_id
stringlengths 40
40
| text
stringlengths 0
12.6k
|
|---|---|
5c1ab86362dec6f9892a5e4055a256fa5c1772af | 3GPP मा 3G सिस्टम के दीर्घकालिक विकास (LTE) का विनिर्देश वर्तमान मा चल रहा है, 2007 के अंत मा तैयार विनिर्देश का एक लक्ष्य तिथि के साथ। विकसित रेडियो एक्सेस नेटवर्क (आरएएन) मा ओएफडीएम प्रौद्योगिकी पर आधारित एक नया रेडियो इंटरफ़ेस और एक पूरी तरह से अलग आरएएन वास्तुकला शामिल है, जहां रेडियो कार्यक्षमता बेस स्टेशनों मा वितरित की जाती है। आरएएन वास्तुकला का वितरित प्रकृति का नया रेडियो नियंत्रण एल्गोरिदम अउर प्रक्रियाओं का आव्हान करत है जवन वितरित तरीके से काम करत हैं, जौने में वितरित हैंडओवर योजना भी शामिल है। एलटीई मा हस्तान्तरण प्रक्रिया का सबसे महत्वपूर्ण पहलु पहले ही 3GPP मा कुछ विवरण को बाहेक व्यवस्थित हो ग्याई हा। इ पेपर मा हम LTE इंट्रा-एक्सेस हैंडओवर प्रक्रिया का अवलोकन करत हई अउर एकर प्रदर्शन का मूल्यांकन करत हई, एकर उपयोगकर्ता के कथित प्रदर्शन पहलुओं पर ध्यान केंद्रित करत हई। हम टीसीपी थ्रूपुट के नजर से पैकेट अग्रेषण की आवश्यकता का जांच करते हैं, हम हैंडओवर के दौरान ऑर्डर पैकेट डिलीवरी की समस्या का विश्लेषण करते हैं और इसके लिए एक सरल समाधान का प्रस्ताव करते हैं। अंत मा, हम रेडियो दक्षता मा HARQ / ARQ राज्य त्याग मा प्रभाव को जांच। नतीजा ई दिखावा करत है कि उपयोगकर्ता के अनुभव से ना त प्रदर्शन से अउर ना ही रेडियो दक्षता से एलटीई के स्थानांतरण आधारित हस्तांतरण प्रक्रिया से समझौता कीन जात है। |
3fb91bbffa86733fc68d4145e7f081353eb3dcd8 | इलेक्ट्रोमाइग्राफी (ईएमजी) सिग्नल का उपयोग क्लिनिकल/बायोमेडिकल अनुप्रयोगों, इवोल्विएबल हार्डवेयर चिप (ईएचडब्ल्यू) विकास, और आधुनिक मानव कंप्यूटर इंटरैक्शन के लिए किया जा सकता है। मांसपेशियन् से प्राप्त ईएमजी सिग्नल का पता लगाने, विघटन, प्रसंस्करण, और वर्गीकरण खातिर उन्नत विधियन क आवश्यकता होत है। ई पेपर का उद्देश्य ईएमजी सिग्नल विश्लेषण खातिर विभिन्न पद्धति अउर एल्गोरिदम के चित्रण करना अहै ताकि सिग्नल अउर ओकर प्रकृति के समझय के खातिर कुशल अउर प्रभावी तरीका उपलब्ध कै सका जाय। हम आगे कुछ हार्डवेयर कार्यान्वयन का संकेत देत हैं जेमे ईएमजी का उपयोग करत हैं, हाथ के प्रोस्थेटिक नियंत्रण, पकड़ पहचान, अउर मानव कंप्यूटर इंटरैक्शन से संबंधित अनुप्रयोगों पर ध्यान केंद्रित करत हैं। विभिन्न ईएमजी सिग्नल विश्लेषण विधियन का प्रदर्शन दिखाने के लिए एक तुलनात्मक अध्ययन भी दिया गया है। इ पेपर में शोधकर्ता ईएमजी सिग्नल अउर एकर विश्लेषण प्रक्रिया का अच्छा समझ प्रदान करत हैं। इ ज्ञान कय ओनका जादा शक्तिशाली, लचीला, अउर कुशल अनुप्रयोगऽन कय विकास करय मा मदद मिली। |
ab71da348979c50d33700bc2f6ddcf25b4c8cfd0 | |
6cc4a3d0d8a278d30e05418afeaf6b8e5d04d3d0 | |
6180a8a082c3d0e85dcb9cec3677923ff7633bb9 | सूचना प्रणाली अनुसंधान (ISR) का उद्घाटन दो दशक पहले, सूचना प्रणाली (IS) क्षेत्र का ध्यान प्रशासनिक प्रणालियों और व्यक्तिगत उपकरणों से परे चला गया है। फेसबुक कय लाखों उपयोगकर्ता फेसबुक कय प्रवेस करत हैं, आईफोन अनुप्रयोग डाउनलोड करत हैं, अउर विकेन्द्रीकृत कार्य संगठन बनावेक खातिर मोबाइल सेवा कय उपयोग करत हैं। इन नँवा गतिशीलता का समझै के लिए ई जरूरी होई कि ई क्षेत्र डिजिटल अवसंरचनाओं का आईटी आर्टिफैक्ट्स की श्रेणी के रूप मा ध्यान दे। साहित्य क एक अत्याधुनिक समीक्षा से डिजिटल बुनियादी ढांचे मा बढ़त रुचि का पता चलता है, बडे़ भी पुष्टि होत है कि क्षेत्र अभी तक बुनियादी ढांचे का अनुसंधान प्रयास का केंद्र नहीं बना है। ई बदलाव के मदद खातिर हम आईएस अनुसंधान खातिर तीन नई दिशा के प्रस्ताव करत बानी: (1) डिजिटल बुनियादी ढांचा के प्रकृति का सिद्धांत एक अलग प्रकार के आईटी आर्टिफैक्ट के रूप में, सुई जेनेरिस; (2) डिजिटल बुनियादी ढांचा के रूप में रिलेशनल निर्माण, जवन कि सभी पारंपरिक आईएस अनुसंधान क्षेत्र के आकार देत बा; (3) बदलाव अउर नियंत्रण के विरोधाभास के रूप में प्रमुख आईएस घटना। हम सुझाव देत हैं कि कैसे लंबवत, बड़े पैमाने पर सामाजिक-तकनीकी घटना का अध्ययन करें, जबकि पारंपरिक श्रेणियों की सीमाओं पर ध्यान दिए बिना प्रयास करें, जो आईएस अनुसंधान का मार्गदर्शन कर रही हैं। |
e83a2fa459ba921fb176beacba96038a502ff64d | label ((s) Label Class c) b) a) 7.3 Integration Strategies 241 Combination strategy संयोजन रणनीति (जेकरा संयोजन योजना भी कहल जाहे) अलग-अलग वर्गीकरणकर्ता के आउटपुट के संयोजन खातिर इस्तेमाल करल जाए वाला एगो तकनीक हऽ। अमूर्त स्तर पर सबसे लोकप्रिय संयोजन रणनीतियां बहुमत वोट नियम पर आधारित हैं, जो केवल सबसे अधिक वोट वाले वर्ग के लिए एक इनपुट पैटर्न निर्दिष्ट करता है (देखें खंड 7.2) । जब दुइ वर्गीकरणकर्ता एक साथ जुड़ा होत हीं, तउ तार्किक AND या तार्किक OR ऑपरेटर का उपयोग कइ जात ह। जब दुइ से जादा वर्गीकरन एकट्ठा होत हँय, तब AND/OR नियम कय संयोजन कीन जा सकत है। उदाहरण के लिए, एक बायोमेट्रिक प्रणाली "फ़िंगरप्रिंट या (चेहरे अउर हाथ ज्यामिति) " पर काम कर सकत है; यानी, ई उपयोगकर्ता का एक अंगूठी या दोनों का प्रतिनिधित्व करने के लिए एक फ़िंगरप्रिंट या हाथ और चेहरा ज्यामिति की आवश्यकता हो सकती है। वर्ग सेट कमी, लॉजिस्टिक प्रतिगमन, अउर बोर्डा गणना रैंक लेबल (हो, हल, अउर श्रीहरि, 1994) के आधार पे वर्गीकरणकर्ता के संयोजन मा सबसे जादा उपयोग करल जाए वाला तरीका है। वर्ग समुच्चय घटाई में, वर्गों का एक उपसमुच्चय चुना जाता है ताकि उपसमुच्चय जितना संभव हो उतना छोटा हो, फिर भी सही वर्ग हो। कई मोडलिटी से कई उपसमूह आमतौर पर या तो एक संघ या उपसमूहों का एक चौराहे का उपयोग करके संयुक्त होते हैं। लॉजिस्टिक रिग्रेशन अउर बोर्डा काउंट विधि कुल मिलाके वर्ग सेट पुनर्व्यवस्थापन विधि कहलावत ह. इ वर्ग कय अवधारना क्रम का अवलम्बन करेक अहै ताकि सही वर्ग सबसे ऊपर होइ। रैंक लेबल एक अनुक्रमणिका/पुनर्प्राप्ति प्रणाली मा एकीकरण को लागी धेरै उपयोगी छ। एक बायोमेट्रिक पुनर्प्राप्ति प्रणाली आमतौर पर उम्मीदवारों की एक क्रमबद्ध सूची (सबसे अधिक संभावना वाले मैच) का उत्पादन करती है। इ क्रमबद्ध सूची का सबसे ऊंचा तत्व सही मेल खात है अउर सूची का निचला सबसे कम संभावित मेल खात है. कई माडल से विश्वास मूल्य का संयोजन करय के खातिर सबसे लोकप्रिय संयोजन योजनाएं योग, माध्य, मध्य, उत्पाद, न्यूनतम, अउर अधिकतम नियम हैं। किटलर अउर अन्य (1998) इन लोकप्रिय योजनाओं का अंतर्निहित गणितीय आधार समझने का प्रयास के लिए एक सैद्धांतिक ढांचा विकसित किया है। उनकर प्रयोग से पता चलता है कि सामान्य रूप से सुई या मोट का आकार ज्यादातर एक अभाज्य संख्या से संबंधित होत है। योग नियम का उपयोग करने मा एक समस्या ई है कि अलग अलग तरीका से विश्वास (या स्कोर) सामान्यीकृत कीन जाय। ई सामान्यीकरण मा आम तौर पै एक आम डोमेन मा अलग अलग मोडलिटी से विश्वास माप को मानचित्रण शामिल छ। उदाहरण के लिए, एक बायोमेट्रिक सिस्टम एक दूरी स्कोर (जतना कम स्कोर, उतना ही अधिक समान पैटर्न) का उत्पादन कर सकता है, जबकि एक अन्य समानता स्कोर (जतना अधिक स्कोर, उतना ही अधिक समान पैटर्न) का उत्पादन कर सकता है, और इस तरह स्कोर सीधे योग नियम का उपयोग करके संयुक्त नहीं किया जा सकता है। आपन सबसे सरल रूप मा, इ सामान्यीकरण मा केवल दूरी स्कोर का संकेत उल्टा शामिल हो सकत है ताकि एक उच्च स्कोर एक उच्च समानता को अनुरूप हो। एक अधिक जटिल रूप मा, सामान्यीकरण गैर-रैखिक हो सकत है जौन प्रशिक्षण डेटा से सीखे जा सकत है प्रत्येक मोडलिटी से विश्वास मूल्य का अनुमान लगाकर। स्कोर का तब अनुवादित करीला और शून्य माध्य, इकाई विचलन, और फिर एक हाइपरबोलिक स्पर्शरेखा समारोह का उपयोग करके (0,1) का एक निश्चित अंतराल पर फिर से मैप कीन जात है। ध्यान रहे कि सामान्यीकरण के लिए अनुमानित वितरण का पैरामीटर निर्धारित करे बहरहाल, वितरण का एेसा पैरामीटरकरण सावधानी से करल जाय चाहि काहे से की बायोमेट्रिक सिस्टम कय त्रुटि दर आम तौर पे बहुत छोट होत हय औ वितरण कय पूंछ कय अनुमान लगावै मा एक छोट त्रुटि से त्रुटि अनुमानन मा महत्वपूर्ण परिवर्तन हो सकत हय (देखें चित्र 7.3) । एक अन्य सामान्य अभ्यास प्रशिक्षण डेटा से प्रत्येक मोडेलिटी (वजन) के लिए अलग स्केलिंग कारक (वजन) की गणना करना है, ताकि संयुक्त वर्गीकरणकर्ता की सटीकता अधिकतम हो। इ भारित योग नियम सरल योग नियम से बेहतर काम करे का उम्मीद है जब घटक वर्गीकरणक अलग-अलग ताकत होत हैं (यानी अलग-अलग त्रुटि दरें) । आकृती 7.3. a) फिंगरप्रिंट सत्यापन प्रणाली खातिर वास्तविक अउर इम्पॉस्टर वितरण (जैन एट अल., 2000) अउर इम्पॉस्टर वितरण खातिर सामान्य अनुमान. विजुअली रूप से, सामान्य सन्निकटन अच्छा प्रतीत होत है, लेकिन गैर-पैरामीटर क अनुमान क तुलना मा प्रदर्शन मा महत्वपूर्ण कमी का कारण बनत है जैसै कि बी) में आरओसी मा दिखाया ग्याय है, जहां एफएमआर को एफएआर (झूठा स्वीकृति दर) और (1-एफएनएमआर) वास्तविक स्वीकृति दर के रूप मा संदर्भित किया जात है। © एल्सेवियर. बायोमेट्रिक सिस्टम मा कई मोडलिटीज का संयोजन करेक खातिर कुछ योजनाओं का सैद्धांतिक दृष्टि से भी अध्ययन कईल गयल बा। सैद्धांतिक विश्लेषण के माध्यम से, डौगमैन (1999बी) देखायलन कि अगर एक मजबूत बायोमेट्रिक अउर एक कमजोर बायोमेट्रिक के साथ-साथ अमूर्त स्तर के संयोजन के साथ-साथ या तो AND या OR मतदान नियम का उपयोग करके, संयोजन का प्रदर्शन दुनो अलग-अलग बायोमेट्रिक से बेहतर होई। हांग, जैन, अउर पंकतिन (1999) का सैद्धांतिक विश्लेषण कि AND/OR मतदान रणनीति केवल तब ही प्रदर्शन में सुधार कर सकत हैं जब कुछ शर्तें संतुष्ट होत हैं, Daugman के निष्कर्षों की पुष्टि की गई है। उनके विश्लेषण से ई भी पता चला कि एक बिस्वास स्तर फ्यूजन से कमजोरी अउर मजबूत बायोमेट्रिक के संयोजन के मामला मा भी समग्र प्रदर्शन मा काफी सुधार होए के उम्मीद हव। किटलर अउर अन्य (1998) एक संवेदनशीलता विश्लेषण का परिचय दिया ताकि स्पष्ट हो सके कि योग (या औसत) नियम का अन्य नियम पर बेहतर प्रभाव क्यों पड़ा। उहौ देखाय देई कि योग नियम अन्य समान नियम (जैसे उत्पाद नियम) के तुलना मा पिछली संभावनाओं (आश्वासन मान) का अनुमान लगाये मा व्यक्तिगत वर्गीकरणकर्ता की त्रुटि दरों का कम संवेदनशील है। उ लोग इ दावा करत है कि योग नियम उहइ प्रकार का है जवन समान बाद की संभावनाओं का विभिन्न अनुमानन का संयोजन (उदाहरण के लिए, विभिन्न वर्गीकरण प्रारंभिक) के लिए सबसे उपयुक्त है. प्रभाकर और जैन (2002) ने नेमन-पियर्सन संयोजन योजना के साथ योग और उत्पाद नियम की तुलना की और दिखाया कि उत्पाद नियम संबद्ध सुविधाओं का संयोजन करते समय योग नियम से बदतर है और जब कमजोर और मजबूत वर्गीकरणकर्ता का संयोजन करते समय नेमन-पियर्सन संयोजन योजना से योग नियम और उत्पाद नियम दोनों ही अवर हैं। 0 20 40 60 80 100 0 1 2 3 4 5 6 7 सामान्यीकृत मिलान स्कोर परिकल्पना (% ) अव्यक्त वास्तविक गैर-पैरामीटर अव्यक्त वितरण सामान्य अव्यक्त वितरण वास्तविक वितरण 0 1 2 3 4 5 50 55 60 65 70 75 80 85 90 95 100 झूठी स्वीकृति दर (%) G en ui ne A cc ep ta nc e R at e (% ) गैर-पैरामीटर अव्यक्त वितरण का उपयोग करना सामान्य अव्यक्त वितरण का उपयोग करना अव्यक्त वितरण का उपयोग करना |
b4894f7d6264b94ded94181d54c7a0c773e3662b | पैदल का विश्लेषण हाल ही मा एक लोकप्रिय अनुसंधान क्षेत्र बन्यो है और व्यापक रूप मा न्यूरोडिजेनेरेटिव रोगहरु को नैदानिक निदान मा लागू गरीयो। हिप अउर घुटना संयुक्त कोण कैप्चर करे खातिर विभिन्न कम लागत वाले सेंसर-आधारित अउर विजन-आधारित सिस्टम विकसित कै गा है। बहरहाल, इनतान के प्रणाली का कामकाज के तुलना करे अउर वैलिडेशन करे के मउका मिलत है। इ अध्ययन कय उद्देश्य एक प्रयोग स्थापित करना औ कई जड़त्व माप इकाइयों (आईएमयू) के साथ सेंसर-आधारित प्रणाली कय प्रदर्शन कय तुलना करना अहै, मार्कर डिटेक्शन के साथ एक दृष्टि-आधारित पैदल विश्लेषण प्रणाली, औ सामान्य पैदल चलने के दौरान हिप औ घुटने संयुक्त कोण कैप्चर करेक मा मार्कर रहित दृष्टि-आधारित प्रणाली। प्राप्त माप का सत्यापन गनीमीटर से प्राप्त डेटा के साथ जमीनी सत्य माप के रूप मा कीन गवा रहा। नतीजा ई बताइस कि आईएमयू-आधारित सेंसर सिस्टम छोट त्रुटियन के साथ उत्कृष्ट प्रदर्शन देत है, जबकि विजन सिस्टम थोड़ा बड़ा त्रुटियों के साथ स्वीकार्य परिणाम देत है। |
0e78b20b27d27261f9ae088eb13201f2d5b185bd | फीचर चयन क खातिर एल्गोरिदम दुई व्यापक श्रेणिन मा आवति हैं: रैपर जवन कि लर्निंग एल्गोरिदम क उपयोग करत हैं, फीचर और फिल्टर क उपयोगिता का मूल्यांकन करैं खातिर जवन कि डेटा की सामान्य विशेषता के आधार पे हेरिस्टिक्स के अनुसार फीचर का मूल्यांकन करत हैं। बड़ी डेटाबेस कय अनुप्रयोग खातिर, फ़िल्टर रैपर से अधिक व्यावहारिक अहै काहे से ई बहुत तेज अहै। हालांकि, अधिकांश मौजूदा फ़िल्टर एल्गोरिदम विशिष्ट फ़िल्टर समस्याएं (जैसे फ़िल्टर "फ़ाइलें" या फ़िल्टर "फ़ाइलें") से दूर हैं। इ पेपर एक तेज, सहसंबंध-आधारित फ़िल्टर एल्गोरिथ्म का वर्णन करता है, जेका निरंतर और असतत समस्या पर लागू किया जा सकता है। एल्गोरिथ्म अक्सर बेहतर प्रदर्शन करत है जब एक पूर्व-प्रसंस्करण चरण के रूप मा उपयोग कै जाये मा प्रसिद्ध रिलीफएफ विशेषता अनुमानक जब बेयिस, उदाहरण-आधारित सीख, निर्णय पेड, स्थानीय रूप से भारित प्रतिगमन, और मॉडल पेड के लिए उपयोग कै जाये। इ रिलीफ एफ से जादा फीचर सिलेक्शन करत है- ज्यादातर मामलन मा डेटा कै आयाम पचास प्रतिशत तक घटाय दिया जात है। एकरे अलावा, निर्णय अउर मॉडल पेड़ों से बना भवा जेनेटिक फ़ंक्शन भी अक्सर पहिले से ही एक ठो पैरामीटर होय जवन की एक्ठु छोट समतुल्य संख्या कय जनक होत है। |
1b65af0b2847cf6edb1461eda659f08be27bc76d | हम रैखिक मॉडल मा अनुमान लगावै कै एक नया तरीका प्रस्तावित कीन गै बाय। लासो वर्गों का अवशिष्ट योग कम से कम कर देता है, जब गुणांक का निरपेक्ष मान एक स्थिर से कम हो। इ बाधा कय प्रकृति कय कारण इ कुछ गुणांक का उत्पादन करय कय प्रवृत्ति करत है जवन ठीक 0 होत है अउर इ प्रकार व्याख्या योग्य मॉडल देत है। हमार सिमुलेशन अध्ययन बतावेला कि लासो मा सबसेट चयन अउर रिडज रिग्रेशन दुनो के कुछ अनुकूल गुण मिलेला। ई उपसमूह चयन जइसन व्याख्या योग्य मॉडल का उत्पादन करत है और रिज रिग्रेशन की स्थिरता का प्रदर्शन करत है। डोनोहो अउर जॉनस्टोन द्वारा अनुकूली कार्य अनुमान मा हाल के काम के साथ एक दिलचस्प संबंध भी है। लसोट विचार काफी सामान्य है अउर इके विभिन्न सांख्यिकीय मॉडल में लागू कीन जा सकत हैः सामान्यीकृत प्रतिगमन मॉडल अउर पेड़-आधारित मॉडल का विस्तार संक्षेप मा वर्णित है। |
3a8aa4cc6142d433ff55bea8a0cb980103ea15e9 | |
75cbc0eec23375df69de6c64e2f48689dde417c5 | कम लागत वाले माइक्रोसॉफ्ट किनेक्ट सेंसर के आविष्कार के साथ, उच्च रिज़ॉल्यूशन गहराई अउर दृश्य (आरजीबी) संवेदन व्यापक रूप से उपयोग के लिए उपलब्ध होइ गयल ह। किनेक्ट सेंसर द्वारा प्रदान की गई गहराई अउर दृश्य जानकारी क पूरक प्रकृति कंप्यूटर विजन में मूलभूत समस्या का हल करै खातिर नया अवसर खोलत है। इ पेपर हाल के किनेक्ट-आधारित कंप्यूटर विजन एल्गोरिदम अउर अनुप्रयोगों का एक व्यापक समीक्षा प्रस्तुत करत है। समीक्षित दृष्टिकोण दृष्टि समस्या के प्रकार के अनुसार वर्गीकृत है जेके किनेक्ट सेंसर के माध्यम से संबोधित या बढ़ाया जा सकत है। कवर किए गए विषयों में प्रीप्रोसेसिंग, ऑब्जेक्ट ट्रैकिंग एंड रिकॉग्निशन, मानव गतिविधि विश्लेषण, हाथ इशारा विश्लेषण, और इंडोर 3-डी मैपिंग शामिल हैं। प्रत्येक विधि कै श्रेणी के लिए, हम उनके मुख्य एल्गोरिदमिक योगदान का रूपरेखा तैयार करत हैं औउ उनके फायदे/ RGB समकक्षों की तुलना मा अंतर का सारांश देत हैं। अंत मा हम अपने अवधी ग्राम-गाथा से कुछ अउर बात करैं का कहेंगे. इ पेपर का कीनेट आधारित कंप्यूटर विजन शोधकर्ताओं खातिर एक ट्यूटोरियल अउर संदर्भ स्रोत के रूप मा काम करे का उम्मीद हव। |
aa358f4a0578234e301a305d8c5de8d859083a4c | इ पेपर एक उपन्यास दृश्य प्रतिनिधित्व प्रस्तुत करत है, जेका ऑर्डरलेट्स कहा जात है, वास्तविक समय मा मानव क्रिया मान्यता खातिर गहराई सेंसर के साथ। एक ऑर्डरलेट एक मध्य स्तर का फीचर है जो निम्न स्तर के फीचर्स के समूह के बीच ऑर्डिनल पैटर्न का कैप्चर करता है। कंकाल खातिर, एक आदेश संयुक्त समूह के बीच विशिष्ट स्थानिक संबंध कैप्चर करत है। एक गहराई मानचित्र खातिर, एक ऑर्डरलेट उप-क्षेत्रों के समूह के बीच आकार जानकारी का तुलनात्मक संबंध का चिह्नित करत है। orderlet प्रतिनिधित्व दुई राम्रो गुण छ। सबसे पहिले, इ छोट छोट आवाज के प्रति असुरक्षित अहै, काहे से की ऑर्डर लेट सिर्फ अलग-अलग सुविधाओं कय बीच तुलनात्मक संबंध पे टिका अहै। दूसर बात ई है कि ई एगो फ्रेम-लेवल रिप्रेजेंटेशन हवे, जवन ऑनलाइन एक्शन के रियल-टाइम रिकग्निशन खातिर उपयुक्त है. प्रायोगिक परिणाम ऑनलाइन कार्रवाई मान्यता और पार-पर्यावरण कार्रवाई मान्यता पर इसका बेहतर प्रदर्शन दिखाते हैं। |
30f1ea3b4194dba7f957fd6bf81bcaf12dca6ff8 | इनक्रेमेंटल पार्सिंग तकनीक जइसे कि शिफ्ट-रेड्यूस आपन दक्षता के कारन लोकप्रियता हासिल कीन है, लेकिन एक बड़ी समस्या अभी भी बनी हुई अहै: खोज पूरी जगह का केवल एक छोटा सा हिस्सा (यहां तक कि बीम खोज के साथ) का पता लगावत है, जबकि गतिशील प्रोग्रामिंग का विरोध है। हम देखब कि, आश्चर्यजनक रूप से, गतिशील प्रोग्रामिंग वास्तव मा कई शिफ्ट-कम पार्सर के लिए संभव है, फीचर मानों के आधार पर "समान" स्टैक का विलय करके। अनुभव से, हमार एल्गोरिथ्म एक अत्याधुनिक शिफ्ट-कम निर्भरता पार्सर पर सटीकता में कोई कमी के साथ पांच गुना तेजी से उपज देता है। बेहतर खोज बेहतर सीखवाने का कारन बनत है, अउर हमार अंतिम पार्सर अंग्रेजी अउर चीनी खातिर पहिले से रिपोर्ट की गई सभी निर्भरता पार्सर से बेहतर है, फिर भी इ बहुत तेज है। |
422d9b1a05bc33fcca4b9aa9381f46804c6132fd | कुछ प्रश्न यकय अवधी यंत्रन द्वारा जवाबित नाय कीन जाय सकत हय। इ तरह क क्वेरीज का संसाधित करेक खातिर मानव इनपुट क आवश्यकता होत है ताकि डेटाबेस से गायब हो जाए वाली जानकारी प्रदान कै सका जाए, कम्प्यूटेशनल रूप से कठिन कार्य करय खातिर, अउर फजी मापदंड के आधार पे मिलान, रैंकिंग, या एकत्रित परिणामन के बरे। CrowdDB मानव इनपुट का उपयोग कर क्वेरीज को संसाधित करने के लिए crowdsourcing का उपयोग करता है कि न तो डेटाबेस सिस्टम और न ही खोज इंजन पर्याप्त रूप से जवाब दे सकते हैं। ई एसक्यूएल दुन्नो भाषाओं का इस्तेमाल जटिल क्वेरीज़ बनावे खातिर अउर डेटा मॉडल बनावे खातिर करत बा. जबकि CrowdDB पारंपरिक डेटाबेस सिस्टम कय कई पहलुओं का लाभ उठाता है, कुछ महत्वपूर्ण अंतर भी हैं। वैचारिक रूप से, अउर मुख्य रूप से ईहां तक कि असमंजस वाली भाषाओं के बीच बैस्विक भाषाओं का भी कम से कम प्रासंगिक अभ्यास शामिल रहा है, हालांकि ई अब उचित रूप से परिभाषित नहीं है। कार्यान्वयन के नजरिया से, मानव-उन्मुख क्वेरी ऑपरेटरन क भीड़-आधारित डेटा क अनुरोध, एकीकरण अउर सफाई करै खातिर जरूरत है। एकरे अलावा, कार्यप्रणाली अउर लागत कई नवा कारकन पर निर्भर करत हीं, जेहमा कार्यकर्ता आत्मीयता, प्रशिक्षण, थकान, प्रेरणा अउर स्थान सामिल हयेन। हम CrowdDB का डिजाइन बताय देहे हई, अमेजन मैकेनिकल तुर्क का उपयोग कइके प्रयोग के प्रारंभिक सेट पर रिपोर्ट करे अउर आगे के काम खातिर महत्वपूर्ण रास्ता के रूपरेखा तैयार करे खातिर क्राउडसोर्स क्वेरी प्रोसेसिंग सिस्टम के विकास में. |
edc2e4e6308d7dfce586cb8a4441c704f8f8d41b | इ पेपर मा, हम फलन कय औसत मा वितरित न्यूनतम मापन के लिए दो नए संचार-कुशल विधियन का प्रस्तुत करत हैं। पहिला एल्गोरिथ्म DANE एल्गोरिथ्म का एक गलत रूप है [20] जउन कौनो भी स्थानीय एल्गोरिथ्म का स्थानीय उपसमस्या का अनुमानित समाधान लौटावे की अनुमति देत है. हम देखब कि अईसन रणनीति से DANE के सैद्धांतिक गारंटी पर कौनो असर नई पड़ी. वास्तव मा, हाम्रो दृष्टिकोण एक मजबूत रणनीति को रूप मा देखी जा सकती है जब देखि विधि व्यवहार मा उत्पन्न डेटा विभाजन मा DANE भन्दा धेरै राम्रो व्यवहार गर्दछ। ई बात त ठीक से पता बा कि DANE एल्गोरिथ्म संचार जटिलता के निचला सीमा से मेल नहीं खात है. इ खाई का पुल बनावे खातिर, हम पहिला विधि का एक त्वरित संस्करण प्रस्तावित करत बानी, जेकर नाम AIDE है, जवन न केवल संचार के निचले सीमा से मेल खात है बल्कि ई एगो शुद्ध रूप से प्रथम-क्रम ओरेकल का उपयोग करके भी लागू कइल जा सकत बा. हमार अनुभव इ बतावेला कि एआईडीई अन्य संचार कुशल एल्गोरिदम से बेहतर अहै जवन कि मशीन लर्निंग अनुप्रयोगों में स्वाभाविक रूप से उत्पन्न होत हैं। |
c677166592b505b80a487fb88ac5a6996fc47d71 | इ पेपर मा बड़े पैमाना पर जटिल प्रणालि के विकेन्द्रीकृत नियंत्रण के क्षेत्र मा अतीत अउर वर्तमान परिणाम की समीक्षा कीन गा है। विकेन्द्रीकरण, विघटन, अउर मजबूती पइ जोर दीन गवा। इ पद्धति का उपयोग बड़े पैमाने पर जटिल प्रणालियों मा उत्पन्न होने वाल विशिष्ट कठिनाइयों को दूर करने के लिए प्रभावी औजारों के रूप मा कार्य करता है, जैसे कि उच्च आयामी, सूचना संरचना प्रतिबंध, अनिश्चितता, और देरी। ई सामग्री भविष्यवाणि अनुसंधान कय लिए कई संभावित विषयऽन् कय परिचय देत है। इ अवलोकन परस्पर जुड़े गतिशील प्रणालियन मा विकेन्द्रीकृत नियंत्रण का नेटवर्क नियंत्रण प्रणालियन तक विस्तार प्रदान करे खातिर उनकर क्षमता के कारण हाल के विघटन दृष्टिकोण पर केंद्रित है। # 2008 Elsevier Ltd. सभी अधिकार सुरक्षित |
0debd1c0b73fc79dc7a64431b8b6a1fe21dcd9f7 | फीचर चयन वर्गीकरण सटीकता मा सुधार कर सकत है और वर्गीकरण की कम्प्यूटेशनल जटिलता को कम कर सकत है। घुसपैठ का पता लगावे वाली यंत्रन (आईडीएस) मा डाटा सुविधा हमेशा असंतुलित वर्गीकरण की समस्या प्रस्तुत करत है जवने मा कुछ वर्गीकरण मा केवल कुछ उदाहरण हैं जबकि अन्य मा कई उदाहरण हैं। ई असंतुलन वर्गीकरण कय प्रभावकारिता का स्पष्ट रूप से सीमित कइ सकत हय, लेकिन एकर समाधान करय कय बहुत कम प्रयास हय। इ पेपर मा, आईडीएस मा विशेषता चयन के लिए कई-उद्देश्यीय समस्या के लिए एक योजना का प्रस्ताव है, जो दुई रणनीतियों का उपयोग करता है, अर्थात्, एक विशेष प्रभुत्व विधि और एक पूर्वनिर्धारित एकाधिक लक्षित खोज, जनसंख्या विकास के लिए। इ यातायात का अंतर केवल सामान्य अउर असामान्य बीच ही नाही बल्कि अप्राकृतिक प्रकार से भी कर सकत है। हमार योजना के आधार पर, NSGA-III का उपयोग अच्छे प्रदर्शन के साथ पर्याप्त फीचर सबसेट प्राप्त करे खातिर करल जाला. एक बेहतर कई-उद्देश्य अनुकूलन एल्गोरिथ्म (I-NSGA-III) एक उपन्यास आला संरक्षण प्रक्रिया का उपयोग कर आगे प्रस्तावित है। इ एक पूर्वाग्रह-चयन प्रक्रिया से बनत है जवन कि सबसे कम चयनित विशेषता वाले व्यक्ति का चयन करत है अउर एक फिट-चयन प्रक्रिया जवन कि इके लक्ष्यों का अधिकतम योग वजन वाले व्यक्ति का चयन करत है। प्रयोगात्मक परिणाम से पता चलता है कि I-NSGA-III असंतुलन की समस्या का कम कर सकता है, उच्च वर्गीकरण सटीकता के साथ, कम उदाहरण वाले वर्गों के लिए। एकरे अलावा, ई दुन्नों उच्च वर्गीकरण सटीकता वाले कंप्यूटरों का एक्सेस भी प्रदान कर सकत हैं, जवन कम जटिल कंप्यूटिंग कीन जात हैं। © 2016 Elsevier B.V. द्वारा प्रकाशित |
5a4a53339068eebd1544b9f430098f2f132f641b | डीप लैंटेंट-वैरिएबल मॉडल उच्च आयामी डेटा का प्रतिनिधित्व अनसुरीक्षित तरीके से सीखता है। हाल के कई प्रयास में, लर्निंग प्रतिनिधित्व पर ध्यान केंद्रित किया गया है कि भिन्नता के सांख्यिकीय रूप से स्वतंत्र अक्षों का विचलन, अक्सर उद्देश्य समारोह के उपयुक्त संशोधन का परिचय देकर। हम साहित्य का ई बढ़त शरीर का संश्लेषण कर रहे हैं सबूत का एक सामान्यीकरण निचला बाउंड तैयार करके जो स्पष्ट रूप से छिपे हुए कोड की विरलता, प्रतिनिधित्व की द्विपक्षीयता, और अनुभवजन्य डेटा वितरण के समर्थन का कवरेज के बीच व्यापार-बंद का प्रतिनिधित्व करता है। हमार उद्देश्य भी है कि ऊ पदानुक्रमित प्रतिनिधित्व सीखें जउन चर के ब्लॉक का विघटन करे जबकि ब्लॉक के भीतर कुछ डिग्री का सहसंबंध की अनुमति देत है। डेटासेट की एक श्रृंखला पर प्रयोग से पता चलता है कि सीखे गए प्रतिनिधित्व में व्याख्या योग्य विशेषताएं शामिल हैं, अलग-अलग गुण सीख सकते हैं, और कारक के अदृश्य संयोजनों का सामान्यीकरण कर सकते हैं। |
4b19be501b279b7d80d94b2d9d986bf4f8ab4ede | |
8ba965f138c1178aef09da3781765e300c325f3d | इलेक्ट्रोमायोग्राम या ईएमजी सिग्नल एक बहुत छोटा सिग्नल है; इके प्रदर्शन उद्देश्य या आगे के विश्लेषण प्रक्रिया खातिर एक प्रणाली का बढ़ावे क आवश्यकता होत है। इ पेपर कम लागत वाले फिजियोथेरेपी ईएमजी सिग्नल अधिग्रहण प्रणाली का विकास प्रस्तुत करत है जौन दो चैनल इनपुट के साथ है। अधिग्रहण प्रणाली मा, दुनो इनपुट सिग्नल एक अंतर प्रवर्धक संग प्रबलित हो र EMG संकेत को रैखिक लिफाफा प्राप्त गर्न संकेत पूर्व-प्रसंस्करण मा subjected छन्। प्राप्त ईएमजी सिग्नल का डिजिटाइज करके कंप्यूटर पर भेज दिया जाता है ताकि ग्राफ बनाई जा सके। |
01413e1fc981a8c041dc236dcee64790e2239a36 | मशीन लर्निंग मा समस्या का एक विस्तृत विविधता, उदाहरण क्लस्टरिंग, दस्तावेज सारांश, र सेंसर प्लेसमेंट सहित, बाध्य उप-मॉड्यूलर अधिकतमीकरण समस्या के रूप मा डाली जा सकत है। हाल ही मा इ समस्या कय हल करय के लिए डिस्ट्रीब्यूटेड एल्गोरिदम विकसित करेक खातिर बहुत प्रयास कईल गवा हय। हालांकि, इ निष्कर्ष निकाला गवा है कि वस्तुओं का क्रमिक रूप से गायब होना लगभग निश्चित है, जबकि अन्य लोग पेपर से संबंधित हैं। हम अनुक्रमिक सेटिंग मा मौजूदा एल्गोरिदम को वितरित सेटिंग मा लाने को लागी एक ढाँचा को विकास, केवल एक स्थिर संख्या मा नक्शा कम राउंड मा धेरै सेटिंग्स को लागी इष्टतम सन्निकटन अनुपात को प्राप्त। हमार तकनीक भी एक मैट्रॉइड बाधा के अधीन गैर-मोनोटोन अधिकतमीकरण खातिर एक तेज अनुक्रमिक एल्गोरिथ्म देत है. |
0451c923703472b6c20ff11185001f24b76c48e3 | नेटवर्क अउर सहकारी रोबोट खातिर उभरत अनुप्रयोग एजेंट समूह खातिर गति समन्वय के अध्ययन के प्रेरित करत हैं। उदाहरण के लिए, ईस्टर की सटीक तारीख कई बार विवादों का विषय रहा है, हालांकि, ईस्टर की सटीक तारीख कई बार विवादों का विषय रहा है। इ पेपर मोबाइल एजेंटों के बीच बुनियादी बातचीत से संबंधित है जैसे कि निकटतम अन्य एजेंट से दूर चले या अपने खुद के वोरोनोई बहुभुज के सबसे दूर के शिखर की ओर चले। इ सरल बातचीत वितरित गतिशील प्रणालियों का योग है क्योंकि उनके कार्यान्वयन के लिए पड़ोसी एजेंटों के बारे में केवल न्यूनतम जानकारी की आवश्यकता है। हम इ वितरित गतिशील प्रणालियन अउर ज्यामितीय अनुकूलन से डिस्क-कवरिंग अउर गोला-पैक लागत कार्यों के बीच घनिष्ठ संबंध का विशेषता देत हैं। हमार मुख्य परिणाम इ हैं: (i) हम इ ज्यामितीय लागत फलन क चिकनाई गुणन क विशेषता देत हैं, (ii) हम इ दर्शावत हैं कि परस्पर क्रिया नियम लागत फलन क गैर-सुचारू ढाल का भिन्नता हैं, अउर (iii) हम नियम क विभिन्न असीमपोटिक अभिसरण गुणन का स्थापित करत हैं। तकनीकी दृष्टिकोण कम्प्यूटेशनल ज्यामिति, गैर-सुचारू विश्लेषण, अउर गैर-सुचारू स्थिरता सिद्धांत से अवधारणाओं पर निर्भर करत है। |
0a37a647a2f8464379a1fe327f93561c90d91405 | हाल के विकास से स्पष्ट रूप से आंशिक रूप से आदेशित, आंशिक रूप से निर्दिष्ट कार्रवाई का अनुक्रम उत्पन्न करने की प्रक्रिया स्पष्ट हो गई है, जिसका निष्पादन एजेंट का लक्ष्य प्राप्त करेगा। इ पेपर कम से कम प्रतिबद्धता योजनाकारों की प्रगति का सारांश देता है, एक के साथ शुरू होता है जो सरल स्ट्रिप्स प्रतिनिधित्व का प्रबंधन करता है, और एक के साथ समाप्त होता है जो गतिशील ब्रह्मांड पर विघटनकारी पूर्व शर्त, सशर्त प्रभाव और सार्वभौमिक मात्रा के साथ कार्रवाई का प्रबंधन करता है। साथ ही हम समझाये देहे हई कि चैपमैन का मॉडल सत्य मापदण्ड का सूत्र गलत काहे है अउर काहे से कि सशर्त प्रभाव वाले योजनाओं के बारे मा तर्क करै खातिर उनकर एनपी-पूर्णता का परिणाम हमरे योजनाकार पर लागू नहीं होत है। 1 हम फ्रैंज अमाडर, टोनी बैरेट, डैरेन क्रोनक्विस्ट, डेनिस ड्रापर, एर्नी डेविस, ओरेन एटजोनियो, नॉर्ट फाउलर, राओ काम्बाम्पाटी, क्रेग नोब्लॉक, निक कुशमेरिक, नील लेश, करेन लोचबाम, ड्रू मैकडरमोट, रमेश पाटिल, कैरी पुली, यिंग सन, ऑस्टिन टेट अउर माइक विलियमसन का उपयोगी टिप्पणियन खातिर धन्यवाद देत हईं, लेकिन त्रुटि खातिर एकमात्र जिम्मेदारी बरकरार रखत हईं। ई शोध के वित्त पोषित कईल गईल बा आंशिक रूप से नौसेना अनुसंधान अनुदान कार्यालय द्वारा 90-J-1904 और राष्ट्रीय विज्ञान फाउंडेशन अनुदान IRI-8957302 द्वारा |
63f97f3b4808baeb3b16b68fcfdb0c786868baba | एक पैराबोलिक लेंस और एक वेव गाइड एडाप्टर से लैस एक ब्रॉडबैंड डबल-रिज्ड हॉर्न एंटीना का डिजाइन, निर्माण और लक्षण वर्णन सहित पूरा डिजाइन चक्र इस पेपर में प्रस्तुत किया गया है। प्रस्तुत कार्य का एक प्रमुख लक्ष्य 18-40 गीगाहर्ट्ज आवृत्ति रेंज पर मुख्य विकिरण लोब के भीतर एक फ्लैट चरण विशेषता के साथ उच्च दिशात्मकता प्राप्त करना था, ताकि एंटीना एक फ्रीस्पेस सामग्री विशेषता सेटअप में लागू हो सके। |
c5151f18c2499f1d95522536f167f2fcf75f647f | अगला पीढ़ी के विभेदित वायरलेस नेटवर्क मा, एक उपयोगकर्ता कय बहु-इंटरफेस टर्मिनल कय साथे विभिन्न प्रौद्योगिकी कय प्रयोग कईके अलग-अलग सेवा प्रदाताओं से नेटवर्क एक्सेस हो सकत है। ई मानल जात बा कि हस्तांतरण निर्णय कई मानदंड पर आधारित बा, साथ ही साथ उपयोगकर्ता वरीयता भी. सौंपने का निर्णय समस्या का हल करने के लिए कई दृष्टिकोण प्रस्तावित किए गए हैं, लेकिन निर्णय विधि का चयन मनमाने ढंग से प्रतीत होता है और कुछ विधियों से विवादास्पद परिणाम भी मिलते हैं। इ कागज मा, एक नया हस्तान्तरण मापदण्ड एक नया हस्तान्तरण निर्णय रणनीति संग शुरू गरीएको छ। एकर अतिरिक्त, हम ईहां तक कि वैक्यूम मा भी काम करैं का परतेंत अहय। विभिन्न फजी MADM विधियन कय व्यवस्थित विश्लेषण कय बाद, एक व्यवहार्य तरीका प्रस्तुत कै गय अहै। अंत मा, प्रस्तावित विधिवतरन कय उदाहरण प्रस्तुत करत हुए, अउर विधिवतरन कय संवेदनशीलता कय विश्लेषण करत हुए, विधिवत रूप से प्रस्तावित विधिवतरन कय उदाहरण प्रस्तुत करत हुए, विधिवतरन कय उपयोग कै बरे प्रस्तावित विधिवैज्ञानिक पद्धति पे चर्चा कीन गवा है। |
e321ab5d7a98e18253ed7874946a229a10e40f26 | वर्गीकरणकर्ता का प्रदर्शन और सटीकता सीधे सुविधा चयन का परिणाम से प्रभावित होत है। एक वर्ग एफ-स्कोर सुविधा चयन और सुधारित एफ-स्कोर सुविधा चयन और आनुवंशिक एल्गोरिथ्म के आधार पर, मशीन लर्निंग विधियों जैसे कि के निकटतम पड़ोसी, समर्थन वेक्टर मशीन, यादृच्छिक वन, भोला बेय्स, एक हाइब्रिड सुविधा चयन एल्गोरिथ्म का प्रस्ताव है दो वर्गीकरण असंतुलित डेटा समस्या और बहु वर्गीकरण समस्या का प्रसंस्करण करने के लिए। पारंपरिक मशीन लर्निंग एल्गोरिथ्म की तुलना में, यह व्यापक सुविधा स्थान में खोज कर सकता है और वर्गीकरणकर्ता को असंतुलित डेटा सेट की विशेषताओं से निपटने के लिए प्रचारित कर सकता है, जो कि heuristic नियमों के अनुसार है, जो असंतुलित वर्गीकरण की समस्या का बेहतर तरीके से सामना कर सकता है। प्रयोग के परिणाम से पता चलता है कि अन्य मॉडल की तुलना में दो वर्गीकरण के लिए रिसीवर ऑपरेटिंग विशेषता वक्र के तहत क्षेत्र और बहु वर्गीकरण समस्या के लिए सटीकता दर में सुधार हुआ है |
08fddf1865e48a1adc21d4875396a754711f0a28 | टेक्स्ट वर्गीकरण खातिर मशीन लर्निंग दस्तावेज़ वर्गीकरण, समाचार फ़िल्टरिंग, दस्तावेज़ रूटिंग, अउर निजीकरण क आधारशिला ह। पाठ डोमेन मा, प्रभावी सुविधा चयन सीखने कार्य कुशल र अधिक सटीक बनाउन को लागी आवश्यक छ। इ पेपर बारह फीचर चयन विधियन क एक अनुभवजन्य तुलना प्रस्तुत करत है (उदाहरण के लिए, एक का चयन करें) । सूचना प्राप्ति) का मूल्यांकन 229 टेक्स्ट वर्गीकरण समस्या के उदाहरणों पर आधारित है, जिनका हम रॉयटर्स, TREC, OHSUMED, आदि से एकत्रित किया है। परिणाम का विश्लेषण कई लक्ष्य पारेक्षकों से किया जाता है-सटीकता, एफ-माप, परिशुद्धता, और याद-क्योंकि प्रत्येक अलग अलग परिस्थितियों में उपयुक्त है। नतीजा ई बताय देत है कि एक नवा फीचर सिलेक्शन मेट्रिक जवन हम Bi-Normal Separation (BNS) कहत है, ज्यादातर मामलन मा दूसर से जादा बेहतर काम करत है. इ मार्जिन उच्च वर्ग विरूपण वाले कार्य में चौड़ाई होई गवा, जउन पाठ वर्गीकरण समस्या में व्याप्त है अउर विशेष रूप से प्रेरण एल्गोरिदम के लिए चुनौतीपूर्ण है। एक नया मूल्यांकन पद्धति का प्रस्ताव है कि ई डेटा माइनिंग प्रैक्टिशनर की जरूरतों पर ध्यान केंद्रित करे, जो कि एक सिंगल डेटासेट का सामना कर रहा है, जो कि एक (या एक जोड़ी) मीट्रिक का चयन करने का प्रयास कर रहा है, सबसे अच्छा प्रदर्शन का उत्पादन करने की संभावना है। इ परिप्रेक्ष्य मा, बीएनएस सटीकता को छोड़कर सभी लक्ष्यों के लिए शीर्ष एकल विकल्प रहा, जौन सूचना लाभ सबसे अधिक बार सबसे अच्छा परिणाम दिया। इ विश्लेषण से इ भी पता चला कि, उदाहरण के लिए, जीएन और क्वि-स्क्वायर पर सूचना का संकेतन विफल रहा है, और इसलिए वे खराब रूप से एक साथ काम कर रहे हैं। जब चार प्रदर्शन लक्ष्यों में से प्रत्येक के लिए मीट्रिक का इष्टतम जोड़ा c हो, BNS लगातार जोड़ी का एक सदस्य r है-उदाहरण के लिए, सबसे बड़ी याद के लिए, जोड़ी BNS + F1 माप एक काफी मार्जिन द्वारा सबसे अधिक संख्या में कार्यों पर सबसे अच्छा प्रदर्शन दिया। |
32352a889360e365fa242ad3040ccd6c54131d47 | |
7857cdf46d312af4bb8854bd127e5c0b4268f90c | निरंतर-प्रवाह मोड (सीसीएम) मा काम करैं वाले बूस्ट पावर फैक्टर सुधार (पीएफसी) कनवर्टर का गतिशील प्रतिक्रिया जोरदार रूप से वोल्टेज नियंत्रण लूप की कम बैंडविड्थ से प्रभावित होत है। इ पेपर मा छद्म-निरंतर-प्रवाह मोड (पीसीसीएम) मा काम करैं वाले एक उपन्यास त्रि-राज्य बूस्ट पीएफसी कनवर्टर का प्रस्ताव है। एक अतिरिक्त डिग्री नियंत्रण-स्वतंत्रता एक फ्रीव्हीलिंग स्विचिंग नियंत्रण अंतराल द्वारा शुरू की गई पीएफसी नियंत्रण प्राप्त करने में मदद करता है। एक स्थिर आउटपुट वोल्टेज बनाए रखने के लिए एक सरल और तेज़ वोल्टेज नियंत्रण लूप का उपयोग किया जा सकता है। एकरे अलावा, पारंपरिक अविरल-प्रवाहक मोड (डीसीएम) मा काम करैं वाले बूस्ट पीएफसी कनवर्टर के तुलना में, पीसीसीएम मा काम करैं वाले बूस्ट पीएफसी कनवर्टर कम करंट और वोल्टेज लहर के साथ बहुत बेहतर करंट हैंडलिंग क्षमता का प्रदर्शन करत हैं। त्र-राज्य बूस्ट पीएफसी कनवर्टर कय विश्लेषणात्मक अउर सिमुलेशन परिणाम प्रस्तुत कै गय है औ पारंपरिक सीसीएम औ डीसीएम मा काम करै वाले बूस्ट पीएफसी कनवर्टर कय तुलना कइ गय है। सिमुलेशन परिणाम तीन राज्य बूस्ट PFC कनवर्टर का उत्कृष्ट गतिशील प्रदर्शन दिखाते हैं। |
8629cebb7c574adf40d71d41389f340804c8c81f | इ लेख फिंगरप्रिंट पैटर्न का उपयोग कर लोगन की पहचान करैं के इतिहास मा प्रमुख विकास का सारांश देत है, 1890 के दशक मा वूसेटिच और हेनरी के सबसे पहिले फिंगरप्रिंट वर्गीकरण प्रणाली से स्वचालित फिंगरप्रिंट पहचान के आगमन तक। फिंगरप्रिंट रिकॉर्डिंग, स्टोरेज, मैचिंग, अउर रिकवरी के लिए "मैनुअल" सिस्टम के इतिहास का वर्णन करत हुए, लेख ऐतिहासिक संदर्भ में स्वचालित फिंगरप्रिंट मान्यता में प्रगति डालता है अउर उनके ऐतिहासिक अउर सामाजिक महत्व का उजागर करता है। |
7d9089cbe958da21cbd943bdbcb996f4499e701b | दस्तावेज़ स्तर पर भावना वर्गीकरण एक चुनौती बनी हुई है: दस्तावेज़ का अर्थपूर्ण अर्थ में वाक्य के बीच आंतरिक संबंध का एन्कोडिंग। इ समस्या का हल करइ खातिर, हम एक न्यूरल नेटवर्क मॉडल पेश करत हई, जवन की एक इकाई नीचे से ऊपर की ओर जाइ वाले वेक्टर-आधारित दस्तावेज़ प्रतिनिधित्व का सीखे खातिर बा। मॉडल पहिले वाक्य प्रतिनिधित्व सीखत है convolutional तंत्रिका नेटवर्क या लंबी अल्पकालिक स्मृति के साथ। बाद मा, वाक्य का अर्थशास्त्र अउर उनकर संबंध दस्तावेज प्रतिनिधित्व मा अनुकूली रूप से एन्कोड कीन जात है गेटेड आवर्ती तंत्रिका नेटवर्क के साथ। हम आईएमडीबी अउर येलप डाटासेट चैलेंज से चार बड़े पैमाना पर समीक्षा डेटासेट पर दस्तावेज़ स्तर की भावना वर्गीकरण का संचालन करत हैं। प्रायोगिक परिणाम से पता चलता है कि: (1) हमार न्यूरल मॉडल कई अत्याधुनिक एल्गोरिदम पर बेहतर प्रदर्शन दिखाता है; (2) भावना वर्गीकरण के लिए दस्तावेज़ मॉडलिंग में गेटेड आवर्ती न्यूरल नेटवर्क नाटकीय रूप से मानक आवर्ती न्यूरल नेटवर्क से बेहतर प्रदर्शन करता है। |
b294b61f0b755383072ab332061f45305e0c12a1 | हम एक सुपरवाइज़्ड कार्य में प्रदर्शन का सुधार करने के लिए मौजूदा सिमेंटिक शब्द वेक्टर का पुनः उपयोग करने का एक त्वरित तरीका प्रस्तुत करते हैं। हाल ही मा, कम्प्यूटिंग संसाधनों मा वृद्धि के साथ, असीमित मात्रा मा लेबल रहित डेटा से समृद्ध शब्द सम्मिलन सीखना संभव भैसय। हालांकि, कुछ प्रक्रियाओं का अच्छी तरह से सुदृढीकरण सीखना कई दिन या सप्ताह तक रहता है, हालांकि कई अन्य प्रक्रियाओं की तुलना में अधिक कठिन है। हम एक तरीका प्रस्तावित करत है कि मौजूदा एम्बेडिंग का इनपुट के रूप मा ले, कुछ लेबल डेटा, अउर एक एम्बेडिंग का उत्पादन उसी जगह पर, लेकिन पर्यवेक्षित कार्य में बेहतर भविष्यवाणी प्रदर्शन के साथ। हम कई आधार रेखा का संबंध भावना वर्गीकरण के कार्य पर सुधार का दिखावा करते हैं, और यह देखते हैं कि दृष्टिकोण सबसे उपयोगी है जब प्रशिक्षण सेट पर्याप्त रूप से छोटा है। |
4a27709545cfa225d8983fb4df8061fb205b9116 | हम प्रस्तावित डेटा खनन (डीएम) दृष्टिकोण बैंक दीर्घकालिक जमा बेचने के लिए टेलीमार्केटिंग कॉल की सफलता का भविष्यवाणी करने के लिए। इ एक पुर्तगाली खुदरा बैंक से सम्बोधित करा गवा रहा, 2008 से 2013 तक के डाटा के साथ, इ प्रकार हाल के वित्तीय संकट का प्रभाव भी शामिल रहा। हम बैंक ग्राहक, उत्पाद अउर सामाजिक-आर्थिक गुणन के साथे 150 विशेषता का एक बड़ा सेट का विश्लेषण किहे रहेन। जुलाई 2012 से पहिले के डेटा के साथ सेमी-ऑटोमैटिक फीचर चयन मा मॉडलिंग चरण मा जांच कीन गै रही, अउर जउन 22 फीचर के एक कम सेट का चयन करै के अनुमति दिहिस। हम चार डीएम मॉडल की तुलना भी की: लॉजिस्टिक रिग्रेशन, डिसीजन ट्री (डीटी), न्यूरल नेटवर्क (एनएन) अउर सपोर्ट वेक्टर मशीन। चार मॉडल का मूल्यांकन चरण में, सबसे हाल के डेटा (जुलाई 2012 के बाद) और एक रोलिंग विंडो योजना का उपयोग करके, दो मीट्रिक, रिसीवर ऑपरेटिंग विशेषता वक्र (एयूसी) का क्षेत्र और लिफ्ट संचयी वक्र (एएलआईएफटी) का क्षेत्र का उपयोग करके परीक्षण किया गया था। एन एन सबसे अच्छा परिणाम दिखाया (एयूसी=0.8 और एएलआईएफटी=0.7), जिससे 79% ग्राहक पहुंचे, जबकि आधे से अधिक क्लाइंट्स का चयन करके। साथ ही, ज्ञान निकाले के दुइ विधि, एक संवेदनशीलता विश्लेषण अउर एक डीटी, एनएन मॉडल पर लागू कीन गवा रहा अउर कई प्रमुख विशेषताएं (जैसे, यूरीबोर दर, कॉल की दिशा अउर बैंक एजेंट अनुभव) का खुलासा कीन गवा रहा। इ तरह से ज्ञान का निष्कर्षण टेलीमार्केटिंग अभियान प्रबंधक के लिए प्राप्त मॉडल का विश्वसनीयता अउर मूल्यवानता का पुष्टी कइलस. एलेस्वीर 19 फरवरी 2014 का प्रस्तुत प्रिंट |
138c86b9283e4f26ff1583acdf4e51a5f88ccad1 | अलग-अलग वस्तुअन से जुड़े चित्र अउर वीडियो का अनुवाद करना एक कठिन काम अहै। इ घटना या घटना का समझने, मानव आंदोलन का विश्लेषण, हेरफेर की जा सकने वाली वस्तुओं का पहचानने, और उन वस्तुओं पर मानव आंदोलन का प्रभाव देखने का कार्य शामिल है। जबकि इहि अवधारणात्मक कार्यन में से प्रत्येक का स्वतंत्र रूप से करल जा सकत हय, जब उ परस्पर क्रिया कय विचार करत हुए, मान्यता दर बेहतर होत हय। मानव धारणा का मनोवैज्ञानिक अध्ययन से प्रेरित होकर, हम बेयसन का एक दृष्टिकोण प्रस्तुत करते हैं, जो मानव-वस्तु बातचीत को समझने में शामिल विभिन्न धारणा कार्य को एकीकृत करता है। वस्तु अउर क्रिया पहचान के पहिले के तरीका क्रमशः स्थिर आकार या उपस्थिति सुविधा मिलान अउर गति विश्लेषण पर निर्भर करत हैं। हमार तरीका इ पारंपरिक तरीका से आगे बढ़त है अउर सुसंगत सिमेंटिक व्याख्या खातिर प्रत्येक अवधारणात्मक तत्व पर स्थानिक अउर कार्यात्मक बाधाओं का लागू करत है। अइसन प्रतिबंध हमका वस्तुअन अउर क्रियाओं का पहिचानै खातिर अनुमति देत हैं जब उपस्थिति पर्याप्त रूप से भेदभावपूर्ण न होइ. हम इ भी देखावत हई की बिना कौनो गति के जानकारी का उपयोग किए बिना स्थिर छवियों से क्रियाओं की पहचान में इ तरह के प्रतिबंधों का उपयोग का प्रदर्शन करें। |
321f14b35975b3800de5e66da64dee96071603d9 | कई मशीन लर्निंग अनुप्रयोगों का एक महत्वपूर्ण घटक है। विशेष रूप से कई बायोइंफॉर्मेटिक्स कार्यो में, सार्थक विशेषताओं का निष्कर्षण करने और शोर वाले को समाप्त करने के लिए कुशल और मजबूत विशेषता चयन विधियां वांछित हैं। इ पेपर मा, हम दोनो हानि समारोह और नियमितकरण पर संयुक्त ∀2,1-मानक कम से कम पर जोर देने के साथ एक नई मजबूत विशेषता चयन विधि का प्रस्ताव करते हैं। ∀2,1-मानक आधारित हानि फलन डेटा बिंदुओं मा बहिर्मुखी मा मजबूत छ, र ∀2,1norm नियमितकरण संयुक्त विरलैपन संग सबै डेटा बिंदुहरु मा सुविधाहरु को चयन गर्दछ। एक सिद्ध अभिसरण के साथ एक कुशल एल्गोरिथ्म का परिचय दिया जा रहा है। हमार रिग्रेशन आधारित उद्देश्य है कि सुविधा चयन प्रक्रिया का अउर कुशल बनाइ। हमार विधि जीनोमिक अउर प्रोटीनिक बायोमार्कर खोज दुनौ मा लागू कीन गा है। व्यापक अनुभवजन्य अध्ययन छ डाटा सेट मा प्रदर्शन गर्न को लागी हाम्रो सुविधा चयन विधि को प्रदर्शन प्रदर्शन गर्न को लागी प्रदर्शन गरीन्छ। |
9b505dd5459fb28f0136d3c63793b600042e6a94 | हम मल्टीमीडिया सामग्री का विश्लेषण अउर पुनःप्राप्ति खातिर एक नया ढांचा प्रस्तुत करत बानी जवने में दू स्वतंत्र एल्गोरिदम शामिल बा. सबसे पहिले, हम डाटा रैंकिंग खातिर एगो मजबूत लाप्लासियन मैट्रिक्स सीखय के खातिर स्थानीय प्रतिगमन अउर वैश्विक संरेखण (एलआरजीए) के साथ रैंकिंग नामक एगो नया अर्ध-पर्यवेक्षित एल्गोरिथ्म प्रस्तावित करत बानी. LRGA मा, प्रत्येक डेटा बिंदु के लिए, एक स्थानीय रैखिक प्रतिगमन मॉडल का उपयोग अपने पड़ोसी बिंदुओं की रैंकिंग स्कोर का अनुमान लगाने के लिए किया जाता है। एक एकीकृत उद्देश्य समारोह तब प्रस्तावित है कि वैश्विक रूप से सभी डेटा बिंदुओं से स्थानीय मॉडल का संरेखित करें ताकि प्रत्येक डेटा बिंदु पर एक इष्टतम रैंकिंग स्कोर सौंपा जा सके। दूसर, हम मल्टीमीडिया डाटा प्रतिनिधित्व के परिष्कृत करे खातिर अर्ध-पर्यवेक्षित दीर्घकालिक प्रासंगिकता प्रतिक्रिया (आरएफ) एल्गोरिथ्म का प्रस्ताव करत बानी. प्रस्तावित दीर्घकालिक आरएफ एल्गोरिथ्म मल्टीमीडिया फीचर स्पेस मा मल्टीमीडिया डेटा वितरण र इतिहास आरएफ जानकारी दुबै को उपयोग गर्दछ। एक ट्रेस अनुपात अनुकूलन समस्या तब एक कुशल एल्गोरिथ्म द्वारा तैयार कीन गा है अउर हल कीन गा है। एल्गोरिदम कई सामग्री-आधारित मल्टीमीडिया पुनर्प्राप्ति अनुप्रयोगों, क्रॉस-मीडिया पुनर्प्राप्ति, छवि पुनर्प्राप्ति, और 3 डी गति / स्थिति डेटा पुनर्प्राप्ति सहित लागू किए गए हैं। चार डेटा सेट पर व्यापक प्रयोग सटीकता, मजबूती, मापनीयता, और कम्प्यूटेशनल दक्षता में एकर फायदे का प्रदर्शन किया है। |
0ef550dacb89fb655f252e5b17dbd5d643eb5ac1 | हम दुई मैकाक बन्दर के निचला क्षेत्र 6 (क्षेत्र F5) के रोस्ट्रल भाग मा 532 न्यूरॉन्स से विद्युत गतिविधि दर्ज कीन। पहिले के आंकड़ा से पता चला है कि लक्ष्य-निर्देशित हाथ अउर मुंह के आंदोलन के दौरान इ क्षेत्र के न्यूरॉन्स का विसर्जन होत है। हम इहौ F5 न्यूरॉन्स ("मिरर न्यूरॉन्स", n = 92) के एक नए खोजे गए सेट के गुणन का वर्णन करत हैं, जवन कि सभी सक्रिय हो गयल जब बन्दर एक निश्चित क्रिया कय प्रदर्शन किहिन और जब उ प्रयोगकर्ता द्वारा कीन जाय वाले एक समान क्रिया कय अवलोकन किहिन। दर्पण न्यूरॉन्स, दृश्य रूप से ट्रिगर होए क खातिर, क्रिया के एजेंट अउर एकर वस्तु के बीच बातचीत की आवश्यकता होत है। एजेंट का या वस्तु का केवल दृष्टि (तीन आयामी वस्तु, भोजन) अप्रभावी रहा। हाथ अउर मुंह सबसे प्रभावी कारक रहेन। ऐक्टिवेट मिरर न्यूरॉन्स के बीच सबसे ज्यादा रिप्रेजेंट एक्शन रहे हैं पकड़ना, हेरफेर करना अउर जगह देना. अधिकांश आईना न्यूरॉन्स (92%) मा स्पष्ट रूप से दृश्य क्रिया क बीच एक स्पष्ट संबंध रहा जेके उ प्रतिक्रिया व्यक्त करत रहे अउर मोटर प्रतिक्रिया क कोड करत रहे। लगभग 30% दर्पण न्यूरॉन्स मा संगतता बहुत सख्त रहै औ प्रभावी रूप से देखा गा औ निष्पादित कार्य सामान्य क्रिया (जैसे कि (उदाहरण के लिए, डिबगिंग का अर्थ) डिबगिंग का तात्पर्य (जैसे - सटीक पकड़) हम इ प्रस्तावना पे समाप्त करत हई कि प्रतिबिंब न्यूरॉन्स अवलोकन अउर मोटर क्रियाओं के निष्पादन के लिए एक प्रणाली का निर्माण करत हय। हम क्रिया पहचान में इ प्रणाली की संभावित भूमिका पर चर्चा करते हैं और, एफ5 और मानव ब्रोका के क्षेत्र के बीच प्रस्तावित समरूपता को देखते हुए, हम मान लेते हैं कि दर्पण न्यूरॉन्स के समान एक मिलान प्रणाली मनुष्य में मौजूद है और क्रियाओं के साथ-साथ ध्वन्यात्मक इशारों की पहचान में शामिल हो सकती है। |
15b2c44b3868a1055850846161aaca59083e0529 | हम लेबल अउर अनलेबल डाटा से सीखे के सामान्य समस्या पर विचार करत हई, जवन अक्सर अर्ध-पर्यवेक्षित सीखे या अनुवांशिक अनुमान के रूप मा जानल जात है। अर्ध-पर्यवेक्षित सीखे खातिर एक सिद्धांतपरक दृष्टिकोण एक वर्गीकृत फलन के डिजाइन करेक अहै जवन ज्ञात लेबल वाले अव लेबल रहित बिंदुअन द्वारा सामूहिक रूप से प्रकट की गई आंतरिक संरचना के संबंध मा पर्याप्त रूप से सुचारू अहै। हम प्रस्तुत करे अही एक बहुत साधारण साधारण एल्गोरिथ्म जेहका उपयोगिता वइसहीं सहज समाधान खातिर कीन जाय सकत ह। हमार विधि कई वर्गीकरण समस्या पर उत्साहजनक प्रयोगात्मक परिणाम देत है अउर बिना लेबल वाले डेटा का प्रभावी उपयोग का प्रदर्शन करत है। |
50886d25ddd5d0d1982ed94f90caa67639fcf1a1 | |
4c2bbcb3e897e927cd390517b2036b0b9123953c | का ऑन्टोलॉजी अवलोकन वास्तविक दुनिया वस्तुओं के बीच स्थानिक-समय आदिम संबंधों की अवधारणा का परिचय देता है, जिससे ढांचे की पुनः प्रयोज्यता में सुधार होता है। एकर प्रयोग कइके, आप कय "BeAware! सड़क यातायात प्रबंधन के क्षेत्र मा लागू कीन गा है। इ प्रोटोटाइप कय अवलोकन अउर ओन्टोलॉजी-संचालित सूचना प्रणालि के विकास कय लिए सीखे गए सबक हमरे योगदान कय पूरा करत हैं। © 2010 Elsevier B.V. सभी अधिकार सुरक्षित ऑनलाइन 18 जुलाई 2010 सूचना अतिभार एक गंभीर समस्या है, मानव संचालकों के लिए बड़े पैमाने पर नियंत्रण प्रणाली का, उदाहरण के लिए, सड़क यातायात प्रबंधन के क्षेत्र में। इन सिस्टम कय संचालक लोगकय स्थिति के बारे मा जागरूकता कय कमी कय खतरा है, काहे से की मौजूदा सिस्टम केवल ग्राफिकल उपयोगकर्ता इंटरफ़ेस पय उपलब्ध जानकारी कय प्रस्तुति पे ध्यान केंद्रित करत हैं-यहीसे समय पर अउर सही पहचान, समाधान, अउर महत्वपूर्ण स्थितियन कय रोकथाम खतरे मा डालत है। हाल के बरस मा, स्थिति जागरूकता खातिर ओन्टोलॉजी-आधारित दृष्टिकोण एक अर्थपूर्ण रूप से समृद्ध ज्ञान मॉडल की विशेषता है। हालांकि, मौजूदा परिप्रेक्ष्य या तो बहुत विशिष्ट हैं, या फिर विशिष्ट मामले हैं, अगर अलग-अलग परिप्रेक्ष्य हैं। इ पेपर मा, हम बीएवेयर! के विकास से प्राप्त अनुभव का प्रस्तुत करत हैं, ओन्टोलॉजी संचालित सूचना प्रणालि के लिए एक ढांचा, जेकर उद्देश्य एक ऑपरेटर की स्थिति जागरूकता बढ़ाना है। मौजूदा डोमेन-स्वतंत्र दृष्टिकोण के विपरीत, BeAware! |
abf9ee52b29f109f5dbf6423fbc0d898df802971 | |
a31e3b340f448fe0a276b659a951e39160a350dd | सामान्य सूचना प्रणाली (आईएस) अउर सूचना प्रौद्योगिकी (आईटी) अनुप्रयोग के कुछ प्रकार के साथ उपयोगकर्ता संतुष्टि का आईएस अनुसंधान में गहराई से अध्ययन किया गया है। पोर्टल प्रौद्योगिकी का व्यापक और बढ़ते उपयोग के साथ, हालांकि, पोर्टल उपयोग पर उपयोगकर्ता संतुष्टि का अध्ययन करने की आवश्यकता है - विशेष रूप से, बिज़नेस-टू-कर्मचारी (बी 2 ई) पोर्टल। ई पेपर में, हम बी2ई पोर्टल उपयोगकर्ता संतुष्टि का निर्धारण करने के लिए एक वैचारिक मॉडल का प्रस्ताव करते हैं, जो कि उपयोगकर्ता संतुष्टि पैमाने और बी2ई पोर्टल की एक व्यापक साहित्य समीक्षा से प्राप्त हुआ है। बी2ई पोर्टल उपयोगकर्ता संतुष्टि के नौ आयाम का पहचान और मॉडलिंग की गई है: सूचना सामग्री, उपयोग में आसानी, पहुंच की सुविधा, समयबद्धता, दक्षता, सुरक्षा, गोपनीयता, संचार, और लेआउट। |
0848827ba30956e29d7d126d0a05e51660094ebe | इंटरनेट ऑफ थिंग्स (आईओटी) स्वचालित प्रणालियों का प्रबंधन और नियंत्रण में क्रांति ला रहा है, जिससे स्मार्ट होम, स्मार्ट सिटी, स्वास्थ्य देखभाल, परिवहन, आदि जैसे क्षेत्रों में एक पैटर्न का बदलाव हो रहा है। आईओटी प्रौद्योगिकी युद्ध के मैदान मा सैन्य संचालन मा प्रभावकारिता मा भी महत्वपूर्ण भूमिका निभाने का अनुमान लगावत है। लडाई उपकरण अउर अन्य युद्धक्षेत्र संसाधनन् कय आपसी जुड़ाव समन्वित स्वचालित निर्णयन् कय खातिर युद्धक्षेत्र चिजन् कय इंटरनेट (IoT) के रूप मा जानल जात है। आईओबीटी नेटवर्क पारंपरिक आईओटी नेटवर्क से काफी अलग है, युद्ध के क्षेत्र की विशिष्ट चुनौतियों जैसे संचार अवसंरचना की अनुपस्थिति, और डिवाइस के साइबर और भौतिक हमलों के प्रति संवेदनशीलता की वजह से। युद्ध परिदृश्य मा मुकाबला दक्षता और समन्वित निर्णय लेने मा वास्तविक समय मा डेटा संग्रह मा अत्यधिक निर्भर गर्दछ, जो बदले मा नेटवर्क को कनेक्टिविटी र विरोधीहरु को उपस्थिति मा सूचना प्रसार मा निर्भर गर्दछ। इ काम का उद्देश्य सुरक्षित और पुनः विन्यास योग्य IoBT नेटवर्क का डिजाइन करने का सैद्धांतिक आधार बनाना है। स्टोचैस्टिक ज्यामिति अउर गणितीय महामारी विज्ञान के सिद्धांत का लाभ उठावत, हम विभिन्न प्रकार के नेटवर्क उपकरण के बीच मिशन-महत्वपूर्ण डेटा के संचार का अध्ययन करे खातिर अउर नेटवर्क के लागत प्रभावी ढंग से डिजाइन करे खातिर एक एकीकृत ढांचा विकसित करत बानी। |
32e876a9420f7c58a3c55ec703416c7f57a54f4c | अधिकांश शोधकर्ता संभावित रूप से ग्राफिकल मॉडल, विश्वास नेटवर्क, कारण प्रभाव और संभावित अनुमान के बढ़ते क्षेत्र में हैं, एसीएम ट्यूरिंग पुरस्कार विजेता डॉ। पर्ल और उनके सेमिनार पेपर पर कारण पर अच्छी तरह से ज्ञात और मान्यता प्राप्त हैं। प्रतिनिधित्व अउर कारण का निर्धारण, एक घटना (कारण) अउर दूसरी घटना (प्रभाव) के बीच का संबंध, जहां दूसरी घटना पहिले के परिणाम के रूप मा समझा जात है, एक चुनौतीपूर्ण समस्या है। पिछले कई साल से, डॉ. मोती कला और विज्ञान दुनहु पर काफी महत्वपूर्ण रूप से लिखा है कारण अउर प्रभाव का. "कारण: मॉडल, तर्क और निष्कर्ष" पर इस पुस्तक में, बेयसियन विश्वास नेटवर्क के आविष्कारक ने अपने पहले के काम पर चर्चा की है, लेकिन उन तक सीमित नहीं है, लेकिन तर्क और प्रभाव के साथ तर्क, सांख्यिकी में कारण का अनुमान, सिम्पसन का विरोधाभास, अनुभवजन्य अनुसंधान के लिए कारण आरेख, कारण के दावों की मजबूती, कारण और स्पष्टीकरण, और कारण सीमाओं और पहचान की संभावनाएं। |
a04145f1ca06c61f5985ab22a2346b788f343392 | पिछले डेढ़ दशक से सूचना प्रणाली सफलता का दावा कर रही है, कई लोग अब दावा कर रहे हैं कि उनकी क्षमता का एक संभावित कारण है। हालांकि, इन अध्ययनों की रिपोर्ट्स का दावा है कि एक संभावित कारण है कि ब्लैक होल का आचरण भी शायद कम से कम एक कारक से संबंधित है। अलग-अलग शोधकर्ता सफलता के अलग-अलग पहलुओं का संबोधित कइले बाड़े, तुलना के मुश्किल बना रहेले अउर आई/एस अनुसंधान खातिर एगो संचयी परंपरा के निर्माण के संभावना समान रूप से भटकल बा। इ विविध शोध क आयोजन करै खातिर, साथ ही साथ I/S सफलता क अवधारणा का एक अधिक एकीकृत दृश्य प्रस्तुत करै खातिर, एक व्यापक वर्गीकरण प्रस्तुत करल गयल है। इ वर्गीकरण आई/एस सफलता-सिस्टम ओउलिटी, सूचना गुणवत्ता, उपयोग, उपयोगकर्ता संतुष्टि, व्यक्तिगत प्रभाव, अउर संगठनात्मक प्रभाव के छह प्रमुख आयाम या श्रेणियन का प्रस्ताव करत है। इ आयामों का उपयोग करके, वैचारिक और अनुभवजन्य अध्ययनों की फिर से समीक्षा की जा रही है (कुल मिलाकर, 180 लेख उद्धृत किए गए हैं) और वर्गीकरण के आयामों के अनुसार व्यवस्थित किए गए हैं। अंत मा, आई/एस सफलता का कई पहलुओं को एक वर्णनात्मक मॉडल मा एक साथ खींच लिया जात है और भविष्य मा आई/एस अनुसंधान को लागी यसको प्रभावहरु मा चर्चा की गरीरहे छ। |
a99f1f749481e44abab0ba9a8b7c1d3572a2e465 | |
5c8bb027eb65b6d250a22e9b6db22853a552ac81 | |
3913d2e0a51657a5fe11305b1bcc8bf3624471c0 | प्राकृतिक भाषा प्रसंस्करण मा प्रतिनिधित्व सीखना एक मौलिक समस्या हो। इ पेपर पढ़ी कि टेक्स्ट वर्गीकरण कय लिए संरचित प्रतिनिधित्व कय सीखै कय तरीका। अधिकांश मौजूदा प्रतिनिधित्व मॉडल के विपरीत, जउन या तो कौनो संरचना का उपयोग नहीं करत हैं या पूर्व-निर्धारित संरचनाओं पर निर्भर करत हैं, हम वाक्य प्रतिनिधित्व का सीखने के लिए एक सुदृढीकरण सीखने (आरएल) विधि का प्रस्ताव करत हैं, स्वचालित रूप से अनुकूलित संरचनाओं का पता लगाकर। हम संरचित प्रतिनिधित्व का निर्माण करने के दो प्रयासों का प्रदर्शन करते हैंः सूचना डिस्टिल्ड LSTM (ID-LSTM) और पदानुक्रमित रूप से संरचित LSTM (HS-LSTM) । ID-LSTM केवल महत्वपूर्ण, टास्क-प्रासंगिक शब्द का चयन करता है, और HS-LSTM एक वाक्य में वाक्यांश संरचना का पता लगाता है। दुन्नो निरूपण मॉडल में संरचना खोज एक अनुक्रमिक निर्णय समस्या के रूप में तैयार की गई है: संरचना खोज का वर्तमान निर्णय निम्नलिखित निर्णयों को प्रभावित करता है, जिन्हें नीति ढाल RL द्वारा संबोधित किया जा सकता है। नतीजा ई दिखावा करत है कि हमार पद्धति बिना स्पष्ट संरचनात्मक टिप्पणिय के महत्वपूर्ण सब्दन या कार्य-संबंधी संरचनाओं की पहचान करके कार्य-अनुकूल प्रतिनिधित्व सीख सकत है, अउर एह तरह प्रतिस्पर्धी प्रदर्शन देत है। |
599ebeef9c9d92224bc5969f3e8e8c45bff3b072 | वर्ल्ड वाइड वेब का विस्फोटक विकास अउर ई-कॉमर्स का उदय अनुशंसा प्रणाली का विकास का कारण बनत अहै---एक व्यक्तिगत सूचना फ़िल्टरिंग तकनीक जेकर उपयोग वस्तुओं का एक सेट का पहचान करेक खातिर करल जात है जवन एक निश्चित उपयोगकर्ता के लिए रूचि रखत है। उपयोगकर्ता आधारित सहयोगी फ़िल्टरिंग अब तक अनुशंसा प्रणाली का निर्माण करने की सबसे सफल तकनीक है, अउर कई वाणिज्यिक अनुशंसा प्रणाली में एकर व्यापक रूप से उपयोग होत है। दुर्भाग्य से, इ विधियन क गणना क जटिलता ग्राहक द्वारा कीन जात है, अउर आमतौर पय यहिकै सिफारिश करी जात है, हालांकि ई अब उचित नाइ होइ सकत। इ समस्या का हल करै खातिर, मॉडल-आधारित सिफारिश पर विचार कीन जाय। इ तकनीक अलग-अलग आइटम के बीच संबंध का खोजे खातिर उपयोगकर्ता-आइटम मैट्रिक्स का विश्लेषण करत है अउर अनुशंसाओं की सूची का गणना करे खातिर इ संबंध का उपयोग करत है। इ लेख में, हम मॉडल-आधारित अनुशंसा एल्गोरिदम के एक वर्ग का परिचय देत हैं जवन पहिले विभिन्न आइटम के बीच समानता निर्धारित करत है अउर फिर अनुशंसित आइटम के सेट का पहचान करे खातिर एकर उपयोग करत है। एल्गोरिदम के ई वर्ग मा मुख्य कदम (i) आइटम के बीच समानता की गणना करे खातिर इस्तेमाल कै जाय वाला तरीका, अउर (ii) आइटम की एक टोकरी अउर उम्मीदवार सिफारिश आइटम के बीच समानता की गणना करे खातिर इ समानता का संयोजन करे खातिर इस्तेमाल कै जाय वाला तरीका होय। आठ वास्तविक डाटासेट पर हमार प्रयोगात्मक मूल्यांकन से पता चलता है कि इ आइटम-आधारित एल्गोरिदम पारंपरिक उपयोगकर्ता-पड़ोस आधारित अनुशंसा प्रणाली से दो गुना तेज हैं अउर तुलनीय या बेहतर गुणवत्ता वाले अनुशंसा प्रदान करत हैं। |
01a8909330cb5d4cc37ef50d03467b1974d6c9cf | इ अवलोकन स्वायत्त बहु-उंगली वाले रोबोटिक हाथों से 3 डी ऑब्जेक्ट ग्रैप्स उत्पन्न करने के लिए कम्प्यूटेशनल एल्गोरिदम प्रस्तुत करता है। रोबोटिक ग्रिपिंग दशकों से एक सक्रिय अनुसंधान विषय रहा है, और ग्रिप सिंथेसिस एल्गोरिदम पर काफी प्रयास किए गए हैं। मौजूदा कागजात पकड़ने का यांत्रिकी की समीक्षा पर ध्यान केंद्रित करते हैं और उंगली-ऑब्जेक्ट संपर्क बातचीत [7] या रोबोट हाथ डिजाइन और उनके नियंत्रण [1]। रोबोट पकड़य सिंथेसिस एल्गोरिदम कय समीक्षा [63] मा करल गय है, लेकिन तब से सीखय के तकनीक का पकड़य के समस्या मा लागू करय के दिशा मा एक महत्वपूर्ण प्रगति भय है। इ अवलोकन विश्लेषणात्मक अउर प्रयोगात्मक गहन संश्लेषण विधियन पर केंद्रित अहै। |
4e03cadf3095f8779eaf878f0594e56ad88788e2 | |
a63c3f53584fd50e27ac0f2dcbe28c7361b5adff | सिलिकॉन आरएफ, माइक्रोवेव, अउर मिलीमीटर-वेव अनुप्रयोगन खातिर संभावना अउर चुनौतियों का एक नया सेट देत है। जबकि SiGe heterojunction द्विध्रुवीय ट्रांजिस्टर का उच्च कटऑफ आवृत्ति और MOSFETs का लगातार सिकुड़ता फीचर आकार बहुत वादा रखता है, इन प्रौद्योगिकियों की वास्तविकताओं से निपटने के लिए नई डिजाइन तकनीकों का आविष्कार करने की आवश्यकता है, जैसे कि कम टूटने वाले वोल्टेज, खोने वाले सब्सट्रेट, कम-Q निष्क्रिय, लंबे समय तक इंटरकनेक्ट परजीवी, और उच्च आवृत्ति युग्मन मुद्दे। सिलिकॉन मा पूर्ण सिस्टम एकीकरण का एक उदाहरण के रूप मा, यह पेपर 0.18-/spl mu/m सिलिकॉन-जर्मनियम मा पहला पूरी तरह से एकीकृत 24-GHz आठ-घटक चरणबद्ध सरणी रिसीवर प्रस्तुत करता है और 0.18-/spl mu/m CMOS में एकीकृत पावर एम्पलीफायरों के साथ पहला पूरी तरह से एकीकृत 24-GHz चार-घटक चरणबद्ध सरणी ट्रांसमीटर। ट्रांसमीटर अउर रिसीवर बीम बनावे में सक्षम होला आउर एकर उपयोग संचार, दूरी, स्थिति निर्धारण, अउर संवेदी अनुप्रयोगन खातिर करल जा सकत बा। |
64da24aad2e99514ab26d093c19cebec07350099 | क्यूबसैट प्लेटफार्म वाणिज्यिक उद्यमों मा वैश्विक इंटरनेट नेटवर्क, गहरी अंतरिक्ष अन्वेषण, और एयरोस्पेस अनुसंधान प्रयासों का वैकल्पिक समाधान के रूप मा तेजी से लोकप्रिय होत जा रहा है। कई प्रौद्योगिकी कंपनी अउर सिस्टम इंजीनियर वैश्विक कम पृथ्वी कक्षा (एलईओ) इंटर-सैटेलाइट नक्षत्रों के हिस्से के रूप मा छोटे उपग्रह सिस्टम लागू करे का योजना बना रहा है। इन प्रयासन के बढ़ावा देहे खातिर उच्च परफॉर्मेंस वाले अउर कम लागत वाले हार्डवेयर जरूरी हई। इ पेपर Ka-Band एकीकृत ट्रांसमीटर असेंबली (ITA) मॉड्यूल का हेटरोडीन आर्किटेक्चर और प्रदर्शन प्रस्तुत करता है, जिसे नैनो/माइक्रोसैटेलाइट या अन्य उपग्रह प्रणालियों में उच्च डेटा दर अंतरिक्ष संचार प्रणालियों के लिए एक कम लागत वाले समाधान के रूप में लागू किया जा सकता है। मॉड्यूल एक 0.9 से 1.1 GHz IF इनपुट सिग्नल का रूपांतरित करता है ताकि 26.7 से 26.9 GHz आवृत्ति रेंज पर +29 dBm का रैखिक प्रसारण प्रदान किया जा सके। |
0b44fcbeea9415d400c5f5789d6b892b6f98daff | इ पेपर मा, हम अपन अनुभव का पुनरावलोकन करेक खातिर एइसन ही एगो बडे़ नोट कॉर्पस तैयार कीन हन- पेन ट्रीबैंक, एक कॉर्पस जवने मा अमेरिकन अंग्रेजी कय 4.5 मिलियन से अधिक शब्द शामिल हँय। पेन ट्रीबैंक प्रोजेक्ट (1989-1992) कय पहिला तीन साल कय चरण कय दौरान, ई कॉर्पस कय भाग-ऑफ-स्पीच (पीओएस) जानकारी कय खातिर एनोटेट कै गय अहै। एकर अतिरिक्त, आधे से ज्यादा लोगन का स्केलेटल वाक्यविन्यास द्वारा अनुक्रमित कीन गवा अहै। टिप्पणियाँ पेन्सिलवेनिया विश्वविद्यालय कंप्यूटर अउर सूचना विज्ञान विभाग तकनीकी रिपोर्ट नं। एमएससीआईएस- 93-87। मा इ तकनीकी रिपोर्ट ScholarlyCommons पर उपलब्ध हैः http://repository.upenn.edu/cis_reports/237 Building A Large Annotated Corpus of English: The Penn Treebank MS-CIS-93-87 LINC LAB 260 Mitchell P. Marcus Beatrice Santorini Mary Ann Marcinkiewicz University of Pennsylvania School of Engineering and Applied Science कंप्यूटर एंड सूचना विज्ञान विभाग फिलाडेल्फिया, पीए 19104-6389 |
7c70c29644ff1d6dd75a8a4dd0556fb8cb13549b | हम माइक्रोवेव अनुप्रयोगों खातिर अनुकूली अउर लचीला सब्सट्रेट बनाय के खातिर एक नया तकनीक प्रस्तुत करत हई, जवने में पैकेजिंग पर सिस्टम शामिल है। उत्पादित सामग्री सिरेमिक पाउडर का संयोजन करके पॉलिमर से निर्मित की जाती है ताकि एक उच्च-विरोधी सब्सट्रेट उत्पन्न हो सके जो एक साथ लचीला (झुकने योग्य) हो। कई अईसन पॉलीमर-सिरेमिक सब्सट्रेट बनायीं जा रही हैं औरी इनका उपयोग पैच एंटीना अउर एक युग्मित लाइन फिल्टर के प्रदर्शन का जांच करे खातिर कीन जा रहा है। इ पेपर सब्सट्रेट मिश्रण विधि का प्रस्तुत करत है जबकि माप सब्सट्रेट के हानि प्रदर्शन का मूल्यांकन करे खातिर दिया जात है। कुल मिलाकर, निर्मित मिश्रित पदार्थ लचीला सब्सट्रेट का नेतृत्व करते हैं, जिनकी अनुमतिकता epsivr=20 तक है और पर्याप्त रूप से कम हानि है। |
85947d646623ef7ed96dfa8b0eb705d53ccb4efe | नेटवर्क फोरेंसिक्स एक विज्ञान है जवन घुसपैठ का पता लगावे अउर जांच करै खातिर नेटवर्क ट्रैफिक कैप्चर, रिकॉर्डिंग अउर विश्लेषण से संबंधित है। इ पेपर मा आज तक प्रस्तावित विभिन्न नेटवर्क फोरेंसिक फ्रेमवर्क कय विस्तृत अवलोकन हय। नेटवर्क फोरेंसिक खातिर एक सामान्य प्रक्रिया मॉडल प्रस्तावित बा जवन डिजिटल फोरेंसिक के विभिन्न मौजूदा मॉडल पर आधारित बा। नेटवर्क फोरेंसिक खातिर परिभाषा, वर्गीकरण अउर प्रेरणा स्पष्ट रूप से बतायीं गा है। विभिन्न नेटवर्क फोरेंसिक विश्लेषण उपकरण (एनएफएटी) अउर नेटवर्क सुरक्षा निगरानी उपकरण, जवन कि फोरेंसिक परीक्षार्थियन खातिर उपलब्ध बा, कय कार्यक्षमता पऽ चर्चा कीन गा है। कार्यान्वयन ढाँचा, प्रक्रिया मॉडल अउर विश्लेषण औजारन मा मौजूद विसेस अनुसंधान खामियन कय पहिचान कीन गा है अउर प्रमुख चुनौतिन् कय उजागर कीन गा है। इ काम कय महत्व ई अहै कि इ नेटवर्क फोरेन्सिक्स कय बारे मा एक अवलोकन प्रस्तुत करत है जेहमा उपकरण, प्रक्रिया मॉडल अउर ढांचा कार्यान्वयन शामिल हैं, जवन कि सुरक्षा प्रैक्टिशनर अउर शोधकर्ता कय इ आगामी अउर युवा अनुशासन कय खोज करै मा बहुत उपयोगी होइ। a 2010 Elsevier Ltd. सभी अधिकार सुरक्षित |
7d98dce77cce2d0963a3b6566f5c733ad4343ce4 | इ अध्ययन डेविस (1989) टीएएम मॉडल अउर स्ट्राब (1994) एसपीआईआर एडिन्डम का आईटी प्रसार मॉडल में लिंग जोड़कर विस्तारित करता है। प्रौद्योगिकी स्वीकृति मॉडल (टीएएम) का आईएस अनुसंधान में आईएस-प्रकार और राष्ट्रीयताओं पर सूचना प्रणालियों के उपयोग के स्पष्टीकरण के रूप में व्यापक रूप से अध्ययन किया गया है। जबकि इ शोध कक्ष महत्वपूर्ण पार-सांस्कृतिक अंतर पाइस है, इ लैंगिक प्रभावों का उपेक्षा कर रहा है, हालांकि सामाजिक-भाषाई अनुसंधान में, लैंगिकता संस्कृति का एक बुनियादी पहलू है। वास्तव मा, समाजशास्त्रीय अनुसंधान से पता चला है कि पुरुष वरीयता और स्वतंत्रता पर चर्चा कर रहे हैं, जबकि महिलाएं ब्रेस्ट बायोप्सी जांच करा रही हैं। ई साहित्य आईटी प्रसार अनुसंधान अउर प्रौद्योगिकी स्वीकृति मॉडल खातिर वैचारिक विस्तार खातिर एगो ठोस आधार प्रदान करत है. लैंगिक अंतर का परीक्षण करत जवन विश्वास अउर कंप्यूटर आधारित मीडिया के उपयोग से संबंधित हो सकत ह, वर्तमान अध्ययन 392 महिला अउर पुरुषन कय उत्तरों का नमूना लैकय, जवन एक क्रॉस-सेक्शनल सर्वे उपकरण कय माध्यम से कीन गवा रहा। इ नमूना उत्तरी अमेरिका, एशिया अउर यूरोप मा एयरलाइन उद्योग मा ई-मेल प्रणाली का उपयोग कर ज्ञान कार्यकर्ता के तुलनीय समूहों से आकर्षित किया है। अध्ययन के निष्कर्षों से पता चलता है कि सभी लोग एक बड़ी चेन का हिस्सा हैं, हालांकि कई लोग अभी भी जीवित हैं। इ निष्कर्ष निकालल गयल की शोधकर्ताओं का मानना है कि लैंगिक समानता पहिले से ही एक नए ज्ञान के आधार पर विकसित कीन गवा है। बकायदा, प्रबंधक अउर सहकर्मी का ई महसूस करे के जरूरत है कि संचार के एक ही तरीका का लैंगिक रूप से अलग-अलग तरीका से माना जा सकत है, इ सुझाव देत है कि अधिक अनुकूल संचार वातावरण बनावल जा सकत है, वातावरण जे न केवल संगठनात्मक संदर्भ कारक का ध्यान रखत है, बल्कि उपयोगकर्ता के लिंग का भी ध्यान रखत है। इन माहोल कै निर्माण मा संचार माध्यमों की वास्तविक तैनाती ही नहीं, अपितु संचार माध्यमों पर संगठनात्मक प्रशिक्षण भी शामिल है। |
2599131a4bc2fa957338732a37c744cfe3e17b24 | एक प्रशिक्षण एल्गोरिथ्म प्रस्तुत कै जाथै जवन प्रशिक्षण पैटर्न अउर निर्णय सीमा के बीच कै मार्जिन का अधिकतम करै। ई तकनीक कई तरह से वर्गीकरण फलन पर लागू होत है, जेहमा पर्सेप्ट्रॉन, बहुपद अउर रेडियल बेस फलन शामिल हैं। समस्या की जटिलता से मेल खाती मा मापदंडों की प्रभावी संख्या को स्वचालित रूप से समायोजित किया जाता है। समाधान का समर्थन पैटर्न का एक रैखिक संयोजन के रूप में व्यक्त किया जाता है। ई प्रशिक्षण पैटर्न का सबसे छोट समूह होय जवन निर्णय के सीमा के सबसे नजदीक अहै। छोड़ी गई एक-बाहर विधि और वीसी-आयाम के आधार पर सामान्यीकरण प्रदर्शन पर सीमाएं दी गई हैं। ऑप्टिकल कैरेक्टर रिकॉग्निशन प्रॉब्लम पर प्रयोगात्मक परिणाम अन्य लर्निंग एल्गोरिदम के साथ तुलना की गई अच्छी सामान्यीकरण का प्रदर्शन करते हैं। |
68c29b7bf1811f941040bba6c611753b8d756310 | आधुनिक कार नेटवर्क कम्प्यूटर कय मदद से चलावा जात अहै। इन नेटवर्क कै सुरक्षा ऐतिहासिक रूप से कम चिंता का विषय रहा लकिन हाल के वर्षों मा, कुछ शोधकर्ताओं ने इ सिद्ध करा थै कि इन नेटवर्क कै हमला कै खतरा बाय। इ हमलों से बचाव के भाग के रूप मा, हम ऑटोमोटिव कंट्रोलर एरिया नेटवर्क (सीएएन) बस खातिर एक विसंगति डिटेक्टर का मूल्यांकन करत हन। अधिकांश SEO experts का मानना है कि एक ideal keyword density लगभग 1-2% होनी चाहिए। लेकिन ज्यादातर सामान्य रूप से ई सब बर्तनन का एक विशिष्ट बर्तन से बना अहै। इ एक असामान्यता डिटेक्टर का प्रेरित करत ह जउन वर्तमान अउर ऐतिहासिक पैकेट समय का तुलना करत ह. हम एक एल्गोरिथ्म प्रस्तुत करत हई जवन एक स्लाइडिंग विंडो पर इंटर-पैकेट समय मापता है। औसत समय का तुलना ऐतिहासिक औसत से कीन जात है ताकि असमानता संकेत का उत्पादन हो सके। हम इ दृष्टिकोण का मूल्यांकन कई अंतर्निहित आवृत्तियों पर करते हैं और दिखावा करते हैं कि इसकी प्रभावशीलता का सीमाएं हैं। हम ई भी देखब कि का विसय के जानकारी पैकेट मा मौजूद डेटा कै माप के समान प्रभावकारी नाय है। अंत मा हम देखब कि कैसे एक वर्ग समर्थन वेक्टर मशीन उच्च विश्वास के साथ विसंगति का पता लगावे खातिर एक ही जानकारी का उपयोग कर सकत है। |
c43d8a3d36973e3b830684e80a035bbb6856bcf7 | चित्रण सुपर-रिज़ॉल्यूशन (एसआर) खातिर संवहन तंत्रिका नेटवर्क (सीएनएन) गहराई बहुत महत्वपूर्ण बा। हालांकि, हम देखत हैं कि छवि एसआर के लिए गहरे नेटवर्क का प्रशिक्षण अधिक कठिन है। कम रिजोलुशन इनपुट अउर सुविधा मा बहुत कम आवृत्ति कै जानकारी बाय, जवन चैनल मा समान रूप से व्यवहार कीन जात है, यहिसे सीएनएन कै प्रतिनिधित्व क्षमता मा बाधा आय। इन समस्यन का हल करै के बरे हम प्रस्तावित करत अहन कि ई बहुत जरूरी अहय कि इनक्यूबेटर पय आपकै भाषा का ठीक से समर्थन कीन जाय। विशेष रूप से, हम एक बहुत गहन नेटवर्क का गठन करने के लिए अवशिष्ट (आरआईआर) संरचना का प्रस्ताव करते हैं, जिसमें कई अवशिष्ट समूह शामिल हैं, जिनमें लंबे समय तक स्किप कनेक्शन हैं। हर अवशिष्ट समूह मा कुछ अवशिष्ट ब्लॉक शामिल होत हैं जिनमा छोटा स्किप कनेक्शन होत हैं। एही बीच, RIR बहु-स्कैप कनेक्शन के माध्यम से प्रचुर मात्रा में कम आवृत्ति वाली जानकारी का बायपास करे का अनुमति देत है, ताकि मुख्य नेटवर्क उच्च आवृत्ति वाली जानकारी सीख सके। एकरे अलावा हम चैनल के धियान के खातिर एक यंत्र सुझाबित हन ताकि चैनल के बीच आपसी निर्भरता के धियान रख के चैनल-वार सुविधा के अनुकूलन से फिर से पैमाना लगाय सकित हन। व्यापक प्रयोग से पता चलता है कि हमार RCAN बेहतर सटीकता अऊर विजुअल इम्प्रूवमेंट्स का हासिल कर सकता है. |
77768638f4f400272b6e5970596b127663471538 | पृष्ठभूमि स्कॉपिंग समीक्षा अनुसंधान साक्ष्य का संश्लेषण करने का एक तेजी से लोकप्रिय तरीका बन गया है। इ एक अपेक्षाकृत नई पद्धति अहइ जेकरे बरे एक सार्वभौमिक अध्ययन परिभाषा या अंतिम प्रक्रिया निर्धारित कीन नाही गवा हय। इ स्कोपिंग समीक्षा क उद्देश्य साहित्य मा स्कोपिंग समीक्षा का अवलोकन प्रदान करना रहा। विधि Arksey and O Malley framework का उपयोग करके एक स्कोपिंग समीक्षा की गई थी। चार ग्रंथसूची डाटाबेस अउर ग्रे साहित्य मा खोज कीन गा ताकि स्कॉपिंग समीक्षा अध्ययन की पहचान की जा सके। समीक्षा चयन अउर विशेषता पूर्व-परीक्षण रूपों का उपयोग कइके दो स्वतंत्र समीक्षकों द्वारा कीन गवा रहा। RESULTS खोज से पता चला कि 344 स्कॉपिंग समीक्षाओं पर 1999 से अक्टूबर 2012 तक का आंकड़ा मौजूद है। समीक्षा उद्देश्य, पद्धति अउर रिपोर्टिंग के हिसाब से अलग-अलग रही। लगभग तीन-चौथाई (74.1%) रिव्यूज का विषय स्वास्थ्य से संबंधित था। अध्ययन पूरा होए पै समय लाग जात बाय दुई हफ्ता से बीस महीना तक, औ पांच सौ उनसठ प्रतिशत रहा। समावेशी अध्ययन का गुणवत्ता मूल्यांकन दुर्लभ रूप से किया गया (22.38%) । निष्कर्षः हवाई रक्षा का महत्व, इलेक्ट्रॉनिक युद्ध का महत्व कई बार बढ़ रहा है। इनकर व्यवहार मा बदलाव के कारन, इनकर पद्धतिगत मानकीकरण की जरूरत होत है ताकि इनतान के सबूत के उपयोगिता अउर मजबूती सुनिश्चित कीन जाय। |
4c5815796c29d44c940830118339e276f741d34a | रोबोट सहायक अउर पेशेवर सहकर्मी घरेलू अउर औद्योगिक वातावरण मा एक वस्तु बनत जा रहल बाड़े। रोबोट के आपन काम के जगह मनईन के साथ साझा करे अउर शारीरिक रूप से उनके साथ बातचीत करे खातिर, रोबोट के पूरा संरचना पर संभावित टकराव से तेज अउर विश्वसनीय हैंडलिंग के जरूरत है, साथ ही साथ सुरक्षित रोबोट प्रतिक्रिया खातिर नियंत्रण रणनीति भी। प्राथमिक कारण भौतिक संपर्क के कारण संभावित मानव चोट का रोकथाम या सीमा है। इ सर्वेक्षण कागज मा, विषय पर हमार प्रारंभिक कार्य पर आधारित, हम समीक्षा, विस्तार, तुलना, और वास्तविक समय टकराव का पता लगाने, अलगाव, और पहचान के लिए प्रयोगात्मक मॉडल-आधारित एल्गोरिदम का मूल्यांकन करते हैं जो केवल प्रोप्रियोसेप्टिव सेंसर का उपयोग करते हैं। इ पर्यावरण के साथे बातचीत करै वाले रोबोट्स खातिर टकराव घटना पाइपलाइन के संदर्भ-स्वतंत्र चरणों को कवर करत है, जइसन कि भौतिक मानव-रोबोट बातचीत या हेरफेर कार्य में. समस्या पहिले कठोर रोबोट के खातिर संबोधित कीन जात है अउर फिर संयुक्त/प्रसारण लचीलापन की उपस्थिति तक विस्तारित कीन जात है। भौतिक रूप से प्रेरित बुनियादी समाधान का दुनिया भर में कई रोबोटिक प्रणालियों पर पहले से ही लागू किया जा चुका है, मैनिपुलेटर और ह्यूमनॉइड से लेकर फ्लाइंग रोबोट तक, और यहां तक कि वाणिज्यिक उत्पादों पर भी। |
4e3a22ed94c260b9143eee9fdf6d5d6e892ecd8f | |
e18fa8c8f402c483b2c3eaaa89192fe99e80abd5 | कई अध्ययन इ बताय देत हैं कि समाचार पत्र समाचार मा उल्लिखित शेयर बाजार, ओकरी अस्थिरता, व्यापारिक मात्रा, अउर व्यक्तिगत शेयरों की कीमत पर एक महत्वपूर्ण प्रभाव डालत हैं। कुछ प्रकाशित शोध इ सुझाव देत है कि समाचार दस्तावेज, त्रैमासिक रिपोर्ट, ब्लॉग और/या ट्विटर डेटा का स्वचालित भावना विश्लेषण एक व्यापार रणनीति का हिस्सा के रूप मा उत्पादक रूप से इस्तेमाल की जा सकत है। ई कागज ट्रेडिंग रणनीतियां का सिर्फ एक ऐसा परिवार प्रस्तुत करत है, औ आपन आवेदन के संदर्भ के बावजूद, भावना विश्लेषकों का मूल्यांकन कैसे करे जाए, एकर पीछे कुछ मौन धारणाओं की फिर से जांच करे क लिए इ आवेदन का उपयोग करत है। इ त फरक ही पड़त है का ? |
050c6fa2ee4b3e0a076ef456b82b2a8121506060 | छवियों मा 2D सीमांकित बक्से के रूप मा वस्तुओं की पहचान मा प्राप्त महान प्रगति के बावजूद, यह अभी भी अवरुद्ध वस्तुओं का पता लगाने और एक एकल छवि से कई वस्तुओं की 3D गुणों का अनुमान लगाने के लिए बहुत चुनौतीपूर्ण है। इ पेपर मा, हम एक उपन्यास वस्तु प्रतिनिधित्व, 3 डी वोक्सल पैटर्न (3DVP) का प्रस्ताव करत हैं, जो संयुक्त रूप से वस्तुओं के प्रमुख गुणों को दिखता है, 3 डी आकार, दृश्य बिंदु, ऑक्ल्यूजन और ट्रांकेशन सहित। हम 3DVPs का पता लगाते हैं एक डेटा संचालित तरीके से, और 3DVPs की एक शब्दकोश के लिए विशेष डिटेक्टरों का एक बैंक का प्रशिक्षण देते हैं। 3DVP डिटेक्टर विशिष्ट दृश्यता पैटर्न के साथ ऑब्जेक्ट का पता लगाने और 3DVP से मेटा-डेटा को डिटेक्टेड ऑब्जेक्ट्स, जैसे 2D सेगमेंटेशन मास्क, 3D पोज के साथ-साथ ऑक्ल्यूशन या ट्रंकेशन बॉर्डर पर स्थानांतरित करने में सक्षम हैं। ट्रांसफर करल मेटा-डेटा से हम वस्तुअन के बीच ऑक्ल्यूजन संबंध का अनुमान लगा सकत ह, जवन बदले में बेहतर वस्तु मान्यता परिणाम प्रदान करत ह. KITTI डिटेक्शन बेंचमार्क [17] और आउटडोर-सीन डेटासेट [41] पर प्रयोग किए जा रहे हैं। हम कार डिटेक्शन पर अत्याधुनिक परिणाम का सुधार कर रहे हैं और काफी मार्जिन के साथ अनुमान लगा रहे हैं (KITTI के कठिन डेटा में 6%), हम आपन तरीका का यकति सही तरीका से यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस मा यक ठूँस |
1a124ed5d7c739727ca60cf11008edafa9e3ecf2 | जइसे-जइसे डाटा आधारित अर्थव्यवस्था विकसित होत जा रही है, उद्यम बड़े पैमाने पर, उच्च गति वाले डेटा स्ट्रीम पर कार्रवाई करने में सक्षम होने का एक प्रतिस्पर्धी लाभ का एहसास कर रहे हैं। टेक्नोलॉजी जइसे वितरित संदेश कतार अउर स्ट्रीमिंग प्रोसेसिंग प्लेटफार्म जवन कमोडिटी हार्डवेयर पर हजारों डेटा स्ट्रीम विभाजन तक माप सकत हैं, एक जवाब ह। हालांकि, इ प्रणालि क द्वारा प्रदान की गई प्रोग्रामिंग एपीआई अक्सर कम-स्तरीय होत है, जइसै कि पर्याप्त मात्रा मा अनुकूलित कोड होत है जइसै कि प्रोग्रामर सीखने की वक्र अउर रखरखाव ओवरहेड मा जोड़त है। एकरे अलावा, इ प्रणाली अक्सर एसक्यूएल क्वेरी क्षमताओं से कम होत है, जवन बिग डेटा सिस्टम जइसे कि हाइव, इम्पाला या प्रेस्टो पर लोकप्रिय साबित होत हैं। हम डाटा स्ट्रीम क्वेरी अउर हेरफेर खातिर मानक एसक्यूएल का विस्तार कय न्यूनतम सेट का परिभाषित करत है। इ एक्सटेंशन समजाएसक्यूएल मा प्रोटोटाइप है, एसक्यूएल स्ट्रीमिंग खातिर एक नया उपकरण है जवन स्ट्रीमिंग एसक्यूएल को भौतिक योजनाओं मा संकलित करता है जवन समजा, एक ओपन-सोर्स वितरित स्ट्रीम प्रोसेसिंग फ्रेमवर्क पर निष्पादित कीन जात हैं। हम सैमजा अनुप्रयोगों के खिलाफ स्ट्रीमिंग एसक्यूएल क्वेरीज़ का प्रदर्शन की तुलना करें और उपयोगिता सुधार पर चर्चा करें। SamzaSQL ओपन सोर्स अपाचे Samza प्रोजेक्ट का हिस्सा है और सामान्य उपयोग के लिए उपलब्ध होगा। |
b8ec319b1f5223508267b1d5b677c0796d25ac13 | कई वास्तविक दुनिया परिदृश्यों में, एक विशिष्ट मशीन लर्निंग कार्य के लिए लेबल वाला डेटा प्राप्त करना महंगा है। अर्ध-पर्यवेक्षित प्रशिक्षण विधियन का उपयोग बहुतायत से उपलब्ध गैर-लगाए गए डेटा अउर कम संख्या मा लेबल किए गए उदाहरणों का उपयोग करत हैं। हम मानव में सीखने से प्रेरित गहरे तंत्रिका नेटवर्क का अर्ध-पर्यवेक्षित प्रशिक्षण का एक नया ढांचा प्रस्तावित करते हैं। संघन लेबल वाले नमूनन कय एम्बेड से लेबल रहित नमूनन कय अउर वापस से बनाय जात हय। इ अनुकूलन अनुसूची सही संघटन चक्र प्रोत्साहित करत है जउन एक ही वर्ग मा समाप्त होत है जौन संघटन से शुरू होत है और गलत संघटन को एक अलग वर्ग मा समाप्त दण्डित करत है। कार्यान्वयन का उपयोग करना आसान है अउर इसे किसी भी मौजूदा अंत-से-अंत प्रशिक्षण सेटअप से जोड़ा जा सकता है। हम कई डेटा सेट पर एसोसिएशन द्वारा सीखने की क्षमता का प्रदर्शन करते हैं और दिखावा करते हैं कि यह अतिरिक्त रूप से उपलब्ध लेबल रहित डेटा का उपयोग करके वर्गीकरण कार्यों पर प्रदर्शन में काफी सुधार कर सकता है। विसेस रूप से, कम लेबल वाले डाटा वाले मामला मा, हमार प्रशिक्षण योजना एसवीएचएन पर वर्तमान कला का स्थिति से बेहतर है। |
852c633882927affd1a951e81e6e30251bb40867 | लगातार विकसित हो रही रेडियो फ्रीक्वेंसी आइडेंटिफिकेशन (आरएफआईडी) तकनीक के साथ-साथ, नए अनुप्रयोग क्षेत्रों के भीतर पाई गई आवश्यकताओं को पूरा करने के लिए नए प्रकार के टैग एंटीना सामग्री और संरचनाएं उभर रही हैं। इ काम मा, विकिरण दक्षता माप विधि निष्क्रिय अल्ट्रा-उच्च आवृत्ति (यूएचएफ) आरएफआईडी डायपोल टैग एंटेना के लिए विकसित और सत्यापित की गई है। एकर अलावा, माप पद्धति का उपयोग पोर्टेबल शरीर-केंद्रित वायरलेस संचार अनुप्रयोगों के लिए सिलाई डायपोल टैग एंटेना की विकिरण दक्षता का मापने के लिए किया जाता है। माप से प्राप्त जानकारी टैग एंटीना सामग्री संरचनाओं के नुकसान का वर्णन करे खातिर अउर आगे दोनों टैग एंटीना प्रदर्शन अउर विश्वसनीयता में सुधार अउर अनुकूलन करे खातिर इस्तेमाल कै जा सकत है। |
833de6c09b38a679ed870ad3a7ccfafc8de010e1 | अहं-वाहक की गति का अनुमान उन्नत ड्राइविंग सहायक प्रणालियों अउर मोबाइल रोबोट स्थानीयकरण खातिर एक महत्वपूर्ण क्षमता है। निम्नलिखित कागज अहं-वाहक (लंबाई, पार्श्व वेग और यव दर) की पूरी 2D गति स्थिति का तुरंत निर्धारण करने के लिए रडार सेंसर का उपयोग करके एक मजबूत एल्गोरिथ्म प्रस्तुत करता है। इ कम से कम दू डाप्लर रडार सेंसर और उनके प्राप्त स्थिर प्रतिबिंब (लक्ष्य) के बीच सापेक्ष गति का मूल्यांकन करत अहै। उनके रेडियल वेग का वितरण क्षितिज कोण पर आधारित, गैर-स्थिर लक्ष्य और अव्यवस्था बाहर रखा गया है। अहं-गति अउर एकर संबंधित सह-परिवर्तन मैट्रिक्स का अनुमान लगावा जात है। एल्गोरिथ्म का कौनो पूर्व-प्रसंस्करण चरणों जइसे क्लस्टरिंग या क्लटर दमन के जरूरत नाहीं होत है और न ही एहमा कउनो मॉडल धारणा होत है। सेंसर वाहन पर कौनो भी स्थिति मा माउंट कीन जा सकत हैं। एक आम दृष्टि क्षेत्र जरूरी नाहीं है, अंतरिक्ष मा लक्ष्य संघन से बचने के लिए। एक अतिरिक्त सुविधा के रूप मा इटावा मा सभी टारगेट तुरंत बदल जाथै काहे से की उंखारो स्थानिक और गैर-स्थानीय सरकार द्वारा नियुक्त किये गयेन क्षेत्रऽन् से अधिक सुविधा उपलब्ध हँय। |
31918003360c352fb0750040d163f287894ab547 | हाल ही मा ऑटोमोटिव एम्बेडेड सिस्टम स्मार्ट कार, इलेक्ट्रिक कार्ड आदि के आगमन के बाद से काफी विकसित होइ ग है। इनका पास कई मूल्य वर्धित सिस्टम है जैसे कि IPA (इंटेलिजेंट पार्किंग असिस्टेंस), BSW (ब्लाइंड स्पॉट वार्निंग), LDWS (लेन डिफरेंस वार्निंग सिस्टम), LKS (लेन कीपिंग सिस्टम) - ये सभी ADAS (एडवांस्ड ड्राइवर असिस्टेंस सिस्टम) हैं। AUTOSAR (AUTomotive Open System Architecture) ऑटोमोटिव एम्बेडेड सॉफ्टवेयर विकसित करने का सबसे उल्लेखनीय औद्योगिक मानक है। AUTOSAR ऑटोमोटिव मैन्युफैक्चरर्स और सप्लायरों की एक साझेदारी है, जो ऑटोमोटिव ई / ई आर्किटेक्चर के लिए एक खुला उद्योग मानक विकसित करने और स्थापित करने के लिए एक साथ काम कर रही है। इ पेपर मा, हम AUTOSAR संक्षेप मा परिचय दीणा छ्यायी अर ऑटोमोटिव सॉफ्टवेयर LDWS (लेन डिटेक्शन एंड वार्निंग सिस्टम) विकास का परिणाम दिखायी दे। |
36bb4352891209ba0a7df150c74cd4db6d603ca5 | उदाहरण-शिक्षण-आधारित एकल छवि सुपर-रिज़ॉल्यूशन (एसआर) एकल-इनपुट कम-रिज़ॉल्यूशन (एलआर) छवि से एक उच्च-रिज़ॉल्यूशन (एचआर) छवि का पुनर्निर्माण करने का एक आशाजनक तरीका है। बहुत लोकप्रिय SR दृष्टिकोण अधिक संभावना या तो समय- या जगह गहन हैं, जो उनके व्यावहारिक अनुप्रयोगों को सीमित कर रहे हैं। एही से, कुछ शोध उप-स्थानिक दृष्टि पर केंद्रित अहैं अउर सबसे उन्नत परिणाम देत अहैं। इ पेपर मा, हम प्रशिक्षण चरण मा रैखिक उप-स्थानों का एक समूह मा LR छवियों का बड़ा गैर-रैखिक सुविधा स्थान को बदलने के लिए मिश्रण पूर्व मॉडल के साथ एक प्रभावी तरीका का उपयोग करते हैं। विशेष रूप से, हम पहिले से ही कई समूहों में छवि पैच विभाजन का एक उपन्यास चयनात्मक पैच प्रसंस्करण विधि LR पैच का अंतर वक्रता पर आधारित है, और फिर प्रत्येक समूह में मिश्रण पिछले मॉडल सीख रहे हैं। एकर अलावा, अलग-अलग पूर्व वितरण SR में अलग-अलग प्रभावकारिता हैं, अउर इ मामले में, हम लोगन क पता चलता है कि छात्र- t पूर्व प्रसिद्ध गौसियन पूर्व से जादा मजबूत प्रदर्शन दिखाता है। परीक्षण चरण मा, हम इनपुट LR सुविधाओं को उपयुक्त उप-स्थान मा मैप गर्न को लागी पहिले देखि नै सीख लिया धेरै मिश्रण मोडेल अपनाए, र अन्त मा एक उपन्यास मिश्रित मिलान तरीका मा सम्बन्धित HR छवि को पुनर्निर्माण। प्रयोगात्मक परिणाम से पता चलता है कि प्रस्तावित दृष्टिकोण कई मौजूदा SR पद्धति से काफी हद तक बेहतर है। |
189a391b217387514bfe599a0b6c1bbc1ccc94bb | हम टकराव रहित हैश फ़ंक्शन के डिजाइन के लिए एक सरल, नया प्रतिमान प्रस्तुत करते हैं। इ paradigm से सम्बंधित कौनो फलन नई अहै। (इसका मतलब है कि अगर एक संदेश x जेका मइँ पहिले ही हैश किहे रहउँ ह ओका x0 तक बदल दिहा ह तब x0 का हैश क फिर से गणना न करेके बजाय, मइँ जल्दी से पुरान हैश मान का नया मान "अपडेट" कइ सकत हउँ, समय मा एक्स मा करल बदलाव क मात्रा का अनुपात मा एक्स प्राप्त करै खातिर) इ प्रकार से इ प्रमेय से उत्पन्न कौनो भी कार्य समानांतर है, हार्डवेयर कार्यान्वयन खातिर उपयोगी है। हम अपने मानचित्र से कई विशिष्ट फलन का व्युत्पन्न करते हैं। सब एक मानक हैश फ़ंक्शन का उपयोग करते हैं, माना जाता है कि आदर्श, अउर कुछ बीजगणितीय संचालन। पहिला फलन, MuHASH, संदेश के प्रति ब्लॉक एक मॉड्यूलर गुणन का उपयोग करत है, जेसे इ काफी कुशल होत है, अउर पिछला वृद्धिशील हैश फलन से काफी तेज होत है. एकर सुरक्षा प्रमाणित है, विभेदित लॉगरिदम समस्या की कठोरता पर आधारित. एक दूसरा फलन, AdHASH, और भी तेज है, गुणा के बजाय जोड़ का उपयोग कर, सुरक्षा के साथ सिद्ध या कि सबसे छोटा जाली वेक्टर की लंबाई का अनुमान कठिन है या कि भारित सबसेट योग समस्या कठिन है। एक तिहाई फलन, LtHASH, हालिया जाली आधारित फलन का एक व्यावहारिक संस्करण है, सुरक्षा सिद्ध आधार के साथ, फिर से सबसे छोटा जाली वेक्टर अनुमान की कठोरता पर। डिपार्टमेंट मा काम करत अहैं। कम्प्यूटर साइंस एंड इंजीनियरिंग, कैलिफोर्निया विश्वविद्यालय सैन डिएगो, 9500 गिलमैन ड्राइव, ला जोला, कैलिफोर्निया 92093, संयुक्त राज्य अमेरिका मा। ई-मेल: [email protected]. URL: http://www-cse.ucsd.edu/users/mihir. आंशिक रूप से NSF कैरियर अवार्ड CCR-9624439 और विज्ञान अउर इंजीनियरिंग में एक पैकार्ड फाउंडेशन फैलोशिप द्वारा समर्थित। yMIT कंप्यूटर साइंस लैबोरेटरी, 545 टेक्नोलॉजी स्क्वायर, कैम्ब्रिज, एमए 02139, यूएसए. ई-मेल: [email protected]. आंशिक रूप से DARPA अनुबंध DABT63-96-C-0018 द्वारा समर्थित। |
9b9c9cc72ebc16596a618d5b78972437c9c569f6 | |
3ffce42ed3d7ac5963e03d4b6e32460ef5b29ff7 | हम भौतिक वस्तु का एक पूरा मॉडल बनावे की समस्या का अध्ययन कर रहे हैं। हालांकि इ तीन आयामी जानकारी कय उपयोग कइके संभव होइ सकत है, हम हियाँ छवियों कय उपयोग करत हैं जवन सीधे तीन आयामी जानकारी कय एक्सेस प्रदान करत हैं। पहिला समस्या हमनि के समाधान मा यक अलग दृष्टिकोण कीन जाय सकित है। पिछला दृष्टिकोण या त इ परिवर्तन का जनन (जउन एक पूर्ण मॉडल खातिर बहुत कठिन है) मानले बा, या इ विशेषता मिलान के साथ गणना की गई है (जे एकीकरण खातिर पर्याप्त सटीक नहीं है) । इ पेपर मा, हम एक नई दृष्टिकोण का प्रस्ताव करत हैं जो सीधे सीमा पर काम करत है, और पर्याप्त रूप से ओवरलैप क्षेत्र के साथ लगातार विचारों का पंजीकृत करत है ताकि दृश्यों के बीच एक सटीक परिवर्तन हो सके। ई काम ऊंन फ़ंक्शन के कम से कम करे से होत है, जेहका प्वाइंट-टू-पॉइंट मैच की आवश्यकता नाहीं होत है। हम रजिस्ट्रेशन विधि अउर मॉडलिंग प्रक्रिया का ब्यौरा देत हई अउर जटिल वस्तुअन के वास्तविक रेंज छवियन पर इनका चित्रित करत हई। भौतिक वस्तुओं का मॉडल बनाना जैविक दृष्टि मॉड्यूल का एक आवश्यक घटक मशीन है। इ मॉडल कय बाद वस्तु मान्यता, पोजीशन अनुमान या निरीक्षण कार्य कय लिए प्रयोग कै सका जात है। अगर रुचि का वस्तु सटीक रूप से डिजाइन किया गया है, तो ऐसा मॉडल एक सीएडी मॉडल के रूप में मौजूद है। कई अनुप्रयोगों, हालांकि, या तो संभव नहीं हैं या व्यावहारिक रूप से असुविधाजनक हैं, हालांकि ईएमआई का उपयोग करना संभव है, हालांकि ईएमआई का उपयोग करना संभव है। कुछ शोधकर्ता एक मॉडल का उपयोग करके समस्या का समाधान कर रहे हैं, जिसमें कई अलग-अलग दृष्टिकोण शामिल हैं ([4], [a]), लेकिन ई सब भी पर्याप्त नहीं है। अगर कउनो का कउनो वस्तु का पूरा मॉडल चाही, तउ निचे दिहा चरण जरूरी अहय: 1. डेटा अधिग्रहण, 2. दृश्यन् कय बीच पंजीकरण, 3. दृश्यन् कय एकीकरण। दृश्य से हम का मतलब है कि विशिष्ट बिंदु से वस्तु का 3D सतह जानकारी। जबकि एकीकरण प्रक्रिया का उपयोग प्रतिनिधित्व योजना पर बहुत निर्भर है, एकीकरण प्रदर्शन के लिए पूर्व शर्त विभिन्न दृश्यों से डेटा के बीच परिवर्तन का पता लगाना है। रजिस्ट्रार का लक्ष्य ऐसे रूपांतरण का पता लगाना है, जिसे "टेस्ट" भी कहा जाता है। इ समस्या पहिले से बहुत जमीनी स्तर पर अनुसंधान प्रयास का केंद्र रही: भानु [a] वस्तु मान्यता खातिर एक वस्तु मॉडलिंग प्रणाली विकसित कई दृश्य प्राप्त करे खातिर ज्ञात कोणों के माध्यम से वस्तु का घुमाव करके। चिइन्स अउर अन्य. [3] अउर आहूजा अउर वीएन-स्ट्र्रा [l] ऑक्ट्री ऑब्जेक्ट मॉडल के निर्माण खातिर ऑर्थोगोनल दृश्य का इस्तेमाल करत हैं। इ तरीका स, ... |
883b2b981dc04139800f30b23a91b8d27be85b65 | इ पेपर मा, हम एक कुशल 3 डी वस्तु मान्यता प्रस्तुत करत हैं और गन्दा और occluded वातावरण मा प्रक्रियाओं को पकड़ने के लिए अनुमान लगाते हैं। आम रूप-आधारित दृष्टिकोण के विपरीत, हम केवल 3D ज्यामिति जानकारी पर भरोसा करते हैं। हमार विधि एक मजबूत ज्यामितीय वर्णक, हैशिंग तकनीक अउर एक कुशल, स्थानीयकृत RANSAC-जैसे नमूना रणनीति पर आधारित है। हम मान लें कि प्रत्येक ऑब्जेक्ट का एक विशिष्ट प्रकार का प्रतिनिधित्व है, फिर प्रत्येक ऑब्जेक्ट का एक विशिष्ट प्रकार का हमार विधि एक साथ कई मॉडल उदाहरण का पहचान करत है अउर दृश्य में उनके पोज का अनुमान लगावत है। कई परीक्षण से पता चलता है कि प्रस्तावित विधि शोर, अव्यवस्थित, अउर असंगत श्रेणी के स्कैन पर अच्छी तरह से काम करती है, जहां केवल छोटी-छोटी चीजें दिखाई देती हैं। एल्गोरिथ्म की मुख्य प्रक्रिया मा एक रैखिक समय जटिलता है जिकर परिणामस्वरूप उच्च मान्यता गति होत है जौन एक निरंतर हेरफेर कार्य मा विधि का एक सीधा एकीकरण की अनुमति देत है। एक 7-डिग्री-ऑफ-फ्रीडम कार्टेशियन प्रतिबाधा नियंत्रित रोबोट के साथ प्रयोगात्मक सत्यापन से पता चलता है कि विधि का उपयोग कैसे जटिल यादृच्छिक ढेर से वस्तुओं को पकड़ने के लिए किया जा सकता है। इ एप्लिकेशन इ दर्सावत है कि कंप्यूटर विजन अउर सॉफ्टरोबोटिक्स का एकीकरण से कैसे एक रोबोटिक सिस्टम असंगठित अउर अवरुद्ध वातावरण में काम करे मा सक्षम है। |
9bc8aaaf23e2578c47d5d297d1e1cbb5b067ca3a | इ पेपर एक एकल कैमरा छवि मा एक 3D वस्तु को उदाहरण को पहिचान को लागी एक दृष्टिकोण को वर्णन गर्दछ र आफ्नो 3D poses को निर्धारण को लागी। एक पदानुक्रमित मॉडल वस्तु का एक 3D सीएडी मॉडल की ज्यामिति जानकारी के आधार पर उत्पन्न होता है। इ दृष्टिकोण वस्तु की सतह की बनावट या प्रतिबिंब जानकारी पर निर्भर नहीं करता है, यह औद्योगिक और रोबोटिक अनुप्रयोगों की एक विस्तृत श्रृंखला के लिए उपयोगी है, उदाहरण के लिए, बिन-पिकिंग। एक पदानुक्रमित दृश्य-आधारित दृष्टिकोण जो पिछली विधियों की विशिष्ट समस्याओं का समाधान करता है: यह सच्चा परिप्रेक्ष्य संभालता है, शोर, अवरुद्धन, और अव्यवस्था के लिए एक हद तक मजबूत है जो कई व्यावहारिक अनुप्रयोगों के लिए पर्याप्त है, और विपरीत परिवर्तनों के लिए अपरिवर्तनीय है। इ पदानुक्रमित मॉडल क पीढ़ी के लिए, एक नया मॉडल छवि पीढ़ी तकनीक प्रस्तुत की जात है जेकरे द्वारा स्केल-स्पेस प्रभावों का ध्यान रखा जा सकत है। आवश्यक वस्तु दृष्य एक समानता-आधारित पहलू ग्राफ का उपयोग कर व्युत्पन्न है। एक विस्तृत खोज का उच्च मजबूती एक कुशल पदानुक्रमित खोज के साथ संयुक्त है। 3D पोज का परिष्कृत रूप सबसे कम-वर्ग समायोजन का उपयोग करके किया जाता है जो छवि में ज्यामितीय दूरी को कम करता है, वस्तु की दूरी के संबंध में 0.12 प्रतिशत तक की स्थिति सटीकता पैदा करता है, और हमारे परीक्षणों में 0.35 डिग्री तक की अभिविन्यास सटीकता। पहचान समय वस्तु की जटिलता से काफी हद तक स्वतंत्र है, लेकिन मुख्य रूप से उन पोज्स की सीमा पर निर्भर करता है जिनके भीतर वस्तु कैमरे के सामने दिखाई दे सकती है। दक्षता के कारन, एप्लीकेशन के आधार मा पोज रेंज के सीमा के सीमित करे के अनुमति देत है। ठेठ रनटाइम कुछ सौ एम एस की सीमा में अहै। |
dbd66f601b325404ff3cdd7b9a1a282b2da26445 | प्रारंभिक मूल्यांकन परिणाम से पता चलता है कि 6D ऑब्जेक्ट पोजीशन अनुमान में कला की स्थिति में सुधार की काफी गुंजाइश है, खासकर जब कठिन मामलों में महत्वपूर्ण occlusion साथ। टी-लेस डाटासेट ऑनलाइन cmp:felk:cvut:cz/t-less पर उपलब्ध है। हम टी-लेस का परिचय देत हैं, 6 डी पोज का अनुमान लगाने का एक नया सार्वजनिक डेटासेट, यानी बनावट रहित कठोर वस्तुओं का अनुवाद और घूर्णन, डाटासेट मा तीस उद्योग-उपयुक्त वस्तुएं शामिल हैं जिनकी कौनो महत्वपूर्ण बनावट नहीं है और न ही कोई भेदभावपूर्ण रंग या प्रतिबिंब गुण है। वस्तुअन का आकार अउर/या आकार कय अनुसार समरूपता अउर आपसी समानता देखाइ देत है। अन्य डेटासेट की तुलना में, एक अद्वितीय संपत्ति है कि कुछ ऑब्जेक्ट्स का हिस्सा हैं। डाटासेट मा प्रशिक्षण और परीक्षण छवियां शामिल हैं जे तीन समकालिक सेंसर, विशेष रूप से एक संरचित-लाइट और एक समय-उड़ान आरजीबी-डी सेंसर और एक उच्च रिज़ॉल्यूशन आरजीबी कैमरा के साथ कैप्चर की गई थीं। प्रत्येक सेंसर से लगभग 39K प्रशिक्षण अउर 10K परीक्षण छवियां हैं। ई अतिरिक्त सुविधाएँ परदान करत है, अउर आमतौर पय यहिकै सिफारिश करी जात है। एक मैन्युअल रूप से बना CAD मॉडल अउर एक सेमी-ऑटोमैटिक रूप से पुनः निर्माण प्रशिक्षण चित्रण मा एक काले पृष्ठभूमि मा व्यक्तिगत वस्तुओं को चित्रित गर्दछ। परीक्षण छवियाँ बीस परीक्षण दृष्य से भिन्न जटिलता से उत्पन्न होत हैं, जउन कई अलग-अलग वस्तुओं के साथ सरल दृश्यों से बढ़कर कई वस्तुओं के कई उदाहरणों के साथ बहुत चुनौतीपूर्ण होत हैं और साथ ही साथ ढेर मात्रा में अव्यवस्था और अवरुद्ध भी होत हैं। इमेज ऑब्जेक्ट/सीन के आसपास एक व्यवस्थित रूप से सैंपल देखे गए दृश्य क्षेत्र से कैप्चर की गई थीं, और सभी मॉडलिंग ऑब्जेक्ट्स के सटीक ग्राउंड ट्रूथ 6 डी पोज़ के साथ एनोटेट की गई थीं। |
74257c2a5c9633565c3becdb9139789bcf14b478 | आईटी नियंत्रण ढांचे का व्यापक रूप से अपनाने के बावजूद, उनके उपयोग का जांच करने के लिए बहुत कम शैक्षणिक अनुभवजन्य अनुसंधान किया गया है। ई पेपर सूचना अउर संबंधित प्रौद्योगिकी (COBIT) खातिर नियंत्रण लक्ष्य से 15 प्रमुख आईटी नियंत्रण प्रक्रियाओं की परिपक्वता स्तरों का बेंचमार्क करने के लिए ऑस्ट्रेलिया भर में सार्वजनिक क्षेत्र के संगठनों में अनुसंधान पर रिपोर्ट करता है। इ एक समान बेंचमार्क के साथ कई राष्ट्रों से एक मिश्रित क्षेत्र समूह, एशियाई-महासागरीय राष्ट्रों से एक मिश्रित क्षेत्र समूह, और सभी भौगोलिक क्षेत्रों के लिए सार्वजनिक क्षेत्र के संगठनों की तुलना भी करता है। ऑस्ट्रेलियाई आंकड़े 387 गैर-वित्तीय सार्वजनिक क्षेत्र के संगठनन का मेल सर्वे से जुटाये गये थे जिनकी संख्या 50 से अधिक कर्मियों की बताई जा रही थी, जिनका 27% का रिस्पॉन्स रेट रहा। ऑस्ट्रेलियाई आंकड़ों मा भी 2002 मा आईएस लेखा परीक्षा और नियंत्रण संघ द्वारा शुरू की गई मूल अंतरराष्ट्रीय जांच मा देखी गई पैटर्न भी देखी गई। हालांकि, ऑस्ट्रेलियाई पब्लिक सेक्टर 15 सबसे महत्वपूर्ण आईटी प्रोसेस के लिए इंटरनेशनल बेंचमार्क पर सेक्टर्स से बेहतर प्रदर्शन कर रहा है। |
0e9bac6a2b51e93e73f7f5045d4252972db10b5a | हम एक नया एल्गोरिथ्म प्रदान कर रहे हैं लगभग factoring बड़े मैट्रिक्स के साथ लाखों पंक्तियों, लाखों स्तंभों, और nonzero तत्वों का अरबों. हमार दृष्टिकोण स्टोचैस्टिक ग्रेडिएंट डिसेंट (एसजीडी) पर टिका है, एक पुनरावर्ती स्टोचैस्टिक अनुकूलन एल्गोरिथ्म। हम पहिले एक नया "स्तरित" एसजीडी संस्करण (एसएसजीडी) विकसित करत हैं जवन सामान्य हानि-न्यूनतम समस्या पर लागू होत है जेहमा हानि फ़ंक्शन का "स्तरित हानि" के भारित योग के रूप में व्यक्त कइल जा सकत है। हम एसएसजीडी के अभिसरण खातिर पर्याप्त शर्तें स्थापित करत हई स्टोकास्टिक सन्निकटन सिद्धांत अउर पुनरुत्पादक प्रक्रिया सिद्धांत के परिणाम का उपयोग करत हई। फिर हम एसएसजीडी का एक नया मैट्रिक्स-फैक्टरिज़ेशन एल्गोरिथ्म प्राप्त करने के लिए विशेषज्ञ हैं, जिसे डीएसजीडी कहा जाता है, जिसे पूरी तरह से वितरित किया जा सकता है और वेब-स्केल डेटासेट पर चलाया जा सकता है, उदाहरण के लिए, मैपरेड्यूस का उपयोग करके। डीएसजीडी कई तरह के मैट्रिक्स फैक्टराइजेशन का संभाल सकता है। हम अपने DSGD कार्यान्वयन मा प्रदर्शन का अनुकूलन करे खातिर इस्तेमाल कै जाय वाला व्यावहारिक तकनीकन् कय वर्णन करत है। प्रयोग से पता चलता है कि डीएसजीडी का काफी तेजी से अभिसरण है और अन्य एल्गोरिदम की तुलना में बेहतर स्केलेबिलिटी गुण है। |
1109b663453e78a59e4f66446d71720ac58cec25 | हम वर्गीकरण, स्थानीयकरण अउर पता लगावा खातिर Convolutional Networks का उपयोग करैं खातिर एक एकीकृत ढांचा प्रस्तुत करत हन। हम देखब कि का एक मल्टिस्केल अउर स्लाइडिंग विंडो के दृष्टिकोण का एक ConvNet के भीतर प्रभावी ढंग से लागू कीन जाय सकत है। हम भी स्थानीयकरण का एक नया गहरी सीखना दृष्टिकोण का परिचय देते हैं वस्तु सीमाओं का अनुमान लगाने का सीखकर। तब पता लगावे कय भरोसे बढ़ावे कय लिए सीमांकन पेटी दबावे कय बजाय जमा कई जात है। हम देखब कि अलग-अलग काम एकै बार करे से सीखे अउर एका एक्के नेटवर्क पय चलाय सकित है। इ एकीकृत ढांचा इमेजनेट लार्ज स्केल विजुअल रिकग्निशन चैलेंज 2013 (आईएलएसवीआरसी2013) का स्थानीयकरण कार्य का विजेता है अउर पता लगावे अउर वर्गीकरण कार्य खातिर बहुत प्रतिस्पर्धी परिणाम प्राप्त कीन है। प्रतियोगिता के बाद के काम मा, हम खोज कार्य खातिर एक नया कलाकृति स्थापित करित है। अंत मा, हम अपने सबसे बडे मॉडल से एक फीचर एक्सट्रैक्टर जारी करे हन, जेकर नाम है ओवरफीट |
062c1c1b3e280353242dd2fb3c46178b87cb5e46 | इ पेपर मा हम निरंतर राज्य-कार्रवाई स्थानों के साथ सुदृढीकरण सीखे समस्या का समाधान करत हैं। हम एक नया एल्गोरिथ्म, tted प्राकृतिक अभिनेता-आलोचनात्मक (FNAC) का प्रस्ताव करत हैं, जवन कि सामान्य फ़ंक्शन अनुमान अउर डेटा पुनर्नवीनीकरण के अनुमति देवे खातिर [1] में काम का विस्तार करत है. हम प्राकृतिक अभिनेता-आलोचनात्मक वास्तुकला [1] का संयोजन महत्व नमूनाकरण का उपयोग करके tted मान पुनरावृत्ति के एक संस्करण के साथ करते हैं। ई तरीका दुनो दृष्टिकोणन कय आकर्षक विशेषता कय संयोजन करत समय उनके मुख्य कमजोरी से पार करत अहै: एक ग्रेडियंट-आधारित अभिनेता कय उपयोग लगातार कार्य-क्षेत्रन में नीति अनुकूलन के साथ प्रतिगमन विधियन में पावल जाय वाले कठिनाइयों का आसानी से पार करत है; बदले में, एक प्रतिगमन-आधारित आलोचक का उपयोग डेटा कय कुशल उपयोग कय अनुमति देत है अउर अभिसरण समस्या से बचेकय जवन कि TD-आधारित आलोचक अक्सर प्रदर्शित करत हैं। हम आपन एल्गोरिथ्म कय अभिसरण स्थापित करत हैं औ एकर अनुप्रयोग का एक साधारण सतत स्थान, सतत क्रिया समस्या में चित्रित करत हैं। |
f97f0902698abff8a2bc3488e8cca223e5c357a1 | फीचर चयन डेटा खनन अउर मशीन लर्निंग समस्या का हल करै कै एक महत्वपूर्ण पहलू होय। ई पेपर समर्थन वैक्टर मशीन (एसवीएम) सीखै के खातिर एक सुविधा-चयन विधि का प्रस्ताव करत है। अधिकांश सुविधा चयनित विकीमीडिया प्रोजेक्ट्स का महत्व कई बार बढ़ रहा है, काहेकी उनकर पासवर्ड काफी सीमित अहैं। ई एसवीएम के संभाव्यता आउटपुट पर आधारित एक नया मानदंड का उपयोग करत है. ई मापदण्ड, जौन फीचर-आधारित संवेदनशीलता पछाडिय संभावनाओं (FSPP) कहलाता है, फीचर स्पेस पर, फीचर के साथ और बिना एसवीएम के संभाव्यता आउटपुट के निरपेक्ष अंतर के कुल मूल्य की गणना करके, एक विशिष्ट फीचर का महत्व का मूल्यांकन करता है। इ मानदंड का सटीक रूप गणना योग्य नाही बा और इहौ अनुमान लगावा जाय का चाही। चार समीकरण, FSPP1-FSPP4, इ प्रयोजन के लिए प्रस्तावित है. पहिला दुइ समीकरणन प्रशिक्षण डेटा कय नमूना के बीच सुविधा कय मान का यादृच्छिक रूप से परमिट कइके मानदंड का मूल्यांकन करत हैं। उहौ मानकीकृत SVM आउटपुट से एकर संभाव्य आउटपुट तक मैपिंग फ़ंक्शन कय आपन विकल्प मा भिन्न होत हय: FSPP1 एक साधारण थ्रेसहोल्ड फ़ंक्शन का प्रयोग करत है जबकि FSPP2 एक सिग्मोइड फ़ंक्शन का प्रयोग करत है। दूसर दुइ सीधे मानदंड के करीब हैं लेकिन विशेषता के संबंध मा मानदंड के चिकनाई मान्यताओं मा अलग हैं। इ अनुमानन का प्रदर्शन, एक समग्र सुविधा-चयन योजना में उपयोग कईल गयल, का बाद में विभिन्न कृत्रिम समस्या और वास्तविक दुनिया की समस्या पर मूल्यांकन कईल गयल, जवने में हाल ही में न्यूरल सूचना प्रसंस्करण प्रणाली (एनआईपीएस) सुविधा चयन प्रतियोगिता से डेटासेट शामिल ह्वेला। एफएसपीपी 1 से 3 लगातार अच्छा प्रदर्शन करत हैं, जबकि एफएसपीपी 2 एक छोटे मार्जिन से बेहतर है। FSPP2 का परफॉर्मेंस वैशिष्ट्य-चयन विधियों में से कुछ के साथ प्रतिस्पर्धी है, जो कि हमने परीक्षण किए हैं, डेटासेट पर साहित्य में। एकर संबद्ध गणना मामूली अहै औ इहौ SVM अनुप्रयोगों के लिए एक सुविधा-चयन विधि के रूप मा उपयुक्त अहै। |
a1c5a6438d3591819e730d8aecb776a52130c33d | एक कॉम्पैक्ट माइक्रोस्ट्रिप लोपास फिल्टर (एलपीएफ) अल्ट्रा-वाइड स्टॉपबैंड का उपयोग करके ट्रांसफ़ॉर्मड स्टेप्ड इम्पेंडेंस हेयरपिन रेजोनेटर का प्रस्ताव है। रूपांतरित अनुनाद मा एक स्टेप्ड प्रतिरोध हेयरपिन अनुनाद और एक एम्बेडेड हेक्सागोन स्टब लोडेड युग्मित-लाइन संरचना शामिल है। बिना आकार बढ़ावै कै, एम्बेडेड संरचना का एक विस्तृत स्टॉपबैंड प्राप्त करै कै खातिर पेश कै दीन गवा अहै। एक प्रोटोटाइप LPF का अनुकरण, निर्मित और मापा गया है, और माप सिमुलेशन के साथ अच्छे समझौते पर हैं। लागू लो पास फिल्टर 14 डीबी की अस्वीकृति स्तर के साथ 12.01 एफसी तक का अल्ट्रा-वाइड स्टॉपबैंड प्रदर्शित करता है। एकर अलावा, प्रस्तावित फ़िल्टर का आकार 0.071λg × 0.103λg है, जहाँ λg का वेव गाइड लंबाई 1.45 GHz कटऑफ आवृत्ति पर है. |
70d2d4b07b5c65ef4866c7fd61f9620bffa01e29 | पिछले दस साल से मौसम बदलत बाय अउर हर साल बारिश होत बाय। एही कारन हाल के समय मा, कई भारतीय किसानन द्वारा स्मार्ट खेती के रूप मा जलवायु-स्मार्ट तरीका अपनावा जात है। स्मार्ट एग्रीकल्चर एक स्वचालित अउर निर्देशित सूचना प्रौद्योगिकी होय जवन आईओटी (इंटरनेट ऑफ थिंग्स) के साथ लागू होत है। आईओटी तेजी से विकसित हो रहा है और सभी वायरलेस वातावरण में व्यापक रूप से लागू हो रहा है। इ पेपर में सेंसर प्रौद्योगिकी अउर आईओटी प्रौद्योगिकी के वायरलेस नेटवर्क एकीकरण का अध्ययन अउर समीक्षा करल गइल बा जेकर आधार कृषि प्रणाली के वास्तविक स्थिति पर बा। इंटरनेट अउर वायरलेस संचार, रिमोट मॉनिटरिंग सिस्टम (आरएमएस) के साथ एक संयुक्त दृष्टिकोण प्रस्तावित बा। मुख्य उद्देश्य कृषि उत्पादन वातावरण का वास्तविक समय का डेटा एकत्रित करना है जो कृषि सुविधाओं के लिए आसान पहुंच प्रदान करता है जैसे कि शॉर्ट मालिशिंग सर्विस (एसएमएस) के माध्यम से अलर्ट और मौसम पैटर्न, फसलों आदि पर सलाह। |
ea88b58158395aefbb27f4706a18dfa2fd7daa89 | ऑनलाइन सोशल नेटवर्क (ओएसएन) पर काफी मात्रा में आत्म-प्रकटीकरण के बावजूद, इस घटना के पीछे का प्रेरणा अभी भी कम समझ में आ रहा है। गोपनीयता कल्कुलस सिद्धांत पर निर्माण, इ अध्ययन व्यक्तिगत स्व-प्रकटीकरण निर्णयों के पीछे के कारक का एक नज़दीकी नज़र डालकर इ अंतर को भरता है। 237 सब्जेक्ट के साथ एक स्ट्रक्चरल इक्वेशन मॉडल में हम पाते हैं कि पर्सेप्टेड एन्जॉयमेंट अउर प्राइवेसी कंसर्न सूचना के खुलासा का महत्वपूर्ण निर्धारक हैं। हम ई पुष्टि करें कि ओएसएन उपयोगकर्ता के गोपनीयता चिंताओं का एक कथित कथित सुरक्षा भंग का कारण बनता है। ई अंतर्दृष्टि ओएसएन प्रदाताओं अउर नीति-निर्माताओं के लिए एक ठोस आधार प्रदान करत है ताकि उनके प्रयास का स्वस्थ स्तर की जानकारी हो सके, जो कि व्यक्तिपरक गलत धारणाओं के बजाय उद्देश्य तर्क पर आधारित है। |
9dbfcf610da740396b2b9fd75c7032f0b94896d7 | डाटाबेस प्रबंधन प्रणाली (DBMS) के साथ इंटरैक्ट करे वाले अनुप्रयोग (अनुप्रयोग) हर जगह उपलब्ध अहय। अइसन डाटाबेस अनुप्रयोग आमतौर पर एक आवेदन सर्वर पर होस्ट करल जात है औ ओके संजाल पर कई छोट छोट एक्सेस प्रदान करत है जवन डाटाबेस सर्वर पर होस्ट करल जात है ताकि प्रोसेसिंग खातिर डेटा पुनःप्राप्त करल जा सके। दशकों से, डेटाबेस अउर प्रोग्रामिंग सिस्टम अनुसंधान समुदाय अलग अलग दृष्टिकोण से ऐसन अनुप्रयोगन का अनुकूलन करे पर काम कर रहा है: डेटाबेस शोधकर्ता अत्यधिक कुशल डीबीएमएस का निर्माण कईले हैं, अउर प्रोग्रामिंग सिस्टम शोधकर्ता अनुप्रयोगन की मेजबानी के लिए विशेष संकलक अउर रनटाइम सिस्टम विकसित कईले हैं। हालांकि, अपेक्षाकृत कम काम है कि इन विशेष प्रणालियों का संयोजन करके और उन सभी का विस्तार से अनुकूलन करके डेटाबेस अनुप्रयोगों का अनुकूलन करें। इ लेख मा, हम तीन परियोजनाओं का उजागर करैं जो एक समग्र तरीका से प्रोग्रामिंग सिस्टम और डीबीएमएस दुनौ मा देखैं के माध्यम से डेटाबेस अनुप्रयोगों का अनुकूलन करत हैं। ध्यान से डीबीएमएस अउर एप्लिकेशन के बीच इंटरफेस का पुनरीक्षण करके, अउर घोषणात्मक डेटाबेस अनुकूलन अउर आधुनिक प्रोग्राम विश्लेषण तकनीक का मिश्रण लागू करके, हम देखावत हई कि वास्तविक दुनिया के अनुप्रयोगों में परिमाण के कई आदेशों का गति संभव है। |
fdc3948f5fec24eb7cd4178aee9732ab284f1f1c | ई पेपर मेटल-रिमड स्मार्टफोन एप्लिकेशन खातिर डब्ल्यूडब्ल्यूएएन/एलटीई खातिर हाइब्रिड मल्टी-मोड नैरो-फ्रेम एंटीना प्रस्तावित करत बा. ग्राउंड क्लीयरेंस मात्र 5 mm × 45 mm है, जो संकीर्ण-फ्रेम स्मार्टफोन के लिए आशाजनक है। एक छोटे से अंतर के साथ धातु का रिम सिस्टम ग्राउंड से तीन ग्राउंडेड पैच से जुड़ा हुआ है। इ प्रस्तावित एंटीना तीन जोड़ा-लूप मोड अउर एक स्लॉट मोड का उत्तेजित कइ सकत ह। ई चारो मोड शामिल करके, प्रस्तावित एंटीना GSM850/900, DCS/PCS/UMTS2100, अउर LTE2300/2500 संचालन खातिर कवरेज प्रदान कर सकत है। प्रस्तावित एंटीना का विस्तृत डिजाइन विचार वर्णित है, साथ ही प्रयोगात्मक और अनुकरण दोनों का परिणाम भी प्रस्तुत है। |
021f37e9da69ea46fba9d2bf4e7ca3e8ba7b3448 | एक अल्ट्रा वाइडबैंड सौर विवाल्डी एंटीना प्रस्तावित है। अमूर्त सिलिकॉन कोशिकाओं से काटा गया, यह 4.25 V पर एक चोटी शक्ति बनाए रखता है, जो हानि वाले शक्ति प्रबंधन घटकों की आवश्यकता को दूर करता है। वायरलेस संचार यंत्र सौर ऊर्जा प्रदान कर सकत है या दुइ स्रोत से ऊर्जा प्राप्ति के लिए रेक्टिना के रूप मा कार्य कर सकत है। सौर Vivaldi 0.95-2.45 GHz से 0.5-2.8 dBi लाभ के साथ प्रदर्शन करत है, और rectenna मोड में, यह वायरलेस ऊर्जा scavenging के लिए तीन बैंड कवर करत है। |
592a6d781309423ceb95502e92e577ef5656de0d | मशीन अनुवादन के न्यूरल एनकोडर-डेकोडर मॉडल पारंपरिक अनुवादन मॉडल से काफी बेहतर अहै। हालांकि उनके मॉडल का मॉडल बहुत सरल है, कई मायनों में, उनके पास मौजूद बुनियादी ढांचे का अभाव है, हालांकि ऊपरी भाग के लिए पर्याप्त है। इ पेपर मा हम ध्यान देहे वाले तंत्रिका अनुवाद मॉडल का विस्तार करत हई जेसे शब्द आधारित संरेखण मॉडल से संरचनात्मक पूर्वाग्रह शामिल हो सके, जइसै कि स्थितिगत पूर्वाग्रह, मार्कोव कंडीशनिंग, प्रजनन क्षमता अउर अनुवाद दिशाओं पर समझौता शामिल है। हम बेसलिन ध्यान मॉडल अउर कई भाषा जोड़े पर मानक वाक्यांश-आधारित मॉडल पर सुधार दिखावत हैं, कम संसाधन सेटिंग में कठिन भाषाओं पर मूल्यांकन करत हैं। |
9ebe089caca6d78ff525856c7a828884724b9039 | बायेसियन दृष्टिकोण Reinforcement Learning में खोज-उपयोग व्यापार-बंद का एक सिद्धांत समाधान प्रदान करता है। हालांकि, ठेठ दृष्टिकोण या तो एक पूरी तरह से अवलोकन योग्य वातावरण का मान लेते हैं या फिर खराब रूप से पैमाने पर। इ काम फैक्टरड बेय्स-अनुकूली POMDP मॉडल का परिचय देत है, एक ढांचा जउन आंशिक रूप से अवलोकन योग्य प्रणालि में गतिशीलता का सीखते समय अंतर्निहित संरचना का शोषण करने में सक्षम है। हम भी एक विश्वास ट्रैकिंग विधि का परिचय देहे हई ताकि राज्य अउर मॉडल चर पर संयुक्त पछाड़ी के अनुमान लगाय सकई, अउर मोंटे-कार्लो ट्री सर्च समाधान विधि का एक अनुकूलन, जवन एक साथ अंतर्निहित समस्या का हल करे मा सक्षम होखें-सबसे अच्छा तरीका से। हमार विधि एक ज्ञात कारककरण के दक्षता से सीख सकत है या फिर कारककरण अउर मॉडल मापदंडन का एक ही समय मा सीख सकत है। हम देखब कि ई तरीका से या त वर्तमान मा इ तरीका से बेहतर बा, या फिर हम जौन समस्या पेशाब करैं चाहित है ओके कम कर सकत हैं। |
b3a18280f63844e2178d8f82bc369fcf3ae6d161 | वर्ड एम्बेडिंग एक लोकप्रिय फ्रेमवर्क है जो पाठ डेटा का वास्तविक संख्याओं के वेक्टर के रूप में प्रतिनिधित्व करता है। इ वैक्टर भाषा मा सिमेंटिक्स कैप्चर करत हैं, अउर विभिन्न प्राकृतिक भाषा प्रसंस्करण अउर मशीन लर्निंग अनुप्रयोगों मा प्रयोग होत हैं। इ उपयोगी गुणन के बावजूद, सामान्य भाषा कॉर्पोरेस से व्युत्पन्न शब्द एम्बेडिंग जरूरी रूप से मानव पूर्वाग्रह का प्रदर्शन करत हैं । हम ग्लोवे शब्द एम्बेडिंग एल्गोरिथ्म द्वारा उत्पादित व्यवसाय शब्द वैक्टरों खातिर प्रत्यक्ष और अप्रत्यक्ष लिंग पूर्वाग्रह का माप करें [9], फिर इ एल्गोरिथ्म को कम पूर्वाग्रह के साथ एम्बेडिंग का उत्पादन करने के लिए संशोधित करें ताकि इस एम्बेडिंग का उपयोग करके डाउनस्ट्रीम अनुप्रयोगों में पूर्वाग्रह को बढ़ाया जा सके। |
08a6e999532544e83618c16a96f6d4c7356bc140 | |
0c35a65a99af8202fe966c5e7bee00dea7cfcbf8 | ई लेख एगो ऑटो नोमस, इंटरैक्टिव टूर-गाइड रोबोट कय सॉफ्टवेयर आर्किटेक्चर कय वर्णन करत अहै। इ एक मॉड्यूलर औ वितरित सॉफ्टवेयर आर्किटेक्चर प्रस्तुत करत है, जउन स्थानीयकरण, मैपिंग, टकराव से बचाव, योजना, औ उपयोगकर्ता बातचीत औ वेब-आधारित टेलीप्रेजेंस से संबंधित विभिन्न मॉड्यूल का एकीकरण करत है। एकर केंद्र मा, s oftware दृष्टिकोण संभाव्यता गणना, ऑन-लाइन लर्निंग, और कभी भी एल्गोरिदम पर निर्भर करत है। इ रोबोट के सुरक्षित रूप से, विश्वसनीय रूप से, अउर उच्च गति से बहुत गतिशील वातावरण में काम करेक अनुमति देत है, अउर पर्यावरण के अनुकूल कौनो परिवर्तन के आवश्यकता नाही होत है ताकि रोबोट की गतिशीलता का सहायता मिल सके। विशेष रूप से इंटरेक्टिव क्षमताओं पर जोर दिया जा रहा है, जो कि लोगों की अंतर्ज्ञान से अपील करते हैं। ई इंटरफेस सार्वजनिक जगहन पै मनई-रोबोट बातचीत कै नया साधन उपलब्ध करावत है, अउर ई दुनिया भर के मनईन का वेब का उपयोग कइके "वर्चुअल टेलीप्रेजेंस" स्थापित करै कै क्षमता भी उपलब्ध करावत है। हमार तरीका का बतावै खातिर, हम 1997 के मध्य मा प्राप्त परिणाम के बारे मा रिपोर्ट करत हौ, जब हमार रोबोट "रिहिनो" एक घनी आबादी वाले संग्रहालय मा छह दिन के लिए तैनात भा रहा। अनुभवजन्य परिणाम सार्वजनिक वातावरण मा विश्वसनीय बी संचालन को प्रदर्शन। रोबोट सफलतापूर्वक संग्रहालय का ध्यान आकर्षित कर रहा है 50% से अधिक एकरे अलावा, दुनिया भर मा हजारन लोग इंटरनेट से भी एआई का उपयोग करत अहैं। हम अनुमान लगाइत ह कि ई नवाचार सेवा रोबोट के लिए आवेदन की एक विस्तृत श्रृंखला तक पहुँचत अहै। |
66479c2251088dae51c228341c26164f21250593 | |
2c521847f2c6801d8219a1a2e9f4e196798dd07d | |
c0e97ca70fe29db4ceb834464576b699ef8874b1 | इ पत्र एक उपन्यास सिमेंटिक मैपिंग दृष्टिकोण प्रस्तुत करत है, रिकरेंट-ओक्टोमैप, लम्बा समय के त्रि-आयामी (3-डी) लिडार डेटा से सीखा गवा है। अधिकांश मौजूदा सिमेंटिक मैपिंग दृष्टिकोण सिंगल फ्रेम की सिमेंटिक समझ में सुधार पर ध्यान केंद्रित करते हैं, बजाय सिमेंटिक मैप्स के 3-डी परिष्करण (यानी, विसर्जन अर्थिक अवलोकन का). 3-डी अर्थिक नक्शा परिष्करण खातिर सबसे व्यापक रूप से इस्तेमाल करल जाय वाला तरीका बा बेय्स अपडेट, जवन मार्कोव-चेन मॉडल के बाद लगातार भविष्यवाणी संबंधी संभावनाओं का मिलावत बा. एकरे बजाय हम सीखे वालन का ई समझावा कि ई कौन अर्थसास्त्रीय पदार्थन के अपवादन में से एक अहै। हमार तरीका मा, हम आपन 3-डी मानचित्र को एक OctoMap के रूप मा प्रतिनिधित्व और रखरखाव करत हैं, और हर सेल को एक आवर्ती तंत्रिका नेटवर्क के रूप मा मॉडल करत हैं, एक आवर्ती-OctoMap प्राप्त करने के लिए। इ मामला मा, सिमेंटिक मैपिंग प्रक्रिया को एक अनुक्रम-से-अनुक्रम एन्कोडिंग-डेकोडिंग समस्या के रूप मा तैयार कीन जा सकत है। एकरे अलावा, हम अपने अवलोकन की अवधि का विस्तारित करे खातिर अपने आवर्ती-ओक्टोमैप में, हम एक मजबूत 3-डी स्थानिकीकरण अउर मैपिंग सिस्टम विकसित कीन ह जेसे गतिशील वातावरण का क्रमिक रूप से मैपिंग हो सके, अउर सिस्टम क यादृच्छिक लंबाई के साथ प्रशिक्षित अउर तैनात करल जा सके। हम ईटीएच दीर्घकालिक 3-डी Lidar डेटासेट पर अपने दृष्टिकोण का सत्यापन करते हैं। प्रयोगात्मक परिणाम से पता चलता है कि हमारी प्रस्तावित परिधि पारंपरिक Bayes update दृष्टिकोण से बेहतर है। |
1d3ddcefe4d5fefca04fe730ca73312e2c588b3b | छात्र प्रतिधारण कई नामांकन प्रबंधन प्रणालियों का एक अनिवार्य हिस्सा है। इ विश्वविद्यालय कय रैंकिंग, स्कूल कय प्रतिष्ठा, औ आर्थिक कल्याण कय प्रभावित करत अहै। उच्च शिक्षा संस्थान मा निर्णय लेने वालन का सबसे बडी प्राथमिकता छात्रन का रखरखाव कीन जाये। छात्र प्रतिधारण में सुधार का उद्देश्य है कि वे इस बात का ध्यान रखें कि उनके प्रतिद्वंद्वियों का क्या दृष्टिकोण है, उन्हें कम समय या अधिक समय की आवश्यकता हो। ई समझदारी जोखिम वाले छात्रन का सही ढंग से भविष्यवाणियन करै अउर उनके सही तरीके से रखे के खातिर ठोस कदम उठावै के बुनियाद अहै। इ अध्ययन में, पांच साल का संस्थागत डेटा का उपयोग कई डेटा खनन तकनीक (दोनों व्यक्ति साथ ही साथ समूह) के साथ, हमलोगन विश्लेषणात्मक मॉडल विकसित कीन ताकि पहिलका छात्र के पीछे के कारण का अनुमान लगावल जा सके और समझावल जा सके। तुलनात्मक विश्लेषण के परिणाम से पता चला कि समूहों का काम अलग-अलग मॉडल से बेहतर रहा जबकि संतुलित डेटासेट असंतुलित डेटासेट की तुलना में बेहतर पूर्वानुमान परिणाम का उत्पादन करता है। खरीद निर्यात का संवेदनशीलता विश्लेषण पिछला लेख अगला लेख जांचें कि क्या आपके पास लॉगिन प्रमाणपत्र या आपके संस्थान का पासपोर्ट है। |
1b3b22b95ab55853aff3ea980a5b4a76b7537980 | निरंतर गुणन वाले डोमेन में C4.5 की रिपोर्ट की गई कमजोरी का निरंतर गुणन पर परीक्षणों का गठन और मूल्यांकन संशोधित करके संबोधित किया जाता है। एमडीएल से प्रेरित दंड का ऐसे परीक्षणों पर लागू किया जाता है, कुछ को ध्यान से बाहर कर दिया जाता है और सभी परीक्षणों की सापेक्ष वांछनीयता को बदल दिया जाता है। अनुभवजन्य परीक्षण से पता चलता है कि रूपांतरण के परिणामस्वरूप छोटे पेड़ों का आकार बढ़ रहा है, जबकि लंबे समय से वांछित लंबाई पर काम चल रहा है। नतीजा इ भी पुष्ट करत है कि इन बदलावों को शामिल करैं वाले C4.5 का नया संस्करण ग्लोबल डिस्क्रिटेशन का उपयोग करैं वाले औरु कई अंतराल विभाजन वाले छोटे पेड़ों का निर्माण करै वाले हालिया दृष्टिकोण से बेहतर है। |
1060ff9852dc12e05ec44bee7268efdc76f7535d | कुंजी विचार ई है कि इनपुट जोड़ी (I, J) के बीच सीधे प्रवाह की गणना करने के बजाय, हम छवियों (I , J ) के संस्करणों की गणना करते हैं, जिसमें प्रकाश संरक्षित रहते हुए चेहरे की अभिव्यक्ति और मुद्रा सामान्यीकृत होती है। ई पूरा फोटो संग्रह से बनल एगो उपस्थिति उप-स्थान पर प्रत्येक फोटो के पुनरावर्ती रूप से प्रक्षेपित करके हासिल करल जाला. वांछित प्रवाह प्रवाह (I → I ) o (J → J) का संयोजन के माध्यम से प्राप्त होता है। हमार तरीका का कौनो भी दो-फ्रेम ऑप्टिकल प्रवाह एल्गोरिथ्म के साथ इस्तेमाल कै जा सकत है, अउर रोशनी अउर आकार परिवर्तन मा अपरिवर्तनीयता प्रदान कैके एल्गोरिथ्म कै प्रदर्शन को काफी बढ़ा सकत है। इंटरनेट चेहरा फोटो के कौनो जोड़ी के बीच ऑप्टिकल प्रवाह कम्पुटिंग प्रकाश, मुद्रा, अउर ज्यामिति मा अंतर के कारण कला प्रवाह अनुमान विधि के सबसे वर्तमान स्थिति खातिर चुनौतीपूर्ण है। हम देखब की प्रवाह अनुमान एक ही (या समान) वस्तु कय एक बड़ा फोटो संग्रह कय लाभ उठावे कय माध्यम से नाटकीय रूप से सुधार कै सका जात है। विशेष रूप से, Google का उपयोग कर के खोज फ़ोटो का संग्रहण देखें। कौनो भी दुइ अईसन फोटो में अलग-अलग चेहरा के भाव, प्रकाश अउर चेहरा के ओरिएंटेशन हो सकत है. |
823964b144009f7c395cd09de9a70fe06542cc84 | ग्रीनहाउस गैस उत्सर्जन का कम करने की आवश्यकता के कारण दुनिया भर में बिजली उत्पादन का उत्पादन तेजी से बदल रहा है, साथ ही साथ ऊर्जा के मिश्रित स्रोत भी शामिल हैं। बिजली नेटवर्क का ट्रांसमिशन अउर वितरण मा बहुतै चुनौति हवै जेसे अनपेक्षित दैनिक अउर मौसमी बदलाव के मांग का पूरा कीन जा सकै। विद्युत ऊर्जा भंडारण (ईईएस) के पहिचान इन चुनौति का सामना करे खातिर बहुत बड़ा क्षमता वाली प्रौद्योगिकि के रूप मा कीन जात है, जवने मा ऊर्जा का एक निश्चित स्थिति मा संग्रहीत कईल जात है, इस्तेमाल की गई तकनीक के अनुसार, और जरूरत पड़ते समय विद्युत ऊर्जा मा परिवर्तित कईल जात है। हालांकि, कई विकल्पों की वजह से, कई जटिलताओं की वजह से, ईएसई का एक विशिष्ट अनुप्रयोग के लिए एक विशिष्ट तकनीक का मूल्यांकन करना मुश्किल है। इ पेपर मा उपलब्ध अत्याधुनिक तकनीक का एक व्यापक और स्पष्ट चित्र प्रदान करके, और जहां उ एक बिजली उत्पादन और वितरण प्रणाली मा एकीकरण के लिए उपयुक्त हो सकता है, इ समस्या का कम करने का इरादा है। ई पेपर संचालन सिद्धांतों, तकनीकी और आर्थिक प्रदर्शन विशेषताओं और महत्वपूर्ण ईईएस प्रौद्योगिकियों का वर्तमान अनुसंधान और विकास का अवलोकन के साथ शुरू होता है, संग्रहीत ऊर्जा के प्रकार के आधार पर छह मुख्य श्रेणियों में वर्गीकृत। एकर बाद, एक व्यापक तुलना अउर समीक्षा तकनीक का संभावित अनुप्रयोग विश्लेषण प्रस्तुत करत है। 2014 मा लेखपाल एलेस्वीयर लिमिटेड द्वारा प्रकाशित इ एक खुला स्रोत लेख CC BY लाइसेंस (http://creativecommons.org/licenses/by/3.0/) के तहत अहै । |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.