_id
stringlengths 40
40
| text
stringlengths 0
9.47k
|
|---|---|
a0117ec4cd582974d06159644d12f65862a8daa3 | গভীর বিশ্বাস নেটওয়ার্ক (ডিবিএন) হ ল বহু স্তরের লুকানো কারণীয় ভেরিয়েবল সহ উত্পাদনশীল মডেল, সম্প্রতি হিন্টন, ওসিন্ডেরো এবং তেহ (২০০৬) দ্বারা প্রবর্তিত, একটি লোভী স্তর-জ্ঞানহীন তত্ত্বাবধানে শেখার অ্যালগরিদম সহ। লে রু এবং বেঙ্গিও (২০০৮) এবং সুটস্কেভার এবং হিন্টন (২০০৮) এর উপর ভিত্তি করে আমরা দেখাই যে গভীর কিন্তু সংকীর্ণ উত্পাদনশীল নেটওয়ার্কগুলি সর্বজনীন আনুমানিকতা অর্জনের জন্য পাতলাগুলির চেয়ে বেশি পরামিতির প্রয়োজন হয় না। প্রুফ টেকনিকের ব্যবহার করে আমরা প্রমাণ করি যে, সিগময়েডাল ইউনিট সহ গভীর কিন্তু সংকীর্ণ ফিডফরওয়ার্ড নিউরাল নেটওয়ার্ক যেকোন বুলিয়ান এক্সপ্রেশনকে প্রতিনিধিত্ব করতে পারে। |
274946a974bc2bbbfe89c7f6fd3751396f295625 | এই গবেষণাপত্রে আমরা রবস্ট অপ্টিমাইজেশনের (আরও) ক্ষেত্রে প্রাথমিক গবেষণার তত্ত্বগত ও প্রয়োগিক উভয় ক্ষেত্রেই পর্যালোচনা করেছি। আমরা RO পদ্ধতির কম্পিউটেশনাল আকর্ষণীয়তা, সেইসাথে মডেলিং ক্ষমতা এবং পদ্ধতির বিস্তৃত প্রয়োগযোগ্যতার উপর ফোকাস করব। গত দশকে আরও-র সবচেয়ে গুরুত্বপূর্ণ তাত্ত্বিক ফলাফলের সমীক্ষা করার পাশাপাশি আমরা বহু-পর্যায়ের সিদ্ধান্ত গ্রহণের সমস্যার জন্য অভিযোজিত মডেলের সাথে আরও-র সংযোগের কিছু সাম্প্রতিক ফলাফলও উপস্থাপন করব। অবশেষে, আমরা আর্থিক, পরিসংখ্যান, শিক্ষা এবং প্রকৌশল বিভিন্ন ক্ষেত্র সহ ডোমেনের বিস্তৃত বর্ণালী জুড়ে RO এর অ্যাপ্লিকেশনগুলি তুলে ধরব। |
573cd4046fd8b899a7753652cd0f4cf6e351c5ae | আমরা জটিল আকৃতির বস্তুর স্বীকৃতির জন্য একটি পদ্ধতি উপস্থাপন করছি যা প্রান্ত তথ্যের উপর ভিত্তি করে বিশৃঙ্খল পরিবেশে। আমরা প্রথমে একটি টার্গেট অবজেক্টের উদাহরণ চিত্র ব্যবহার করি একটি শ্রেণীবিভাগকারী ক্যাসকেড প্রশিক্ষণের জন্য যা নির্ধারণ করে যে কোনও চিত্রের প্রান্ত পিক্সেলগুলি কাঙ্ক্ষিত অবজেক্টের একটি উদাহরণ বা বিশৃঙ্খলার অন্তর্গত কিনা। একটি নতুন চিত্রের সাথে উপস্থাপিত, আমরা ক্যাসকেড ব্যবহার করি যাতে বিশৃঙ্খল প্রান্তের পিক্সেলগুলিকে বাদ দিতে পারি এবং বস্তুর সামগ্রিক সনাক্তকরণে বস্তুর প্রান্তের পিক্সেলগুলিকে গোষ্ঠীভুক্ত করতে পারি। এজ পিক্সেল শ্রেণীবিভাগের জন্য ব্যবহৃত বৈশিষ্ট্যগুলি স্থানীয়, বিরল এজ ঘনত্বের ক্রিয়াকলাপ। পরীক্ষাগুলি বিভিন্ন ধরণের বিশৃঙ্খল অভ্যন্তরীণ দৃশ্যের মধ্যে জটিল বস্তুর একটি সেটকে স্বীকৃতি দেওয়ার জন্য কৌশলটির কার্যকারিতা যাচাই করে। উপরন্তু, আমাদের পরীক্ষাগুলি থেকে জানা যায় যে এই কৌশলটি প্রশিক্ষণ এবং পরীক্ষার পরিবেশের মধ্যে পার্থক্যের জন্য শক্তিশালী এবং রানটাইমে দক্ষ। |
e9b7367c63ba970cc9a0360116b160dbe1eb1bb4 | আমরা একটি রিইনফোর্সমেন্ট লার্নিং ফ্রেমওয়ার্ক উপস্থাপন করছি, যাকে প্রোগ্রাম্যাটিক্যাল ইন্টারপ্রেটেবল রিইনফোর্সমেন্ট লার্নিং (পিআইআরএল) বলা হয়, যা ব্যাখ্যাযোগ্য এবং যাচাইযোগ্য এজেন্ট নীতি তৈরি করতে ডিজাইন করা হয়েছে। জনপ্রিয় ডিপ রিইনফোর্সমেন্ট লার্নিং (ডিআরএল) প্যারাডাইম থেকে ভিন্ন, যা নিউরাল নেটওয়ার্ক দ্বারা নীতিগুলিকে প্রতিনিধিত্ব করে, পিআইআরএল একটি উচ্চ-স্তরের, ডোমেন-নির্দিষ্ট প্রোগ্রামিং ভাষা ব্যবহার করে নীতিগুলিকে প্রতিনিধিত্ব করে। এই ধরনের প্রোগ্রাম্যাটিক নীতিমালাগুলি নিউরাল নেটওয়ার্কগুলির চেয়ে আরও সহজে ব্যাখ্যা করা এবং প্রতীকী পদ্ধতি দ্বারা যাচাইয়ের জন্য উপযুক্ত হওয়ার সুবিধা রয়েছে। আমরা একটি নতুন পদ্ধতির প্রস্তাব দিচ্ছি, যাকে নিউরালি ডিরেক্টেড প্রোগ্রাম সার্চ (এনডিপিএস) বলা হয়, সর্বোচ্চ পুরস্কারের সাথে একটি প্রোগ্রাম্যাটিক নীতি খুঁজে পাওয়ার চ্যালেঞ্জিং নন-স্মুথ অপ্টিমাইজেশন সমস্যা সমাধানের জন্য। এনডিপিএস প্রথমে ডিআরএল ব্যবহার করে একটি নিউরাল পলিসি নেটওয়ার্ক শিখতে এবং তারপরে প্রোগ্রাম্যাটিক নীতিগুলির উপর স্থানীয় অনুসন্ধান সম্পাদন করে কাজ করে যা এই নিউরাল ওরাকল থেকে দূরত্বকে কমিয়ে আনার চেষ্টা করে। আমরা এনডিপিএসকে টর্স কারসেটিং পরিবেশে একটি সিমুলেটেড গাড়ি চালানো শেখার কাজে মূল্যায়ন করি। আমরা দেখিয়েছি যে এনডিপিএস কিছু উল্লেখযোগ্য পারফরম্যান্স বার পাস করে মানুষের-পঠনযোগ্য নীতিগুলি আবিষ্কার করতে সক্ষম। আমরা দেখিয়েছি যে পিআইআরএল নীতিগুলি আরও মসৃণ গতিপথ থাকতে পারে এবং ডিআরএল দ্বারা আবিষ্কৃত অনুরূপ নীতিগুলির চেয়ে প্রশিক্ষণের সময় দেখা যায় না এমন পরিবেশগুলিতে আরও সহজেই স্থানান্তরিত হতে পারে। |
48d103f81e9b70dc2de82508973bc35f61f8ed01 | এই নথিতে উচ্চ গতির ট্রেন এবং স্থল যানবাহনে মোবাইল স্যাটেলাইট যোগাযোগের জন্য টিইএস কিউ ব্যান্ড অ্যান্টেনার অত্যাধুনিক অবস্থা এবং কিউ ব্যান্ড অ্যান্টেনার পারফরম্যান্সের উন্নতি এবং কা ব্যান্ড টার্মিনালগুলিতে আপগ্রেড করার দিক থেকে তার বিবর্তন উপস্থাপন করা হয়েছে। |
7294d9fa5c5524a43619ad7e52d132a90cfe91bb | এই চিঠির সাধারণ বিষয় হল উচ্চ-ডেটা-রেট SATCOM এর জন্য একটি ফেজড অ্যারে অ্যান্টেনার নকশা। একটি চূড়ান্ত প্রদর্শনী অ্যান্টেনা একটি মানহীন বিমান বাহক (ইউএভি) এ ইনস্টল করা যেতে পারে কা-ব্যান্ডে একটি উপগ্রহের সাথে যোগাযোগ করতে। প্রথমত, একটি কম্প্যাক্ট প্রতিফলন-টাইপ ফেজ শিফটার ডিজাইন এবং বাস্তবায়িত হয়। দ্বিতীয়ত, একটি ফেজড অ্যারে অ্যান্টেনা প্রোটোটাইপের ধারণাটি বিস্তারিতভাবে বর্ণনা করা হয়েছে। তৃতীয়ত, একটি নতুন ক্যালিব্রেশন পদ্ধতির সাথে জড়িত যা প্রতিটি ফেজ শিফটারে প্রয়োগ করা বিয়ার ভোল্টেজ সরবরাহ করতে পারে যাতে কাঙ্ক্ষিত দিকের বিমটি স্ক্যান করা যায়। |
b40b8a2b528a88f45bba5ecd23cec02840798e72 | একটি ক-ব্যান্ড স্যাটেলাইট-অন-দ্য-মুভ গ্রাউন্ড ইউজার টার্মিনালের জন্য একটি 2D-পরবর্তী সময়সীমা ফাঁকা-তরঙ্গ অ্যান্টেনা উপস্থাপিত হয়। অ্যান্টেনা প্যানেলটি 20 গিগাহার্টজ ডাউনলিংক এবং 30 গিগাহার্টজ আপলিংক ব্যান্ডে সংশ্লিষ্ট বৃত্তাকার পোলারাইজেশন সহ একটি সাধারণ বিকিরণ খোলার এবং একটি সাধারণ ফেজ কেন্দ্র ব্যবহার করে কাজ করে। দ্বৈত-ব্যান্ড পারফরম্যান্সটি একটি সাবধানে পরিকল্পিত স্ট্যাকড ডাবল-লেয়ার ফ্রিকোয়েন্সি নির্বাচনী পৃষ্ঠ দ্বারা অর্জন করা হয়, যার একটি স্তর 20 গিগাহার্টজ এ কাজ করে এবং 30 গিগাহার্টজে স্বচ্ছ হয় এবং দ্বিতীয় স্তরটি বিপরীতভাবে কাজ করে। এই গবেষণাপত্রে বৃত্তাকারভাবে পোলারাইজড প্রাথমিক ফিড, দ্বৈত-স্তর কাঠামো এবং সম্পূর্ণ কম্প্যাক্ট ফাঁস-তরঙ্গ অ্যান্টেনা প্যানেলের নকশা বর্ণনা করা হয়েছে। পরিমাপকৃত বিকিরণ পারফরম্যান্স 22 dBi এর উপরে উপলব্ধ লাভের মান এবং 60% এর উপরে দক্ষতা প্রকাশ করে। ক্রস-পোলারাইজেশন বৈষম্য এবং সাইডলব স্তর Ka-band এ স্যাটেলাইট যোগাযোগের জন্য পাওয়ার বর্ণালী প্রয়োজনীয়তা পূরণের জন্য উপযুক্ত। |
1f009366a901c403a8aad65c94ec2fecf3428081 | পূর্ববর্তী নিউরাল মেশিন অনুবাদ মডেলগুলি পরীক্ষার পর্যায়ে অনুবাদ বাক্যগুলির উপর সর্বাধিক একটি পোস্টেরিয়র সমস্যা সমাধান করা এড়াতে কিছু হিউরিস্টিক অনুসন্ধান অ্যালগরিদম (যেমন, বিম অনুসন্ধান) ব্যবহার করেছিল। এই গবেষণাপত্রে আমরা গাম্বেল-গ্রিডি ডিকোডিং এর প্রস্তাব দিচ্ছি যা একটি প্রশিক্ষিত মডেলের অধীনে অনুবাদ পূর্বাভাস দেওয়ার জন্য একটি উত্পাদনশীল নেটওয়ার্ককে প্রশিক্ষণ দেয়। আমরা গাম্বেল-সফটম্যাক্স পুনরায় প্যারামিটারাইজেশন ব্যবহার করে এই ধরনের সমস্যা সমাধান করি, যা আমাদের জেনারেটিভ নেটওয়ার্ককে স্ট্যান্ডার্ড স্টোকস্টিক গ্রেডিয়েন্ট পদ্ধতির মাধ্যমে ডিফারেনশিয়াল এবং প্রশিক্ষিত করে তোলে। আমরা অভিজ্ঞতার মাধ্যমে দেখিয়েছি যে আমাদের প্রস্তাবিত মডেলটি স্বতন্ত্র শব্দের ক্রম তৈরির জন্য কার্যকর। |
8e49caba006e1832a70162f3a93a31be25927349 | এই নিবন্ধে কগনিটিভ রাডার নামে একটি নতুন ধারণা নিয়ে আলোচনা করা হয়েছে। জ্ঞানীয় রাডার গঠনের তিনটি উপাদান মৌলিকঃ 1) বুদ্ধিমান সংকেত প্রক্রিয়াকরণ, যা আশেপাশের পরিবেশের সাথে রাডার এর মিথস্ক্রিয়া মাধ্যমে শেখার উপর ভিত্তি করে; 2) রিসিভার থেকে ট্রান্সমিটার থেকে প্রতিক্রিয়া, যা বুদ্ধিমত্তার একটি সুবিধার্থক; এবং 3) রাডার রিটার্নের তথ্য সামগ্রী সংরক্ষণ, যা ট্র্যাকিংয়ের মাধ্যমে লক্ষ্য সনাক্তকরণের বেয়েসিয়ান পদ্ধতির দ্বারা উপলব্ধি করা হয়। এই তিনটি উপাদানই বাদুড়ের ইকো-লোকেশন সিস্টেমে বৈশিষ্ট্যযুক্ত, যা জ্ঞানীয় রাডারের একটি শারীরিক উপলব্ধি (যদিও নিউরোবায়োলজিকাল পদগুলিতে) হিসাবে দেখা যেতে পারে। রাডার একটি রিমোট সেন্সিং সিস্টেম যা ব্যাপকভাবে নজরদারি, ট্র্যাকিং এবং ইমেজিং অ্যাপ্লিকেশনগুলির জন্য ব্যবহৃত হয়, উভয় বেসামরিক এবং সামরিক প্রয়োজনের জন্য। এই প্রবন্ধে আমরা বিশেষভাবে জ্ঞানীয় সমস্যাটির উপর জোর দিয়ে রাডারগুলির ভবিষ্যতের সম্ভাবনার উপর দৃষ্টি নিবদ্ধ করব। এই প্রসঙ্গে আমরা একটি উদাহরণস্বরূপ একটি সমুদ্রের পরিবেশে ব্যবহৃত রাডার নজরদারি সমস্যার কথা বিবেচনা করব। |
f584c3d1c2d0e4baa7f8fc72fcab7b9395970ef5 | এই আকর্ষণীয় প্রশ্নগুলির গবেষণায় খুব কম কাজ করা হয়েছে, এবং আমি এই ধারণা দিতে চাই না যে কোনও বিস্তৃত ধারণাগুলির একটি সেট রয়েছে যা "তত্ত্ব" বলা যেতে পারে। বিজ্ঞান ও দর্শনশাস্ত্রের ইতিহাসের ক্ষেত্রে যা বেশ বিস্ময়কর তা হল যে মস্তিষ্কের প্রক্রিয়াগুলির প্রতি আগ্রহের এই অসাধারণ বৃদ্ধি, মানসিক এবং শারীরবৃত্তীয় উভয় ক্ষেত্রেই, এর প্রধান উদ্দীপক এসেছে একটি যন্ত্র, একটি যন্ত্র, ডিজিটাল কম্পিউটার থেকে। মানুষের সাথে এবং মানব সমাজের সাথে সম্পর্কিত, আমরা অবজ্ঞাবান, অযৌক্তিক, অসঙ্গত, এবং অসম্পূর্ণ হওয়ার বিলাসিতা উপভোগ করি, এবং তবুও মোকাবিলা করি। কম্পিউটার পরিচালনার ক্ষেত্রে আমাদের অবশ্যই বিস্তারিত নির্দেশাবলী এবং সম্পূর্ণ নির্ভুলতার কঠোর প্রয়োজনীয়তা পূরণ করতে হবে। যদি আমরা মানুষের মনের ক্ষমতা বুঝতে পারি জটিলতা, অনিশ্চয়তা এবং অযৌক্তিকতার সম্মুখীন হয়ে কার্যকর সিদ্ধান্ত নেওয়ার জন্য তাহলে আমরা কম্পিউটারকে আমাদের চেয়ে এক মিলিয়ন গুণ বেশি কার্যকরভাবে ব্যবহার করতে পারতাম। এই সত্যকে স্বীকৃতি দেওয়া নিউরোফিজিওলজি ক্ষেত্রে গবেষণার প্রসার ঘটানোর জন্য একটি প্রেরণা হয়ে দাঁড়িয়েছে। মস্তিষ্কের তথ্য প্রক্রিয়াকরণ সম্বন্ধে যত বেশি আমরা অধ্যয়ন করি, তত বেশি আমরা বিভ্রান্ত ও মুগ্ধ হই। এই প্রক্রিয়াগুলোকে পুনরুত্পাদন করার জন্য যথেষ্ট পরিমাণে বুঝতে আমাদের অনেক সময় লাগবে। যে কোন ক্ষেত্রে, গণিতবিদ শত শত এবং হাজার হাজার ভয়ঙ্কর নতুন সমস্যা দেখতে পান কয়েক ডজন প্রস্ফুটিত এলাকায়, ধাঁধা প্রচুর, এবং তার হৃদয়ের বিষয়বস্তু চ্যালেঞ্জ। সে হয়তো কখনো এর সমাধান করতে পারবে না, কিন্তু সে কখনো বিরক্ত হবে না। সে আর কি চাইতে পারে? |
9d2222506f6a076e2c9803ac4ea5414eda881c73 | সড়ক দুর্ঘটনার ক্ষেত্রে ড্রাইভারের ঘুম একটি গুরুত্বপূর্ণ কারণ। এই সমস্যা মোকাবেলার একটি উপায় হচ্ছে ড্রাইভারদের ঘুমের সমস্যা সনাক্ত করার জন্য প্রযুক্তিগত প্রতিরোধ ব্যবস্থা তৈরি করা, যাতে দুর্ঘটনা ঘটার আগে ড্রাইভারকে সতর্ক করা যায়। এই পর্যালোচনার লক্ষ্য হল, বর্তমান জ্ঞানের পরিপ্রেক্ষিতে, রিয়েল টাইমে ঘুমের সমস্যা সম্পর্কে নির্ভরযোগ্যভাবে ভবিষ্যদ্বাণী করতে গাড়ির পরিমাপ ব্যবহার করা যায় কিনা তা মূল্যায়ন করা। ফলাফল বিভিন্ন আচরণগত পরীক্ষায় দেখা গেছে যে, নিয়ন্ত্রিত, পরীক্ষামূলক পরিস্থিতিতে ঘুমের কারণে গাড়ি চালানোর ক্ষমতা মারাত্মকভাবে ক্ষতিগ্রস্ত হতে পারে। তবে, বেশিরভাগ গবেষণায় পারফরম্যান্সের সহজ ফাংশন (যেমন লেনের অবস্থানের স্ট্যান্ডার্ড ডিভিয়েশন) তদন্ত করা হয়েছে এবং ফলাফলগুলি প্রায়শই ড্রাইভারদের এবং সময়ের মধ্যবর্তী হিসাবে প্রতিবেদন করা হয়। আরো জটিল ফাংশন পরীক্ষা করার জন্য আরও গবেষণা প্রয়োজন, পাশাপাশি ড্রাইভারগুলির মধ্যে পৃথক পার্থক্য। শিল্পে প্রভাব ড্রাইভারদের ঘুমের সমস্যা সম্পর্কে ভবিষ্যদ্বাণী করার জন্য একটি সফল প্রতিকার সম্ভবত একাধিক মানদণ্ড নির্ধারণ এবং একাধিক পরিমাপ ব্যবহারের প্রয়োজন হবে। |
7bbd56f4050eb9f8b63f0eacb58ad667aaf49f25 | মোবাইল ডেটা ট্রাফিকের অসাধারণ বৃদ্ধি মোবাইল নেটওয়ার্ক ক্যাপাসিটি বর্তমান 3G/4G নেটওয়ার্ক ছাড়িয়ে ব্যাপকভাবে বৃদ্ধি করার আহ্বান জানায়। এই গবেষণাপত্রে আমরা পরবর্তী প্রজন্মের মোবাইল যোগাযোগ ব্যবস্থা (৫জি) এর জন্য একটি মিলিমিটার ওয়েভ মোবাইল ব্রডব্যান্ড (এমএমবি) সিস্টেমের প্রস্তাব দিচ্ছি। এই চাহিদা পূরণের জন্য এমএমবি ৩ থেকে ৩০০ গিগাহার্জ স্পেকট্রামের বিস্তৃত স্পেকট্রাম ব্যবহার করে। আমরা ব্যাখ্যা করছি যে, কেন মিলিমিটার ওয়েভ স্পেকট্রাম মোবাইল ব্রডব্যান্ড অ্যাপ্লিকেশনের জন্য উপযুক্ত। আমরা মিলিমিটার তরঙ্গের অনন্য সুবিধা যেমন স্পেকট্রামের উপলব্ধতা এবং ছোট ফর্ম ফ্যাক্টরগুলিতে বড় বিম ফর্মিং লাভ নিয়ে আলোচনা করি। আমরা একটি ব্যবহারিক এমএমবি সিস্টেম ডিজাইন বর্ণনা করি যা 500 মিটার পর্যন্ত দূরত্বের জন্য গিগাবাইট / সেকেন্ডের ডেটা হার সরবরাহ করতে সক্ষম এবং 350 কিলোমিটার / ঘন্টা পর্যন্ত গতিশীলতা সমর্থন করে। সিস্টেম সিমুলেশন এর মাধ্যমে আমরা দেখিয়েছি যে একটি বেসিক এমএমবি সিস্টেম একটি গড় সেল থ্রুপুট এবং সেল-এজ থ্রুপুট পারফরম্যান্স প্রদান করতে সক্ষম যা বর্তমান 20MHz LTE-Advanced সিস্টেমের চেয়ে 10-100 গুণ ভাল। |
3bc9f8eb5ba303816fd5f642f2e7408f0752d3c4 | |
0c83eeceee8f55fb47aed1420b5510aa185feace | আমরা একটি পদ্ধতির প্রস্তাব দিচ্ছি যা ভৌগোলিক ম্যাশআপ থেকে অনুপ্রাণিত, যেখানে অবাধে উপলব্ধ কার্যকারিতা এবং ডেটাগুলি ডি ফ্যাক্টো এক্সচেঞ্জ স্ট্যান্ডার্ড ব্যবহার করে অবাধে কিন্তু নমনীয়ভাবে একত্রিত হয়। আমাদের কেস স্টাডি মাইএসকিউএল, পিএইচপি এবং ল্যান্ড সার্ফ জিআইএসকে একত্রিত করে যাতে গুগল আর্থকে ভিজ্যুয়াল সংশ্লেষণ এবং কেএমএল-এ বর্ণিত এনকোডিংয়ের সাথে ইন্টারঅ্যাকশনের জন্য ব্যবহার করা যায়। এই পদ্ধতিটি একটি মোবাইল ডিরেক্টরি সার্ভিসে করা ১.৪২ মিলিয়ন অনুরোধের একটি লগের অনুসন্ধানে প্রয়োগ করা হয়। ইন্টারঅ্যাকশন এবং ভিজ্যুয়াল এনকোডিংয়ের নতুন সমন্বয়গুলি তৈরি করা হয়েছে যার মধ্যে রয়েছে স্থানিক ট্যাগ ক্লাউডস , ট্যাগ ম্যাপস , ডেটা ডায়ালস এবং মাল্টি-স্কেল ঘনত্বের পৃষ্ঠ। এই পদ্ধতির চারটি দিকের অবৈধভাবে মূল্যায়ন করা হয়েছেঃ ব্যবহৃত ভিজ্যুয়াল এনকোডিং, ডেটাসেটের ভিজ্যুয়াল এক্সপ্লোরেশনে তাদের সাফল্য, ব্যবহৃত নির্দিষ্ট সরঞ্জাম এবং ম্যাশআপ পদ্ধতি। প্রাথমিক ফলাফলগুলি ভিজ্যুয়ালাইজেশনের জন্য ম্যাশআপ ব্যবহার করার বিষয়ে বিবেচনা করা অন্যদের জন্য উপকারী হবে। এখানে যে ধরনের তথ্যের সন্ধান করা হয়েছে, তা থেকে বিভিন্ন ধরনের স্থানিক-সময়ের তথ্যের কাঠামোর বিষয়ে ধারণা পাওয়া যায়। বড় আকারের কাঠামোগত, বহু-মুখী স্থান-সময়ের ডেটাসেটের প্রাথমিক তদন্তের জন্য অনুসন্ধানী ভিজ্যুয়াল বিশ্লেষণ উপযোগী। এই প্রক্রিয়াটির জন্য সময়, স্থান এবং বৈশিষ্ট্য অনুসারে রেকর্ডগুলির নির্বাচন এবং সংহতকরণ, ডেটা রূপান্তর করার ক্ষমতা এবং উপযুক্ত ভিজ্যুয়াল এনকোডিং এবং ইন্টারঅ্যাকশন প্রয়োগ করার নমনীয়তা প্রয়োজন। |
11e907ef1dad5daead606ce6cb69ade18828cc39 | আমরা একটি অ-নেগেটিভ আর্ক ওজন দিয়ে বড় এবং বিচ্ছিন্ন নির্দেশিত গ্রাফগুলিতে পয়েন্ট-টু-পয়েন্ট সংক্ষিপ্ততম পথ গণনার জন্য একটি ত্বরণ পদ্ধতি অধ্যয়ন করি। এই ত্বরণ পদ্ধতিকে আর্ক-ফ্ল্যাগ পদ্ধতি বলা হয় এবং এটি ডিজকস্ট্রার অ্যালগরিদমের উপর ভিত্তি করে তৈরি। আর্ক-ফ্ল্যাগ পদ্ধতিতে, আমরা নেটওয়ার্ক ডেটা প্রিপ্রসেসিং এর অনুমতি দিই অতিরিক্ত তথ্য তৈরি করতে, যা পরে সর্বাধিক সংক্ষিপ্ত পথের অনুসন্ধানগুলিকে গতিশীল করতে ব্যবহৃত হয়। প্রিপ্রসেসিং পর্যায়ে, গ্রাফটি অঞ্চলগুলিতে বিভক্ত করা হয় এবং কোনও আর্ক কোনও নির্দিষ্ট অঞ্চলে সবচেয়ে সংক্ষিপ্ত পথে রয়েছে কিনা সে সম্পর্কে তথ্য সংগ্রহ করা হয়। আর্ক-ফ্ল্যাগ পদ্ধতিটি উপযুক্ত পার্টিশনিং এবং দ্বি-নির্দেশিত অনুসন্ধানের সাথে মিলিত হয় যা বড় নেটওয়ার্কগুলিতে (১ মিলিয়ন নোড, ২.৫ মিলিয়ন আর্ক) ডিজকস্ট্রার স্ট্যান্ডার্ড অ্যালগরিদমের তুলনায় গড় গতির ফ্যাক্টর 500 এর বেশি অর্জন করে। এই সমন্বয়টি দীর্ঘ-দূরত্বের সংক্ষিপ্ততম পথ অনুসন্ধানের জন্য ডাইকস্ট্রার অ্যালগরিদমের অনুসন্ধান স্থানকে প্রায় সংক্ষিপ্ততম পথের আকারের আকারে সংকীর্ণ করে। আমরা একটি পরীক্ষামূলক গবেষণা চালাচ্ছি যা মূল্যায়ন করে কোন পার্টিশনগুলি আর্ক-ফ্ল্যাগ পদ্ধতির জন্য সবচেয়ে উপযুক্ত। বিশেষ করে, আমরা কম্পিউটেশনাল জ্যামিতি এবং একটি মাল্টিওয়ে আর্ক বিভাজক বিভাজন থেকে পার্টিশনিং অ্যালগরিদম পরীক্ষা করি। জার্মানির সড়ক নেটওয়ার্কে এই মূল্যায়ন করা হয়। সংক্ষিপ্ততম পথের অ্যালগরিদমের গতি বাড়ানোর উপর বিভিন্ন পার্টিশনের প্রভাবের তুলনা করা হয়। উপরন্তু, আমরা পার্টিশনের একাধিক স্তরের জন্য স্পিডআপ টেকনিকের একটি এক্সটেনশন উপস্থাপন করছি। এই মাল্টিলেভেল ভেরিয়েন্টের সাহায্যে, একই গতি বাড়ানোর কারণগুলি ছোট স্থান প্রয়োজনীয়তার সাথে অর্জন করা যেতে পারে। এটিকে প্রাক-গণিত তথ্যের একটি সংকোচন হিসাবে দেখা যেতে পারে যা গণিত সংক্ষিপ্ততম পথের সঠিকতা সংরক্ষণ করে। |
09be020a9738464799740602d7cf3273c1416c6a | প্রক্রিয়ার সাথে টেক্সচার তৈরি করা শিল্পীর সাহায্য ছাড়াই আরও সমৃদ্ধ এবং বিস্তারিত ভার্চুয়াল পরিবেশ তৈরি করতে সক্ষম করে। তবে বাস্তব বিশ্বের টেক্সচারের একটি নমনীয় জেনারেটিভ মডেল খুঁজে পাওয়া একটি উন্মুক্ত সমস্যা। আমরা একটি নতুন কনভোলুশনাল নিউরাল নেটওয়ার্ক ভিত্তিক টেক্সচার মডেল উপস্থাপন করছি যা দুটি সারসংক্ষেপ পরিসংখ্যান (গ্র্যামিয়ান এবং ট্রান্সলেশন গ্র্যামিয়ান ম্যাট্রিক্স) এর পাশাপাশি বর্ণালী সীমাবদ্ধতা নিয়ে গঠিত। আমরা বর্ণালী সীমাবদ্ধতা প্রয়োগ করে ফুরিয়ার ট্রান্সফর্ম বা উইন্ডো ফুরিয়ার ট্রান্সফর্মের তদন্ত করি এবং দেখতে পাই যে উইন্ডো ফুরিয়ার ট্রান্সফর্মটি উত্পন্ন টেক্সচারের গুণমান উন্নত করেছে। আমরা আমাদের সিস্টেমের কার্যকারিতা প্রদর্শন করি, উৎপন্ন আউটপুটকে সংশ্লিষ্ট অত্যাধুনিক সিস্টেমের সাথে তুলনা করে। |
9fa3c3f1fb6f1566638f97fcb993fe121646433e | |
f8f92624c8794d54e08b3a8f94910952ae03cade | ব্যক্তি পুনরায় সনাক্তকরণ (পুনরায় আইডি) একটি ক্রস-ক্যামেরা পুনরুদ্ধার কাজ যা বিভিন্ন ক্যামেরার কারণে চিত্রের শৈলীর বৈচিত্র্যের কারণে ভোগ করে। এই আর্টটি একটি ক্যামেরা-অবিন্যস্ত বর্ণনাকারী উপ-অবস্থান শেখার মাধ্যমে এই সমস্যাটিকে অব্যক্তভাবে মোকাবেলা করে। এই গবেষণাপত্রে আমরা ক্যামেরার স্টাইল (CamStyle) প্রবর্তন করে এই চ্যালেঞ্জকে স্পষ্টভাবে বিবেচনা করছি। ক্যামস্টাইল ডেটা বর্ধনের পদ্ধতি হিসাবে কাজ করতে পারে যা গভীর নেটওয়ার্ক ওভারফিটিংয়ের ঝুঁকি হ্রাস করে এবং এটি ক্যামস্টাইলের বৈষম্যগুলি মসৃণ করে। বিশেষ করে, একটি স্টাইল ট্রান্সফার মডেলের সাথে, লেবেলযুক্ত প্রশিক্ষণ চিত্রগুলি প্রতিটি ক্যামেরায় স্টাইল স্থানান্তরিত হতে পারে এবং মূল প্রশিক্ষণ নমুনার সাথে একসাথে বর্ধিত প্রশিক্ষণ সেট গঠন করে। এই পদ্ধতিটি, অতিরিক্ত ফিটিংয়ের বিরুদ্ধে ডেটা বৈচিত্র্য বাড়ানোর পাশাপাশি, যথেষ্ট পরিমাণে শব্দ সৃষ্টি করে। শব্দের প্রভাব কমাতে, লেবেল মসৃণ নিয়মিতকরণ (এলএসআর) গৃহীত হয়। আমাদের পদ্ধতির ভ্যানিলা সংস্করণ (এলএসআর ছাড়াই) কয়েকটি ক্যামেরা সিস্টেমে যুক্তিসঙ্গতভাবে ভাল কাজ করে যেখানে প্রায়শই ওভারফিটিং ঘটে। LSR এর সাহায্যে, আমরা সব সিস্টেমে ধারাবাহিক উন্নতি দেখি, যতই বড় বা বড় না হোক। আমরা মার্কেট-১৫০১ এবং ডিউক এমটিএমসি-রি-আইডি-র সাথে প্রযুক্তিগত অবস্থার তুলনায় প্রতিযোগিতামূলক নির্ভুলতারও প্রতিবেদন দিচ্ছি। গুরুত্বপূর্ণভাবে, ক্যামস্টাইলকে এক দৃষ্টিভঙ্গি শেখার এবং ব্যক্তি পুনরায় সনাক্তকরণে (পুনরায় আইডি) অনিয়ন্ত্রিত ডোমেন অভিযোজন (ইউডিএ) এর চ্যালেঞ্জিং সমস্যার জন্য ব্যবহার করা যেতে পারে, যার উভয়ই সমালোচনামূলক গবেষণা এবং প্রয়োগের গুরুত্ব রয়েছে। প্রথমটি শুধুমাত্র একটি ক্যামেরা ভিউতে ডেটা লেবেল করেছে এবং দ্বিতীয়টি শুধুমাত্র সোর্স ডোমেইনে ডেটা লেবেল করেছে। পরীক্ষামূলক ফলাফল দেখায় যে ক্যামস্টাইল দুটি সমস্যার ক্ষেত্রে বেসলাইনটির কার্যকারিতা উল্লেখযোগ্যভাবে উন্নত করে। বিশেষ করে ইউডিএর জন্য, ক্যামস্টাইল মার্কেট-১৫০১ এবং ডিউকএমটিএমসি-রিআইডি-র বেসলাইন গভীর পুনরায় আইডি মডেলের উপর ভিত্তি করে অত্যাধুনিক নির্ভুলতা অর্জন করে। আমাদের কোডটি https://github.com/zhunzhong07/CamStyle এ পাওয়া যায়। |
61ec08b1fd5dc1a0e000d9cddee6747f58d928ec | এই নিবন্ধটি ভাল আনুমানিক আস্থা ব্যবধান উত্পাদন জন্য বুটস্ট্র্যাপ পদ্ধতি জরিপ। লক্ষ্য হল, স্ট্যান্ডার্ড ইন্টারভালের সঠিকতাকে এক অর্ডারে উন্নীত করা, এমনভাবে যে, এটি অত্যন্ত জটিল সমস্যার ক্ষেত্রেও রুটিন অ্যাপ্লিকেশনকে সম্ভব করে তোলে। এই কাজটি কিভাবে করা হয় তা দেখানোর জন্য তত্ত্ব এবং উদাহরণ উভয়ই ব্যবহার করা হয়। প্রথম সাতটি বিভাগে বুটস্ট্র্যাপের চারটি কনফিডেন্স ইন্টারভাল পদ্ধতির একটি হিউরিস্টিক ওভারভিউ দেওয়া হয়েছে: বিসিএ, বুটস্ট্র্যাপ-টি, এবিসি এবং ক্যালিব্রেশন। অধ্যায় ৮ এবং ৯ এ এই পদ্ধতির পিছনে তত্ত্ব এবং বার্নডর্ফ-নীলসেন, কক্স এবং রিড এবং অন্যদের দ্বারা বিকাশিত সম্ভাব্যতা ভিত্তিক আস্থা ব্যবধান তত্ত্বের সাথে তাদের ঘনিষ্ঠ সংযোগের বর্ণনা দেওয়া হয়েছে। |
a9a6322f5d6575adb04d9ed670ffdef741840958 | ফোর্ডাইস স্পটগুলি হল ইকটোপিক সেবেসিয়াস গ্রন্থি, যার ব্যাসার্ধ ২ থেকে ৩ মিমি। এই অশুভ ক্ষতগুলি সাধারণত মুখের শ্লৈষ্মিক এবং যৌনাঙ্গে অবস্থিত। বিশেষ করে পুরুষের যৌনাঙ্গে, এই দাগগুলো যৌন ক্রিয়াকলাপের সময় চুলকানি, অস্বস্তি এবং নান্দনিকভাবে অপ্রীতিকর হতে পারে। এখন পর্যন্ত, বিভিন্ন ধরনের থেরাপিউটিক পদ্ধতির বিভিন্ন সাফল্য এবং পুনরাবৃত্তি হার নিয়ে রিপোর্ট করা হয়েছে। এই গবেষণায় (২০০৩ থেকে ২০১১ সালের মধ্যে ২৩ জন রোগীর সাথে) আমরা মাইক্রো-পঞ্চ কৌশল ব্যবহার করে আমাদের অস্ত্রোপচার পদ্ধতির কথা তুলে ধরছি। এই কার্যকর পদ্ধতি ব্যবহার করে আমরা খুব সন্তোষজনক কার্যকরী এবং প্রসাধনী ফলাফল অর্জন করেছি। ১২ থেকে ৮৪ মাস পর্যন্ত অপারেশনের পর পর্যবেক্ষণের সময় পুনরাবৃত্তির কোন লক্ষণ দেখা যায়নি (মধ্যম = ৫১. ৩ মাস) । |
970698bf0a66ddf935b14e433c81e1175c0e8307 | ইন্টারনেট অব থিংস শব্দটির সরাসরি ব্যাখ্যা হলো এমবেডেড নেটওয়ার্কে মানুষের সাথে জিনিস বা জিনিস থেকে জিনিস যোগাযোগের জন্য স্ট্যান্ডার্ড ইন্টারনেট প্রোটোকল ব্যবহার করা। যদিও এই ক্ষেত্রে নিরাপত্তা প্রয়োজনীয়তা সুপরিচিত, তবে বিদ্যমান আইপি নিরাপত্তা প্রোটোকল এবং আর্কিটেকচারগুলি কীভাবে স্থাপন করা যায় তা এখনও পুরোপুরি বোঝা যায়নি। এই গবেষণাপত্রে আমরা ইন্টারনেট অফ থিংসের প্রেক্ষাপটে বিদ্যমান ইন্টারনেট প্রোটোকল এবং নিরাপত্তা স্থাপত্যের প্রয়োগযোগ্যতা এবং সীমাবদ্ধতা নিয়ে আলোচনা করব। প্রথমত, আমরা মোতায়েনের মডেল এবং সাধারণ নিরাপত্তা প্রয়োজনের একটি ওভারভিউ প্রদান করি। এরপর আমরা আইপি ভিত্তিক নিরাপত্তা সমাধানের জন্য চ্যালেঞ্জ এবং প্রয়োজনীয়তা উপস্থাপন করি এবং স্ট্যান্ডার্ড আইপি নিরাপত্তা প্রোটোকলের নির্দিষ্ট প্রযুক্তিগত সীমাবদ্ধতা তুলে ধরছি। |
140df6ceb211239b36ff1a7cfdc871f06d787d11 | ফাংশনাল এনক্রিপশন সীমিত ডিক্রিপশন কী সমর্থন করে যা ব্যবহারকারীদের এনক্রিপ্ট করা বার্তাগুলির নির্দিষ্ট ফাংশনগুলি শিখতে দেয়। যদিও ফাংশনাল এনক্রিপশন নিয়ে গবেষণার অধিকাংশই এখন পর্যন্ত এনক্রিপ্ট করা বার্তাগুলির গোপনীয়তার উপর দৃষ্টি নিবদ্ধ করেছে, অনেক বাস্তবসম্মত পরিস্থিতিতে ডিক্রিপশন কী সরবরাহ করা হয় এমন ফাংশনগুলির জন্যও গোপনীয়তা প্রদান করা অত্যন্ত গুরুত্বপূর্ণ। যদিও ফাংশন গোপনীয়তা প্রকাশ্য কী সেটিংয়ে স্বভাবতই সীমাবদ্ধ, ব্যক্তিগত কী সেটিংয়ে এর বিশাল সম্ভাবনা রয়েছে। বিশেষ করে, কেউ এমন স্কিম তৈরি করতে আশা করতে পারে যেখানে বার্তাগুলির এনক্রিপশন $$\mathsf{m}_1, \ldots , \mathsf{m}_T$$ m 1 , ... , m T ফাংশন $$f_1, \ldots , f_T$ f 1 , ... , f T এর সাথে সম্পর্কিত ডিক্রিপশন কীগুলির সাথে মূলত $$\{ f_i(\mathsf{m}_j) }_{i,j\in [T]}$ { f i (m j) } i , j ∈ [ T ] এর মান ছাড়া অন্য কোনও তথ্য প্রকাশ করে না। এর বিশাল সম্ভাবনা সত্ত্বেও, পরিচিত ফাংশন-প্রাইভেট প্রাইভেট-কী স্কিমগুলি ফাংশনগুলির বরং সীমিত পরিবারগুলিকে সমর্থন করে (যেমন অভ্যন্তরীণ পণ্য) বা ফাংশন গোপনীয়তার কিছুটা দুর্বল ধারণা সরবরাহ করে। আমরা একটি জেনেরিক রূপান্তর উপস্থাপন করছি যা একটি ফাংশন-প্রাইভেট ফাংশনাল এনক্রিপশন স্কিম প্রদান করে, যা একটি পর্যাপ্ত সমৃদ্ধ ফাংশন ক্লাসের জন্য কোন নন-ফাংশন-প্রাইভেট স্কিম দিয়ে শুরু হয়। আমাদের রূপান্তরটি অন্তর্নিহিত স্কিমের বার্তার গোপনীয়তা সংরক্ষণ করে এবং বিভিন্ন বিদ্যমান স্কিম ব্যবহার করে তা প্রতিলিপি করা যায়। ফাংশনাল এনক্রিপশন স্কিমগুলির পরিচিত নির্মাণগুলিতে প্লাগ ইন করে আমরা ফাংশন-ব্যক্তিগত স্কিমগুলি অর্জন করি যা ত্রুটিগুলি ধরে নেওয়া, অস্পষ্টতা অনুমান, সহজ মাল্টি-লাইনার-ম্যাপ অনুমান এবং এমনকি কোনও এক-উপায় ফাংশনের অস্তিত্বের উপর ভিত্তি করে (নিরাপত্তা এবং দক্ষতার মধ্যে বিভিন্ন বাণিজ্য অফার করে) । |
d0895e18d0553b9a35cff80bd7bd5619a19d51fb | আমরা উচ্চ গতির অপটিক্যাল যোগাযোগের লিংকগুলির জন্য 107 গিগাহার্জ বেসব্যান্ড ডিফারেনশিয়াল ট্রান্স-ইম্পিড্যান্স এম্প্লিফায়ার আইসি রিপোর্ট করছি। এই এম্প্লিফায়ারটি দুটি ডার্লিংটন রেসিস্টিবল ফিডব্যাক স্টেজ নিয়ে গঠিত, এটি 500 এনএম ইনপি এইচবিটি প্রক্রিয়ায় প্রয়োগ করা হয়েছিল এবং এটি 55 ডিবিও ডিফারেনশিয়াল ট্রান্সইম্পিড্যান্স লাভ, 30 পিএস গ্রুপ বিলম্ব, পি 1 ডিবি = 1 ডিবিএম প্রদর্শন করে এবং এটি 5.2 ভি সরবরাহ দ্বারা চালিত হয়। ইনপুট এবং আউটপুট ডিফারেনশিয়াল ইম্পিডেন্স ৫০Ω। আইসি ইনপুট এ -2V DC এর সাথে উচ্চ গতির ফোটোডিওডের সংযোগের জন্য এবং -450 এমভি ডিসির সাথে গিলবার্ট-সেল মিক্সার এবং ইসিএল লজিকের সাথে ইন্টারফেসের জন্য আউটপুট এ ইন্টারফেস করে। |
b9d5f2da9408d176a5cfc6dc0912b6d72e0ea989 | |
6910f307fef66461f5cb561b4d4fc8caf8594af5 | গত দু বছর ধরে শব্দ-অন্তর্ভুক্তির অ্যালগরিদম এবং এগুলোর উপর গবেষণা চলছে। তবে মূল্যায়ন মূলত একটি সংকীর্ণ সেট কাজ, মূলত শব্দ সাদৃশ্য / সম্পর্ক এবং শব্দ সম্পর্ক সাদৃশ্য এবং একটি একক ভাষা, যথা ইংরেজি উপর সম্পন্ন করা হয়েছে। আমরা বিভিন্ন ভাষায় এম্বেডিং মূল্যায়নের জন্য একটি পদ্ধতির প্রস্তাব দিচ্ছি যা বিভিন্ন সিনট্যাক্টিক বৈশিষ্ট্যগুলির সাথে শব্দ এম্বেডিংগুলি কীভাবে ক্লাস্টার করে তা তদন্ত করে এম্বেডিং স্পেসের কাঠামোর অন্তর্দৃষ্টি দেয়। আমরা দেখিয়েছি যে এই কাজটি করার জন্য সমস্ত এম্বেডিং পদ্ধতির একই আচরণ করা হয়, নির্ভরতা ভিত্তিক এম্বেডিংগুলি সর্বোত্তম কাজ করে। এই প্রভাবটি আরও বেশি স্পষ্ট হয় যখন নিম্ন মাত্রিক এম্বেড- |
8d31dbda7c58de30ada8616e1fcb011d32d5cf83 | নমনীয় ডেটা রেট (সিএএন-এফডি) সহ কন্ট্রোলার এরিয়া নেটওয়ার্ক পরবর্তী প্রজন্মের যানবাহন নেটওয়ার্ক প্রযুক্তি হিসাবে মনোযোগ আকর্ষণ করছে। তবে, সিএএন-এফডি ডিজাইনের সময় নিরাপত্তা সংক্রান্ত বিষয়গুলি পুরোপুরি বিবেচনা করা হয়নি, যদিও প্রেরিত প্রতিটি তথ্য ড্রাইভারের নিরাপত্তার জন্য গুরুত্বপূর্ণ হতে পারে। যদি আমরা ক্যান-এফডি-র নিরাপত্তা সমস্যা সমাধান করতে ব্যর্থ হই, তাহলে আমরা আশা করতে পারি না যে, যানবাহন-তথ্য ও যোগাযোগ প্রযুক্তি (ভেহিকল-আইসিটি) এর সমন্বয় অব্যাহত থাকবে। সৌভাগ্যবশত, নিরাপদ ইন-ভেনিকল ক্যান-এফডি যোগাযোগ পরিবেশগুলি ক্যান-এফডি এর বৃহত্তর ডেটা পেলোড ব্যবহার করে তৈরি করা যেতে পারে। এই গবেষণাপত্রে, আমরা একটি প্রতিরোধ ব্যবস্থা হিসাবে গাড়ির ভিতরে CAN-FD এর জন্য একটি নিরাপত্তা স্থাপত্য প্রস্তাব করছি (CAN-FD স্পেসিফিকেশন অনুযায়ী ডিজাইন করা হয়েছে) । আমরা আন্তর্জাতিক মানক সংস্থা (আইএসও) 26262 অটোমোটিভ সেফটি ইন্টিগ্রিটি লেভেল এবং ইন-ভেনুইল সাবনেটওয়ার্কের বৈশিষ্ট্যগুলি বিবেচনা করেছি একটি ব্যবহারিক সুরক্ষা স্থাপত্য ডিজাইন করতে। আমরা তিনটি ধরণের মাইক্রোকন্ট্রোলার ইউনিট এবং ক্যানো সফটওয়্যার ব্যবহার করে প্রস্তাবিত নিরাপত্তা স্থাপত্যের সম্ভাব্যতা মূল্যায়ন করেছি। আমাদের মূল্যায়নের ফলাফল পরবর্তী প্রজন্মের যানবাহন উৎপাদনের জন্য ইলেকট্রনিক কন্ট্রোল ইউনিটগুলির পারফরম্যান্স লেভেলের একটি সূচক হিসেবে ব্যবহার করা যেতে পারে। |
122ab8b1ac332bceacf556bc50268b9d80552bb3 | একটি বহুল গৃহীত ধারণা হল যে জটিল সফটওয়্যারটিতে প্রায়শই বাগ থাকে যা আক্রমণকারীরা দূর থেকে কাজে লাগাতে পারে। যখন এই সফটওয়্যারটি একটি গাড়ির ইলেকট্রনিক কন্ট্রোল ইউনিটে (ইসিইউ) থাকে, তখন এই বাগগুলির অপব্যবহারের ফলে জীবন বা মৃত্যুর পরিণতি হতে পারে। যেহেতু গাড়ির সফটওয়্যার সময়ের সাথে সাথে আরো বেশি জটিল হয়ে উঠবে, তাই এর ফলে দুর্বলতা বাড়বে। এর ফলে, নির্মাতারা দ্রুত এবং দক্ষতার সাথে আপডেটগুলি স্থাপন করার প্রয়োজনীয়তার বিষয়ে খুব সচেতন যাতে সফ্টওয়্যার দুর্বলতাগুলি যত তাড়াতাড়ি সম্ভব সংশোধন করা যায়। |
3a257a87ab5d1e317336a6cefb50fee1958bd84a | নতুন নতুন কম্পিউটিং প্রয়োজনীয়তা পূরণের জন্য ক্লাউড কম্পিউটিং উচ্চ স্কেলযোগ্যতা, নমনীয়তা এবং খরচ কার্যকারিতা প্রদান করে। একটি বড় উৎপাদন ক্লাউড ক্লাস্টারে প্রকৃত কাজের বোঝার বৈশিষ্ট্যগুলি বোঝা কেবল ক্লাউড পরিষেবা সরবরাহকারীদেরই নয়, গবেষকরা এবং প্রতিদিনের ব্যবহারকারীদেরও উপকার করে। এই গবেষণাপত্রে একটি বৃহত আকারের গুগল ক্লাস্টার ব্যবহারের ট্র্যাক ডেটাসেট অধ্যয়ন করা হয়েছে এবং ক্লাস্টারের মেশিনগুলি কীভাবে পরিচালিত হয় এবং ২৯ দিনের সময়কালে জমা দেওয়া ওয়ার্কলোডগুলি কীভাবে আচরণ করে তা বৈশিষ্ট্যযুক্ত। আমরা মেশিন রক্ষণাবেক্ষণের ঘটনাগুলির ফ্রিকোয়েন্সি এবং প্যাটার্ন, কাজ এবং টাস্ক-স্তরের কাজের চাপের আচরণ এবং সামগ্রিক ক্লাস্টার সংস্থানগুলি কীভাবে ব্যবহার করা হয় তার উপর ফোকাস করি। |
7dfce578644bc101ae4ffcd0184d2227c6d07809 | পলিমর্ফিক এনক্রিপশন এবং ছদ্ম-নামকরণ, সংক্ষেপে পিইপি, বিশেষ করে স্বাস্থ্যসেবাতে সংবেদনশীল ব্যক্তিগত তথ্য পরিচালনার জন্য একটি নতুন পদ্ধতি গঠন করে। প্রচলিত এনক্রিপশন বেশ কঠিন: একবার এনক্রিপ্ট করা হলে, শুধুমাত্র একটি কী ডেটা ডিক্রিপ্ট করতে ব্যবহার করা যেতে পারে। এই অস্থিরতা বড় ডেটা বিশ্লেষণের প্রেক্ষাপটে একটি বড় সমস্যা হয়ে উঠছে, যেখানে বিভিন্ন পক্ষ যারা একটি এনক্রিপ্ট করা ডেটা সেটের অংশটি তদন্ত করতে চায় তাদের সকলের ডিক্রিপ্ট করার জন্য একটি কী প্রয়োজন। পলিমর্ফিক এনক্রিপশন একটি নতুন ক্রিপ্টোগ্রাফিক কৌশল যা এই সমস্যাগুলি সমাধান করে। পলিমর্ফিক ছদ্ম-নামকরণের সাথে যুক্ত কৌশলটির সাথে একত্রে নতুন নিরাপত্তা এবং গোপনীয়তার গ্যারান্টি দেওয়া যেতে পারে যা (ব্যক্তিগতকৃত) স্বাস্থ্যসেবা, স্ব-পরিমাপ অ্যাপ্লিকেশনগুলির মাধ্যমে চিকিৎসা তথ্য সংগ্রহ এবং আরও সাধারণভাবে গোপনীয়তা-বান্ধব পরিচয় পরিচালনা এবং ডেটা বিশ্লেষণের ক্ষেত্রে প্রয়োজনীয়। পলিমর্ফিক এনক্রিপশনের মূল ধারণাগুলি হল: উৎপাদনের পরপরই, ডেটাকে পলিমর্ফিক পদ্ধতিতে এনক্রিপ্ট করা যায় এবং (ক্লাউড) স্টোরেজ সুবিধায় সংরক্ষণ করা যায় যাতে স্টোরেজ প্রদানকারী অ্যাক্সেস করতে না পারে। গুরুত্বপূর্ণ বিষয় হল, তথ্য দেখতে কে পাবে তা নির্ধারণ করার প্রয়োজন নেই, যাতে তথ্যগুলোকে অবিলম্বে সুরক্ষিত করা যায়। উদাহরণস্বরূপ, একটি পিইপি-সক্ষম স্ব-মাপক যন্ত্র তার সমস্ত পরিমাপ ডেটা একটি ব্যাক-এন্ড ডাটাবেসে পলিমর্ফিকভাবে এনক্রিপ্ট করা আকারে সংরক্ষণ করবে। ২। পরে সিদ্ধান্ত নেওয়া হবে কে ডেটা ডিক্রিপ্ট করতে পারবে। এই সিদ্ধান্তটি এমন একটি নীতির ভিত্তিতে নেওয়া হবে, যেখানে তথ্য বিষয়ক একটি মূল ভূমিকা পালন করা উচিত। PEP-সক্ষম ডিভাইসের ব্যবহারকারী, উদাহরণস্বরূপ, সিদ্ধান্ত নিতে পারেন যে ডাক্তার এক্স, Y, Z তাদের নির্ণয়ের জন্য ডেটা ব্যবহার করতে পারে, বা মেডিকেল গবেষক গ্রুপ A, B, C তাদের তদন্তের জন্য এটি ব্যবহার করতে পারে, বা তৃতীয় পক্ষের U, V, W অতিরিক্ত পরিষেবাগুলির জন্য এটি ব্যবহার করতে পারে ইত্যাদি ৩। নির্দিষ্ট কোনো পক্ষের দ্বারা এনক্রিপ্ট করা ডেটাকে ডিক্রিপ্ট করা যায় এমনভাবে এনক্রিপ্ট করা ডেটাকে টুইক করা যায়। এটা এমন একজনের দ্বারা করা হবে যাকে বিশ্বাস করা যায়, যে জানে কিভাবে কার জন্য সিফট টেক্সট টিউইক করতে হয়। এই পিইপি প্রযুক্তি বড় ডেটা বিশ্লেষণের জন্য প্রয়োজনীয় নিরাপত্তা এবং গোপনীয়তা অবকাঠামো সরবরাহ করতে পারে। মানুষ তাদের ডেটা পলিমর্ফিকভাবে এনক্রিপ্ট করা ফর্মের উপর নির্ভর করতে পারে এবং প্রতিটি সময় নির্দিষ্ট বিশ্লেষণের উদ্দেশ্যে নির্দিষ্ট পক্ষের জন্য (অংশগুলি) এটি উপলব্ধ (ডি-ক্রিপ্টযোগ্য) করার সিদ্ধান্ত নিতে পারে। এইভাবে ব্যবহারকারীরা নিয়ন্ত্রণে থাকে এবং তাদের কোন তথ্যটি কোথায় এবং কার দ্বারা কোন উদ্দেশ্যে ব্যবহৃত হয় তা পর্যবেক্ষণ করতে পারে। - ওহ্ , ওহ্ । |
0426408774fea8d724609769d6954dd75454a97e | ভ্যারিয়েশনাল অটো এনকোডারগুলি হচ্ছে অনিয়ন্ত্রিত শিক্ষার জন্য একটি শক্তিশালী কাঠামো। তবে, পূর্ববর্তী কাজটি সম্পূর্ণরূপে ফ্যাক্টরাইজড স্টোক্যাস্টিক ল্যাটিন ভেরিয়েবলের এক বা দুটি স্তরের সাথে ছোটো মডেলগুলিতে সীমাবদ্ধ ছিল, যা ল্যাটিন প্রতিনিধিত্বের নমনীয়তা সীমাবদ্ধ করে। আমরা ভেরিয়েশনাল অটো এনকোডারগুলির প্রশিক্ষণ অ্যালগরিদমের তিনটি অগ্রগতির প্রস্তাব দিচ্ছি, যা প্রথমবারের মতো পাঁচটি স্টোক্যাস্টিক স্তরের গভীর মডেলগুলিকে প্রশিক্ষণ দিতে দেয়, (1) সিঁড়ি নেটওয়ার্কের অনুরূপ কাঠামোটি উপসংহার মডেল হিসাবে ব্যবহার করে, (2) স্টোচ্যাটিক ইউনিটগুলি প্রাথমিক প্রশিক্ষণে সক্রিয় থাকার জন্য উষ্ণ-আপ সময় এবং (3) ব্যাচ নরমালাইজেশন ব্যবহার করে। এই উন্নতিগুলি ব্যবহার করে আমরা বেশ কয়েকটি বেঞ্চমার্ক ডেটাসেটে জেনারেটিভ মডেলিংয়ের জন্য অত্যাধুনিক লগ-সম্ভাব্যতার ফলাফল দেখাই। |
feebbb3378245c28c708a290a888248026b06ca8 | এই গবেষণাপত্রটিতে মাল্টি-আর্ম টেকনিকের উপর ভিত্তি করে একটি নতুন মাল্টি-ফ্রিকোয়েন্সি মুদ্রিত চতুর্ভুজাকার হেলিক্স অ্যান্টেনা উপস্থাপন করা হয়েছে। ডাবল ফ্রিকোয়েন্সি এবং সন্তোষজনক অ্যান্টেনা বৈশিষ্ট্য অর্জন করা হয়। অ্যান্টেনার আকার তুলনামূলকভাবে কমপ্যাক্ট এবং গোলার্ধীয় প্যাটার্ন রয়েছে যা চক্রীয়ভাবে পোলারাইজড কভারেজের সাথে চমৎকার। এইচএফএসএস সফটওয়্যার ব্যবহার করে এন্টেনের নকশা ও সিমুলেশন করা হয়েছে। সিমুলেশন ফলাফল এবং বিশ্লেষণ উপস্থাপন করা হয়। |
1ee72ed1db4ddbc49922255194890037c7a2f797 | এই চিঠিতে গ্যাস প্রক্রিয়া ভিত্তিক একটি ব্রডব্যান্ড মোনোপলস তুলনামূলক এমএমআইসি (মোনলিথিক মাইক্রোওয়েভ ইন্টিগ্রেটেড সার্কিট) উপস্থাপন করা হয়েছে। তিনটি ম্যাজিক টি এবং একটি গ্লুমপড পাওয়ার ডিভাইডার দ্বারা নির্মিত তুলনামূলক নেটওয়ার্কটি একটি সমষ্টি চ্যানেল এবং দুটি ডেল্টা চ্যানেলের জন্য প্রস্তাবিত। পরিমাপের ফলাফল থেকে দেখা যাচ্ছে যে, ১৫ থেকে ৩০ গিগাহার্টজ (১৬.৭% আপেক্ষিক ফ্রিকোয়েন্সি ব্যান্ডউইথ) এর মধ্যে খুব বিস্তৃত ফ্রিকোয়েন্সি ব্যান্ডের মধ্যে ২.৫ ডিবি এর কম ক্ষতির সাথে সামগ্রিক চ্যানেলের জন্য অর্জন করা যায়। এবং দুইটি ডেল্টা চ্যানেলের জন্য 15-27 গিগাহার্জেটে 22 ডিবি এবং 27-30 গিগাহার্জেটে 17 ডিবি এর বেশি শূন্য গভীরতা। মোট চিপের আকার ৩.৪ মিমি ৩.৪ মিমি (<inline-formula> <tex-math notation="LaTeX">$0.26\lambda _{0}~0.26\lambda _{0}$ </tex-math></inline-formula> 22.5 গিগাহার্জ কেন্দ্রীয় ফ্রিকোয়েন্সিতে) । |
202b3b3bb4a5190ce53b77564f9ae1dc65f3489b | |
8eea0da60738a54c0fc6a092aecf0daf0c51cee3 | এই গবেষণায় ব্যবহারকারীদের গ্রহণযোগ্যতা, উদ্বেগ এবং আংশিক, অত্যন্ত এবং সম্পূর্ণ স্বয়ংক্রিয় যানবাহন কেনার ইচ্ছার বিষয়টি তদন্ত করা হয়েছে। ইন্টারনেট ভিত্তিক ৬৩টি প্রশ্নের মাধ্যমে ১০৯টি দেশের (৪০টি দেশে কমপক্ষে ২৫ জন উত্তরদাতা) ৫০০০টি উত্তর সংগ্রহ করা হয়েছে। আমরা আন্তঃজাতীয় পার্থক্য নির্ধারণ করেছি, এবং ব্যক্তিগত পরিবর্তনশীলগুলির সাথে সম্পর্কগুলি মূল্যায়ন করেছি, যেমন বয়স, লিঙ্গ এবং ব্যক্তিত্বের বৈশিষ্ট্যগুলি বড় পাঁচটি ইনভেন্টরির সংক্ষিপ্ত সংস্করণ দিয়ে পরিমাপ করা হয়েছে। ফলাফল থেকে জানা যায় যে, উত্তরদাতারা গড়ে ম্যানুয়াল ড্রাইভিংকে সবচেয়ে উপভোগ্য ড্রাইভিং মোড হিসেবে বিবেচনা করেছেন। উত্তরগুলো ছিল ভিন্ন ভিন্ন: ২২% উত্তরদাতারা সম্পূর্ণ স্বয়ংক্রিয় ড্রাইভিং সিস্টেমের জন্য ০ ডলারের বেশি দিতে চাননি, যেখানে ৫% বলেছেন তারা ৩০,০০০ ডলারের বেশি দিতে রাজি হবেন, এবং ৩৩% বলেছেন সম্পূর্ণ স্বয়ংক্রিয় ড্রাইভিং অত্যন্ত উপভোগ্য হবে। ৬৯% উত্তরদাতারা মনে করেন, ২০৫০ সালের মধ্যে সম্পূর্ণ স্বয়ংক্রিয় গাড়ি চালানোর বাজারের ৫০% অংশীদারিত্ব হবে। উত্তরদাতারা সফটওয়্যার হ্যাকিং/অপব্যবহারের ব্যাপারে সবচেয়ে বেশি উদ্বিগ্ন এবং আইনি সমস্যা ও নিরাপত্তার ব্যাপারেও উদ্বিগ্ন। নিউরোটিসিজমে উচ্চতর স্কোর পাওয়া উত্তরদাতারা তথ্য প্রেরণ সম্পর্কে কিছুটা কম স্বাচ্ছন্দ্য বোধ করেন, যখন সম্মতিশীলতার ক্ষেত্রে উচ্চতর স্কোর পাওয়া উত্তরদাতারা এর সাথে কিছুটা বেশি স্বাচ্ছন্দ্য বোধ করেন। উন্নত দেশগুলোতে (নিম্ন দুর্ঘটনা পরিসংখ্যান, উচ্চ শিক্ষা এবং উচ্চ আয়ের ক্ষেত্রে) উত্তরদাতারা তাদের গাড়ির মাধ্যমে তথ্য প্রেরণ করতে কম স্বাচ্ছন্দ্য বোধ করেন, যেখানে q = 0.80 এবং q = 0.90 এর মধ্যে আন্তঃজাতীয় সম্পর্ক রয়েছে। বর্তমান ফলাফলগুলো আন্তর্জাতিক জনসাধারণের মধ্যে আশাব্যঞ্জক এবং উদ্বেগের প্রধান ক্ষেত্রগুলো নির্দেশ করে এবং যানবাহন বিকাশকারী এবং অন্যান্য স্টেকহোল্ডারদের জন্য উপযোগী হতে পারে। ২০১৫ এ্যালসেভিয়ার লিমিটেড। সমস্ত অধিকার সংরক্ষিত। |
2d4f10ccd2503c37ec32aa0033d3e5b3559f4404 | পরিস্থিতিগত সচেতনতা একটি ক্রমবর্ধমান গুরুত্বপূর্ণ ফ্যাক্টর হয়ে উঠেছে যা ফ্লাইট নিরাপত্তা এবং অপারেশনাল পারফরম্যান্সের জন্য অবদান রাখে এবং আধুনিক বিমানগুলিতে উন্নত এভিয়োনিক সিস্টেম ইনস্টল করার সাথে যুক্ত মানব পারফরম্যান্স চ্যালেঞ্জগুলির মোকাবেলায় গবেষণাটি বেড়েছে। পরিস্থিতিগত সচেতনতা পদ্ধতিগত অধ্যয়ন এবং প্রয়োগ ককপিট ছাড়িয়ে বিমানের ট্রাফিক কন্ট্রোলার এবং অন্যান্য জটিল, উচ্চ পরিণতি কাজের ক্ষেত্রের মধ্যে কাজ কর্মীদের অন্তর্ভুক্ত করা হয়েছে। এই বইটি এমন প্রবন্ধের একটি সংকলন যা পরিস্থিতিগত সচেতনতা গবেষণা এবং অনুশীলনে গুরুত্বপূর্ণ অবদান রেখেছে। এই লক্ষ্যে, এটি পরিস্থিতিগত সচেতনতা, এর মূল্যায়নের পদ্ধতি এবং প্রশিক্ষণ ও নকশার মাধ্যমে পরিস্থিতিগত সচেতনতা বাড়ানোর জন্য অ্যাপ্লিকেশনগুলির ধারণাগত বিকাশকে সম্বোধন করে এমন মূল পাঠের অনন্য অ্যাক্সেস সরবরাহ করে। |
a7621b4ec18719b08f3a2a444b6d37a2e20227b7 | কনভোলুশনাল নেটওয়ার্ক কম্পিউটার ভিশন এবং মেশিন লার্নিং-এ সবচেয়ে ব্যাপকভাবে ব্যবহৃত আর্কিটেকচারগুলির মধ্যে একটি। জটিল ফাংশন শেখার জন্য তাদের দক্ষতাকে কাজে লাগাতে, প্রশিক্ষণের জন্য প্রচুর পরিমাণে তথ্য প্রয়োজন। আধুনিক জিপিইউ ব্যবহার করেও অত্যাধুনিক ফলাফলের জন্য একটি বড় কনভোলুশনাল নেটওয়ার্ককে প্রশিক্ষণ দিতে কয়েক সপ্তাহ সময় লাগতে পারে। প্রশিক্ষিত নেটওয়ার্ক ব্যবহার করে লেবেল তৈরি করাও ব্যয়বহুল হতে পারে যখন ওয়েব-স্কেল ডেটাসেটগুলির সাথে কাজ করা হয়। এই কাজের মধ্যে, আমরা একটি সহজ অ্যালগরিদম উপস্থাপন করি যা প্রশিক্ষণ এবং অনুমানকে একটি উল্লেখযোগ্য ফ্যাক্টর দ্বারা ত্বরান্বিত করে এবং বিদ্যমান অত্যাধুনিক বাস্তবায়নের তুলনায় একটি মাত্রার অর্ডারটির উন্নতি করতে পারে। একই রূপান্তরিত বৈশিষ্ট্য মানচিত্রটি বহুবার পুনরায় ব্যবহার করার সময় এটি ফুরিয়ার ডোমেইনে বিন্দুযুক্ত পণ্য হিসাবে কনভোলশন গণনা করে করা হয়। এই অ্যালগরিদমটি একটি জিপিইউ আর্কিটেকচারে প্রয়োগ করা হয়েছে এবং এর সাথে সম্পর্কিত বেশ কয়েকটি চ্যালেঞ্জ মোকাবেলা করে। |
0ee6f663f89e33eb84093ea9cd94212d1a8170c9 | একটি লেকি-ওয়েভ অ্যান্টেনা (এলডব্লিউএ) যা কম্পোজিট ডান / বাম হাতের (সিআরএলএইচ) সাবস্ট্র্যাট ইন্টিগ্রেটেড ওয়েভগাইড (এসআইডব্লিউ) এর উপর ভিত্তি করে বৃত্তাকার পোলারাইজেশন সহ তদন্ত করা হয় এবং উপস্থাপন করা হয়। সিরিজ ইন্টারডিজিটাল ক্যাপাসিটারগুলি ওয়েভগাইড পৃষ্ঠের স্লটগুলি এটেড করে একটি সিআরএলএইচ কার্যকারিতা অর্জন করে সার্কিটে প্রবর্তিত হয়েছে। দুটি সিম্যাট্রিক ফাঁস ভ্রমণ-তরঙ্গ সংক্রমণ লাইন orthogonal polarizations সঙ্গে পাশে-পাশে স্থাপন করা হয় এবং একটি বিশুদ্ধ বৃত্তাকার পোলারাইজেশন মোড উত্পন্ন 90 ° ফেজ পার্থক্য সঙ্গে উত্তেজিত হয়। এই অ্যান্টেনার মূল বাতিটি মূল বাতি দিকের মধ্যে একটি নিম্ন অক্ষীয় অনুপাত (৩ ডিবি এর নিচে) বজায় রেখে ফ্রিকোয়েন্সি পরিবর্তন করে ক্রমাগত পরিচালিত হতে পারে। এই এলডব্লিউএ এর পারফরম্যান্স সম্পূর্ণ তরঙ্গ সিমুলেশন এবং একটি ভাল চুক্তি দেখানো একটি নির্মিত প্রোটোটাইপ পরিমাপ উভয় মাধ্যমে যাচাই করা হয়। |
50bc77f3ec070940b1923b823503a4c2b09e9921 | |
48b38420f9c39c601dcf81621609d131b8035f94 | গত দুই দশকে স্বাস্থ্য পর্যবেক্ষণ ব্যবস্থার দ্রুত বিকাশ ঘটেছে এবং বর্তমানে স্বাস্থ্যসেবা প্রদানের পদ্ধতি পরিবর্তন করার সম্ভাবনা রয়েছে। যদিও স্মার্ট হেলথ মনিটরিং সিস্টেমগুলি রোগীর পর্যবেক্ষণের কাজগুলি স্বয়ংক্রিয় করে তোলে এবং এর ফলে রোগীর ওয়ার্কফ্লো পরিচালনা উন্নত করে, ক্লিনিকাল সেটিংসে তাদের দক্ষতা এখনও বিতর্কিত। এই গবেষণাপত্রে স্মার্ট হেলথ মনিটরিং সিস্টেমগুলির একটি পর্যালোচনা এবং তাদের নকশা এবং মডেলিংয়ের একটি ওভারভিউ উপস্থাপন করা হয়েছে। এছাড়াও, বর্তমান স্বাস্থ্য পর্যবেক্ষণ ব্যবস্থার কার্যকারিতা, ক্লিনিকাল গ্রহণযোগ্যতা, কৌশল এবং সুপারিশের সমালোচনামূলক বিশ্লেষণ উপস্থাপন করা হবে। এই প্রকল্পের মূল উদ্দেশ্য হচ্ছে বর্তমান প্রযুক্তিগত পর্যবেক্ষণ ব্যবস্থাগুলির পর্যালোচনা করা এবং স্মার্ট স্বাস্থ্য পর্যবেক্ষণ ব্যবস্থার ক্ষেত্রে পাওয়া তথ্যের ব্যাপক ও গভীর বিশ্লেষণ করা। এই লক্ষ্যে ৫০টিরও বেশি বিভিন্ন মনিটরিং সিস্টেম নির্বাচন, শ্রেণীবদ্ধ, শ্রেণীবদ্ধ এবং তুলনা করা হয়েছে। এই প্রকল্পের আওতায় স্বাস্থ্যসেবা প্রদানকারীদের বিভিন্ন সমস্যা ও স্বাস্থ্য পর্যবেক্ষণের ক্ষেত্রে সম্ভাব্য চ্যালেঞ্জ চিহ্নিত করা হয়েছে। |
66336d0b89c3eca3dec0a41d2696a0fda23b6957 | একটি উচ্চ-উপার্জন, ব্রডব্যান্ড, এবং নিম্ন-প্রোফাইল ক্রমাগত ট্রান্সভার্সাল স্টব অ্যান্টেনা অ্যারে ই-ব্যান্ডে উপস্থাপিত হয়। এই অ্যারেটিতে একটি পিলবক্স কপ্লার সংযুক্ত একটি ইউনিফর্ম কর্পোরেট সমান্তরাল-প্লেট-ওয়েভগাইড বিমফর্মিং নেটওয়ার্ক দ্বারা সমান্তরালভাবে 32 টি দীর্ঘ স্লট উত্তেজিত হয়। রেডিয়েটিং স্লট এবং কর্পোরেট ফিড নেটওয়ার্ক অ্যালুমিনিয়াম নির্মিত হয় যখন পিলবক্স কপলার এবং এর ফোকাল সোর্স প্রিন্টেড সার্কিট বোর্ড প্রযুক্তিতে নির্মিত হয়। বিশেষ রূপান্তরগুলি উভয় উত্পাদন প্রযুক্তির সমন্বয় করার জন্য ডিজাইন করা হয়েছে। নকশা, কারিগরি এবং পরিমাপের ফলাফল বিস্তারিতভাবে বর্ণনা করা হয়েছে এবং একটি সহজ নকশা পদ্ধতির প্রস্তাব দেওয়া হয়েছে। ৭১ থেকে ৮৬ গিগাহার্জ এর মধ্যে এন্টেনের সাথে ভাল মিল রয়েছে (S_{11} < -13.6$ dB) এবং সিমুলেশন এবং পরিমাপের মধ্যে একটি চমৎকার চুক্তি পাওয়া যায়, এইভাবে প্রস্তাবিত নকশাটি বৈধতা দেয়। এন্টেনার লাভ পুরো ব্যান্ডউইথের উপর 29.3 dBi এর চেয়ে বেশি, 82.25 গিগাহার্জেটে 30.8 dBi এর একটি শীর্ষ লাভ এবং ই- এবং এইচ-প্লেনগুলিতে প্রায় একই অর্ধ-শক্তি বিম প্রশস্ততা রয়েছে। এই অ্যান্টেনা স্থাপত্যকে দীর্ঘ দূরত্বের মিলিমিটার-তরঙ্গ টেলিযোগাযোগ অ্যাপ্লিকেশন যেমন ই-ব্যান্ডে পঞ্চম প্রজন্মের ব্যাকহাউলিংয়ের জন্য একটি উদ্ভাবনী সমাধান হিসাবে বিবেচনা করা হয়। |
07d9dd5c25c944bf009256cdcb622feda53dabba | মার্কভ চেইন মন্টে কার্লো (যেমন, মেট্রোপলিস অ্যালগরিদম এবং গিবস স্যাম্পলার) জটিল স্টোক্যাস্টিক প্রক্রিয়াগুলির সিমুলেশন করার জন্য একটি সাধারণ সরঞ্জাম যা অনেক ধরণের পরিসংখ্যানগত অনুমানে কার্যকর। মার্কভ চেইন মন্টে কার্লোর মূল বিষয়গুলো পর্যালোচনা করা হয়েছে, যার মধ্যে রয়েছে অ্যালগরিদম নির্বাচন এবং বৈসাদৃশ্যের অনুমান, এবং কিছু নতুন পদ্ধতির সূচনা করা হয়েছে। সর্বাধিক সম্ভাব্যতা অনুমানের জন্য মার্কভ চেইন মন্টে কার্লো ব্যবহার ব্যাখ্যা করা হয়েছে, এবং এর কার্যকারিতা সর্বাধিক ছদ্ম-সম্ভাব্যতা অনুমানের সাথে তুলনা করা হয়েছে। |
2ffd5c401a958e88c80291c48738d21d96942c1a | আমরা আগ্রহী যে, সামর্থ্যের ধারণাটি কীভাবে স্বয়ংক্রিয় রোবট নিয়ন্ত্রণের উপর আমাদের দৃষ্টিভঙ্গিকে প্রভাবিত করতে পারে এবং স্বয়ংক্রিয় রোবোটিক্স থেকে প্রাপ্ত ফলাফলগুলি কীভাবে আলোচনা এবং সামর্থ্যের ধারণা নিয়ে গবেষণায় প্রতিফলিত হতে পারে। এই গবেষণাপত্রে আমরা দেখেছি কিভাবে একটি মোবাইল রোবট, যার সাথে একটি থ্রিডি লেজার স্ক্যানার যুক্ত, ট্রাভার্সিবিলিটি এফোর্ড্যান্স বুঝতে পারে এবং গোলক, সিলিন্ডার এবং বাক্স দিয়ে তৈরি একটি রুমে ঘুরে বেড়াতে পারে। ফলাফল দেখায় যে শেখার পরে, রোবটটি অ-অনুসরণযোগ্য বস্তুর সাথে যোগাযোগ এড়াতে পারে (যেমন, একটি অ-অনুসরণযোগ্য বস্তুর সাথে যোগাযোগ এড়ানো) । বক্স, উল্লম্ব সিলিন্ডার, বা নির্দিষ্ট দিকনির্দেশে থাকা সিলিন্ডার), কিন্তু ট্র্যাভারসযোগ্য বস্তুর উপর দিয়ে চলেছে (যেমন গোলক, এবং রোবটের সাথে সম্পর্কিত একটি রোলযোগ্য দিকনির্দেশে থাকা সিলিন্ডার) তাদের পথ থেকে বের করে দেয়। আমরা দেখিয়েছি যে প্রতিটি কর্মের জন্য প্রায় 1% উপলব্ধি বৈশিষ্ট্যগুলি এটি প্রদান করা হয় কিনা তা নির্ধারণের জন্য গুরুত্বপূর্ণ ছিল এবং এই গুরুত্বপূর্ণ বৈশিষ্ট্যগুলি পরিসীমা চিত্রের নির্দিষ্ট অঞ্চলে অবস্থিত। এই পরীক্ষাগুলো একটি পদার্থবিজ্ঞান ভিত্তিক সিমুলেটর এবং একটি বাস্তব রোবটের মাধ্যমে পরিচালিত হয়। |
788121f29d86021a99a4d1d8ba53bb1312334b16 | এই কাগজটি টিউটোরিয়াল প্রক্রিয়ার প্রকৃতির সাথে সম্পর্কিত; যে উপায়ে একজন প্রাপ্তবয়স্ক বা "বিশেষজ্ঞ" কম প্রাপ্তবয়স্ক বা কম বিশেষজ্ঞ কাউকে সহায়তা করে। যদিও এর উদ্দেশ্য সাধারণ, এটি একটি নির্দিষ্ট কাজের পরিপ্রেক্ষিতে প্রকাশ করা হয়ঃ একটি টিউটর 3, 4 এবং 5 বছর বয়সী শিশুদের একটি নির্দিষ্ট ত্রিমাত্রিক কাঠামো তৈরি করতে শেখাতে চায় যার জন্য দক্ষতার একটি ডিগ্রি প্রয়োজন যা প্রাথমিকভাবে তাদের বাইরে। এটি সাধারণ ধরণের টিউটোরিয়াল পরিস্থিতি যেখানে একজন সদস্য "উত্তর জানেন" এবং অন্যটি নয়, বরং "ব্যবহারিক" এর মতো যেখানে কেবলমাত্র প্রশিক্ষক "কীভাবে জানেন" । শিক্ষকের সাথে শিশুদের পরিবর্তিত মিথস্ক্রিয়া আমাদের তথ্য প্রদান করে। শিশুর বিকাশের সময় সমস্যা সমাধানের অনেকগুলি পদ্ধতিই এই ধরনের। যদিও জীবনের প্রথম মাস থেকেই তিনি নিজের মতো করে "প্রাকৃতিক" সমস্যা সমাধানকারী (যেমন, "কোনও সমস্যা সমাধানের জন্য" সমস্যা সমাধানকারী) । ব্রুনার, ১৯৭৩) এটা প্রায়ই তার প্রচেষ্টা সাহায্য করা হয় এবং অন্যান্য যারা তার চেয়ে বেশি দক্ষ দ্বারা উত্সাহিত হয় যে সহজ (কে, ১৯৭০) । তিনি যদি এমন পদ্ধতি শিখছেন যা উপস্থিতি, যোগাযোগ, বস্তুগুলি পরিচালনা, লোকোমোটরিং, বা প্রকৃতপক্ষে, সমস্যা সমাধানের আরও কার্যকর পদ্ধতি নিজেই গঠন করে, তবে সাধারণত উপস্থিতিতে অন্যরা রয়েছেন যারা তাকে তার পথে সহায়তা করে। সংক্ষেপে বলতে গেলে, টিউটোরিয়াল ইন্টারঅ্যাকশন হচ্ছে শিশুর শৈশব ও শৈশবের একটি গুরুত্বপূর্ণ বৈশিষ্ট্য। আমাদের প্রজাতিই একমাত্র প্রজাতি যেখানে "আসল" টিউশন হয় (ব্রুনার, ১৯৭২; হিন্ডে, ১৯৭১) । যদিও এটা সত্য যে উচ্চ প্রাইমেট প্রজাতির অনেকগুলি তাদের প্রবীণদের পর্যবেক্ষণ করে শিখতে পারে (হামবুর্গ, 1968; ভ্যান ল্যাউইক-গুডল, 1968), তবে এই প্রবীণরা তাদের প্রতিযোগীদের প্রশ্নে দক্ষতার কার্য সম্পাদনে নির্দেশ দেওয়ার জন্য কোনও প্রমাণ নেই। মানুষ যে প্রজাতি হিসেবে আলাদা তা কেবল তার শেখার ক্ষমতা নয়, শিক্ষারও ক্ষমতা। এই গবেষণাপত্রের মূল উদ্দেশ্য হল, দক্ষতা অর্জন এবং সমস্যা সমাধানের গবেষণার জন্য বিকাশমান শিশু এবং তার প্রবীণদের মধ্যে এই ইন্টারেক্টিভ, নির্দেশমূলক সম্পর্কের কিছু প্রধান প্রভাব পরীক্ষা করা। মানব শিশুর দক্ষতা অর্জনের একটি শ্রেণিবদ্ধ প্রোগ্রাম হিসাবে ফলপ্রসূভাবে ধারণা করা যেতে পারে যেখানে উপাদান দক্ষতা নতুন, আরো জটিল কাজ প্রয়োজনীয়তা পূরণ করার জন্য উপযুক্ত অর্কেস্ট্রেশন দ্বারা "উচ্চতর দক্ষতা" মধ্যে মিলিত হয় (ব্রুনার, 1973) । এই প্রক্রিয়াটি সমস্যা সমাধানের অনুরূপ যেখানে "নিম্ন অর্ডার" বা গঠনমূলক সমস্যাগুলির দক্ষতা একটি বৃহত্তর সমস্যাগুলির সাথে সাফল্যের জন্য একটি sine qua non, প্রতিটি স্তর অন্যটিকে প্রভাবিত করে - যেমন পাঠের সাথে যেখানে শব্দগুলির ডিক্রিপশনটি বাক্যের ডিক্রিপশনকে সম্ভব করে তোলে এবং বাক্যের পরে নির্দিষ্ট শব্দগুলির ডিক্রিপশনে সহায়তা করে (এফ স্মিথ, 1971) । তরুণ শিক্ষার্থীর মধ্যে অবিচলিত ইচ্ছা, গঠনমূলক দক্ষতার একটি "শব্দকোষ" দেওয়া, গুরুত্বপূর্ণ কাজটি প্রায়শই কমপ্যাক্টের একটি। |
13eba30632154428725983fcd8343f3f1b3f0695 | প্রায় সব বর্তমান নির্ভরতা পার্সার লক্ষ লক্ষ ক্ষুদ্র সূচক বৈশিষ্ট্য উপর ভিত্তি করে শ্রেণীবদ্ধ। এই বৈশিষ্ট্যগুলি কেবল খারাপভাবে সাধারণীকরণ করে না, তবে বৈশিষ্ট্য গণনার ব্যয় বিশ্লেষণের গতিকে উল্লেখযোগ্যভাবে সীমাবদ্ধ করে। এই কাজের মাধ্যমে আমরা একটি নিউরাল নেটওয়ার্ক শ্রেণীবিভাগকারী শেখার একটি নতুন উপায়ের প্রস্তাব দিচ্ছি, যা একটি লোভী, ট্রানজিশন-ভিত্তিক নির্ভরতা পার্সার ব্যবহারের জন্য। যেহেতু এই শ্রেণীবিভাগকারী শুধুমাত্র অল্প সংখ্যক ঘন বৈশিষ্ট্য শিখতে এবং ব্যবহার করে, এটি খুব দ্রুত কাজ করতে পারে, যখন ইংরেজি এবং চীনা উভয় ডেটাসেটে লেবেলযুক্ত এবং লেবেলযুক্ত সংযুক্তি স্কোরগুলিতে প্রায় 2% উন্নতি অর্জন করে। আমাদের পার্সার প্রতি সেকেন্ডে ১০০০ টিরও বেশি বাক্য পার্স করতে সক্ষম, ইংরেজি পেন ট্রিব্যাঙ্কের ৯২.২% অ-লেবেলযুক্ত সংযুক্তি স্কোর। |
c22f9e2f3cc1c2296f7edb4cf780c6503e244a49 | |
3dd9793bc7b1f97115c45e90c8874f786262f466 | সেলুলার থেকে ওয়াইফাইতে ডেটা ট্রাফিককে ধাক্কা দেওয়া ইন্টার রেডিও অ্যাক্সেস টেকনোলজি (আরএটি) অফলোডিংয়ের একটি উদাহরণ। যদিও এটি স্পষ্টভাবে ওভারলোড সেলুলার নেটওয়ার্কের জ্যামিতিক সমস্যাকে সহজ করে দেয়, তবে এই ধরনের অবসানের চূড়ান্ত সম্ভাবনা এবং সামগ্রিক সিস্টেমের পারফরম্যান্সে এর প্রভাব ভালভাবে বোঝা যায় না। এই সমস্যা সমাধানের জন্য, আমরা একটি সাধারণ এবং সহজলভ্য মডেল তৈরি করি যা এম বিভিন্ন র্যাট নিয়ে গঠিত, যার প্রতিটিতে এক্সেস পয়েন্টের (এপি) কে বিভিন্ন স্তর স্থাপন করা হয়, যেখানে প্রতিটি স্তর ট্রান্সমিট পাওয়ার, পথের ক্ষতির সূচক, স্থাপনার ঘনত্ব এবং ব্যান্ডউইথের মধ্যে পার্থক্য করে। প্রতিটি শ্রেণীর এপিকে একটি স্বাধীন পয়সন পয়েন্ট প্রক্রিয়া (পিপিপি) হিসাবে মডেল করা হয়, মোবাইল ব্যবহারকারীর অবস্থানগুলি অন্য একটি স্বাধীন পিপিপি হিসাবে মডেল করা হয়, সমস্ত চ্যানেলগুলি আরও আইআইডি দ্বারা গঠিত। রেইলিকে হারিয়ে যাচ্ছে। পুরো নেটওয়ার্কে রেট বিতরণ একটি ওজনযুক্ত সমিতি কৌশল জন্য প্রাপ্ত হয়, যেখানে এই ধরনের ওজন একটি নির্দিষ্ট উদ্দেশ্য অপ্টিমাইজ করার জন্য টিউন করা যেতে পারে। আমরা দেখিয়েছি যে SINR কভারেজকে সর্বাধিকতর করার জন্য ট্র্যাফিকের সর্বোত্তম ভগ্নাংশটি সাধারণত একই রকম নয় যা হারের কভারেজকে সর্বাধিক করে তোলে, যা ব্যবহারকারীদের একটি নির্দিষ্ট হার অর্জনের ভগ্নাংশ হিসাবে সংজ্ঞায়িত করা হয়। |
e7b4ea66dff3966fc9da581f32cb69132a7bbd99 | ম্যাক্রোসেল নেটওয়ার্কে ফেমটোসেল স্থাপন করা নেটওয়ার্কের ক্ষমতা এবং কভারেজ বাড়ানোর একটি অর্থনৈতিক এবং কার্যকর উপায়। তবে, স্তর-মধ্যস্থ এবং স্তরের অভ্যন্তরীণ হস্তক্ষেপ এবং ফেমটোসেলের অ্যাড-হোক অপারেশনের কারণে এই ধরনের স্থাপনা চ্যালেঞ্জিং। ওএফডিএমএর নমনীয় সাবচ্যানেল বরাদ্দ ক্ষমতা দ্বারা অনুপ্রাণিত হয়ে আমরা দ্বি-স্তরের নেটওয়ার্কগুলিতে বর্ণালী বরাদ্দের প্রভাবটি তদন্ত করি, যেখানে ম্যাক্রোসেলগুলি বন্ধ অ্যাক্সেস নীতি ব্যবহার করে এবং ফেমটোসেলগুলি খোলা বা বন্ধ অ্যাক্সেসে কাজ করতে পারে। একটি সহজলভ্য মডেলের মাধ্যমে আমরা বিভিন্ন স্তরের স্পেকট্রাম বরাদ্দ এবং ফেমটোসেল অ্যাক্সেস নীতিমালার অধীনে প্রতিটি স্তরের সাফল্যের সম্ভাবনা বের করি। বিশেষ করে, আমরা যৌথ সাবচ্যানেল বরাদ্দ বিবেচনা করি, যেখানে পুরো স্পেকট্রাম উভয় স্তরের দ্বারা ভাগ করা হয়, পাশাপাশি বিচ্ছিন্ন সাবচ্যানেল বরাদ্দ, যার ফলে বিচ্ছিন্ন সেটগুলি উভয় স্তরে বরাদ্দ করা হয়। আমরা সাফল্যের সম্ভাবনা এবং প্রতি স্তরের সর্বনিম্ন হারগুলির ক্ষেত্রে পরিষেবা মানের সীমাবদ্ধতার সাথে প্রবাহের সর্বাধিকীকরণের সমস্যাটি তৈরি করি এবং সর্বোত্তম স্পেকট্রাম বরাদ্দের অন্তর্দৃষ্টি সরবরাহ করি। আমাদের ফলাফল থেকে জানা যায় যে, বন্ধ প্রবেশাধিকারযুক্ত ফেমটোসেলের ক্ষেত্রে, অপ্টিমাইজড জয়েন্ট এবং ডিসজয়েন্ট সাবচ্যানেল বরাদ্দগুলি যথাক্রমে বিচ্ছিন্ন এবং ঘন ফেমটোসেল নেটওয়ার্কের সমস্ত স্কিমের মধ্যে সর্বোচ্চ প্রবাহ সরবরাহ করে। উন্মুক্ত প্রবেশাধিকারযুক্ত ফেমটোসেলগুলির ক্ষেত্রে, অপ্টিমাইজড জয়েন্ট সাবচ্যানেল বরাদ্দ সমস্ত ফেমটোসেল ঘনত্বের জন্য সর্বোচ্চ সম্ভাব্য থ্রুপুট সরবরাহ করে। |
09168f7259e0df1484115bfd44ce4fdcafdc15f7 | একটি দ্বিস্তরীয় সেলুলার নেটওয়ার্কে - একটি কেন্দ্রীয় ম্যাক্রোসেলের সাথে সংক্ষিপ্ত পরিসরের ফেমটোসেল হটস্পটগুলি অন্তর্ভুক্ত - ক্রস-স্তরীয় হস্তক্ষেপ সর্বজনীন ফ্রিকোয়েন্সি পুনরায় ব্যবহারের সাথে সামগ্রিক ক্ষমতা সীমাবদ্ধ করে। ইউনিভার্সাল ফ্রিকোয়েন্সি পুনরায় ব্যবহারের সাথে কাছাকাছি-দূর প্রভাবগুলি পরিমাপ করার জন্য, এই কাগজটি একটি মৌলিক সম্পর্ক তৈরি করে যা সম্ভাব্য সেলুলার সিগন্যাল-টু-ইন্টারফারেন্স-প্লাস-শব্দ অনুপাত (এসআইএনআর) প্রদান করে, যে কোনও সম্ভাব্য ফেমটোসেল এসআইএনআরগুলির একটি সেট দেওয়া হয়। আমরা একটি লিংক বাজেট বিশ্লেষণ প্রদান করি যা একটি দ্বি-স্তরীয় নেটওয়ার্কে সহজ এবং সঠিক পারফরম্যান্স অন্তর্দৃষ্টি সক্ষম করে। কোকানেল ফেমটোসেল থেকে ম্যাক্রোসেলের ক্রস- স্তর হস্তক্ষেপকে হ্রাস করার জন্য ফেমটোসেলগুলিতে একটি বিতরণকৃত ইউটিলিটি- ভিত্তিক এসআইএনআর অভিযোজন প্রস্তাব করা হয়েছে। ফসচিনি-মিলজানিক (এফএম) অ্যালগরিদমটি অভিযোজনটির একটি বিশেষ ক্ষেত্রে। প্রতিটি ফেমটোসেল তাদের স্বতন্ত্র ইউটিলিটি সর্বাধিক করে তোলে যার মধ্যে রয়েছে একটি এসআইএনআর ভিত্তিক পুরষ্কার হ্রাস করা একটি ব্যয় (ম্যাক্রোসেলের হস্তক্ষেপ) । সংখ্যার ফলাফলের ভিত্তিতে দেখা যায় যে, ফেমটোসেলের গড় SINRs এর তুলনায় FM এর গড় SINRs 30% এর বেশি উন্নত হয়েছে। যদি ক্রস-লেয়ার ইন্টারফেরেন্স সেলুলার ব্যবহারকারীকে তার এসআইএনআর টার্গেট পেতে বাধা দেয়, তবে এমন একটি অ্যালগরিদম প্রস্তাব করা হয় যা শক্তিশালী ফেমটোসেল ইন্টারফেরেন্সের সংক্রমণ ক্ষমতা হ্রাস করে। অ্যালগরিদম নিশ্চিত করে যে একটি সেলুলার ব্যবহারকারী তার এসআইএনআর লক্ষ্য অর্জন করে এমনকি 100 টি ফেমটোসেল / সেল-সাইট (সাধারণ সেলুলার পরামিতি সহ) এবং ফেমটোসেলগুলিতে কেবলমাত্র 16% এর সবচেয়ে খারাপ ক্ষেত্রে এসআইএনআর হ্রাস প্রয়োজন। এই ফলাফলগুলি বিদ্যুৎ নিয়ন্ত্রণের পরিকল্পনার জন্য অনুপ্রেরণা জোগায় যার জন্য কমপক্ষে নেটওয়ার্ক ওভারহেড প্রয়োজন। |
5309b8f4723d44de2fa51cd2c15bffebf541ef57 | ঐতিহ্যবাহী সমতল মুদ্রিত কোয়াসি-ইয়াগি অ্যান্টেনার সরলতা এবং স্বজ্ঞাত নকশা তার ভাল নির্দেশকতার জন্য ব্যাপক জনপ্রিয়তা অর্জন করেছে। এই গবেষণাপত্রে একটি উপন্যাসিক ক্যাসি-ইয়াগি অ্যান্টেনা প্রস্তাব করা হয়েছে যার একটি একক পরিচালক এবং একটি কনকেভ প্যারাবলিক প্রতিফলক রয়েছে, যা এস-ব্যান্ডে কাজ করে। সিএসটি-মাইক্রোওয়েভ স্টুডিওর মাধ্যমে প্রতিবন্ধকতা বৈশিষ্ট্য এবং বিকিরণ বৈশিষ্ট্য অনুকরণ করা হয় এবং অ্যান্টেনাটি তৈরি এবং পরিমাপ করা হয়। পরিমাপের ফলাফল থেকে জানা যায় যে, ২.২৮-২.৬৩ গিগাহার্টজ এ কাজ করতে সক্ষম এন্টেনের মাধ্যমে অপারেটিং ফ্রিকোয়েন্সি রেঞ্জের মধ্যে গড় ৬.৫ ডিবিআই লাভ অর্জন করা যায়, বিশেষ করে ২.৫ গিগাহার্টজে ৭.৫ ডিবিআই লাভের সর্বোচ্চ লাভ। প্রস্তাবিত এন্টেনের ব্যাপকভাবে WLAN/TD-LTE/BD1 এবং আরও অনেক কিছুতে ব্যবহার করা যেতে পারে। |
c03c3583153d213f696f1cbd4cd65c57437473a5 | এই গবেষণাপত্রে উচ্চ ক্ষমতা ফ্যাক্টর সঙ্গে একটি এলসিসি রেজোন্যান্ট কনভার্টার ভিত্তিক LED (লাইট ইমিটিং ডায়োড) ল্যাম্প ড্রাইভার প্রস্তাব করা হয়। প্রস্তাবিত সার্কিটটি পিএফসি (পাওয়ার ফ্যাক্টর সংশোধন) এর জন্য একটি বুস্ট কনভার্টার ব্যবহার করে যা ক্রমাগত কন্ডাকশন মোডে (সিসিএম) এবং এলইডি ল্যাম্প লোড চালানোর জন্য একটি আধা ব্রিজ রেজোন্যান্ট কনভার্টার ব্যবহার করে। এলএলসি রূপান্তরকারীটি এমনভাবে ডিজাইন করা হয়েছে যাতে ক্যাসি অর্ধ-ব্রিজের সলিড স্টেট সুইচগুলি সুইচিং ক্ষতি হ্রাস করতে শূন্য ভোল্টেজ সুইচিং (জেডভিএস) এর অধীনে কাজ করছে। বিশ্লেষণ, নকশা, মডেলিং এবং 50 ওয়াট LED ড্রাইভার সিমুলেশন ইউনিভার্সাল এসি mains জন্য MATLAB / Simulink টুল ব্যবহার করে সম্পন্ন করা হয়। প্রস্তাবিত এলইডি ল্যাম্প ড্রাইভারের কার্যকারিতা মূল্যায়ন করার জন্য পাওয়ার কোয়ালিটি সূচকগুলি গণনা করা হয় যেমন এসি মেইন কারেন্টের মোট হারমোনিক বিকৃতি (টিএইচডিআই), পাওয়ার ফ্যাক্টর (পিএফ) এবং ক্রেইস্ট ফ্যাক্টর (সিএফ) । |
94a62f470aeea69af436e2dd0b54cd50eaaa4b23 | সুপারিশকারী সিস্টেম তৈরির সবচেয়ে সফল পদ্ধতির একটি হিসাবে, সহযোগী ফিল্টারিং (সিএফ) অন্যান্য ব্যবহারকারীদের জন্য অজানা পছন্দগুলির সুপারিশ বা পূর্বাভাস দেওয়ার জন্য ব্যবহারকারীদের একটি গ্রুপের পরিচিত পছন্দগুলি ব্যবহার করে। এই গবেষণাপত্রে আমরা প্রথমে সিএফ কাজ এবং তাদের প্রধান চ্যালেঞ্জগুলি যেমন ডেটা স্পারসিটি, স্কেলিবিলিটি, সমার্থকতা, ধূসর ভেড়া, শিলিং আক্রমণ, গোপনীয়তা সুরক্ষা ইত্যাদি এবং তাদের সম্ভাব্য সমাধানের পরিচয় দিচ্ছি। আমরা তারপর সিএফ কৌশল তিনটি প্রধান বিভাগ উপস্থাপনঃ মেমরি ভিত্তিক, মডেল ভিত্তিক, এবং হাইব্রিড সিএফ অ্যালগরিদম (অন্য সুপারিশ কৌশল সঙ্গে সিএফ একত্রিত), প্রতিটি বিভাগের প্রতিনিধি অ্যালগরিদম জন্য উদাহরণ, এবং তাদের ভবিষ্যদ্বাণীপূর্ণ কর্মক্ষমতা এবং তাদের বিশ্লেষণের ক্ষমতা চ্যালেঞ্জ মোকাবেলা করার জন্য। মৌলিক কৌশল থেকে শুরু করে সর্বাধুনিক প্রযুক্তি পর্যন্ত, আমরা এই বিষয়ে একটি বিস্তৃত সমীক্ষা উপস্থাপন করার চেষ্টা করছি। |
ced981c28215dd218f05ecbba6512671b22d1cc6 | সারাংশ-বর্তমানে সামাজিক যোগাযোগ মাধ্যম তথ্য যেমন সংবাদ, লিঙ্ক, ছবি বা ভিডিও ব্যাপকভাবে শেয়ার করা হয়। তবে, সোশ্যাল মিডিয়ার মাধ্যমে তথ্য ছড়িয়ে দেওয়ার কার্যকারিতা গুণগতভাবে অনুপস্থিত: কম তথ্য যাচাই, আরও পক্ষপাত, এবং বেশ কয়েকটি গুজব। অনেক গবেষক টুইটারের বিশ্বাসযোগ্যতা নিয়ে গবেষণা করেছেন, কিন্তু ফেসবুকের বিশ্বাসযোগ্যতা সম্পর্কিত তথ্য নিয়ে কোন গবেষণা রিপোর্ট নেই। এই গবেষণাপত্রে ফেসবুকের তথ্যের বিশ্বাসযোগ্যতা পরিমাপের জন্য বৈশিষ্ট্য প্রস্তাব করা হয়েছে। আমরা ফেসবুকের বিশ্বাসযোগ্যতার জন্য এই সিস্টেমটি তৈরি করেছি। প্রথমত, আমরা FB বিশ্বাসযোগ্যতা মূল্যায়নকারী তৈরি করেছি যাতে প্রতিটি পোস্টের বিশ্বাসযোগ্যতা ম্যানুয়ালি মানুষের লেবেলিং দ্বারা পরিমাপ করা যায়। এরপর আমরা সাপোর্ট ভেক্টর মেশিন (এসভিএম) ব্যবহার করে একটি মডেল তৈরির জন্য প্রশিক্ষণ ডেটা সংগ্রহ করেছি। দ্বিতীয়ত, আমরা ফেসবুক ব্যবহারকারীদের জন্য ফেসবুকের বিশ্বাসযোগ্যতার একটি ক্রোম এক্সটেনশন তৈরি করেছি যাতে তারা প্রতিটি পোস্টের বিশ্বাসযোগ্যতা মূল্যায়ন করতে পারে। আমাদের এফবি বিশ্বাসযোগ্যতা ক্রোম এক্সটেনশনের ব্যবহার বিশ্লেষণের ভিত্তিতে, প্রায় ৮১% ব্যবহারকারী প্রতিক্রিয়া প্রস্তাবিত সিস্টেমের দ্বারা স্বয়ংক্রিয়ভাবে গণনা করা প্রস্তাবিত বিশ্বাসযোগ্যতার সাথে একমত। |
1b2a8dc42d6eebc937c9642799a6de87985c3da6 | সামাজিক যোগাযোগ মাধ্যমগুলোতে প্রচুর পরিমাণে মূল্যবান তথ্য পাওয়া যায় যা অনলাইনে সহজেই পাওয়া যায়। অনেক ব্যবহারকারী বিভিন্ন সামাজিক যোগাযোগ মাধ্যমে ছবি, ভিডিও, মন্তব্য, পর্যালোচনা, সংবাদ এবং মতামত শেয়ার করে থাকে। টুইটার হচ্ছে সবচেয়ে জনপ্রিয় সাইটগুলোর মধ্যে একটি। টুইটার থেকে সংগৃহীত তথ্য অত্যন্ত অগঠিত এবং টুইট থেকে দরকারী তথ্য বের করা একটি চ্যালেঞ্জিং কাজ। টুইটার এর প্রচুর আরবি ব্যবহারকারী রয়েছেন যারা বেশিরভাগই আরবি ভাষায় তাদের টুইট পোস্ট এবং লেখেন। যদিও ইংরেজিতে অনুভূতি বিশ্লেষণ নিয়ে অনেক গবেষণা হয়েছে, আরবি ভাষায় গবেষণা এবং ডেটাসেটের পরিমাণ সীমিত। এই নিবন্ধে একটি আরবি ভাষার ডেটাসেট উপস্থাপন করা হয়েছে, যা স্বাস্থ্যসেবা সম্পর্কে মতামত নিয়ে এবং টুইটার থেকে সংগ্রহ করা হয়েছে। এই গবেষণাপত্রটি প্রথমে টুইটার থেকে তথ্য সংগ্রহের প্রক্রিয়া এবং আরবি ভাষায় একটি বড় অনুভূতি বিশ্লেষণ ডেটাসেট তৈরির জন্য আরবি ভাষার পাঠ্য ফিল্টার, প্রাক-প্রক্রিয়াকরণ এবং টীকা দেওয়ার প্রক্রিয়া সম্পর্কে বিস্তারিতভাবে আলোচনা করবে। আমাদের স্বাস্থ্য ডেটাসেটের উপর অনুভূতি বিশ্লেষণের পরীক্ষায় গভীর এবং কনভোলুশনাল নিউরাল নেটওয়ার্কের পাশাপাশি বেশ কয়েকটি মেশিন লার্নিং অ্যালগরিদম (নৈব বেজ, সাপোর্ট ভেক্টর মেশিন এবং লজিস্টিক রিগ্রেশন) ব্যবহার করা হয়েছিল। |
d228e3e200c2c6f757b9b3579fa058b2953083c0 | |
f87b713182d39297e930c41e23ff26394cbdcade | |
838ec45eeb7f63875742a76aa1080563f44af619 | গবেষণাপত্রের শেষে এমন কিছু গবেষণার ক্ষেত্রের উদাহরণ দেওয়া হয়েছে, যেগুলো কেস রিসার্চ পদ্ধতির মাধ্যমে গবেষণার জন্য বিশেষভাবে উপযুক্ত। এসিএম বিভাগঃ এইচও, জেও এই নিবন্ধটি এই গুণগত পদ্ধতিগুলির মধ্যে একটিকে সংজ্ঞায়িত করে এবং আলোচনা করে - কেস রিসার্চ কৌশল। এই পদ্ধতিতে গবেষণা করতে ইচ্ছুক গবেষকদের জন্য পরামর্শ দেওয়া হয়েছে। কেস রিসার্চ মূল্যায়নের জন্য মানদণ্ড স্থাপন করা হয় এবং গবেষণার শ্রেণীবিভাগের জন্য উপযোগী বেশ কয়েকটি বৈশিষ্ট্য চিহ্নিত করা হয়। তথ্য ব্যবস্থা সংক্রান্ত পত্রিকায় প্রকাশিত কিছু গবেষণাপত্রের নমুনা পর্যালোচনা করা হয়। |
9cf2c6d3ab15c1f23fc708e74111324fa82a8169 | এই প্রবন্ধে শিক্ষায় আইসিটি-র ভূমিকা নিয়ে আলোচনা করা হয়েছে। তথ্য যোগাযোগ প্রযুক্তি (আইসিটি) বর্তমানে মানুষের জীবনের প্রতিটি ক্ষেত্রকে প্রভাবিত করছে। [২৬ পৃষ্ঠার চিত্র] এছাড়া, অনেক মানুষ আইসিটি-কে পরিবর্তনের অনুঘটক হিসেবে দেখেন; কর্মক্ষেত্রে অবস্থার পরিবর্তন, তথ্যের পরিচালনা ও বিনিময়, শিক্ষণ পদ্ধতি, শেখার পদ্ধতি, বৈজ্ঞানিক গবেষণা এবং তথ্যের প্রবেশাধিকার। এই প্রবন্ধে তথ্য ও যোগাযোগ প্রযুক্তির ভূমিকা, শিক্ষা ব্যবস্থায় সংহতকরণের প্রতিশ্রুতি, সীমাবদ্ধতা এবং মূল চ্যালেঞ্জগুলি নিয়ে আলোচনা করা হয়েছে। এই পর্যালোচনা নিম্নলিখিত প্রশ্নের উত্তর দেওয়ার চেষ্টা করেছে: ১) শিক্ষায় আইসিটি-র সুবিধা কী? (২) কিছু উন্নয়নশীল দেশের শিক্ষা ব্যবস্থায় আইসিটি ব্যবহারের বর্তমান সম্ভাবনাগুলো কি কি? শিক্ষাব্যবস্থায় আইসিটি-র অন্তর্ভুক্তির সীমাবদ্ধতা ও প্রধান চ্যালেঞ্জগুলি কী কী? পর্যালোচনাটি এই সিদ্ধান্তে পৌঁছেছে যে, আইসিটি শিক্ষার সমস্ত সীমাবদ্ধতা সত্ত্বেও, এটি নির্মাণবাদ, যা শেখার একটি সমসাময়িক দৃষ্টান্তের সাথে সামঞ্জস্য রেখে গুণমানের শিক্ষা প্রদানের জন্য শিক্ষা ব্যবস্থাকে উপকৃত করে। |
bb73ea8dc36030735c1439acf93a0e77ac8a907c | এই চিঠিতে ট্যাবলেট/ল্যাপটপ কম্পিউটারের জন্য একটি অভ্যন্তরীণ একপৃষ্ঠীয় ছোট আকারের মাল্টিব্যান্ড অ্যান্টেনা উপস্থাপন করা হয়েছে। প্রস্তাবিত অ্যান্টেনাটি সাধারণ এলটিই/ডাব্লুডাব্লুএএন চ্যানেলের পাশাপাশি বাণিজ্যিক জিপিএস/গ্লোনাস ফ্রিকোয়েন্সি ব্যান্ডগুলিকে কভার করে। অ্যান্টেনাটি তিনটি অংশ নিয়ে গঠিতঃ কপলড-ফিড, শর্টিং এবং নিম্ন-ফ্রিকোয়েন্সি সর্পিল স্ট্রিপগুলি 50 × 11 × 0.8 মিমি 2 এর আকারের। স্পিরাল স্ট্রিপের সাহায্যে ৯০০ মেগাহার্টজ বেন্ডে নিম্ন ব্যান্ডের অপারেশন করা যায়। দুইটি অপারেটিং ফ্রিকোয়েন্সি ব্যান্ড ৮৭০-৯৬৫ এবং ১৫৫৬-২৪৮০ মেগাহার্জকে কভার করে। সিমুলেশন ফলাফলের বৈধতা নিশ্চিত করার জন্য, প্রস্তাবিত মুদ্রিত অ্যান্টেনার একটি প্রোটোটাইপ তৈরি এবং পরীক্ষা করা হয়। সিমুলেশন এবং পরিমাপের ফলাফলের মধ্যে ভাল সমন্বয় পাওয়া যায়। |
8308e7b39d1f556e4041b4630a41aa8435fe1a49 | MIMO (মাল্টিপল-ইনপুট-মাল্টিপল-আউটপুট) রাডার এমন একটি আর্কিটেকচারের কথা বলে যা একাধিক, স্থানিকভাবে বিতরণ করা ট্রান্সমিটার এবং রিসিভার ব্যবহার করে। যদিও সাধারণ অর্থে, এমআইএমও রাডারকে মাল্টিস্ট্যাটিক রাডারের একটি প্রকার হিসাবে দেখা যেতে পারে, তবে পৃথক নামকরণটি অনন্য বৈশিষ্ট্যগুলি প্রস্তাব করে যা এমআইএমও রাডারকে মাল্টিস্ট্যাটিক রাডার সাহিত্যের বাইরে রাখে এবং যা এমআইএমও যোগাযোগের সাথে ঘনিষ্ঠ সম্পর্কযুক্ত। এই নিবন্ধে MIMO রাডারের সাম্প্রতিক কিছু কাজের পর্যালোচনা করা হয়েছে। বিস্তৃতভাবে পৃথক প্রেরণ/গ্রহণ অ্যান্টেনাগুলি লক্ষ্যটির রাডার ক্রস সেকশনের (আরসিএস) স্থানিক বৈচিত্র্যকে ক্যাপচার করে। এমআইএমও রাডারের অনন্য বৈশিষ্ট্যগুলি ব্যাখ্যা করা হয়েছে এবং উদাহরণ দিয়ে চিত্রিত করা হয়েছে। এটি দেখানো হয়েছে যে অ-সংযুক্ত প্রক্রিয়াকরণের সাথে, একটি লক্ষ্যের আরসিএস স্থানিক বৈচিত্র্যকে লক্ষ্য সনাক্তকরণের জন্য এবং বিভিন্ন পরামিতি যেমন আগমনের কোণ এবং ডপলারের অনুমানের জন্য একটি বৈচিত্র্য লাভের জন্য কাজে লাগানো যেতে পারে। লক্ষ্যস্থানের জন্য, এটি দেখানো হয়েছে যে সুসংগত প্রক্রিয়াকরণটি রাডারটির তরঙ্গ আকৃতি দ্বারা সমর্থিত একটি রেজোলিউশনকে অতিক্রম করতে পারে। |
958d165f8bb77838ec915d4f214a2310e3adde19 | একটি অপেক্ষাকৃত নিম্ন মাত্রিক স্থান মধ্যে বাস্তব-মূল্য ভেক্টর হিসাবে শব্দ বিতরণ প্রতিনিধিত্ব বড় টেক্সট corpora থেকে সিনট্যাক্স এবং শব্দার্থিক বৈশিষ্ট্য আহরণের লক্ষ্যে। সম্প্রতি চালু হওয়া একটি নিউরাল নেটওয়ার্ক, যার নাম word2vec (Mikolov et al., 2013a; Mikolov et al., 2013b), শব্দ ভেক্টরগুলির দিকনির্দেশে শব্দার্থিক তথ্য এনকোড করতে দেখানো হয়েছিল। এই সংক্ষিপ্ত প্রতিবেদনে, একটি কর্পাসের শব্দটির তাৎপর্য পরিমাপের জন্য শব্দ ফ্রিকোয়েন্সির সাথে সাথে ভেক্টরগুলির দৈর্ঘ্য ব্যবহার করার প্রস্তাব দেওয়া হয়েছে। এই প্রস্তাবের সমর্থনে ডোমেন-নির্দিষ্ট সারাংশের একটি কর্পাস ব্যবহার করে পরীক্ষামূলক প্রমাণ উপস্থাপন করা হয়েছে। টেক্সট কর্পোরার জন্য একটি দরকারী ভিজ্যুয়ালাইজেশন কৌশল উদ্ভূত হয়, যেখানে শব্দগুলি একটি দ্বি-মাত্রিক সমতল উপর ম্যাপ করা হয় এবং স্বয়ংক্রিয়ভাবে তাৎপর্য অনুসারে র্যাঙ্ক করা হয়। |
bb9e418469d018be7f5ac2c4b2435ccac50088a3 | মাল্টিমিডিয়া সম্প্রদায়ের মধ্যে মাল্টিমিডিয়া বিষয়বস্তু আরও কার্যকরভাবে বিশ্লেষণ করার জন্য গভীর শিক্ষণ-ভিত্তিক কৌশলগুলির উত্থান প্রত্যক্ষ করেছে। গত দশকে, গভীর-লার্নিং এবং মাল্টিমিডিয়া বিশ্লেষণের সংমিশ্রণটি বেশ কয়েকটি traditionalতিহ্যবাহী কাজ যেমন শ্রেণিবদ্ধকরণ, সনাক্তকরণ এবং রিগ্রেশনকে বাড়িয়ে তুলেছে এবং বেশ কয়েকটি অপেক্ষাকৃত নতুন ক্ষেত্রের আড়াআড়িও বদলে দিয়েছে, যেমন শব্দার্থিক বিভাজন, ক্যাপশন এবং সামগ্রী তৈরি। এই নিবন্ধটি মাল্টিমিডিয়া বিশ্লেষণের প্রধান কাজগুলির বিকাশের পথ পর্যালোচনা করতে এবং ভবিষ্যতের দিকনির্দেশনাগুলিকে একবার দেখার লক্ষ্যে। আমরা মূলত মাল্টিমিডিয়া বিশ্লেষণের সাথে সম্পর্কিত মৌলিক গভীর কৌশলগুলি সংক্ষিপ্ত করে শুরু করি, বিশেষত ভিজ্যুয়াল ডোমেইনে, এবং তারপরে সাম্প্রতিক অগ্রগতির দ্বারা চালিত প্রতিনিধিত্বমূলক উচ্চ-স্তরের কাজগুলি পর্যালোচনা করি। এর পাশাপাশি জনপ্রিয় বেঞ্চমার্কের পারফরম্যান্স পর্যালোচনা প্রযুক্তিগত অগ্রগতির পথ সুগম করে এবং মাইলস্টোন কাজ এবং ভবিষ্যতের দিকনির্দেশনা উভয়ই চিহ্নিত করতে সহায়তা করে। |
c481fb721531640e047ac7f598bd7714a5e62b33 | শিক্ষকেরা তাদের শিক্ষার্থীদের পাঠ্যপুস্তক এবং মৌখিক নির্দেশনা দিয়ে শিক্ষাদান করার চেষ্টা করেছেন। তবে তথ্য ও যোগাযোগ প্রযুক্তি (আইসিটি) উন্নয়নের জন্য শিক্ষণ পদ্ধতি পরিবর্তন করা যেতে পারে। এখন সময় এসেছে ছাত্রদের ইন্টারেক্টিভ লার্নিং সিস্টেমের সাথে মানিয়ে নেওয়ার যাতে তারা তাদের শেখার, ধরার এবং মনে রাখার ক্ষমতা উন্নত করতে পারে। শিক্ষার্থীদের জন্য উচ্চমানের এবং বাস্তবসম্মত শিক্ষার পরিবেশ তৈরি করা অপরিহার্য। তাদের শেখার বিষয়টিকে সহজেই বুঝতে ও মোকাবেলা করতে পারে ভিজ্যুয়াল লার্নিং। আমরা প্রাথমিক স্তরের শিক্ষার্থীদের জন্য বিভিন্ন মাল্টিমিডিয়া অ্যাপ্লিকেশন টুল ব্যবহার করে ভিডিও আকারে ভিজ্যুয়াল লার্নিং ম্যাটেরিয়াল (সৌরজগতের একটি ওভারভিউ) তৈরি করেছি। এই গবেষণাপত্রের উদ্দেশ্য হল, শিক্ষার্থীদের নতুন জ্ঞান বা দক্ষতা অর্জনের ক্ষেত্রে ভিজ্যুয়াল লার্নিং ম্যাটেরিয়াল এবং মিশ্রিত শিক্ষার মাধ্যমে শিক্ষকদের নির্দেশনা সহ ভিজ্যুয়াল লার্নিং ম্যাটেরিয়ালের সমন্বয় সাধন করা। আমরা এই গবেষণার জন্য ঢাকা শহরের একটি প্রাথমিক বিদ্যালয়ে গিয়েছিলাম এবং তিনটি ভিন্ন গ্রুপের শিক্ষার্থীদের সাথে পাঠদান পরিচালনা করেছি (i) শিক্ষকরা একই উপকরণে শিক্ষার্থীদের ঐতিহ্যবাহী পদ্ধতিতে শেখায় এবং প্রশ্নের একটি সেট দ্বারা শিক্ষার্থীদের অভিযোজনযোগ্যতার স্তর চিহ্নিত করে (ii) অন্য একটি গ্রুপকে কেবলমাত্র ভিজ্যুয়াল লার্নিং উপাদান দিয়ে শেখানো হয়েছিল এবং 15 টি প্রশ্নপত্রের মাধ্যমে মূল্যায়ন করা হয়েছিল, (iii) তৃতীয় গ্রুপটি শিক্ষকের নির্দেশাবলীর সাথে মিলিত সৌর সিস্টেমের ভিডিও দিয়ে শেখানো হয়েছিল এবং একই প্রশ্নপত্রের মাধ্যমে মূল্যায়ন করা হয়েছিল। এই একীকরণ দৃশ্যমান উপকরণ (সৌর সিস্টেম) সঙ্গে মৌখিক নির্দেশাবলী একটি মিশ্র পদ্ধতির শেখার. এই ইন্টারেক্টিভ মিশ্র পদ্ধতির মাধ্যমে শিক্ষার্থীদের জ্ঞান ও দক্ষতা অর্জনে ব্যাপকভাবে সহায়তা করা হয়েছে। অন্য দুটি পদ্ধতির তুলনায় মিশ্র পদ্ধতির প্রতি শিক্ষার্থীদের প্রতিক্রিয়া এবং উপলব্ধি অত্যন্ত ইতিবাচক ছিল। এই ইন্টারেক্টিভ মিশ্রণ নমনীয় সিস্টেম বিশেষ করে স্কুল শিশুদের জন্য একটি উপযুক্ত পদ্ধতি হতে পারে। |
bde40c638fd03b685114d8854de2349969f2e091 | শহুরে ব্ল্যাক হোল, একটি ট্রাফিক অস্বাভাবিকতা হিসেবে, অনেক বড় শহরে আজকাল অনেক বিপর্যয়কর দুর্ঘটনার কারণ হয়ে দাঁড়িয়েছে। ঐতিহ্যগত পদ্ধতিগুলি শুধুমাত্র একক উত্সের তথ্যের উপর নির্ভর করে (যেমন, ট্যাক্সি ট্র্যাজেক্টরি) ব্ল্যাকহোল সনাক্তকরণ অ্যালগরিদমকে এক দৃষ্টিকোণ থেকে ডিজাইন করতে, যা আঞ্চলিক ভিড়ের প্রবাহ বর্ণনা করার জন্য বরং অসম্পূর্ণ। এই গবেষণাপত্রে, আমরা নিউ ইয়র্ক সিটির (এনওয়াইসি) প্রতিটি অঞ্চলে বিভিন্ন সময় ব্যবধানে একটি ক্রস-ডোমেন ডেটা উত্সকে একত্রিত করে একটি 3-মাত্রিক টেনসর দিয়ে শহুরে ব্ল্যাক হোলগুলি মডেল করি। টেনসরের অনুপস্থিত এন্ট্রিগুলিকে পরিপূরক করে একটি প্রসঙ্গ-সচেতন টেনসর বিভাজন পদ্ধতির মাধ্যমে, আমরা ভৌগলিক বৈশিষ্ট্য, 311 অভিযোগ বৈশিষ্ট্য এবং মানব গতিশীলতার বৈশিষ্ট্য থেকে জ্ঞানকে NYC জুড়ে ব্ল্যাকহোল পরিস্থিতি পুনরুদ্ধার করতে ব্যবহার করি। এই তথ্য স্থানীয় বাসিন্দাদের এবং কর্মকর্তাদের সিদ্ধান্ত গ্রহণে সহায়তা করতে পারে। আমরা আমাদের মডেলটি এনওয়াইসির সাথে সম্পর্কিত পাঁচটি ডেটাসেটের সাথে মূল্যায়ন করি, শহুরে ব্ল্যাক হোলগুলি নির্ণয় করি যা একটি একক ডেটাসেট দ্বারা সনাক্ত করা যায় না (বা সনাক্ত করা হয়েছে তার আগে) । পরীক্ষামূলক ফলাফল চারটি বেসলাইন পদ্ধতির বাইরে সুবিধাগুলি প্রদর্শন করে। |
09f83b83fd3b0114c2c902212101152c2d2d1259 | |
e905396dce34e495b32e40b93195deeba7096476 | এই যোগাযোগটি একটি বিস্তৃত ব্যান্ড এবং নিম্ন প্রোফাইল এইচ-প্লেন হর্ন অ্যান্টেনা উপস্থাপন করে যা একটি বড় পরিবাহী গ্রাউন্ডের সাথে রিজড সাবস্ট্র্যাট ইন্টিগ্রেটেড ওয়েভগাইড (এসআইডাব্লু) এর উপর ভিত্তি করে। হর্ন অ্যান্টেনাটি একটি একক স্তরায় বাস্তবায়িত হয় যার বেধ 0.13 λ0 কেন্দ্রীয় ফ্রিকোয়েন্সিতে। এইচ-প্লেনের এই নতুন হর্ন অ্যান্টেনাটি তার নিম্ন প্রোফাইল সত্ত্বেও, প্রসারিত ডাইলেট্রিক স্ল্যাবে প্রিন্ট করা একটি আর্ক-আকৃতির তামার কনপার এবং তিন-পদক্ষেপের ক্রেডড এসআইডব্লিউ ট্রানজিশন ব্যবহার করে একটি খুব বিস্তৃত ব্যান্ডউইথ অর্জন করে। ক্রেইডড এসআইডব্লিউ অপারেশন ব্যান্ডউইথ প্রসারিত করার জন্য এবং বৈশিষ্ট্যযুক্ত প্রতিবন্ধকতা হ্রাস করার জন্য গুরুত্বপূর্ণ যাতে একটি চমৎকার প্রতিবন্ধকতা সমান্তরাল প্রোব থেকে সংকীর্ণ এসআইডব্লিউ থেকে একটি প্রশস্ত ফ্রিকোয়েন্সি পরিসীমা উপর প্রাপ্ত করা যেতে পারে। পরিমাপ করা VSWR এর তৈরি শিং অ্যান্টেনা কম 2.5 থেকে 6.6 GHz থেকে 18 GHz. এন্টেনের একই ফ্রিকোয়েন্সি রেঞ্জের উপর স্থিতিশীল বিকিরণ বিম প্রদর্শন করে। দেখা গেছে যে পরিমাপকৃত ফলাফলগুলো সিমুলেশন করা ফলাফলগুলোর সাথে একমত। |
a33a1c0f69327b9bc112ee4857112312c41b13ff | আমরা স্টাইল বর্ধন, ডেটা বর্ধনের একটি নতুন ফর্ম প্রবর্তন করি যা এলোমেলো স্টাইল ট্রান্সফারের উপর ভিত্তি করে, শ্রেণিবদ্ধকরণ এবং রিগ্রেশন ভিত্তিক উভয় কাজেই কনভলুশনাল নিউরাল নেটওয়ার্ক (সিএনএন) এর দৃঢ়তা উন্নত করার জন্য। প্রশিক্ষণের সময়, আমাদের স্টাইল বর্ধন র্যান্ডমাইজেশন করে টেক্সচার, বিপরীতে এবং রঙ, যখন আকৃতি এবং শব্দার্থিক বিষয়বস্তু সংরক্ষণ করে। এটি একটি স্টাইল ইমেজ থেকে তাদের অনুমান করার পরিবর্তে একটি মাল্টিভেরিয়েট স্বাভাবিক বন্টন থেকে ইনপুট স্টাইল এম্বেডিংয়ের নমুনা গ্রহণ করে স্টাইল র্যান্ডমাইজেশন সম্পাদন করার জন্য একটি স্টাইল ট্রান্সফার নেটওয়ার্ককে অভিযোজিত করে সম্পন্ন করা হয়। স্ট্যান্ডার্ড শ্রেণীবিভাগ পরীক্ষার পাশাপাশি, আমরা ডোমেন স্থানান্তর কার্যক্রমে স্টাইল বর্ধনের (এবং সাধারণভাবে ডেটা বর্ধনের) প্রভাব তদন্ত করি। আমরা দেখতে পাচ্ছি যে ডেটা বর্ধন ডোমেন স্থানান্তরের জন্য দৃঢ়তা উল্লেখযোগ্যভাবে উন্নত করে এবং ডোমেন অভিযোজন করার জন্য একটি সহজ, ডোমেন অজ্ঞাত বিকল্প হিসাবে ব্যবহার করা যেতে পারে। সাতটি প্রচলিত বর্ধিতকরণ কৌশলগুলির মিশ্রণের সাথে স্টাইল বর্ধনের তুলনা করে আমরা দেখতে পাই যে এটি সহজেই নেটওয়ার্কের কার্যকারিতা উন্নত করতে তাদের সাথে একত্রিত হতে পারে। আমরা শ্রেণীবিভাগ এবং একক গভীরতা অনুমান মধ্যে ডোমেন স্থানান্তর পরীক্ষার সঙ্গে আমাদের কৌশল কার্যকারিতা যাচাই, সাধারণীকরণ মধ্যে ধারাবাহিক উন্নতি চিত্রিত। |
91acde3f3db1f793070d9e58b05c48401ff46925 | পরিসংখ্যানগত তথ্য শ্রেণীবিভাগের জন্য সিদ্ধান্ত গাছ একটি জনপ্রিয় কৌশল। তারা পুনরাবৃত্তিমূলকভাবে বৈশিষ্ট্য স্থানকে বিচ্ছিন্ন উপ-অঞ্চলে বিভক্ত করে যতক্ষণ না প্রতিটি উপ-অঞ্চল একটি নির্দিষ্ট শ্রেণীর সাথে সম্পর্কিত হয়। মৌলিক শ্রেণীবিভাগ এবং রিগ্রেশন ট্রি (সিএআরটি) অ্যালগরিদম অক্ষ সমান্তরাল বিভাজন ব্যবহার করে বৈশিষ্ট্য স্থানকে বিভাজন করে। যখন সত্য সিদ্ধান্তের সীমানা বৈশিষ্ট্য অক্ষের সাথে সারিবদ্ধ থাকে না, তখন এই পদ্ধতিটি একটি জটিল সীমানা কাঠামো তৈরি করতে পারে। ওব্লিক সিদ্ধান্ত গাছগুলি সীমানা কাঠামোটি সম্ভাব্যভাবে সহজ করার জন্য ওব্লিক সিদ্ধান্তের সীমানা ব্যবহার করে। এই পদ্ধতির প্রধান সীমাবদ্ধতা হল যে বৃক্ষ আনয়ন অ্যালগরিদম কম্পিউটেশনালভাবে ব্যয়বহুল। এই নিবন্ধে আমরা একটি নতুন সিদ্ধান্ত গাছের অ্যালগরিদম উপস্থাপন করছি, যাকে বলা হয় HHCART। এই পদ্ধতিতে গাছের নির্মাণের সময় প্রতিটি নোডে প্রশিক্ষণ ডেটা প্রতিফলিত করার জন্য হাউসহোল্ডার ম্যাট্রিক্সের একটি সিরিজ ব্যবহার করা হয়। প্রতিটি প্রতিফলন প্রতিটি ক্লাস সহ-বৈচিত্র্য ম্যাট্রিক্স থেকে স্বতন্ত্র ভেক্টরগুলির দিকনির্দেশের উপর ভিত্তি করে। প্রতিফলিত প্রশিক্ষণ ডেটাতে অক্ষ সমান্তরাল বিভাজন বিবেচনা করা প্রতিফলিত প্রশিক্ষণ ডেটাতে তির্যক বিভাজন খুঁজে পাওয়ার একটি দক্ষ উপায় সরবরাহ করে। পরীক্ষামূলক ফলাফল দেখায় যে এইচএইচসিএআরটি গাছের নির্ভুলতা এবং আকার সাহিত্যে কিছু বেঞ্চমার্ক পদ্ধতির সাথে তুলনীয়। এইচএইচসিএআরটি-র আকর্ষণীয় বৈশিষ্ট্য হল এটি একই তির্যক বিভক্তিকরণে গুণগত এবং পরিমাণগত বৈশিষ্ট্য উভয়ই পরিচালনা করতে পারে। |
896e160b98d52d13a97caa664038e37e86075ee4 | ইমেজ ক্যাপচার পাইপলাইন, স্টোরেজ কৌশল এবং মিডিয়া শেয়ারিংয়ের মূল্যায়নের মতো বিভিন্ন অ্যাপ্লিকেশনে এর উপযোগিতা কারণে ইমেজগুলির জন্য স্বয়ংক্রিয়ভাবে শেখার মানের মূল্যায়ন সম্প্রতি একটি গরম বিষয় হয়ে উঠেছে। এই সমস্যার বিষয়গত প্রকৃতি সত্ত্বেও, বেশিরভাগ বিদ্যমান পদ্ধতি কেবলমাত্র AVA এবং TID2013 এর মতো ডেটা সেট দ্বারা প্রদত্ত গড় মতামত স্কোরের পূর্বাভাস দেয়। আমাদের পদ্ধতি অন্যদের থেকে আলাদা, যেহেতু আমরা মানুষের মতামত স্কোরের বন্টনকে একটি কনভলুশনাল নিউরাল নেটওয়ার্ক ব্যবহার করে ভবিষ্যদ্বাণী করি। আমাদের আর্কিটেকচারের সুবিধা হচ্ছে, এটি অন্যান্য পদ্ধতির তুলনায় অনেক সহজ। আমাদের প্রস্তাবিত পদ্ধতির সাফল্যের উপর নির্ভর করে (এবং পুনরায় প্রশিক্ষণ) প্রমাণিত, রাষ্ট্র-এর-শিল্প গভীর বস্তু স্বীকৃতি নেটওয়ার্ক। আমাদের এই নেটওয়ার্কটি কেবলমাত্র নির্ভরযোগ্যভাবে এবং মানুষের উপলব্ধির সাথে উচ্চতর সম্পর্কযুক্ত চিত্রগুলি স্কোর করতেই নয়, ফটোগ্রাফিক পাইপলাইনে ফটো এডিটিং / বর্ধিতকরণ অ্যালগরিদমের অভিযোজন এবং অপ্টিমাইজেশনে সহায়তা করতেও ব্যবহার করা যেতে পারে। এই সবই করা হয় একটি সোনার রেফারেন্স ইমেজের প্রয়োজন ছাড়াই, যার ফলে একক চিত্র, শব্দার্থিক এবং উপলব্ধি-সচেতন, কোন রেফারেন্সের গুণমানের মূল্যায়ন করা সম্ভব হয়। |
8cfb316b3233d9b598265e3b3d40b8b064014d63 | ভিডিও শ্রেণীবিভাগের বর্তমান অত্যাধুনিক পদ্ধতি স্থানীয় ভিজ্যুয়াল বর্ণনাকারী ব্যবহার করে বাক্স-অফ-ওয়ার্ডের উপর ভিত্তি করে। সাধারণত এইগুলি হল হিস্টোগ্রাম অফ ওরিয়েন্টেড গ্রেডিয়েন্টস (এইচওজি), হিস্টোগ্রাম অফ অপটিক্যাল ফ্লো (এইচওএফ) এবং মোশন বর্ডার হিস্টোগ্রামস (এমবিএইচ) বর্ণনাকারী। যদিও এই ধরনের পদ্ধতি শ্রেণীবিভাগের জন্য খুবই শক্তিশালী, এটি কম্পিউটেশনালভাবে ব্যয়বহুল। এই কাগজটি কম্পিউটেশনাল দক্ষতার সমস্যাকে সম্বোধন করে। বিশেষভাবে: (1) আমরা ঘন নমুনাযুক্ত HOG, HOF এবং MBH বর্ণনাকারীদের জন্য বেশ কয়েকটি গতি বাড়ানোর প্রস্তাব দিই এবং ম্যাটল্যাব কোড প্রকাশ করি; (2) আমরা ফ্রেম নমুনা গ্রহণের হার এবং অপটিক্যাল ফ্লো পদ্ধতির ধরণের ক্ষেত্রে বর্ণনাকারীদের নির্ভুলতা এবং গণনার দক্ষতার মধ্যে বাণিজ্য-অফ তদন্ত করি; (3) আমরা সাধারণত গৃহীত ভেক্টর কোয়ান্টাইজেশন কৌশলগুলির বেশিরভাগ ব্যবহার করে এবং তুলনা করে বৈশিষ্ট্য শব্দভাণ্ডার গণনার জন্য নির্ভুলতা এবং গণনার দক্ষতার মধ্যে বাণিজ্য-অফ তদন্ত করিঃ $ $ k $ k -means, শ্রেণিবদ্ধ $ $ k $ k -means, র্যান্ডম ফরেস্টস, ফিসার ভেক্টর এবং ভিএলএডি। |
9992626e8e063c1b23e1920efd63ab4f008710ac | |
1a8fd4b2f127d02f70f1c94f330628be31d18681 | |
d880d303ee0bfdbc80fc34df0978088cd15ce861 | সারাংশ- আমরা শুধুমাত্র স্বাভাবিক নমুনা ব্যবহার করে ভিডিও অস্বাভাবিকতা সনাক্তকরণ এবং স্থানীয়করণের জন্য একটি নতুন এন্ড-টু-এন্ড আংশিকভাবে তত্ত্বাবধানে গভীর শিক্ষণ পদ্ধতির উপস্থাপন করি। এই গবেষণার মূল উদ্দেশ্য হল, স্বাভাবিক নমুনাগুলিকে গাউসিয়ান মিক্সচার মডেল (জিএমএম) এর অন্তত একটি গাউসিয়ান উপাদানটির সাথে যুক্ত করা যেতে পারে, যখন অস্বাভাবিকতাগুলি কোনও গাউসিয়ান উপাদানটির অন্তর্গত নয়। এই পদ্ধতিটি গাউসিয়ান মিক্সচার ভেরিয়েশনাল অটোএনকোডার ভিত্তিক, যা গভীর শিক্ষার মাধ্যমে প্রশিক্ষিত গাউসিয়ান মিক্সচার মডেল হিসাবে স্বাভাবিক নমুনার বৈশিষ্ট্য উপস্থাপনাগুলি শিখতে পারে। ইনপুট ইমেজ এবং আউটপুট ফিচার ম্যাপের মধ্যে আপেক্ষিক স্থানিক কোঅর্ডিনেট সংরক্ষণের জন্য এনকোডার-ডিকোডার কাঠামোর জন্য একটি সম্পূর্ণ কনভোলুশনাল নেটওয়ার্ক (এফসিএন) ব্যবহার করা হয় যা সম্পূর্ণরূপে সংযুক্ত স্তর ধারণ করে না। গাউসিয়ান মিশ্রণের প্রতিটি উপাদানগুলির যৌথ সম্ভাবনার উপর ভিত্তি করে, আমরা চিত্র পরীক্ষার প্যাচগুলির অস্বাভাবিকতা স্কোর করার জন্য একটি নমুনা শক্তি ভিত্তিক পদ্ধতি প্রবর্তন করি। একটি দ্বি-স্ট্রিম নেটওয়ার্ক ফ্রেমওয়ার্ক ব্যবহার করা হয় চেহারা এবং গতির অস্বাভাবিকতা একত্রিত করার জন্য, প্রথম এবং গতিশীল প্রবাহ চিত্রের জন্য, দ্বিতীয় জন্য RGB ফ্রেম ব্যবহার করে। আমরা আমাদের পদ্ধতির দুটি জনপ্রিয় মানদণ্ড (ইউসিএসডি ডেটাসেট এবং অ্যাভিনিউ ডেটাসেট) পরীক্ষা করি। পরীক্ষামূলক ফলাফলগুলি আমাদের পদ্ধতির শ্রেষ্ঠত্বকে প্রমাণ করে যে এটি শিল্পের সাথে তুলনা করা হয়। |
09f02eee625b7aa6ba7e6f31cfb56f6d4ddd0fdd | ওয়ার্ল্ড ওয়াইড ওয়েব (ডাব্লুডাব্লুডাব্লু) এবং স্মার্টফোন প্রযুক্তির বিকাশ আমাদের দৈনন্দিন জীবনে বিপ্লব আনতে গুরুত্বপূর্ণ ভূমিকা পালন করেছে। অবস্থান ভিত্তিক সামাজিক নেটওয়ার্ক (এলবিএসএন) আবির্ভূত হয়েছে এবং ব্যবহারকারীদের চেক-ইন তথ্য এবং মাল্টিমিডিয়া সামগ্রী ভাগ করে নেওয়ার সুবিধার্থে। পয়েন্ট অব ইন্টারেস্ট (পিওআই) সুপারিশ সিস্টেম চেক-ইন তথ্য ব্যবহার করে সবচেয়ে সম্ভাব্য চেক-ইন অবস্থানের পূর্বাভাস দেয়। চেক-ইন তথ্যের বিভিন্ন দিক যেমন, ভৌগলিক দূরত্ব, বিভাগ এবং একটি পয়েন্ট অফ ইন্ডিয়া এর জনপ্রিয়তা; এবং ব্যবহারকারীর সামাজিক (বন্ধুত্বপূর্ণ) তথ্য একটি কার্যকর সুপারিশে গুরুত্বপূর্ণ ভূমিকা পালন করে। এই গবেষণাপত্রে আমরা একটি সুপারিশ মডেলের প্রস্তাব দিচ্ছি যার নাম MAPS (মাল্টি অ্যাসেপ্ট পার্সোনালাইজড পিওআই রেফারেন্ডার সিস্টেম) যা আমাদের জ্ঞানের প্রথমটি হবে যা শ্রেণীবদ্ধ, সাময়িক, সামাজিক এবং স্থানিক দিকগুলিকে একক মডেলের মধ্যে একত্রিত করবে। এই গবেষণাপত্রের প্রধান অবদান হল: (i) এটি সমস্যাটিকে অবস্থান নোডের একটি গ্রাফ হিসাবে উপলব্ধি করে যার সাথে শ্রেণী এবং দূরত্বের দিকগুলি (যেমন, দুইটি অবস্থানের মধ্যে দূরত্ব একটি থ্রেশহোল্ড দূরত্ব এবং অবস্থানের শ্রেণী দ্বারা সীমাবদ্ধ থাকে, (ii) এটি একটি বহু-পদক্ষেপের সংযুক্ত POI সুপারিশ মডেল প্রস্তাব করে, এবং (iii) এটি দুটি বাস্তব বিশ্বের ডেটা সেটগুলির সাথে মডেলটি ব্যাপকভাবে মূল্যায়ন করে। |
04d7b7851683809cab561d09b5c5c80bd5c33c80 | প্রাথমিক বিজ্ঞান পরীক্ষার ক্ষেত্রে ক্রমাগত উন্নতি হচ্ছে। এই কাজের মাধ্যমে আমরা জ্ঞান এবং অনুমানের প্রয়োজনীয়তার একটি ব্যাখ্যা-ভিত্তিক বিশ্লেষণ তৈরি করেছি, যা চ্যালেঞ্জগুলির একটি সূক্ষ্ম-গ্রানুল বৈশিষ্ট্যকে সমর্থন করে। বিশেষ করে, আমরা QA কাজের জন্য ব্যবহার করা উপযুক্ত প্রমাণের উৎসগুলির উপর ভিত্তি করে প্রয়োজনীয়তা মডেল করি। আমরা প্রথমে একটি জ্ঞানভিত্তিক উপযুক্ত বাক্য চিহ্নিত করে প্রয়োজনীয়তা তৈরি করি যা সঠিক উত্তরকে সমর্থন করে, তারপরে ব্যাখ্যা তৈরি করতে এগুলি ব্যবহার করে, প্রয়োজনীয় অনুপস্থিত তথ্য পূরণ করে। এই ব্যাখ্যাগুলি প্রয়োজনীয়তার একটি সূক্ষ্ম-গ্রানযুক্ত শ্রেণিবদ্ধকরণ তৈরি করতে ব্যবহৃত হয়। এই প্রয়োজনীয়তা ব্যবহার করে, আমরা একটি পুনরুদ্ধার এবং একটি উপসংহার সমাধানকারীকে 212 টি প্রশ্নের সাথে তুলনা করি। বিশ্লেষণটি অনুমান সমাধানকারীর লাভকে বৈধতা দেয়, এটি প্রদর্শন করে যে এটি আরও জটিল অনুমানের প্রয়োজন এমন প্রশ্নের উত্তর দেয়, পাশাপাশি সমাধানকারীর আপেক্ষিক শক্তি এবং জ্ঞানের উত্সগুলির অন্তর্দৃষ্টি সরবরাহ করে। আমরা বিজ্ঞানের পরীক্ষার জন্য ব্যাপক উপযোগীতা সহ একটি সম্পদ হিসাবে মন্তব্যযুক্ত প্রশ্ন এবং ব্যাখ্যা প্রকাশ করি, যার মধ্যে জ্ঞান বেস নির্মাণের লক্ষ্য নির্ধারণের পাশাপাশি স্বয়ংক্রিয় অনুমানে তথ্য সংযোজনকে সমর্থন করা অন্তর্ভুক্ত। |
248040fa359a9f18527e28687822cf67d6adaf16 | আমরা রোবট লার্নিং ফ্রম ডেমোস্ট্রেশন (এলএফডি) এর একটি বিস্তৃত সমীক্ষা উপস্থাপন করছি, এটি এমন একটি কৌশল যা উদাহরণস্বরূপ রাষ্ট্র থেকে কর্ম ম্যাপিংয়ের নীতিগুলি বিকাশ করে। আমরা প্রদর্শক, সমস্যা স্থান, নীতিগত প্রাপ্তি এবং কর্মক্ষমতা পরিপ্রেক্ষিতে LfD নকশা পছন্দগুলি পরিচয় করিয়ে দিই এবং একটি কাঠামোর জন্য ভিত্তি প্রদান করি যাতে LfD গবেষণা শ্রেণীবদ্ধ করা যায়। বিশেষ করে, আমরা বিভিন্ন উপায়ে বিশ্লেষণ এবং শ্রেণীবদ্ধ করি যার মাধ্যমে উদাহরণ সংগ্রহ করা হয়, টেলি অপারেশন থেকে অনুকরণ পর্যন্ত, পাশাপাশি নীতিগত প্রাপ্তির জন্য বিভিন্ন কৌশল, যার মধ্যে মিলিত ফাংশন, গতিশীল মডেল এবং পরিকল্পনা রয়েছে। শেষ পর্যন্ত আমরা এলএফডি-র সীমাবদ্ধতা এবং ভবিষ্যতের গবেষণার জন্য আশাব্যঞ্জক ক্ষেত্র নিয়ে আলোচনা করব। |
38b1eb892e51661cd0e3c9f6c38f1f7f8def1317 | স্মার্টফোন এবং "অ্যাপ" বাজারগুলি তৃতীয় পক্ষের অ্যাপ্লিকেশনগুলি কীভাবে ব্যবহারকারীদের গোপনীয়তা-সংবেদনশীল ডেটা অপব্যবহার বা অনুপযুক্তভাবে পরিচালনা করতে পারে সে সম্পর্কে উদ্বেগ উত্থাপন করছে। সৌভাগ্যবশত, পিসি জগতের বিপরীতে, আমাদের কাছে মোবাইল অ্যাপ্লিকেশনগুলির নিরাপত্তা উন্নত করার একটি অনন্য সুযোগ রয়েছে জনপ্রিয় অ্যাপ মার্কেটের মাধ্যমে অ্যাপ বিতরণের কেন্দ্রীভূত প্রকৃতির জন্য ধন্যবাদ। অ্যাপ্লিকেশন বাজারে প্রবেশের প্রক্রিয়াতে অ্যাপ্লিকেশনগুলির পুঙ্খানুপুঙ্খ বৈধতা মোবাইল ডিভাইসের সুরক্ষা উল্লেখযোগ্যভাবে বাড়ানোর সম্ভাবনা রয়েছে। এই গবেষণাপত্রে আমরা অ্যাপ ইন্সপেক্টর নামে একটি স্বয়ংক্রিয় নিরাপত্তা যাচাই ব্যবস্থা প্রস্তাব করছি যা অ্যাপ্লিকেশন বিশ্লেষণ করে এবং সম্ভাব্য নিরাপত্তা ও গোপনীয়তা লঙ্ঘনের রিপোর্ট তৈরি করে। আমরা স্বয়ংক্রিয় বৈধতা প্রদানের মাধ্যমে স্মার্টফোন অ্যাপ্লিকেশনগুলিকে আরও সুরক্ষিত করার জন্য আমাদের দৃষ্টিভঙ্গি বর্ণনা করি এবং সুরক্ষা এবং গোপনীয়তা লঙ্ঘন সনাক্তকরণ এবং বিশ্লেষণ, পুঙ্খানুপুঙ্খ পরীক্ষার কভারেজ নিশ্চিত করা এবং বিপুল সংখ্যক অ্যাপ্লিকেশনকে স্কেলিংয়ের মতো মূল চ্যালেঞ্জগুলির রূপরেখা দিই। |
74640bdf33a1e8b7a319fbbbaeccf681f80861cc | |
b7634a0ac84902b135b6073b61ed6a1909f89bd2 | |
c7b007d546d24322152719898c2836910f0d3939 | অনুসন্ধানী বিশ্লেষণ থেকে আরও জানা যায় যে, শিক্ষার্থীরা ফেসবুকের মতো সাইট ব্যবহার করে মূলত বিদ্যমান ব্যক্তিগত সম্পর্ক বজায় রাখতে এবং নির্বাচনীভাবে তাদের ব্যক্তিগত তথ্য সেটিং ব্যবহার করে এসএনএস-এ তাদের আত্মপ্রকাশ নিয়ন্ত্রণ করতে। এই গবেষণার ফলাফলগুলো কলেজ ছাত্রদের এসএনএস-এ নিজেদের প্রকাশের বিষয়ে বোঝার সুযোগ করে দেয়, ব্যক্তিত্ব এবং স্ব-প্রকাশের উপর সাহিত্যের সংযোজন করে এবং অনলাইন স্ব-উপস্থাপনার উপর গবেষণার ভবিষ্যৎ দিকনির্দেশনা এবং অনুশীলনকে রূপ দেয়। প্রকাশনা সংস্থা এ্যালসেভিয়ার লিমিটেড এই গবেষণায় উচ্চশিক্ষা প্রতিষ্ঠানগুলোতে স্ব-প্রকাশের উপর বিদ্যমান তত্ত্বকে অনলাইন আঞ্চলিকতায় প্রসারিত করার এবং কলেজ ছাত্রদের দ্বারা জনপ্রিয় সামাজিক যোগাযোগ মাধ্যম (এসএনএস) ফেসবুক ব্যবহার সম্পর্কে জ্ঞান এবং বোঝার অবদান রাখার চেষ্টা করা হয়েছে। আমরা একটি অ-পরীক্ষামূলক গবেষণা পরিচালনা করেছি যাতে বিশ্ববিদ্যালয়ের শিক্ষার্থীরা (এন = ৪৬৩) কীভাবে ফেসবুক ব্যবহার করে তা তদন্ত করা হয় এবং অনলাইন এসএনএস-ভিত্তিক পরিবেশে তথ্য প্রকাশে ব্যক্তিত্ব এবং সংস্কৃতি যে ভূমিকা পালন করে তা পরীক্ষা করা হয়। ফলাফল দেখায় যে ব্যক্তিরা অনলাইনে এবং ব্যক্তিগতভাবে ভিন্নভাবে প্রকাশ করে এবং সংস্কৃতি এবং ব্যক্তিত্ব উভয়ই গুরুত্বপূর্ণ। বিশেষ করে, এটি পাওয়া গেছে যে বহির্মুখীতা কম এবং অনলাইন পরিবেশে ইন্টারঅ্যাক্ট করা সমষ্টিগত ব্যক্তিরা অন্যদের তুলনায় কম সৎ এবং শ্রোতা-প্রাসঙ্গিক তথ্য প্রকাশ করেছেন। |
c83abfeb5a2f7d431022cd1f8dd7da41431c4810 | আমরা একটি কাঠামো উপস্থাপন করছি চালকের আচরণকে মূল্যায়ন করার জন্য, যার সাথে স্বয়ংক্রিয় ড্রাইভিং এবং যানবাহন নিরাপত্তা সম্পর্কিত অ্যাপ্লিকেশন রয়েছে। এই কাঠামোটি ড্রাইভার আচরণ এবং যানবাহন গতিশীলতাকে হাইব্রিড-স্টেট সিস্টেম (এইচএসএস) হিসাবে মডেলিংয়ের উপর ভিত্তি করে তৈরি করা হয়েছে, ড্রাইভারের সিদ্ধান্তগুলিকে একটি বিচ্ছিন্ন-রাজ্য সিস্টেম হিসাবে মডেল করা হচ্ছে এবং যানবাহন গতিশীলতা একটি ধারাবাহিক-রাজ্য সিস্টেম হিসাবে মডেল করা হয়েছে। প্রস্তাবিত অনুমান পদ্ধতিতে পর্যবেক্ষণযোগ্য পরামিতি ব্যবহার করে তাত্ক্ষণিক ধারাবাহিক অবস্থা ট্র্যাক করা হয় এবং এই পর্যবেক্ষণগুলি দেওয়া ড্রাইভারের সবচেয়ে সম্ভাব্য আচরণ অনুমান করা হয়। এই কাগজটি এমন একটি কাঠামোর বর্ণনা দেয় যা যানবাহন-ড্রাইভার কপলিংয়ের হাইব্রিড কাঠামোকে অন্তর্ভুক্ত করে এবং ফিল্টারযুক্ত ক্রমাগত পর্যবেক্ষণ থেকে ড্রাইভার আচরণ অনুমান করতে লুকানো মার্কভ মডেলগুলি (এইচএমএম) ব্যবহার করে। এই পদ্ধতিটি এমন পরিস্থিতিতে উপযুক্ত যেখানে অন্য যানবাহনগুলি অজানা সিদ্ধান্ত নেয়, যেমন লেন পরিবর্তন বা ছেদ অ্যাক্সেস। এই ধরনের কাঠামোর জন্য ব্যাপক তথ্য সংগ্রহের প্রয়োজন হয় এবং লেখকরা যানবাহন চালনার তথ্য সংগ্রহ ও বিশ্লেষণের জন্য ব্যবহৃত পদ্ধতি বর্ণনা করেছেন। উদাহরণস্বরূপ, প্রস্তাবিত হাইব্রিড আর্কিটেকচার এবং ড্রাইভার আচরণ অনুমান কৌশল প্রশিক্ষণ এবং উদাহরণস্বরূপ ফলাফল প্রদানের সাথে ছেদ কাছাকাছি পরীক্ষা করা হয়। প্রস্তাবিত কাঠামো, সহজ শ্রেণীবিভাগকারী এবং প্রাকৃতিক চালক অনুমানের মধ্যে তুলনা করা হয়। এইচএসএস-এইচএমএম ফ্রেমওয়ার্ক ব্যবহারের জন্য প্রাপ্ত ফলাফলগুলি প্রতিশ্রুতিবদ্ধ। |
a8c1347b82ba3d7ce03122955762db86d44186d0 | এই গবেষণাপত্রটি কার্যকরভাবে বড় আকারের ভিডিও পুনরুদ্ধারের জন্য একটি নতুন কাঠামো তৈরি করেছে। আমরা উচ্চ স্তরের সাদৃশ্য অনুযায়ী ভিডিও খুঁজে বের করার লক্ষ্য রাখি, যা ঐতিহ্যগত প্রায় ডুপ্লিকেট অনুসন্ধানের সুযোগের বাইরে। জনপ্রিয় হ্যাশিং কৌশল অনুসরণ করে আমরা কমপ্যাক্ট বাইনারি কোড ব্যবহার করি নিকটতম প্রতিবেশী অনুসন্ধান সহজতর করতে। পূর্ববর্তী পদ্ধতিগুলির বিপরীতে যা পুনরুদ্ধারের জন্য কেবলমাত্র এক ধরণের হ্যাশ কোডকে মূলধন করে, এই কাগজটি ভিডিওগুলিতে বিভিন্ন এবং বহু-স্কেল ভিজ্যুয়াল সামগ্রীগুলি কার্যকরভাবে বর্ণনা করতে বৈচিত্র্যময় হ্যাশ কোডগুলিকে একত্রিত করে। আমাদের পদ্ধতিতে ফিচার পুলিং এবং হ্যাশিংকে একক ফ্রেমওয়ার্কে সংহত করা হয়েছে। এই ধাপে আমরা ভিডিও ফ্রেমগুলোকে পূর্বনির্ধারিত উপাদানগুলোর মধ্যে ঢেলে দেই, যা ভিডিও কন্টেন্টের বিভিন্ন অর্থবোধক ধারণ করে। হ্যাশিং পর্যায়ে, আমরা প্রতিটি ভিডিও উপাদানকে একটি কম্প্যাক্ট হ্যাশ কোড হিসাবে উপস্থাপন করি, এবং কার্যকর অনুসন্ধানের জন্য একাধিক হ্যাশ কোডকে হ্যাশ টেবিলে সংযুক্ত করি। সর্বাধিক তথ্যমূলক কোডগুলি ধরে রেখে পুনরুদ্ধারকে গতিশীল করার জন্য, আমরা পুলিং এবং হ্যাশিং পর্যায়ে সেতুবন্ধনের জন্য একটি গ্রাফ-ভিত্তিক প্রভাব সর্বাধিকীকরণ পদ্ধতির প্রস্তাব দিই। আমরা দেখিয়েছি যে প্রভাব সর্বাধিকীকরণ সমস্যাটি সাবমডুলার, যা একটি লোভী অপ্টিমাইজেশন পদ্ধতিকে প্রায় সর্বোত্তম সমাধান অর্জনের অনুমতি দেয়। আমাদের পদ্ধতিটি খুবই কার্যকর, ট্রিকভিডের ডেটাসেট থেকে হাজার হাজার ভিডিও ক্লিপ উদ্ধার করে প্রায় ০.০০১ সেকেন্ডে। 1M নমুনার সাথে বৃহত্তর স্কেল সিন্থেটিক ডেটাসেটের জন্য, এটি 100 টি প্রশ্নের জবাবে 1 সেকেন্ডেরও কম সময় নেয়। আমাদের পদ্ধতিটি ব্যাপকভাবে পর্যবেক্ষণহীন এবং পর্যবেক্ষণকৃত উভয় পরিস্থিতিতে মূল্যায়ন করা হয় এবং TRECVID মাল্টিমিডিয়া ইভেন্ট সনাক্তকরণ এবং কলম্বিয়া কনজিউমার ভিডিও ডেটাসেটের ফলাফল আমাদের প্রস্তাবিত কৌশলটির সাফল্য প্রদর্শন করে। |
0faccce84266d2a8f0c4fa08c33b357b42cf17f2 | অনেক ভাষার প্রজন্মের কাজগুলির জন্য কাঠামোগত এবং অ-কাঠামোগত ইনপুট উভয়ই শর্তযুক্ত পাঠ্যের উত্পাদন প্রয়োজন। আমরা একটি নতুন নিউরাল নেটওয়ার্ক আর্কিটেকচার উপস্থাপন করছি যা একটি আউটপুট ক্রম তৈরি করে যা একটি নির্বিচারে ইনপুট ফাংশনগুলির উপর নির্ভর করে। আমাদের পদ্ধতিতে, কনডিউশন কনটেক্সট বাছাই এবং জেনারেশনের গ্রানুলারিটি, যেমন অক্ষর বা টোকেন, উভয়ই প্রান্তিককরণ করা যায়, যার ফলে স্কেলযোগ্য এবং কার্যকর প্রশিক্ষণের অনুমতি দেওয়া হয়। এই ফ্রেমওয়ার্ক ব্যবহার করে আমরা মিশ্র প্রাকৃতিক ভাষা এবং কাঠামোগত স্পেসিফিকেশন থেকে প্রোগ্রামিং কোড তৈরির সমস্যাটি সমাধান করি। আমরা এই প্যারাডাইমটির জন্য দুটি নতুন ডেটা সেট তৈরি করেছি যা সংগ্রহযোগ্য ট্রেডিং কার্ড গেমস ম্যাজিক দ্য গ্যাথারিং এবং হার্থস্টোন থেকে উদ্ভূত। এই এবং তৃতীয় একটি পূর্বনির্ধারিত সংকলনে আমরা দেখিয়েছি যে একাধিক পূর্বাভাসকারীকে প্রান্তিককরণ আমাদের মডেলকে শক্তিশালী মানদণ্ডকে ছাড়িয়ে যেতে দেয়। |
ac569822882547080d3dc51fed10c746946a6cfd | |
e70ea58d023df2c31325a9b409ee4493e38b6768 | |
3895912b187adee599b1ea662da92865dd0b197d | স্বাস্থ্যসেবায় বিগ ডেটা অ্যানালিটিক্সের সম্ভাব্যতা ও সম্ভাব্যতা বর্ণনা করা। এই গবেষণাপত্রে স্বাস্থ্যসেবা ক্ষেত্রে বিগ ডেটা অ্যানালিটিক্সের নতুন ক্ষেত্রের বর্ণনা দেওয়া হয়েছে, এর সুবিধাগুলো আলোচনা করা হয়েছে, একটি স্থাপত্যগত কাঠামো এবং পদ্ধতির রূপরেখা দেওয়া হয়েছে, সাহিত্যে বর্ণিত উদাহরণ বর্ণনা করা হয়েছে, চ্যালেঞ্জগুলো সংক্ষেপে আলোচনা করা হয়েছে এবং সিদ্ধান্তগুলো দেওয়া হয়েছে। ফলাফল এই গবেষণাপত্রটি স্বাস্থ্যসেবা গবেষক এবং অনুশীলনকারীদের জন্য বড় ডেটা বিশ্লেষণের একটি বিস্তৃত ওভারভিউ প্রদান করে। স্বাস্থ্যসেবা ক্ষেত্রে বিগ ডেটা বিশ্লেষণ একটি আশাব্যঞ্জক ক্ষেত্রের মধ্যে পরিণত হচ্ছে, যেখানে খুব বড় ডেটা সেট থেকে অন্তর্দৃষ্টি প্রদান করা এবং খরচ কমানোর পাশাপাশি ফলাফলের উন্নতি করা সম্ভব। এর সম্ভাবনা অনেক বড়; তবে এর মধ্যে কিছু চ্যালেঞ্জ রয়েছে। |
73a19026fb8a6ef5bf238ff472f31100c33753d0 | এই নিবন্ধে, আমরা সমিতি নিয়ম খনির মৌলিক ধারণাগুলির প্রাথমিক তথ্য প্রদান করি এবং বিদ্যমান সমিতি নিয়ম খনির কৌশলগুলির তালিকাটি পর্যালোচনা করি। অবশ্যই, একটি একক নিবন্ধ সমস্ত অ্যালগরিদমের সম্পূর্ণ পর্যালোচনা হতে পারে না, তবুও আমরা আশা করি যে উদ্ধৃত রেফারেন্সগুলি প্রধান তাত্ত্বিক সমস্যাগুলিকে কভার করবে, গবেষককে আকর্ষণীয় গবেষণা দিকনির্দেশনাগুলিতে গাইড করবে যা এখনও অন্বেষণ করা হয়নি। |
75e5ba7621935b57b2be7bf4a10cad66a9c445b9 | আমরা একটি প্যারামিটার-মুক্ত মুখের স্বীকৃতি অ্যালগরিদম তৈরি করেছি যা আলো, অভিব্যক্তি, আচ্ছাদন এবং বয়সের বড় বৈচিত্রের প্রতি সংবেদনশীল নয়। প্রতি বিষয়ের জন্য একটি একক গ্যালারী নমুনা ব্যবহার করে। আমরা এই পর্যবেক্ষণের সুবিধা নিচ্ছি যে সম-দূরত্বের প্রোটোটাইপ এম্বেডিং একটি সর্বোত্তম এম্বেডিং যা শ্রেণীর মধ্যে সর্বনিম্ন এক-বিপরীত-অবশিষ্ট মার্জিনকে সর্বাধিক করে তোলে। প্রশিক্ষণ ডেটার গ্লোবাল বা স্থানীয় কাঠামো সংরক্ষণের পরিবর্তে, আমাদের পদ্ধতি, যাকে বলা হয় লিনিয়ার রিগ্রেশন বিশ্লেষণ (এলআরএ), প্রশিক্ষণ ডেটার প্রকৃত কাঠামো নির্বিশেষে, সমানভাবে দূরবর্তী অবস্থানে গ্যালারী নমুনা ম্যাপ করার জন্য সর্বনিম্ন-স্কোয়ার রিগ্রেশন কৌশল প্রয়োগ করে। এছাড়া, একটি নতুন জেনেরিক লার্নিং পদ্ধতি, যা জেনেরিক মুখের অভ্যন্তরীণ শ্রেণীর মুখের পার্থক্যকে শূন্য ভেক্টরগুলিতে ম্যাপ করে, এলআরএর সাধারণীকরণ ক্ষমতা বাড়ানোর জন্য অন্তর্ভুক্ত করা হয়। এই নতুন পদ্ধতি ব্যবহার করে, মাত্র কয়েকটি সাধারণ শ্রেণীর উপর ভিত্তি করে শেখার ফলে মুখের স্বীকৃতির পারফরম্যান্সের উন্নতি ঘটতে পারে, এমনকি যখন সাধারণ তথ্য একটি ভিন্ন ডাটাবেস এবং ক্যামেরা সেটআপ থেকে সংগ্রহ করা হয়। গ্রেভিল অ্যালগরিদমের উপর ভিত্তি করে বর্ধিত শিক্ষণ নতুন আসা গ্যালারী ক্লাস, প্রশিক্ষণ নমুনা বা জেনেরিক বৈচিত্র থেকে ম্যাপিং ম্যাট্রিক্সকে দক্ষতার সাথে আপডেট করে। যদিও এটি বেশ সহজ এবং প্যারামিটার-মুক্ত, এলআরএ, সাধারণভাবে ব্যবহৃত স্থানীয় বর্ণনাকারীদের সাথে মিলিত, যেমন গ্যাবর উপস্থাপনা এবং স্থানীয় বাইনারি নিদর্শন, এক্সটেন্ডেড ইয়েল বি, সিএমইউ পিআইই, এআর এবং সংশ্লিষ্ট লেখক এর বেশ কয়েকটি স্ট্যান্ডার্ড পরীক্ষার জন্য অত্যাধুনিক পদ্ধতিগুলিকে ছাড়িয়ে যায়। টেলিফোন: +86 10 62283059 ফ্যাক্স: +86 10 62285019 ইমেইল ঠিকানাঃ [email protected] (ওয়েহং ডেং) প্রিপ্রিন্ট এ্যালসেভিয়ারে জমা দেওয়া হয়েছে ২৮ মার্চ, ২০১৪ |
b1cfe7f8b8557b03fa38036030f09b448d925041 | - এই গবেষণাপত্রটি মানব দৃষ্টিশক্তির প্রাথমিক পর্যায়ে ভিজ্যুয়াল তথ্য প্রক্রিয়াকরণের জন্য মাল্টি-চ্যানেল ফিল্টারিং তত্ত্ব দ্বারা অনুপ্রাণিত একটি টেক্সচার সেগমেন্টেশন অ্যালগরিদম উপস্থাপন করে। চ্যানেলগুলি গ্যাবর ফিল্টারগুলির একটি ব্যাংক দ্বারা চিহ্নিত করা হয় যা প্রায় অভিন্নভাবে স্থানিক-ফ্রিকোয়েন্সি ডোমেনকে আচ্ছাদন করে এবং একটি পদ্ধতিগত ফিল্টার নির্বাচন স্কিম প্রস্তাবিত হয়, যা ফিল্টার করা চিত্রগুলি থেকে ইনপুট চিত্রের পুনর্গঠনের উপর ভিত্তি করে। টেক্সচার বৈশিষ্ট্যগুলি প্রতিটি (নির্বাচিত) ফিল্টার করা চিত্রকে একটি নন-লাইনার রূপান্তর এবং প্রতিটি পিক্সেলের চারপাশে একটি উইন্ডোতে "শক্তি" এর পরিমাপ গণনা করে প্রাপ্ত হয়। একটি বর্গক্ষেত্র-ত্রুটি ক্লাস্টারিং অ্যালগরিদম তারপর বৈশিষ্ট্য ইমেজ একীভূত এবং একটি বিভাজন উত্পাদন করতে ব্যবহৃত হয়। এই প্রকল্পের আওতায় একটি সহজ পদ্ধতির প্রস্তাবনা করা হয়েছে যাতে ক্লাস্টারিং প্রক্রিয়ায় স্থানিক তথ্য অন্তর্ভুক্ত করা যায়। একটি আপেক্ষিক সূচক ব্যবহার করা হয় টেক্সচার বিভাগের " সত্য" সংখ্যা অনুমান করতে। টেক্সচার সেগমেন্টেশন মাল্টি-চ্যানেল ফিল্টারিং ক্লাস্টারিং ক্লাস্টারিং ইনডেক্স গ্যাবর ফিল্টার ওয়েভলেট ট্রান্সফর্ম I. অনেক ইমেজ বিশ্লেষণ বা কম্পিউটার ভিশন অ্যাপ্লিকেশনের ক্ষেত্রে চিত্রের বিভাজন একটি কঠিন কিন্তু অত্যন্ত গুরুত্বপূর্ণ কাজ। মধ্যম ধূসর স্তর বা রঙের পার্থক্য ছোট আশেপাশের অঞ্চলে একা চিত্রের বিভাজনের জন্য সর্বদা যথেষ্ট নয়। বরং, প্রতিবেশী পিক্সেলের ধূসর মানের স্থানিক বিন্যাসের পার্থক্যের উপর নির্ভর করতে হবে - অর্থাৎ, টেক্সচারের পার্থক্যের উপর। টেক্সচারাল ইঙ্গিতের উপর ভিত্তি করে একটি চিত্রকে ভাগ করার সমস্যাটিকে টেক্সচার সেগমেন্টেশন সমস্যা হিসাবে উল্লেখ করা হয়। টেক্সচার সেগমেন্টেশন একটি নির্দিষ্ট ইমেজে "সমতুল্য" টেক্সচার সহ অঞ্চলগুলি সনাক্তকরণ জড়িত। একটি নির্দিষ্ট অঞ্চলে একই রকম টেক্সচার আছে কিনা তা নির্ধারণের জন্য টেক্সচারের উপযুক্ত পরিমাপ প্রয়োজন। স্কলানস্কি (ও) টেক্সচারের নিম্নলিখিত সংজ্ঞাটি প্রস্তাব করেছেন যা সেগমেন্টেশন প্রসঙ্গে উপযুক্তঃ "একটি চিত্রের একটি অঞ্চলে একটি ধ্রুবক টেক্সচার রয়েছে যদি স্থানীয় পরিসংখ্যান বা চিত্রের অন্যান্য স্থানীয় বৈশিষ্ট্যগুলির একটি সেট ধ্রুবক, ধীরে ধীরে পরিবর্তিত হয় বা প্রায় পর্যায়ক্রমিক হয়। টেক্সচার, অতএব, স্থানীয় এবং বৈশ্বিক উভয়ই বোঝায় - এটি একটি চিত্র অঞ্চলে নির্দিষ্ট স্থানীয় পরিমাপ বা বৈশিষ্ট্যগুলির অপরিবর্তনীয়তার দ্বারা চিহ্নিত করা হয়। প্রাকৃতিক ও কৃত্রিম রঙের বিভিন্নতা রঙের সার্বজনীন সংজ্ঞা দেওয়া অসম্ভব করে তোলে। গত দুই দশকে চিত্রের টেক্সচার বিশ্লেষণের জন্য প্রচুর সংখ্যক কৌশল প্রস্তাব করা হয়েছে। ডুপন্ট ডি নেমোরস অ্যান্ড কোম্পানি ইনক. এই পদ্ধতিটি মানব দৃষ্টিশক্তির প্রাথমিক পর্যায়ে ভিজ্যুয়াল তথ্য প্রক্রিয়াকরণের জন্য একটি মাল্টি-চ্যানেল ফিল্টারিং তত্ত্ব দ্বারা অনুপ্রাণিত। ক্যাম্পবেল এবং রবসন (৪) দ্বারা প্রথম প্রস্তাবিত এই তত্ত্বটি ধরে নিয়েছে যে ভিজ্যুয়াল সিস্টেমটি রেটিনাল চিত্রকে বেশ কয়েকটি ফিল্টার করা চিত্রগুলিতে ভেঙে দেয়, যার প্রতিটিতে সংকীর্ণ পরিসরের ফ্রিকোয়েন্সি (আকার) এবং দিকনির্দেশের তীব্রতা পরিবর্তনের মধ্যে রয়েছে। যে মানসিক-শারীরিক পরীক্ষা-নিরীক্ষা এই ধরনের বিভাজনকে প্রস্তাব করেছিল, তা বিভিন্ন গ্রিটিং প্যাটার্নকে উদ্দীপক হিসেবে ব্যবহার করেছিল এবং এটি অভিযোজন কৌশলগুলির উপর ভিত্তি করে তৈরি হয়েছিল। পরবর্তী সময়ে মনস্তাত্ত্বিক পরীক্ষায় এই তত্ত্বের সমর্থনে অতিরিক্ত প্রমাণ পাওয়া যায়। ডি ভ্যালোইস এবং অন্যান্য। উদাহরণস্বরূপ, ম্যাকাক বানরের ভিজ্যুয়াল কর্টেক্সের সাধারণ কোষগুলির প্রতিক্রিয়া বিভিন্ন ফ্রিকোয়েন্সি এবং ওরিয়েন্টেশনের সাথে সাইনোসাইডাল গ্রিডে রেকর্ড করা হয়েছে। দেখা গেছে যে প্রতিটি কোষ শুধুমাত্র সংকীর্ণ ফ্রিকোয়েন্সি এবং ওরিয়েন্টেশন পরিসরের সাড়া দেয়। তাই মনে হচ্ছে, স্তন্যপায়ী প্রাণীদের দৃষ্টিশক্তির মধ্যে এমন কিছু প্রক্রিয়া রয়েছে যা সংকীর্ণ পরিসরে ফ্রিকোয়েন্সি এবং ওরিয়েন্টেশনের সংমিশ্রণের সাথে সামঞ্জস্যপূর্ণ। এই প্রক্রিয়াগুলিকে প্রায়শই চ্যানেল হিসাবে উল্লেখ করা হয় এবং ব্যান্ড-পাস ফিল্টার হিসাবে যথাযথভাবে ব্যাখ্যা করা হয়। টেক্সচার বিশ্লেষণের জন্য মাল্টি-চ্যানেল ফিল্টারিং পদ্ধতিটি স্বজ্ঞাতভাবে আবেদনময় কারণ এটি আমাদের বিভিন্ন টেক্সচারের প্রভাবশালী আকার এবং দিকনির্দেশের পার্থক্যকে কাজে লাগাতে দেয়। আজ, টেক্সচার বিশ্লেষণের জন্য একটি মাল্টি-রেজোলিউশন পদ্ধতির প্রয়োজন ভালভাবে স্বীকৃত। এই প্যারাডিগমটি সামঞ্জস্য করার জন্য টেক্সচার বিশ্লেষণের অন্যান্য পদ্ধতিগুলি প্রসারিত করতে হয়েছিল, মাল্টি-চ্যানেল ফিল্টারিং পদ্ধতিটি স্বতন্ত্রভাবে বহু-রেজোলিউশন। আরেকটি গুরুত্বপূর্ণ |
5757dd57950f6b3c4d90a342a170061c8c535536 | এই কাগজটি স্টেরিও দৃষ্টি জন্য ম্যাচিং খরচ গণনা সমস্যা একটি নতুন পদ্ধতির উপস্থাপন করে। এই পদ্ধতিটি একটি কনভোলুশনাল নিউরাল নেটওয়ার্কের উপর ভিত্তি করে তৈরি করা হয়েছে যা স্টেরিও ইমেজ জোড়া থেকে ইনপুট প্যাচগুলির মিল গণনা করতে ব্যবহৃত হয়। অত্যাধুনিক স্টেরিও পাইপলাইনের ধাপের সাথে মিলিতভাবে, এই পদ্ধতিটি প্রধান স্টেরিও মানদণ্ডে শীর্ষ ফলাফল অর্জন করে। এই গবেষণাপত্রে স্টেরিও ম্যাচিংয়ের সমস্যাটি উপস্থাপন করা হয়েছে, প্রস্তাবিত পদ্ধতিটি নিয়ে আলোচনা করা হয়েছে এবং সাম্প্রতিক স্টেরিও ডেটাসেটের ফলাফল দেখানো হয়েছে। |
4b65024cd376067156a5ac967899a7748fa31f6f | দৈনন্দিন ব্যবসায়ের ক্ষেত্রে সীমাহীন, অবাঞ্ছিত, বিশ্বব্যাপী ডেটাসেটগুলি ক্রমবর্ধমানভাবে সাধারণ (যেমন, ওয়েব লগ, মোবাইল ব্যবহারের পরিসংখ্যান এবং সেন্সর নেটওয়ার্ক) । একই সময়ে, এই ডেটাসেটের ভোক্তারা উন্নত প্রয়োজনীয়তা তৈরি করেছেন, যেমন ইভেন্ট-টাইম অর্ডারিং এবং ডেটা নিজেই বৈশিষ্ট্য দ্বারা উইন্ডো করা, দ্রুত উত্তরগুলির জন্য একটি অপ্রতিরোধ্য ক্ষুধা ছাড়াও। এদিকে, ব্যবহারিকতা নির্দেশ করে যে এই ধরণের ইনপুটগুলির জন্য সঠিকতা, বিলম্ব এবং ব্যয়ের সমস্ত মাত্রা সহ কেউ কখনই পুরোপুরি অনুকূল করতে পারে না। ফলস্বরূপ, ডেটা প্রসেসিং অনুশীলনকারীরা এই দৃশ্যত প্রতিদ্বন্দ্বী প্রস্তাবগুলির মধ্যে উত্তেজনাকে কীভাবে পুনর্মিলন করবেন তা নিয়ে দ্বিধাগ্রস্ত হয়ে পড়েছেন, যার ফলে প্রায়শই বিচ্ছিন্ন বাস্তবায়ন এবং সিস্টেমগুলি ঘটে। আমরা প্রস্তাব করছি যে আধুনিক ডেটা প্রসেসিংয়ের এই বিকশিত প্রয়োজনীয়তাগুলি মোকাবেলায় পদ্ধতির একটি মৌলিক পরিবর্তন প্রয়োজন। আমাদের ক্ষেত্র হিসেবে সীমাহীন ডেটাসেটকে তথ্যের সীমিত পুলের মধ্যে পরিণত করার চেষ্টা বন্ধ করতে হবে যা শেষ পর্যন্ত সম্পূর্ণ হয়ে যায়, এবং এর পরিবর্তে এই ধারণা নিয়ে বেঁচে থাকতে হবে যে আমরা কখনই জানব না যে আমরা কখন আমাদের সমস্ত ডেটা দেখেছি, কেবলমাত্র নতুন ডেটা আসবে, পুরানো ডেটা প্রত্যাহার করা যেতে পারে, এবং এই সমস্যাটি মোকাবেলা করার একমাত্র উপায় নীতিগত বিমূর্ততা যা অনুশীলনকারীকে আগ্রহের অক্ষগুলি জুড়ে উপযুক্ত বাণিজ্যের পছন্দ করতে দেয়ঃ সঠিকতা, বিলম্ব এবং ব্যয়। এই গবেষণাপত্রে আমরা এমন একটি পদ্ধতির কথা তুলে ধরছি, ডেটাফ্লো মডেল, এর মাধ্যমে যে অর্থনীতির কাজ করা সম্ভব তার বিস্তারিত বিশ্লেষণ, এর নকশাকে নির্দেশ করে এমন মূল নীতির একটি সারসংক্ষেপ এবং বাস্তব বিশ্বের অভিজ্ঞতার মাধ্যমে মডেলটির সত্যতা যাচাই করে এর বিকাশের দিকে পরিচালিত করে। আমরা Dataflow Model শব্দটি ব্যবহার করি গুগল ক্লাউড ডেটাফ্লো [২০] এর প্রসেসিং মডেলটি বর্ণনা করতে, যা ফ্লুমজাভা [১২] এবং মিলওহিলের প্রযুক্তির উপর ভিত্তি করে। [২] এই কাজটি ক্রিয়েটিভ কমন্স অ্যাট্রিবিউশন নন কমার্শিয়াল-নোডেরিভস ৩.০ আনপোর্টড লাইসেন্সের অধীনে লাইসেন্স করা হয়েছে। এই লাইসেন্সের একটি অনুলিপি দেখতে, http://creativecommons.org/licenses/by-nc-nd/3.0/ দেখুন। লাইসেন্সের আওতাভুক্ত নয় এমন যেকোনো ব্যবহারের আগে অনুমতি নিন। [email protected] এ ইমেল করে কপিরাইট ধারকের সাথে যোগাযোগ করুন। এই খণ্ডের নিবন্ধগুলিকে 31 আগস্ট থেকে 4 সেপ্টেম্বর, 2015 এ হাওয়াইয়ের কোহালা কোস্টের খুব বড় ডেটাবেসগুলির 41 তম আন্তর্জাতিক সম্মেলনে তাদের ফলাফল উপস্থাপনের জন্য আমন্ত্রণ জানানো হয়েছিল। ভিএলডিবি এন্ডোয়েশনের প্রসেসিং, খণ্ড ৮, না। 12 কপিরাইট 2015 ভিএলডিবি এন্ডোয়েশন 2150-8097/15/08। |
40c3b350008ada8f3f53a758e69992b6db8a8f95 | গত কয়েক বছরে বস্তুর সনাক্তকরণ হোগ বৈশিষ্ট্যগুলির চেয়ে লিনিয়ার এসভিএম ব্যবহারের দিকে মনোনিবেশ করেছে। তবে, লিনিয়ার এসভিএম প্রশিক্ষণ বেশ ব্যয়বহুল এবং ক্যাটাগরির সংখ্যা বাড়ার সাথে সাথে এটি কঠিন হয়ে উঠতে পারে। এই প্রবন্ধে আমরা একটি পুরনো পদ্ধতির পুনর্বিবেচনা করছি, অর্থাৎ লিনিয়ার ডিসক্রিমিনেন্ট অ্যানালাইসিস, এবং দেখায় যে এলডিএ মডেলগুলি প্রায় তুচ্ছভাবে প্রশিক্ষিত হতে পারে এবং পারফরম্যান্সে সামান্য বা কোনও ক্ষতি ছাড়াই। আমরা যে কোভ্যারিয়েন্স ম্যাট্রিক্সের অনুমান করি তা প্রাকৃতিক চিত্রের বৈশিষ্ট্যগুলি ধরে রাখে। এই কোভেরিয়ান্সের সাথে হোগ বৈশিষ্ট্যগুলিকে সাদা করা এইভাবে হোগ বৈশিষ্ট্যগুলির মধ্যে প্রাকৃতিকভাবে ঘটে যাওয়া সম্পর্কগুলি সরিয়ে দেয়। আমরা দেখিয়েছি যে এই সাদা বৈশিষ্ট্যগুলি (যা আমরা ডাব্লুএইচও বলি) তুলনামূলকভাবে তুলনামূলকভাবে তুলনামূলকভাবে তুলনামূলকভাবে তুলনামূলকভাবে ভাল এবং ক্লাস্টারিংয়ে তাদের উপযোগিতা প্রমাণ করে। অবশেষে, আমরা আমাদের আবিষ্কারগুলি ব্যবহার করে এমন একটি বস্তু সনাক্তকরণ ব্যবস্থা তৈরি করি যা PASCAL VOC 2007 এর সাথে প্রতিযোগিতামূলক এবং প্রশিক্ষণ ও পরীক্ষার জন্য যথেষ্ট সহজ। |
28e0c6088cf444e8694e511148a8f19d9feaeb44 | এই গবেষণাপত্রে কিউবস্যাটগুলির জন্য স্ব-বিন্যস্ত হেলিকেল প্যান্টোগ্রাফ অ্যান্টেনার আচরণ সম্পর্কে আলোচনা করা হয়েছে। স্যাটেলাইট বাসে সংযুক্ত করার ধারণার সাথে সাথে হেলিকাল প্যান্টোগ্রাফের ধারণার বর্ণনা দেওয়া হয়েছে। আটটি হেলিক্সে গঠিত একটি প্যান্টোগ্রাফের ফিনিট এলিমেন্ট ভাঁজ সিমুলেশন উপস্থাপন করা হয়েছে এবং একটি প্রোটোটাইপ অ্যান্টেনার উপর করা কম্প্যাকশন ফোর্স পরীক্ষার সাথে তুলনা করা হয়েছে। প্রতিফলন সহগ পরীক্ষারও উপস্থাপন করা হয়েছে, যা প্রোটোটাইপ অ্যান্টেনার অপারেটিং ফ্রিকোয়েন্সি পরিসীমা প্রদর্শন করে। এই প্যান্টোগ্রাফ বর্তমান ছোট স্যাটেলাইট এন্টেনের বিকল্প হিসেবে দেখা যাচ্ছে। |
1aad2da473888cb7ebc1bfaa15bfa0f1502ce005 | এই গবেষণাপত্রে প্রথম ব্যক্তির দৃষ্টিকোণ থেকে ইন্টারঅ্যাকশন স্তরের মানব কার্যক্রমকে স্বীকৃতি দেওয়ার সমস্যা নিয়ে আলোচনা করা হয়েছে। লক্ষ্য হচ্ছে একজন পর্যবেক্ষককে (যেমন, একটি রোবট বা একটি পরিধানযোগ্য ক্যামেরা) ক্রমাগত ভিডিও ইনপুট থেকে অন্যরা কোন কার্যকলাপটি সম্পাদন করছে তা বুঝতে সক্ষম করা। এর মধ্যে রয়েছে বন্ধুত্বপূর্ণ মিথস্ক্রিয়া যেমন একজন ব্যক্তি পর্যবেক্ষককে আলিঙ্গন করছেন পাশাপাশি পর্যবেক্ষককে ঘুষি মারছেন বা পর্যবেক্ষকের দিকে বস্তু ছুড়ে মারছেন এর মতো শত্রুতাপূর্ণ মিথস্ক্রিয়া, যার ভিডিওগুলিতে শারীরিক মিথস্ক্রিয়া দ্বারা সৃষ্ট প্রচুর ক্যামেরা ইগো-আন্দোলন জড়িত। এই গবেষণাপত্রে বৈশ্বিক এবং স্থানীয় গতির তথ্য একত্রিত করার জন্য মাল্টি-চ্যানেলের কার্নেলগুলি তদন্ত করা হয়েছে এবং একটি নতুন কার্যকলাপ শেখার / স্বীকৃতি পদ্ধতির উপস্থাপন করা হয়েছে যা প্রথম ব্যক্তি কার্যকলাপ ভিডিওগুলিতে প্রদর্শিত সাময়িক কাঠামোগুলিকে স্পষ্টভাবে বিবেচনা করে। আমাদের পরীক্ষায়, আমরা শুধু শ্রেণীবিভাগের ফলাফল দেখাইনি, বরং নিশ্চিত করেছি যে আমাদের নতুন পদ্ধতি অবিচ্ছিন্ন ভিডিও থেকে কার্যকলাপ সনাক্ত করতে সক্ষম। |
97876c2195ad9c7a4be010d5cb4ba6af3547421c | |
259c25242db4a0dc1e1b5e61fd059f8949bdb79d | শেয়ার মেমরি ব্যবহার করে একাধিক প্রসেসর কোর সহ কম্পিউটার এখন সর্বত্রই রয়েছে। এই গবেষণাপত্রে আমরা বেশ কয়েকটি সমান্তরাল জ্যামিতিক অ্যালগরিদম উপস্থাপন করছি যা এই পরিবেশকে বিশেষভাবে লক্ষ্য করে, অতিরিক্ত কম্পিউটিং শক্তিকে কাজে লাগানোর লক্ষ্যে। আমরা যে ডি-ডাইমেনশনাল অ্যালগরিদমগুলি বর্ণনা করছি তা হল (ক) বিন্দুগুলির স্থানিক বাছাই, যেমনটি সাধারণত ইনক্রিমেন্টাল অ্যালগরিদম ব্যবহারের আগে প্রাক-প্রক্রিয়াকরণের জন্য ব্যবহৃত হয়, (খ) কেডি-ট্রি নির্মাণ, (গ) অক্ষ-সংশ্লিষ্ট বক্স ছেদ গণনা, এবং অবশেষে (ঘ) জাল প্রজন্মের অ্যালগরিদমের জন্য ডেলাউনি ত্রিভুজগুলিতে বিন্দুগুলির বাল্ক সন্নিবেশ বা কেবল ডেলাউনি ত্রিভুজ গণনা। আমরা এই অ্যালগরিদমগুলির জন্য পরীক্ষামূলক ফলাফলগুলি 3 ডি তে দেখাই, কম্পিউটেশনাল জ্যামিতি অ্যালগরিদম লাইব্রেরি (সিজিএএল, http://www.cgal.org/) এর উপর ভিত্তি করে আমাদের বাস্তবায়ন ব্যবহার করে। এই কাজটি সিজিএএল-এর জন্য একটি সমান্তরাল মোডের দিকে একটি পদক্ষেপ, যেখানে অ্যালগরিদমগুলি ব্যবহারকারীর উল্লেখযোগ্য হস্তক্ষেপের প্রয়োজন ছাড়াই স্বয়ংক্রিয়ভাবে উপলব্ধ সমান্তরাল সংস্থানগুলি ব্যবহার করে। |
ac4a2337afdf63e9b3480ce9025736d71f8cec1a | পটভূমি প্রায় ৫০% উন্নত পার্কিনসন রোগের রোগীর হাঁটার স্থিরতা (এফওজি) হয়, যা হাঁটার হঠাৎ এবং ক্ষণস্থায়ী অক্ষমতা। এটি প্রায়ই পড়ে যায়, দৈনন্দিন কাজকর্মের ক্ষেত্রে বাধা সৃষ্টি করে এবং জীবনযাত্রার মানকে উল্লেখযোগ্যভাবে হ্রাস করে। যেহেতু পিডি রোগীদের হাঁটার ঘাটতি প্রায়ই ফার্মাকোলজিকাল চিকিত্সার প্রতিরোধী, তাই কার্যকর নন-ফার্মাকোলজিকাল চিকিত্সা বিশেষ আগ্রহের বিষয়। আমাদের গবেষণার লক্ষ্য হল এমন একটি পরিধানযোগ্য যন্ত্রের ধারণা মূল্যায়ন করা যা রিয়েল টাইমে পদচারণা সংক্রান্ত তথ্য সংগ্রহ করে, সেগুলো প্রক্রিয়া করে এবং পূর্ব নির্ধারিত বৈশিষ্ট্যের ভিত্তিতে সহায়তা প্রদান করে। আমরা একটি রিয়েল টাইম পরিধানযোগ্য ফগ সনাক্তকরণ সিস্টেম তৈরি করেছি যা ফগ সনাক্ত হওয়ার পরে স্বয়ংক্রিয়ভাবে একটি কুইজিং শব্দ সরবরাহ করে এবং এটি বিষয়টি হাঁটা শুরু না হওয়া পর্যন্ত থাকে। আমরা আমাদের পরিধানযোগ্য সহায়ক প্রযুক্তির মূল্যায়ন করেছি ১০ জন পিডি রোগীর সাথে একটি গবেষণায়। আট ঘণ্টার বেশি সময় ধরে তথ্য রেকর্ড করা হয় এবং প্রতিটি রোগীর দ্বারা একটি প্রশ্নপত্র পূরণ করা হয়। ফলাফল পেশাদার ফিজিওথেরাপিস্টদের দ্বারা পোস্ট-হোক ভিডিও বিশ্লেষণে ২৩৭ টি FOG ঘটনা চিহ্নিত করা হয়েছে। ডিভাইসটি ফোরগোল ইভেন্টগুলিকে অনলাইনে সনাক্ত করেছে যার সংবেদনশীলতা ৭৩.১% এবং নির্দিষ্টতা ৮১.৬%। এই গবেষণায় আমরা দেখিয়েছি যে পিডি রোগীদের জন্য অনলাইন সহায়ক প্রতিক্রিয়া সম্ভব। আমরা পরিধানযোগ্য সহকারীর পরিধানযোগ্যতা এবং পারফরম্যান্সের পাশাপাশি সহকারী ব্যবহার করার সময় তাদের হাঁটার পারফরম্যান্স সম্পর্কে রোগীদের এবং ফিজিওথেরাপিস্টদের দৃষ্টিভঙ্গি উপস্থাপন এবং আলোচনা করি এবং পরবর্তী গবেষণা পদক্ষেপগুলি নির্দেশ করি। আমাদের ফলাফল এই ধরনের একটি প্রসঙ্গ-সচেতন সিস্টেমের সুবিধা প্রদর্শন করে এবং আরও গবেষণার অনুপ্রেরণা দেয়। |
2a68c39e3586f87da501bc2a5ae6138469f50613 | তত্ত্বাবধানে শিক্ষার গবেষণার একটি বড় অংশ একক লেবেল ডেটার বিশ্লেষণের সাথে সম্পর্কিত, যেখানে প্রশিক্ষণের উদাহরণগুলি বিচ্ছিন্ন লেবেলগুলির একটি সেট থেকে একটি একক লেবেল λ এর সাথে যুক্ত। তবে, বেশ কয়েকটি অ্যাপ্লিকেশন ডোমেনের প্রশিক্ষণের উদাহরণগুলি প্রায়শই লেবেলগুলির একটি সেট Y L এর সাথে যুক্ত থাকে। এই জাতীয় ডেটাকে মাল্টি-লেবেল বলা হয়। নথিপত্র এবং ওয়েব পেজগুলির মতো পাঠ্য তথ্য প্রায়শই একাধিক লেবেলের সাথে টীকাযুক্ত হয়। উদাহরণস্বরূপ, দা ভিঞ্চি কোড চলচ্চিত্র মুক্তির পর খ্রিস্টান চার্চের প্রতিক্রিয়া সম্পর্কিত একটি সংবাদ নিবন্ধকে ধর্ম এবং চলচ্চিত্র উভয়েরই লেবেল দেওয়া যেতে পারে। পাঠ্য তথ্যের শ্রেণীবিভাগ সম্ভবত মাল্টি-লেবেল অ্যাপ্লিকেশনটির প্রধান বৈশিষ্ট্য। সম্প্রতি, মাল্টি-লেবেল ডেটা থেকে শেখার বিষয়টি অনেক গবেষকের কাছ থেকে উল্লেখযোগ্য মনোযোগ আকর্ষণ করেছে, যেমন চিত্রগুলির [1, 2, 3] এবং ভিডিওর [4, 5], কার্যকরী জিনোমিক্স [6, 7, 8, 9, 10], সংগীতকে আবেগের মধ্যে শ্রেণিবদ্ধকরণ [11, 12, 13, 14] এবং নির্দেশিত বিপণনের [15] ক্রমবর্ধমান সংখ্যক নতুন অ্যাপ্লিকেশন দ্বারা অনুপ্রাণিত। টেবিল ১ বিভিন্ন অ্যাপ্লিকেশন উপস্থাপন করে যা সাহিত্যে আলোচনা করা হয়। এই অধ্যায়টি মাল্টি-লেবেল ডেটা মাইনিং এর দ্রুত বিকশিত গবেষণা ক্ষেত্রের অতীত এবং সাম্প্রতিক কাজের পর্যালোচনা করে। অধ্যায় ২-এ মাল্টি-লেবেল ডেটা থেকে শেখার ক্ষেত্রে দুটি প্রধান কাজকে সংজ্ঞায়িত করা হয়েছে এবং উল্লেখযোগ্য সংখ্যক শেখার পদ্ধতি উপস্থাপন করা হয়েছে। ৩ নম্বর বিভাগে মাল্টি লেবেল ডেটার জন্য মাত্রিকতা হ্রাস পদ্ধতি নিয়ে আলোচনা করা হয়েছে। ৪ এবং ৫ নম্বর বিভাগে দুটি গুরুত্বপূর্ণ গবেষণার চ্যালেঞ্জ নিয়ে আলোচনা করা হয়েছে, যেগুলো সফলভাবে পূরণ করলে মাল্টি লেবেল লার্নিং পদ্ধতির বাস্তব-বিশ্বের প্রয়োগগুলি উল্লেখযোগ্যভাবে প্রসারিত হতে পারে: a) লেবেল কাঠামোর ব্যবহার এবং b) বড় সংখ্যক লেবেল সহ ডোমেনগুলিতে স্কেল আপ। অধ্যায় 6 তে বহু-লেবেল ডেটাসেট এবং তাদের পরিসংখ্যানের সূচনা করা হয়েছে, যখন অধ্যায় 7 বহু-লেবেল শিক্ষার জন্য সর্বাধিক ব্যবহৃত মূল্যায়ন ব্যবস্থা উপস্থাপন করে। |
60686a80b91ce9518428e00dea95dfafadadd93c | এই যোগাযোগটি একটি ডুয়াল-পোর্ট পুনরায় কনফিগারযোগ্য স্কয়ার প্যাচ অ্যান্টেনা উপস্থাপন করে যা 2.4 গিগাহার্জ জন্য পোলারাইজেশন বৈচিত্র্য সহ। প্যাচটিতে চারটি পি-আই-এন ডায়োডের অবস্থা নিয়ন্ত্রণ করে, প্রস্তাবিত অ্যান্টেনার পোলারাইজেশনকে প্রতিটি পোর্টে লিনিয়ার পোলারাইজেশন (এলপি), বাম বা ডান হাতের বৃত্তাকার পোলারাইজেশন (সিপি) এর মধ্যে স্যুইচ করা যেতে পারে। বায়ু স্তর এবং এপারচার-কপলড ফিড কাঠামো পি-আই-এন ডায়োডের বিয়ার সার্কিটকে সহজ করার জন্য ব্যবহৃত হয়। এলপি মোডে উচ্চ বিচ্ছিন্নতা এবং নিম্ন ক্রস-পোলারাইজেশন স্তরের সাথে, উভয় পোর্ট একই সাথে পোলারমিট্রিক রাডারগুলির জন্য দ্বৈত রৈখিকভাবে পোলারাইজড অ্যান্টেনা হিসাবে কাজ করতে পারে। প্রতিটি বন্দরে বিভিন্ন সিপি তরঙ্গ পাওয়া যায়, যা গতিশীলতা, প্রতিকূল আবহাওয়া এবং দৃষ্টিভঙ্গি ব্যতীত অ্যাপ্লিকেশন থেকে শুরু করে বিভিন্ন চ্যালেঞ্জ মোকাবেলার জন্য উপযুক্ত। অ্যান্টেনাটির সহজ বিয়ারিং নেটওয়ার্ক, সহজ ফ্যাব্রিকেশন এবং সামঞ্জস্যের সুবিধা রয়েছে, যা পোলারাইজেশন বৈচিত্র্য অ্যাপ্লিকেশনগুলিতে ব্যাপকভাবে প্রয়োগ করা যেতে পারে। |
0d11248c42d5a57bb28b00d64e21a32d31bcd760 | ১৯ জুলাই, ২০০১ তারিখে, ইন্টারনেটের সাথে সংযুক্ত ৩৫৯,০০০ এরও বেশি কম্পিউটার ১৪ ঘণ্টারও কম সময়ে কোড-রেড (সিআরভি২) কৃমি দ্বারা আক্রান্ত হয়েছিল। কোড-রেডের পরবর্তী প্রজাতি সহ এই মহামারীটির ব্যয় ২.৬ বিলিয়ন ডলারের বেশি বলে অনুমান করা হয়। এই আক্রমণের ফলে বিশ্বব্যাপী যে ক্ষতি হয়েছে তা সত্ত্বেও, কৃমি সংক্রমণের বিস্তারকে চিহ্নিত করার জন্য খুব কম গুরুতর প্রচেষ্টা হয়েছে, আংশিকভাবে কৃমি সম্পর্কে বিশ্বব্যাপী তথ্য সংগ্রহের চ্যালেঞ্জের কারণে। একটি প্রযুক্তি ব্যবহার করে যা বিশ্বব্যাপী কৃমি ছড়িয়ে পড়ার সনাক্তকরণ সক্ষম করে, আমরা ২ জুলাই, ২০০১ থেকে শুরু হওয়া ৪৫ দিনের সময়কালে তথ্য সংগ্রহ এবং বিশ্লেষণ করেছি ইন্টারনেট জুড়ে কোড-রেডের বিস্তারের বৈশিষ্ট্যগুলি নির্ধারণ করতে। এই কাগজে, আমরা কোড-রেডের বিস্তার ট্র্যাক করতে আমাদের ব্যবহৃত পদ্ধতিটি বর্ণনা করি এবং তারপরে আমাদের ট্রেস বিশ্লেষণের ফলাফলগুলি বর্ণনা করি। প্রথমে আমরা কোড-রেড এবং কোড-রেড-২ কৃমি সংক্রমণ ও নিষ্ক্রিয়করণের হারের দিক থেকে বিস্তারিতভাবে বর্ণনা করব। এমনকি সংক্রমণের বিস্তারের জন্য অনুকূলিতকরণ না করেও, কোড-রেড সংক্রমণের হার প্রতি মিনিটে ২,০০০ এরও বেশি হোস্টের শীর্ষে পৌঁছেছে। এরপর আমরা সংক্রামিত হোস্ট জনগোষ্ঠীর বৈশিষ্ট্যগুলি পরীক্ষা করি, যার মধ্যে রয়েছে ভৌগলিক অবস্থান, সাপ্তাহিক এবং দৈনিক সময় প্রভাব, শীর্ষ স্তরের ডোমেন এবং আইএসপি। আমরা দেখিয়েছি যে এই কৃমিটি একটি আন্তর্জাতিক ঘটনা, সংক্রমণের কার্যকলাপ দিনের বিভিন্ন সময়ে প্রভাব ফেলে এবং আমরা দেখতে পেলাম যে, যদিও বেশিরভাগ মনোযোগ বড় কর্পোরেশনগুলিতে কেন্দ্রীভূত ছিল, কোড-রেড কৃমি মূলত হোম এবং ছোট ব্যবসায়িক ব্যবহারকারীদের উপর আক্রমণ করেছিল। আমরা সংক্রামিত হোস্টের পরিমাপের উপর DHCP-এর প্রভাবগুলিও যোগ্যতা অর্জন করেছি এবং নির্ধারণ করেছি যে আইপি ঠিকানাগুলি 24 ঘন্টার বেশি সময়কালের উপর একটি কৃমি ছড়িয়ে পড়ার সঠিক পরিমাপ নয়। অবশেষে, কোড-রেড কৃমির অভিজ্ঞতা দেখায় যে ইন্টারনেট হোস্টের ব্যাপকভাবে ছড়িয়ে থাকা দুর্বলতাগুলি দ্রুত এবং নাটকীয়ভাবে কাজে লাগানো যেতে পারে এবং ইন্টারনেট কৃমিগুলিকে প্রশমিত করার জন্য হোস্ট প্যাচিংয়ের চেয়ে অন্যান্য কৌশল প্রয়োজন। |
0462a4fcd991f8d6f814337882da182c504d1d7b | আমরা গুগল বুকস এনগ্রাম কর্পাসের একটি নতুন সংস্করণ উপস্থাপন করছি, যা পাঁচ শতাব্দীর সময়কালে আটটি ভাষায় শব্দ এবং বাক্যাংশের ব্যবহারের ঘনত্ব বর্ণনা করে; এটি প্রকাশিত সমস্ত বইয়ের 6% প্রতিফলিত করে। এই নতুন সংস্করণে সিনট্যাক্সিক এনাটেশন চালু করা হয়েছে: শব্দগুলি তাদের অংশ-অফ-স্পীচ দিয়ে ট্যাগ করা হয়েছে এবং হেডমোডিফায়ার সম্পর্কগুলি রেকর্ড করা হয়েছে। এই টীকাগুলো স্বয়ংক্রিয়ভাবে তৈরি করা হয়, যা ঐতিহাসিক পাঠ্য অনুযায়ী পরিসংখ্যানগত মডেলের সাহায্যে তৈরি করা হয়। এই সংকলনটি ভাষাগত প্রবণতা, বিশেষ করে বাক্য গঠন সংক্রান্ত প্রবণতা অধ্যয়নকে সহজতর করবে। |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.