_id
stringlengths 40
40
| text
stringlengths 0
12.6k
|
|---|---|
798957b4bbe99fcf9283027d30e19eb03ce6b4d5 | हम निर्भरता पार्सिंग खातिर LR एल्गोरिथ्म का एक डेटा-संचालित संस्करण प्रस्तुत करत बानी, अउर इके संभाव्यतावादी सामान्यीकृत LR निर्भरता पार्सिंग खातिर सबसे अच्छा-पहला खोज के साथ विस्तारित करत बानी. पार्सर क्रियाएं एक वर्गीकरणकर्ता द्वारा निर्धारित की जा रही हैं, जो कि पार्सर की वर्तमान स्थिति का प्रतिनिधित्व करने वाले गुणों पर आधारित है। हम इ पार्सिंग फ्रेमवर्क CoNLL 2007 साझा कार्य के दुनों ट्रैक पर लागू करत हैं, प्रत्येक मामले में अलग-अलग शिक्षार्थियों के साथ प्रशिक्षित कई मॉडल का लाभ उठाते हुए। बहुभाषी ट्रैक मा, हम दस भाषाओं मा से प्रत्येक को लागी तीन LR मोडेल को प्रशिक्षित, र प्रत्येक व्यक्तिगत मोडेल संग प्राप्त विश्लेषण एक अधिकतम स्पैनिंग ट्री मतदान योजना संग संयोजन। डोमेन अनुकूलन ट्रैक मा, हम लक्ष्य डोमेन मा लेबल रहित डेटा पार्स गर्न दुई मोडेल को उपयोग को-प्रशिक्षण को एक पुनरावृत्ति जस्तै एक योजना मा लेबल आउट-डोमेन प्रशिक्षण सेट को पूरक गर्न। |
2b329183e93cb8c1c20c911c765d9a94f34b5ed5 | हम एक नया ढांचा का प्रस्ताव करत हयन जेनरेटिव मॉडल का अनुमान लगावे खातिर एक विरोधाभासी प्रक्रिया के माध्यम से, जौन हम एक साथ दू मॉडल का प्रशिक्षण देत हयन: एक जनरेटिव मॉडल जी जवन डेटा वितरण का कब्जा करत ह, अउर एक भेदभावपूर्ण मॉडल डी जवन इ संभावना का अनुमान लगावत ह कि एक नमूना प्रशिक्षण डेटा से आया ह, बजाय जी के। जी के प्रशिक्षण प्रक्रिया डी के गलती करे के संभावना का अधिकतम करे खातिर बा। इ फ्रेमवर्क एक मिनिमम दुई-खिलाड़ी खेल का मेल खात है। arbitrary functions G and D का स्पेस में, एक unique solution मौजूद है, जहाँ G प्रशिक्षण डेटा वितरण को पुनः प्राप्त करता है और D हर जगह 12 के बराबर है. जहां G अउर D बहुपरत पेर्सेप्ट्रॉन द्वारा परिभाषित करल गयल ह, तब पूरा सिस्टम के पीछे प्रजनन के साथ प्रशिक्षित करल जा सकत ह. प्रशिक्षण या नमूना उत्पादन के दौरान कौनो मार्कोव श्रृंखला या अनियंत्रित अनुमानित अनुमान नेटवर्क की आवश्यकता नहीं होत है। प्रयोगसब से निर्मित नमूनासब के गुणात्मकअउ मात्रात्मक मूल्यांकनके माध्यमसे ढांचा के क्षमता का प्रदर्शन होत है। |
7e403d160f3db4a5d631ac450abcba190268c0e6 | इ पेपर SAIL का परिचय देत है, एक सिंगल एक्सेस प्वाइंट आधारित इंडोर लोकेशन सिस्टम. यद्यपि वाई-फाई आधारित पोजिशनिंग तकनीक मा प्रगति भै बा, हम ई पाये कि मौजूदा समाधान या तो एक्सेस पॉइंट्स (एपी) की घनी तैनाती, मैनुअल फिंगरप्रिंटिंग, ऊर्जा-भूखे वाई-फाई स्कैनिंग, या परिष्कृत एपी हार्डवेयर की आवश्यकता है। हम ई प्रतिबंधन से बचै खातिर एक्कय कमोडिटी वाईफाई एपी का प्रयोग कइके सेल डिजाइन करत हन। सेल क्लाइंट अउर एपी के बीच दूरी का गणना करत है, दुई के बीच से गुजरे वाले सिग्नल के प्रसारण देरी का उपयोग करत है, दूरी का स्मार्टफोन डेड-रेकडिंग तकनीक के साथ जोड़त है, अउर ज्यामितीय विधियन का नियोजित करत है ताकि अंततः एकल एपी का उपयोग कइके क्लाइंट के स्थान का उत्पादन कीन जा सके। सेल भौतिक परत (PHY) सूचना अउर मानव गति के संयोजन करत है ताकि सीधा मार्ग के प्रसार देरी का गणना करेके, बहुपथ के प्रतिकूल प्रभाव के दूर करेके अउर उप-मीटर दूरी अनुमान सटीकता प्रदान करेके। सैइल स्मार्ट फोन सेंसर का उपयोग कइके डेड-रेक का हिसाब लगावे खातिर कुछ आम चुनौतियों का भी व्यवस्थित रूप से हल करत है अउर मौजूदा तकनीक से 2 से 5 गुना सटीकता के सुधार करत है। हम सेल का लागू किया है कमोडिटी वायरलेस एपीएस और स्मार्टफोन पर। 10 मोबाइल उपयोगकर्ता वाले एक बड़े पैमाने पर उद्यम वातावरण में मूल्यांकन से पता चलता है कि सेल केवल एक एपी का उपयोग करके 2.3 मीटर की औसत त्रुटि के साथ उपयोगकर्ता का स्थान कैप्चर कर सकता है। |
649f417531ac7b1408b80fb35125319f86d00f79 | "ग्रीन" इलेक्ट्रॉनिक्स न केवल एक नया वैज्ञानिक शब्द बल्कि प्राकृतिक मूल के यौगिकों की पहचान करने और सिंथेटिक सामग्री के उत्पादन के लिए आर्थिक रूप से कुशल मार्ग स्थापित करने के उद्देश्य से अनुसंधान का एक उभरता हुआ क्षेत्र का प्रतिनिधित्व करता है, जिनकी पर्यावरणीय रूप से सुरक्षित (जैव-अपघटनीय) और/या जैव-संगत उपकरणों में प्रयोज्यता है। इ शोधन कय अंतिम लक्ष्य मनई अउर पर्यावरण कय अनुकूल इलेक्ट्रॉनिक्स उत्पादन कय लिए रास्ता तैयार करय अहै अउर एह तरह कय इलेक्ट्रॉनिक सर्किट कय जिंदा ऊतक कय साथे एकीकरण कय विशेष रूप से खोज करेक अहै। "ग्रीन" इलेक्ट्रॉनिक्स के उभरते वर्ग पर शोध न केवल कार्बनिक इलेक्ट्रॉनिक्स के मूल वादा का पूरा करे मा मदद कर सकत है, जउन कम लागत और ऊर्जा कुशल सामग्री और उपकरण प्रदान करै खातिर है, बल्कि इलेक्ट्रॉनिक्स खातिर अकल्पनीय कार्यक्षमता भी प्राप्त करै खातिर है, उदाहरण के लिए जीवन और पर्यावरण में सौम्य एकीकरण। इ समीक्षा मा इ उभरते हुए सामग्रियों के समूह मा हालिया शोध प्रगति और गैर पारंपरिक जैविक इलेक्ट्रॉनिक उपकरणों मा उनके एकीकरण पर प्रकाश डाला जाएगा। |
c8e424defb590f6b3eee659eb097ac978bf49348 | स्व-नियामक सीखना सफल ऑनलाइन सीखना खातिर एक महत्वपूर्ण कारक के रूप मा मान्यता प्राप्त है, अउर छात्रन कय कथित शैक्षणिक नियंत्रण अउर शैक्षणिक भावना स्व-नियामक सीखना कय महत्वपूर्ण पूर्ववर्ती अहय। काहे से कि भावना अउर अनुभूति परस्पर संबंधित है, आत्म-नियंत्रित सीखे मा कथित शैक्षणिक नियंत्रण अउर शैक्षणिक भावनाओं के बीच संयुक्त संबंध क जांच आत्म-नियंत्रित सीखे की प्रक्रिया का समझे खातिर मूल्यवान होई। एही से, इ अध्ययन ऑनलाइन शिक्षा में कथित अकादमिक नियंत्रण और स्व-नियंत्रित शिक्षा के बीच संबंधों में अकादमिक भावनाओं (आनंद, चिंता, और ऊब) की भूमिका का परीक्षण करा रहा है। शैक्षणिक भावनाओं का मध्यस्थता अउर मध्यस्थता प्रभाव का परीक्षण करने के लिए पथ मॉडल का प्रस्ताव रहा है। 426 कोरियाई कॉलेज के छात्र ऑनलाइन कोर्स करे रहे थे, उनका डाटा इकट्ठा किया गया था, और एक पैटर्न का विश्लेषण किया गया था। परिणाम से पता चला कि आनंद का अनुभव अकादमिक नियंत्रण अउर स्व-नियामक सीख के बीच संबंध का मध्यस्थता करत रहा, लेकिन आनंद का मध्यस्थ प्रभाव महत्वपूर्ण नाहीं रहा। ऊब अउर चिंता का आत्म-नियंत्रित सीखे पर महत्वपूर्ण मध्यस्थ प्रभाव नाहीं रहे, जबकि ऊब अउर चिंता का कथित अकादमिक नियंत्रण अउर आत्म-नियंत्रित सीखे के बीच संबंध में महत्वपूर्ण प्रभाव डाले रहे. ऑनलाइन शिक्षा मा छात्रन कै स्व-नियमन सीखै कै सुविधा दै के खातिर शैक्षणिक भावनाओं कै भूमिका अउर इनकै प्रभाव के बारे मा निष्कर्ष के आधार पै चर्चा कीन गै। 2014 एल्सवीयर लिमिटेड. सब अधिकार सुरक्षित. |
82b2c431035e5c0faa20895fe9f002327c0994bd | इंटरनेट ऑफ थिंग्स का मतलब है कि मौजूदा समय में अलग-अलग चीजें जो इंटरनेट पर उपलब्ध हैं, उन्हें एक साथ जोड़ना। ई समाज खातिर लागत प्रभावी गुणवत्ता वाला सेवाएं प्रदान करैं खातिर मौजूदा व्यवस्था का बदल के नई ऊंचाई पर पहुंचै के मद्देनजर हई। स्मार्ट सिटी विजन का समर्थन करै खातिर, शहरी आईओटी डिजाइन योजना सबसे उन्नत संचार प्रौद्योगिकी के साथ नागरिकन के खातिर अतिरिक्त मूल्य वाली सेवाओं का भी उपयोग करत है। आपातकालीन प्रतिक्रिया वास्तविक समय मा बनाि हो, आईओटी पहिले प्रतिक्रियाकर्ता का तरीका बढावैं अउर आपातकालीन प्रबंधक के जरूरी अद्यतन जानकारी अउर संचार प्रदान करै के खातिर उ साधनन का उपयोग करें। आईओटी आपातकालीन प्रतिक्रिया मा कई चुनौतिओ का कम करत है जइसै कि कमजोर संचार नेटवर्क अउर सूचना अंतराल जइसे वर्तमान समस्याएं। इ पेपर मा इ प्रस्तावित कीन गवा हय कि अग्नि खतरे के लिए आपातकालीन प्रतिक्रिया प्रणाली का उपयोग करके आईओटी मानकीकृत संरचना का उपयोग करके डिज़ाइन कीन जाय। ए प्रस्तावित योजना का क्रियान्वयन करे खातिर कम लागत का एस्प्रेसिव वाई-फाई मॉड्यूल ईएसपी-32, फ्लेम डिटेक्शन सेंसर, स्मोक डिटेक्शन सेंसर (एमक्यू -5), ज्वलनशील गैस डिटेक्शन सेंसर अउर एक जीपीएस मॉड्यूल के इस्तेमाल कीन गा है। सेंसर खतरा का पता लगावत है अउर फायर डिपार्टमेंट अउर पुलिस जइसे स्थानीय आपातकालीन बचाव संगठनन का सतर्क करत है, खतरा का पता क्लाउड-सेवा भेज के भेजत है, जवने के जरिए सब जुड़े रहत हैं। कुल मिला के नेटवर्क तेज अउर भरोसेमंद संचार खातिर एक हल्का डेटा उन्मुख पब्लिश-सब्स्क्राइब मैसेज प्रोटोकॉल MQTT सेवा का उपयोग करत है। ई प्रकार, एक बुद्धिमान एकीकृत प्रणाली ईओटी की मदद से बनाई गई है। |
95d2a3c89bd97436aac9c72affcd0edc5c7d2e58 | पैदल मान्यता क्षेत्र मा, टेम्पलेट-आधारित दृष्टिकोण जस्तै पैदल ऊर्जा छवि (जीईआई) र क्रोनो-पैदल छवि (सीजीआई) कम कम्प्यूटेशनल लागत संग राम्रो मान्यता प्रदर्शन प्राप्त गर्न सक्छन्। एही बीच, सीजीआई समय-समय पर जानकारी का भंडारण बेहतर ढंग से करेसथ जेईआई से। हालांकि, वे अपनी जगह पर कम आकर्षक दिखते हैं। समसामयिक जानकारी का संरक्षण अउर अधिक प्रचुर मात्रा में स्थानीय आकार सुविधाओं का उत्पन्न करे खातिर, हम GEI अउर CGI टेम्पलेट्स के हिस्टोग्राम ऑफ ओरिएंटेड ग्रेडिएंट्स (HOG) का निकाल के कई HOG टेम्पलेट्स उत्पन्न करत हैं। प्रयोग से पता चलता है कि कई प्रकाशित दृष्टिकोणों की तुलना में, हमारे प्रस्तावित कई HOG टेम्पलेट्स बेहतर प्रदर्शन करते हैं। |
235723a15c86c369c99a42e7b666dfe156ad2cba | लॉग-संभाव्यता फ़ंक्शन का अधिकतम करे मा अवलोकन किए गए नमूनों का वजन करके भविष्यवाणी घनत्व का एक वर्ग प्राप्त किया जात है। इ दृष्टिकोण ऐसे मामलन मा प्रभावी है जैसय कि नमूना सर्वेक्षण या प्रयोगों का डिजाइन, जहां देखे गए कोविएट पूरे आबादी से भिन्न वितरण का पालन करत हैं। पैरामेट्रिक मॉडल की गलत विनिर्देश के तहत, वजन समारोह का इष्टतम विकल्प जनसंख्या में सह-परिवर्तक के घनत्व समारोह का अनुपात है, जो कि अवलोकनों में है। ई नमूना सर्वेक्षण कय छद्म-अधिकतम संभावना अनुमान होय । इष्टतमता प्रत्याशित कुलबैक-लेइबलर हानि द्वारा परिभाषित की जा रही है, और इष्टतम वजन महत्व नमूना पहचान पर विचार करके प्राप्त की जा रही है। हालांकि, मॉडल की सही संरचना के तहत, "समान से अधिक संभावित" (i. e., समान) संरचना का अनुमान लगाने का एक शक्तिशाली तरीका है। एकरूप वजन) असममित रूप से इष्टतम दिखाया गया है। मध्यम नमूना आकार के लिए, स्थिति दो चरम मामलों के बीच है, और वजन समारोह का चयन अपेक्षित नुकसान का अनुमान के रूप में प्राप्त सूचना मानदंड का एक संस्करण कम से कम करके चुना जाता है। इ पद्धति बेयसीय भविष्यवाणी घनत्व का एक भारित संस्करण पर भी लागू होत है। बहुपद प्रतिगमन खातिर संख्यात्मक उदाहरणों के साथ-साथ मोंटे-कार्लो सिमुलेशन भी दिखाए गए हैं। एक मजबूत पैरामीटर अनुमान के साथ एक कनेक्शन मा चर्चा कीन जात है। © 2000 Elsevier Science B.V. सभी अधिकार सुरक्षित |
130dab15d243e5569925aa8d2eafb080078baf79 | हम CMOS ऑपरेशनल एम्पलीफायर के लिए घटक अउर ट्रांजिस्टर आकार का अनुकूलन अउर स्वचालित तरीका प्रस्तुत करत बानी। हम देखब कि कई तरह क प्रदर्शन माप डिजाइन चर के पॉसिनोमिक फलन के रूप मा तैयार कीन जाय सकत ह। नतीजतन, एम्पलीफायर डिजाइन की समस्या का एक ज्यामितीय कार्यक्रम के रूप मा तैयार कीन जा सकत है, एक विशेष प्रकार का उत्तल अनुकूलन समस्या जेकर खातिर हाल ही मा बहुत प्रभावी वैश्विक अनुकूलन विधियों का विकास कीन गै है। एसे सिन्थेसिस विधि तेज है, अउर वैश्विक रूप से इष्टतम डिजाइन का निर्धारण करत है; विशेष रूप से अंतिम समाधान प्रारंभिक बिंदु से पूरी तरह से स्वतंत्र है (जो भी असंभव हो सकता है), और असंभव विनिर्देशों का स्पष्ट रूप से पता चला है। M. Hershenson et al. द्वारा अधिक विस्तार से वर्णित विधि का संक्षिप्त परिचय देने के बाद, हम दिखाते हैं कि विधि को छह सामान्य ओप-एम्प आर्किटेक्चर पर कैसे लागू किया जा सकता है, और कई उदाहरण डिजाइन दें। |
ccb2b479b2b430e284e1c3afb1f9362cd1c95119 | ग्राफ के रूप मा प्रस्तुत डेटा खनन की क्षमता कई डोमेन मा विभिन्न संरचनात्मक पैटर्न का पता लगाने के लिए महत्वपूर्ण हो ग्यायी है। डाटा खनन का एक महत्वपूर्ण क्षेत्र विसंगति का पता लगा रहा है, लेकिन ग्राफ-आधारित डेटा में विसंगति का पता लगाने के संदर्भ में बहुत कम काम किया गया है। इ पेपर मा हम ई-मेल, सेल फोन कॉल, और ऑर्डर प्रोसेसिंग जैसे संभावित आंतरिक धमकी गतिविधि का प्रतिनिधित्व करने वाली जानकारी युक्त अनुप्रयोगों मा विसंगति का पता लगाने के लिए ग्राफ-आधारित दृष्टिकोण प्रस्तुत करते हैं। |
096e07ced8d32fc9a3617ff1f725efe45507ede8 | हम कई लोकप्रिय सीखना विधियों की प्रयोज्यता का मूल्यांकन करते हैं ताकि आम दृश्य श्रेणियों को पहचानने की समस्या का समाधान हो सके, साथ ही साथ पोज, प्रकाश, और आसपास की अव्यवस्था का भी पता लगा सकें। एक बड़ा डेटासेट शामिल स्टीरियो इमेज जोड़े 50 समान रंग का खिलौना 36 अज़ीमुथ, 9 ऊंचाई, और 6 प्रकाश स्थितियों के तहत एकत्रित किया गया (कुल 194,400 व्यक्तिगत छवियों के लिए) । वस्तुएं 5 जेनेरिक श्रेणियों की 10 उदाहरण थीं: चार पैर वाले जानवर, मानव आंकड़े, हवाई जहाज, ट्रक, और कारें। प्रत्येक श्रेणी मा पांच उदाहरण प्रशिक्षण, अउर पांच परीक्षण परीक्षण का उपयोग करा जाय चुका हैं। प्रशिक्षण अउर परीक्षण के बरे विभिन्न चरनन अउर आसपास की गंदगी वाले वस्तुअन की कम-रिज़ॉल्यूशन वाली ग्रेस्केल छवियन का इस्तेमाल कीन गवा रहा। निकटतम पड़ोसी विधियन, समर्थन वैक्टर मशीनन, अउर संवहन नेटवर्क, कच्चा पिक्सल या पीसीए-व्युत्पन्न सुविधाओं पे काम करत रहे का परीक्षण करल गयल रहे. एक समान पृष्ठभूमि पर रखे गए अनदेखे ऑब्जेक्ट उदाहरणों के लिए परीक्षण त्रुटि दर एसवीएम के लिए लगभग 13% और संवहन जाल के लिए 7% थी। अत्यधिक गन्दा छवियों के साथ एक विभाजन/मान्यता कार्य पर, एसवीएम अव्यवहारिक साबित हुआ, जबकि संवहन जाल 16/7% त्रुटि का उत्पादन किया। सिस्टम का एक रियल टाइम वर्जन लागू किया गया था जो प्राकृतिक दृश्यों पर लगभग 10 फ्रेम प्रति सेकंड पर ऑब्जेक्ट का पता लगा सकता है और वर्गीकृत कर सकता है। |
0addfc35fc8f4419f9e1adeccd19c07f26d35cac | ई कागज वस्तु का पता लगावे खातिर भेदभावपूर्ण रूप से प्रशिक्षित, बहु-स्तरीय, विकृत भाग मॉडल का वर्णन करत है। हमार सिस्टम औसत सटीकता मा 2006 पास्कल व्यक्ति पहचान चुनौती मा सबसे अच्छा प्रदर्शन मा दुई गुना सुधार प्राप्त करत है। ई 2007 क्विज़ क्विज़ क दस श्रेणिन मा सर्वश्रेष्ठ परिणाम का अधिग्रहण करत है। इ प्रणाली का विरूपणशील भाग पर बहुत अधिक भरोसा करत है। जबकि विकृत भाग मॉडल काफी लोकप्रिय होइ गयल हव, उनके मूल्य का पेसकल चैलेंज जइसे कठिन मानकों पे सिद्ध नाहीं कीन्ह गवा रहा। हमार व्यवस्था भी नई-नई भेदभावपूर्ण प्रशिक्षण विधि पर भारी भर पडत अहै। हम एक संग जोड़त हैं सीमा-संवेदनशील दृष्टिकोण डेटा खनन कठिन नकारात्मक उदाहरणों के लिए एक औपचारिकता हम गुप्त एसवीएम कहेंगे। एक छिपा एसवीएम, एक छिपा सीआरएफ की तरह, एक गैर-उण्डेला प्रशिक्षण समस्या का कारण बनता है। हालांकि, एक गुप्त SVM अर्ध-उण्डेष है और प्रशिक्षण समस्या उत्तल हो जायेगी जब सकारात्मक उदाहरण के लिए गुप्त जानकारी निर्दिष्ट की जायेगी। हमार मानना बा कि हमार प्रशिक्षण पद्धति अंततः अधिक गुप्त जानकारी का प्रभावी उपयोग संभव बना दिही जइसे कि पदानुक्रमित (व्याकरण) मॉडल अउर मॉडल जेमा गुप्त त्रि-आयामी मुद्रा शामिल ह्वाई. |
11540131eae85b2e11d53df7f1360eeb6476e7f4 | लम्बी अल्पकालिक स्मृति (LSTM; Hochreiter & Schmidhuber, 1997) कई कार्य का हल कर सकती है जो पिछले आवर्ती तंत्रिका नेटवर्क (RNNs) के लिए सीखने वाले एल्गोरिदम द्वारा हल नहीं की जा सकती हैं। हम एल एस टी एम नेटवर्क क कमजोरी का पहचान करत ह जउन लगातार इनपुट धाराओं का संसाधित करत ह जवन कि पहिले से ही स्पष्ट रूप से चिह्नित अंत वाले उप-क्रमों में विभाजित नाही होत ह जौन पर नेटवर्क क आंतरिक स्थिति रीसेट की जा सकत ह। रीसेट के बिना, राज्य अनंत समय तक बढ़ सकता है और अंततः नेटवर्क का टूटना। हमार उपाय एक नया, अनुकूली भूल द्वार है जवन एक एल एस टी एम सेल क सक्षम करत है उचित समय पे खुद का रीसेट करना सीखें, इ प्रकार आंतरिक संसाधनों का मुक्त करें। हम उदाहरण बेंचमार्क समस्या का समीक्षा करी जे पर मानक LSTM अन्य RNN एल्गोरिदम से बेहतर प्रदर्शन करत है। सबै एल्गोरिदम (एल एस टी एम सहित) इन समस्यन का हल करै मा नाकाम रहे। हालांकि, एलएसटीएम के साथ-साथ भूल गेट, आसानी से हल हो रहा है, और सुरुचिपूर्ण ढंग से। |
b3eea1328c10455faa9b49c1f4aec7cd5a0b2d1a | |
03184ac97ebf0724c45a29ab49f2a8ce59ac2de3 | हाल के बरस मा बड़े पैमाना पर छवियों का सेट उपलब्ध होने से छवि वर्गीकरण काफी आगे बढ़ गिस है। बहरहाल, fine-grained वर्गीकरण एक बड़ी चुनौती का कारण बनता है क्योंकि कई fine-grained categories का annotation cost होता है। इ परियोजना से पता चलता है कि ई श्रेणी वइसहीं वर्गीकृत कीन जा सकत है जेतना की बिना प्रशिक्षण के। चित्र अउर वर्ग एम्बेडिंग के देखिके, हम एक संगतता फलन सीखत हैं कि मिलान वाले एम्बेडिंग का गलत मिलान वाले से जादा स्कोर आवंटित करल जात है; एक चित्र का शून्य-शॉट वर्गीकरण सबसे अधिक संयुक्त संगतता स्कोर देहे वाले लेबल का खोज करके जारी है। हम अत्याधुनिक चित्र सुविधाओं का उपयोग करते हैं और विभिन्न पर्यवेक्षित विशेषताओं पर ध्यान केंद्रित करते हैं और अनुपालन रहित आउटपुट एम्बेडिंग या तो पदानुक्रम से प्राप्त होते हैं या बिना लेबल वाले पाठ कॉर्पोरेस से सीखे जाते हैं। हम जानवरन के साथ विसेसता अउर कैलिटेक-यूसीएसडी पक्षी डेटासेट पर एक काफी सुधारित अत्याधुनिक स्थिति स्थापित करत हैं। सबसे उत्साहजनक रूप से, हम इ दिखावा करे हन कि पूरी तरह से बिना निगरानी वाले आउटपुट एम्बेडिंग (विकिपीडिया से सीखे अउर फिनग्रेड टेक्स्ट के साथ सुधार) आकर्षक परिणाम पावत हैं, या पहिले से ही सुपरवाइज़ड स्टेट ऑफ द आर्ट से बेहतर प्रदर्शन करत हैं। विभिन्न आउटपुट एम्बेडिंग का संयोजन करके, हम परिणामों का और भी सुधार करते हैं। |
4c648fe9b7bfd25236164333beb51ed364a73253 | प्रस्तुत हमला (जेनका सीधा हमला या स्पूफ हमला भी कहा जात है) के प्रति चेहरा पहचान प्रणाली का कमजोर होए का कारण बायोमेट्रिक समुदाय से बहुत रुचि प्राप्त होइ है। चेहरा पहचान प्रणाली का वास्तविक समय अनुप्रयोगों में तेजी से विकास उनके प्रस्तुति हमलों का प्रतिरोध करने की क्षमता के बारे में नई चिंता जताई है, खासकर स्वचालित सीमा नियंत्रण जैसे अनियंत्रित एप्लिकेशन परिदृश्यों में। प्रस्तुति हमला का लक्ष्य चेहरा पहचान प्रणाली का एक चेहरा बायोमेट्रिक कृत्रिमता का प्रस्तुत करके तोड़ना है। लोकप्रिय फेस बायोमेट्रिक आर्टिफैक्ट्स मा एक प्रिंटेड फोटो, फेस फोटो का इलेक्ट्रॉनिक डिस्प्ले, इलेक्ट्रॉनिक डिस्प्ले का उपयोग करके वीडियो का पुनरावृत्ति, और 3 डी फेस मास्क शामिल हैं। इ अत्याधुनिक चेहरा पहचान प्रणालियन खातिर उच्च सुरक्षा जोखिम का प्रदर्शन कइले बा. हालांकि, कई प्रस्तुति हमले का पता लगाने (पीएडी) एल्गोरिदम (जिसे काउंटरमेजर या एंटीस्पूफिंग विधियों के रूप में भी जाना जाता है) का प्रस्ताव है जो स्वचालित रूप से ऐसे लक्षित हमलों का पता लगा सकता है और उन्हें कम कर सकता है। ई सर्वेक्षण कय लक्ष्य चेहरा प्रस्तुति हमला के पता लगावे कय मौजूदा काम कय एक व्यवस्थित अवलोकन प्रस्तुत करब अहै जउन कीन गा है । ई पेपर चेहरा प्रस्तुति हमला के विभिन्न पहलुओं का वर्णन करत है, जवने में अलग-अलग प्रकार के चेहरा कलाकृतियां, अत्याधुनिक पीएडी एल्गोरिदम अउर ई डोमेन में काम कर रहे संबंधित शोध प्रयोगशालाओं का अवलोकन, भेद्यता मूल्यांकन अउर प्रदर्शन मूल्यांकन मीट्रिक, प्रतियोगिताओं का परिणाम, नई पीएडी एल्गोरिदम का एक पुनरुत्पादित तरीके से बेंचमार्किंग के लिए सार्वजनिक डेटाबेस की उपलब्धता, अउर अंत में ई क्षेत्र में प्रासंगिक अंतरराष्ट्रीय मानकीकरण का सारांश शामिल है। एकरे अलावा हम ब्योमेट्रिक्स के क्षेत्र मा जउन खुला चुनौतिअउ आगे के काम की जरूरत है ऊ पर भी चर्चा करत हई। |
ada07d84bf881daa4a7e692670e61ad766f692f3 | आउटपुट करंट रिपल अउर फेज-शिफ्ट कंट्रोल इंटरैक्शन अउर लोड-स्टेप वैरिएशन पर असर कम करे पर भी एह तरह के समाधान के लाभ के जांच कीन जात है। एक प्रोटोटाइप मा माप का दावा करैं अउर प्रस्ताव का वैधता के रूप मा सिमुलेशन मा जोड़ा जात है। इ पेपर मा, बहु-चरण इंटरलेव्ड एलएलसी अनुनाद कनवर्टर के लिए एक उपन्यास दृष्टिकोण प्रस्तुत कीन गा है। प्रस्तावित समाधान, ट्रांसफार्मर प्राथमिक वाइंडिंग्स के स्टार कनेक्शन के साथ तीन एलएलसी मॉड्यूल के उपयोग पर आधारित है, आउटपुट करंट लहर का एक बड़ा कमी और परिणामस्वरूप आउटपुट फिल्टर कैपेसिटर का आकार अनुमति देता है। अन्य बहु-चरण समाधान से अलग, जो वर्तमान असंतुलन का कारण बन रहे प्रतिध्वनि घटक की सहिष्णुता के लिए काफी संवेदनशील हैं, प्रस्तावित टोपोलॉजी एक अंतर्निहित वर्तमान साझा क्षमता प्रदर्शित करती है। ई अतिरिक्त रूप से वर्तमान असंगति के लिए क्षतिपूर्ति करै खातिर अउर प्रत्येक मोड्यूल से आपूर्ति कै जाए वाले वर्तमान का संतुलित करै खातिर एक बंद-लूप चरण-परिवर्तन नियंत्रण शुरू कै देहे अहय। |
e7922d53216a4c234f601049ec3326a6ea5d5c7c | एक नया समूह "योजना का हिस्सा" बना रहा है, काम के अन्दर अउर बाहर के कारक का आकलन करत, ई व्यक्ति के (क) अन्य लोगन, टीम अउर समूह से संबंध, (ख) आपन काम, संगठन अउर समुदाय से आपन फिटनेस के धारणा अउर (ग) अगर आपन काम छोड़े जाए त का त्याग करे के चाही, ई सब शामिल ह। नौकरी का जमीनी स्तर मापने का उपाय दो नमूना से विकसित किया जा रहा है। परिणाम से पता चलता है कि नौकरी का अंत अंतराल छोड़ने का इरादा और स्वैच्छिक रोटेशन दोनों का प्रमुख परिणाम है, और नौकरी की संतुष्टि, संगठनात्मक प्रतिबद्धता, नौकरी के विकल्प और नौकरी की खोज से परे महत्वपूर्ण वृद्धिशील भिन्नता की व्याख्या करता है। सिद्धांत अउर अभ्यास खातिर अनुप्रास का चर्चा कीन गवा बा। |
8de1c724a42d204c0050fe4c4b4e81a675d7f57c | चेहरा पहचान पिछले पांच साल मा जबरदस्त छलांग लगाइस है, कई सिस्टम नई तकनीक का प्रस्ताव देहे अहैं जवन कि डीप कन्वॉल्यूशनल न्यूरल नेटवर्क (डीसीएनएन) द्वारा समर्थित अहैं। यद्यपि LFW जैसन क्लासिक डाटासेट मा गहरी-सीखने का उपयोग कर चेहरा पहचान प्रदर्शन आसमान मा फट ग्याई, विश्वास को नेतृत्व मा कि यो तकनीक मानव प्रदर्शन मा पुग्यो, यो अझै पनी एक खुला समस्या होरहिन अप्रबन्धित वातावरण मा हाल मा जारी IJB डाटासेट द्वारा प्रदर्शित। ई सर्वेक्षण कय उद्देश्य गहरी चेहरा पहचान कय मुख्य प्रगति कय सारांश प्रस्तुत करय अहै औ, सामान्य रूप से, सत्यापन औ पहचान कय लिए चेहरा प्रतिनिधित्व सीखय कय। इ सर्वेक्षण पिछले पांच साल में शीर्ष कंप्यूटर विजन स्थानों पर दिखाई दे रही प्रमुख, अत्याधुनिक (सोटा) चेहरा पहचान तकनीकों का एक स्पष्ट, संरचित प्रस्तुति प्रदान करता है। सर्वे कई भाग मा टूट ग्यायी जवन एक मानक चेहरा पहचान पाइपलाइन का पालन करत है: (ए) कैसे SOTA सिस्टम को प्रशिक्षित किया जाता है और कौन सार्वजनिक डेटा सेट का उपयोग किया जाता है; (बी) चेहरा पूर्व प्रसंस्करण भाग (खोज, संरेखण, आदि) । (घ) सत्यापन अउर पहचान के लिए चेहरा पहचान। सर्वेक्षण का समापन सोटा के नतीजन का एक झलक अउर कुछ खुला मुद्दा के साथ होत है, जवन वर्तमान में समुदाय द्वारा अनदेखा करल जात है। |
289bdc364e2b8b03d0e52609dc6665a5f9d056c4 | हम अमूर्त अर्थ प्रतिनिधित्व (एएमआर) ग्राफ से अंग्रेजी वाक्य उत्पन्न करने का एक तरीका प्रस्तुत करते हैं, एएमआर और अंग्रेजी वाक्य के समानांतर कोरपस का शोषण करते हुए। हम AMR-to-English generation का phrase-based machine translation (PBMT) के रूप मा देखित है। हम एक तरीका प्रस्तुत करत हई जवन एएमआर ग्राफ के टोकन के अंग्रेजी जईसन क्रम में रैखिक रूप से सीखत है। हमार रैखिकरण पीबीएमटी मा विकृति की मात्रा कम करत है अउर उत्पादन की गुणवत्ता बढ़ावत है। हम रिपोर्ट करैं कि मानक AMR/अंग्रेजी टेस्ट सेट पै ब्लू का स्कोर 26.8 रहा है। |
0955315509ac15bb4f825dbcd1e51423c3781ce4 | हम लकड़ी के ढेर चित्र से युक्त एक डेटाबेस प्रस्तुत करत हैं, जेकर उपयोग लकड़ी के ढेर का पता लगावे अउर सर्वेक्षण एल्गोरिदम के प्रदर्शन का मूल्यांकन करे खातिर एक बेंचमार्क के रूप मा कै सका जात है। हम अलग अलग श्रेणी मा छ डाटाबेस का उपयोग कर सकते हैं जो अलग अलग एल्गोरिदम प्रकार का समर्थन गर्दछ। वास्तविक अउर सिंथेटिक दृस्यन कय चित्रण, जवन 7655 चित्रन कय 354 डेटा सेट मा विभाजित होत हय, उपलब्ध कराइ गा है। श्रेणी के अनुसार डेटा सेट मा या त ग्राउंड ट्रूथ डेटा या वनस्पति विशिष्ट माप शामिल होत हैं जेकरे साथ एल्गोरिदम क तुलना की जा सकत है। |
bbf70ffe55676b34c43b585e480e8343943aa328 | अगला पीढ़ी के 5जी नेटवर्क के संदर्भ में, उपग्रह उद्योग स्पष्ट रूप से उपग्रह संचार की भूमिका का पुनर्विचार अउर नवीनीकरण करे खातिर प्रतिबद्ध है। (भूमि) फिक्स्ड अउर मोबाइल नेटवर्क के विकास मा प्रमुख चालक के रूप मा, सॉफ्टवेयर डिफाइन्ड नेटवर्किंग (एसडीएन) अउर नेटवर्क फंक्शन वर्चुअलाइजेशन (एनएफवी) प्रौद्योगिकियां भी उन्नत नेटवर्क संसाधन प्रबंधन तकनीकों द्वारा उपग्रह नेटवर्क आगे सेवा नवाचार और व्यापार लचीलापन प्रदान करत हुए उपग्रह और स्थलीय खंडों के बेहतर और अधिक लचीला एकीकरण की ओर केंद्रीय प्रौद्योगिकी सक्षमकर्ता के रूप मा तैनात कीन जात हैं। परिदृश्य अउर उपयोग के मामिला के विश्लेषण के माध्यम से, इ पेपर ओ लाभ का वर्णन प्रदान करत है जवन एसडीएन/एनएफवी प्रौद्योगिकियां 5 जी की ओर उपग्रह संचार में ला सकत हैं। उपग्रह भू-भाग क्षेत्र मा एसडीएन/एनएफवी प्रौद्योगिकि के शुरूआत के माध्यम से पीछा कईले विभिन्न संभावित सुधार क्षेत्रन का रेखांकित करे खातिर तीन परिदृश्य प्रस्तुत औरु विश्लेषण कईल गईल बा। हर परिदृश्य के भीतर, विशिष्ट क्षमताओं में अंतर्दृष्टि का अधिग्रहण करने और उनसे संबंधित तकनीकी चुनौतियों का पता लगाने के लिए कई उपयोग के मामले विकसित किए जाते हैं। |
1e42647ecb5c88266361c2e6ef785eeadf8dc9c3 | |
8d701bc4b2853739de4e752d879296608119a65c | वितरित डाटाबेस प्रबंधन प्रणालि मा आधार सम्बन्ध का टुकड़ाकरण समवर्तीता का स्तर बढ़ जात है और यस प्रकार क्वेरी प्रसंस्करण के लिए सिस्टम थ्रूपुट बढ़ जात है। रिलेशनल, ऑब्जेक्ट-ओरिएंटेड अउर डिडक्टिव डाटाबेस में संबंधन के क्षैतिज अउर ऊर्ध्वाधर विखंडन खातिर एल्गोरिदम मौजूद बा; हालांकि, डिडक्टिव डाटाबेस सिस्टम खातिर उपयोगकर्ता क्वेरी अउर क्वेरी-एक्सेस-रूल निर्भरता में दिखाई देबे वाला चर बंधन पर आधारित हाइब्रिड विखंडन तकनीक गायब बा. इ पेपर मा, हम वितरित निहित डेटाबेस सिस्टम के लिए एक हाइब्रिड विखंडन दृष्टिकोण का प्रस्ताव करत हैं। हमार तरीका पहिले उपयोगकर्ता क्वेरी पर लगावल बंधन के अनुसार आधार संबंधन का क्षैतिज विभाजन पर विचार करत है, अउर फिर क्षैतिज रूप से विभाजन वाले संबंधन अउर क्लस्टर नियम का ऊर्ध्वाधर टुकड़ा उत्पन्न करत है। प्रस्तावित खंडन तकनीक वितरित परिणामी डेटाबेस सिस्टम का डिजाइन आसान बनाता है। |
1678a55524be096519b3ea71c9680ba8041a761e | मिश्रण घनत्व का निर्धारण करने वाले मापदंडों का अनुमान लगाने की समस्या लगभग नब्बे वर्षों से साहित्य का एक बड़ा, विविध समूह का विषय रही है। पिछले दुइ दशकन से, अधिकतम संभाव्यता का तरीका सबसे व्यापक रूप से ई समस्या का हल करय के खातिर सबसे जादा सरासर तरीका बनि गवा हय, खासकर के बाद जे अब हाई स्पीड कम्प्यूटर पय काम करत हय। इ समस्या पर साहित्य का एक संक्षिप्त सर्वेक्षण प्रस्तुत करत है अउर इकर अधिकतम संभाव्यता का आकलन करत है। फेर हम अंतिम रुचि का विषय पर चले, जउन मिश्रण घनत्व समस्या खातिर अधिकतम-संभाव्यता अनुमानन का संख्यात्मक रूप से अनुमान लगावे खातिर एक विशेष पुनरावर्ती प्रक्रिया है. ई प्रक्रिया, जेके ईएम एल्गोरिथ्म के रूप मा जाना जात है, अपूर्ण डेटा समस्या के लिए अधिकतम-संभाव्यता अनुमानों का अनुमान लगाने के लिए इस्तेमाल की जाने वाली एक ही नाम के एक सामान्य एल्गोरिथ्म के मिश्रण घनत्व संदर्भ में एक विशेषज्ञता है। मिश्रण घनत्व खातिर ईएम एल्गोरिथ्म के सूत्र अउर सैद्धांतिक अउर व्यावहारिक गुणन पर चर्चा कीन जात है, विशेष रूप से घातीय परिवारन से घनत्व के मिश्रण पर ध्यान केंद्रित कीन जात है। |
ca5766b91da4903ad6f6d40a5b31a3ead1f7f6de | हम कम अउर उच्च रिज़ॉल्यूशन वाले नमूनन कय शब्दकोश कय आधार पय एकल छवि सुपर-रिज़ॉल्यूशन कय रूप मा छवि अपस्केलिंग कय समस्या का समाधान करत हैं। हाल ही मा प्रस्तावित दुइ विधि, एंकरड नेबरहुड रिग्रेशन (एएनआर) अउर सिंपल फंक्शन (एसएफ), अत्याधुनिक गुणवत्ता वाला प्रदर्शन प्रदान करत हैं। एएनआर सबसे तेज ज्ञात सुपर-रिज़ॉल्यूशन विधि का भी है। एएनआर विरल शब्दकोष अउर शब्दकोश परमाणुओं से लटकल प्रतिगमन सीखत है। SF क्लस्टर अउर संबंधित सीखल फलन पर निर्भर करत है। हम प्रस्तावित A+, ANR का एक बेहतर संस्करण, ANR अउर SF का सबसे अच्छा गुणों का संयोजन. ए + एएनआर से सुविधाओं अउर एंकर रिग्रेसर पर निर्माण करत है लेकिन शब्दकोश पर रिग्रेसर सीखै के बजाय इ एस एफ के समान पूर्ण प्रशिक्षण सामग्री का उपयोग करत है। हम आपन तरीका मानक छवियों पे पेस करत हई अउर एकर तुलना नई-नई तकनीक से करत हई। हम बेहतर गुणवत्ता (i.e. 0.2-0.7dB PSNR ANR से बेहतर) अउर उत्कृष्ट समय जटिलता, ए + को अब तक का सबसे कुशल शब्दकोश-आधारित सुपर-रिज़ॉल्यूशन विधि बना रहा है। |
240cc2dbe027400957ed1f8cf8fb092a533c406e | नेटवर्क कम्प्यूटर के बढ़त संख्या के कारन, घुसपैठ का पता लगावै कै यक जरूरी अंग नेटवर्क का सुरक्षित राखै मा लाग बाय। हालांकि, दुरुपयोग का पता लगाने की प्रणाली का निर्माण और रखरखाव बहुत अधिक श्रम-गहन है, क्योंकि हमले के परिदृश्य और पैटर्न का विश्लेषण और वर्गीकरण करना आवश्यक है, साथ ही संबंधित नियम और पैटर्न सावधानी से हाथ से तैयार किए जाने चाहिए। इ प्रकार से, ई समस्या हर साल मनईन का झेलै का पराथै। इ पेपर एक बहु-स्तरीय हाइब्रिड वर्गीकरक का प्रस्ताव करत है, एक घुसपैठ का पता लगाने वाला सिस्टम जउन घुसपैठ का पता लगाने के लिए पेड़ वर्गीकरक अउर क्लस्टरिंग एल्गोरिदम का संयोजन करत है। इ नया एल्गोरिथ्म कय प्रदर्शन कय तुलना अन्य लोकप्रिय दृष्टिकोण जइसे कि मैडम आईडी अउर 3-स्तरीय पेड़ वर्गीकरणकर्ता से करल गयल है, अउर उच्च घुसपैठ का पता लगावे कय दर अउर उचित रूप से कम झूठा अलार्म दर दुनौ के दृष्टिकोण से महत्वपूर्ण सुधार प्राप्त करल गयल है। |
6c49508db853e9b167b6d894518c034076993953 | सामुदायिक संरचनाएं कई सामाजिक, जैविक, अउर तकनीकी नेटवर्क का एक महत्वपूर्ण हिस्सा हैं। इ जगह हम गिरवान अउर न्यूमैन द्वारा प्रस्तावित अइसन समुदाय का पता लगावे खातिर विधि पर एक भिन्नता का अध्ययन करत हई अउर सामुदायिक सीमाओं का परिभाषित करे खातिर केंद्रीयता माप का उपयोग करे के विचार पर आधारित है [एम. गिरवान और एम. ई. जे. न्यूमैन, प्रो। होई ना तs ! एकेडमी का नाम। साइंस का अबतक का हिसाब यू.एस.ए. 99, 7821 (2002) ]। हम एक पदानुक्रमित क्लस्टरिंग का एल्गोरिथ्म विकसित करत हैं, जेकर उद्देश्य अहै कि उच्चतम सूचना केन्द्रीकरण वाले किनारे का पता लगावैं अउर हटावैं। हम कंप्यूटर जनित अउर वास्तविक दुनिया के नेटवर्क पै एल्गोरिथ्म का परीक्षण करें जेकर सामुदायिक संरचना पहिले से ही ज्ञात है या दूसर विधि के माध्यम से अध्ययन कीन गा है। हम देखब कि हमार एल्गोरिथ्म, हालांकि ई समय ओ (n4) में पूरा होत है, इ बहुत प्रभावी अहै, खासकर जब से ई समुदाय बहुत मिश्रित होत है अउर दूसर विधि द्वारा मुश्किल से पता चला जात है. |
7e9bfb62ba48bbd8d9c13ef1dc7b93fcc58efea8 | ई पेपर ग्लोबल नेविगेशन सैटेलाइट सिस्टम (जीएनएसएस) खातिर एगो माइक्रो-स्ट्रिप सर्कुलर रूप से ध्रुवीकृत एंटीना के डिजाइन प्रस्तुत करत बा. प्रस्तुत यंत्र एक माइक्रॉ-स्ट्रिप स्लॉट वाले पैच एंटीना से बना है, जो रोजर्स आरओ3006 सब्सट्रेट पर मुद्रित है, 2 मिमी मोटी फोम परत और एक ब्रॉडबैंड वाणिज्यिक 3-डीबी एसएमटी युग्मक से बना है। युग्मन कय मापा जाय वाले एस-पैरामीटर के साथ संयुक्त पूर्ण तरंग एंटेना परिणाम एंटेना मिलान अउर अक्षीय अनुपात के संदर्भ मा बहुत अच्छा प्रदर्शन दिखावा करत है। |
64b3435826a94ddd269b330e6254579f3244f214 | |
ba6419a7a4404174ba95a53858632617c47cfff0 | |
6143217ceebc10506fd5a8073434cd6f83cf9a33 | वास्तविक दुनिया क कार्य खातिर सुदृढीकरण सीखय के साथ नीति सीखय मा नमूना जटिलता अउर सुरक्षा बड़ चुनौति होत हय-खासकर जब नीति के समृद्ध फ़ंक्शन अनुमानक जैसे गहरे तंत्रिका नेटवर्क का उपयोग कैके प्रतिनिधित्व कै जात हय। मॉडल आधारित पद्धति जहां वास्तविक दुनिया का लक्ष्य डोमेन एक सिमुलेटेड स्रोत डोमेन का उपयोग करके अनुमानित है, वास्तविक डेटा के साथ सिमुलेटेड डेटा का विस्तार करके उपरोक्त चुनौतियों का सामना करने का एक तरीका प्रदान करता है। हालांकि, सिमुलेटेड स्रोत डोमेन अउर टारगेट डोमेन के बीच के अंतर सिमुलेटेड प्रशिक्षण खातिर एगो चुनौती बा। हम ईपीओप्ट एल्गोरिथ्म का परिचय देत हैं, जवन सिमुलेटेड स्रोत डोमेन का एक समूह अउर विरोधी प्रशिक्षण का एक रूप का उपयोग करत है ताकि नीतियों का सीख सकें जउन मजबूत अउर संभावित लक्ष्य डोमेन की एक विस्तृत श्रृंखला तक सामान्यीकृत हो सकें, जेमा अनमॉडल प्रभाव भी शामिल हैं। एकरे अलावा, समुच्चय में स्रोत डोमेन पर संभाव्यता वितरण लक्षित डोमेन से डेटा का उपयोग करके अनुकूलित करल जा सकत हय आउर बेयसन विधि के अनुमान लगावल जा सकत हय, ताकि धीरे-धीरे इ एक बेहतर अनुमान बनावल जाय। इ प्रकार, मॉडल एसेम्बल पर सीखना, स्रोत डोमेन अनुकूलन के साथ, मजबूत अउर सीखने/अनुकूलन दोनों का लाभ प्रदान करत है। |
2fb5c1fdfdf999631a30c09a3602956c9de084db | सामाजिक नेटवर्क मा केन्द्रीयता मापन, विशेष रूप मा द्विपक्षीय मोड मा, धेरै चुनौतिहरु लाई प्रस्तुत गर्दछ, उदाहरण को लागी, नेटवर्क टोपोलॉजी को पूर्ण ज्ञान को आवश्यकता, र शीर्ष-के व्यवहार प्रतिनिधि प्रयोगकर्ताहरु को उचित रूप मा पहिचान को कमी। ऊपर बताये गए चुनौतियों का सामना करने के लिए, हम HellRank का प्रस्ताव करते हैं, जो bipartite social networks में central nodes की पहचान करने का एक सटीक centrality measure है। HellRank एक द्विपक्षीय नेटवर्क का एक ही तरफ दो नोड्स के बीच Hellinger दूरी पर आधारित है। हम सैद्धांतिक रूप से द्विपक्षीय नेटवर्क पर इ दूरी का प्रभाव का विश्लेषण करते हैं और इसके लिए ऊपरी और निचले सीमा का पता लगाते हैं। हेल्रैंक केंद्रीयता माप की गणना वितरित की जा सकती है, प्रत्येक नोड को केवल अपने तत्काल पड़ोसियों पर स्थानीय जानकारी का उपयोग करने की अनुमति देकर। नतीजतन, एक केंद्रीय इकाई का गठन, जहां संपूर्ण नेटवर्क की संरचना शामिल है, वहां सब कुछ स्पष्ट है। हम प्रायोगिक रूप से वास्तविक दुनिया के नेटवर्क पर अन्य केंद्रीयता माप के साथ सहसंबंध में HellRank माप का प्रदर्शन का मूल्यांकन करते हैं। परिणाम हेल्रैंक अउर अन्य पारंपरिक मीट्रिक के बीच आंशिक रैंकिंग समानता का दिखावा करत हैं केंडल अउर स्पीर्मन रैंक सहसंबंध गुणांक के अनुसार। |
af1745e54e256351f55da4a4a4bf61f594e7e3a7 | हम लोगन क चलइ क बारे मँ दुइ प्रबल, परन्तु आश्चर्यजनक रूप स परस्पर विरोधी सिद्धान्तन क जांच करा जात अहइ । पैदल का छह निर्धारक पैदल का गतिज विशेषताएं हैं जो गतिशीलता की ऊर्जावान लागत को कम करने के लिए प्रस्तावित हैं, शरीर के द्रव्यमान केंद्र (COM) का ऊर्ध्वाधर विस्थापन कम करके। उलटा पेंडुलम समानता का प्रस्ताव है कि पेंडुलम की तरह व्यवहार करने वाले पेंडुलम के लिए यह फायदेमंद है, सीओएम के लिए एक क्षैतिज पथ के बजाय एक अधिक परिपत्र चाप का निर्धारण करना। हाल के साहित्य छह निर्धारक सिद्धांत के खिलाफ सबूत प्रस्तुत करत है, अउर एक सरल गणितीय विश्लेषण से पता चलता है कि एक सपाट सीओएम प्रक्षेपवक्र वास्तव में मांसपेशी कार्य और बल आवश्यकताओं का बढ़ाता है। एक समान विश्लेषण से पता चलता है कि उलटा पेंडुलम बेहतर प्रदर्शन करता है, लेकिन विडंबना यह है कि कोई भी काम या शक्ति की आवश्यकता नहीं है। विसंगति का गतिशील पैदल दृष्टिकोण के माध्यम से हल किया जा सकता है, जो आवधिक चाल का संदर्भ देता है, लगभग पूरी तरह से अंगों की गतिशीलता से उत्पन्न होता है। प्रदर्शन मा निष्क्रिय गतिशील पैदल मशीन शामिल ह्वा जउन एक नरम ढलान से उतरत ह्वा, अउर सक्रिय गतिशील पैदल रोबोट जउन समतल जमीन पै चलत ह्वा। गतिशील पैदल चलना उल्टा पेंडुलम तंत्र का फायदा उठाते हैं, लेकिन एक पेंडुलम पोजीशन पैर से अगले पोजीशन पैर पर जाने के लिए यांत्रिक काम की आवश्यकता होती है। हम देखब कि कैसे कदम-दर-चरण बदलाव उल्टा पेंडुलम चाल का एक अपरिहार्य ऊर्जावान परिणाम है, अउर भविष्यवाणियां देत है जवन प्रयोगात्मक रूप से मनुष्य अउर मशीन पर परीक्षण योग्य है. गतिशील पैदल दृष्टिकोण एक नया परिप्रेक्ष्य प्रदान करत है, गतिशीलता या पैदल गति की ताकत के बजाय यांत्रिक कार्य पर ध्यान केंद्रित करत है। इ मानवीय पैदल सुविधा का व्याख्यात्मक तरीका से नाही बल्कि रचनात्मक रूप से समझावै खातिर जियादा उपयोगी अहै। |
8bc68ff091ee873c797b8b2979139b024527cb59 | दुरुपयोग का पता लगावा एक घुसपैठिए की अपेक्षित कार्रवाई के खिलाफ वर्तमान गतिविधि की तुलना करके नेटवर्क हमलों के उदाहरणों का पता लगाने का प्रयास है। दुरुपयोग का पता लगाने के लिए अधिकांश वर्तमान दृष्टिकोणों में ज्ञात हमलों का संकेत देने वाले संकेतों की पहचान करने के लिए नियम-आधारित विशेषज्ञ प्रणालियों का उपयोग शामिल है। हालांकि, इ तकनीक ओन्हन हमले का कम प्रभावी ढंग से कम करत है जेकय माना जात है कि वैक्सीन काफी हद तक खराब रूप से खराब होत है। आर्टिफिशियल न्यूरल नेटवर्क सीमित, अपूर्ण, अउर गैर-रैखिक डेटा स्रोत के आधार पर नेटवर्क गतिविधि के पहिचान अउर वर्गीकरण के क्षमता प्रदान करत हैं। हम दुरुपयोग का पता लगाने की प्रक्रिया का एक दृष्टिकोण प्रस्तुत करते हैं जो तंत्रिका नेटवर्क की विश्लेषणात्मक ताकत का उपयोग करता है, और हम इस दृष्टिकोण के प्रारंभिक विश्लेषण से परिणाम प्रदान करते हैं। |
4d58f886f5150b2d5e48fd1b5a49e09799bf895d | हम टेक्सास 3D फेस रिकॉग्निशन डेटाबेस को तीन आयामी (3D) फेस रिकॉग्निशन और अन्य संबंधित क्षेत्रों में शोधकर्ताओं के लिए उपलब्ध करा रहे हैं। इ डेटाबेस मा 1149 जोड़े हाई रिज़ॉल्यूशन, पोज नॉर्मलाइज्ड, प्रीप्रोसेसड, और बिल्कुल सही ढंग से संरेखित रंग और रेंज छवियों का 118 वयस्क मानव विषयों का स्टीरियो कैमरा का उपयोग करके अधिग्रहित है। इमेज के साथ मा विषय के लिंग, जातीयता, चेहरे की अभिव्यक्ति, अउर 25 मैन्युअल रूप से स्थित मानव-आकृति संबंधी चेहरे की बिन्दुओं का स्थान के बारे मा जानकारी है। 3D चेहरा पहचान एल्गोरिदम विकसित अउर मूल्यांकन खातिर डेटा के विशिष्ट विभाजन भी शामिल बा. |
5f6b7fca82ff3947f6cc571073c18c687eaedd0d | बड़ा डेटा का प्रबंधन अउर विश्लेषण व्यवस्थित रूप से हडोप अउर अब स्पार्क फ्रेमवर्क में एक डेटा वितरित वास्तुकला से जुड़ा हुआ है। ई लेख तीन संदर्भ वातावरण के सीधा उपयोग से प्राप्त प्रदर्शन की तुलना करके इन प्रौद्योगिकियों का सांख्यिकीविदों के लिए एक परिचय प्रदान करता है: R, Python Scikit-learn, Université de Toulouse - INSA, Institut de Mathématiques, UMR CNRS 5219 †Institut de Mathématiques, UMR CNRS 5219 ‡Université de Toulouse - UT3, Institut de Mathématiques, UMR CNRS 5219 1 ar X iv:1 60 9. 09 61 9v 1 [ st at .A P] 3 0 Se p 20 16 स्पार्क MLlib पर तीन सार्वजनिक उपयोग के मामलों पर: चरित्र पहचान, फिल्मों की सिफारिश, उत्पादों का वर्गीकरण। मुख्य परिणाम के रूप मा, ई देखाइ देई कि, अगर स्पार्क सहयोगी फ़िल्टरिंग (गैर-नकारात्मक कारक) द्वारा डेटा मांगे और सिफारिश के लिए बहुत कुशल है, तो एमएललिब या स्पार्कएमएल में पारंपरिक सीखने के तरीकों (लॉजिस्टिक प्रतिगमन, यादृच्छिक वन) का वर्तमान कार्यान्वयन एक एकीकृत या अप्रतिबंधित वास्तुकला में इन विधियों (आर, पायथन स्किकिट-लर्न) का सामान्य उपयोग का प्रतिस्पर्धा नहीं करता है। |
ee61d5dbb2ff64995f1aeb81d94c0b55d562b4c9 | |
9b9bac085208271dfd33fd333dcb76dcde8332b8 | |
7f270d66e0e82040b82dfcef6ad90a1e78e13f04 | डेविस द्वारा प्रस्तुत कथित उपयोगिता और कथित आसानी का माप पैमाने [12/] उभरती सूचना प्रौद्योगिकियों की उपयोगकर्ता स्वीकृति की भविष्यवाणी के लिए व्यापक रूप से उपयोग किया जाता है। एक प्रयोग इ जांचने के लिए कीयल गयल कि क्या वस्तुओं का समूह विश्वसनीयता और वैधता माप का एक कृत्रिम मुद्रास्फीति का कारण बनता है। हम आपन परिकल्पना क समर्थन कि भरोसेमंदता अउर वैधता आइटम समूह से नाहीं बल्कि कथित उपयोगिता अउर कथित उपयोगिता की अवधारणा से मिलत है, अउर ई आइटम स्पष्ट रूप से परियोजना के सार का कैप्चर करत हुए इन अवधारणाओं में से प्रत्येक का मापता है। |
6373298f14c7472dbdecc3d77439853e39ec216f | असममित हाफ ब्रिज (एएचबी) फ्लाईबैक कनवर्टर उच्च स्विचिंग आवृत्ति पर संचालन के लिए एक आकर्षक टोपोलॉजी है काहे से की इ प्राथमिक-पक्ष स्विच का शून्य-वोल्टेज स्विचिंग और माध्यमिक-पक्ष रेक्टिफायर का शून्य-वर्तमान स्विचिंग के साथ काम कर सकता है। इ पेपर में, सार्वभौमिक-लाइन-वोल्टेज-रेंज अनुप्रयोगों खातिर एएचबी फ्लाईबैक कनवर्टर का एक विस्तृत विश्लेषण और डिजाइन प्रक्रिया प्रस्तुत की गई है। एएचबी फ्लाईबैक कनवर्टर का परफॉरमेंस का मूल्यांकन सिंपलिस में प्राप्त सिमुलेशन तरंगरूपों के आधार पर हानि विश्लेषण द्वारा किया जाता है और प्रयोगात्मक रूप से 65-डब्ल्यू (19.5-वी, 3.33-ए) यूनिवर्सल-लाइन-वोल्टेज-रेंज एडाप्टर के एक प्रयोगशाला प्रोटोटाइप पर सत्यापित किया जाता है। |
587f6b97f6c75d7bfaf2c04be8d9b4ad28ee1b0a | स्कैन मुख्य-स्मृति स्तंभ-भण्डारण मा एक महत्वपूर्ण संचालन हो। इ एक स्तंभ का स्कैन करता है और एक परिणाम बिट वेक्टर लौटाता है, इ दर्शाता है कि कौन सा रिकॉर्ड फ़िल्टर प्रेडिक्ट का संतुष्ट करता है। बाइटस्लाइस एक इन-मेमोरी डाटा लेआउट है जवन डेटा कय कई बाइट्स मा काट देत है औ उच्च-क्रम बाइट्स तुलना द्वारा जल्दी-बंद क्षमता का शोषण करत है। चूंकि स्तंभ चौड़ाई आमतौर पर बाइट्स का गुणक नहीं है, बाइटस्लाइस का अंतिम-बाइट 0 के साथ पैड है, मेमोरी बैंडविड्थ और कंप्यूटिंग शक्ति बर्बाद कर रहा है। संसाधन का पूरा लाभ उठाने के लिए, हम खाली बिट्स (यानी, बिट्स मूल रूप से 0 के साथ पैड) में एक माध्यमिक सूचकांक बुनने का प्रस्ताव रखते हैं, जिससे हमारा नया लेआउट DIFusion (डेटा इंडेक्स फ्यूजन) बनता है। डिफ्यूजन स्किप-स्कैन सक्षम करत है, एक नया फास्ट स्कैन जवन बाइटस्लाइस से जल्दी-जल्दी रोक क्षमता का विरासत में मिला है अउर साथ ही शून्य स्थान के साथ सूचकांक का डेटा-स्किपिंग क्षमता का भी है। अनुभवजन्य परिणाम से पता चलता है कि DIFusion पर स्किप-स्कैन ByteSlice पर स्कैन से बेहतर है। |
0e9741bc1e0c80520a8181970cd4f61caa00055a | वितरित साझा मेमोरी लागू करय के चार बुनियादी एल्गोरिदम के तुलना करल जाला. वैचारिक रूप से, ई एल्गोरिदम स्थानीय वर्चुअल पते क स्थानों पे स्थानीय क्षेत्र नेटवर्क द्वारा जुड़ा हुआ कई होस्ट्स पर लागू होत है, अउर इनहु में से कुछ आसानी से होस्ट्स के वर्चुअल मेमोरी सिस्टम से जुड़ जात हैं। वितरित साझा मेमोरी कय गुण अउर साझा मेमोरी एल्गोरिदम कय निष्पादन करय वाले वातावरण कय संबंध मा करल गइल मान्यता कय वर्णन करा गा है। फिर एल्गोरिदम का वर्णन है, और एप्लिकेशन-स्तरीय पहुंच व्यवहार के संबंध में उनके प्रदर्शन का तुलनात्मक विश्लेषण प्रस्तुत है। ई देखाई दिहा है कि एल्गोरिथ्म कय सही चयन मुख्य रूप से अनुप्रयोगन् कय मेमोरी एक्सेस व्यवहार से निर्धारित होत है। मूल एल्गोरिदम के दुइ खास रुचि वाला विस्तार वर्णित ह, अउर वितरित साझा मेमोरी कय कुछ सीमाओं का नोट कीन गवा ह। |
95a6d057b441396420ee46eca84dea47e4bf11e7 | विशेषज्ञ मूल्यांकन अउर उपयोगकर्ता परीक्षण आज प्रभावी ढंग से उपयोग करै लायक सुरक्षा प्रदान करत हैं। सुरक्षित चरणबद्धता, उपयोगिता विफलता जोखिम का गणना, एकीकृत सुरक्षा, पारदर्शी सुरक्षा और भरोसेमंद प्राधिकारियो पर निर्भरता जैसे सिद्धांत भी बेहतर प्रणालियों का आधार बन सकते हैं। सूचना सुरक्षा अउर विश्वास का लइके उपभोक्ता के केन्द्रित सुरक्षा के पहिचान कीन गे है। ई सुरक्षा अउर मानव-कंप्यूटर इंटरफ़ेस (HCI) दुन्नो अनुसंधान का एक स्थापित उप-क्षेत्र बन जायेक कगार पर अहै, अउर उत्पाद विकास जीवन चक्र पर एक प्रभाव डालेक कगार पर अहै। सुरक्षा अउर एचसीआई दुनु आपन काम के उपयोगिता अउर वैधता के सिद्ध करे खातिर उपयोगकर्ता के साथ बातचीत के वास्तविकता पर निर्भर करत हैं। इन क्षेत्रन मा प्रैक्टिशनर्स अव शोधकर्ता लोगन के रूप मा हम अबहूँ भी उनकय महत्वपूर्ण मुद्दा क सामना करत अहयँ जब इनक्यूबेटर मा इनक्यूबेटर प्रबंधन को एक या दूसर से संबंधित नई तकनीकें विकसित कीन जात हैं। इ निबंध सामाजिक, तकनीकी अउर व्यावहारिक स्तर पे व्यवस्थापकीय बाधाओं का चर्चा करत है जौन उपयोगकर्ता-केंद्रित सुरक्षा को काफी हद तक प्रगति पय पहुँचावेक चाहि। |
610b86da495e69a27484287eac6e79285513884f | इ पेपर मा माइक्रोस्ट्रिप से वेव गाइड तक एक नया प्लैनर ब्रॉडबैंड संक्रमण प्रस्तावित कै गा है। संदर्भित तरंग मार्ग या तो आयताकार तरंग मार्ग या रिड्ड तरंग मार्ग हो सकत हैं। संक्रमण मा एक खुला-सर्किट माइक्रोस्ट्रिप क्वार्टर तरंग दैर्ध्य resonator र एक छोटो-सर्किट तरंग गाइड को माथिल्लो broadside पर्खाल मा एक अनुनाद यू-आकार स्लट शामिल छ। काम करैं वाले यंत्रणा का व्याख्या करै अउर इंजीनियरिंग डिजाइन खातिर एक मोटा मॉडल प्रदान करै खातिर भौतिकी-आधारित समकक्ष-सर्किट मॉडल भी विकसित कीन गा है। ब्रॉडबैंड संक्रमण का एक स्टैक्ड दो-ध्रुव प्रतिध्वनि फिल्टर के रूप मा माना जा सकत है। प्रत्येक युग्मन सर्किट लगभग अलग से डिजाइन की जा सकती है, केंद्र आवृत्ति पर समूह-विलंब जानकारी का उपयोग कर। आपन ब्रॉडबैंड विशेषता के अलावा, संक्रमण आकार मा कॉम्पैक्ट है, vialess, और planar सर्किट के साथ अत्यधिक संगत है। इ अच्छी सुविधाएँ नई संक्रमण प्रणाली वास्तुकला खातिर बहुत आकर्षक बनात हैं जहां तरंग मार्ग उपकरण एक बहुपरत प्लैनर सर्किट पर सतह मा माउंट होवे का जरूरत है। बदलाव क उपयोगिता का दिखावै खातिर दुइ डिज़ाइन उदाहरण दिहा गवा हय: एक ब्रॉडबैंड रिगेड वेव गाइड बैंडपास फ़िल्टर है औ दूसर एक सतह-माउंट योग्य ब्रॉडबैंड कम तापमान सह-फायर्ड सिरेमिक लेमिनेटेड वेव गाइड गुहा फ़िल्टर है। दुन्नो फ़िल्टर माइक्रोस्ट्रिप लाइन के साथ इंटरफेस करय के खातिर प्रस्तावित संक्रमण के साथ हैं, जउन व्यावहारिक अनुप्रयोगों में आशाजनक क्षमता दिखा रहा है. |
6514d7eeb27a47f8b75e157aca98b177c38de4e9 | |
56debe08d1f3f0a149ef18b86fc2c6be593bdc03 | सूचना प्रणाली कय सुरक्षा करैं खातिर संगठन तकनीकी अउर प्रक्रियात्मक उपायन कय विकास कै सका जात है। तकनीकी आधार पर ही सुरक्षा का भरोसा ना करे संगठन का तकनीकी सुरक्षा समाधान का महत्व कई बार बढ़ रहा है। मानव तत्व ऊ कर्मियन (आन्दरिक लोग) क प्रतिनिधित्व करत है जे आपन दैनिक संचालन में सूचना प्रणाली अउर तकनीकी संसाधनों का उपयोग करत है. संगठन के सूचना प्रणाली का सुरक्षा करै खातिर आई.एस.पी. जागरूकता बहुत जरूरी अहै। ई अध्ययन आईएसपी जागरूकता का पूर्ववर्ती अउर आईएसपी अउर सुरक्षा प्रथाओं से संतुष्टि पर एकर प्रभाव के जांच करे खातिर नवाचार प्रसार सिद्धांत के अनुकूलित करत है। रिसर्च मॉडल का मूल्यांकन करने के लिए संयुक्त राज्य अमेरिका के विश्वविद्यालयों मा 236 कर्मचारी का एक नमूना लिया जा रहा है। परिणाम से पता चला कि आईएसपी गुणवत्ता, आत्म-प्रभावीता, अउर प्रौद्योगिकी सुरक्षा जागरूकता आईएसपी जागरूकता का काफी प्रभाव डालत है। वर्तमान अध्ययन में, जौन अबहीं तक भाषा समिति द्वारा अनुमोदित नहीं भयें, हालांकि ई अब उचित नाइ होइ सकत. एकरे बजाय, जौन अबहीं तक भाषा समिति द्वारा अनुमोदित नहीं भयें, हमहूँ ओही के खिलाफ बिद्रोह कर रहे हैं। |
7917b89d0780decf7201aad8db9ed3cb101b24d7 | घुसपैठ का पता लगाना हमलावरों का पता लगाने का एक तरीका है। आईडीएस का मुख्य उद्देश्य सामान्य अउर घुसपैठिए गतिविधि का पता लगावल है। हाल के बरस मा, कई शोधकर्ता आईडीएस बाना क निर्माण खातिर डेटा खनन तकनीक का उपयोग करत हैं। इँहा हम एक नई विधि का प्रस्ताव करत हई जइसै की उच्च डिटेक्शन दर प्राप्त करे खातिर एसवीएम अउर पार्टिकल स्वार्म ऑप्टिमाइजेशन जइसे डेटा माइनिंग तकनीक का उपयोग करे जाय। प्रस्तावित तकनीक में प्रमुख चरण शामिल हैंः पूर्व-प्रसंस्करण, पीएसओ का उपयोग करके प्रशिक्षण, विभिन्न प्रशिक्षण उप-समूहों का उत्पादन करने के लिए के-माध्यम का उपयोग करके क्लस्टरिंग। फिर बाद के प्रशिक्षण उपसमूह के आधार पर एसवीएम वर्गीकरण खातिर एक वैक्टर बनत है अउर अंत मा, पीएसओ का उपयोग करके वर्गीकरण कीन जात है ताकि पता चल सके कि घुसपैठ हुआ है या नहीं। इ पेपर मा पहिले से सर्वे कराये गे रत्नन कै सारांश अध्ययन अउर कमि कै पहचान कराये गे बाय। कीवर्ड-इनट्रूशन डिटेक्शन सिस्टम; न्यूरो-फजी; सपोर्ट वेक्टर मशीन (एसवीएम); पीएसओ; के-मीन्स |
414b7477daa7838b6bbd7af659683a965691272c | वीडियो सारांश स्थिर छवियों, वीडियो खंडों, ग्राफिक प्रतिनिधित्व और पाठ विवरणों के संयोजन के माध्यम से एक वीडियो स्ट्रीम की सामग्री का संक्षिप्त और संक्षिप्त प्रतिनिधित्व प्रदान करता है। इ पेपर अनुसंधान साहित्य से प्राप्त वीडियो सारांश का एक वैचारिक ढांचा प्रस्तुत करत है और अनुसंधान साहित्य का सर्वेक्षण करने का एक साधन के रूप में उपयोग करत है। फ्रेमवर्क वीडियो सारांशण तकनीक (उ स्रोत वीडियो स्ट्रीम से सामग्री को संक्षेप मा प्राप्त गर्न को लागी प्रसंस्करण को लागी प्रयोग विधिहरु) र भिडियो सारांश (वीडियो सारांशण तकनीकहरु को आउटपुट) को बीच भेद गर्दछ। वीडियो सारांशण तकनीक तीन व्यापक श्रेणियों के भीतर विचार की जा रही हैः आंतरिक (वीडियो स्ट्रीम से सीधे स्रोत वाली जानकारी का विश्लेषण), बाहरी (वीडियो स्ट्रीम से सीधे स्रोत वाली जानकारी का विश्लेषण नहीं) और हाइब्रिड (आंतरिक और बाहरी जानकारी का संयोजन का विश्लेषण) । वीडियो सारांश को उ सामग्री का प्रकार (ऑब्जेक्ट, घटना, धारणा या सुविधा आधारित) और उनके उपभोग (इंटरैक्टिव या स्थिर, व्यक्तिगत या सामान्य) के लिए उपयोगकर्ता को दी जा रही कार्यक्षमता के रूप में माना जाता है। ई तर्क देल बा कि वीडियो सारांशन के बाहरी जानकारी के जादा समावेश से फायदा होई, खासकर उपयोगकर्ता आधारित जानकारी जवन कि बिना कउनो बाधा के स्रोत से मिलत बा, ताकि दीर्घकालिक चुनौतियों जैसे कि सिमेंटिक गैप का दूर करे आउर वीडियो सारांश प्रदान करे जेके अलग-अलग उपयोगकर्ता के लिए जादा प्रासंगिकता होखे। 2007 एल्सवीयर इंक. सब अधिकार सुरक्षित. |
5fc6817421038f21d355af7cee4114155d134f69 | |
f4ec256be284ff40316f27fa3b07531f407ce9fe | इ अध्ययन एक नया-संयुक्त ड्यूपोल सरणी एंटीना क रिपोर्ट करत है जवन छह ऑक्टेव बैंडविड्थ और 60 डिग्री स्कैनिंग के साथ काम करे खातिर है। इ पटल वर्तमान शीट पटल रेडिएटर अवधारणा का उपयोग करके पूर्ण-तरंग ईएम सिमुलेशन के माध्यम से डिजाइन का है, जो एक उपन्यास एकीकृत फीड नेटवर्क द्वारा उन्नत है। 0.3-20 GHz पर कई समतल और अनुरूप सरणी का प्रोटोटाइप निर्मित और परीक्षण किया गया है, सभी पूर्वानुमानित और मापा टर्मिनल और विकिरण सुविधाओं के बीच अच्छे समझौते के साथ। उदाहरण के लिए, 1.2-6 गीगाहर्ट्ज के लिए डिजाइन किए गए सरणी, अधिकतम ऑपरेशनल तरंगदैर्ध्य का 0.12 के साथ सापेक्ष रेडिएटर ऊंचाई। |
0be360a2964c4bb91aaad0cc6d1baa6639746028 | मनुष्य एक दृश्य मा चेहरा का पता लगाण अर पहचानण मा कम या कोई प्रयास नी च . बहरहाल, ई काम स्वचालित रूप से ज्वालामुखी से जांच कय लिया जाय, जवन की खुलत अहै । कई संबंधित उपसमस्याएं हैं: चेहरे का एक पैटर्न का पता लगाने के लिए । चेहरा की पहचान, चेहरा के भाव का विश्लेषण, और चेहरा की भौतिक विशेषताओं के आधार पर वर्गीकरण. एक प्रणाली जउन इ सबइ कार्य करत ह, ओनका कई काम देत ह, जइसे कि . . . आपराधिक पहचान, सुरक्षित प्रणालियों में प्रमाणीकरण, आदि। अब तक का ज्यादातर काम ब्यर्थ रहल . ई पेपर इन समस्यान् कय हल करय मा पिछला कार्य कय सर्वेक्षण करत अहै। इन समस्या कै सम्बन्ध मा मानव दृश्य प्रणाली कै क्षमता पै भी चर्चा कीन जात है । ई त स्वचालित रूप से ब्लोगिंग कय शुरुआत होय चुका अहै . . ई समस्यान् कय हल करय कै कुछ नया तरीका हियाँ संक्षेप मा बताय दिहा गा अहै । चेहरा का पता लगावा चेहरा पहचान चेहरा का भाव वर्गीकरण चेहरा का लच्छन |
4d899ebf7a3004fe550842830f06b4600d9c6230 | इ पेपर मा सिग्नल डिटेक्टिबिलिटी की समस्या का इलाज कीन गवा है: मान ल्या एक पर्यवेक्षक को एक निर्धारित अवलोकन अंतराल के दौरान समय के साथ बदलत वोल्टेज दिया जात है औ ई तय करै खातिर कहा जात है कि एकर स्रोत शोर है या सिग्नल प्लस शोर है। कौन से अवलोकनकर्ता का उपयोग इस निर्णय को लेने के लिए करे, अउर कौन से प्राप्तकर्ता का अवलोकन विधि का पालन करे? इ समस्या कय सैद्धांतिक पहलुअन कय चर्चा करय के बाद, कागज व्यावहारिक रुचि कय कई मामलन कय लिए इष्टतम रिसीवर कय विशिष्ट व्युत्पन्न प्रस्तुत करत है। रिसीवर जेकर आउटपुट अवलोकन अंतराल पर इनपुट वोल्टेज के संभावना अनुपात का मान है, दूसरे प्रश्न का उत्तर है, चाहे साहित्य में वर्तमान विभिन्न इष्टतम विधियों में से कौन सा नियोजित किया गया हो, जिसमें नीमन पियर्सन ऑब्जर्वर, सिगर्ट का आदर्श ऑब्जर्वर, और वुडवर्ड और डेविस का टिल्ऑब्जर्वर शामिल हैं। प्रत्येक ऑपरेटिंग लेवल से जुड़ी सशर्त संभावनाएं हैं कि उत्तर एक झूठा अलार्म है और डिटेक्शन की सशर्त संभावना है। इ मात्रा कय ग्राफ, जे रिसीवर संचालन विशेषता या आरओसी, वक्र कहलावत है, एक रिसीवर कय मूल्यांकन करय कय लिए सुविधाजनक अहै। अगर पता लगावे की समस्या बदल जाये, उदाहरण के लिए, सिग्नल पावर, तब आरओसी वक्र का एक परिवार उत्पन्न होता है। ऐसन चीज जइसे सट्टेबाजी वक्र आसानी से ऐसन परिवार से मिल सकत हय। अवलोकनकर्ता का चयन करें कि कौन सी विशेष स्थिति में उपयोग की जाए वाली ऑपरेटिंग लेवल है। इकर चयन गलत अलार्म दर, पूर्वानुमानित संभावनाएं, अउर त्रुटियन के सापेक्ष महत्व जइसन कारक पर निर्भर करी. इन सैद्धांतिक पहलुओं के साथ परिचय के रूप मा काम कर रहे हैं, संभावना अनुपात के लिए स्पष्ट सूत्रों का व्युत्पन्न करने पर ध्यान दिया जाता है, और कई विशेष मामलों के लिए, पता लगाने की संभावना और गलत अलार्म की संभावना के लिए। स्थिर, बैंड-सीमित, सफेद गॉसियन शोर माना जाता है.. सात विशेष मामला जवन प्रस्तुत करल गइल रहे ऊ सिग्नल डिटेक्शन में सबसे सरल समस्या से चुनल गइल रहे जवन व्यावहारिक स्थिति के करीब से प्रतिनिधित्व करत बा. जब सिग्नल का प्रारंभ समय, सिग्नल आवृत्ति, या दोनों, l l & TlOUn है, तो पता लगाने की संभावना खोजने की महत्वपूर्ण समस्या का सबसे अच्छा उपलब्ध अनुमान का आधार दो मामले हैं। एकर अलावा, इन दुन्नो मामलन मा संकेत की अनिश्चितता भिन्न होवे है, और अनिश्चितता और संकेत का पता लगाने की क्षमता के बीच एक मात्रात्मक संबंध भी इन दुन्नो मामलन मा सामान्य रूप से प्रस्तुत कीन जात है। प्रस्तुत उदाहरण कय विविधता से संकेत पय पहुँचय वाले अन्य सरल समस्या कय हल करय कय खातिर अउर सीधे समाधान करय कय अनुमति नाइ देवे वाले समस्या कय बारे मा जानकारी देवे कय खातिर प्रयोग कै जाये। |
5140f1dc83e562de0eb409385480b799e9549d54 | बनावट एक छवि मा रुचि का वस्तु या क्षेत्र को पहिचान मा प्रयोग महत्वपूर्ण विशेषताहरु मध्ये एक हो, चाहे छवि एक photomicrograph, एक हवाई फोटो, या एक उपग्रह छवि हो। ई पेपर ग्रेटोन स्थानिक निर्भरता पर आधारित कुछ आसानी से गणना योग्य बनावट सुविधाओं का वर्णन करता है, और तीन अलग-अलग प्रकार के छवि डेटा के श्रेणी पहचान कार्यों में उनके आवेदन को दर्शाता हैः पांच प्रकार के बलुआ पत्थर का फोटोमाइक्रोग्राफ, आठ भूमि उपयोग श्रेणियों का 1:20 000 पैनक्रोमैटिक हवाई फोटोग्राफ, और सात भूमि उपयोग श्रेणियों वाली पृथ्वी संसाधन प्रौद्योगिकी उपग्रह (ईआरटीएस) बहु-प्रजाति छवियां। हम दुइ तरह कय निर्णय नियम कय प्रयोग करत है: एक जेह कय निर्णय क्षेत्र उत्तल बहुफलक (एक टुकड़ा रैखिक निर्णय नियम) होय, औ दूसर जेह कय निर्णय क्षेत्र आयताकार समानांतर पाइपेड (एक न्यूनतम-अधिकतम निर्णय नियम) होय । प्रत्येक परीक्षण मा डेटा सेट दुई भाग मा विभाजित थियो, एक प्रशिक्षण सेट र एक परीक्षण सेट। परीक्षण सेट का पहचान सटीकता फोटोमाइक्रोग्राफ के लिए 89 प्रतिशत, हवाई फोटोग्राफिक इमेजरी के लिए 82 प्रतिशत, और उपग्रह इमेजरी के लिए 83 प्रतिशत है। ई परिणाम ई दर्सावत है कि आसानी से गणना की जाए वाली बनावट वाले विशेषता संभवतः कई अलग-अलग छवि-वर्गीकरण अनुप्रयोगों खातिर एक सामान्य अनुप्रयोग का है। |
6513888c5ef473bdbb3167c7b52f0985be071f7a | एक तीन-परत तंत्रिका नेटवर्क का वर्णन है जो दो-आयामी असतत संकेतों को छवि विश्लेषण, विभाजन, और संपीड़न के लिए सामान्यीकृत गैर-असतत 2-डी गैबोर प्रतिनिधित्व में बदल रहा है। इ परिवर्तन संयुक्त स्पैट iahpectral प्रतिनिधित्व [lo],[15] हैं, जउन वैश्विक 2-D स्थानिक निर्देशांक के भीतर स्थानीय रूप से खिड़की वाला 2-D वर्णक्रमीय निर्देशांक के संदर्भ में एक पूर्ण छवि विवरण प्रदान करत हैं। काहे से कि चित्र के भीतर आंतरिक अतिरेक का पुनः निष्कर्षण किया जात है, परिणामस्वरूप छवि कोड बहुत संक्षिप्त हो सकत हैं। हालांकि, इ संयुक्त परिवर्तन कम्पनियों मा आसानी से हल किया जा सकता है काहेकी एकर अतिरिक्त अतिरिक्त अतिरिक्त कोरियोग्राफिक्स शामिल हैं। बास्टियन द्वारा 1-डी सिग्नल के खातिर विकसित एगो ओर्गोनॉमिक दृष्टिकोण, जैव-असामान्य विस्तार पर आधारित बा, संयुक्त नमूना दर और खिड़की फलन की अपरिवर्तनीयता पर प्रतिबंध द्वारा सीमित बा, साथ ही साथ ई तथ्य से कि सहायक ऑर्थोगोनालाइजिंग फलन गैर-स्थानीय अनंत श्रृंखला हैं। वर्तमान "न्यूरल नेटवर्क" दृष्टिकोण मा, निश्चित वजन संग दुई तहहरु र समायोज्य वजन संग एक तह शामिल interlaminar अन्तरक्रिया मा आधारित, नेटवर्क यी प्रतिबंधक शर्तहरु बिना पूर्ण संयुक्त 2-डी Gabor परिवर्तन को लागी गुणांक पाउँछ। मनमाना अधूरा रूपांतरण खातिर, जवने में गुणांक के अर्थ बस इमेज में कुछ विशेषताओं की उपस्थिति का संकेत देहे के रूप में समझा जा सकत है, नेटवर्क छवि का प्रतिनिधित्व करे मा न्यूनतम माध्य-वर्ग-त्रुटि के अर्थ में इष्टतम गुणांक पाथे. एक बीजगणितीय रूप से पूर्ण योजना मा सटीक पुनर्निर्माण की अनुमति देत है, नेटवर्क विस्तार गुणांक पाता है कि पिक्सेल प्रतिनिधित्व मा 7.57 से 2.55 मा पूरा 2-डी गॅबर परिवर्तन मा एन्ट्रोपी को कम। एक एकल अंतर्निहित 2-डी गॅबर वेवलेट टेम्पलेट का एक जैविक रूप से प्रेरित लॉग-ध्रुवीय संयोजन, घूर्णन, और अनुवाद पर आधारित "वेवलेट" विस्तारों में, छवि संपीड़न 20: 1 तक के अनुपात के साथ चित्रित है। पूर्ण 2-डी गॅबर रूपांतरण मा गुणांक के समूह के आधार पर छवि विभाजन भी दिखाया गयल हौवे। उपयोगी गैर-असत्य छवि परिवर्तन लागू करने के लिए इ गुणांक-खोज नेटवर्क का न्यूरोसाइंटिफिक प्रासंगिकता भी हो सकत है, काहे से कि निश्चित वजन वाले नेटवर्क परतें वजन वाले कार्यों के रूप में बिल्ली दृश्य कॉर्टेक्स में अभिविन्यास-चयनात्मक न्यूरॉन्स से प्राप्त अनुभवजन्य 2-डी रिसेप्टिव फील्ड प्रोफाइल का उपयोग करती हैं, और परिणामस्वरूप परिवर्तन वैश्विक स्थानिक निर्देशांक के भीतर कोणीय और वर्णक्रमीय विश्लेषण को एम्बेड करने की जैविक दृश्य रणनीति की नकल करता है। |
ba0164fe77d37786eca4cfe1a6fbc020943c91a2 | ललित प्रबंधन (एल.एम.) परस्पर संबंधित सामाजिक-तकनीकी प्रथाओं की एक जटिल प्रणाली पर आधारित प्रक्रियाओं का सुधार करने का एक प्रबंधकीय दृष्टिकोण है। हाल मा, बहस LM मा संगठनात्मक संस्कृति (OC) को भूमिका मा केन्द्रित छ। इ पेपर का उद्देश्य इ डिबेट में योगदान करना है कि क्या सफल एलएम लागू करने वाले संयंत्र एक विशिष्ट ओसी प्रोफाइल द्वारा चिह्नित हैं और क्या व्यापक रूप से नरम एलएम प्रथाओं का अपनाया जा रहा है। उच्च प्रदर्शन विनिर्माण (एचपीएम) परियोजना डेटासेट से डेटा का एक बहु-समूह दृष्टिकोण का उपयोग करके विश्लेषण किया गया। नतीजा ई निकारल कि एक विशिष्ट ओसी प्रोफ़ाइल सफल दुबला पौधा क विशेषता देत है; विशेष रूप से, जब असफल दुबला पौधों की तुलना में, उ उच्च संस्थागत सामूहिकता, भविष्य की ओर उन्मुख, एक मानवीय उन्मुखीकरण, और एक कम आत्म-विश्वास का स्तर दिखाते हैं। जबकि संस्थागत सामूहिकता का एक उच्च स्तर, भविष्य उन्मुखीकरण, और मानवीय उन्मुखीकरण सामान्य रूप से उच्च प्रदर्शन वाले लोगों की सामान्य विशेषताएं हैं, आत्म-विश्वास का एक निम्न स्तर केवल सफल दुबला पौधों का विशिष्ट है। एकर अलावा, सफल दुबला संयंत्र नरम एलएम प्रथाओं का अधिक व्यापक रूप से उपयोग करते हैं, जब कि असफल दुबला संयंत्र (यानी, लोगन अउर रिश्तों से संबंधित दुबला प्रथाओं, जैसे कि छोटे समूह की समस्या का समाधान, कई कार्यों का प्रदर्शन करने के लिए कर्मचारियों का प्रशिक्षण, आपूर्तिकर्ता साझेदारी, ग्राहक भागीदारी, और निरंतर सुधार), जबकि वे हार्ड एलएम प्रथाओं (यानी, दुबला तकनीकी और विश्लेषणात्मक उपकरण) के संदर्भ में काफी भिन्न नहीं हैं। प्रबंधक खातिर, परिणाम बतावत है कि, सफलतापूर्वक एलएम लागू करेक खातिर, इ मौलिक रूप से महत्वपूर्ण बा कि तकनीकी पहलुअन से आगे बढ़के, नरम प्रथाओं का अपनायेक अउर उपयुक्त ओसी प्रोफ़ाइल के विकास का बढ़ावा देई। |
ab614b5712d41433e6341fd0eb465258f14d1f23 | आवर्ती तंत्रिका नेटवर्क (RNN) मॉडल का व्यापक रूप से एक गुप्त पेड़ संरचना द्वारा शासित अनुक्रमिक डेटा प्रसंस्करण के लिए उपयोग किया जाता है। पिछला काम से पता चला है कि आरएनएन मॉडल (विशेष रूप से लॉन्ग शॉर्ट-टर्म मेमोरी (एलएसटीएम) आधारित मॉडल) अंतर्निहित ट्री स्ट्रक्चर का शोषण करना सीख सकता है। हालांकि, एकर प्रदर्शन नियमित रूप से खराब रहा है, साथ ही साथ प्रतिरक्षा प्रणाली का खराब प्रदर्शन भी रहा है। इ काम एक नया अनुनासिक पूर्वाग्रह ऑर्डर न्यूरॉन्स का प्रस्ताव करत है, जवन छुपा हुआ राज्य न्यूरॉन्स के बीच आवृत्ति का अद्यतन करे का आदेश देत है. हम देखब कि अनुक्रमिक न्यूरॉन्स स्पष्ट रूप से लैंटेंट ट्री संरचना का पुनरावर्ती मॉडल में एकीकृत कर सकत हैं। इ उद्देश्य से, हम एक नई RNN इकाई का प्रस्ताव करत हैंः ON-LSTM, जउन चार अलग-अलग कार्य पर अच्छा प्रदर्शन करत हैः भाषा मॉडलिंग, अनसुरीक्षित पार्सिंग, लक्षित वाक्यविन्यास मूल्यांकन, अउर तार्किक अनुमान1. |
a9f9a4dc25479e550ce1e0ddcbaf00743ccafc29 | शायद संभावना का सबसे सरल और सबसे बुनियादी गुणात्मक नियम संयोजन नियम हैः संयोजन की संभावना, P ((A&B), अपने घटक की संभावनाओं से अधिक नहीं हो सकती है, P ((A) और .P ((B), क्योंकि संयोजन का विस्तार (या संभावना सेट) अपने घटक के विस्तार में शामिल है। हालांकि, अनिश्चितता के तहत निर्णय अक्सर इनक्यूबेटर मा वापिस लइ जावा जात है ताकि वै एक समुदाय का फिर से बनाय सकैं, इनक्यूबेटर एक डंपिंग प्रोजेक्ट ना हुवै जौन परित्यक्त परियोजनऽन् का होस्ट करत है। एक संयोजन अपने घटकों से अधिक प्रतिनिधि हो सकता है, और एक विशिष्ट श्रेणी के उदाहरण आसानी से एक अधिक समावेशी श्रेणी के उदाहरणों की तुलना में कल्पना या पुनः प्राप्त की जा सकती है। इ खातिर, प्रतिनिधि अउर् उपलब्धता हेरिस्टिक्स एक संयोजन का ओकर घटक से अधिक संभावना देखाइ सकत ह. इ घटना कई संदर्भों मा प्रदर्शित होत है, जइसै कि शब्द आवृत्ति का अनुमान, व्यक्तित्व का निर्णय, चिकित्सा पूर्वानुमान, जोखिम के तहत निर्णय, आपराधिक कृत्यों का संदेह, और राजनीतिक पूर्वानुमान। संयोजन नियम का व्यवस्थित उल्लंघन विषय-विशिष्ट अउर विषय-विशिष्ट तुलना दोनों के बीच आम जनता अउर विशेषज्ञों के निर्णयों में देखाई दिहा जात है। संयोजन भ्रम की वैकल्पिक व्याख्याओं पर चर्चा की गई है अउर एकर मुकाबला करे के प्रयास कीन गवा है। |
5dbb8f63e9ac926005037debc5496e9949a3885f | एक घुसपैठ का पता लगाने मूल्यांकन परीक्षण बेड विकसित किया गया था जो एक सामान्य यातायात उत्पन्न करता है जो कि एक सरकारी साइट पर समान है, जिसमें 100 से अधिक उपयोगकर्ता 1000 से अधिक मेजबानों पर हैं। सात सप्ताह के प्रशिक्षण डेटा अउर दुई सप्ताह के परीक्षण डेटा में पीडित UNIX मेजबान के खिलाफ 38 अलग-अलग स्वचालित हमला के 300 से अधिक उदाहरण लॉन्च कईल गयल रहे। छह शोध समूह अंध मूल्यांकन मा भाग लीन अउर परिणाम जांच, सेवा से इनकार (डीओएस), दूर से स्थानीय (आर2एल), अउर उपयोगकर्ता से जड़ (यू2आर) हमला खातिर विश्लेषण का गवा। सबसे अच्छा सिस्टम प्रशिक्षण डेटा में शामिल पुराने हमलों का पता लगा रहा है, औसत पर पता लगाने की दर 63% से 93% तक है, प्रति दिन 10 गलत अलार्म की दर से गलत अलार्म का पता लगा रहा है। जांच दर नई अउर उपन्यास R2L अउर DoS हमला के लिए बहुत बुरा रहे जेके केवल परीक्षण डेटा में शामिल रहे। सबसे अच्छा सिस्टम इन नए हमलों का लगभग आधा का पता लगा सका, जौन कि रुट-लेवल विशेषाधिकार पर दूरस्थ उपयोगकर्ता द्वारा क्षतिग्रस्त पहुंच शामिल रही। इ नतीजा इ बताय देत है कि आगे के शोध मा नियम-आधारित कंप्यूटर के विस्तार के बजाय नवा हमला के खोज करे खातिर तकनीक विकसित करे पर ध्यान केंद्रित करेक चाही। |
cd3f32418cbacc65357f7436a2d4186c634f024a | |
0d4fef0ef83c6bad2e14fe4a4880fa153f550974 | ओपन डोमेन लक्षित भावना संयुक्त सूचना निष्कर्षण कार्य है जो लक्षित उल्लेखों का एक साथ भावना के साथ पाठ कोरपस से प्रत्येक उल्लेख का पता लगाता है। कार्य आमतौर पर एक अनुक्रम लेबलिंग समस्या के रूप मा मॉडल कीन जात है, औ सीआरएफ जैसन अत्याधुनिक लेबलर का उपयोग करके हल कीन जात है। हम अनुभव से शब्द एम्बेडिंग का प्रभाव का अध्ययन करें और स्वचालित सुविधा संयोजन कार्य पर एक सीआरएफ आधार रेखा का विस्तार न्यूरल नेटवर्क का उपयोग करके, जो भावना विश्लेषण के लिए बड़ी क्षमता का प्रदर्शन किया है। नतीजा इ दिखावा करत है कि न्यूरल मॉडल बेहतर परिणाम दे सकता है, जब तक की याददाश्त काफी हद तक न बढ़ जाए। एकर अतिरिक्त, हम ई विसय कय उल्लेख करय चाहा जात है कि ई कइसे होत है, अउर एकर मतलब का अहै कि ई कइसे होत है। |
00b69fcb15b6ddedd6a1b23a0e4ed3afc0b8ac49 | डोमेन अनुकूलन एल्गोरिदम एक नया लक्ष्य डोमेन मा एक स्रोत डोमेन मा प्रशिक्षित एक मोडेल सामान्यीकरण को लागी खोज। कई व्यावहारिक मामला मा, स्रोत अउर लक्ष्य वितरण काफी हद तक अलग हो सकत हैं, अउर कुछ मामलन मा महत्वपूर्ण लक्ष्य सुविधाएं स्रोत डोमेन मा समर्थन ना कर सकत हैं। इ पेपर मा हम एक एल्गोरिथ्म शुरू करत हौ जउन स्रोत औ लक्ष्य डोमेन के बीच के अंतर को कम करत हौ धीरे धीरे प्रशिक्षण सेट मा लक्ष्य सुविधाओं औ उदाहरणों को जोड़कर जेहमा वर्तमान एल्गोरिथ्म सबसे अधिक भरोसा रखत हौ। हमार एल्गोरिथ्म सह-प्रशिक्षण का एक रूप है, अउर हम एकर नाम कोडा (डोमेन अनुकूलन खातिर सह-प्रशिक्षण) रखत है। मूल रूप से सह-प्रशिक्षण कार्य के विपरीत, हम अपने विशेष कार्य का विसेस रूप से विभाजित नहीं करते हैं। एकरे बजाय, हम सह-प्रशिक्षण का हर पुनरावृत्ति के लिए, एक एकल अनुकूलन समस्या का सूत्रपात करत हैं, जउन एक साथ लक्ष्य भविष्यवाणी सीखत है, विजुअल स्पेस का विभाजन, अउर स्रोत अउर लक्ष्य सुविधाओं का एक उपसमूह भविष्यवाणी में शामिल करे खातिर। CODA ब्लिट्जर एट अल का 12 डोमेन बेंचमार्क डेटा सेट पर अत्याधुनिक प्रदर्शन से काफी बेहतर है। [4] अउर जानकारी वास्तव मा, लक्ष्य पर्यवेक्षण को एक विस्तृत श्रृंखला मा (85 तुलना मा 65) CODA सबै भन्दा राम्रो प्रदर्शन प्राप्त गर्दछ। |
2254a9c8e0a3d753ce25d4049e063e0e9611f377 | इ पत्र मा, एक स्लॉट लाइन सब्सट्रेट एकीकृत वेव गाइड संक्रमण सब्सट्रेट एकीकृत सर्किट के विकास के लिए प्रस्तावित है। बैक-टू-बैक संक्रमण का सम्मिलन हानि 8.7 से 9.0 गीगाहर्ट्ज से 1 डीबी से कम है। इ बदलाव के साथ, एक ठो सपाट जादू-टी का अध्ययन और डिजाइन करल गइल बा। माप परिणाम बताय देत है कि प्रयोगात्मक आवृत्ति रेंज 8.4-9.4 GHz के भीतर निर्मित जादू-टी का बहुत अच्छा प्रदर्शन देखाइ देत है। आयाम अउर चरण असंतुलन क्रमशः 0.2 डीबी अउर 1.5 डिग्री से कम हैं। |
f98990356a62e05af16993a5fc355a7e675a3320 | उद्देश्य पेरोनी रोग से निकले पेनिस कर्व्ट्यूशन वाले पुरूषन खातिर एक समान इलाज के रूप मा न्यूनतम रूप से आक्रामक तकनीक, पेनोस्क्रोटल प्लीकेशन (पीएसपी) का उपयोग करे के हमार 4 साल का अनुभव प्रस्तुत करे खातिर। मरीज अउर विधि पेनिस क घुमाव वाले 48 लोगन (औसत आयु 58. 7 साल) मा पेनिस क घुमाव के विपरीत ट्यूनिका अल्बुगिना का कई गैर- अवशोषित सूटर्स के साथ जोड़कर पुनर्निर्माण करल गयल रहे। पेनिस की डिग्री या दिशा की परवाह किए बिना, सभी मरीज पेनिस की कमी से बिना एक छोटे पेनोस्क्रोटल चीर के संपर्क करे। पेनिस शाफ्ट एंगल अउर स्ट्रेच पेनिस लंबाई का विस्तृत माप रिकॉर्ड अउर पुननिर्माण से पहिले अउर बाद में विश्लेषण करल गयल, अउर सुधार खातिर जरूरी टांके क संख्या दस्तावेज करल गयल. परिणाम लगभग सभी मरीजन का डीआरएस अउर/या साइड विकृति रहा जवन वेंट्रल पेनोस्क्रोटल इन्सिजन के माध्यम से आसानी से ठीक होई गवा रहा। सुधार की मध्य (रेंज) डिग्री 28 (18-55) डिग्री थी और उपयोग किए गए टांके की संख्या 6 (4-17) थी। पेनिस लम्बाई मापने से पहिले और बाद मा plication कोई महत्वपूर्ण अंतर नहीं दिखाया गया था। एकल पीएसपी प्रक्रिया 45/48 (93%) मरीजन मा सफल रही; दु सुधार से असंतुष्ट रहेन, एक पुनरावृत्ति प्लीकेशन रहा, अउर दूसर एक पेनिस प्रोस्थेसिस; एक अन्य को दर्द के लिए suture रिलीज की आवश्यकता थी। निष्कर्षः पीएसपी का सुरक्षित अउर प्रभावकारी निदान जरूरी बा अउर अगर कउनो रोगी दुइ-फलक या गम्भीर रूप से विकलांग अहइ त उ ओकर इलाज जरूर कराइ लेइ। |
5264ae4ea4411426ddd91dc780c2892c3ff933d3 | वैरिएबल अउर फीचर सिलेक्शन एप्लीकेशन के क्षेत्र मा बहुत खोज का फोकस बन गवा है, जेहके लिए दस या सैकड़ों वैरिएबल वाले डेटासेट उपलब्ध हैं। इ क्षेत्र में इंटरनेट दस्तावेज़ों का पाठ प्रसंस्करण, जीन अभिव्यक्ति का विश्लेषण, अउर संयोजक रसायन शामिल हैं। चर चयन का उद्देश्य तीन गुना हैः पूर्वानुमान का प्रदर्शन सुधार, तेजी से और अधिक लागत प्रभावी पूर्वानुमान प्रदान करना, और डेटा उत्पन्न करने वाली अंतर्निहित प्रक्रिया की बेहतर समझ प्रदान करना। इ विशेष अंक कय योगदान इ समस्या कय व्यापक पहलू कय कवर करत हैः उद्देश्य कार्य कय बेहतर परिभाषा, सुविधा निर्माण, सुविधा रैंकिंग, बहु-चरणीय सुविधा चयन, कुशल खोज विधियन, अउर सुविधा वैधता मूल्यांकन विधियन का प्रदान करत है। |
a0a9390e14beb38c504473c3adc857f8faeaebd2 | इ पेपर डिजिटल रंगीन छवियों मा मानव चेहरे का स्वचालित रूप से पता लगाने की एक तकनीक प्रस्तुत करत है। इ दु-चरणीय प्रक्रिया है जवन पहिले रंग छवि मा मानव त्वचा वाले क्षेत्र का पता लगावत है और फिर इन क्षेत्रन से जानकारी निकालत है जवन छवि मा एक चेहरा का स्थान बता सकत है। त्वचा का पता लगाने एक त्वचा फिल्टर का उपयोग कर रहा है जो रंग और बनावट जानकारी पर निर्भर है. चेहरा का पता लगाने वाला केवल त्वचा के पता लगाए गए क्षेत्रों पर ग्रेस्केल छवि पर किया जाता है। थ्रेश होल्डिंग अउर गणितीय रूपरेखा का संयोजन वस्तु सुविधाओं का निकाले खातिर प्रयोग करल जाला जवन चेहरा की उपस्थिति का संकेत देत है. परीक्षण के परिणाम से पता चलता है कि सभी लोग एक बड़ी चेन का हिस्सा हैं। |
27f366b733ba0f75a93c06d5d7f0d1e06b467a4c | |
9b90cb4aea40677494e4a3913878e355c4ae56e8 | युग्मित गतिशील प्रणालियों का नेटवर्क जैविक ऑसिलेटर, जोसेफसन जंक्शन सरणी, उत्तेजित मीडिया, तंत्रिका नेटवर्क, स्थानिक गेम, आनुवंशिक नियंत्रण नेटवर्क और कई अन्य स्व-संगठित प्रणालियों का मॉडल बनाने के लिए उपयोग किया गया है। आम तौर पे, कनेक्शन टोपोलॉजी या तो पूरी तरह से नियमित रूप से या पूरी तरह से रैंडम (रैंडम) रूप से माना जाता है। पर कई जैविक, तकनीकी अउर सामाजिक नेटवर्क इन दोहन के बीच बीचे मा स्थित अहैं। इ जगह हम नेटवर्क के सरल मॉडल का पता लगावत है जवन कि इ मध्य जमीन के माध्यम से ट्यून करल जा सकत है: नियमित नेटवर्क rewired अराजकता के बढ़त मात्रा का परिचय देवे खातिर। हम पाते हैं कि इ प्रणालियां बहुत ही क्लस्टर हो सकत हैं, जैसे नियमित जाली, फिर भी छोटे विशेषता पथ लंबाई है, जैसे यादृच्छिक ग्राफ. हम इनका छोटी दुनिया नेटवर्क कहत हैं, जवन की छोटी दुनिया घटना (जेके लोग छठी डिग्री के अलगाव के रूप मा जानल जात है) के साथ समानता से है। कीड़ा कैनोरहाबिडिटिस एलेगन्स का तंत्रिका नेटवर्क, पश्चिमी संयुक्त राज्य अमेरिका का बिजली ग्रिड, अउर फिल्म अभिनेताओं का सहयोग ग्राफ छोटे-विश्व नेटवर्क देखाई दिहा है। छोटे-दुनिया युग्मन के साथ गतिशील प्रणालियों का मॉडल संवर्धित संकेत-प्रसारण गति, कम्प्यूटेशनल शक्ति, और सिंक्रनाइज़ेबिलिटी प्रदर्शित करता है। विशेष रूप से, छोटे-विश्व नेटवर्क सामान्य रूप से जाली वाले नेटवर्क से काफी हद तक आसान तरीके से फैलता है। |
00d23e5c06f90bed0c9d4aec22babb2f7488817f | हम प्रस्तावित की हई कि एक पर्यवेक्षित मैट्रिक्स फैक्टराइजेशन दृष्टिकोण का उपयोग करके ग्राफ में लिंक पूर्वानुमान समस्या का हल करें। मॉडल एक (संभवतः निर्देशित) ग्राफ की टोपोलॉजिकल संरचना से लुप्त विशेषताओं का सीखता है, और लोकप्रिय अनसुपरवाइज्ड स्कोर की तुलना में बेहतर भविष्यवाणियां दिखाता है। हम देखब कि ई लपेट-बढ़ावा फीचर का काहें से जोड़ल जा सकत बा, अउर वैकल्पिक रूप से नोड या किनारे खातिर स्पष्ट फीचर के साथ, जवन कि विशेष रूप से कउनो प्रकार के फीचर के उपयोग करे से बेहतर प्रदर्शन करत बा. अंत मा, हम रैंकिंग हानि के लिए सीधे अनुकूलन द्वारा लिंक भविष्यवाणी मा आम छ कि वर्ग असंतुलन समस्या का समाधान करे खातिर एक नया दृष्टिकोण प्रस्तावित करत हैं। हमार मॉडल स्टोचस्टिक ग्रेडिएंट डिसेंट अउर बड़े ग्राफ तक मापने खातिर अनुकूलित है. कई डेटा सेट पर परिणाम, हमारी विधि की प्रभावशीलता का संकेत है। |
04fa47f1d3983bacfea1e3c838cf868f9b73dc58 | इ पेपर मा, हम एक नवाचार प्रस्तुत करत हैं चेहरा का पता लगाने के दृष्टिकोण एक संवहन तंत्रिका वास्तुकला पर आधारित है, जो कि अत्यधिक चर चेहरा पैटर्न का पता लगाने के लिए डिज़ाइन किया गया है, छवि विमान मा /spl प्लसmn / 20 डिग्री तक घुमाया गया है और /spl प्लसmn / 60 डिग्री तक बदल दिया गया है, जटिल वास्तविक दुनिया छवियों मा। प्रस्तावित प्रणाली स्वचालित रूप से चेहरा अउर गैर-चेहरा पैटर्न के प्रशिक्षण सेट से सरल समस्या-विशिष्ट सुविधा निकाय का संश्लेषण करत है, बिना कौनो धारणा बनाए या चेहरा पैटर्न के निकाले या विश्लेषण करे वाले क्षेत्रों के बारे में कौनो हाथ से बनाए गए डिज़ाइन का उपयोग करे बिना। चेहरा का पता लगावे वाली प्रक्रिया साधारण संवहन अउर उप-नमूना माड्यूल की पाइपलाइन की तरह काम करत है जउन कच्चे इनपुट छवि का एक पूरे के रूप मा व्यवहार करत है। इहिसे हम देखब की एक कुशल चेहरा पहचान प्रणाली का छवि क्षेत्रन के वर्गीकरण से पहिले कौनो खर्चीला स्थानीय पूर्व-प्रसंस्करण क आवश्यकता नाहीं होत है। प्रस्तावित योजना कठिन परीक्षण सेट पर दिखाए गए गलत सकारात्मक के एक विशेष रूप से कम स्तर के साथ बहुत उच्च खोज दर प्रदान करती है, कठिन मामलों के प्रबंधन के लिए कई नेटवर्क का उपयोग करने की आवश्यकता के बिना। हम व्यापक प्रयोगात्मक परिणाम प्रस्तुत करत हई जेमे कठिन परीक्षण सेट पर प्रस्तावित दृष्टिकोण क दक्षता पर प्रकाश डाला गवा ह अउर चेहरे पैटर्न क भिन्नता की डिग्री क संबंध मा गहराई से संवेदनशीलता विश्लेषण भी शामिल ह। |
cf8f95458591e072835c4372c923e3087754a484 | हम गॉसियन प्रक्रिया मॉडल का एक नया मिश्रण प्रस्तावित करत हैं, जेहमा गेटिंग फ़ंक्शन एक संभाव्य तार्किक मॉडल से जुड़ा हुआ है, हमरे मामले में मार्कोव तार्किक नेटवर्क. इ तरह से, परिणामी मिश्रित ग्राफिकल मॉडल, जेका मार्कोव लॉजिक मिश्रण का गॉसियन प्रक्रियाओं (MLxGP) कहा जात है, संयुक्त बेयसी गैर-पैरामीटर प्रतिगमन और संभाव्य संबंधपरक अनुमान कार्यों का हल करता है। बदले मा, MLxGP उपन्यास, रोचक कार्य जैसे कि तार्किक बाधाओं पर आधारित प्रतिगमन या प्रतिगमन डेटा के बारे मा संभाव्य तार्किक निष्कर्ष निकालन की सुविधा प्रदान करत है, इ प्रकार प्रतिगमन डेटा को पढ़ने वाली मशीनों को पहुंच मा रखती है। |
548bc4203770450c21133bfb72c58f5fae0fbdf2 | हम तीन आयामी जगह पर वस्तुओं का पता लगाने के लिए एक प्रणाली का वर्णन करते हैं वीडियो और जड़ता सेंसर (एक्सेलेरोमीटर और जाइरोमीटर) का उपयोग करते हुए, आधुनिक मोबाइल प्लेटफार्मों से फोन से ड्रोन तक हर जगह मौजूद है। इनरशियल वस्तुओं खातिर वर्ग-विशिष्ट पैमाना पूर्वनिर्धारित करे की क्षमता प्रदान करत हैं, अउर एक वैश्विक अभिविन्यास संदर्भ प्रदान करत हैं। एक न्यूनतम पर्याप्त प्रतिनिधित्व, अंतरिक्ष मा वस्तुओं का अर्थ (पहचान) और वाक्यविन्यास (पोज) गुणों का पिछला, एक ज्यामितीय शब्द मा विघटित किया जा सकता है, जौन एक स्थानीयकरण-और-मैपिंग फ़िल्टर द्वारा बनाए रखा जा सकता है, और एक संभावना समारोह, जौन एक भेदभावपूर्ण रूप से प्रशिक्षित संवहन तंत्रिका नेटवर्क द्वारा अनुमानित किया जा सकता है। परिणामी प्रणाली वास्तविक समय में वीडियो स्ट्रीम का कारण से संसाधित कर सकती है, और दृश्य में वस्तुओं का एक प्रतिनिधित्व प्रदान करती है जो लगातार हैः वस्तुओं की उपस्थिति में विश्वास सबूत के साथ बढ़ता है, और पहले देखी गई वस्तुओं को स्मृति में रखा जाता है, भले ही अस्थायी रूप से occluded, उनके दृश्य में वापस आने के साथ स्वचालित रूप से प्राइम री-डिटेक्शन के लिए अनुमानित किया जाता है। |
e2176d557793b7e2b80d8e5ec945078441356eb8 | क्लस्टरिंग एल्गोरिथ्म एक तरह का महत्वपूर्ण तकनीक है जेकर उपयोग ऊर्जा की खपत कम करे खातिर कीन जात है। इ नेटवर्क का विस्तार और जीवनकाल भी बदल सकत है। ऊर्जा कुशल क्लस्टरिंग प्रोटोकॉल का डिज़ाइन विषम वायरलेस सेंसर नेटवर्क की विशेषता के लिए किया जाना चाहिये। हम प्रस्तावित अउर मूल्यांकन नई वितरित ऊर्जा कुशल क्लस्टरिंग योजना के लिए विषम वायरलेस सेंसर नेटवर्क, जौन डीईईसी कहा जात है। डीईईसी मा, क्लस्टर-हेड्स का चयन प्रत्येक नोड की अवशिष्ट ऊर्जा और नेटवर्क की औसत ऊर्जा के बीच अनुपात के आधार पर एक संभावना से किया जाता है। नोड्स के लिए क्लस्टर-हेड होने का युग उनके प्रारंभिक अउर अवशिष्ट ऊर्जा के अनुसार अलग-अलग होत हैं। उच्च प्रारंभिक अउर अवशिष्ट ऊर्जा वाले नोड्स मा कम ऊर्जा वाले नोड्स के तुलना मा क्लस्टर-हेड्स होवे की अधिक संभावना होत है। अंत मा, सिमुलेशन परिणाम से पता चला है कि डीईईसी गैर-समान वातावरण मा वर्तमान महत्वपूर्ण क्लस्टरिंग प्रोटोकॉल की तुलना मा अधिक समय तक जीवनकाल और अधिक प्रभावी संदेश प्राप्त करत है। 2006 एल्सवियर बी.वी. सब अधिकार सुरक्षित. |
5bc848fcbeed1cffb55098c4d7cef4596576e779 | वायरलेस सेंसर नेटवर्क जइसे बढ़त जात हैं, वैसा ही प्रभावी सुरक्षा तंत्र के जरूरत बढ़ जात हैं। चूँकि सेंसर नेटवर्क संवेदनशील डाटा के साथ बातचीत कर सकत हैं औ/या शत्रुतापूर्ण बिना निगरानी वाले वातावरण मा काम कर सकत हैं, इ जरुरी है कि इन सुरक्षा चिंताओं का सिस्टम डिज़ाइन के शुरुआत से ही ध्यान दिया जाए। हालांकि, अंतर्निहित संसाधन अउर कम्प्यूटिंग बाधाओं के कारण, सेन्सर नेटवर्क में सुरक्षा पारंपरिक नेटवर्क/कंप्यूटर सुरक्षा से अलग चुनौतियों का सामना करत है। वायरलेस सेंसर नेटवर्क सुरक्षा के क्षेत्र मा वर्तमान मा काफी खोज संभव च । इ प्रकार से, इ क्षेत्र के बरे आवेदन पत्र बहुत जरूरी अहै अउर इनक्यूबेटर एक वैध भाषा के रूप मा काम करत है। इहि बिषय मा ध्यान देके, हम वायरलेस सेंसर नेटवर्क सुरक्षा मा प्रमुख विषयों का सर्वेक्षण करें, सेंसर सुरक्षा मा बाधाओं औ आवश्यकताओं का प्रस्तुत करें, वर्तमान हमलों का वर्गीकरण करें, औ अंत मा उनके संबंधित रक्षात्मक उपायों की सूची दें। |
190875cda0d1fb86fc6036a9ad7d46fc1f9fc19b | इमेल का व्यापक रूप से उपयोग कइके, हम अबै अपने आप कय अभूतपूर्व मात्रा कय पाठ पय पहुँच सका जात है, जेका हम खुद कय लेखन कय माध्यम से कइ सका जात है। इ पेपर मा, हम दिखावा करें कि कई प्रकार के मेल मा भावनाओं का मात्रा मापने और ट्रैक करे क लिए भावना विश्लेषण का प्रभावी विज़ुअलाइज़ेशन के साथ टेंडेम मा उपयोग कै जा सकदाँ। हम लोग crowdsourcing द्वारा एक बड़ा शब्द-भावना संघ शब्दकोश बनाय रहे हैं, अउर इ का उपयोग भावनाओं की तुलना प्रेम पत्र, घृणा मेल, अउर आत्महत्या नोट्स मा करे खातिर करे हई। हम देखब कि काम के जगह पर ईमेल मा भावना शब्द का उपयोग करे मा लिंग के बीच स्पष्ट अंतर है। उदाहरन के तौर पे, मेहरारू लोग खुशी-खुशी क साथे-साथे दुख का भी ढेर सारा सब्द प्रयोग करत हैँ, जबकि पुरूष भी उन सब्दन का आदर करत हैँ, जिनसे डेरात हैँ, या भरोसा करत हैँ। अंत मा, हम विजुअलाइजेशन दिखावत है जौन लोगन के मदद कर सकत है आपन ई-मेल मा भावनाओं का ट्रैक करैं। |
114a4222c53f1a6879f1a77f1bae2fc0f8f55348 | |
826dc5774b2c2430cef0dfc4d18bc35947106c6d | |
0788cda105da9853627d3e1ec8d01e01f7239c30 | हम प्रस्तावित शॉटगन, एक समानांतर निर्देशांक अवतरण एल्गोरिथ्म L1regularized घाटा कम से कम गर्न को लागी। यद्यपि निर्देशांक अवतरण स्वाभाविक रूप से क्रमिक प्रतीत होत है, हम Shotgun के लिए अभिसरण सीमाओं का प्रमाण देते हैं जो कि एक समस्या-निर्भर सीमा तक निकट-रैखिक गति का अनुमान लगाता है। हम लास के खातिर शॉटगन का एक व्यापक अनुभवजन्य अध्ययन अउर विरल लॉजिस्टिक प्रतिगमन प्रस्तुत करत बानी। समानांतरता की संभावना पर हमारा सैद्धांतिक अनुमान वास्तविक डेटा पर व्यवहार का करीबी मेल खात है। शॉटगन कई बड़े समस्या पर अन्य प्रकाशित सॉल्वर से बेहतर प्रदर्शन करता है, जो L1 के लिए सबसे अधिक स्केलेबल एल्गोरिदम में से एक साबित होता है। |
2414283ed14ebb0eec031bb75cd25fbad000687e | प्राकृतिक ग्राफ, जइसे कि सामाजिक नेटवर्क, ईमेल ग्राफ, या तुरन्त संदेश पैटर्न, इंटरनेट पर उपलब्ध अहय। इ ग्राफ बड़वार होत हय, अक्सर इ मे सैकड़ों मिलियन नोड्स और अरबों किनारों पे होत हय। जबकि इ तरह के ग्राफ का अध्ययन करेक लिए कई सैद्धांतिक मॉडल प्रस्तुत कीन गवा हय, इकरे अवलोकन और उनके द्वारा इण्टरनेशनल स्तर पर कीन जाय वाले आंकड़ों की प्रकृति की वजह से अभी भी मुश्किल हय। हम प्रस्तावित कीन गवा रहेन अउर बड़ी-बड़ी योजनाएं देखात रहिन। पैमाना का हल करै के लिए, हमार ढांचा वितरित है ताकि डेटा साझा-कुछ नहीं मशीनों का एक सेट पर विभाजित हो। हम एक नया विखंडन तकनीक का प्रस्ताव करत हैं जवन कि एक ग्राफ के विभाजन पर निर्भर करत है ताकि पड़ोस के शिखरों की संख्या को कम से कम कर सके, बजाय कि किनारों के पार विभाजन का। हमार अपघटन एक स्ट्रीमिंग एल्गोरिथ्म मा आधारित है. ई नेटवर्क-जागरूक अहै काहे से ई अंतर्निहित कम्प्यूटेशनल हार्डवेयर के नेटवर्क टोपोलॉजी के अनुकूल अहै। हम चर कय स्थानीय प्रतिलिपि अउर एक कुशल अतुल्यकालिक संचार प्रोटोकॉल का उपयोग प्रतिकृति मानन का समन्वयन करेक खातिर करित है ताकि नेटवर्क संचार लागत कय बिना अधिकांश गणना कय प्रदर्शन कइ सका जाय। 200 मिलियन चोटी और 10 अरब किनारों वाले ग्राफ पर, एक ईमेल संचार नेटवर्क से प्राप्त, हमारा एल्गोरिथ्म अभिसरण गुणों को बनाए रखता है जबकि कंप्यूटर की संख्या में लगभग रैखिक मापन की अनुमति देता है। |
877aff9bd05de7e9d82587b0e6f1cda28fd33171 | स्वायत्त वाहनन के दीर्घकालिक दृश्य नेविगेशन मा मजबूत क्रॉस-सीजनल स्थानीयकरण एक बड़ी चुनौती है। इ पेपर मा, हम छवियों का अर्थपूर्ण विभाजन मा हालिया प्रगति का शोषण करत हैं, यानी, जहां प्रत्येक पिक्सेल को एक लेबल सौंपा गयल है, वस्तु का प्रकार जो इ प्रतिनिधित्व करत है, को दीर्घकालिक दृश्य स्थानीयकरण की समस्या का हमला करने के लिए। हम देखब कि पर्यावरण का अर्थपूर्ण रूप से लेबल करल 3D बिंदु मानचित्र, अर्थपूर्ण रूप से खंडित छवियन के साथ, वाहन स्थानिकीकरण खातिर विस्तृत सुविधा विवरण (SIFT, SURF, आदि) के आवश्यकता के बिना कुशलता से उपयोग करल जा सकत बा। ), इ प्रकार, हाथ से बना फीचर डिस्क्रिप्टर्स पर निर्भर करै के बजाय, हम छवि सेगमेंटर का प्रशिक्षण पय भरोसा करित है। परिणामी मानचित्र पारंपरिक रूप से वर्णक आधारित मानचित्र की तुलना में बहुत कम भंडारण स्थान लेता है। एक कण फ़िल्टर आधारित सिमेंटिक स्थानीयकरण समाधान SIFT-विशेषताओं पर आधारित एक की तुलना में है, और यहां तक कि साल भर में बड़े मौसमी भिन्नता के साथ हम बड़े और अधिक वर्णनात्मक SIFT-विशेषताओं के साथ बराबर प्रदर्शन करते हैं, और ज्यादातर समय 1 मीटर से कम की त्रुटि के साथ स्थानीयकृत करने में सक्षम हैं। |
f9f92fad17743dd14be7b8cc05ad0881b67f32c2 | कई सीखने वाली मशीनों की सफलता में एक उचित दूरी मीट्रिक का सीखना एक महत्वपूर्ण भूमिका निभाता है। जब प्रशिक्षण अउर परीक्षण नमूना संबंधित लेकिन अलग-अलग डोमेन (यानी, स्रोत डोमेन अउर लक्ष्य डोमेन) से लिया जात है त पारंपरिक मीट्रिक लर्निंग एल्गोरिदम क सीमित उपयोगिता होत है। इ पत्र में, हम सूचना-सैद्धांतिक सेटिंग में डोमेन अनुकूलन के लिए दो उपन्यास मीट्रिक लर्निंग एल्गोरिदम का प्रस्ताव करते हैं, जो दो डोमेन पर भेदभाव शक्ति हस्तांतरण और मानक सीखने मशीन प्रसार की अनुमति देता है। पहिला मा, एक क्रॉस-डोमेन महलनोबिस दूरी तीन लक्ष्यों का संयोजन करके सीखा जाता हैः अलग-अलग डोमेन के बीच वितरण अंतर को कम करना, लक्ष्य डोमेन डेटा का ज्यामिति बनाए रखना, और लेबल जानकारी के साथ स्रोत डोमेन डेटा का ज्यामिति संरेखित करना। एकरे अलावा हम आपन प्रयास बहुत स क्षेत्रन के अनुकूलन समस्या का हल करय खातिर रखे अहन आउर रैखिक इंटर-डोमेन मीट्रिक लर्निंग से भी जादा बढ़ियाँ तरीका से कई कर्नेल लर्निंग फ्रेमवर्क तक पहुँचय के कोशिश करत अहन । कई कर्नेल का एक उत्तल संयोजन और एक रैखिक रूपांतरण एक एकल अनुकूलन में अनुकूलन रूप से सीखा जाता है, जो पूर्व ज्ञान की खोज और डेटा विशेषताओं का वर्णन करने का बहुत लाभ उठाता है। तीन वास्तविक दुनिया क अनुप्रयोग (चेहरे की पहचान, पाठ वर्गीकरण, अउर वस्तु वर्गीकरण) मा व्यापक प्रयोग इ प्रमाणित करत हैं कि प्रस्तावित विधियन से अत्याधुनिक मीट्रिक सिछन अउर डोमेन अनुकूलन विधियन का बेहतर प्रदर्शन होत है। |
1b51a9be75c5b4a02aecde88a965e32413efd5a3 | वस्तु मान्यता खातिर स्थानीय सुविधा सीखै खातिर स्परस कोडिंग एक आम तरीका है। हाल मा, स्थानिक-समय, दूरबीन, या अन्य बहु-अवलोकन डेटा से सीखने की सुविधा मा एक बढती रुचि हो रही है, जहां लक्ष्य एक एकल छवि की सामग्री के बजाय छवियों के बीच संबंध को एन्कोड करना है। हम बहु-दृश्य सुविधा सीखना का विश्लेषण प्रदान करत हैं, जवन दिखावा करत है कि छिपा चर कई छवि वार्प के बीच साझा Eigenspaces में घूर्णन कोण का पता लगाकर रूपांतरणों को एन्कोड करता है। हमार विश्लेषण हाल के प्रयोगात्मक परिणाम के समझावे मा मदद करत है जवन दिखावा करत है कि वीडियो पे जटिल सेल मॉडल क प्रशिक्षण देत समय परिवर्तन-विशिष्ट विशेषताएं प्रकट होत हैं। हमार विश्लेषण ई भी दिखावा करत है कि रूपांतरण-अपरिवर्तनीय विशेषता रूपांतरणों का प्रतिनिधित्व सीखने का एक उप-उत्पाद के रूप मा उभरी सकत हैं। |
213d7af7107fa4921eb0adea82c9f711fd105232 | उच्च आयामी डेटा का उच्च आयामी इनपुट वैक्टरों का पुनर्निर्माण करने के लिए एक छोटी केंद्रीय परत के साथ एक बहुपरत तंत्रिका नेटवर्क का प्रशिक्षण देकर कम आयामी कोड में परिवर्तित किया जा सकता है। ग्रेडिएंट अवतरण का उपयोग ऐसे "ऑटो एन्कोडर" नेटवर्क में वजन का ठीक-ठाक करने के लिए किया जा सकता है, लेकिन यह अच्छी तरह से तभी काम करता है जब प्रारंभिक वजन एक अच्छे समाधान के करीब हो। हम वज़न के आरंभिकरण का एक प्रभावी तरीका बताय देहे हई जवन डीप ऑटोकोडर नेटवर्क के कम-आयामी कोड सीखै के अनुमति देत है जवन डेटा के आयामीयता के कम करे खातिर एक उपकरण के रूप मा प्रधान घटक विश्लेषण से बहुत बेहतर काम करत है। |
00bbfde6af97ce5efcf86b3401d265d42a95603d | अनुभवजन्य साक्ष्य से पता चलता है कि हैशिंग आयामात्मकता में कमी और व्यावहारिक गैर-पैरामीटर अनुमान का एक प्रभावी तरीका है। इ पेपर मा हम फीचर हैशिंग खातिर घातीय पूंछ सीमा प्रदान करत हैं अउर दिखावा करत हैं कि यादृच्छिक उप-स्थानों के बीच बातचीत उच्च संभावना के साथ नगण्य है। हम इ दृष्टिकोण कय व्यवहार्यता कय प्रयोगात्मक परिणाम के साथ एक नए उपयोग के मामले में देखाइ दिहा है-सैकड़ों कार्य कय साथे बहुक्रिया सीखना। |
b8811144fb24a25335bf30dedfb70930d2f67055 | |
1441c41d266ce48a2041bd4da0468eec961ddf4f | हम वर्ड ट्री क परिचय देत अही, जवन टेक्स्ट दस्तावेज़ कय लक्षित कइके एक नई विज़ुअलाइज़ेशन अउर सूचना-प्राप्ति तकनीक अहइ। एक शब्द पेड़ पारंपरिक "संदर्भ-शब्द-इन-संदर्भ" विधि का एक ग्राफिक संस्करण है, अउर पाठ निकाय का त्वरित क्वेरी अउर अन्वेषण सक्षम बनाता है। इ पेपर मा हम टेक्निकल रूपरेखा के बारे मा बात करे हन, अउर कुछ तकनीकी समस्यान् का हल करे हन, जौन एकर कार्यान्वयन मा मदद कर सकत हय। एकरे अलावा हम कई महीना तक कई शब्द पेड़न का सार्वजनिक रूप से तैनात कइके चर्चा करत रहे जउन कई आंखन पर शब्द पेड़न का परिणाम देत है, जउन एक खिड़की प्रदान करत है कि उपयोगकर्ता विजुअलाइजेशन से मूल्य का कइसे प्राप्त करत हैं। |
37b9b5a5eb63349a3e6f75d5c4c061d7dbc87f4e | ): सूचना छिपाई 1998, LNCS 1525, पृष्ठ। 218-238, 1998. c © Springer-Verlag Berlin Heidelberg 1998 Copyright Marking Systems पर हमले 219 योजनाओं का प्रतिनिधित्व करते हैं, और कई हमले प्रस्तुत करते हैं, जो उनमें से अधिकांश को तोड़ते हैं। अंत मा हम कुछ टिप्पणि करय चाहब जवन कि सामान्य रूप से स्टीगनोग्राफी के संदर्भ मा अउर विशेष रूप से कॉपीराइट मार्किंग के संदर्भ मा मज़बूती के अरथ पर होत हय। कॉपीराइट संरक्षण के सवाल डिजिटल रिकॉर्डिंग मीडिया कई नई संभावनाएं प्रदान करत है, लेकिन हलिउड अउर रॉक संगीत उद्योग जैसन बौद्धिक संपदा मालिकन के बीच व्यापक भय से इनका अपनय मा बाधा डाले जात है कि अगर उपयोगकर्ता वीडियो, संगीत अउर मल्टीमीडिया कार्यन की असीमित सही प्रतियां बना सकत हैं, तौ इनकर आजीविका का खतरा हो सकत है। डिजिटल मीडिया खातिर पहिलका कॉपी सुरक्षा तंत्र में से एगो सीरियल कॉपी मैनेजमेंट सिस्टम (एससीएमएस) रहल जवन सोनी अउर फिलिप्स द्वारा डिजिटल ऑडियो टेप खातिर अस्सी के दशक में शुरू कइल गइल [31]. इ विचार उपभोक्ताओं का एडी का डिजिटल ऑडियो टेप बनवाने का रहा जवन उनके पास रहा ताकि उ ओका अपने कार (काहे) मा इस्तेमाल कर सकैं, लेकिन केहू दुसरे के टेप का टेप न बनवैं; इ प्रकार प्रतिलिपि केवल पहली पीढ़ी तक सीमित रहेंगी। कार्यान्वयन हर ऑडियो वस्तु के हेडर मा एक बूलियन मार्कर शामिल करेक रहा। दुर्भाग्य से इ विफल रहा काहेकि कछू कंपनियां इ औजार क साथे खड़ी रहिन। हाल ही मा डिजिटल वीडियो डिस्क, जेके डिजिटल वर्साटाइल डिस्क (डीवीडी) कंसोर्टियम के रूप मा भी जाना जात है, सीरियल कॉपी प्रबंधन का लागू करे खातिर कॉपीराइट मार्किंग योजना के प्रस्ताव खातिर आह्वान करिस। इ विचार ई बा कि उपभोक्ताओं का बेचल जाय वाला डीवीडी प्लेयर असीमित रूप से होम वीडियो का कॉपी करे अउर टीवी प्रोग्राम के समय-विस्थापित देखे के अनुमति देत है, लेकिन वाणिज्यिक पाइरेसी खातिर आसानी से दुरुपयोग ना की जा सके [19, 44]. प्रस्तावित कार्यान्वयन इहै बा कि वीडियो मा चिह्नित नाहीं कीन जाय, या चिह्नित "कबहुँ नकल करें" या "केवल एक बार कॉपी करें" चिह्नित होइ; अनुपालन करइ वाले खिलाड़ी एक वीडियो रिकॉर्ड न करें जेकर चिह्नित "कबहुँ नकल करें" है अउर जब एक चिह्नित "केवल एक बार कॉपी करें" चिह्नित कै रिकॉर्ड करत है, तउ ओकर चिह्न बदल के "कबहुँ नकल न करें" होइ जात है। व्यावसायिक रूप से बेचे जाये वाले वीडियो कय "कबहुँ नकल न करे" चिह्नित करी, जबकि टीवी प्रसारण अउर समान सामग्री कय "केवल एक बार नकल करे" चिह्नित करी, अउर होम वीडियो कय चिह्नित न करी। कॉपीराइट प्रबंधन खातिर इलेक्ट्रॉनिक योजना का प्रस्ताव यूरोपीय परियोजना जइसे कि इम्प्रिमाटुर अउर सीआईटीईडी [45, 66, 67] अउर अमेरिकी परियोजना जइसे कि बौद्धिक संपदा अधिकारन पर कार्य समूह द्वारा प्रस्तावित कीन गा है [69]. पिछले कुछ साल से, कई योजनाएं हैं जो देश की सरकार द्वारा अनुमोदित हैं। कई कंपनियां एक विशेष प्रकार का वाहन भी खरीद रही हैं। हम कुछ ऐसे दावेदार बता रहें हैं जो अनुसंधान साहित्य और कार्यक्षेत्र में भी दिखाई दे रहे हैं; फिर हम कुछ ऐसे दावेदार बता रहें हैं जो गलत दावे कर रहे हैं या फिर कुछ गलत तरीके से जानकारी दे रहे हैं या फिर उनके दावे से जुड़ी अन्य दावे, गलत निष्कर्ष पर पहुंचे हैं। सूचना छिपाय के आवेदन पिछले कुछ साल से सूचना छिपाय के तरीकन मा तेजी से बढ़त रुचि देखाई देहे अहय। कई कारकन से इ स्थिति नाजुक रही । डर कि कॉपीराइट का अधिकार डिजिटल मीडिया का कॉपी करे के आसानी से ख़राब होई जाई लोगन के ऑडियो अउर वीडियो में छुपा कॉपीराइट मार्क अउर सीरियल नंबर एम्बेड करे के तरीका का अध्ययन करे के खातिर प्रेरित कइलस; गोपनीयता के ख़राब होए के चिंता इलेक्ट्रॉनिक कैश, बेनामी रीमेलर्स, डिजिटल चुनाव अउर तीसरे पक्ष के लिए मोबाइल कंप्यूटर उपयोगकर्ता के ट्रेसिंग के कठिन बनावे के तकनीक पर काम करे के खातिर प्रेरित कइलस; अउर पारंपरिक "सैन्य" चिंता बनल बा आपन ट्रैफ़िक के छिपावे के बारे में जबकि प्रतिद्वंद्वी के लिए भी ऐसन करे के मुश्किल बनाव। सूचना छिपाव पर पहिला अन्तर्राष्ट्रीय कार्यशाला [2] इन समुदायन का एक साथ लाया अउर कई छिपाव योजनाओं का प्रस्तुत कई गए; अउर कई अन्य जगह पर प्रस्तुत कई गए हैं। हम लोगन का विचार रहा कि स्टीगनोग्राफी अउर कॉपीराइट मार्किंग मा उपयोगी प्रगति इन सबहि पहिला पीढ़ी योजनाओं का हमला करै के प्रयास से होइ सकत है। क्रिप्टोलॉजी के संबंधित क्षेत्र में, प्रगति पुनरावर्ती रही: क्रिप्टोग्राफिक एल्गोरिदम का प्रस्ताव रखा गया, उन पर हमला पाया गया, अधिक एल्गोरिदम का प्रस्ताव दिया गया, आदि। अंततः, सिद्धांत उभरा: स्ट्रीम सिफर पर तेज सहसंबंध हमले और ब्लॉक सिफर पर अंतर और रैखिक हमले, अब हमें क्रिप्टोग्राफिक एल्गोरिदम की ताकत को पहले से कहीं अधिक विस्तार से समझने में मदद करते हैं। इसी तरह, कई क्रिप्टोग्राफिक प्रोटोकॉल का प्रस्ताव रखा गवा है, अउर लगभग सभी प्रारंभिक उम्मीदवारों का ओह समइ तक . . . इ प्रकार हम इ लेख में सबसे पहिले अपनय अवधीय कॉपीराइट संरक्षण संदर्भ का वर्णन करेंगे; अउर अवधीय का चयन करके अवधीय का अवतरित करेंगे? पहिला लेखक इंटेल निगम का अनुदान "जानकारी छिपाव प्रणाली का मजबूती" के तहत वित्तीय सहायता खातिर आभारी है? का तू अबहुँ समझत बुझत नाहीं बाट्या? तीसर लेखक का यूरोपियन कमीशन द्वारा मरी-क्युरी अनुदान से समर्थन प्राप्त है। |
123ae35aa7d6838c817072032ce5615bb891652d | हम BinaryNet, एक विधि का परिचय देत है जवन कि पैरामीटर ग्रेडिएंट कम्पुटिंग करत समय बाइनरी भार अउर सक्रियण के साथ DNNs का प्रशिक्षण देत है. हम देखब कि बाइनरीनेट के साथ MNIST अउर CIFAR-10 अउर SVHN पर ConvNets पर Multi Layer Perceptron (MLP) के प्रशिक्षण संभव ह अउर लगभग अत्याधुनिक परिणाम प्राप्त करत ह। रन-टाइम पर, बाइनरीनेट मेमोरी उपयोग को काफी कम कर देता है और ज्यादातर गुणन को 1-बिट अनन्य-नहीं-या (XNOR) संचालन से बदल देता है, जिसका सामान्य उद्देश्य और समर्पित डीप लर्निंग हार्डवेयर दोनों पर बड़ा प्रभाव हो सकता है। हम एक द्विआधारी मैट्रिक्स गुणन GPU कर्नेल लिखे हैं जवने से ई संभव है कि हम आपन MNIST MLP 7 गुना तेजी से चलाय सकित है, बिना किसी वर्गीकरण सटीकता में कमी का सामना करे बिना एक अप्टिमाइज़्ड GPU कर्नेल से। बाइनरीनेट कय कोड उपलब्ध अहै। |
62c8104a3df91f98807a5611aba4a553a5f2ed2e | पैरामीटर वाले मॉडल का निर्माण कर सकित है, मानव चेहरा के यथार्थवादी, हेरफेर योग्य छवियां, आश्चर्यजनक रूप से कम संख्या में पैरामीटर के साथ। |
277cbc63d4a2c63d968ee3fb403b56f88037e836 | |
d73a87896b36565997550eaf16ab7a998c13bf67 | हम एक नई सामान्यीकृत स्थानिक मॉड्यूलेशन (जीएसएम) तकनीक का प्रस्ताव करत हैं, जेका हाल ही में प्रस्तावित स्थानिक मॉड्यूलेशन (एसएम) तकनीक का सामान्यीकरण माना जा सकता है। एसएम का जीएसएम का एक विशेष मामला के रूप मा देखल जा सकत है, जौन केवल एक सक्रिय ट्रांसमिशन एंटीना के साथ है। एसएम के उल्टा, जीएसएम सूचना बिट्स का नक्शा बनावे खातिर कई ट्रांसमिट एंटेना के सूचकांक का उपयोग करत है, अउर ई तरीका से काफी बढ़ी हुई स्पेक्ट्रल दक्षता प्राप्त करे में सक्षम है। ई अतिरिक्त सुविधाएँ परदान करत है, अउर आमतौर पय यहिकै सिफारिश करी जात है, "अनुरोध परकिरिया कय सुधार के लिए, आपन परीक्षण विकी शुरू करै खातिर।" दूसरी ओर, इन सक्रिय एंटेना के माध्यम से समान प्रतीक का प्रसारण करके इंटर-चैनल इंटरफेरेन्स (आईसीआई) से पूरी तरह से बचा जा सकता है। हम GSM का प्रतीक त्रुटि दर (SER) प्रदर्शन के लिए आदेश आंकड़ों का उपयोग करके सैद्धांतिक विश्लेषण प्रस्तुत करते हैं। विश्लेषणात्मक मापन का आधार सदैव इकाई का अर्थ होता है-शून्य बिन्दु से ऊपर एक निश्चित मूल्य का होना। जीएसएम अउर एसएम का बिट त्रुटि दर प्रदर्शन का अनुकरण अउर तुलना कीन जात है, जवन जीएसएम की श्रेष्ठता का प्रदर्शन करत है। एकरे अलावा, जीएसएम सिस्टम पर अलग-अलग ट्रांसमिट अउर रिसीव एंटेना के कॉन्फ़िगरेशन के अध्ययन भी करल जात बा। हमार परिणाम बतावत है कि कम संख्या मा ट्रांसमिट एंटीना का उपयोग कर के उच्च माड्यूलेशन के आदेश से बेहतर BER प्रदर्शन होई। |
395e3f319d9c7495a7425d3394308133ec1bb616 | |
d4599dcb4cc83404d8bc416b1f259d50bde2f44f | आधुनिक स्मार्ट ग्रिड खातिर एक जरूरी शर्त है कि ग्रिड चरन का लगातार निगरानी कीन जाय। ई काम ग्रिड नेटवर्क के भर मा तैनात स्व-संचालित इलेक्ट्रॉनिक यंत्रन के मदद से कुशलता से पूरा कीन जात है। ग्रिड बिजली लाइन के आसपास, इन लाइनन का उच्च वोल्टेज कैपेसिटिव युग्मन का उपयोग कइके अइसन भारन खातिर ऊर्जा के स्रोत प्रदान कइ सकत हैं। इ इलेक्ट्रिक-फील्ड एनर्जी हार्वेस्टिंग (EFEH) के रूप मा जाना जात है। हालांकि, रिपोर्ट की गई रणनीति का उपयोग करके इ सिद्ध नाहीं कीन गवा है कि ई ऊर्जा का अधिकतम स्तर तक पहुँचय क बरे ही ऊर्जा का आवागमन होत ह, जेका फिन से जनरेशन से ऊर्जा उपलब्ध होत ह, उ पूरी तरह से छोट ह। इ पेपर मा, मध्यम-वोल्टेज पावर लाइन इन्सुलेटर का परजीवी क्षमता का उपयोग करके इष्टतम ऊर्जा कटाई के लिए एक उपन्यास दृष्टिकोण प्रस्तावित है। एक अनुवर्ती शक्ति इलेक्ट्रॉनिक रूपांतरण प्रणाली का तब उपयोग किया जाता है ताकि लोड की स्थिति बनाए रखी जा सके जो कि निकाली गई ऊर्जा का अधिकतम उपयोग करे। सैद्धांतिक अध्ययनों अउर कंप्यूटर सिमुलेशन क उपयोग कइके सिस्टम प्रदर्शन का विश्लेषण कईल गयल हौ ताकि ऑपरेटिंग शर्तों का पहचान की जा सके जौन अधिकतम निकाली गई ऊर्जा का अधिकतम कर सके। अब तक मिलै वाले परिणाम से पता चला है कि 22 केवी ग्रिड फीडर से 100 एमडब्ल्यू तक कैपेसिटिव युग्मन का उपयोग करके, जउन लाइन इंसुलेटर हार्वेस्टर अउर फीडर कंडक्टर के बीच मौजूद है, काटा जा सकत है। |
64e216c128164f56bc91a33c18ab461647384869 | सुरक्षा अउर सुरक्षा अनुप्रयोग जइसे कि निगरानी या फोरेंसिक कम रिज़ॉल्यूशन वाले वीडियो डेटा में चेहरा पहचान के मांग करत हैं। हम कम रिज़ॉल्यूशन वाले वीडियो फेस रिकॉग्निशन खातिर एक मैनिफोल्ड-आधारित ट्रैक तुलना रणनीति के साथ एक कन्वोल्यूशनल न्यूरल नेटवर्क (सीएनएन) पर आधारित चेहरा पहचान विधि का प्रस्ताव करत हैं। कम रिज़ॉल्यूशन वाले डोमेन का पता लगाने के लिए नेटवर्क आर्किटेक्चर का समायोजन किया जाता है ताकि बाधाओं या चेहरे की छवियों का महत्वपूर्ण अपस्केलिंग रोका जा सके। सीएनएन का प्रशिक्षण बड़े पैमाने पर स्व-संग्रहित वीडियो फेस डेटासेट और बड़े पैमाने पर सार्वजनिक छवि फेस डेटासेट के संयोजन से दिया जाता है, जिसके परिणामस्वरूप लगभग 1.4 मिलियन प्रशिक्षण छवियां बनती हैं। विडियो डाटा कय ढेर मात्रा कय संभाले कय लिए अउर प्रभावी तुलना खातिर, सीएनएन चेहरा अवलोकनकर्ता कय ट्रैक स्तर पे स्थानीय पैच साधनन कय द्वारा कुशलता से तुलना कीन जात है। हमार सेटअप यूट्यूब फेस डेटाबेस के 32×32 पिक्सल कम रिज़ॉल्यूशन वाले वर्जन पर 80.3 प्रतिशत सटीकता प्राप्त करत है अउर स्थानीय छवि डिस्क्रिप्टर के साथ-साथ ए डोमेन में अत्याधुनिक वीजीजी-फेस नेटवर्क [20] से बेहतर प्रदर्शन करत है। प्रस्तावित विधि का बेहतर प्रदर्शन स्व-संग्रहित इन-द-वाइल्ड निगरानी डेटासेट पर पुष्टि की गई है। |
21ef9c68739b0ddc7a9be31091c1882791e92780 | इ पेपर मा हम ऑनलाइन उपयोगकर्ता समीक्षा से वस्तुओं का मूल्यांकन पहलुओं का पता लगाने के लिए एक नया रूपरेखा प्रस्तुत करत हैं। इ तरह कय पहलुओं का निकाले में वेब से उत्पाद राय का स्वचालित रूप से खनन अउर उपयोगकर्ता समीक्षाओं का राय-आधारित सारांश उत्पन्न करे मा एक महत्वपूर्ण चुनौती है [18, 19, 7, 12, 27, 36, 21]। हमार मॉडल मानक विषय मॉडल विधियन जइसे कि LDA अउर PLSA कय विस्तार पे आधारित अहै ताकि बहु-अनाज वाले विषयन का प्रेरित कै सका जाय। हम तर्क देत है कि बहु-अनाज मॉडल हमार काम के खातिर जादा उपयुक्त है काहे से कि मानक मॉडल वस्तुओं की वैश्विक संपत्तियों का अनुरूप है (जैसे, एक उत्पाद प्रकार का ब्रांड) बजाय एक वस्तु के पहलुओं का जो एक उपयोगकर्ता द्वारा रेट किए जा रहे हैं। हम जउन मॉडल प्रस्तुत करत हई ऊ केवल रेस्तरां के लिए अनुशंसित पहलुओं का ही नाही बल्कि उन सब के लिए भी होत है, जिनका हम अवलोकन किहे अही उ तार्किक रूप से काफी हद तक समन्वित है उदाहरन के लिए, "वेटर" अउर "बारटेंडर" एके जइसे है "कर्मचारी" रेस्तरां खातिर। इ पिछले काम कय बहुत अलग है जवन कि कम से कम क्लस्टरिंग के साथ टर्म आवृत्ति विश्लेषण के माध्यम से पहलुओं का निकालत है। हम बहु-अनाज मॉडल का गुणात्मक अउर मात्रात्मक रूप से मूल्यांकन करत हई ताकि ई देखा जा सके कि ई मानक विषय मॉडल पर बेहतर प्रदर्शन करत है। |
5092375789732afbfbfe2f5ede0792af6c562813 | बढ़ी हुई निर्णय का पेड आज सबसे लोकप्रिय सीखने की तकनीक का उपयोग कर रहे हैं। जबकि परीक्षण समय पर तेज गति का प्रदर्शन, अपेक्षाकृत धीमी गति से प्रशिक्षण वास्तविक समय सीखने की आवश्यकता वाले अनुप्रयोगों के लिए असुविधाजनक है। हम प्रस्तावित कीन गवा रहेन कि ई सब बंदी फाड़िके पहिले कीन गवा रहेन। हम प्रशिक्षण डेटा का एक उपसमुच्चय पर अपनी प्रारंभिक त्रुटि दिए गए निर्णय स्टंप की त्रुटि पर एक सीमा साबित करते हैं; सीमा का उपयोग प्रशिक्षण प्रक्रिया के शुरुआत में खराब सुविधाओं का छंटाई करने के लिए किया जा सकता है। हम एक तेज प्रशिक्षण एल्गोरिथ्म का प्रस्ताव करत हई जउन इ बाउंड का शोषण करत है, वर्गीकरणकर्ता के अंतिम प्रदर्शन में कौनो लागत के बिना परिमाण के आदेश का गति प्रदान करत है। हमार विधि बूस्टिंग कय कउनो नया रूप नाहीं है; बल्कि, इ मौजूदा बूस्टिंग एल्गोरिदम अउर दूसर नमूना विधि कय साथे प्रयोग कै जाय जाय जेसे और भी तेज गति पाई जा सके। |
946809792f7873dafdeb27a88d8e9d05a0294828 | बैंक के एटीएम कैश प्रबंधन तकनीक मा सुधार करे खातिर पहिले से ही बैंक अउर स्वतंत्र फर्म के खातिर अलग से अनुकूलन समस्या के रूप मा महत्वपूर्ण ध्यान दिया गा है जउन स्वचालित कैश एटीएम कैश सप्लाई करत हैं। इ लेख मा लागत कम करैं के एक अउर संभावना पै ध्यान केंद्रित करा जात हैः कैश प्रबंधन समस्या का एक समस्या के रूप मा अनुकूलन। ई तरीका से बैंक अउर कैश इन ट्रांजिट फर्म के बीच संविदात्मक कीमत आम तौर पै बदल सकित है जेसे व्यक्तिगत अनुकूलन के सापेक्ष लागत मा अउर कमी की अनुमति मिल सकति है। इ प्रक्रिया कय प्रासंगिकता देखावे कय लिए, हम हंगरी कय वाणिज्यिक बैंक कय खातिर बाउमोल-प्रकार कय नकदी मांग पूर्वानुमान कय आधार पे पेरेटो-सुधारक पुन-अनुबंधन योजना कय निर्धारण कई गय है, जेकर परिणाम स्वरूप लागत मा काफी कमी आई है। © 2016 Elsevier B.V. सभी अधिकार सुरक्षित। |
bfa0710b11b060536f225031f81eb167c63e4fa5 | इ पेपर मा कार2कार अनुप्रयोगों के लिए एक अभिनव एंटीना प्रणाली का वर्णन है। एंटीना सिस्टम एक सक्रिय एंटीना मॉड्यूल पर आधारित है, जिसमें एंटीना के साथ-साथ पूरा car2car चिप हार्डवेयर अउर सॉफ्टवेयर भी शामिल है। इ मॉड्यूल बहुत छोटा है,इसे ई एक साथ जोड़ि सकत है उदा। कार छत पर एक शार्क पंख एंटीना मा अतिरिक्त मॉड्यूल कार मा कहीं और मा माउंट कना जा सकद है और ईथरनेट के माध्यम से मुख्य मॉड्यूल से कनेक्ट कना जा सकद है। इ प्रणाली का एक उच्च स्तर का लचीलापन अउर पुनर्संरचना की अनुमति देत है। दुई टेस्ट कार नई car2car प्रदर्शन प्रणाली से लैस है और माप 3D माप कक्ष के साथ-साथ गतिशील आउटडोर परिदृश्यों मा भी कीन गै है। नवा यंत्र मापने अउर क्षेत्र परीक्षण मा बहुत अच्छा प्रदर्शन करत है। |
a036eb870e007bea24f3e9ff99c376f71984fdcc | बहुस्तरीय इन्वर्टर (एमएलआई) का व्यापक रूप से औद्योगिक अनुप्रयोगों खातिर उच्च वोल्टेज और उच्च शक्ति की सीमा पर उपयोग कइल जाला. ई कम हार्मोनिक विकृति, कम विद्युत चुम्बकीय हस्तक्षेप अउर डीसी लिंक वोल्टेज के ऊपरी श्रेणी के कारन है। लेकिन नीचे दिये हुए इन्वर्टर कय कुछ कमीज हय, जइसे कि वोल्टेज संतुलन, घटक कय अधिक संख्या औ पल्स चौड़ाई माड्यूलेशन नियंत्रण विधि में जटिलता। एई पेपर का उद्देश्य एक 7-स्तरीय संशोधित कम स्विच सममित एमएलआई (एमआरएसएमएलआई) का डिजाइन करके मौजूदा टोपोलॉजीज की तुलना करना है, जिसमें प्रत्येक स्तर पर पांच स्विच और एक ही वोल्टेज स्रोत हैं। सात-स्तर सात-स्विच, सात-स्तर छह-स्विच और सात-स्तर पांच-स्विच MLI का अनुकरण और तुलना MATLAB/SIMULINK वातावरण का उपयोग करके किया जायेगा। पांच-स्विच MLI से प्राप्त परिणाम सात-स्विच MLI के FFT विश्लेषण डिजाइन के साथ सत्यापित की जायेगी। इ आउटपुट का उपयोग तब इंडक्शन मोटर का नियंत्रण खातिर कीन जाय सिमुलेशन के परिणाम का प्रस्तावित एमआरएसएमएलआई के हार्डवेयर सेटअप डिजाइन करके सत्यापित करल जाई। |
807c1f19047f96083e13614f7ce20f2ac98c239a |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.