৰাস কৰা, লগতে ছফ্টৱেৰ হ্ৰাস কৰা আৰু একত্ৰিতকৰণৰ সহজতা, সম্ভৱপৰ ৰবট প্ৰণালী প্ৰাপ্ত কৰিবলৈ অপৰিহাৰ্য। কৃষিখণ্ডত স্বয়ংক্ৰিয় যন্ত্ৰপাতিৰ প্ৰয়োগৰ ক্ষেত্ৰত এটা পদক্ষেপ হৈছে ৰবটৰ দল, য ত এক বা একাধিক কৃষি কাৰ্য সম্পাদন কৰিবলৈ বহুতো বিশেষীকৃত ৰবটৰ সহযোগিতা থাকে। এই প্ৰবন্ধত নিৰ্ভৰযোগ্যতা উন্নত কৰিবলৈ, জটিলতা আৰু ব্যয় হ্ৰাস কৰিবলৈ আৰু বিভিন্ন ডেভেলপাৰৰ ছফ্টৱেৰ একত্ৰিত কৰিবলৈ পৃথক ৰবট আৰু ৰবটসমূহৰ বাবে এটা ছিষ্টেম স্থাপত্য বিকাশ কৰিবলৈ প্ৰয়াস কৰা হৈছে। সম্পূৰ্ণ বিতৰণ কৰা এটা সম্পূৰ্ণ সংহত স্থাপত্যৰ পৰা আৰম্ভ কৰি য ত এটা কেন্দ্ৰীয় কম্পিউটাৰে সকলো প্ৰক্ৰিয়া চলায়, বিভিন্ন সমাধানৰ বিষয়ে অধ্যয়ন কৰা হৈছে। এই কামত ৰবটৰ দল নিয়ন্ত্ৰণৰ বাবে বিভিন্ন টোপ লজিৰ অধ্যয়ন কৰা হৈছে আৰু অন্যান্য সম্ভাৱ্য টোপ লজিৰ অগ্ৰগতিও কৰা হৈছে। এই প্ৰবন্ধত উপস্থাপিত স্থাপত্যটো আৰএইচইএৰ বাহিনীত সফলতাৰে প্ৰয়োগ কৰা হৈছে, য ত বাণিজ্যিক ট্ৰেক্টৰৰ চেছিছৰ ওপৰত ভিত্তি কৰি তিনিটা স্থল ম বাইল ইউনিট আছে। |
cbc5d3e04f80a07b49ac3fbdb41f4bd577664cdc | কিউবেছেটৰ বাবে যোগাযোগ ব্যৱস্থাই শক্তিৰ ব্যৱহাৰ, জ্যামিতি আৰু পাৰ্থক্যৰ ক্ষেত্ৰত কিছুমান বিশেষ চাহিদাৰ সৈতে মোকাবিলা কৰিব লাগে। এপ্লিকেচনৰ ধৰণ অনুসৰি, প্ৰয়োজনীয় ডাটা ৰেট প্ৰতি ছেকেণ্ডত দহ মেগাবিট পৰ্যন্ত যাব পাৰে, আনহাতে শক্তিৰ ব্যৱহাৰ আৰু ভৌতিক আকাৰ প্লেটফৰ্মৰ দ্বাৰা সীমিত। প্ৰস্তাৱিত যোগাযোগ আঁচনিয়ে শক্তি-দক্ষ মডুলেচন আৰু চেনেল কোডিংক একাধিক প্ৰৱেশ আৰু বিস্তৃত স্পেকট্ৰাম প্ৰণালীৰ সৈতে সংযুক্ত কৰিব, যাৰ ফলত একাধিক উপগ্ৰহ স্থাপন সম্ভৱ হ ব। ইয়াৰ উপৰিও, এণ্টেনা ব্যৱস্থাটো এনেদৰে ডিজাইন কৰিব লাগিব যাতে উপগ্ৰহসমূহৰ দিশ নিৰ্ভৰ কৰি সংযোগ স্থাপন আৰু বজাই ৰাখিব পৰা যায়। কিউবৰ প্ৰতিটো ফালে এণ্টেনা স্থাপন কৰি এটা বৈদ্যুতিকভাৱে পৰিচালিত ৰেডিয়েচন পট্ৰ ন লাভ কৰা হয়। কনফৰ্মেল বিমফৰ্মিংয়ে প্ৰণালীটোক যিকোনো ইচ্ছামূলক প্ৰেৰণা দিশৰ বাবে ৫ ডিবিআই লাভ প্ৰদান কৰে, স্থিতি নিয়ন্ত্ৰণৰ প্ৰয়োজনীয়তা দূৰ কৰে। তদুপৰি, planar এণ্টেনা ব্যৱহাৰ কৰি যান্ত্ৰিক অংশৰ জটিলতা হ্ৰাস কৰে কিয়নো সেইবোৰ স্থাপন কৰাৰ প্ৰয়োজন নাই। কিউবছেট ছাৰ্ম মিছনৰ সফলতাৰ বাবে আন্তঃ উপগ্ৰহ সংযোগৰ উপলব্ধি কৰাটো অতি আৱশ্যকীয়। তথাপিও, এতিয়ালৈকে ইয়াক গুৰুত্ব দিয়া হোৱা নাই। |
029ec0d53785eaf719632f5aa67ae5c22689dc70 | মিলিমিটাৰ বেণ্ডত এটা বৃত্তাকাৰভাৱে পলাৰাইজড স্লট ৰেডিয়েটৰ উপস্থাপন কৰা হৈছে। অত্যাধুনিক স্লট উপাদানৰ তুলনাত কম প্ৰতিফলন আৰু ভাল পলাৰাইজেশ্যন প্ৰদৰ্শন পোৱা যায়। নতুন উপাদানটোৰ কাৰ্যক্ষমতা পৰীক্ষা কৰিবলৈ, উচ্চ লাভ এৰেজ প্ৰ টোটাইপক ছাবষ্ট্ৰেট ইণ্টিগ্ৰেটেড ৱেভগাইড (SIW) প্ৰযুক্তিত প্ৰয়োগ কৰা হৈছে। উচ্চতা সমতলত এটা কোচেণ্ট এম্প্লিট্যুড কভাৰেজ, লগতে এজিমথ সমতলত ৬° তললৈ টিল্ট কৰা একক-পলস পট্ৰন পোৱা যায়। নিৰ্ধাৰিত পৰিচালনা বেণ্ডত (36.7 - 37 GHz) নিৰ্মাণ কৰা এণ্টেনাৰ প্ৰট টাইপৰ বাবে 28.6 dBi আৰু 36.7 GHz ত 79% দক্ষতা লাভ কৰা হৈছে। একেদৰে, উপৰ জোখৰ অক্ষীয় অনুপাতটো ৩৬.৮৫ গিগাহাৰ্টছত ১.৯৫ ডিচিবি। |
e17879cf2bb858fbbc3a3aa2441287c53a0f684a | ট্ৰাইছ মি এক্স হৈছে মহিলাৰ ক্ষেত্ৰত অতিৰিক্ত এক্স ক্ৰ ম জ মৰ উপস্থিতিৰ ফলত হোৱা এক বৈকল্পিক ফেন টাইপ থকা যৌন ক্ৰ ম জ মৰ অস্বাভাৱিকতা (৪৬,এক্সএক্সৰ পৰিৱৰ্তে ৪৭,এক্সএক্সএক্স) । ই হৈছে মহিলাৰ ক্ৰ ম জ মেল অস্বাভাৱিকতাৰ সৰ্বাধিক সাধাৰণ, প্ৰায় ১,০০০ মহিলাৰ জন্মৰ ভিতৰত ১ জনৰ ক্ষেত্ৰত দেখা যায়। যিহেতু কিছুমান ব্যক্তিৰ ক্ষেত্ৰত এই ৰোগৰ প্ৰভাৱ সামান্য বা কোনো লক্ষণ দেখা নাযায়, সেয়েহে অনুমান কৰা হৈছে যে ট্ৰাইছ মি এক্স থকা ব্যক্তিৰ মাত্ৰ ১০% লোকৰহে প্ৰকৃততে এই ৰোগ ধৰা পৰে। ইয়াৰ ভিতৰত উচ্চ উচ্চতাৰ লক্ষণ, এপিকেন্টাল ফোল্ড, হাইপোটনিয়া আৰু ক্লিনোডাক্টিলিয়া আদিৰ লক্ষণ বেছি দেখা যায়। আক্ৰমণ, বৃক্ক আৰু প্ৰজনন প্ৰণালীৰ অস্বাভাৱিকতা, আৰু অকাল ডিম্বাশয়ৰ অক্ষমতা (POF)ও ইয়াৰ সৈতে সম্পৰ্কিত ফলাফল হ ব পাৰে। ট্ৰাইছ মি এক্স থকা শিশুসকলৰ মটৰ আৰু ভাষাৰ বিলম্বৰ হাৰ অধিক হয়, স্কুলীয়া বয়সত জ্ঞানীয় ঘাটি আৰু শিকাৰ অসুবিধাৰ সম্ভাৱনা বৃদ্ধি পায়। মনোযোগ ঘাটি, মেজাজৰ ব্যাধি (উদ্বেগ আৰু হতাশা) আৰু অন্যান্য মানসিক ব্যাধিকে ধৰি মানসিক বৈশিষ্ট্যও সাধাৰণ জনসংখ্যাৰ তুলনাত অধিক সাধাৰণ। ট্ৰাইছ মি এক্স সাধাৰণতে মেয়োছিছৰ সময়ত হোৱা অ-বিভাজনৰ ফলস্বৰূপে হয় যদিও প্ৰায় ২০% ক্ষেত্ৰত পোষ্টজিগোটিক অ-বিভাজন ঘটে। মাতৃৰ বয়সৰ লগে লগে ট্ৰাইছ মি এক্সৰ সম্ভাৱনা বৃদ্ধি পায়। ট্ৰাইছ মি এক্সৰ ফেন টাইপটো X-অনিষ্ক্ৰিয়কৰণৰ পৰা ৰক্ষা পোৱা জিনৰ অতিৰিক্ত প্ৰকাশৰ ফলত হোৱা বুলি অনুমান কৰা হয়, কিন্তু জিন টাইপ-ফেন টাইপ সম্পৰ্ক এতিয়াও সংজ্ঞায়িত হোৱা নাই। এমনিওচেন্টেচিছ বা কোৰিয়নিক ভিলিয়া নমুনা গ্ৰহণৰ দ্বাৰা প্ৰসৱকালীন সময়ছোৱাত ৰোগ নিৰ্ণয় কৰা সাধাৰণ। প্ৰসৱোত্তৰ ৰোগ নিৰ্ণয়ৰ বাবে প্ৰদৰ্শনসমূহত সাধাৰণতে বিকাশৰ বিলম্ব বা হাইপ ট নিয়া, শিকাৰ অক্ষমতা, আৱেগিক বা আচৰণগত অসুবিধা বা পি অ এফ অন্তৰ্ভুক্ত থাকে। নিৰ্দিষ্ট কেৰিটাইপ ফলাফলৰ পূৰ্বে পাৰ্থক্যযুক্ত ৰোগ নিৰ্ণয়ত ভঙ্গুৰ X, টেট্ৰাছ মি X, পেন্টাছ মি X, আৰু টাৰ্ণাৰ ছিণ্ড্ৰোম মোজাইচিজম অন্তৰ্ভুক্ত থাকে। জেনেটিক কাউন্সেলিং পৰামৰ্শ দিয়া হয়। প্ৰসৱকালীন অৱস্থাত ৰোগ নিৰ্ণয় কৰা ৰোগীসকলৰ বিকাশৰ বিলম্বৰ বাবে নিবিড়ভাৱে পৰ্যবেক্ষণ কৰিব লাগে যাতে প্ৰয়োজন সাপেক্ষে প্ৰাৰম্ভিক হস্তক্ষেপ চিকিৎসা প্ৰয়োগ কৰিব পৰা যায়। স্কুলীয়া বয়সৰ শিশু আৰু কিশোৰ-কিশোৰীসকলক মানসিক মূল্যায়নৰ দ্বাৰা উপকৃত হয়, য ত জ্ঞানীয়/শিক্ষাগত দক্ষতা, ভাষা আৰু/বা সামাজিক-আৱেগিক বিকাশৰ সমস্যাসমূহৰ বাবে হস্তক্ষেপ পৰিকল্পনা চিনাক্তকৰণ আৰু বিকাশৰ ওপৰত গুৰুত্ব দিয়া হয়। দ্ৰুত ঋতুস্ৰাৱ, ঋতুস্ৰাৱ অনিয়ম বা উৰ্বৰতা সমস্যা থকা কিশোৰী আৰু প্ৰাপ্তবয়স্ক মহিলাসকলক POFৰ বাবে পৰীক্ষা কৰিব লাগে। ৰোগীক ব্যক্তিগত আৰু পৰিয়ালৰ সহায় লাভ কৰিবলৈ সহায়কাৰী সংস্থালৈ প্ৰেৰণ কৰিব লাগে। লক্ষণসমূহৰ গুৰুতৰতা আৰু চিকিৎসাৰ গুণগত মান আৰু সময়ভিত্তিকভাৱে ইয়াৰ সম্ভাৱনা ভিন্ন। |
5b42ed20a1a01cb8d097141303dfd8f7cf1ced10 | সংক্ষিপ্ততম পথ অনুসন্ধান (SPQ) বহুতো গ্ৰাফ বিশ্লেষণ আৰু খনিৰ কামত গুৰুত্বপূৰ্ণ। অৱশ্যে, বৃহৎ গ্ৰাফত উৰি থকা অৱস্থাত সৰ্বাধিক সংক্ষিপ্ত পথৰ প্ৰশ্নৰ উত্তৰ দিয়া ব্যয়বহুল। অনলাইন সংক্ষিপ্ততম পথ অনুসন্ধানৰ উত্তৰ দিবলৈ, আমি সংক্ষিপ্ততম পথবোৰ সূচীভুক্ত কৰিব পাৰো। অৱশ্যে, N শীৰ্ষৰ গ্ৰাফৰ সকলোতকৈ সৰু পথৰ এটা সৰল সূচকে O ((N2) স্থান লয়। এই প্ৰবন্ধত আমি সংক্ষিপ্ততম পথৰ সূচী আৰু অনলাইন সংক্ষিপ্ততম পথৰ প্ৰশ্নৰ উত্তৰ দিয়াৰ সমস্যাটো সমাধান কৰিম। যিহেতু বহুতো বৃহৎ বাস্তৱ গ্ৰাফ সমান্তৰালভাৱে দেখুওৱা হয়, আমাৰ পদ্ধতিৰ কেন্দ্ৰীয় ধাৰণা হ ল সংক্ষিপ্ততম পথ প্ৰশ্নোত্তৰৰ সঠিকতা আৰু দক্ষতা বজাই ৰাখি সূচকৰ আকাৰ হ্ৰাস কৰিবলৈ গ্ৰাফ সমান্তৰাল ব্যৱহাৰ কৰা। কাৰিকৰীভাৱে, আমি এটা ফ্ৰেমৱৰ্ক বিকাশ কৰো যাতে এটা ডাঙৰ গ্ৰাফক ভাৰ্টেক্স স্তৰৰ পৰিৱৰ্তে কক্ষপথ স্তৰত সূচীভুক্ত কৰিব পাৰি যাতে প্ৰস্থ-প্ৰথম অনুসন্ধান গছৰ সংখ্যা O ((N) ৰ পৰা O ((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((( আমি কম্পেক্ট ব্ৰিডথ-ফাৰ্ষ্ট-চাৰ্ছ ট্ৰী (কম্পেক্ট বিএফএছ-ট্ৰী) লাভ কৰিবলৈ কক্ষপথৰ সংলগ্নতা আৰু স্থানীয় সমতুল্যতা অন্বেষণ কৰোঁ। কৃত্ৰিম তথ্য আৰু বাস্তৱ তথ্য দুয়োটাই ব্যৱহাৰ কৰি কৰা এক বিস্তৃত অভিজ্ঞতামূলক অধ্যয়নে দেখুৱাইছে যে কমপেক্ট বিএফএছ-ট্ৰীবোৰ কাৰ্যকৰীভাৱে নিৰ্মাণ কৰিব পাৰি আৰু স্থানৰ ব্যয় যথেষ্ট হ্ৰাস কৰিব পাৰি। তদুপৰি, কমপেক্ট বিএফএছ-ট্ৰী ব্যৱহাৰ কৰি অনলাইন চৰ্টষ্ট পাথ কুৱেৰী উত্তৰ দিয়া সম্ভৱ। |
263c66b0c2dc996c46d11693ad3d6f8d3f7f3d3c | |
6bf1770a79309e4f05ef65e65e19f99c25974657 | ভৱিষ্যতে আমাৰ পৰিবেশৰ উপলব্ধি আৰু অভিজ্ঞতাত সৰ্বব্যাপী সংবেদী প্ৰক্ৰিয়াই কি ভূমিকা পালন কৰিব? ভূগোলৰ ঘনতা, প্ৰাকৃতিক পৰিৱেশত ছেন্সৰৰ এক অবিৰত নমুনা সংগ্ৰহক তলৰ পৰা বান্ধি কি সুযোগ সৃষ্টি কৰা হয়? এই প্ৰবন্ধত, আমি এই প্ৰশ্নবোৰ সামগ্ৰিকভাৱে গৱেষণা কৰিম, আৰু প্ৰাথমিক পৰিৱেশগত গৱেষণাৰ পৰা সংগীতৰ ৰচনালৈকে বিভিন্ন প্ৰয়োগ, ব্যাখ্যা আৰু শৈল্পিক প্ৰকাশৰ সমৰ্থন কৰিবলৈ ডিজাইন কৰা পৰিৱেশ সংবেদক নেটৱৰ্কৰ ওপৰত আমাৰ কাম উপস্থাপন কৰিম। বিগত চাৰি বছৰত আমি আমাৰ সৰ্বব্যাপী সংবেদনৰ কাঠামোটো এক বৃহৎ পৰিসৰৰ জলভূমি পুনৰুদ্ধাৰৰ ডিজাইন আৰু ৰূপায়ণত অন্তৰ্ভুক্ত কৰিছো, ভূ-পৃষ্ঠৰ স্কেলত সৃষ্টিশীল অনুসন্ধানৰ বাবে এক বিস্তৃত ক্যানভাছ সৃষ্টি কৰিছো। আমি ইয়াত প্ৰদৰ্শন কৰা প্ৰকল্পসমূহত কাষ্টম চেন্সৰ ন ড হাৰ্ডৱেৰ, শেষৰ ব্যৱহাৰকাৰী এপ্লিকেশ্যনসমূহলৈ ৰিয়েল টাইম চেন্সৰ ডাটা প্ৰদানৰ বাবে নতুন ৱেব সেৱা, ডাটাসমূহৰ মুক্ত-শেষ অনুসন্ধানৰ বাবে জনসাধাৰণৰ সন্মুখীন হোৱা ব্যৱহাৰকাৰী ইণ্টাৰফেচ, লগতে অধিক উগ্ৰ UI মোডালিটি, মানহীন বিমান বাহনৰ জৰিয়তে, ভাৰ্চুৱেল আৰু এগমেন্টেড ৰিয়েলিটি, আৰু সেন্সৰীয় এগমেন্টেচনৰ বাবে পিন্ধিব পৰা ডিভাইচসমূহৰ বিকাশ আৰু ব্যাপক প্ৰয়োগৰ সামৰি লোৱা হৈছে। এই কামৰ পৰা আমি নেটৱৰ্কড চেন্সৰেল লেণ্ডস্কেপ (Networked Sensory Landscape) সৃষ্টি কৰিছো, যি হৈছে সৰ্বব্যাপী কম্পিউটাৰ আৰু পৰিৱেশ পুনৰুদ্ধাৰৰ মাজত এক দৃষ্টিভংগী। সেন্সৰ নেটৱৰ্ক প্ৰযুক্তি আৰু মত-বিনিময়ৰ নতুন পদ্ধতিয়ে উপস্থিতিৰ পুনৰ আকাৰ দিয়াৰ প্ৰতিশ্ৰুতি দিয়ে, স্থানিক আৰু সময়সাপেক্ষে পৰিৱেশ প্ৰক্ৰিয়াৰ সৈতে সংবেদনশীল সংযোগ মুকলি কৰে। |
c5cc6243f070d80f5edef24608694c39195e2d1a | SQL Server 11 ৰিলিজ (কোড নাম "Denali") এ এটা নতুন ডাটা ৱেৰহাউচ কুৱেৰী এক্সিলাৰেশ্যন ফিচাৰ প্ৰৱৰ্তন কৰে যিটো এটা নতুন সূচক প্ৰকাৰৰ ওপৰত ভিত্তি কৰি কলম ষ্ট ৰ সূচক নামেৰে জনা যায়। নতুন সূচক প্ৰকাৰৰ সৈতে সংযুক্ত নতুন কোৱাৰী অপাৰেটৰসমূহ শাৰীসমূহৰ বেটচ প্ৰক্ৰিয়া কৰি ডাটা ৱেৰহাউছৰ কোৱাৰী পাৰফৰমেন্সৰ ব্যাপক উন্নতি কৰেঃ কিছুমান ক্ষেত্ৰত শতগুণ আৰু নিয়মীয়াকৈ এক দহগুণ গতিসম্পন্ন সিদ্ধান্ত সহায়ক কোৱাৰীসমূহৰ বিস্তৃত পৰিসৰৰ বাবে। কলাম ষ্ট ৰৰ সূচকসমূহ বাকী প্ৰণালীৰ সৈতে সম্পূৰ্ণভাৱে একত্ৰিত হয়, প্ৰশ্ন প্ৰক্ৰিয়া আৰু অপ্টিমাইজেশ্যনকে ধৰি। এই প্ৰবন্ধত নতুন সূচীৰ সম্পূৰ্ণ সুবিধা ল বলৈ প্ৰশ্ন প্ৰক্ৰিয়া আৰু প্ৰশ্ন অনুকূলীকৰণৰ উন্নতিসহ স্তম্ভ ভঁৰালৰ সূচীৰ ডিজাইন আৰু ৰূপায়ণৰ এক আভাস দিয়া হৈছে। ইয়াৰ ফলত হোৱা কাৰ্যক্ষমতা উন্নতকৰণসমূহ বিভিন্ন উদাহৰণ অনুসন্ধানত প্ৰকাশ কৰা হৈছে। |
09a9a6b6a0b9e8fa210175587181d4a8329f3f20 | সময়োপযোগী বিমূর্ততাৰ একাধিক স্তৰত জ্ঞান শিকিব, পৰিকল্পনা কৰিব আৰু প্ৰতিনিধিত্ব কৰিব পৰাটো এআইৰ বাবে মূল, দীৰ্ঘদিনীয়া প্ৰত্যাহ্বান। এই প্ৰবন্ধত আমি বিবেচনা কৰিম যে এই প্ৰত্যাহ্বানসমূহ কেনেকৈ শক্তিশালী শিক্ষণৰ গাণিতিক কাঠামোৰ ভিতৰত আৰু মাৰ্কভ সিদ্ধান্ত প্ৰক্ৰিয়া (এমডিপি) ৰ ভিতৰত সমাধান কৰিব পাৰি। আমি এই ফ্ৰেমৱৰ্কত কাৰ্য্যকৰী কৰাৰ সাধাৰণ ধাৰণাটো সম্প্ৰসাৰিত কৰি এটা নিৰ্দিষ্ট সময়ৰ বাবে কাৰ্য্যকৰী কৰাৰ বাবে বিকল্প-বন্ধ-লুপ নীতি অন্তৰ্ভুক্ত কৰো। বিকল্পৰ উদাহৰণবোৰৰ ভিতৰত বস্তু বাচি লোৱা, মধ্যাহ্ন ভোজন কৰা, আৰু দূৰৱৰ্তী চহৰলৈ ভ্ৰমণ কৰা, লগতে প্ৰাথমিক ক্ৰিয়া যেনে মাংসপেশী ট্ৰেচ আৰু যৌথ ট ৰ্ক অন্তৰ্ভুক্ত কৰা। সামগ্ৰিকভাৱে, আমি দেখুৱাম যে বিকল্পবোৰে সাময়িকভাৱে বিমূর্ত জ্ঞান আৰু কাৰ্যক এক স্বাভাৱিক আৰু সাধাৰণ উপায়েৰে শক্তিশালী শিক্ষাৰ ফ্ৰেমৱৰ্কত অন্তৰ্ভুক্ত কৰিবলৈ সক্ষম কৰে। বিশেষকৈ, আমি দেখুৱাম যে বিকল্পসমূহক পৰিকল্পনাৰ পদ্ধতি যেনে গতিশীল প্ৰগ্ৰামিং আৰু Q-লাৰ্নিংৰ দৰে শিক্ষণ পদ্ধতিত আদিম ক্ৰিয়াৰ সৈতে পৰস্পৰৰ সলনি ব্যৱহাৰ কৰিব পাৰি। আনুষ্ঠানিকভাৱে, এমডিপিৰ ওপৰত সংজ্ঞায়িত বিকল্পসমূহৰ এটা ছেট অৰ্ধ-মাৰ্কভ সিদ্ধান্ত প্ৰক্ৰিয়া (SMDP) গঠন কৰে, আৰু SMDPs ৰ তত্ত্বই বিকল্পসমূহৰ তত্ত্বৰ ভিত্তি প্ৰদান কৰে। অৱশ্যে, আটাইতকৈ আকৰ্ষণীয় বিষয়বোৰ অন্তৰ্নিহিত এমডিপি আৰু এছএমডিপিৰ মাজৰ পাৰস্পৰিক ক্ৰিয়া সম্পৰ্কীয় আৰু সেয়ে এছএমডিপি তত্ত্বৰ বাহিৰত থাকে। আমি এনে তিনিটা ঘটনাৰ ফলাফল দাঙি ধৰিছো: (১) আমি দেখুৱাম যে বিকল্পৰ সৈতে পৰিকল্পনা কৰাৰ ফলাফলবোৰ কাৰ্যকৰী কৰাৰ সময়ত বিকল্পবোৰ বিঘ্নিত কৰিবলৈ ব্যৱহাৰ কৰিব পাৰি আৰু সেইদৰে পৰিকল্পনাতকৈও ভাল কাম কৰিব পাৰি, (২) আমি নতুন ইনট্ৰা-অপচন পদ্ধতি প্ৰৱৰ্তন কৰো যিয়ে ইয়াৰ কাৰ্যকৰী কৰাৰ ভগ্নাংশৰ পৰা বিকল্পৰ বিষয়ে শিকিব পাৰে, আৰু (৩) আমি উপ-উদ্দেশ্যৰ ধাৰণা প্ৰস্তাৱ কৰো যিয়ে বিকল্পবোৰ উন্নত কৰিবলৈ ব্যৱহাৰ কৰিব পাৰি। এই সকলোবোৰ ফলাফলৰ পূৰ্বসূৰী বিদ্যমান সাহিত্যত আছে; এই কাগজৰ অৱদান হৈছে বিদ্যমান শক্তিশালী শিক্ষাৰ ফ্ৰেমৱৰ্কৰ সৈতে কম পৰিবৰ্তনৰ সৈতে সহজ আৰু অধিক সাধাৰণ ছেটিংছত প্ৰতিষ্ঠা কৰা। বিশেষকৈ, আমি দেখুৱাম যে এই ফলাফলসমূহ কোনো বিশেষ পদ্ধতিৰ (বা বাদ দিয়া) প্ৰতিশ্রুতিবদ্ধ নোহোৱাকৈ লাভ কৰিব পাৰি। - মই জানো ! ১৯৯৯ Elsevier Science B.V. দ্বাৰা প্ৰকাশিত সকলো অধিকাৰ সংৰক্ষিত। প্ৰতিনিধি লেখক। 0004-3702/99/$ - প্ৰাথমিক খবৰৰ পৰা চাওক! ১৯৯৯ Elsevier Science B.V. দ্বাৰা প্ৰকাশিত সকলো অধিকাৰ সংৰক্ষিত। PII: S0004-3702 ((99) 00052 - 182 R.S. ছাট্টন আৰু আনসকল। / কৃত্ৰিম বুদ্ধিমত্তা 112 (1999) 181-211 |
3939607e665159002391082cd4a8952374d6bd99 | উচ্চ ক্ষমতাসম্পন্ন এপ্লিকেচনৰ বাবে শক্তি ৰূপান্তৰক বিকল্পৰ নতুন প্ৰজাতি হিচাপে এবষ্ট্ৰাক্ট মাল্টিলেভেল ভল্টেজ উৎস ৰূপান্তৰক উদ্ভৱ হৈছে। বহুস্তৰীয় ভল্টেজ উৎসৰ কনভাৰ্টাৰবোৰে সাধাৰণতে DC ক্যাপাচিটৰ ভল্টেজৰ কেইবাটাও স্তৰৰ পৰা ষ্টেৰেইজ ভল্টেজ ঢৌ সংহতি কৰে। বহুস্তৰীয় কনভাৰ্টাৰৰ এটা প্ৰধান সীমাবদ্ধতা হ ল বিভিন্ন স্তৰৰ মাজত ভল্টেজ ভাৰসাম্যহীনতা। বিভিন্ন স্তৰৰ মাজত ভল্টেজ ভাৰসাম্য ৰখাৰ কৌশলবোৰত সাধাৰণতে ভল্টেজ ক্লাম্পিং বা কণ্ডেছটৰ চাৰ্জ নিয়ন্ত্ৰণ জড়িত থাকে। বহুস্তৰীয় কনভাৰ্টাৰত ভল্টেজ ভাৰসাম্য প্ৰয়োগ কৰাৰ কেইবাটাও উপায় আছে। পৰম্পৰাগত চুম্বকীয় সংযুক্ত ৰূপান্তৰকসমূহক বাদ দি এই প্ৰবন্ধত শেহতীয়াকৈ বিকশিত তিনিটা বহুস্তৰীয় ভল্টেজ উৎস ৰূপান্তৰক প্ৰদৰ্শন কৰা হৈছেঃ 1) ডায়োড-ক্ল্যাম্প, 2) ফ্লায়িং কেপাচিটৰ আৰু 3) পৃথক DC উৎসৰ সৈতে কেস্কেড-ইনভাৰ্টাৰ। এই কনভাৰ্টাৰৰ কামৰ নীতি, বৈশিষ্ট্য, সীমাবদ্ধতা আৰু সম্ভাব্য প্ৰয়োগৰ বিষয়ে আলোচনা কৰা হ ব। |
61c901789c7fb4721aae63769d7c4eb0e27a7e45 | বহু স্তৰৰ শক্তি ৰূপান্তৰক যিয়ে দুটাতকৈ অধিক স্তৰৰ ভল্টেজ প্ৰদান কৰে যাতে মসৃণ আৰু কম বিকৃত AC-to-DC, DC-to-AC, আৰু DC-to-DC শক্তি ৰূপান্তৰকৰণ লাভ কৰিব পাৰি, বহুতো অৱদানকাৰীক আকৰ্ষিত কৰিছে। এই প্ৰবন্ধত স্ব-ভোল্টেজ ভাৰসাম্যকৰণৰ সৈতে এটা সাধাৰণীকৃত বহুস্তৰীয় ইনভাৰ্টাৰ (কনভাৰ্টাৰ) টোপ লজি উপস্থাপন কৰা হৈছে। বৰ্তমানৰ বহুস্তৰীয় ইনভাৰ্টাৰ যেনে ডায়োড-ক্ল্যাম্পড আৰু কণ্ডেছটৰ-ক্ল্যাম্পড বহুস্তৰীয় ইনভাৰ্টাৰ সাধাৰণ ইনভাৰ্টাৰ টোপ লজিৰ পৰা আহৰণ কৰিব পাৰি। তদুপৰি, সাধাৰণীকৃত বহুস্তৰীয় ইনভাৰ্টাৰ টোপ লজিয়ে এটা সত্যিকৃত বহুস্তৰীয় গাঁথনি প্ৰদান কৰে যি আন চক্ৰৰ পৰা কোনো সহায় অবিহনে স্বয়ংক্ৰিয়ভাৱে প্ৰতিটো ডিচি ভল্টেজ স্তৰ ভাৰসাম্য বজাই ৰাখিব পাৰে, এইদৰে, নীতিগতভাৱে, বৰ্তমানৰ বহুস্তৰীয় ইনভাৰ্টাৰসমূহক সামৰি লোৱা এক সম্পূৰ্ণ আৰু সত্যিকৃত বহুস্তৰীয় টোপ লজি প্ৰদান কৰে। এই সাধাৰণীকৃত বহুস্তৰীয় ইনভাৰ্টাৰ টোপ লজিৰ পৰা, কেইবাটাও নতুন বহুস্তৰীয় ইনভাৰ্টাৰ গাঁথনি আহৰণ কৰিব পাৰি। সাধাৰণীকৃত বহুস্তৰীয় কনভাৰ্টাৰৰ কিছুমান প্ৰয়োগৰ উদাহৰণ দিয়া হ ব। |
bb004d2d04ce6872d0f7965808ae4867aa037f8b | একবিংশ শতিকাৰ বৈদ্যুতিক শক্তি উৎপাদনৰ ক্ষেত্ৰত ভৌতিক আন্তঃগাঁথনি আৰু নিয়ন্ত্ৰণ আৰু তথ্য আন্তঃগাঁথনি দুয়োটা দিশতে ব্যাপক পৰিৱৰ্তন হ ব। তুলনামূলকভাৱে কম সংখ্যক বৃহৎ, কেন্দ্ৰীভূত উৎপাদন কেন্দ্ৰৰ পৰা এটা স্থানান্তৰ হ ব আৰু বিদ্যুতৰ পৰিবহণ বেছিভাগ উচ্চ ভল্টেজ এচি গ্ৰীডৰ জৰিয়তে হ ব (চিত্ৰ ৫) । 1) অধিক বৈচিত্ৰ্যপূৰ্ণ আৰু বিচ্ছিন্ন উৎপাদন আন্তঃগাঁথনিৰ বাবে যিটো ডিচি ট্ৰান্সমিশ্যন লাইনৰ উচ্চ শতাংশৰ সৈতেও আছে (চিত্ৰ-১) । 2) [1] আমেৰিকাত উৎপাদন ক্ষমতা বিদ্যুতৰ চাহিদাৰ লগত খাপ খুৱাই নাই, কিয়নো বিগত দশকত ৰিজাৰ্ভ মাৰ্জিন ১৯৯০ চনত ২২% ৰ পৰা ১৯৯৭ চনত ১৬% লৈ হ্ৰাস পাইছে। এই হ্ৰাসপ্ৰাপ্ত মাৰ্জিন প্ৰৱণতা পৰৱৰ্তী দশকত অব্যাহত থকাৰ আশা কৰা হৈছে, আংশিকভাৱে ভৱিষ্যতৰ নিয়ন্ত্ৰণহীন বৈদ্যুতিক পৰিৱেশ কেনেদৰে কাৰ্য্য কৰিব সেয়া অনিশ্চিত হোৱাৰ বাবে। কম ৰিজাৰ্ভ মাৰ্জিনৰ ফলত উচ্চ চাহিদা থকা দিনত কম পিক্ ক্ষমতাৰ সৃষ্টি হ ব আৰু শক্তিৰ মূল্য অধিক অস্থিৰ হ ব [2]। এই পৰিবৰ্তন আৰু অধিক নিয়ন্ত্ৰণ মুক্ত বিদ্যুৎ শক্তি উদ্যোগৰ ফলত বিদ্যুৎ উৎপাদন কৰা বা বিতৰণ কৰা শক্তিৰ অধিক অংশীদাৰ হ ব। বিতৰণ শক্তি উত্সৰ কিছুমান যিটো আমেৰিকা যুক্তৰাষ্ট্ৰ আৰু বিদেশত উৎপাদিত মুঠ শক্তিৰ তেওঁলোকৰ বজাৰ ভাগ যথেষ্ট বৃদ্ধি কৰিব বুলি আশা কৰা হৈছে, সেইবোৰৰ ভিতৰত পুনঃনবীকৰণযোগ্য শক্তিৰ উৎস যেনে সৌৰ, বায়ু, নিম্ন-হেড জলবিদ্যুৎ আৰু ভূ-তাপীয় শক্তি [3] অন্তৰ্ভুক্ত কৰা হৈছে। ইন্ধন চেল প্ৰযুক্তিও বিকাশৰ এনে এটা পৰ্যায়ৰ ওচৰ চাপিছে য ত ই শক্তিৰ প্ৰয়োজনীয়তাৰ এক গুৰুত্বপূৰ্ণ অংশ যোগান ধৰিব পাৰে। [4] উচ্চ ক্ষমতাসম্পন্ন ইলেক্ট্ৰনিক মডিউলৰ আবিৰ্ভাৱে অধিক ডিচি ট্ৰান্সমিশ্যন ব্যৱহাৰক উৎসাহিত কৰিছে আৰু ইন্ধন চেল আৰু ফ ট ভোল্টাইকৰ দৰে ডিচি শক্তি উৎসৰ আন্তঃসংযোগৰ সম্ভাৱনাসমূহ সহজেই প্ৰাপ্ত কৰিব পৰা হৈছে। এই ধৰণৰ ইউটিলিটি এপ্লিকেচনৰ বাবে আদৰ্শ এক মডুলাৰ, স্কেলযোগ্য শক্তি ইলেক্ট্ৰনিক্স প্ৰযুক্তি হৈছে ট্ৰেন্সফৰ্মাৰলেছ মাল্টিলেভেল কনভাৰ্টাৰ [5]। |
c29ac3455cb73a777e1908b2c2c09b1d14ea1e9e | নতুন আৱাসিক স্কেল ফ ট ভোলটাইক (পিভি) এৰেজবোৰ সাধাৰণতে এচি গ্ৰীডৰ সৈতে এক বা দুটা পেনেলক প্ৰত্যক্ষভাৱে সংযোগ কৰা একক ডিচি-এচি ইনভাৰ্টাৰ দ্বাৰা পিভি পেনেলৰ শৃংখলাৰ সৈতে সংযুক্ত হয়, বা বহু সৰু ডিচি-এচি ইনভাৰ্টাৰ থাকে। এই প্ৰবন্ধত এটা সৰলীকৃত DC-AC ইনভাৰ্টাৰৰ সৈতে সংযুক্ত এটা উচ্চ ভল্টেজ শৃংখলা সৃষ্টি কৰিবলৈ ধাৰাবাহিকভাৱে সংযুক্ত অ-বিচ্ছিন্ন প্ৰতি-পেনেল DC-DC কনভাৰ্টাৰসমূহৰ এটা বিকল্প টোপ লজিৰ প্ৰস্তাৱ দিয়া হৈছে। ই "কনভাৰ্টাৰ-প্ৰতি-পেনেল" পদ্ধতিৰ সুবিধা প্ৰদান কৰে য ত পৃথক DC-AC গ্ৰীড সংযুক্ত ইনভাৰ্টাৰৰ ব্যয় বা দক্ষতা জৰিমনা নপৰে। বাক, বুষ্ট, বাক-বুষ্ট আৰু Cu/spl আকুটে/কে কনভাৰ্টাৰসমূহক কেচকেডযুক্ত DC-DC কনভাৰ্টাৰ হিচাপে বিবেচনা কৰা হয়। মেটলাব অনুকৰণসমূহ প্ৰতিটো টপ লজিৰ কাৰ্য্যকৰীতা তুলনা কৰাৰ লগতে ব্যয় আৰু জটিলতা বৃদ্ধিৰ লাভালাভৰ মূল্যায়ন কৰিবলৈ ব্যৱহাৰ কৰা হয়। বক আৰু তাৰ পিছত বুষ্ট কনভার্টাৰবোৰ এটা নিৰ্দিষ্ট খৰচৰ বাবে আটাইতকৈ কাৰ্যকৰী টোপ লজি হিচাপে প্ৰমাণিত হৈছে, যাৰ বাবে বক দীঘল শৃংখল আৰু বুষ্টৰ বাবে উপযুক্ত। ভল্টেজ ৰেঞ্জত নমনীয় হৈ থাকোতেই, বক-বুষ্ট, আৰু Cu/spl আকুটে/কে কনভাৰ্টাৰবোৰ সদায় কাৰ্য্যক্ষমতা বা বিকল্পভাৱে ব্যয়ৰ অসুবিধাত থাকে। |
1bb06f401fac046234a9eeeb8735b8a456ba9d6d | সাম্প্ৰতিক বছৰবোৰত, ৱায়াৰলেচ ছেন্সৰ নেটৱৰ্কৰ প্ৰতি আগ্ৰহ বাঢ়িছে। ৱায়াৰলেচ ছেন্সৰ নেটৱৰ্কৰ এটা প্ৰধান সমস্যা হ ল শক্তি-দক্ষ ক্লাষ্টাৰিং প্ৰট কলৰ বিকাশ। নেটৱৰ্কসমূহৰ জীৱনকাল বৃদ্ধিৰ ক্ষেত্ৰত শ্ৰেণীবদ্ধ ক্লাষ্টাৰিং এলগৰিথম অতি গুৰুত্বপূৰ্ণ। প্ৰতিটো ক্লাষ্টাৰিং এলগৰিথম দুটা পৰ্যায়ৰ দ্বাৰা গঠিত, ছেটআপ পৰ্যায় আৰু ষ্টেছন ষ্টেট পৰ্যায়। এই এলগৰিথমৰ হট পইণ্ট হৈছে ক্লাষ্টাৰ হেড নিৰ্বাচন। এই প্ৰবন্ধত আমি বেতাৰ ছেন্সৰ নেটৱৰ্কত এনেকুৱা শক্তিৰ প্ৰভাৱৰ বিষয়ে অধ্যয়ন কৰিম যিবোৰ শ্ৰেণীবদ্ধভাৱে গোট খোৱা হয়। আমি ধাৰণা কৰো যে ছেন্সৰ নডৰ জনসংখ্যাৰ এটা শতাংশ অতিৰিক্ত শক্তিৰ উৎসৰ সৈতে সজ্জিত। আমি এইটোও ধাৰণা কৰো যে ছেন্সৰ নোডবোৰ এলোমেলোভাৱে বিতৰণ কৰা হয় আৰু সঞ্চালনযোগ্য নহয়, ছিঙ্কৰ সমন্বয় আৰু ছেন্সৰ ক্ষেত্ৰৰ পৰিমাপ জনা যায়। সমজাতীয় ক্লাষ্টাৰিং প্ৰট কলসমূহে ধাৰণা কৰে যে সকলো ছেন্সৰ ন ড সম পৰিমাণৰ শক্তিৰে সজ্জিত আৰু ফলস্বৰূপে, তেওঁলোকে ন ড বৈষম্যৰ উপস্থিতিৰ সুবিধা গ্ৰহণ কৰিব নোৱাৰে। এই পদ্ধতিৰ অনুকৰণ কৰি, আমি প্ৰতিটো নডৰ অৱশিষ্ট শক্তিৰ ওপৰত ভিত্তি কৰি প্ৰতিটো নডৰ ভাৰসাম্যযুক্ত নিৰ্বাচন সম্ভাৱনাসমূহৰ ওপৰত ভিত্তি কৰি ৱায়াৰলেছ চেন্সৰ নেটৱৰ্কৰ বাবে এক শক্তি দক্ষ বৈষম্যপূৰ্ণ ক্লাষ্টাৰযুক্ত আঁচনি প্ৰৱৰ্তন কৰো। অৱশেষত, অনুকৰণ ফলাফলৰ পৰা প্ৰমাণ হয় যে আমাৰ প্ৰস্তাৱিত বৈষম্যপূৰ্ণ ক্লাষ্টাৰিং পদ্ধতি LEACHৰ তুলনাত নেটৱৰ্কৰ জীৱনকাল বৃদ্ধি কৰাত অধিক কাৰ্যকৰী। ২০০৮ এলেছভিয়াৰ বি.ভি. সকলো অধিকাৰ সংৰক্ষিত। |
0352893287ea6c7d6a65946706b1b75cbe598798 | |
552528ae817834765e491d8f783c785c07ca7ccb | সামাজিক নেটৱৰ্ক ডাটাৰ গোপনীয়তা এক ক্ৰমবৰ্ধমান উদ্বেগ যি এই মূল্যবান তথ্য উৎসৰ প্ৰৱেশাধিকাৰ সীমিত কৰাৰ ভাবুকি প্ৰদান কৰে। সামাজিক নেটৱৰ্কৰ গ্ৰাফৰ গাঁথনিৰ বিশ্লেষণে উপাৰ্জন সৃষ্টি আৰু সমাজ বিজ্ঞান গৱেষণাৰ বাবে মূল্যবান তথ্য প্ৰদান কৰিব পাৰে, কিন্তু দুৰ্ভাগ্যবশতঃ, এই বিশ্লেষণে ব্যক্তিৰ গোপনীয়তা ভংগ নকৰে সেয়া নিশ্চিত কৰাটো কঠিন। কেৱল গ্ৰাফৰ নাম গোপন কৰি ৰখা বা কেৱল বিশ্লেষণৰ সংগ্ৰহিত ফলাফল প্ৰকাশ কৰাটোৱে পৰ্যাপ্ত সুৰক্ষা প্ৰদান নকৰিব পাৰে। ডিফাৰেন্সিয়েল প্ৰাইভেচি হৈছে এক বিকল্প প্ৰাইভেচি মডেল, যি ডাটা মাইনিংত জনপ্ৰিয়, যিয়ে ডাটা ছেটত ব্যক্তিৰ উপস্থিতি লুকুৱাই ৰখাৰ বাবে এক শক্তিশালী গাণিতিক গ্যারান্টি প্ৰদান কৰে। ব্যক্তিৰ পৰিচয় আৰু ব্যক্তিগত তথ্য আহৰণৰ ক্ষেত্ৰত পূৰ্বতে সংবেদনশীল বিশ্লেষণসমূহক পাৰ্থক্য-গোপনীয়তাৰ নিশ্চয়তাৰ অধীনত সুৰক্ষিতভাৱে মুকলি কৰি দিয়া হ ব পাৰে। আমি নেটৱৰ্ক ডাটাৰ সৈতে ডিফাৰেন্সিয়েল প্ৰাইভেচীৰ সমন্বয় সাধনৰ বাবে দুটা বিদ্যমান মানদণ্ড পৰ্যালোচনা কৰিছো আৰু এই মানদণ্ডসমূহৰ অধীনত কেইবাটাও সাধাৰণ সামাজিক নেটৱৰ্ক বিশ্লেষণ প্ৰণালীৰ কাৰ্য্যকৰীতা বিশ্লেষণ কৰিছো। ইয়াৰ উপৰিও, আমি আউট-লিঙ্ক গোপনীয়তাৰ প্ৰস্তাৱ দিছো, নেটৱৰ্ক ডাটাত পাৰ্থক্য গোপনীয়তাৰ বাবে এক নতুন মানদণ্ড, আৰু সাধাৰণ নেটৱৰ্ক বিশ্লেষণ প্ৰণালীৰ বাবে দুটা শক্তিশালী আউট-লিঙ্ক ব্যক্তিগত এলগৰিথমৰ প্ৰৱৰ্তন কৰিছো যি পূৰ্বৰ পাৰ্থক্য গোপনীয়তাৰ মানদণ্ডৰ অধীনত ব্যক্তিগতকৰণ কৰা সম্ভৱ নাছিল। |
002c3339df17101b1b8f56d534ba4de2437f7a22 | আমি আমাৰ নেটৱৰ্কটো শেহতীয়া DETRAC বেঞ্চমাৰ্কৰ ওপৰত মূল্যায়ন কৰো আৰু অত্যাধুনিক Faster RCNN ৰ তুলনাত 9.5% mAP ৰ দ্বাৰা এক উল্লেখযোগ্য উন্নতি লাভ কৰো। তদুপৰি, আমাৰ নেটৱৰ্কটোৱে মধ্যমীয়া বাণিজ্যিক জিপিইউত ৯-১৩ এফপিএছ চিনাক্তকৰণ গতি লাভ কৰে। আমি যান-বাহন নিৰীক্ষণ কেমেৰাৰ পৰা দ্ৰুত যান-বাহন চিনাক্তকৰণ সম্পন্ন কৰোঁ। এটা নতুন গভীৰ শিক্ষণ ফ্ৰেমৱৰ্ক, অৰ্থাৎ ইভলভিং বক্স, বিকাশ কৰা হয় যি বিভিন্ন বৈশিষ্ট্যৰ প্ৰতিনিধিত্বৰ অধীনত অবজেক্ট বক্সৰ প্ৰস্তাৱ আৰু পৰিমাৰ্জন কৰে। বিশেষভাৱে, আমাৰ ফ্ৰেমৱৰ্ক এটা লাইটৱেট প্ৰস্তাৱ নেটৱৰ্কৰ সৈতে অন্তৰ্ভুক্ত কৰা হৈছে প্ৰাৰম্ভিক এংকৰ বক্স সৃষ্টি কৰাৰ লগতে অকল্পনীয় অঞ্চলসমূহক সোনকালে নস্যাৎ কৰিবলৈ; এটা সূক্ষ্ম টাৰ্নিং নেটৱৰ্কে এই প্ৰাৰ্থী বক্সৰ বাবে সবিশেষ বৈশিষ্ট্য প্ৰস্তুত কৰে। আমি আকৰ্ষণীয়ভাৱে দেখুৱাম যে বিভিন্ন বৈশিষ্ট সংমিশ্ৰণ কৌশল প্ৰয়োগ কৰি, প্ৰাৰম্ভিক বাকচবোৰ স্থানীয়কৰণ আৰু স্বীকৃতিৰ বাবে উভয়ে পৰিমার্জিত কৰিব পাৰি। |
541a89579d77942c0b8ac6debf8ef99a04684dca | এই প্ৰবন্ধত, এটা চিৰিজ-ফিড মাইক্ৰ ষ্ট্ৰীপ এণ্টেনা এৰেৰ ডিজাইন আলোচনা কৰা হৈছে আৰু ইয়াৰ সীমিত লাভৰ ডিজাইন প্ৰত্যাহ্বান ব্যাখ্যা কৰা হৈছে। ইয়াত আলোচনা কৰা হৈছে যে এৰেৰ পেচসমূহৰ মাজত থকা পৰ্যায়টোৱে এই প্ৰত্যাহ্বান অতিক্ৰম কৰাত গুৰুত্বপূৰ্ণ ভূমিকা পালন কৰে। Ka-বেণ্ডত 23 এলিমেণ্ট চিৰিজ ফিডড লিনিয়াৰ এৰেজত 19dBi লাভ হয় আৰু -15dBতকৈ ভাল SLL থাকে। চি-বেণ্ডত এটা স্কেলড ডাউন সংস্কৰণ ডিজাইন আৰু নিৰ্মিত কৰা হৈছে। ৭-উপাদানৰ ধাৰাবাহিক এণ্টেনা এৰেজ এটাৰ পৰিমাপ কৰা লাভ আছিল ১৫.১ ডিবিআই ৫.৭৯ গিগাহাৰ্টজেডত। এই ডিজাইনটো উচ্চ লাভ লাভ কৰিবলৈ সমতল এণ্টেনা এৰেজলৈ সম্প্ৰসাৰিত কৰিব পাৰি। |
056e13d5045e7d594489705f78834cfaf6642c36 | বুষ্টিং হৈছে কোনো এটা শিক্ষণীয় এলগৰিথমৰ সঠিকতা উন্নত কৰাৰ বাবে এটা সাধাৰণ পদ্ধতি। মূলতঃ এডাবুষ্ট এলগৰিথমৰ ওপৰত গুৰুত্ব দি, এই অধ্যায়ত এডাবুষ্টৰ প্ৰশিক্ষণ ত্ৰুটি আৰু সাধাৰণীকৰণ ত্ৰুটিৰ বিশ্লেষণকে ধৰি বুষ্টিংৰ ওপৰত শেহতীয়া কামৰ কিছু সংক্ষিপ্ত বিৱৰণ দিয়া হৈছে; গেম তত্ত্ব আৰু ৰেখিক প্ৰগ্ৰামিংৰ সৈতে বুষ্টিংৰ সংযোগ; বুষ্টিং আৰু লজিষ্টিক ৰিগ্ৰেশ্যনৰ মাজৰ সম্পৰ্ক; মাল্টি-ক্লাস শ্ৰেণীবিভাজনৰ সমস্যাৰ বাবে এডাবুষ্টৰ সম্প্ৰসাৰণ; বুষ্টিংত মানৱ জ্ঞানৰ অন্তৰ্ভুক্তিৰ পদ্ধতি; আৰু বুষ্টিং ব্যৱহাৰ কৰি পৰীক্ষামূলক আৰু প্ৰয়োগিক কাম। |
38f35dd624cd1cf827416e31ac5e0e0454028eca | আমি DropConnect, Dropout (Hinton et al., 2012) ৰ এটা সাধাৰণীকৰণ প্ৰৱৰ্তন কৰো, নিউৰেল নেটৱৰ্কৰ ভিতৰত বৃহৎ সম্পূৰ্ণ সংযুক্ত স্তৰবোৰ নিয়মীয়া কৰাৰ বাবে। ড্ৰপআউট ব্যৱহাৰ কৰি প্ৰশিক্ষণ প্ৰদান কৰাৰ সময়ত, প্ৰতিটো স্তৰৰ ভিতৰত শূন্যত এৰাব নোৱাৰাকৈ নিৰ্বাচিত সক্ৰিয়কৰণৰ উপ-সমষ্টি নিৰ্ধাৰণ কৰা হয়। ইয়াৰ পৰিৱৰ্তে DropConnect এ নেটৱৰ্কৰ ভিতৰত এৰাব নোৱাৰাকৈ নিৰ্বাচিত ওজনসমূহৰ এটা উপ-সমষ্টি শূন্যত স্থিৰ কৰে। প্ৰত্যেকটো এককে পূৰ্বৰ স্তৰত এককৰ এৰাব নোৱাৰা উপ-সমষ্টিৰ পৰা ইনপুট লাভ কৰে। আমি ড্ৰপআউট আৰু ড্ৰপকানেক্টৰ সাধাৰণীকৰণ কাৰ্যক্ষমতাৰ ওপৰত এটা সীমাবদ্ধতা আহৰণ কৰোঁ। তাৰ পিছত আমি DropConnect-ক বিভিন্ন ডাটা ছেটত মূল্যায়ন কৰো, Dropout-ৰ সৈতে তুলনা কৰো, আৰু একাধিক DropConnect- প্ৰশিক্ষিত মডেল সংগ্ৰহ কৰি কেইবাটাও ছবি চিনাক্তকৰণ মানদণ্ডত অত্যাধুনিক ফলাফল দেখুৱাম। |
8579b32d0cabee5a9f41dcde0b17aa51d9508850 | আমি এটা অঙ্গভঙ্গি চিনাক্তকৰণ প্ৰণালী তৈয়াৰ কৰিছো, যি লুকাই থকা মাৰকভ মডেলৰ ওপৰত আধাৰিত, যিয়ে ক্ৰিয়াশীলভাৱে অঙ্গভঙ্গি চিনাক্ত কৰিব পাৰে আৰু নতুন অঙ্গভঙ্গি অনলাইন শিকিব পাৰে। ইয়াৰ উপৰিও, ই চিনাক্ত কৰা প্ৰতিটো উদাহৰণৰে সৈতে ই এটা অংগভঙ্গিৰ মডেলক পুনৰাবৃত্তিভাৱে আপডেট কৰিবলৈ সক্ষম। এই ব্যৱস্থাই ১৪ টা ভিন্ন অঙ্গভঙ্গি চিনাক্তকৰণ কৰিব পাৰিছে, প্ৰত্যেকটোৰ মাত্ৰ এটা বা দুটা উদাহৰণ দেখুৱাৰ পিছত। এই প্ৰণালীটো বৰ্তমানে এটা চাইবাৰগ্লোভৰ সৈতে সংযুক্ত হৈ আছে। এই প্ৰণালীটো সংকেত ভাষাৰ বৰ্ণমালাৰ পৰা চিনাক্তকৰণ কৰিবলৈ ব্যৱহাৰ কৰা হয়। এই ব্যৱস্থাটো এটা ইন্টাৰেক্টিভ ইন্টাৰফেচৰ অংশ হিচাপে ৰূপায়ণ কৰা হৈছে যিয়ে ৰবটৰ টেলিঅপাৰেচন আৰু প্ৰগ্ৰেমিংৰ উদাহৰণ দিয়ে। |
0617301c077e56c44933e2b790a270f3e590db12 | আমি আনুমানিক শাৰী মিলন সমস্যাৰ বাবে এটা নতুন সূচী পদ্ধতি প্ৰদৰ্শন কৰোঁ। এই পদ্ধতিটো এটা পৰৱৰ্তী সজ্জা সমন্বয়ৰ সৈতে পট্ৰ নৰ বিভাজনৰ ওপৰত আধাৰিত। আমি ফলাফলযুক্ত এলগৰিথম বিশ্লেষণ কৰোঁ আৰু দেখুৱাম যে গড় পুনৰুদ্ধাৰ সময় , কিছুমান বাবে যি সহ্য কৰা ত্ৰুটি ভগ্নাংশ আৰু বৰ্ণমালাৰ আকাৰৰ ওপৰত নিৰ্ভৰ কৰে । এইখিনিতে দেখুওৱা হৈছে যে প্ৰায় , ক ত । প্ৰয়োজনীয় স্থান হ ল পাঠৰ আকাৰৰ চাৰিগুণ, যি এই সমস্যাৰ বাবে যথেষ্ট মধ্যমীয়া। আমি পৰীক্ষামূলকভাৱে দেখুৱাম যে এই সূচকে সূচকীয় আনুমানিক অনুসন্ধানৰ বাবে সকলো বিদ্যমান বিকল্পতকৈ বহু বেছি ভাল কৰিব পাৰে। এইসমূহ হৈছে বিভিন্ন প্ৰচলিত আঁচনিৰ তুলনা কৰা প্ৰথমটো পৰীক্ষা। |
6c94ec89603ffafcdba4600bc7506a2df35cc246 | এই ডক্টৰেট কনছ ৰ্টিয়ামৰ কাগজত আলোচনা কৰা হৈছে যে সংগঠনৰ ভিতৰত থকা ডকুমেন্টেশ্যনৰ পৰা ব্যৱসায় প্ৰক্ৰিয়া মডেল স্বয়ংক্ৰিয়ভাৱে সৃষ্টি কৰিবলৈ বিপিএমৰ ক্ষেত্ৰত এনএলপি কেনেকৈ প্ৰয়োগ কৰিব পাৰি। মূল ধাৰণাটো হ ল এটা বাক্যৰ সিন্টেক্টিকেল আৰু ব্যাকৰণিক গাঁথনিৰ পৰা, এটা ব্যৱসায় প্ৰক্ৰিয়া মডেলৰ উপাদানবোৰ আহৰণ কৰিব পাৰি (অৰ্থাৎ কাৰ্যকলাপ, সম্পদ, কাম, ধৰণী) ইয়াৰ ফলত এটা বিজনেছ প্ৰচেছ মডেল হ ব যিটো বিপিএমএন ব্যৱহাৰ কৰি বৰ্ণনা কৰা হ ব- এটা নিৰ্দিষ্ট বিজনেছ প্ৰচেছ মডেলিং কৌশল। |
075bc988728788aa033b04dee1753ded711180ee | আমি বিভিন্ন ধৰণৰ প্ৰকাশ আৰু আলোকসজ্জা, লগতে আড়ম্বৰ আৰু ছদ্মবেশৰ সৈতে সন্মুখৰ দৃশ্যৰ পৰা স্বয়ংক্ৰিয়ভাৱে মানৱ মুখ চিনাক্ত কৰাৰ সমস্যাটো বিবেচনা কৰোঁ। আমি চিনাক্তকৰণ সমস্যাটো একাধিক ৰেখীয় প্ৰতিলিপিৰ মডেলৰ মাজত শ্ৰেণীবদ্ধ কৰাৰ এটা হিচাপে প্ৰক্ষেপ কৰো আৰু যুক্তি দিওঁ যে বিৰল সংকেত প্ৰতিনিধিত্বৰ পৰা নতুন তত্ত্বই এই সমস্যা সমাধানৰ চাবি প্ৰদান কৰে। C1-সর্বনিম্নীকৰণৰ দ্বাৰা গণনা কৰা এটা বিৰল প্ৰতিনিধিত্বৰ ভিত্তিত, আমি (ছবি-ভিত্তিক) বস্তু চিনাক্তকৰণৰ বাবে এটা সাধাৰণ শ্ৰেণীবিভাজন এলগৰিথমৰ প্ৰস্তাৱ দিছো। এই নতুন ফ্ৰেমৱৰ্কটোৱে মুখ চিনাক্তকৰণৰ দুটা গুৰুত্বপূৰ্ণ বিষয়ত নতুন অন্তৰ্দৃষ্টি প্ৰদান কৰেঃ বৈশিষ্ট্য নিষ্কাশন আৰু আচ্ছাদনৰ দৃঢ়তা। বৈশিষ্ট্য নিষ্কাশনৰ বাবে, আমি দেখুৱাম যে যদি চিনাক্তকৰণ সমস্যাৰ ক্ষীপ্ৰতা সঠিকভাৱে ব্যৱহাৰ কৰা হয়, বৈশিষ্ট্যসমূহৰ নিৰ্বাচন আৰু বেছি গুৰুত্বপূৰ্ণ নহয়। অৱশ্যে, গুৰুত্বপূৰ্ণ কথাটো হ ল যে বৈশিষ্ট্যৰ সংখ্যা যথেষ্ট ডাঙৰ আৰু বিৰল প্ৰতিনিধিত্ব সঠিকভাৱে গণনা কৰা হয় নে নহয়। অগতানুগতিক বৈশিষ্ট্য যেনে ডাউনচ্যাম্পলড ছবি আৰু এলোমেলো প্ৰক্ষেপণসমূহ স্বতন্ত্ৰপৃষ্ঠ আৰু লাপ্লেচিয়ানপৃষ্ঠৰ দৰে গতানুগতিক বৈশিষ্ট্যসমূহৰ দৰে ভালদৰে কাৰ্য সম্পাদন কৰে, যেতিয়ালৈকে বৈশিষ্ট্য স্থানৰ মাত্ৰা নিৰ্দিষ্ট প্ৰান্তিক অতিক্ৰম কৰে, বিৰল প্ৰতিনিধিত্বৰ তত্ত্বৰ দ্বাৰা পূৰ্বানুমান কৰা হয়। এই ফ্ৰেমৱৰ্কটোৱে অ ক্লুজন আৰু দুৰ্নীতিৰ বাবে হোৱা ত্ৰুটিসমূহক এককভাৱে নিয়ন্ত্ৰণ কৰিব পাৰে, এই সত্যৰ ব্যৱহাৰ কৰি যে এই ত্ৰুটিবোৰ প্ৰায়ে মান (পিক্সেল) ভিত্তিত বিৰল হয়। বিৰল প্ৰতিনিধিত্বৰ তত্ত্বই অনুমান কৰাত সহায় কৰে যে স্বীকৃতি এলগৰিথমে কিমান আৱৰণ সামৰিব পাৰে আৰু আৱৰণক শক্তিশালী কৰি তুলিবলৈ প্ৰশিক্ষণ ছবি কেনেকৈ নিৰ্বাচন কৰিব লাগে। আমি প্ৰস্তাৱিত এলগৰিথমৰ কাৰ্য্যকৰিতা পৰীক্ষা কৰিবলৈ আৰু ওপৰৰ দাবীসমূহক সমৰ্থন কৰিবলৈ ৰাজহুৱাভাৱে উপলব্ধ ডাটাবেছত বিস্তৃত পৰীক্ষা-নিৰীক্ষা চলাইছো। |
0d117c9fc3393237d71be5dce9bb6498b5e0c020 | আই.আই.ডি. দিয়া হৈছে এটা এলোমেলো ভেক্টৰ X ∈ R ৰ পৰ্যবেক্ষণৰ ক্ষেত্ৰত, আমি ইয়াৰ সহ-বৈকল্পিকতা মেট্ৰিক্স Σ, আৰু ইয়াৰ বিৰূপ সহ-বৈকল্পিকতা বা ঘনত্ব মেট্ৰিক্স Θ = (Σ) উভয়কে অনুমান কৰাৰ সমস্যাটো অধ্যয়ন কৰোঁ। যেতিয়া X বহু-পৰিবৰ্তকযুক্ত গাউছীয় হয়, θ ৰ অ-শূন্য গঠন এটা সংযুক্ত গাউছীয়ান মাৰ্কভ এলোমেলো ক্ষেত্ৰৰ গ্ৰাফৰ দ্বাৰা নিৰ্দিষ্ট কৰা হয়; আৰু এনে বিৰল Θ ৰ বাবে এটা জনপ্ৰিয় অনুমানক হৈছে l1-নিয়মিত গাউছীয়ান MLE। এই অনুমানক অ-গাউছীয় X ৰ বাবেও যুক্তিসংগত, কিয়নো ই এটা l1-দণ্ডিত লগ-নিৰ্ধাৰক ব্ৰেগমান বিভাজন কম কৰাত প্ৰতিনিধিত্ব কৰে। আমি উচ্চ-মাত্রিক স্কেলিংৰ অধীনত ইয়াৰ কাৰ্যক্ষমতা বিশ্লেষণ কৰোঁ, য ত গ্ৰাফ p ত নোডৰ সংখ্যা, এডৰ সংখ্যা s, আৰু সৰ্বাধিক নোড ডিগ্ৰী d, নমুনাৰ আকাৰ n ৰ কাৰ্য হিচাপে বৃদ্ধি কৰিবলৈ অনুমতি দিয়া হয়। পৰিমাপকৰ উপৰিও (p, s, d), আমাৰ বিশ্লেষণে হাৰ নিয়ন্ত্ৰণ কৰা অন্যান্য মূল পৰিমাণ চিনাক্ত কৰেঃ (ক) (খ) গ ৰামৰ তলৰ তলৰ গ ৰামৰ তলৰ গ ৰামৰ তলৰ তলৰ গ ৰামৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ তলৰ ত ত তলৰ ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত ত {adj − ij > δ}, য ত Σ̂ হৈছে n নমুনাৰ ওপৰত ভিত্তি কৰি নমুনা সহ-বৈকল্পিকতা। আমাৰ প্ৰথম ফলাফলটোৱে আমাৰ অনুমানৰ সামঞ্জস্যতা স্থাপন কৰে। ইয়াৰ ফলত ফ্ৰোবেনিয়ছ আৰু বৰ্ণালীগত নিয়মৰ মাজত ঘনিষ্ঠতাৰ হাৰ আহৰণ কৰিব পাৰি, যাৰ ফলত গ্ৰাফৰ বাবে সৰ্বোচ্চ ন ড ডিগ্ৰী d = o ((√ s) ৰ সৈতে বিদ্যমান ফলাফলৰ উন্নতি হয়। আমাৰ দ্বিতীয় ফলাফলত, আমি দেখুৱাম যে একলৈ ঘুৰি অহা সম্ভাৱনীয়তাৰে, অনুমান Θ̂ সঠিকভাৱে ঘনত্ব মেট্ৰিক্স Θ ৰ শূন্য নিদৰ্শন নিৰ্ধাৰণ কৰে। আমি আমাৰ তাত্ত্বিক ফলাফলসমূহ বিভিন্ন গ্ৰাফ আৰু সমস্যা পাৰামিটাৰসমূহৰ বাবে অনুকৰণসমূহৰ জৰিয়তে প্ৰদৰ্শন কৰো, তাত্ত্বিক ভৱিষ্যদ্বাণী আৰু অনুকৰণত আচৰণৰ মাজত ভাল মিল দেখুৱায়। এএমএছ ২০০০ বিষয় শ্ৰেণীবিভাগঃ প্ৰাথমিক ৬২এফ১২; মাধ্যমিক ৬২এফ৩০। |
216c8515f9f53533b2e87c8183e70d3b50c2c097 | বৰ্তমান বাণিজ্যিক এন্টি-মেলৱেৰ ছফ্টৱেৰসমূহৰ এটা জনপ্ৰিয় পদ্ধতি হ ল স্কেন ষ্ট্ৰিংৰ বাবে প্ৰগ্ৰামৰ ক ডত অনুসন্ধান কৰি দূষিত প্ৰগ্ৰামসমূহ চিনাক্ত কৰা। স্কেন ষ্ট্ৰিংসমূহ, বৰ্তমানৰ ম লৱেৰসমূহৰ স্বাক্ষৰ হিচাপেও জনা যায়, ম লৱেৰ বিশ্লেষকসকলে জনা ম লৱেৰ নমুনাৰ পৰা আহৰণ কৰে, আৰু ইয়াক এটা ডাটাবেছত সঞ্চিত কৰে যাক প্ৰায়ে ভাইৰাছ অভিধান বুলি কোৱা হয়। এই প্ৰক্ৰিয়াটোত প্ৰায়ে যথেষ্ট পৰিমাণৰ মানৱ প্ৰচেষ্টা জড়িত থাকে। ইয়াৰ উপৰিও, এই প্ৰণালীত দুটা প্ৰধান সীমাবদ্ধতা আছে। প্ৰথমতে, সকলো দূষিত প্ৰগ্ৰামৰ বিট পেইট্ৰ ন নাই যি তেওঁলোকৰ দুষিত প্ৰকৃতিৰ প্ৰমাণ। সেয়েহে, কিছুমান ম লৱেৰ ভাইৰাছ অভিধানত ৰেকৰ্ড কৰা নহয় আৰু স্বাক্ষৰ মিলনৰ জৰিয়তে আৱিষ্কাৰ কৰিব নোৱাৰি। দ্বিতীয়তে, নিৰ্দিষ্ট বিট পট্ৰান বিচাৰিলে ম লৱেৰত কাম নকৰিব যি বহু ৰূপ ল ব পাৰে-অবস্কুৰ্ড ম লৱেৰ। স্বাক্ষৰ মিলন নতুন ম লৱেৰ নিদৰ্শন চিনাক্ত কৰাত অক্ষম আৰু অস্পষ্ট ম লৱেৰ চিনাক্ত কৰাত ব্যৰ্থ হৈছে। এই কাগজত এটা ম লৱেৰ চিনাক্তকৰণ কৌশল উপস্থাপন কৰা হৈছে যি ম লৱেৰ ইনষ্টেন্সৰ এটা ছেট আৰু বেনিজিন ক ডৰ ইনষ্টেন্সৰ এটা ছেটত প্ৰশিক্ষিত লাৰ্ণিং ইঞ্জিনৰ সহায়ত ম লৱেৰ আৱিষ্কাৰ কৰে। এই শিকন ইঞ্জিনটোৱে এটা অভিযোজিত ডাটা সংকোচন মডেল ব্যৱহাৰ কৰে - আংশিক মিলনৰ দ্বাৰা ভৱিষ্যদ্বাণী (পিপিএম) - দুখন সংকোচন মডেল নিৰ্মাণ কৰিবলৈ, এটা ম লৱেৰ উদাহৰণ আৰু আনটো ম লৱেৰ কোড উদাহৰণ। এটা ক ড উদাহৰণক ইয়াৰ অনুমানিত ক্ৰছ এন্ট্ৰ পি কম কৰি "মালৱেৰ" বা "ভেনাইন" হিচাপে শ্ৰেণীবদ্ধ কৰা হয়। আমাৰ প্ৰাৰম্ভিক ফলাফলবোৰ অতি আশাব্যঞ্জক। আমি প্ৰায় ০.৯৪ শতাংশ সঁচা পজিটিভ পোৱা আৰু ০.০১৬ শতাংশ মিছা পজিটিভ পোৱা। আমাৰ পৰীক্ষাসমূহে এইটোও প্ৰমাণ কৰে যে এই প্ৰণালীয়ে অজ্ঞাত আৰু অস্পষ্ট ম লৱেৰক কাৰ্যকৰীভাৱে চিনাক্ত কৰিব পাৰে। |
682640754c867ecc6ae2ccaa5dc68403ee7d2e63 | আমি দেখুৱাম যে বিটকয়েন ৱালেট এটাত কেনেকৈ দুটা কাৰকৰ প্ৰমাণীকৰণ কৰিব পাৰি। ইয়াৰ বাবে, আমি বিটকয়েনৰ প্ৰেক্ষাপটত মেককেনজি আৰু ৰেইটাৰ (ইণ্ট জে ইনফ ছিকিউৰ ২-৩-৪ঃ২১৮-২৩৯, ২০০৪) ৰ দ্বৈত স্বাক্ষৰ প্ৰট কলৰ ইচিডিএছএ অভিযোজন কেনেকৈ ব্যৱহাৰ কৰিব লাগে তাৰ ব্যাখ্যা দিওঁ আৰু বিটকয়েন ৱালেট এটাৰ প্ৰটোটাইপিক ৰূপায়ণ উপস্থাপন কৰোঁ যি দুটা প্ৰদান কৰেঃ দুটা কাৰকৰ প্ৰমাণীকৰণ আৰু পৃথক চেনেলত প্ৰমাণীকৰণ। যিহেতু আমি দ্বিতীয় প্ৰমাণীকৰণ কাৰক হিচাপে এটা স্মাৰ্ট ফোন ব্যৱহাৰ কৰো, আমাৰ সমাধানটো বেছিভাগ ব্যৱহাৰকাৰীৰ বাবে ইতিমধ্যে উপলব্ধ হাৰ্ডৱেৰৰ সৈতে ব্যৱহাৰ কৰিব পাৰি আৰু ব্যৱহাৰকাৰীৰ অভিজ্ঞতা বৰ্তমানৰ অনলাইন বেংকিং প্ৰমাণীকৰণ পদ্ধতিৰ সৈতে একে। |
e427c8d3c1b616d319c8b5f233e725d4ebfd9768 | বস্তু বা সামৰ্থৰ কাৰ্যকৰী অঞ্চলবোৰ স্থানীয়কৰণ দৃশ্যৰ বোধগম্যতাৰ এক গুৰুত্বপূৰ্ণ দিশ আৰু বহু ৰব টিক্স প্ৰয়োগৰ বাবে প্ৰাসংগিক। এই কামত, আমি 3090 ছবিৰ 9916 বস্তুৰ উদাহৰণ থকা পিক্সেল-বুদ্ধিমান টোকাযুক্ত এফ ৰডান্স ডাটাছেট প্ৰৱৰ্তন কৰোঁ। যিহেতু এটা বস্তুৰ অংশবোৰত একাধিক সামৰ্থ থাকিব পাৰে, আমি ইয়াক মাল্টিলেবেল সামৰ্থ বিভাজনৰ বাবে এটা কনভলুশ্যনেল নিউৰেল নেটৱৰ্কৰ দ্বাৰা সমাধান কৰোঁ। আমি কিছুমান মূল বিন্দুৰ টোকা ব্যৱহাৰ কৰি নেটৱৰ্ক প্ৰশিক্ষণৰ প্ৰস্তাৱ দিছো। আমাৰ পদ্ধতিয়ে আন দুৰ্বল নিৰীক্ষণ পদ্ধতিতকৈ অধিক সুলভতা চিনাক্তকৰণ সঠিকতা অৰ্জন কৰে যি দুৰ্বল নিৰীক্ষণ হিচাপে কীপইণ্ট টোকা বা ছবি টোকাসমূহৰ ওপৰত নিৰ্ভৰ কৰে। |
731359cd04c7625549e78d9fbd9ad362642be9c8 | অনিশ্চয়তা, ইয়াৰ মডেলিং আৰু বিশ্লেষণৰ বিষয়ে পৰিসংখ্যা আৰু কাৰ্য্যকৰী গৱেষণা, জ্ঞান ব্যৱস্থাপনা আৰু দৰ্শনকে ধৰি বহুতো সাহিত্যত আলোচনা কৰা হৈছে। বেইচিয়ান পদ্ধতিৰ অনুগামীসকলে সাধাৰণতে যুক্তি দিছে যে অনিশ্চয়তা সম্ভৱতাকৰণ বা আলোচনাৰ দ্বাৰা সমাধান কৰা উচিত যি অৰ্থ স্পষ্ট কৰে। আনসকলে নাইটক অনুসৰণ কৰি বিপদ আৰু অনিশ্চয়তাৰ মাজত পাৰ্থক্য কৰিছেঃ প্ৰাক্তন মডেলিং আৰু বিশ্লেষণৰ অনুমান কৰি; দ্বিতীয় নহয়। জাডেহৰ ধাৰণাৰ পৰা উদ্ভূত সাহিত্যত বিভিন্ন প্ৰকৰণ আছে। দৰ্শন আৰু পৰিচালনা সাহিত্যত অৰ্থ-নিৰ্মাণৰ তত্ত্বসমূহে জ্ঞান আৰু অনিশ্চয়তা মানৱীয় বুদ্ধিৰ বিপৰীত চৰম হিচাপে দেখায় আৰু সেই অনুসৰি অনিশ্চয়তাৰ সমাধানৰ বিষয়ে আলোচনা কৰে। ইয়াত আমি এটা বেইচিয়ান স্থিতি গ্ৰহণ কৰো, কিন্তু পৰম্পৰাগততকৈ এটা নৰম স্থিতি গ্ৰহণ কৰো, যিয়ে অন্যান্য পদ্ধতিৰ উদ্বেগসমূহ স্বীকাৰ কৰে আৰু বিশেষকৈ, তেওঁলোকৰ উদ্বেগসমূহক সিদ্ধান্ত পৰিপ্রেক্ষিতৰ চাইনেফিন ফ্রেমৱর্কত মডেলিং আৰু বিশ্লেষণৰ প্রক্রিয়াসমূহক লৈ চিন্তা কৰিবলৈ দিয়ে। পৰিসংখ্যা, বিপদ আৰু সিদ্ধান্ত বিশ্লেষণ। এই পদ্ধতিটো সাম্প্ৰতিক আলোচনাৰ কেইবাটাও দিশৰ ওপৰত নিৰ্ভৰ কৰে যিবোৰে গুণগত দৃশ্যপট পৰিকল্পনা ধাৰণা আৰু বিশ্লেষণৰ বাবে অধিক পৰিমাণগত পদ্ধতিৰ সন্মিলনৰ বাবে যুক্তি দিয়ে। মই আলোচনা কৰো যে এই পৰামৰ্শ আৰু আলোচনাসমূহ মডেলিংৰ পদ্ধতিৰ ওপৰত কিছুমান পূৰ্বৰ চিন্তাধাৰাৰ সৈতে কেনেদৰে সম্পৰ্কিত আৰু বিশেষকৈ ছেভেজৰ দ্বাৰা আৰ্হিবদ্ধ "ছোট বিশ্ব"ৰ ধাৰণা। |
f0fe2b9cb1f4de756db573127fe7560421e5de3d | যোৱা দুটা দশকৰো অধিক কাল ধৰি গাঁজা, যাক সাধাৰণতে মেৰিজুয়ানা বুলি জনা যায়, উচ্চ আয়ৰ দেশসমূহৰ যুৱক-যুৱতীসকলে সৰ্বাধিক ব্যৱহৃত অবৈধ ড্ৰাগছ হিচাপে পৰিচিত হৈ আহিছে আৰু শেহতীয়াকৈ ই বিশ্বব্যাপী জনপ্ৰিয় হৈ পৰিছে। বিগত ১০ বছৰৰ মহামাৰীবিজ্ঞান গৱেষণাৰ পৰা দেখা গৈছে যে কিশোৰ অৱস্থাত আৰু প্ৰাপ্তবয়স্ক অৱস্থাত নিয়মিত ভাৱে গাঞ্জা সেৱনৰ ফলত বিৰূপ প্ৰভাৱ পৰিব পাৰে। মহামাৰীবিজ্ঞান, ক্লিনিকেল আৰু লেবৰটৰী অধ্যয়নে গাঁজা সেৱন আৰু বিৰূপ ফলাফলৰ মাজত এক সম্পৰ্ক স্থাপন কৰিছে। আমি জনস্বাস্থ্যৰ প্ৰতি আটাইতকৈ বেছি আগ্ৰহ থকা স্বাস্থ্যৰ প্ৰভাৱসমূহৰ ওপৰত গুৰুত্ব দিওঁ- অৰ্থাৎ, যিটো প্ৰভাৱৰ প্ৰাদুৰ্ভাৱ বেছি আৰু যিটো প্ৰভাৱ বৃহৎ সংখ্যক গাঁজা ব্যৱহাৰকাৰীক প্ৰভাৱিত কৰিব পাৰে। ইয়াৰ ভিতৰত অতি সম্ভৱ দুৰ্বল প্ৰভাৱ হৈছে নিৰ্ভৰশীলতা সিনড্ৰ ম, যান-বাহন দুৰ্ঘটনাৰ সম্ভাৱনা বৃদ্ধি, শ্বাস-প্ৰশ্বাসজনিত বিকলতা, হৃদযন্ত্ৰৰ ৰোগ আৰু কিশোৰৰ মানসিক বিকাশ আৰু মানসিক স্বাস্থ্যৰ ওপৰত নিয়মীয়া ব্যৱহাৰৰ দুৰ্বল প্ৰভাৱ। |
4d625677469be99e0a765a750f88cfb85c522cce | আমাৰ লক্ষ্য হৈছে কম্পিউটাৰ ভিজন ভিত্তিক কৌশল বিকাশৰ দ্বাৰা প্ৰাকৃতিক হাত-বস্তু পৰিচালনাৰ বুজাবুজি স্বয়ংক্ৰিয় কৰা। আমাৰ ধাৰণা হ ল যে সঠিকভাৱে হস্তক্ষেপৰ কাৰ্য্যবোৰ চিনাক্ত কৰিবলৈ হাতৰ ধৰিব পৰা প্ৰকাৰ আৰু হস্তক্ষেপ কৰা বস্তুবোৰৰ বৈশিষ্ট্যসমূহ মডেল কৰা প্ৰয়োজন। বিশেষভাৱে, আমি এটা একীকৃত মডেলৰ ভিতৰত এটা একক ছবিৰ পৰা হাতৰ ধৰিব পৰা প্ৰকাৰ, বস্তু বৈশিষ্ট্য আৰু ক্ৰিয়া চিনাক্ত কৰাত গুৰুত্ব দিওঁ। প্ৰথমতে, আমি গ্ৰেপ টাইপ আৰু অবজেক্ট এট্ৰিবিউটৰ মাজত থকা প্ৰসংগ সম্পৰ্কটো অন্বেষণ কৰো আৰু দেখুৱাম যে গ্ৰেপ টাইপ আৰু অবজেক্ট এট্ৰিবিউট দুয়োটাৰ চিনাক্তকৰণ বৃদ্ধি কৰিবলৈ সেই প্ৰসংগটো কেনেকৈ ব্যৱহাৰ কৰিব পাৰি। দ্বিতীয়তে, আমি ধাৰণা কৰো যে ধাৰণা প্ৰকাৰ আৰু বস্তুৰ গুণাবলীৰ সৈতে কাৰ্য্যবোৰ মডেলিং কৰিব লাগে। এই ধাৰণাটোৰ ভিত্তিত যে ধাৰণা প্ৰকাৰ আৰু বস্তুৰ গুণাবলীত বিভিন্ন কাৰ্য্যসমূহৰ বৈশিষ্ট্য নিৰ্ধাৰণৰ বাবে পৰিপূৰক তথ্য থাকে। আমাৰ প্ৰস্তাৱিত কাৰ্য্য মডেলটোৱে পৰম্পৰাগত চেহেৰা-ভিত্তিক মডেলক অতিক্ৰম কৰে যিসমূহ আভাসগত সীমাবদ্ধতা যেনে ধৰিব পৰা প্ৰকাৰ বা অবজেক্টৰ বৈশিষ্ট্যসমূহ বিবেচনা কৰিবলৈ ডিজাইন কৰা হোৱা নাই। ৰাজহুৱা স্বাৰ্থপৰ কাৰ্যকলাপৰ তথ্যসমূহে আমাৰ অনুমানক দৃঢ়ভাৱে সমৰ্থন কৰে। |
59fa9d40d129f18f1f3193f65935fcb9e2042afb | নতুন অটোমোবাইল এপ্লিকেচন আৰু সেৱাৰ ক্ষেত্ৰত তথ্য প্ৰযুক্তি (আইটি) ৰ গুৰুত্ব অধিক হৈছে। গাড়ী নিৰ্মাণৰ ক্ষেত্ৰত আই টি সম্পৰ্কীয় ব্যয় ইতিমধ্যে উচ্চ আৰু ভৱিষ্যতে ই নাটকীয়ভাৱে বৃদ্ধি পাব। তথাপি যদিও সুৰক্ষা আৰু নিৰ্ভৰযোগ্যতা এটা তুলনামূলকভাৱে সুপ্ৰতিষ্ঠিত ক্ষেত্ৰ হৈ পৰিছে, যানবাহনৰ তথ্য প্ৰযুক্তিৰ প্ৰণালীসমূহক পৰিকল্পিতভাৱে হস্তক্ষেপ বা প্ৰৱেশৰ বিৰুদ্ধে সুৰক্ষা প্ৰদান কৰাটো শেহতীয়াকৈহে উদ্ভৱ হৈছে। তথাপিও, তথ্য প্ৰযুক্তি সুৰক্ষা ইতিমধ্যে কিছুমান যান-বাহনৰ প্ৰয়োগৰ আধাৰস্বৰূপ, যেনে- ইম বিলাইজাৰ বা ডিজিটেল টাকোগ্ৰাফ। ভৱিষ্যতৰ অটোমোবাইল এপ্লিকেচন আৰু ব্যৱসায়িক মডেলৰ সুৰক্ষিত সক্ষমতাৰ বাবে, আইটি সুৰক্ষা হ ব পৰৱৰ্তী প্ৰজন্মৰ যান-বাহনৰ বাবে কেন্দ্ৰীয় প্ৰযুক্তিৰ এটা। যান-বাহনৰ তথ্য-প্ৰযুক্তি সুৰক্ষাৰ এক অত্যাধুনিক সামগ্ৰিক পৰ্যালোচনাৰ পিছত, আমি ক্ৰিপ্ট গ্ৰাফিক শব্দকোষ আৰু কাৰ্য্যকৰীতাৰ সংক্ষিপ্ত পৰিচয় দিওঁ। এই অৱদানৰ জৰিয়তে অটোমোবাইল আইটি সুৰক্ষাৰ প্ৰয়োজনীয়তা চিনাক্ত কৰা হ ব আৰু একে সময়তে সাধাৰণ আক্ৰমণ, ইয়াৰ ফলত সৃষ্টি হোৱা সুৰক্ষা উদ্দেশ্য আৰু অটোমোবাইল ক্ষেত্ৰৰ বৈশিষ্টসূচক সীমাবদ্ধতাসমূহ উপস্থাপন কৰা হ ব। আমি মূল নিৰাপত্তা প্ৰযুক্তি আৰু প্ৰাসংগিক নিৰাপত্তা ব্যৱস্থা প্ৰৱৰ্তন কৰিম আৰু ইয়াৰ পিছত গুৰুত্বপূৰ্ণ যান-বাহন প্ৰয়োগ, ব্যৱসায়িক মডেল আৰু আইটি নিৰাপত্তাৰ ওপৰত নিৰ্ভৰশীল উপাদানসমূহৰ বিশদ বিৱৰণ প্ৰদান কৰিম। আমি আমাৰ অৱদানৰ অন্ত পেলাইছো যান-বাহনত তথ্য-প্ৰযুক্তি সুৰক্ষা সংযোজন কৰাৰ ক্ষেত্ৰত অটোমোটিভ আই টি সম্প্ৰদায়ৰ বাবে প্ৰত্যাহ্বান আৰু সুযোগৰ বিষয়ে বিশদ বিবৃতিৰে। |
ae5e5085b4e8f4851d9fd76e1d3845da942c3147 | আপুনি যেতিয়া দূৰলৈ গাড়ী চলাই যায়, আপুনি আপোনাৰ বৰ্তমানৰ অৱস্থানটোৰ পৰা মাত্ৰ কেইটামান গুৰুত্বপূৰ্ণ যান-বাহন জংচনৰ মাজেৰে যাব। এই অনানুষ্ঠানিক পৰ্যবেক্ষণৰ পৰা আৰম্ভ কৰি আমি এটা এলগৰিদমিক পদ্ধতি, ট্ৰানজিট ন ড ৰুটিং, বিকাশ কৰিছিলো যি আমাক পথ নেটৱৰ্কৰ আটাইতকৈ দ্ৰুত পথ অনুসন্ধানসমূহক টেবুল অনুসন্ধানৰ এটা সৰু সংখ্যালৈ হ্ৰাস কৰিবলৈ অনুমতি দিয়ে। পশ্চিম ইউৰোপ আৰু আমেৰিকা যুক্তৰাষ্ট্ৰৰ পথৰ মানচিত্ৰৰ ক্ষেত্ৰত, আমাৰ উত্তম অনুসন্ধান সময় পূৰ্বৰ প্ৰকাশিত উত্তম সংখ্যাৰ তুলনাত দুগুণ বৃদ্ধি পাইছে। সাধাৰণ নেটৱৰ্কসমূহৰ বাবে সৰ্বশ্ৰেষ্ঠ জনাজাত এলগৰিথমতকৈও ই এক মিলিয়ন গুণ বেছি দ্ৰুত। |
855d0f722d75cc56a66a00ede18ace96bafee6bd | Theano হৈছে এটা ৰেখীয় বীজগণিত সংকলক যি ব্যৱহাৰকাৰীৰ প্ৰতীকীভাৱে নিৰ্দিষ্ট গাণিতিক গণনাসমূহক উন্নত কৰি দক্ষ নিম্ন-স্তৰৰ ৰূপায়ণসমূহ সৃষ্টি কৰে। এই প্ৰবন্ধত, আমি Theano ৰ নতুন বৈশিষ্ট্য আৰু দক্ষতা উন্নতি আৰু Torch7, শেহতীয়াকৈ প্ৰৱৰ্তন কৰা মেচিন লাৰ্ণিং লাইব্ৰেৰী আৰু RNNLM, পুনৰাবৃত্ত নিউৰেল নেটৱৰ্কলৈ লক্ষ্য কৰা C++ লাইব্ৰেৰী সম্পৰ্কীয় Theano ৰ প্ৰদৰ্শন প্ৰদৰ্শন কৰা প্ৰদৰ্শন প্ৰদৰ্শন কৰো। |
f97b592092377a6e3afeb2f55e2aacd8794cb8b2 | এটা কমপেক্ট ডুৱেল-বেণ্ড মাইক্ৰ ষ্ট্ৰীপ বেণ্ডপাছ ফিল্টাৰ প্ৰস্তাৱিত আৰু ডিজাইন কৰা হৈছে যাতে কোনো বাহ্যিক প্ৰতিবন্ধকতা-ম্যাচিং ব্লকৰ প্ৰয়োজন নোহোৱাকৈ ২.৪ আৰু ৫.২ গিগাহাৰ্জত কাম কৰিব পাৰে। এই সংশোধিত আধা-তরঙ্গ দৈৰ্ঘ্যৰ স্টেপড-ইম্পেডেন্স ৰিজ নেটৰটো সিন্উইউজ কনফিগাৰেশ্যনৰ সৈতে নিৰ্মাণ কৰা হৈছে যাতে একে সময়তে এই দুটা নিৰ্দিষ্ট ফ্ৰেক্সিয়েঞ্চত ডুয়েল ৰিজ নেন্সক উত্তেজিত কৰিব পাৰি আৰু সামগ্ৰিক আকাৰ ক্ষুদ্ৰীকৃত কৰিব পাৰি। সমান্তৰালভাৱে সংযুক্ত মাইক্ৰোষ্ট্ৰীপ লাইনটো দুয়োটা দ্বৈত পাচবেণ্ডৰ ভিতৰত ৰিটাৰ্ণ ল ষ্টসমূহ কম কৰিবলৈ সঠিকভাৱে চিহ্নিত কৰা হৈছে। এই অপ্টিমাইজড ফলাফলবোৰে ভাল দ্বৈত-বেণ্ড ফিল্টাৰিং প্ৰদৰ্শন কৰে যাৰ ৰিটাৰ্ণ ল ষ্ট ২০ ডিবিতকৈ অধিক হয় আৰু ইয়াক এটা নিৰ্মিত ফিল্টাৰ চাৰ্কিটৰ সৈতে পৰীক্ষাৰ দ্বাৰা নিশ্চিত কৰা হয়। |
d4a8e93f004c86267eead89edecbd332518dbf21 | SDM হৈছে এটা উচ্চ পৰ্যায়ৰ অৰ্থবিজ্ঞান-ভিত্তিক ডাটাবেছ বিৱৰণ আৰু ডাটাবেছৰ বাবে গঠনমূলক আকাৰবাদ (ডাটাবেছ মডেল) । এই ডাটাবেছ মডেলটো এটা এপ্লিকেচন পৰিৱেশৰ অৰ্থৰ অধিক অংশ ধৰি ৰখাৰ বাবে ডিজাইন কৰা হৈছে যিটো বৰ্তমানৰ ডাটাবেছ মডেলৰ সৈতে সম্ভৱ নহয়। এটা SDM নিৰ্দিষ্টকৰণে এপ্লিকেচন পৰিৱেশত থকা সত্তাসমূহৰ ধৰণ, সেই সত্তাসমূহৰ শ্ৰেণীবিভাগ আৰু গোটসমূহ আৰু তেওঁলোকৰ মাজত থকা গাঁথনিগত আন্তঃসংযোগৰ ক্ষেত্ৰত এটা ডাটাবেছক বৰ্ণনা কৰে। SDM এ এটা এপ্লিকেচন পৰিৱেশৰ অৰ্থবিজ্ঞান ধৰা পেলাবলৈ উচ্চ-স্তৰৰ মডেলিং প্ৰাথমিকৰ সংগ্ৰহ প্ৰদান কৰে। এটা ডাটাবেছ গঠনগত নিৰ্ধাৰণত আহৰণ কৰা তথ্য সামৰি লৈ, SDM এ একেটা তথ্যক বিভিন্ন ধৰণেৰে চাবলৈ অনুমতি দিয়ে; ই ডাটাবেছ এপ্লিকেশ্যনত প্ৰায়ে উপস্থিত বিভিন্ন প্ৰয়োজন আৰু প্ৰক্ৰিয়াকৰণৰ প্ৰয়োজনীয়তাক প্ৰত্যক্ষভাৱে সামৰি ল বলৈ সম্ভৱ কৰি তোলে। বৰ্তমানৰ SDM ৰ ডিজাইনটো ইয়াৰ প্ৰাৰম্ভিক সংস্কৰণ ব্যৱহাৰ কৰাৰ আমাৰ অভিজ্ঞতাৰ ওপৰত আধাৰিত। SDM ৰ উদ্দেশ্য হৈছে ডাটাবেছ চিষ্টেমৰ কাৰ্য্যকৰিতা আৰু ব্যৱহাৰযোগ্যতা বৃদ্ধি কৰা। SDM ডাটাবেছৰ বিৱৰণ এটা ডাটাবেছৰ বাবে আনুষ্ঠানিক নিৰ্দিষ্টকৰণ আৰু নথিভুক্তিকৰণ সঁজুলি হিচাপে কাম কৰিব পাৰে; ই বিভিন্ন শক্তিশালী ব্যৱহাৰকাৰী ইণ্টাৰফেচ সুবিধা সমৰ্থন কৰাৰ বাবে এটা ভিত্তি প্ৰদান কৰিব পাৰে, ই ডাটাবেছ ডিজাইন প্ৰক্ৰিয়াত এটা ধাৰণাৱলী ডাটাবেছ মডেল হিচাপে কাম কৰিব পাৰে; আৰু, ইয়াক এক নতুন ধৰণৰ ডাটাবেছ পৰিচালনা ব্যৱস্থাৰ বাবে ডাটাবেছ মডেল হিচাপে ব্যৱহাৰ কৰিব পাৰি। |
cced93571a42beb3853c2d0b3217b3f57b614bb0 | |
eefcc7bcc05436dac9881acb4ff4e4a0b730e175 | আমি ছবিৰ শ্ৰেণীবিভাগক বৃহৎ স্কেলত, অৰ্থাৎ যেতিয়া বহু সংখ্যক ছবি আৰু শ্ৰেণী জড়িত থাকে। প্ৰথমতে, আমি শ্ৰেণীবিভাজনৰ সঠিকতা ছবিৰ স্বাক্ষৰ আকাৰ আৰু প্ৰশিক্ষণ ছেটৰ আকাৰৰ কাৰ্য হিচাপে অধ্যয়ন কৰো। আমি পৰীক্ষামূলকভাৱে দেখুৱাম যে যিমান ডাঙৰ প্ৰশিক্ষণ ছেট, সিমানে উচ্চ মাত্ৰাৰ প্ৰভাৱ সঠিকতাৰ ওপৰত। অন্য কথাত, বৃহৎ ডাটা ছেটত অত্যাধুনিক ফলাফল প্ৰাপ্ত কৰিবলৈ উচ্চ-মাত্রিক স্বাক্ষৰ গুৰুত্বপূৰ্ণ। দ্বিতীয়তে, আমি দুটা লছিছী কম্প্ৰেছন কৌশল ব্যৱহাৰ কৰি অতি ডাঙৰ স্বাক্ষৰ (১০৫ মাত্ৰাৰ ওপৰত) ত ডাটা সংকোচনৰ সমস্যাটো সমাধান কৰোঁঃ এটা মাত্ৰা হ্ৰাসকৰণ কৌশল যাক হেছ কাৰ্নেল বুলি জনা যায় আৰু এটা এনকোডিং কৌশল যাক প্ৰডাক্ট কোৱান্টাইজাৰৰ ওপৰত আধাৰিত কৰা হয়। আমি ব্যাখ্যা কৰিম যে কেনেকৈ ষ্ট ৰেজত লাভৰ বিপৰীতে সঠিকতা হ্ৰাস আৰু/বা CPU খৰচৰ বৃদ্ধিৰ বিপৰীতে ব্যৱসায় কৰিব পাৰি। আমি দুটা বৃহৎ ডাটাবেছ- ইমেজনেট আৰু আই এম ফ্লিকাৰৰ ছবিৰ ডাটাছেটৰ ফলাফলৰ বিষয়ে প্ৰতিবেদন দিছো- যিয়ে দেখুৱাইছে যে আমি আমাৰ স্বাক্ষৰৰ সঞ্চয়স্থান ৬৪ ৰ পৰা ১২৮ গুণ হ্ৰাস কৰিব পাৰো য ত সঠিকতা কম হ ব। ক্লাছিফায়াৰ শিক্ষণত ডিকম্প্ৰেছন একত্ৰিত কৰি এটা কাৰ্যকৰী আৰু স্কেলযোগ্য প্ৰশিক্ষণ এলগৰিথম প্ৰদান কৰে। ILSVRC2010ত আমি শীৰ্ষ-৫ত ৭৪.৩% সঠিকতা লাভ কৰিছো, যিটো অত্যাধুনিক প্ৰযুক্তিৰ তুলনাত ২.৫% উন্নত। ইমেজনেটৰ ১০,০০০ শ্ৰেণীৰ উপ-সমূহে ১৬.৭%ৰ শীৰ্ষ-১ সঠিকতা লাভ কৰিছে, যি হৈছে অত্যাধুনিক প্ৰযুক্তিৰ তুলনাত ১৬০%ৰ আপেক্ষিক উন্নতি। |
016335ce7e0a073623e1deac7138b28913dbf594 | মানুহে নতুন ধাৰণা শিকিব পাৰি মাত্ৰ এটা উদাহৰণৰে সফলতাৰে সাধাৰণীকৰণ কৰিব পাৰে, তথাপি মেচিন লাৰ্ণিং এলগৰিথমবোৰে সাধাৰণতে একে ধৰণৰ সঠিকতা সম্পন্ন কৰিবলৈ দহ বা শ শ উদাহৰণৰ প্ৰয়োজন হয়। মানুহে শিকোৱা ধাৰণাসমূহক ব্যৱহাৰ কৰিব পাৰে সাধাৰণ এলগৰিথমতকৈ অধিক ধুনীয়া ধৰণে- ক্ৰিয়া, কল্পনা আৰু ব্যাখ্যাৰ বাবে। আমি এটা কম্পিউটেশ্যনেল মডেল প্ৰস্তুত কৰিছো যিয়ে মানুহৰ এই শিকাৰ ক্ষমতাসমূহক সহজ দৃশ্যমান ধাৰণাৰ এক বৃহৎ শ্ৰেণীৰ বাবে ধৰি ৰাখিছে: বিশ্বৰ বৰ্ণমালাৰ পৰা হস্তলিখিত বৰ্ণসমূহ। এই মডেলটোৱে সহজ প্ৰগ্ৰাম হিচাপে ধাৰণাবোৰক প্ৰতিনিধিত্ব কৰে যি বেইচিয়ান মানদণ্ডৰ অধীনত পৰ্যবেক্ষণ কৰা উদাহৰণবোৰক শ্ৰেষ্ঠভাৱে ব্যাখ্যা কৰে। এক প্ৰত্যাহ্বানমূলক একক-শট শ্ৰেণীবিভাজন কাৰ্যত, মডেলটোৱে মানৱ-স্তৰৰ কাৰ্যক্ষমতা অৰ্জন কৰে যদিও শেহতীয়া গভীৰ শিক্ষণ পদ্ধতিসমূহক অতিক্ৰম কৰে। আমি কেইবাটাও "ভিজুৱেল টিউৰিং টেষ্ট"ও উপস্থাপন কৰিছো যিয়ে মডেলৰ সৃষ্টিশীল সাধাৰণীকৰণ ক্ষমতা পৰীক্ষা কৰে, যি বহু ক্ষেত্ৰত মানুহৰ আচৰণৰ পৰা পৃথক নহয়। |
83bcd3591d8e5d43d65e9e1e83e4c257f8431d4a | এই যোগাযোগত এক সৰল কৌশল বিকাশ কৰা হৈছে যাতে একক-খাদ্য কম প্ৰফাইল বৃত্তাকাৰভাৱে বিৱৰ্তিত (চিপি) স্তুপিত পেচ এণ্টেনাৰ অক্ষীয় অনুপাত (এআৰ) বেণ্ডউইডথ বৃদ্ধি কৰিব পাৰি আৰু ভাল প্ৰতিৰোধক মিলন সম্ভৱ হয়। প্ৰস্তাৱিত এণ্টেনাটো এটা চালিত পেচ স্তৰ আৰু এটা পৰজীৱী পেচ স্তৰৰ দ্বাৰা গঠিত। চালিত পেটচ স্তৰত এটা ট্ৰেংকড মূল পেটচ, এটা পেৰাছিটিক পেটচ আৰু এটা চণ্ডী খোৱাপানী গঠন থাকে, আনহাতে ষ্টেকেড পেটচ স্তৰত পাঁচটা পেটচ থাকে। প্ৰস্তাৱিত এণ্টেনাটোৱে নিম্ন প্ৰফাইল, বহল ইম্পেড্যান্স আৰু এআৰ বেণ্ডউইড, উচ্চ লাভৰ লগতে ডিজাইন, নিৰ্মাণ আৰু একত্ৰীকৰণৰ সহজতাৰ দৰে আকৰ্ষণীয় বৈশিষ্ট্যবোৰ একত্ৰিত কৰে। ৬ জিএইচজিএইচ বেণ্ডত কাৰ্য্য কৰা এণ্টেনাটো এটা এফআৰ৪ চাবষ্ট্ৰেটৰ ওপৰত ডিজাইন আৰু নিৰ্মিত আৰু ইয়াৰ সামগ্ৰিক আয়তন হৈছে ০.৮ λ০ ×০.৮ λ০ ×০.০৯ λ০। পৰিমাপ কৰা ফলাফলসমূহে দেখুৱাইছে যে এণ্টেনাই dBৰ বাবে 30% ৰ অধিক প্ৰতিবন্ধকতা বেণ্ডউইডথ, 3-dB AR বেণ্ডউইডথ প্ৰায় 20.7%, আৰু 3-dB AR বেণ্ডউইডথৰ ভিতৰত 7.9 dBi ৰ অধিক লাভৰ স্তৰ অৰ্জন কৰে। |
b8deb0fcfa16a0dcb46652240c015cef93c711ed | ক্ৰ নৰ ৰোগত গেষ্ট্ৰ ইণ্টেষ্টাইনেল ট্ৰেক্টৰ সকলো অংশ জড়িত হ ব পাৰে আৰু আন অংগসমূহো জড়িত হ ব পাৰে। এই অ-আনলগা ৰোগবোৰক অতিআনলগা প্ৰকৃতি বুলি কোৱা হয়। ভলভাল জড়িততা হৈছে ক্ৰোহন ৰোগৰ এক বিৰল বহিঃস্ৰাৱিক প্ৰদৰ্শন আৰু ই শিশুসকলৰ ক্ষেত্ৰত অতি বিৰল। ভলভেল চিডি থকা ৰোগীসকলৰ সাধাৰণতে লাবিয়া মেজ ৰা এৰাইটেম আৰু এডেম হয়, যি ব্যাপক আলচাৰ গঠনৰ বাবে আগবাঢ়ি যায়। ভলভেল ক্ৰোহনৰ ৰোগ অন্ত্ৰৰ সমস্যাৰ আগতে বা পিছত দেখা দিব পাৰে বা ই একেলগে হ ব পাৰে। আমি ১০ বছৰীয়া এগৰাকী কন্যা শিশুক উপস্থাপন কৰিছো যাৰ অন্ত্ৰৰ ক্ৰ নৰ ৰোগ আছে, যাৰ জটিলতাত পেৰিঅ নেল ছালৰ ট্যাগ আৰু এচিম্পটমেটিক একপক্ষীয় লেবিয়াল হাইপাৰট্ৰ ফি আছে। তেওঁৰ ক্ষতটো অন্ত্ৰৰ ৰোগৰ পৰা স্বাধীন আছিল আৰু আজাথিয়াপ্ৰিন আৰু থলুৱা ষ্টেৰইডসহ চিকিৎসা প্ৰক্ৰিয়াত যথেষ্ট ভাল প্ৰতিক্ৰিয়া প্ৰকাশ কৰিছিল। আমি গুৰুত্ব দিওঁ যে যদিও শৈশৱত ভলভাল জড়িততা বিৰল, ক্ৰ নৰ ৰোগক প্ৰজনন অঞ্চলৰ ন টেনডাৰ, ৰঙা, এডেমাটোছ ক্ষতসমূহৰ পাৰ্থক্য ৰোগ নিৰ্ণয়ত বিবেচনা কৰিব লাগিব। |
9f908c018a0c57bab2a4a3ee723c818e893fcb1b | |
2fdee22266d58ae4e891711208106ca46c8e2778 | প্ৰডাক্ট কোৱান্টিজেশ্যন হৈছে দ্ৰুত আনুমানিক নিকটতম চুবুৰীয়া (এএনএন) অনুসন্ধানৰ বাবে কমপেক্টভাৱে উচ্চ-মাত্রিক ভেক্টৰবোৰ এনকোড কৰিবলৈ এক কাৰ্যকৰী ভেক্টৰ কোৱান্টিজেশ্যন পদ্ধতি। উৎপাদনৰ কোয়ান্টাইজেশ্যনৰ মূল উদ্দেশ্য হৈছে মূল উচ্চ-মাত্রিক স্থানক কম মাত্রিক উপ-স্থানসমূহৰ এক সীমিত সংখ্যাৰ কাৰ্টেছিয়ান উৎপাদনত ভগোৱা যিটো তাৰ পিছত পৃথকে কোয়ান্টাইজ কৰা হয়। এএনএন অনুসন্ধানৰ কাৰ্য সম্পাদনৰ বাবে সৰ্বোত্তম স্থান বিভাজন গুৰুত্বপূৰ্ণ, কিন্তু এতিয়াও ঠিকনাহীন হৈ আছে। এই প্ৰবন্ধত, আমি প্ৰডাক্টৰ কোয়ান্টাইজেশ্যনক সৰ্বনিম্ন কৰি কোয়ান্টাইজেশ্যন বিকৃতিৰ অনুকূলনাম দিওঁ। মহাকাশীয় বিভাজন আৰু কোড বুকৰ কোয়ান্টাইজেচন। আমি অপ্টিমাইজেশ্যনৰ বাবে দুটা নতুন পদ্ধতি প্ৰদৰ্শন কৰোঁঃ এটা অ-পৰামিতি পদ্ধতি যি বিকল্পভাৱে দুটা সৰু উপ-সমস্যা সমাধান কৰে, আৰু এটা পৰামিতি পদ্ধতি যি প্ৰৱেশ তথ্য কিছুমান গাউছীয়ান বিতৰণ অনুসৰণ কৰিলে সৰ্বোত্তম সমাধান প্ৰাপ্ত কৰাৰ নিশ্চয়তা প্ৰদান কৰে। আমি পৰীক্ষাৰ দ্বাৰা দেখুৱাম যে আমাৰ অপ্টিমাইজড পদ্ধতিয়ে এএনএন অনুসন্ধানৰ বাবে প্ৰডাক্ট কোৱান্টিজেশ্যনৰ সঠিকতা যথেষ্ট উন্নত কৰে। |
149d8514b026cca3b31ef8379e78aeb7c7795eb7 | ২জি আৰু ৩জি চেলুলাৰ নেটৱৰ্ক প্ৰযুক্তি গ্ৰহণৰ সৈতে, ম বাইল ফোনত এতিয়া ৰিয়েল টাইমত নিৰীক্ষণ ষ্টেচনলৈ ডাটা ষ্ট্ৰিম কৰাৰ বাবে বেণ্ডউইডথ ক্ষমতা আছে। আমাৰ প্ৰবন্ধত ব্লুটুথ ইলেক্ট্ৰ কাৰ্ডিঅ গ্ৰাম ছেন্সৰৰ ডিজাইন আৰু মূল্যায়ন বৰ্ণনা কৰা হৈছে যি এটা ম বাইল ফোনলৈ চিকিৎসা তথ্য প্ৰেৰণ কৰে। এই তথ্যসমূহ ফোনত প্ৰদৰ্শন আৰু সংৰক্ষণ কৰা হয়। ভৱিষ্যতে এই প্ৰণালীটোৰ বিকাশৰ বাবে এই তথ্যসমূহ এটা চেলুলাৰ জিপিআৰএছ নেটৱৰ্কৰ জৰিয়তে প্ৰেৰণ কৰা হ ব। বৰ্তমানৰ ব্যৱস্থাটোৱে বৰ্তমানৰ ইকেজি ইভেন্ট মনিটৰৰ বাবে কম খৰচী আৰু কম ওজনৰ বিকল্প প্ৰদান কৰে। জিপিআৰএছ সংযুক্ত এই অন্তিমটো প্ৰণালীয়ে ৰোগীৰ হৃদযন্ত্ৰৰ নিৰন্তৰ নিৰীক্ষণ কৰিব য ত চেলুলাৰ কভাৰেজ উপলব্ধ হ ব |
226ceb666cdb2090fc3ab786129e83f3ced56e05 | নিউৰেল মেচিন অনুবাদ NMT বহুতো মেচিন অনুবাদ কাৰ্য্যত গুৰুত্বপূৰ্ণ ভূমিকা পালন কৰিছে। অৱশ্যে, কিছুমান ড মেইন-নিৰ্দিষ্ট কামত, একে ধৰণৰ ড মেইনৰ পৰা কেৱল কৰ্প ৰাসেই অনুবাদৰ কাৰ্যক্ষমতা উন্নত কৰিব পাৰে। যদি ড মেইন-অফৰ কৰ্পাসসমূহ ড মেইন-ইন কৰ্পাসত প্ৰত্যক্ষভাৱে যোগ কৰা হয়, অনুবাদৰ কাৰ্যক্ষমতা হ্ৰাস হ ব পাৰে। সেয়েহে, NMT ডোমেইন সমস্যা সমাধানৰ বাবে ডোমেইন অভিযোজন কৌশলসমূহ অতি আৱশ্যকীয়। ড মেইন অভিযোজনৰ বাবে বৰ্তমানৰ অধিকাংশ পদ্ধতি পৰম্পৰাগত ফ্ৰেজ-ভিত্তিক মেচিন অনুবাদৰ বাবে ডিজাইন কৰা হৈছে। NMT ডোমেইন অভিযোজনাৰ বাবে, সূক্ষ্ম টুনিং, ডোমেইন টেগ আৰু ডোমেইন বৈশিষ্ট্যৰ দৰে বিষয়ৰ ওপৰত মাত্ৰ কেইটামান অধ্যয়ন কৰা হৈছে। এই প্ৰবন্ধত, আমাৰ চাৰিটা লক্ষ্য আছে বাক্য স্তৰৰ NMT ডোমেইন অভিযোজন। প্ৰথমতে, NMT ৰ আভ্যন্তৰীণ বাক্য সংযোজন ব্যৱহাৰ কৰা হয় আৰু ডোমেইন-ভিতৰৰ ক ৰপাসৰ সৈতে সংযুক্ত বহিঃ-ডোমেইন বাক্য নিৰ্বাচন কৰিবলৈ সদৃশতা সংযোজন কৰা বাক্য ব্যৱহাৰ কৰা হয়। দ্বিতীয়তে, আমি NMT প্ৰশিক্ষণৰ সময়ত ডাটা বিতৰণৰ ভাৰসাম্যতা ৰক্ষা কৰিবলৈ তিনিটা বাক্য ওজন পদ্ধতি, অৰ্থাৎ বাক্য ওজন, ডোমেইন ওজন আৰু বেটচ ওজন প্ৰস্তাৱ দিছো। তৃতীয়তে, আমি NMT প্ৰশিক্ষণৰ সময়ত বাক্য নিৰ্বাচন আৰু ওজনক সমন্বয় কৰিবলৈ গতিশীল প্ৰশিক্ষণ পদ্ধতিৰ প্ৰস্তাৱ দিছো। চতুৰ্থতে, এটা বাস্তৱিক NMT দৃশ্যপটত মাল্টিডমেইন সমস্যা সমাধান কৰিবলৈ, য ত প্ৰশিক্ষণ আৰু পৰীক্ষণৰ তথ্যৰ ডমেইন বিতৰণ প্ৰায়ে মিছমেট হয়, আমি প্ৰশিক্ষণ তথ্যৰ ডমেইন বিতৰণ সমতুল্য কৰিবলৈ আৰু প্ৰশিক্ষণ আৰু পৰীক্ষণৰ তথ্যৰ ডমেইন বিতৰণ মিলাবলৈ এটা মাল্টিডমেইন বাক্য ওজন পদ্ধতিৰ প্ৰস্তাৱ দিছো। প্ৰস্তাৱিত পদ্ধতিসমূহ ইংৰাজী-ফৰাচী/জাৰ্মান ভাষাৰ IWSLT আৰু ইংৰাজী-ফৰাচী বহু ক্ষেত্ৰীয় অনুবাদৰ আন্তঃৰাষ্ট্ৰীয় কৰ্মশালাত মূল্যায়ন কৰা হয়। অভিজ্ঞতাৰ ফলাফলৰ পৰা দেখা যায় যে বাক্য নিৰ্বাচন আৰু ওজন পদ্ধতিৰ দ্বাৰা NMTৰ কাৰ্যক্ষমতা যথেষ্ট উন্নত কৰিব পাৰি, বৰ্তমানৰ বেজলাইনতকৈ অধিক ভাল কৰিব পাৰি। |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.