_id
stringlengths 40
40
| text
stringlengths 0
9.47k
|
|---|---|
5c1ab86362dec6f9892a5e4055a256fa5c1772af | ৩জি সিস্টেমের দীর্ঘমেয়াদী বিবর্তন (এলটিই) এর স্পেসিফিকেশন বর্তমানে ৩জিপিপি-তে চলছে এবং ২০০৭ সালের শেষের দিকে স্পেসিফিকেশন প্রস্তুত করার লক্ষ্যমাত্রা রয়েছে। উন্নত রেডিও অ্যাক্সেস নেটওয়ার্ক (আরএএন) এর মধ্যে রয়েছে একটি নতুন রেডিও ইন্টারফেস যা ওএফডিএম প্রযুক্তির উপর ভিত্তি করে এবং একটি সম্পূর্ণ ভিন্ন র্যান আর্কিটেকচার, যেখানে রেডিও কার্যকারিতা বেস স্টেশনগুলিতে বিতরণ করা হয়। র্যান স্থাপত্যের বিতরণ প্রকৃতির জন্য নতুন রেডিও কন্ট্রোল অ্যালগরিদম এবং পদ্ধতি প্রয়োজন যা বিতরণ পদ্ধতিতে কাজ করে, যার মধ্যে একটি বিতরণ হস্তান্তর স্কিমও রয়েছে। এলটিইতে হস্তান্তর পদ্ধতির সবচেয়ে গুরুত্বপূর্ণ দিকগুলি ইতিমধ্যে কয়েকটি বিবরণ ব্যতীত 3 জিপিপি-তে স্থির করা হয়েছে। এই গবেষণাপত্রে আমরা এলটিই ইনট্রা-অ্যাক্সেস হ্যান্ডওভার পদ্ধতির একটি সংক্ষিপ্ত বিবরণ দিচ্ছি এবং এর ব্যবহারকারীর অনুভূত পারফরম্যান্স দিকগুলিতে ফোকাস করে এর কার্যকারিতা মূল্যায়ন করছি। আমরা টিসিপি থ্রুপুট দৃষ্টিকোণ থেকে প্যাকেট ফরোয়ার্ডিংয়ের প্রয়োজনীয়তা তদন্ত করি, আমরা হস্তান্তরের সময় অর্ডার ছাড়াই প্যাকেট বিতরণের সমস্যাটি বিশ্লেষণ করি এবং এর জন্য একটি সহজ সমাধানের প্রস্তাব দিই। অবশেষে, আমরা রেডিও দক্ষতার উপর হার্ক / এআরকিউ স্টেট বর্জন প্রভাব তদন্ত। ফলাফল থেকে দেখা যাচ্ছে যে এলটিই-র স্থানান্তর ভিত্তিক হস্তান্তর পদ্ধতির দ্বারা ব্যবহারকারীর উপলব্ধি করা পারফরম্যান্স বা রেডিও দক্ষতা উভয়ই ঝুঁকিপূর্ণ নয়। |
3fb91bbffa86733fc68d4145e7f081353eb3dcd8 | ইলেক্ট্রোমায়োগ্রাফি (ইএমজি) সংকেতগুলি ক্লিনিকাল / বায়োমেডিক্যাল অ্যাপ্লিকেশন, ইভোলুভেবল হার্ডওয়্যার চিপ (ইএইচডাব্লু) বিকাশ এবং আধুনিক মানব কম্পিউটার ইন্টারঅ্যাকশনের জন্য ব্যবহার করা যেতে পারে। পেশী থেকে প্রাপ্ত ইএমজি সংকেত সনাক্তকরণ, বিভাজন, প্রক্রিয়াকরণ এবং শ্রেণিবদ্ধকরণের জন্য উন্নত পদ্ধতির প্রয়োজন। এই গবেষণাপত্রের উদ্দেশ্য হলো ইএমজি সংকেত বিশ্লেষণের বিভিন্ন পদ্ধতি এবং অ্যালগরিদমের চিত্রণ করা যাতে সংকেত এবং এর প্রকৃতি বোঝার জন্য দক্ষ ও কার্যকর উপায় সরবরাহ করা যায়। আমরা আরও কিছু হার্ডওয়্যার বাস্তবায়ন ইএমজি ব্যবহার করে উল্লেখ করছি যা প্রোস্টেটিক হ্যান্ড কন্ট্রোল, গ্রিপ স্বীকৃতি এবং মানব কম্পিউটার ইন্টারঅ্যাকশন সম্পর্কিত অ্যাপ্লিকেশনগুলিতে ফোকাস করে। বিভিন্ন ইএমজি সংকেত বিশ্লেষণ পদ্ধতির কার্যকারিতা দেখানোর জন্য একটি তুলনামূলক গবেষণাও দেওয়া হয়েছে। এই গবেষণাপত্রটি গবেষকদের ইএমজি সংকেত এবং এর বিশ্লেষণ পদ্ধতি সম্পর্কে একটি ভাল বোঝার সুযোগ করে দেয়। এই জ্ঞান তাদের আরও শক্তিশালী, নমনীয় এবং দক্ষ অ্যাপ্লিকেশনগুলি বিকাশ করতে সহায়তা করবে। |
ab71da348979c50d33700bc2f6ddcf25b4c8cfd0 | |
6cc4a3d0d8a278d30e05418afeaf6b8e5d04d3d0 | |
6180a8a082c3d0e85dcb9cec3677923ff7633bb9 | দুই দশক আগে তথ্য ব্যবস্থা গবেষণা (আইএসআর) শুরু হওয়ার পর থেকে তথ্য ব্যবস্থা (আইএস) ক্ষেত্রের প্রতি মনোযোগ প্রশাসনিক ব্যবস্থা এবং স্বতন্ত্র সরঞ্জামগুলির বাইরে চলে গেছে। লক্ষ লক্ষ ব্যবহারকারী ফেসবুকে লগ ইন করে, আইফোন অ্যাপ্লিকেশন ডাউনলোড করে, এবং বিকেন্দ্রীভূত কাজের সংগঠন তৈরি করতে মোবাইল পরিষেবা ব্যবহার করে। এই নতুন গতিশীলতা বুঝতে হলে এই ক্ষেত্রের জন্য প্রয়োজন হবে ডিজিটাল অবকাঠামোগুলিকে আইটি আর্টিফ্যাক্টের একটি শ্রেণীর হিসাবে বিবেচনা করা। এই গবেষণায় ডিজিটাল পরিকাঠামোর প্রতি আগ্রহ বাড়ছে, কিন্তু এই ক্ষেত্রটি এখনও গবেষণা প্রচেষ্টার কেন্দ্রে পরিকাঠামো স্থাপন করতে পারেনি। এই পরিবর্তনের সহায়তায় আমরা আইএস গবেষণার জন্য তিনটি নতুন দিকের প্রস্তাব দিচ্ছি: (1) ডিজিটাল অবকাঠামোর প্রকৃতির তত্ত্বগুলি আইটি আর্টিফ্যাক্টের একটি পৃথক প্রকার, সুই জেনেরিস; (2) ডিজিটাল অবকাঠামোগুলি সম্পর্কযুক্ত নির্মাণগুলি যা সমস্ত traditionalতিহ্যবাহী আইএস গবেষণা ক্ষেত্রকে রূপ দেয়; (3) পরিবর্তন এবং নিয়ন্ত্রণের প্যারাডক্সগুলি বিশিষ্ট আইএস ঘটনা হিসাবে। আমরা সমাপ্তিটি এমন কিছু পরামর্শ দিয়ে শেষ করব যেগুলো দিয়ে আমরা দীর্ঘস্থায়ী, বড় আকারের সামাজিক প্রযুক্তিগত ঘটনাগুলোকে অধ্যয়ন করতে পারি। |
e83a2fa459ba921fb176beacba96038a502ff64d | সংমিশ্রণ কৌশল (এছাড়াও সংমিশ্রণ স্কিম বলা হয়) একটি কৌশল পৃথক শ্রেণীবিভাগের আউটপুট একত্রিত করার জন্য ব্যবহৃত হয়। বিমূর্ত স্তরে সবচেয়ে জনপ্রিয় সমন্বয় কৌশল সংখ্যাগরিষ্ঠ ভোট নিয়মের উপর ভিত্তি করে তৈরি করা হয়, যা কেবলমাত্র সর্বাধিক ভোটপ্রাপ্ত শ্রেণীর একটি ইনপুট প্যাটার্ন নির্ধারণ করে (বিভাগ ৭.২ দেখুন) । যখন দুটি শ্রেণীবিভাগ সংযুক্ত করা হয়, তখন সাধারণত একটি যৌক্তিক AND বা একটি যৌক্তিক OR অপারেটর ব্যবহার করা হয়। যখন দুইটির বেশি শ্রেণীবিভাগ সংহত করা হয়, তখন AND/OR নিয়মগুলি একত্রিত করা যায়। উদাহরণস্বরূপ, একটি বায়োমেট্রিক সিস্টেম fingerprint OR (face AND hand geometry) এর উপর কাজ করতে পারে; অর্থাৎ, এটির জন্য একজন ব্যবহারকারীকে হয় একটি ফিঙ্গারপ্রিন্ট বা চেহারা এবং হাতের জ্যামিতি উভয়ই পরিচয় দেওয়ার জন্য উপস্থাপন করতে হবে। শ্রেণী সেট হ্রাস, লজিস্টিক রিগ্রেশন এবং বোর্দা গণনা হ ল র্যাঙ্ক লেবেলগুলির উপর ভিত্তি করে শ্রেণিবদ্ধকরণগুলিকে একত্রিত করার জন্য সর্বাধিক ব্যবহৃত পদ্ধতি (হো, হুল এবং শ্রীহরি, 1994) । শ্রেণী সেট হ্রাসের ক্ষেত্রে, শ্রেণীর একটি উপসেটকে লক্ষ্য করে নির্বাচন করা হয় যাতে উপসেটটি যতটা সম্ভব ছোট হয় এবং এখনও সত্যিকারের শ্রেণী থাকে। একাধিক উপসেট থেকে একাধিক উপসেট সাধারণত ইউনিয়ন বা উপসেটগুলির একটি ছেদ ব্যবহার করে একত্রিত হয়। লজিস্টিক রিগ্রেশন এবং বোর্দা কাউন্ট পদ্ধতিকে যৌথভাবে ক্লাস সেট পুনর্বিন্যাস পদ্ধতি বলা হয়। এখানে লক্ষ্য হল প্রদত্ত শ্রেণীর একটি ঐক্যমত্য র্যাঙ্কিং বের করা যাতে সত্যিকারের শ্রেণীটি শীর্ষে স্থান পায়। একটি সূচক/অনুসন্ধান ব্যবস্থায় সংহতকরণের জন্য র্যাঙ্ক লেবেলগুলি খুব দরকারী। একটি বায়োমেট্রিক পুনরুদ্ধার সিস্টেম সাধারণত প্রার্থীদের একটি অর্ডার তালিকা আউটপুট (সবচেয়ে সম্ভবত ম্যাচ) । এই ক্রমিক তালিকার শীর্ষ উপাদানটি সঠিক মিল হওয়ার সম্ভাবনা সবচেয়ে বেশি এবং তালিকার নীচে কমপক্ষে সম্ভাব্য মিল। বিভিন্ন পদ্ধতি থেকে আস্থা মান একত্রিত করার জন্য সবচেয়ে জনপ্রিয় সমন্বয় স্কিমগুলি হল সমষ্টি, গড়, মধ্যম, পণ্য, সর্বনিম্ন এবং সর্বোচ্চ নিয়ম। কিটলার এট আল। (১৯৯৮) এই জনপ্রিয় স্কিমগুলির অন্তর্নিহিত গাণিতিক ভিত্তি বোঝার প্রয়াসে একটি তাত্ত্বিক কাঠামো তৈরি করেছে। তাদের পরীক্ষায় দেখা গেছে যে, সমষ্টি বা গড় স্কিম সাধারণত অনুশীলনে খুব ভাল কাজ করে। সমষ্টি নিয়ম ব্যবহার করার একটি সমস্যা হল যে বিভিন্ন পদ্ধতি থেকে আস্থা (বা স্কোর) স্বাভাবিক করা উচিত। এই স্বাভাবিকীকরণ সাধারণত একটি সাধারণ ডোমেইন থেকে বিভিন্ন মোডাল থেকে আস্থা পরিমাপ ম্যাপিং জড়িত। উদাহরণস্বরূপ, একটি বায়োমেট্রিক সিস্টেম দূরত্বের স্কোর (স্কোর যত কম, তত বেশি অনুরূপ প্যাটার্ন) আউটপুট দিতে পারে অন্যটি একটি মিলের স্কোর (স্কোর যত বেশি, তত বেশি অনুরূপ প্যাটার্ন) আউটপুট দিতে পারে এবং এইভাবে স্কোরগুলি সরাসরি যোগফল নিয়ম ব্যবহার করে একত্রিত করা যায় না। এর সহজতম রূপ, এই স্বাভাবিককরণ শুধুমাত্র দূরত্ব স্কোরের চিহ্নকে বিপরীত করে এমনভাবে অন্তর্ভুক্ত করতে পারে যে একটি উচ্চতর স্কোর একটি উচ্চতর সাদৃশ্যের সাথে মিলে যায়। আরো জটিল আকারে, স্বাভাবিককরণটি অ-রেখিক হতে পারে যা প্রশিক্ষণ তথ্য থেকে প্রতিটি মোডালটি থেকে আস্থা মানের বিতরণ অনুমান করে শিখতে পারে। তারপর স্কোরগুলো অনুবাদ করা হয় এবং স্কেল করা হয় যাতে শূন্য গড়, ইউনিট ভেরিয়েন্স থাকে, এবং তারপর একটি হাইপারবোলিক ট্যাঙ্গেন্ট ফাংশন ব্যবহার করে (0,1) এর একটি নির্দিষ্ট অন্তরালের পুনরায় ম্যাপ করা হয়। লক্ষ্য করুন যে স্বাভাবিকীকরণের জন্য আনুমানিক বন্টনগুলিকে পরামিতিযুক্ত করার জন্য এটি প্রলুব্ধকর। তবে, বিতরণগুলির এই ধরনের প্যারামিটারাইজেশনটি সতর্কতার সাথে ব্যবহার করা উচিত, কারণ বায়োমেট্রিক সিস্টেমের ত্রুটি হার সাধারণত খুব ছোট এবং বিতরণগুলির লেজগুলি অনুমান করার ক্ষেত্রে একটি ছোট ত্রুটি ত্রুটি অনুমানগুলিতে উল্লেখযোগ্য পরিবর্তন আনতে পারে (চিত্র 7.3 দেখুন) । আরেকটি সাধারণ অনুশীলন হল প্রশিক্ষণ তথ্য থেকে প্রতিটি মোডালটির জন্য বিভিন্ন স্কেলিং ফ্যাক্টর (ওজন) গণনা করা, যাতে সমন্বিত শ্রেণিবদ্ধকরণের নির্ভুলতা সর্বোচ্চ হয়। এই ওজনযুক্ত সমষ্টি নিয়মটি যখন উপাদান শ্রেণিবদ্ধকরণে বিভিন্ন শক্তি থাকে (অর্থাৎ, বিভিন্ন ত্রুটি হার) তখন সহজ সমষ্টি নিয়মের চেয়ে ভাল কাজ করবে বলে আশা করা হচ্ছে। চিত্র ৭.৩। a) একটি ফিঙ্গারপ্রিন্ট যাচাইকরণ সিস্টেমের জন্য প্রকৃত এবং প্রতারণামূলক বন্টন (জাইন এবং অন্যান্য, ২০০০) এবং প্রতারণামূলক বন্টনের জন্য একটি স্বাভাবিক আনুমানিক। দৃশ্যত, স্বাভাবিক আনুমানিক ভাল বলে মনে হচ্ছে, কিন্তু ROCs (খ) তে দেখানো হিসাবে অ-প্যারামেট্রিক অনুমানের তুলনায় কার্যকারিতা উল্লেখযোগ্যভাবে হ্রাস পায়, যেখানে FMR FAR (ফালস অ্যাকসেপ্টেশন রেট) এবং (1-FNMR) হিসাবে প্রকৃত অ্যাকসেপ্টেশন রেট হিসাবে উল্লেখ করা হয়। © এলসেভিয়ার। বায়োমেট্রিক সিস্টেমে একাধিক পদ্ধতির সমন্বয় করার জন্য কিছু স্কিম তাত্ত্বিক দৃষ্টিকোণ থেকেও অধ্যয়ন করা হয়েছে। একটি তাত্ত্বিক বিশ্লেষণের মাধ্যমে, ডাউগম্যান (১৯৯৯বি) দেখিয়েছেন যে যদি একটি শক্তিশালী বায়োমেট্রিক এবং একটি দুর্বল বায়োমেট্রিক একটি বিমূর্ত স্তরের সংমিশ্রণের সাথে AND বা OR ভোটের নিয়ম ব্যবহার করে, তবে সংমিশ্রণের কার্যকারিতা দুটি পৃথক বায়োমেট্রিকের ভালের চেয়ে খারাপ হবে। হং, জৈন এবং পঙ্কান্তি (১৯৯৯) এর তাত্ত্বিক বিশ্লেষণে বলা হয়েছে যে, এন্ড/অর ভোটের কৌশলগুলি কেবলমাত্র নির্দিষ্ট শর্ত পূরণ হলেই পারফরম্যান্স উন্নত করতে পারে, যা ডাউগম্যানের ফলাফলকে নিশ্চিত করে। তাদের বিশ্লেষণ আরও দেখিয়েছে যে একটি আস্থা স্তর সংমিশ্রণ এমনকি একটি দুর্বল এবং একটি শক্তিশালী বায়োমেট্রিক একত্রিত ক্ষেত্রে উল্লেখযোগ্যভাবে সামগ্রিক কর্মক্ষমতা উন্নত করার আশা করা হচ্ছে। কিটলার এট আল। (1998) সংবেদনশীলতা বিশ্লেষণের সূচনা করে ব্যাখ্যা করার জন্য যে কেন সমষ্টি (বা গড়) নিয়ম অন্যান্য নিয়মের চেয়ে ভাল কাজ করে। তারা দেখিয়েছে যে সমষ্টি নিয়মটি অন্যান্য অনুরূপ নিয়মগুলির তুলনায় কম সংবেদনশীল (যেমন পণ্য নিয়ম) পরবর্তী সম্ভাব্যতা (বিশ্বাসের মান) অনুমান করার জন্য পৃথক শ্রেণিবদ্ধকারীদের ত্রুটি হারগুলির জন্য। তারা দাবি করে যে সমষ্টি নিয়মটি একই পিছিয়ে সম্ভাবনার বিভিন্ন অনুমানের সংমিশ্রণের জন্য সবচেয়ে উপযুক্ত (যেমন, বিভিন্ন শ্রেণিবদ্ধকরণ সূচনা থেকে উদ্ভূত) । প্রভাকর এবং জৈন (২০০২) সমষ্টি এবং পণ্য নিয়মের সাথে নিম্যান-পিয়ারসন সমন্বয় স্কিমের তুলনা করেছেন এবং দেখিয়েছেন যে সমন্বয়যুক্ত বৈশিষ্ট্যগুলিকে একত্রিত করার সময় সমষ্টি নিয়মের চেয়ে পণ্য নিয়মটি খারাপ এবং দুর্বল এবং শক্তিশালী শ্রেণিবদ্ধকরণকারীদের একত্রিত করার সময় সমষ্টি নিয়ম এবং পণ্য নিয়ম উভয়ই নিম্যান-পিয়ারসন সমন্বয় স্কিমের চেয়ে নিম্নমানের। 0 20 40 60 80 100 0 1 2 3 4 5 6 7 নরমালাইজড ম্যাচিং স্কোর পার্সেল (% ) ইমপোজার প্রকৃত নন-প্যারামেট্রিক ইমপোজার বন্টন স্বাভাবিক ইমপোজার বন্টন প্রকৃত বন্টন 0 1 2 3 4 5 50 55 60 65 70 75 80 85 90 95 100 মিথ্যা গ্রহণের হার (%) G en ui ne A cc ep ta nc e R at e (% ) Nonparametric ইমপোজার বন্টন ব্যবহার করে স্বাভাবিক ইমপোজার বন্টন ব্যবহার করে ইমপোজার বন্টন ব্যবহার করে |
b4894f7d6264b94ded94181d54c7a0c773e3662b | হাঁটার বিশ্লেষণ সম্প্রতি একটি জনপ্রিয় গবেষণা ক্ষেত্র হয়ে উঠেছে এবং নিউরোডিজেনারেটিভ রোগের ক্লিনিকাল নির্ণয়ের জন্য ব্যাপকভাবে প্রয়োগ করা হয়েছে। হিপ এবং হাঁটু জয়েন্টের কোণ ক্যাপচার করার জন্য বিভিন্ন কম খরচে সেন্সর-ভিত্তিক এবং ভিজ্যুয়াল-ভিত্তিক সিস্টেম তৈরি করা হয়েছে। তবে এই সিস্টেমগুলোর পারফরম্যান্সের বৈধতা এবং একে অপরের সাথে তুলনা করা হয়নি। এই গবেষণার উদ্দেশ্য হল একটি পরীক্ষা চালানো এবং একাধিক নিষ্ক্রিয় পরিমাপ ইউনিট (আইএমইউ) সহ একটি সেন্সর-ভিত্তিক সিস্টেমের পারফরম্যান্সের তুলনা করা, মার্কার সনাক্তকরণের সাথে একটি দৃষ্টিভিত্তিক হাঁটার বিশ্লেষণ ব্যবস্থা এবং স্বাভাবিক হাঁটার সময় হিপ এবং হাঁটু জয়েন্ট কোণ ক্যাপচার করার জন্য একটি মার্কারহীন দৃষ্টিভিত্তিক সিস্টেম। জমি সত্য পরিমাপ হিসাবে গনিওমিটার থেকে প্রাপ্ত তথ্য দিয়ে প্রাপ্ত পরিমাপগুলি বৈধতা দেওয়া হয়েছিল। ফলাফল থেকে জানা যায় যে, আইএমইউ-ভিত্তিক সেন্সর সিস্টেম সামান্য ত্রুটি নিয়ে চমৎকার পারফরম্যান্স দেয়, যখন ভিউ সিস্টেমগুলি সামান্য বড় ত্রুটি নিয়ে গ্রহণযোগ্য ফলাফল দেয়। |
0e78b20b27d27261f9ae088eb13201f2d5b185bd | বৈশিষ্ট্য নির্বাচন করার জন্য অ্যালগরিদম দুটি বিস্তৃত বিভাগে বিভক্তঃ আবরণকারী যা বৈশিষ্ট্যগুলির উপযোগিতা মূল্যায়ন করতে লার্নিং অ্যালগরিদম নিজেই ব্যবহার করে এবং ফিল্টারগুলি যা ডেটার সাধারণ বৈশিষ্ট্যগুলির উপর ভিত্তি করে হিউরিস্টিক অনুসারে বৈশিষ্ট্যগুলি মূল্যায়ন করে। বড় ডাটাবেসের ক্ষেত্রে ফিল্টারগুলি র্যাপারগুলির চেয়ে বেশি কার্যকর বলে প্রমাণিত হয়েছে কারণ এগুলি অনেক দ্রুত। তবে, বেশিরভাগ বিদ্যমান ফিল্টার অ্যালগরিদমগুলি কেবলমাত্র বিচিন্ন শ্রেণিবদ্ধকরণ সমস্যার সাথে কাজ করে। এই কাগজটি একটি দ্রুত, সম্পর্ক-ভিত্তিক ফিল্টার অ্যালগরিদম বর্ণনা করে যা ক্রমাগত এবং বিচ্ছিন্ন সমস্যার জন্য প্রয়োগ করা যেতে পারে। এই অ্যালগরিদমটি প্রায়শই সুপরিচিত রিলিফএফ এট্রিবিউট ইস্টিমেটরকে ছাড়িয়ে যায় যখন এটি নিখুঁত বেস, ইনস্ট্যান্স-ভিত্তিক লার্নিং, সিদ্ধান্ত গাছ, স্থানীয়ভাবে ওজনের রিগ্রেশন এবং মডেল গাছের জন্য প্রাক-প্রক্রিয়াকরণ পদক্ষেপ হিসাবে ব্যবহৃত হয়। এটি ReliefF এর চেয়ে বেশি বৈশিষ্ট্য নির্বাচন করে - বেশিরভাগ ক্ষেত্রে ডেটা মাত্রিকতা পঞ্চাশ শতাংশ হ্রাস করে। এছাড়াও, প্রাক-প্রক্রিয়াকৃত তথ্য থেকে নির্মিত সিদ্ধান্ত এবং মডেল গাছগুলি প্রায়শই উল্লেখযোগ্যভাবে ছোট হয়। |
1b65af0b2847cf6edb1461eda659f08be27bc76d | আমরা লিনিয়ার মডেলের জন্য একটি নতুন পদ্ধতির প্রস্তাব দিচ্ছি। লাসো বর্গক্ষেত্রের অবশিষ্ট যোগফলকে সর্বনিম্ন করে দেয়, যার ফলে কোয়েফিশেন্টের পরম মানের যোগফল একটি ধ্রুবক থেকে কম হয়। এই সীমাবদ্ধতার প্রকৃতির কারণে এটি কিছু সহগ উত্পাদন করতে থাকে যা ঠিক 0 হয় এবং তাই ব্যাখ্যাযোগ্য মডেল দেয়। আমাদের সিমুলেশন স্টাডি থেকে জানা যায় যে, লাসো উপসেট নির্বাচন এবং রিজ রেগ্রেশন উভয়েরই অনুকূল বৈশিষ্ট্য ভোগ করে। এটি উপসেট নির্বাচনের মতো ব্যাখ্যাযোগ্য মডেল তৈরি করে এবং রিজ রিগ্রেশনের স্থায়িত্ব প্রদর্শন করে। ডোনোহো এবং জনস্টোনের অভিযোজিত ফাংশন অনুমানের সাম্প্রতিক কাজের সাথেও একটি আকর্ষণীয় সম্পর্ক রয়েছে। লাসো ধারণাটি বেশ সাধারণ এবং বিভিন্ন পরিসংখ্যানগত মডেলগুলিতে প্রয়োগ করা যেতে পারেঃ সাধারণীকৃত রিগ্রেশন মডেল এবং গাছ-ভিত্তিক মডেলগুলির এক্সটেনশনগুলি সংক্ষেপে বর্ণনা করা হয়েছে। |
3a8aa4cc6142d433ff55bea8a0cb980103ea15e9 | |
75cbc0eec23375df69de6c64e2f48689dde417c5 | সস্তা মাইক্রোসফট কাইনেক্ট সেন্সরের আবিষ্কারের সাথে সাথে উচ্চ-রেজোলিউশন গভীরতা এবং ভিজ্যুয়াল (আরজিবি) সেন্সর ব্যাপকভাবে ব্যবহারের জন্য উপলব্ধ হয়েছে। কাইনেক্ট সেন্সর দ্বারা প্রদত্ত গভীরতা এবং ভিজ্যুয়াল তথ্যের পরিপূরক প্রকৃতি কম্পিউটার দৃষ্টিতে মৌলিক সমস্যা সমাধানের জন্য নতুন সুযোগ উন্মুক্ত করে। এই গবেষণাপত্রটি সাম্প্রতিক কিনেক্ট-ভিত্তিক কম্পিউটার ভিশন অ্যালগরিদম এবং অ্যাপ্লিকেশনগুলির একটি বিস্তৃত পর্যালোচনা উপস্থাপন করে। এই পদ্ধতিগুলোকে কাইনেক্ট সেন্সরের সাহায্যে যে ধরনের দৃষ্টিশক্তির সমস্যা সমাধান করা যায় বা উন্নত করা যায় তার উপর ভিত্তি করে শ্রেণীবদ্ধ করা হয়েছে। এই বিষয়গুলির মধ্যে রয়েছে প্রিপ্রসেসিং, অবজেক্ট ট্র্যাকিং এবং স্বীকৃতি, মানব ক্রিয়াকলাপ বিশ্লেষণ, হাতের অঙ্গভঙ্গি বিশ্লেষণ এবং ইনডোর থ্রি-ডি ম্যাপিং। প্রতিটি শ্রেণীর পদ্ধতির জন্য, আমরা তাদের প্রধান অ্যালগরিদমিক অবদানের রূপরেখা এবং তাদের RGB সমতুল্য তুলনায় তাদের সুবিধাগুলি / পার্থক্য সংক্ষিপ্তসার। অবশেষে, আমরা এই ক্ষেত্রে চ্যালেঞ্জ এবং ভবিষ্যতের গবেষণা প্রবণতা সম্পর্কে একটি সংক্ষিপ্ত বিবরণ প্রদান করি। এই কাগজটি কিনেক্ট-ভিত্তিক কম্পিউটার দৃষ্টি গবেষকদের জন্য একটি টিউটোরিয়াল এবং রেফারেন্সের উৎস হিসাবে কাজ করবে বলে আশা করা হচ্ছে। |
aa358f4a0578234e301a305d8c5de8d859083a4c | এই কাগজটি একটি নতুন ভিজ্যুয়াল উপস্থাপনা উপস্থাপন করে, যাকে অর্ডারলেটস বলা হয়, যা গভীরতা সেন্সর সহ রিয়েল-টাইম মানব ক্রিয়াকলাপ স্বীকৃতির জন্য। অর্ডারলেট হল একটি মধ্যম স্তরের বৈশিষ্ট্য যা নিম্ন স্তরের বৈশিষ্ট্যগুলির একটি গোষ্ঠীর মধ্যে অর্ডিনাল প্যাটার্ন ক্যাপচার করে। কাঠামোর ক্ষেত্রে, একটি অর্ডারলেট নির্দিষ্ট স্থানিক সম্পর্ককে ধরে রাখে। গভীরতার মানচিত্রের জন্য, একটি অর্ডারলেট উপ-অঞ্চলের একটি গ্রুপের মধ্যে আকৃতির তথ্যের তুলনামূলক সম্পর্ককে চিহ্নিত করে। অর্ডারলেট রেপ্রেজেনটেশনের দুটি সুন্দর বৈশিষ্ট্য রয়েছে। প্রথমত, এটি ক্ষুদ্র শব্দ প্রতি অসংবেদনশীল কারণ একটি অর্ডারলেট শুধুমাত্র পৃথক বৈশিষ্ট্যগুলির মধ্যে তুলনামূলক সম্পর্কের উপর নির্ভর করে। দ্বিতীয়ত, এটি একটি ফ্রেম-স্তরের উপস্থাপনা, তাই রিয়েল-টাইম অনলাইন অ্যাকশন স্বীকৃতির জন্য উপযুক্ত। পরীক্ষামূলক ফলাফল অনলাইনে কর্মের স্বীকৃতি এবং ক্রস-পরিবেশ কর্মের স্বীকৃতির উপর তার উচ্চতর পারফরম্যান্স প্রদর্শন করে। |
30f1ea3b4194dba7f957fd6bf81bcaf12dca6ff8 | শিফট-রেডুস এর মত ইনক্রিমেন্টাল পার্সিং টেকনিকগুলি তাদের দক্ষতার জন্য জনপ্রিয়তা অর্জন করেছে, কিন্তু একটি বড় সমস্যা রয়েছেঃ অনুসন্ধানটি লোভী এবং ডায়নামিক প্রোগ্রামিংয়ের বিপরীতে পুরো স্থানটির একটি ক্ষুদ্র ভগ্নাংশ (এমনকি বিম অনুসন্ধান সহ) অনুসন্ধান করে। আমরা দেখিয়েছি যে, আশ্চর্যজনকভাবে, গতিশীল প্রোগ্রামিং আসলে অনেক শিফট-রেডুস পার্সারের জন্য সম্ভব, বৈশিষ্ট্য মানের উপর ভিত্তি করে সমতুল্য স্ট্যাকগুলিকে একত্রিত করে। আমাদের অ্যালগরিদমের গতি পাঁচগুণ বেড়েছে... ...একটি অত্যাধুনিক শিফট-রিডাকশন ডিপেন্ডেন্সি পার্সারের চেয়ে... ...নির্ভুলতার কোনো ক্ষতি ছাড়াই। উন্নত অনুসন্ধান আরও উন্নত শেখার দিকে পরিচালিত করে, এবং আমাদের চূড়ান্ত পার্সার ইংরেজি এবং চীনা ভাষার জন্য পূর্বে রিপোর্ট করা সমস্ত নির্ভরতা পার্সারকে ছাড়িয়ে যায়, তবুও এটি অনেক দ্রুত। |
422d9b1a05bc33fcca4b9aa9381f46804c6132fd | কিছু প্রশ্নের উত্তর শুধু মেশিন দিয়ে দেওয়া সম্ভব নয়। এই ধরনের প্রশ্নের প্রক্রিয়াকরণের জন্য ডাটাবেস থেকে অনুপস্থিত তথ্য প্রদানের জন্য, কম্পিউটেশনালভাবে কঠিন ফাংশন সম্পাদন করার জন্য এবং অস্পষ্ট মানদণ্ডের উপর ভিত্তি করে ফলাফলের মিল, র্যাঙ্কিং বা একত্রিত করার জন্য মানুষের ইনপুট প্রয়োজন। CrowdDB ক্রাউডসোর্সিং এর মাধ্যমে মানব ইনপুট ব্যবহার করে এমন প্রশ্নের প্রক্রিয়াজাতকরণ করে যা ডাটাবেস সিস্টেম বা সার্চ ইঞ্জিনগুলি পর্যাপ্তভাবে উত্তর দিতে পারে না। এটি এসকিউএলকে জটিল প্রশ্নের জন্য একটি ভাষা হিসেবে এবং ডেটা মডেলিংয়ের একটি উপায় হিসেবে ব্যবহার করে। যদিও ক্রাউডডিবি ঐতিহ্যবাহী ডাটাবেস সিস্টেমের অনেক দিককে কাজে লাগায়, তবে এর মধ্যে গুরুত্বপূর্ণ পার্থক্যও রয়েছে। ধারণাগতভাবে, একটি প্রধান পরিবর্তন হল যে ক্যোয়ারী প্রক্রিয়াকরণের জন্য ঐতিহ্যগত বন্ধ-বিশ্ব অনুমানটি মানুষের ইনপুটের জন্য ধরে রাখে না। বাস্তবায়ন দৃষ্টিকোণ থেকে, ক্রাউডসোর্সড ডেটা সংগ্রহ, সংহত এবং পরিষ্কার করার জন্য মানব-ভিত্তিক ক্যোয়ারী অপারেটর প্রয়োজন। এর পাশাপাশি কর্মক্ষমতা এবং খরচ নির্ভর করে কর্মীদের সম্পর্ক, প্রশিক্ষণ, ক্লান্তি, প্রেরণা এবং অবস্থানের উপর। আমরা ক্রাউডডিবি এর নকশা বর্ণনা করি, অ্যামাজন মেকানিকাল তুর্কের ব্যবহার করে পরীক্ষার প্রাথমিক সেট সম্পর্কে প্রতিবেদন করি এবং ক্রাউডসোর্সড ক্যোয়ারী প্রসেসিং সিস্টেমের বিকাশে ভবিষ্যতের কাজের জন্য গুরুত্বপূর্ণ পথের রূপরেখা দিই। |
edc2e4e6308d7dfce586cb8a4441c704f8f8d41b | এই গবেষণাপত্রে আমরা দুটি নতুন যোগাযোগ-কার্যকর পদ্ধতির কথা তুলে ধরছি যা ফাংশনগুলির গড়ের বিতরণকৃত সংক্ষিপ্তীকরণের জন্য। প্রথম অ্যালগরিদমটি ড্যান অ্যালগরিদমের একটি অস্পষ্ট বৈকল্পিক [২০] যা কোনও স্থানীয় অ্যালগরিদমকে স্থানীয় উপ-সমস্যাটির আনুমানিক সমাধান ফিরিয়ে দিতে দেয়। আমরা দেখিয়েছি যে এই ধরনের কৌশল DANE এর তাত্ত্বিক গ্যারান্টিগুলিকে উল্লেখযোগ্যভাবে প্রভাবিত করে না। আসলে, আমাদের পদ্ধতিকে একটি শক্তিশালী কৌশল হিসেবে দেখা যেতে পারে, যেহেতু পদ্ধতিটি DANE এর চেয়ে ভাল আচরণ করে। এটা সুপরিচিত যে DANE অ্যালগরিদম কমিউনিকেশন জটিলতার নিম্নসীমাগুলির সাথে মেলে না। এই ফাঁকটি পূরণ করার জন্য, আমরা প্রথম পদ্ধতির একটি ত্বরিত রূপ প্রস্তাব করি, যাকে এআইডিই বলা হয়, যা কেবল যোগাযোগের নিম্ন সীমাতেই মিলবে না বরং এটি খাঁটি প্রথম-অর্ডার ওরাকল ব্যবহার করেও প্রয়োগ করা যেতে পারে। আমাদের পরীক্ষামূলক ফলাফলগুলো দেখায় যে, মেশিন লার্নিং অ্যাপ্লিকেশনে প্রাকৃতিকভাবে উদ্ভূত সেটিংসে AIDE অন্যান্য যোগাযোগ দক্ষ অ্যালগরিদমের চেয়ে শ্রেষ্ঠ। |
c677166592b505b80a487fb88ac5a6996fc47d71 | এই গবেষণাপত্রে বড় আকারের জটিল সিস্টেমের বিকেন্দ্রীভূত নিয়ন্ত্রণের ক্ষেত্রে অতীত ও বর্তমানের ফলাফলের পর্যালোচনা করা হয়েছে। এই প্রকল্পে বিকেন্দ্রীকরণ, বিভাজন এবং দৃঢ়তার ওপর জোর দেওয়া হয়েছে। এই পদ্ধতিগুলি বড় আকারের জটিল সিস্টেমে উদ্ভূত বিশেষ অসুবিধা যেমন উচ্চ মাত্রা, তথ্য কাঠামোর সীমাবদ্ধতা, অনিশ্চয়তা এবং বিলম্বগুলি কাটিয়ে উঠতে কার্যকর সরঞ্জাম হিসাবে কাজ করে। এই বিষয়বস্তুতে ভবিষ্যতে গবেষণার জন্য বেশ কয়েকটি সম্ভাব্য বিষয়ের সূচনা করা হয়েছে। এই সংক্ষিপ্ত বিবরণে সাম্প্রতিক সময়ে ইন্টারকানেক্টেড ডায়নামিক সিস্টেমে বিকেন্দ্রীভূত নিয়ন্ত্রণের সম্প্রসারণের সম্ভাবনার কারণে নেটওয়ার্কযুক্ত নিয়ন্ত্রণ ব্যবস্থায় বিভাজন পদ্ধতির উপর দৃষ্টি নিবদ্ধ করা হয়েছে। # ২০০৮ এ্যালসেভিয়ার লিমিটেড. সমস্ত অধিকার সংরক্ষিত. |
0debd1c0b73fc79dc7a64431b8b6a1fe21dcd9f7 | বৈশিষ্ট্য নির্বাচন শ্রেণীবিভাগের নির্ভুলতা উন্নত করতে পারে এবং শ্রেণীবিভাগের কম্পিউটেশনাল জটিলতা হ্রাস করতে পারে। ইনট্রুশন ডিটেকশন সিস্টেমের (আইডিএস) ডেটা বৈশিষ্ট্যগুলি সর্বদা ভারসাম্যহীন শ্রেণিবিন্যাসের সমস্যা উপস্থাপন করে যেখানে কিছু শ্রেণিবিন্যাসে কেবল কয়েকটি উদাহরণ রয়েছে যখন অন্যদের অনেকগুলি উদাহরণ রয়েছে। এই ভারসাম্যহীনতা শ্রেণীবিভাগের দক্ষতাকে সীমাবদ্ধ করতে পারে, কিন্তু এটি মোকাবেলায় খুব কম প্রচেষ্টা করা হয়েছে। এই গবেষণাপত্রে, IDS-এ বৈশিষ্ট্য নির্বাচনের জন্য বহু-উদ্দেশ্যমূলক সমস্যার জন্য একটি স্কিম প্রস্তাব করা হয়েছে, যা জনসংখ্যার বিবর্তনের জন্য দুটি কৌশল ব্যবহার করে, যথা, একটি বিশেষ আধিপত্য পদ্ধতি এবং একটি পূর্বনির্ধারিত একাধিক লক্ষ্যযুক্ত অনুসন্ধান। এটি শুধু স্বাভাবিক এবং অস্বাভাবিক ট্রাফিকের মধ্যে পার্থক্য করতে পারে না, অস্বাভাবিকতার ধরন অনুযায়ীও পার্থক্য করতে পারে। আমাদের স্কিমের উপর ভিত্তি করে, NSGA-III একটি ভাল পারফরম্যান্সের সাথে একটি পর্যাপ্ত বৈশিষ্ট্য উপসেট পেতে ব্যবহৃত হয়। একটি উন্নত বহু-উদ্দেশ্য অপ্টিমাইজেশান অ্যালগরিদম (আই-এনএসজিএ-III) একটি নতুন কুলুঙ্গি সংরক্ষণ পদ্ধতি ব্যবহার করে আরও প্রস্তাবিত। এটি একটি পক্ষপাত-নির্বাচন প্রক্রিয়া যা নির্বাচিত বৈশিষ্ট্যগুলির সাথে ব্যক্তিটিকে নির্বাচন করে এবং একটি ফিট-নির্বাচন প্রক্রিয়া যা তার লক্ষ্যগুলির সর্বাধিক সমষ্টি ওজন সহ ব্যক্তিকে নির্বাচন করে। পরীক্ষামূলক ফলাফল দেখায় যে I-NSGA-III কম সংখ্যক ক্লাসের জন্য শ্রেণিবদ্ধকরণের উচ্চতর নির্ভুলতার সাথে ভারসাম্যহীনতার সমস্যাটি হ্রাস করতে পারে। উপরন্তু, এটি উচ্চ শ্রেণীবিভাগ নির্ভুলতা এবং কম কম্পিউটেশনাল জটিলতা উভয়ই অর্জন করতে পারে। © ২০১৬। প্রকাশনা এলসেভিয়ার বি.ভি. |
5a4a53339068eebd1544b9f430098f2f132f641b | গভীর লুকানো-পরিবর্তনীয় মডেলগুলি উচ্চ-মাত্রিক ডেটার উপস্থাপনাগুলিকে একটি অনিয়ন্ত্রিত পদ্ধতিতে শিখতে পারে। সাম্প্রতিক সময়ে বেশ কিছু প্রচেষ্টা শেখার প্রতিনিধিত্বের উপর দৃষ্টি নিবদ্ধ করেছে যা পরিসংখ্যানগতভাবে স্বতন্ত্র পরিবর্তনের অক্ষগুলিকে বিভক্ত করে, প্রায়শই উদ্দেশ্য ফাংশনের উপযুক্ত পরিবর্তনগুলি প্রবর্তন করে। আমরা এই ক্রমবর্ধমান সাহিত্যের সংকলনটি প্রমানের নিম্নসীমার একটি সাধারণীকরণ তৈরি করে সংকলন করি যা স্পষ্টভাবে ল্যাটিন কোডের ক্ষুদ্রতা, উপস্থাপনার বিজয়েক্টিভিটি এবং অভিজ্ঞতার তথ্য বিতরণের সমর্থনকে কভারেজের মধ্যে বাণিজ্য-অফগুলিকে প্রতিনিধিত্ব করে। আমাদের লক্ষ্য হল শ্রেণীবিন্যাসমূলক উপস্থাপনা শেখার জন্য উপযুক্ত যা ব্লকগুলির মধ্যে কিছু পরিমাণে সম্পর্ককে অনুমতি দেয়। বিভিন্ন ডেটাসেটের উপর করা পরীক্ষাগুলি দেখায় যে, শেখার উপস্থাপনাগুলোতে ব্যাখ্যাযোগ্য বৈশিষ্ট্য রয়েছে, তারা বিচ্ছিন্ন বৈশিষ্ট্যগুলি শিখতে সক্ষম এবং কারণগুলির অদৃশ্য সংমিশ্রণে সাধারণীকরণ করতে সক্ষম। |
4b19be501b279b7d80d94b2d9d986bf4f8ab4ede | |
8ba965f138c1178aef09da3781765e300c325f3d | ইলেক্ট্রোমায়োগ্রাম বা ইএমজি সংকেত একটি খুব ছোট সংকেত; এটি প্রদর্শন উদ্দেশ্যে বা আরও বিশ্লেষণ প্রক্রিয়া জন্য উন্নত করার জন্য একটি সিস্টেমের প্রয়োজন। এই গবেষণাপত্রটি দুই চ্যানেল ইনপুট সহ কম খরচে ফিজিওথেরাপি ইএমজি সিগন্যাল অধিগ্রহণ সিস্টেমের বিকাশ উপস্থাপন করে। অধিগ্রহণ ব্যবস্থায়, উভয় ইনপুট সংকেত একটি ডিফারেনশিয়াল এম্প্লিফায়ার দ্বারা শক্তিশালী করা হয় এবং ইএমজি সংকেতের লিনিয়ার এনভেলপ পেতে সংকেত প্রাক-প্রক্রিয়াকরণে ভুগতে হয়। এরপর ইএমজি সিগন্যাল ডিজিটালাইজড হয়ে কম্পিউটারে পাঠানো হয়। |
01413e1fc981a8c041dc236dcee64790e2239a36 | মেশিন লার্নিংয়ের বিভিন্ন সমস্যা, যার মধ্যে রয়েছে উদাহরণ ক্লাস্টারিং, ডকুমেন্ট সারসংক্ষেপ এবং সেন্সর প্লেসমেন্ট, সীমাবদ্ধ সাবমডুলার ম্যাক্সিমাইজেশন সমস্যা হিসাবে ছড়িয়ে দেওয়া যেতে পারে। সাম্প্রতিক সময়ে এই সমস্যাগুলির জন্য বিতরণকৃত অ্যালগরিদম তৈরির জন্য অনেক প্রচেষ্টা করা হয়েছে। যাইহোক, এই ফলাফলগুলি উচ্চ সংখ্যক রাউন্ড, সাব-অপ্টিমাল আনুমানিক অনুপাত, বা উভয়ই ভোগ করে। আমরা ক্রমিক সেটিং এ বিদ্যমান অ্যালগরিদমগুলিকে বিতরণকৃত সেটিং এ আনার জন্য একটি কাঠামো তৈরি করি, কেবলমাত্র মানচিত্রের ধ্রুবক সংখ্যক রাউন্ডে অনেক সেটিংয়ের জন্য সর্বোত্তম সমীকরণ অনুপাতের কাছাকাছি অর্জন করি। আমাদের কৌশলগুলি একটি ম্যাট্রয়েড সীমাবদ্ধতার সাথে নন-মোনোটোন সর্বাধিকীকরণের জন্য একটি দ্রুত ক্রমিক অ্যালগরিদমও দেয়। |
0451c923703472b6c20ff11185001f24b76c48e3 | নেটওয়ার্কযুক্ত এবং সহযোগী রোবটগুলির জন্য উদ্ভূত অ্যাপ্লিকেশনগুলি এজেন্টদের গোষ্ঠীর জন্য গতি সমন্বয় অধ্যয়নের অনুপ্রেরণা দেয়। উদাহরণস্বরূপ, এটি অনুমান করা হয় যে এজেন্টদের গোষ্ঠীগুলি নজরদারি, অনুসন্ধান এবং পরিবেশগত পর্যবেক্ষণ সহ বিভিন্ন দরকারী কাজ সম্পাদন করবে। এই কাগজটি মোবাইল এজেন্টদের মধ্যে মৌলিক মিথস্ক্রিয়া নিয়ে আলোচনা করে যেমন নিকটতম অন্য এজেন্ট থেকে দূরে সরে যাওয়া বা আপনার নিজের ভোরোনয় পলিগনের সবচেয়ে দূরবর্তী শীর্ষের দিকে সরানো এই সহজ মিথস্ক্রিয়াগুলি বিতরণ গতিশীল সিস্টেমের সমতুল্য কারণ তাদের বাস্তবায়নের জন্য প্রতিবেশী এজেন্টদের সম্পর্কে কেবলমাত্র ন্যূনতম তথ্য প্রয়োজন। আমরা এই বিতরণ গতিশীল সিস্টেম এবং জ্যামিতিক অপ্টিমাইজেশান থেকে ডিস্ক-কভারেজ এবং গোলক-প্যাকিং খরচ ফাংশনগুলির মধ্যে ঘনিষ্ঠ সম্পর্ককে চিহ্নিত করি। আমাদের মূল ফলাফল হল: (i) আমরা এই জ্যামিতিক খরচ ফাংশনগুলির মসৃণতার বৈশিষ্ট্যগুলিকে চিহ্নিত করি, (ii) আমরা দেখি যে মিথস্ক্রিয়া আইনগুলি খরচ ফাংশনগুলির অ-সমতল গ্রেডিয়েন্টের বৈচিত্র্য এবং (iii) আমরা আইনগুলির বিভিন্ন অ্যাসম্পটোটিক কনভার্জেন্স বৈশিষ্ট্য স্থাপন করি। প্রযুক্তিগত পদ্ধতির গণনা জ্যামিতি, অ-সমতল বিশ্লেষণ এবং অ-সমতল স্থায়িত্ব তত্ত্ব থেকে ধারণাগুলির উপর নির্ভর করে। |
0a37a647a2f8464379a1fe327f93561c90d91405 | সাম্প্রতিক উন্নয়নগুলি আংশিকভাবে আদেশিত, আংশিকভাবে নির্দিষ্ট ক্রিয়াগুলির ক্রম তৈরির প্রক্রিয়াটি স্পষ্ট করেছে যার সম্পাদন একটি এজেন্টের লক্ষ্য অর্জন করবে। এই কাগজটি সর্বনিম্ন প্রতিশ্রুতিবদ্ধ পরিকল্পনাকারীদের একটি অগ্রগতি সংক্ষিপ্ত করে, যা সহজ স্ট্রিপ প্রতিনিধিত্ব পরিচালনা করে এবং গতিশীল মহাবিশ্বের উপর বিচ্ছিন্ন পূর্বশর্ত, শর্তসাপেক্ষ প্রভাব এবং সর্বজনীন পরিমাণের সাথে ক্রিয়াকলাপ পরিচালনা করে। আমরা ব্যাখ্যা করছি যে চ্যাপম্যানের মোডাল ট্রুথ ক্রীটরিয়ামের ফর্মুলেশনটি কেন বিভ্রান্তিকর এবং কেন তার এনপি-সম্পূর্ণতা ফলাফলটি শর্তসাপেক্ষ প্রভাবগুলির সাথে পরিকল্পনা সম্পর্কে যুক্তিযুক্তভাবে আমাদের পরিকল্পনাকারীদের জন্য প্রযোজ্য নয়। 1 আমি ফ্রান্জ আমাদোর, টনি ব্যারেট, ড্যারেন ক্রোনকুইস্ট, ডেনিস ড্রাপার, আর্নি ডেভিস, ওরেন এটজিওনি, নর্থ ফাউলার, রাও কাম্বাম্পাটি, ক্রেগ ন্যাবলক, নিক কুশমেরিক, নীল লেশ, কারেন লচবাউম, ড্রু ম্যাকডার্মট, রমেশ প্যাটিল, ক্যারি পুলি, ইয়িং সান, অস্টিন টেট এবং মাইক উইলিয়ামসনের সহায়ক মন্তব্যের জন্য ধন্যবাদ জানাই, তবে ত্রুটির জন্য একমাত্র দায়বদ্ধতা বজায় রাখি। এই গবেষণাটি আংশিকভাবে নৌ গবেষণা অনুদান 90-জে-1904 এবং জাতীয় বিজ্ঞান ফাউন্ডেশন অনুদান আইআরআই-8957302 দ্বারা অর্থায়িত হয়েছিল |
63f97f3b4808baeb3b16b68fcfdb0c786868baba | এই কাগজে একটি প্যারাবোলিক লেন্স এবং একটি ওয়েভগাইড অ্যাডাপ্টার দিয়ে সজ্জিত একটি ব্রডব্যান্ড ডাবল-রিজড হর্ন অ্যান্টেনার নকশা, উত্পাদন এবং চরিত্রগতকরণ সহ পুরো নকশা চক্র উপস্থাপিত হয়। উপস্থাপিত কাজের একটি প্রধান লক্ষ্য ছিল 18-40 গিগাহার্টজ ফ্রিকোয়েন্সি পরিসীমাতে প্রধান বিকিরণ লব মধ্যে একটি সমতল ফেজ বৈশিষ্ট্য সঙ্গে উচ্চ directivity অর্জন, যাতে অ্যান্টেনা একটি ফ্রিস্পেস উপাদান চরিত্রগত সেটআপ প্রযোজ্য হতে পারে। |
c5151f18c2499f1d95522536f167f2fcf75f647f | পরবর্তী প্রজন্মের বৈষম্যপূর্ণ ওয়্যারলেস নেটওয়ার্কে, একটি মাল্টি-ইন্টারফেস টার্মিনাল সহ একজন ব্যবহারকারী বিভিন্ন প্রযুক্তি ব্যবহার করে বিভিন্ন পরিষেবা সরবরাহকারীর কাছ থেকে নেটওয়ার্ক অ্যাক্সেস পেতে পারেন। এটা বিশ্বাস করা হয় যে হস্তান্তর সিদ্ধান্ত একাধিক মানদণ্ডের পাশাপাশি ব্যবহারকারীর পছন্দ উপর ভিত্তি করে করা হয়। হস্তান্তর সিদ্ধান্ত সমস্যা সমাধানের জন্য বিভিন্ন পদ্ধতির প্রস্তাব করা হয়েছে, কিন্তু সিদ্ধান্ত পদ্ধতির পছন্দটি স্বেচ্ছাচারিত বলে মনে হয় এবং কিছু পদ্ধতি এমনকি বিতর্কিত ফলাফল দেয়। এই কাগজে, একটি নতুন হস্তান্তর সিদ্ধান্ত কৌশল সঙ্গে একসাথে একটি নতুন হস্তান্তর মানদণ্ড চালু করা হয়। উপরন্তু, হস্তান্তর সিদ্ধান্ত আমাদের একটি অস্পষ্ট একাধিক বৈশিষ্ট্য সিদ্ধান্ত গ্রহণ (MADM) সমস্যা চিহ্নিত করা হয়, এবং অস্পষ্ট যুক্তি কিছু মানদণ্ড এবং ব্যবহারকারীর পছন্দ অস্পষ্ট তথ্য মোকাবেলা করতে প্রয়োগ করা হয়. বিভিন্ন অস্পষ্ট MADM পদ্ধতির একটি পদ্ধতিগত বিশ্লেষণের পরে, একটি কার্যকর পদ্ধতির উপস্থাপন করা হয়। শেষ পর্যন্ত, প্রস্তাবিত পদ্ধতিগুলি চিত্রিত করার উদাহরণ দেওয়া হয় এবং পদ্ধতিগুলির সংবেদনশীলতা বিশ্লেষণ করা হয়। |
e321ab5d7a98e18253ed7874946a229a10e40f26 | শ্রেণীবিভাগের কার্যকারিতা এবং নির্ভুলতা বৈশিষ্ট্য নির্বাচনের ফলাফল দ্বারা সরাসরি প্রভাবিত হয়। এক শ্রেণীর এফ-স্কোর বৈশিষ্ট্য নির্বাচন এবং উন্নত এফ-স্কোর বৈশিষ্ট্য নির্বাচন এবং জেনেটিক অ্যালগরিদমের উপর ভিত্তি করে, মেশিন লার্নিং পদ্ধতি যেমন কে নিকটতম প্রতিবেশী, সমর্থন ভেক্টর মেশিন, র্যান্ডম ফরেস্ট, নিষ্পাপ বেস, একটি হাইব্রিড বৈশিষ্ট্য নির্বাচন অ্যালগরিদম দুটি শ্রেণিবদ্ধকরণ ভারসাম্যহীন ডেটা সমস্যা এবং মাল্টি শ্রেণিবদ্ধকরণ সমস্যা প্রক্রিয়া করার জন্য প্রস্তাবিত। প্রচলিত মেশিন লার্নিং অ্যালগরিদমের তুলনায়, এটি বৃহত্তর বৈশিষ্ট্য স্পেসে অনুসন্ধান করতে পারে এবং হিউরিস্টিক নিয়ম অনুসারে ভারসাম্যহীন ডেটা সেটের বৈশিষ্ট্যগুলি মোকাবেলা করতে শ্রেণিবদ্ধকরণকে উত্সাহিত করতে পারে, যা ভারসাম্যহীন শ্রেণিবদ্ধকরণের সমস্যাটি আরও ভালভাবে পরিচালনা করতে পারে। পরীক্ষার ফলাফল দেখায় যে রিসিভার অপারেটিং বৈশিষ্ট্যযুক্ত বক্ররেখা অধীনে এলাকা দুটি শ্রেণীবিভাগের জন্য এবং মাল্টি শ্রেণীবিভাগ সমস্যা জন্য সঠিকতা হার অন্যান্য মডেলের তুলনায় উন্নত করা হয়েছে |
08fddf1865e48a1adc21d4875396a754711f0a28 | টেক্সট শ্রেণীবিভাগের জন্য মেশিন লার্নিং হল নথি শ্রেণীবিভাগ, সংবাদ ফিল্টারিং, নথি রাউটিং এবং ব্যক্তিগতকরণের মূল ভিত্তি। পাঠ্য ক্ষেত্রের ক্ষেত্রে, কার্যকর বৈশিষ্ট্য নির্বাচন শেখার কাজকে দক্ষ এবং আরও সঠিক করার জন্য অপরিহার্য। এই কাগজটি বারো বৈশিষ্ট্য নির্বাচন পদ্ধতির একটি অভিজ্ঞতার তুলনা উপস্থাপন করে (যেমন . তথ্য লাভ) একটি বেঞ্চমার্কের উপর মূল্যায়ন করা হয় 229 টেক্সট শ্রেণীবিভাগের সমস্যাগুলির উদাহরণ যা আমরা রয়টার্স, TREC, OHSUMED ইত্যাদি থেকে সংগ্রহ করেছি। ফলাফলগুলি একাধিক লক্ষ্যের দিক থেকে বিশ্লেষণ করা হয়- নির্ভুলতা, F- পরিমাপ, নির্ভুলতা এবং পুনরুদ্ধার- যেহেতু প্রতিটি বিভিন্ন পরিস্থিতিতে উপযুক্ত। ফলাফল থেকে জানা যায় যে, একটি নতুন বৈশিষ্ট্য নির্বাচন পদ্ধতি যাকে আমরা বাই-নরমাল সেপারেশন (বিএনএস) বলি, অধিকাংশ ক্ষেত্রে অন্যদের তুলনায় অনেক বেশি কার্যকর। এই মার্জিন উচ্চ শ্রেণীর স্কিউয়ের সাথে কাজগুলিতে প্রসারিত হয়েছে, যা পাঠ্য শ্রেণিবদ্ধকরণ সমস্যার মধ্যে প্রচলিত এবং বিশেষত আবেশন অ্যালগরিদমের জন্য চ্যালেঞ্জিং। একটি নতুন মূল্যায়ন পদ্ধতির প্রস্তাব দেওয়া হয়েছে যা ডেটা মাইনিং অনুশীলনকারীদের প্রয়োজনের উপর দৃষ্টি নিবদ্ধ করে যারা একটি একক ডেটাসেটের মুখোমুখি হন এবং যারা একটি (বা একটি জোড়া) মেট্রিক বেছে নিতে চান যা সর্বোত্তম পারফরম্যান্সের সম্ভাবনা রয়েছে। এই দৃষ্টিকোণ থেকে, BNS ছিল নির্ভুলতা ব্যতীত সমস্ত লক্ষ্যের জন্য শীর্ষ একক পছন্দ, যার জন্য তথ্য লাভ সবচেয়ে বেশি ফলাফল দেয়। এই বিশ্লেষণে আরও প্রকাশ করা হয়েছে, উদাহরণস্বরূপ, ইনফরম্যাটি অন গেইন এবং কি-স্কোয়ারেডের মধ্যে সম্পর্কিত ব্যর্থতা রয়েছে, এবং তাই তারা একসাথে খারাপভাবে কাজ করে। চারটি পারফরম্যান্স লক্ষ্যের প্রত্যেকটির জন্য সর্বোত্তম মেট্রিক্সের জোড়া ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগতভাবে ক্রমাগত ক্রমাগ |
32352a889360e365fa242ad3040ccd6c54131d47 | |
7857cdf46d312af4bb8854bd127e5c0b4268f90c | ক্রমাগত-চালনা মোডে (সিসিএম) কাজ করে এমন বুস্ট পাওয়ার ফ্যাক্টর সংশোধন (পিএফসি) কনভার্টারটির গতিশীল প্রতিক্রিয়া ভোল্টেজ নিয়ন্ত্রণ লুপের কম ব্যান্ডউইথ দ্বারা ব্যাপকভাবে প্রভাবিত হয়। এই গবেষণাপত্রে একটি নতুন ত্রি-স্টেট বুস্ট পিএফসি কনভার্টার প্রস্তাব করা হয়েছে যা ছদ্ম-ক্রমাগত-কন্ডাকশন মোডে (পিসিসিএম) কাজ করে। একটি ফ্রি হুইলিং সুইচিং কন্ট্রোল ইন্টারভাল দ্বারা প্রবর্তিত নিয়ন্ত্রণের স্বাধীনতার একটি অতিরিক্ত ডিগ্রী পিএফসি নিয়ন্ত্রণ অর্জনে সহায়তা করে। একটি সাধারণ এবং দ্রুত ভোল্টেজ নিয়ন্ত্রণ লুপ একটি ধ্রুবক আউটপুট ভোল্টেজ বজায় রাখার জন্য ব্যবহার করা যেতে পারে। এছাড়া, প্রচলিত ডিসকন্টিনিউ-কন্ডাকশন মোডে (ডিসিএম) কাজ করা বুস্ট পিএফসি কনভার্টারটির তুলনায় পিসিসিএম-এ কাজ করা বুস্ট পিএফসি কনভার্টারটি বর্তমান ও ভোল্টেজ রিপল হ্রাসের সাথে বর্তমান পরিচালনার ক্ষমতা অনেক উন্নত করে। তিন-রাজ্যের বুস্ট পিএফসি কনভার্টার বিশ্লেষণ এবং সিমুলেশন ফলাফল উপস্থাপন করা হয়েছে এবং প্রচলিত সিসিএম এবং ডিসিএম-এ কাজ করে এমন বুস্ট পিএফসি কনভার্টারগুলির সাথে তুলনা করা হয়েছে। সিমুলেশন ফলাফলগুলি ত্রি-স্টেট বুস্ট পিএফসি কনভার্টারটির দুর্দান্ত গতিশীল পারফরম্যান্স দেখায়। |
8629cebb7c574adf40d71d41389f340804c8c81f | এই নিবন্ধটি 1890 এর দশকে ভুসেটিক এবং হেনরির প্রথম আঙুলের ছাপ শ্রেণিবদ্ধকরণ সিস্টেম থেকে স্বয়ংক্রিয় আঙুলের ছাপ সনাক্তকরণের আবির্ভাবের মাধ্যমে ব্যক্তিদের সনাক্ত করতে আঙুলের ছাপ প্যাটার্ন ব্যবহারের প্রচেষ্টার ইতিহাসে প্রধান বিকাশের সংক্ষিপ্তসার দেয়। আঙুলের ছাপ সংরক্ষণ, মিলন এবং পুনরুদ্ধারের জন্য "ম্যানুয়াল" সিস্টেমগুলির ইতিহাসের ইতিহাসের মাধ্যমে, নিবন্ধটি ঐতিহাসিক প্রেক্ষাপটে স্বয়ংক্রিয় আঙুলের ছাপ স্বীকৃতিতে অগ্রগতি করে এবং তাদের ঐতিহাসিক এবং সামাজিক গুরুত্বকে তুলে ধরে। |
7d9089cbe958da21cbd943bdbcb996f4499e701b | নথি স্তরের অনুভূতি শ্রেণিবদ্ধকরণ একটি চ্যালেঞ্জ হিসাবে রয়ে গেছে: একটি নথির অর্থগত অর্থের মধ্যে বাক্যগুলির মধ্যে অন্তর্নিহিত সম্পর্কগুলি এনকোডিং করা। এই সমস্যা সমাধানের জন্য, আমরা একটি নিউরাল নেটওয়ার্ক মডেল চালু করছি যা ভেক্টর ভিত্তিক নথি উপস্থাপনাকে একীভূত, নীচে থেকে উপরে ফ্যাশনে শেখায়। মডেলটি প্রথমে কনভলুশনাল নিউরাল নেটওয়ার্ক বা দীর্ঘ স্বল্পমেয়াদী স্মৃতির সাথে বাক্য উপস্থাপনা শিখবে। এর পরে, বাক্যগুলির শব্দার্থবিজ্ঞান এবং তাদের সম্পর্কগুলি গেটযুক্ত পুনরাবৃত্ত নিউরাল নেটওয়ার্কের সাথে নথির উপস্থাপনায় অভিযোজিতভাবে এনকোড করা হয়। আমরা আইএমডিবি এবং ইয়েল্প ডেটাসেট চ্যালেঞ্জের চারটি বড় আকারের পর্যালোচনা ডেটাসেটগুলিতে নথি স্তরের অনুভূতি শ্রেণিবদ্ধকরণ পরিচালনা করি। পরীক্ষামূলক ফলাফল দেখায় যে: (1) আমাদের নিউরাল মডেলটি বেশ কয়েকটি অত্যাধুনিক অ্যালগরিদমের চেয়ে উচ্চতর পারফরম্যান্স দেখায়; (2) গেটেড রিসিভেনট নিউরাল নেটওয়ার্কটি স্ট্যান্ডার্ড রিসিভেনট নিউরাল নেটওয়ার্ককে নাটকীয়ভাবে ছাড়িয়ে যায়। |
b294b61f0b755383072ab332061f45305e0c12a1 | আমরা একটি তত্ত্বাবধানে কাজ কর্মক্ষমতা উন্নত করার জন্য বিদ্যমান অর্থপূর্ণ শব্দ ভেক্টর পুনরায় উদ্দেশ্য একটি দ্রুত পদ্ধতি উপস্থাপন। সম্প্রতি, কম্পিউটিং রিসোর্স বৃদ্ধি পেয়েছে, বিপুল পরিমাণে লেবেলবিহীন ডেটা থেকে সমৃদ্ধ শব্দ এম্বেডিং শিখতে সম্ভব হয়েছে। তবে, কিছু পদ্ধতিতে ভাল ইম্বেডিং শিখতে কয়েক দিন বা সপ্তাহ লাগে, এবং কিছু পদ্ধতিতে প্রশিক্ষণ দেওয়া খুবই কঠিন। আমরা এমন একটি পদ্ধতির প্রস্তাব দিচ্ছি যা ইনপুট হিসেবে একটি বিদ্যমান এম্বেডিং, কিছু লেবেলযুক্ত ডেটা গ্রহণ করে এবং একই স্থানে একটি এম্বেডিং তৈরি করে, কিন্তু সুপারভাইজড টাস্কে আরও ভাল ভবিষ্যদ্বাণীমূলক পারফরম্যান্সের সাথে। আমরা বেশ কয়েকটি বেসলাইন সম্পর্কিত অনুভূতি শ্রেণিবদ্ধকরণের কাজে উন্নতি দেখি এবং লক্ষ্য করি যে প্রশিক্ষণ সেটটি যথেষ্ট ছোট হলে এই পদ্ধতিটি সবচেয়ে কার্যকর। |
4a27709545cfa225d8983fb4df8061fb205b9116 | আমরা ব্যাংক দীর্ঘমেয়াদী আমানত বিক্রির জন্য টেলি মার্কেটিং কলের সাফল্যের পূর্বাভাস দেওয়ার জন্য একটি ডেটা মাইনিং (ডিএম) পদ্ধতির প্রস্তাব দিই। ২০০৮ থেকে ২০১৩ সাল পর্যন্ত সংগৃহীত তথ্য সহ একটি পর্তুগিজ খুচরা ব্যাংককে সম্বোধন করা হয়েছিল, যার ফলে সাম্প্রতিক আর্থিক সংকটের প্রভাব অন্তর্ভুক্ত করা হয়েছিল। আমরা ব্যাংকের গ্রাহক, পণ্য এবং সামাজিক-অর্থনৈতিক বৈশিষ্ট্য সম্পর্কিত ১৫০ টি বৈশিষ্ট্য বিশ্লেষণ করেছি। ২০১২ সালের জুলাইয়ের আগে ডেটা দিয়ে আধা-স্বয়ংক্রিয় বৈশিষ্ট্য নির্বাচন মডেলিং পর্যায়ে অনুসন্ধান করা হয়েছিল এবং এটি ২২ টি বৈশিষ্ট্যগুলির একটি সংক্ষিপ্ত সেট নির্বাচন করার অনুমতি দেয়। আমরা চারটি ডিএম মডেলের তুলনা করেছি: লজিস্টিক রিগ্রেশন, ডিসিশন ট্রি (ডিটি), নিউরাল নেটওয়ার্ক (এনএন) এবং সাপোর্ট ভেক্টর মেশিন। দুটি মেট্রিক, রিসিভার অপারেটিং বৈশিষ্ট্যযুক্ত বক্ররেখার (এউসি) এবং এলআইএফটি ক্রমাগত বক্ররেখার (এএলআইএফটি) এলাকা ব্যবহার করে, চারটি মডেলকে মূল্যায়ন পর্যায়ে পরীক্ষা করা হয়েছিল, সর্বশেষতম তথ্য (জুলাই ২০১২ এর পরে) এবং একটি রোলিং উইন্ডো স্কিম ব্যবহার করে। এনএন সর্বোত্তম ফলাফল (এউসি = ০.৮ এবং এএলআইএফটি = ০.৭) উপস্থাপন করেছে, যা অর্ধেক শ্রেণিবদ্ধ ক্লায়েন্টকে বেছে নিয়ে গ্রাহকদের ৭৯% পৌঁছানোর অনুমতি দেয়। এছাড়াও, দুটি জ্ঞান নিষ্কাশন পদ্ধতি, একটি সংবেদনশীলতা বিশ্লেষণ এবং একটি ডিটি, এনএন মডেলের জন্য প্রয়োগ করা হয়েছিল এবং বেশ কয়েকটি মূল বৈশিষ্ট্য প্রকাশ করেছিল (যেমন, ইউরিবোর হার, কলের দিকনির্দেশ এবং ব্যাংক এজেন্টের অভিজ্ঞতা) । এই ধরনের জ্ঞান আহরণের ফলে টেলি মার্কেটিং প্রচারাভিযানের পরিচালকদের জন্য প্রাপ্ত মডেলটি বিশ্বাসযোগ্য এবং মূল্যবান বলে প্রমাণিত হয়। প্রিপ্রিন্ট Elsevier 19 ফেব্রুয়ারী 2014 জমা দেওয়া হয়েছে |
138c86b9283e4f26ff1583acdf4e51a5f88ccad1 | বিভিন্ন বস্তুর সাথে মানুষের যোগাযোগের চিত্র এবং ভিডিওর ব্যাখ্যা করা একটি ভয়ঙ্কর কাজ। এর মধ্যে রয়েছে দৃশ্য বা ঘটনা বোঝা, মানুষের চলাফেরা বিশ্লেষণ করা, ম্যানিপুলেটযোগ্য বস্তুগুলিকে চিনতে এবং সেই বস্তুগুলিতে মানুষের চলাফেরার প্রভাব পর্যবেক্ষণ করা। যদিও এই প্রতিটি উপলব্ধিগত কাজ স্বাধীনভাবে পরিচালিত হতে পারে, তাদের মধ্যে মিথস্ক্রিয়া বিবেচনা করা হলে স্বীকৃতির হার উন্নত হয়। মানুষের উপলব্ধির মনোবিজ্ঞান অধ্যয়নের দ্বারা অনুপ্রাণিত হয়ে আমরা একটি বেইসিয়ান পদ্ধতির উপস্থাপন করছি যা মানব-বস্তু মিথস্ক্রিয়া বোঝার সাথে জড়িত বিভিন্ন উপলব্ধিমূলক কাজকে একীভূত করে। বস্তুর এবং অ্যাকশন স্বীকৃতির পূর্ববর্তী পদ্ধতিগুলি যথাক্রমে স্ট্যাটিক আকৃতি বা চেহারা বৈশিষ্ট্য মিল এবং গতি বিশ্লেষণের উপর নির্ভর করে। আমাদের পদ্ধতি এই ঐতিহ্যগত পদ্ধতির বাইরে যায় এবং সুসংগত অর্থগত ব্যাখ্যা জন্য উপলব্ধি উপাদান প্রতিটি স্থানিক এবং কার্যকরী সীমাবদ্ধতা প্রয়োগ করে। এই ধরনের সীমাবদ্ধতা আমাদেরকে বস্তু এবং কর্মগুলি চিনতে সাহায্য করে যখন চেহারা যথেষ্ট বৈষম্যমূলক হয় না। আমরা এই ধরনের সীমাবদ্ধতা ব্যবহারের প্রমাণও দিচ্ছি স্থির চিত্র থেকে কোনো গতির তথ্য ব্যবহার না করেই ক্রিয়াসমূহের স্বীকৃতির ক্ষেত্রে। |
321f14b35975b3800de5e66da64dee96071603d9 | অনেক মেশিন লার্নিং অ্যাপ্লিকেশনের একটি গুরুত্বপূর্ণ উপাদান হল বৈশিষ্ট্য নির্বাচন। বিশেষ করে বায়ো-ইনফরম্যাটিক্সের অনেকগুলো কাজে, অর্থপূর্ণ বৈশিষ্ট্যগুলো বের করতে এবং শব্দহীন বৈশিষ্ট্যগুলো দূর করতে দক্ষ এবং শক্তিশালী বৈশিষ্ট্য নির্বাচন পদ্ধতি প্রয়োজন। এই গবেষণাপত্রে আমরা একটি নতুন শক্তিশালী বৈশিষ্ট্য নির্বাচন পদ্ধতির প্রস্তাব দিচ্ছি যার মধ্যে ক্ষতি ফাংশন এবং নিয়মিতকরণ উভয় ক্ষেত্রেই যৌথ ≠2,1-নিয়মকে সর্বনিম্ন করার উপর জোর দেওয়া হয়েছে। ∀2,1-নিয়ম ভিত্তিক ক্ষতি ফাংশনটি ডেটা পয়েন্টগুলিতে বহিরাগতদের জন্য শক্তিশালী এবং ∀2,1norm নিয়মিতকরণ যৌথ স্পারসিটির সাথে সমস্ত ডেটা পয়েন্ট জুড়ে বৈশিষ্ট্যগুলি নির্বাচন করে। একটি কার্যকর অ্যালগরিদম প্রবর্তন করা হয় যা প্রমাণিত সংযোজন। আমাদের রিগ্রেশন ভিত্তিক লক্ষ্য বৈশিষ্ট্য নির্বাচন প্রক্রিয়াকে আরও দক্ষ করে তোলে। আমাদের পদ্ধতিটি জিনোমিক এবং প্রোটেওমিক উভয় বায়োমারকার আবিষ্কারে প্রয়োগ করা হয়েছে। আমাদের বৈশিষ্ট্য নির্বাচন পদ্ধতির কার্যকারিতা প্রদর্শন করতে ছয়টি ডেটা সেট নিয়ে ব্যাপক অভিজ্ঞতার অধ্যয়ন করা হয়। |
9b505dd5459fb28f0136d3c63793b600042e6a94 | আমরা মাল্টিমিডিয়া কনটেন্ট বিশ্লেষণ এবং পুনরুদ্ধারের জন্য একটি নতুন কাঠামো উপস্থাপন করছি যা দুটি স্বাধীন অ্যালগরিদম নিয়ে গঠিত। প্রথমত, আমরা একটি নতুন আধা-নিরীক্ষিত অ্যালগরিদম প্রস্তাব করছি যার নাম হচ্ছে স্থানীয় রিগ্রেশন এবং গ্লোবাল অ্যালাইনমেন্ট (এলআরজিএ) দিয়ে র্যাঙ্কিং, যাতে ডেটা র্যাঙ্কিংয়ের জন্য একটি শক্তিশালী ল্যাপ্লেসিয়ান ম্যাট্রিক্স শিখতে পারে। LRGA-তে, প্রতিটি ডেটা পয়েন্টের জন্য, একটি স্থানীয় লিনিয়ার রিগ্রেশন মডেল তার প্রতিবেশী পয়েন্টগুলির র্যাঙ্কিং স্কোরগুলি পূর্বাভাস দেওয়ার জন্য ব্যবহৃত হয়। তারপর একটি ইউনিফাইড অবজেক্টিভ ফাংশন প্রস্তাব করা হয় যাতে সব ডেটা পয়েন্ট থেকে স্থানীয় মডেলগুলোকে সামঞ্জস্য করা যায় যাতে প্রতিটি ডেটা পয়েন্টের জন্য সর্বোত্তম র্যাঙ্কিং স্কোর নির্ধারণ করা যায়। দ্বিতীয়ত, আমরা মাল্টিমিডিয়া ডেটা উপস্থাপনাকে পরিমার্জন করতে একটি আধা-নিরীক্ষিত দীর্ঘমেয়াদী প্রাসঙ্গিকতা ফিডব্যাক (আরএফ) অ্যালগরিদমের প্রস্তাব দিই। প্রস্তাবিত দীর্ঘমেয়াদী আরএফ অ্যালগরিদম মাল্টিমিডিয়া ফিচার স্পেসে মাল্টিমিডিয়া ডেটা বিতরণ এবং ব্যবহারকারীদের দ্বারা সরবরাহিত ইতিহাস আরএফ তথ্য উভয়ই ব্যবহার করে। একটি ট্র্যাক অনুপাত অপ্টিমাইজেশান সমস্যা তারপর একটি দক্ষ অ্যালগরিদম দ্বারা গঠিত এবং সমাধান করা হয়। এই অ্যালগরিদমগুলি বিভিন্ন কন্টেন্ট-ভিত্তিক মাল্টিমিডিয়া পুনরুদ্ধার অ্যাপ্লিকেশনগুলিতে প্রয়োগ করা হয়েছে, যার মধ্যে ক্রস-মিডিয়া পুনরুদ্ধার, চিত্র পুনরুদ্ধার এবং 3 ডি মোশন / পজ ডেটা পুনরুদ্ধার অন্তর্ভুক্ত রয়েছে। চারটি ডেটা সেট নিয়ে ব্যাপক পরীক্ষা-নিরীক্ষা এর সুবিধাগুলো স্পষ্টতা, দৃঢ়তা, স্কেলযোগ্যতা এবং কম্পিউটেশনাল দক্ষতার ক্ষেত্রে প্রদর্শন করেছে। |
0ef550dacb89fb655f252e5b17dbd5d643eb5ac1 | আমরা দুইটি ম্যাকাক বানরের নিম্ন এলাকা ৬ (এলাকা এফ৫) এর রস্ট্রাল অংশে ৫৩২টি নিউরনের বৈদ্যুতিক কার্যকলাপ রেকর্ড করেছি। পূর্ববর্তী তথ্যগুলো দেখিয়েছিল যে, লক্ষ্য-নির্দেশিত হাত ও মুখের চলাচলের সময় এই এলাকার নিউরনগুলি স্রাব করে। আমরা এখানে F5 নিউরনের একটি নতুন আবিষ্কৃত সেটের বৈশিষ্ট্য বর্ণনা করছি ("মিরর নিউরন", n = 92) যা সবই সক্রিয় হয়ে যায় যখন বানর একটি প্রদত্ত ক্রিয়া সম্পাদন করে এবং যখন এটি পরীক্ষক দ্বারা সম্পাদিত অনুরূপ ক্রিয়া পর্যবেক্ষণ করে। মিরর নিউরনগুলোকে দৃশ্যত ট্রিগার করার জন্য, কর্মের এজেন্ট এবং এর বস্তুর মধ্যে একটি মিথস্ক্রিয়া প্রয়োজন। শুধুমাত্র এজেন্ট বা শুধুমাত্র বস্তুর দৃষ্টি (ত্রিমাত্রিক বস্তু, খাদ্য) অকার্যকর ছিল। হাত এবং মুখ ছিল সবচেয়ে কার্যকর এজেন্ট। মিরর নিউরন সক্রিয় করার মধ্যে সবচেয়ে বেশি প্রতিনিধিত্ব করা ক্রিয়াকলাপ ছিল ধরতে, পরিচালনা করতে এবং স্থাপন করা। বেশিরভাগ মিরর নিউরনে (৯২%) তাদের প্রতিক্রিয়া জানানো ভিজ্যুয়াল অ্যাকশন এবং কোড করা মোটর প্রতিক্রিয়াগুলির মধ্যে একটি স্পষ্ট সম্পর্ক ছিল। প্রায় ৩০% মিরর নিউরনে সামঞ্জস্য খুব কঠোর ছিল এবং কার্যকর পর্যবেক্ষণ এবং কার্যকর করা ক্রিয়াগুলি সাধারণ ক্রিয়া (যেমন, ধরার) এবং যেভাবে এই কর্মটি সম্পাদিত হয়েছিল (যেমন সঠিকভাবে ধরে রাখা) । আমরা এই সিদ্ধান্তে পৌঁছেছি যে মিরর নিউরনগুলি পর্যবেক্ষণ এবং মোটর ক্রিয়াকলাপের সম্পাদনের জন্য একটি ব্যবস্থা গঠন করে। আমরা এই সিস্টেমের সম্ভাব্য ভূমিকা নিয়ে আলোচনা করি অ্যাকশন স্বীকৃতিতে এবং F5 এবং মানব ব্রোকার অঞ্চলের মধ্যে প্রস্তাবিত সমকামিতা দেওয়া, আমরা ধরে নিই যে মিরর নিউরনের মতো একটি মিলিত সিস্টেম মানুষের মধ্যে বিদ্যমান এবং ক্রিয়াগুলির পাশাপাশি ধ্বনিগত অঙ্গভঙ্গি স্বীকৃতিতে জড়িত হতে পারে। |
15b2c44b3868a1055850846161aaca59083e0529 | আমরা লেবেলযুক্ত এবং লেবেলবিহীন তথ্য থেকে শেখার সাধারণ সমস্যা বিবেচনা করি, যা প্রায়শই আধা-নিরীক্ষিত শিক্ষা বা অনুবাদমূলক অনুমান বলা হয়। আধা-নিয়ন্ত্রিত শিক্ষার একটি নীতিগত পদ্ধতি হল একটি শ্রেণীবদ্ধকরণ ফাংশন ডিজাইন করা যা পরিচিত লেবেলযুক্ত এবং অ-লেবেলযুক্ত পয়েন্টগুলির দ্বারা সম্মিলিতভাবে প্রকাশিত অভ্যন্তরীণ কাঠামোর সাথে যথেষ্ট মসৃণ। আমরা এমন একটি মসৃণ সমাধান পেতে একটি সহজ অ্যালগরিদম উপস্থাপন করি। আমাদের পদ্ধতিটি বেশ কয়েকটি শ্রেণিবদ্ধকরণ সমস্যার উপর উত্সাহজনক পরীক্ষামূলক ফলাফল দেয় এবং লেবেলযুক্ত ডেটার কার্যকর ব্যবহার প্রদর্শন করে। |
50886d25ddd5d0d1982ed94f90caa67639fcf1a1 | |
4c2bbcb3e897e927cd390517b2036b0b9123953c | এই ফ্রেমওয়ার্কের পুনরায় ব্যবহারযোগ্যতা উন্নত করে ফ্রেমওয়ার্কের অ্যান্টোলজি পর্যবেক্ষণকৃত বাস্তব-বিশ্বের বস্তুর মধ্যে স্থান-সময়ের আদিম সম্পর্কের ধারণাটি প্রবর্তন করে। এর প্রয়োগযোগ্যতা দেখানোর জন্য, বি এয়ারের একটি প্রোটোটাইপ! সড়ক পরিবহন ব্যবস্থাপনা ক্ষেত্রে এই প্রকল্পটি বাস্তবায়িত হয়েছে। এই প্রোটোটাইপ এবং অনটোলজি-চালিত তথ্য ব্যবস্থার উন্নয়নের জন্য শিক্ষা গ্রহণের একটি সারসংক্ষেপ আমাদের অবদানকে সম্পূর্ণ করে। © 2010 Elsevier B.V. সমস্ত অধিকার সংরক্ষিত। অনলাইন উপলব্ধ 18 জুলাই 2010 তথ্য ওভারলোড বড় আকারের নিয়ন্ত্রণ সিস্টেমের মানব অপারেটরদের জন্য একটি গুরুতর সমস্যা, যেমন, উদাহরণস্বরূপ, সড়ক ট্রাফিক পরিচালনার ক্ষেত্রে সম্মুখীন হয়। এই ধরনের সিস্টেমের অপারেটরদের পরিস্থিতির সচেতনতা হ্রাসের ঝুঁকি রয়েছে, কারণ বিদ্যমান সিস্টেমগুলি গ্রাফিকাল ইউজার ইন্টারফেসে উপলব্ধ তথ্যের উপস্থাপনার উপর দৃষ্টি নিবদ্ধ করে - এইভাবে সময়মত এবং সঠিক সনাক্তকরণ, সমাধান এবং জটিল পরিস্থিতি প্রতিরোধের ঝুঁকিপূর্ণ। সাম্প্রতিক বছরগুলোতে, পরিস্থিতি সচেতনতা অর্জনের জন্য অনটোলজি-ভিত্তিক পদ্ধতির উদ্ভব হয়েছে, যার অর্থগতভাবে আরও সমৃদ্ধ জ্ঞান মডেল রয়েছে। তবে বর্তমান পদ্ধতিগুলো ডোমেইন-নির্দিষ্ট অথবা ডোমেইন-নির্ভর হলে তাদের পুনরায় ব্যবহারের ক্ষেত্রে ত্রুটি রয়েছে। এই গবেষণাপত্রে আমরা বি এয়ারে! এর বিকাশ থেকে আমাদের অভিজ্ঞতা উপস্থাপন করছি, এটি একটি অ্যান্টোলজি-চালিত তথ্য সিস্টেমের কাঠামো যা অপারেটরদের পরিস্থিতি সচেতনতা বাড়ানোর লক্ষ্যে। বিদ্যমান ডোমেইন-স্বাধীন পদ্ধতির বিপরীতে, BeAware! |
abf9ee52b29f109f5dbf6423fbc0d898df802971 | |
a31e3b340f448fe0a276b659a951e39160a350dd | সাধারণ তথ্য ব্যবস্থা (আইএস) এবং নির্দিষ্ট ধরনের তথ্য প্রযুক্তি (আইটি) অ্যাপ্লিকেশনগুলির সাথে ব্যবহারকারীর সন্তুষ্টি আইএস গবেষণায় পুঙ্খানুপুঙ্খভাবে অধ্যয়ন করা হয়েছে। তবে, পোর্টাল প্রযুক্তির ব্যাপক ও ক্রমবর্ধমান ব্যবহারের সাথে সাথে পোর্টাল ব্যবহারের উপর ব্যবহারকারীর সন্তুষ্টির একটি গবেষণা পরিচালনা করার প্রয়োজন রয়েছে - বিশেষ করে, বিজনেস টু এমপ্লয়ি (বি 2 ই) পোর্টাল। এই গবেষণাপত্রে আমরা বি২ই পোর্টাল ব্যবহারকারীদের সন্তুষ্টি নির্ধারণের জন্য একটি ধারণাগত মডেলের প্রস্তাব দিচ্ছি, যা ব্যবহারকারীদের সন্তুষ্টি স্কেল এবং বি২ই পোর্টালের একটি বিস্তৃত সাহিত্য পর্যালোচনা থেকে উদ্ভূত হয়েছে। বি২ই পোর্টাল ব্যবহারকারীদের সন্তুষ্টির নয়টি মাত্রা চিহ্নিত এবং মডেল করা হয়েছেঃ তথ্যের বিষয়বস্তু, ব্যবহারের সহজতা, অ্যাক্সেসের সুবিধা, সময়মততা, দক্ষতা, নিরাপত্তা, গোপনীয়তা, যোগাযোগ এবং বিন্যাস। |
0848827ba30956e29d7d126d0a05e51660094ebe | স্মার্ট হোম, স্মার্ট সিটি, স্বাস্থ্যসেবা, পরিবহন ইত্যাদির মতো ক্ষেত্রে ইন্টারনেট অব থিংস (আইওটি) স্বয়ংক্রিয় ব্যবস্থাপনা ও নিয়ন্ত্রণের ক্ষেত্রে বিপ্লব ঘটাচ্ছে। যুদ্ধক্ষেত্রে সামরিক অভিযানের কার্যকারিতা বাড়াতে আইওটি প্রযুক্তির গুরুত্বপূর্ণ ভূমিকা রয়েছে। যুদ্ধক্ষেত্রের যন্ত্রপাতি এবং অন্যান্য যুদ্ধক্ষেত্রের সংস্থানগুলির সমন্বিত স্বয়ংক্রিয় সিদ্ধান্তের জন্য আন্তঃসংযোগকে যুদ্ধক্ষেত্রের জিনিসগুলির ইন্টারনেট (আইওবিটি) হিসাবে উল্লেখ করা হয়। আইওবিটি নেটওয়ার্কগুলি যুদ্ধক্ষেত্রের নির্দিষ্ট চ্যালেঞ্জ যেমন যোগাযোগের অবকাঠামোর অনুপস্থিতি এবং সাইবার এবং শারীরিক আক্রমণের জন্য ডিভাইসগুলির সংবেদনশীলতার কারণে traditionalতিহ্যবাহী আইওটি নেটওয়ার্কগুলির থেকে উল্লেখযোগ্যভাবে আলাদা। যুদ্ধের পরিস্থিতিতে যুদ্ধের দক্ষতা এবং সমন্বিত সিদ্ধান্ত গ্রহণের জন্য রিয়েল টাইম ডেটা সংগ্রহের উপর নির্ভর করে, যা প্রতিপক্ষের উপস্থিতিতে নেটওয়ার্কের সংযোগ এবং তথ্য ছড়িয়ে দেওয়ার উপর নির্ভর করে। এই কাজের লক্ষ্য নিরাপদ এবং পুনরায় কনফিগারযোগ্য আইওবিটি নেটওয়ার্ক ডিজাইনের তাত্ত্বিক ভিত্তি তৈরি করা। স্টোক্যাস্টিক জ্যামিতি এবং গাণিতিক মহামারীবিদ্যা তত্ত্বের ব্যবহার করে আমরা বিভিন্ন ধরণের নেটওয়ার্ক ডিভাইসের মধ্যে মিশন-সমালোচনামূলক ডেটার যোগাযোগের অধ্যয়নের জন্য একটি সমন্বিত কাঠামো বিকাশ করি এবং ফলস্বরূপ ব্যয়বহুল উপায়ে নেটওয়ার্কটি ডিজাইন করি। |
32e876a9420f7c58a3c55ec703416c7f57a54f4c | সম্ভাব্য গ্রাফিকাল মডেল, বিশ্বাসের নেটওয়ার্ক, কার্যকারিতা প্রভাব এবং সম্ভাব্যতা অনুমানের ক্রমবর্ধমান ক্ষেত্রের অধিকাংশ গবেষকদের জন্য, এসিএম টুরিং পুরস্কার বিজয়ী ডঃ পার্ল এবং তার সেমিনার কাগজপত্রগুলি কার্যকারিতা সম্পর্কে সুপরিচিত এবং স্বীকৃত। একটি ঘটনার (কারণ) এবং দ্বিতীয় ঘটনার (প্রভাব) মধ্যে সম্পর্ক, যেখানে দ্বিতীয় ঘটনাটি প্রথমটির পরিণতি হিসাবে বোঝা যায়, এটি একটি চ্যালেঞ্জিং সমস্যা। বছরের পর বছর ধরে ডঃ পার্ল কারণ ও প্রভাবের শিল্প ও বিজ্ঞান উভয় বিষয়েই উল্লেখযোগ্যভাবে লিখেছেন। "Causality: Models, Reasoning and Inference" বইয়ে, বেয়েসিয়ান বিশ্বাস নেটওয়ার্কের উদ্ভাবক তার পূর্ববর্তী কাজ নিয়ে আলোচনা করেছেন এবং আলোচনা করেছেন যার মধ্যে রয়েছে কারণ এবং প্রভাবের সাথে যুক্তি, পরিসংখ্যানের মধ্যে কারণগত অনুমান, সিম্পসনের প্যারাডক্স, অভিজ্ঞতার জন্য কারণগত ডায়াগ্রাম, কারণগত দাবির দৃust়তা, কারণ এবং ব্যাখ্যা এবং সম্ভাব্যতা। |
a04145f1ca06c61f5985ab22a2346b788f343392 | গত দেড় দশকে তথ্যপ্রযুক্তির সাফল্যের জন্য যেসব কারণ রয়েছে তা চিহ্নিত করার চেষ্টা করে বেশ কিছু গবেষণা করা হয়েছে। তবে, এই গবেষণায় নির্ভরশীল পরিবর্তনশীল- I/S সাফল্য- সংজ্ঞায়িত করা কঠিন ছিল। বিভিন্ন গবেষক সাফল্যের বিভিন্ন দিক নিয়ে আলোচনা করেছেন, যা তুলনাকে কঠিন করে তুলেছে এবং আই/এস গবেষণার জন্য একটি ক্রমাগত ঐতিহ্য গড়ে তোলার সম্ভাবনাও একইভাবে অনিশ্চিত। এই বৈচিত্র্যপূর্ণ গবেষণাটি সংগঠিত করার পাশাপাশি আই/এস সাফল্যের ধারণার আরও সমন্বিত দৃষ্টিভঙ্গি উপস্থাপন করার জন্য একটি বিস্তৃত শ্রেণিবিন্যাস চালু করা হয়েছে। এই শ্রেণিবিন্যাসটি I/S সাফল্যের ছয়টি প্রধান মাত্রা বা শ্রেণী নির্ধারণ করে- সিস্টেম ওয়ালিটি, ইনফরমেশন কোয়ালিটি, ইউজ, ইউজার সেটিসফ্যাকশন, ইন্ডিভিজুয়াল ইমপ্যাক্ট, এবং অর্গানাইজেশনাল ইমপ্যাক্ট। এই মাত্রা ব্যবহার করে, উভয় ধারণাগত এবং অভিজ্ঞতার অধ্যয়নগুলি পর্যালোচনা করা হয় (মোট ১৮০ টি নিবন্ধ উদ্ধৃত করা হয়) এবং শ্রেণিবদ্ধকরণের মাত্রা অনুযায়ী সংগঠিত হয়। অবশেষে, আই/এস সাফল্যের অনেক দিক একত্রিত করা হয়েছে একটি বর্ণনামূলক মডেলের মধ্যে এবং ভবিষ্যতে আই/এস গবেষণার জন্য এর প্রভাব নিয়ে আলোচনা করা হয়েছে। |
a99f1f749481e44abab0ba9a8b7c1d3572a2e465 | |
5c8bb027eb65b6d250a22e9b6db22853a552ac81 | |
3913d2e0a51657a5fe11305b1bcc8bf3624471c0 | প্রাকৃতিক ভাষা প্রক্রিয়াকরণে প্রতিনিধিত্ব শেখার একটি মৌলিক সমস্যা। এই গবেষণাপত্রে পাঠ্য শ্রেণীবিভাগের জন্য কাঠামোগত উপস্থাপনা কিভাবে শিখতে হয় তা নিয়ে আলোচনা করা হয়েছে। বেশিরভাগ বিদ্যমান প্রতিনিধিত্ব মডেলের বিপরীতে যেগুলি কোনও কাঠামো ব্যবহার করে না বা পূর্ব-নির্ধারিত কাঠামোর উপর নির্ভর করে, আমরা স্বয়ংক্রিয়ভাবে অনুকূলিত কাঠামো আবিষ্কার করে বাক্য প্রতিনিধিত্ব শিখতে একটি পুনর্বহাল শেখার (আরএল) পদ্ধতির প্রস্তাব দিই। আমরা কাঠামোগত উপস্থাপনা তৈরির দুটি প্রচেষ্টা প্রদর্শন করিঃ তথ্য নিষ্কাশিত এলএসটিএম (আইডি-এলএসটিএম) এবং শ্রেণিবদ্ধ কাঠামোগত এলএসটিএম (এইচএস-এলএসটিএম) । আইডি-এলএসটিএম শুধুমাত্র গুরুত্বপূর্ণ, কার্য-প্রাসঙ্গিক শব্দ নির্বাচন করে এবং এইচএস-এলএসটিএম একটি বাক্যে বাক্যাংশের কাঠামো আবিষ্কার করে। দুটি প্রতিনিধিত্বমূলক মডেলের কাঠামো আবিষ্কার একটি ক্রমাগত সিদ্ধান্ত সমস্যা হিসাবে সূচিত করা হয়ঃ কাঠামো আবিষ্কারের বর্তমান সিদ্ধান্ত পরবর্তী সিদ্ধান্তগুলিকে প্রভাবিত করে, যা নীতি গ্রেডিয়েন্ট আরএল দ্বারা মোকাবেলা করা যেতে পারে। ফলাফল দেখায় যে আমাদের পদ্ধতিটি স্পষ্ট কাঠামোর টীকা ছাড়াই গুরুত্বপূর্ণ শব্দ বা কার্য-প্রাসঙ্গিক কাঠামো চিহ্নিত করে কার্য-বান্ধব উপস্থাপনাগুলি শিখতে পারে এবং এইভাবে প্রতিযোগিতামূলক কর্মক্ষমতা দেয়। |
599ebeef9c9d92224bc5969f3e8e8c45bff3b072 | ওয়ার্ল্ড ওয়াইড ওয়েবের বিস্ফোরক বৃদ্ধি এবং ই-কমার্সের উত্থান সুপারিশকারী সিস্টেমগুলির বিকাশের দিকে পরিচালিত করেছে - একটি ব্যক্তিগতকৃত তথ্য ফিল্টারিং প্রযুক্তি যা নির্দিষ্ট ব্যবহারকারীর জন্য আগ্রহী আইটেমগুলির একটি সেট সনাক্ত করতে ব্যবহৃত হয়। ব্যবহারকারী-ভিত্তিক সহযোগী ফিল্টারিং এখন পর্যন্ত সুপারিশকারী সিস্টেম তৈরির জন্য সবচেয়ে সফল প্রযুক্তি এবং এটি অনেক বাণিজ্যিক সুপারিশকারী সিস্টেমে ব্যাপকভাবে ব্যবহৃত হয়। দুর্ভাগ্যবশত, এই পদ্ধতির কম্পিউটেশনাল জটিলতা গ্রাহকদের সংখ্যা সঙ্গে রৈখিকভাবে বৃদ্ধি পায়, যা সাধারণ বাণিজ্যিক অ্যাপ্লিকেশন কয়েক মিলিয়ন হতে পারে। এই স্কেলযোগ্যতা সংক্রান্ত উদ্বেগগুলি মোকাবেলায় মডেল-ভিত্তিক সুপারিশ কৌশলগুলি বিকাশ করা হয়েছে। এই কৌশলগুলি ব্যবহারকারী-আইটেম ম্যাট্রিক্স বিশ্লেষণ করে বিভিন্ন আইটেমের মধ্যে সম্পর্ক আবিষ্কার করে এবং এই সম্পর্কগুলি ব্যবহার করে সুপারিশগুলির তালিকা গণনা করে। এই নিবন্ধে, আমরা মডেল-ভিত্তিক সুপারিশ অ্যালগরিদমগুলির একটি শ্রেণি উপস্থাপন করি যা প্রথমে বিভিন্ন আইটেমের মধ্যে সাদৃশ্য নির্ধারণ করে এবং তারপরে সেগুলি ব্যবহার করে আইটেমগুলির সেটটি সনাক্ত করতে সুপারিশ করা হবে। এই শ্রেণীর অ্যালগরিদমের মূল ধাপগুলি হল (i) আইটেমগুলির মধ্যে সাদৃশ্য গণনা করার জন্য ব্যবহৃত পদ্ধতি, এবং (ii) আইটেমগুলির একটি ঝুড়ি এবং একটি প্রার্থী সুপারিশকারী আইটেমের মধ্যে সাদৃশ্য গণনা করার জন্য এই সাদৃশ্যগুলিকে একত্রিত করার জন্য ব্যবহৃত পদ্ধতি। আটটি বাস্তব ডেটাসেটের উপর আমাদের পরীক্ষামূলক মূল্যায়ন দেখায় যে এই আইটেম-ভিত্তিক অ্যালগরিদমগুলি ঐতিহ্যগত ব্যবহারকারী-পরিবেশ ভিত্তিক সুপারিশকারী সিস্টেমের চেয়ে দুইটি মাত্রার দ্রুততর এবং তুলনামূলক বা উন্নত মানের সুপারিশ প্রদান করে। |
01a8909330cb5d4cc37ef50d03467b1974d6c9cf | এই ওভারভিউতে স্বশাসিত বহু-আঙুলের রোবোটিক হাত দিয়ে 3D অবজেক্ট গ্র্যাপ তৈরির জন্য কম্পিউটেশনাল অ্যালগরিদম উপস্থাপন করা হয়েছে। রোবোটিক গ্র্যাচিং কয়েক দশক ধরে একটি সক্রিয় গবেষণা বিষয় হয়ে দাঁড়িয়েছে এবং গ্র্যাচিং সংশ্লেষণ অ্যালগরিদমগুলিতে প্রচুর প্রচেষ্টা ব্যয় করা হয়েছে। বিদ্যমান কাগজপত্রগুলি ধরে রাখার যান্ত্রিকতা এবং আঙুল-বস্তু যোগাযোগের মিথস্ক্রিয়া [7] বা রোবট হাতের নকশা এবং তাদের নিয়ন্ত্রণ [1] পর্যালোচনা করার উপর দৃষ্টি নিবদ্ধ করে। রোবট গ্রাফিং সংশ্লেষণ অ্যালগরিদমগুলি [৬৩]-এ পর্যালোচনা করা হয়েছে, কিন্তু তখন থেকে গ্রাফিং সমস্যার জন্য শেখার কৌশল প্রয়োগের দিকে একটি গুরুত্বপূর্ণ অগ্রগতি হয়েছে। এই সংক্ষিপ্ত বিবরণ বিশ্লেষণাত্মক এবং অভিজ্ঞতার সংমিশ্রণ পদ্ধতির উপর দৃষ্টি নিবদ্ধ করে। |
4e03cadf3095f8779eaf878f0594e56ad88788e2 | |
a63c3f53584fd50e27ac0f2dcbe28c7361b5adff | সিলিকন আরএফ, মাইক্রোওয়েভ এবং মিলিমিটার-ওয়েভ অ্যাপ্লিকেশনের জন্য নতুন সম্ভাবনার এবং চ্যালেঞ্জের একটি সেট সরবরাহ করে। যদিও সিজি হিটরোজংশন বাইপোলার ট্রানজিস্টরগুলির উচ্চ কাটআউট ফ্রিকোয়েন্সি এবং এমওএসএফইটিগুলির ক্রমবর্ধমান বৈশিষ্ট্য আকারগুলি অনেক প্রতিশ্রুতিবদ্ধ, এই প্রযুক্তিগুলির বাস্তবতা মোকাবেলায় নতুন নকশা কৌশলগুলি তৈরি করা দরকার, যেমন নিম্ন ভাঙ্গন ভোল্টেজ, ক্ষতিগ্রস্থ সাবস্ট্রেটস, নিম্ন-কিউ প্যাসিভস, দীর্ঘ আন্তঃসংযোগ পরজীবী এবং উচ্চ-ফ্রিকোয়েন্সি কপলিং সমস্যা। সিলিকন সিস্টেমের সম্পূর্ণ একীকরণের উদাহরণ হিসেবে এই গবেষণাপত্রে প্রথম সম্পূর্ণ একীভূত ২৪ গিগাহার্জ আট-উপাদানের ফেজড অ্যারে রিসিভারকে 0.18-/স্প্লিন মিউ/মি সিলিকন-জার্মানিয়ামে এবং প্রথম সম্পূর্ণ একীভূত ২৪ গিগাহার্জ চার-উপাদানের ফেজড অ্যারে ট্রান্সমিটারকে 0.18-/স্প্লিন মিউ/মি সিএমওএস-এ ইন্টিগ্রেটেড পাওয়ার এম্প্লিফায়ার দিয়ে উপস্থাপন করা হয়েছে। ট্রান্সমিটার এবং রিসিভার বিম গঠন করতে সক্ষম এবং যোগাযোগ, দূরত্ব, অবস্থান নির্ধারণ এবং সেন্সর অ্যাপ্লিকেশনগুলির জন্য ব্যবহার করা যেতে পারে। |
64da24aad2e99514ab26d093c19cebec07350099 | ক্যাবস্যাট প্ল্যাটফর্মগুলি বৈশ্বিক ইন্টারনেট নেটওয়ার্ক, গভীর মহাকাশ অনুসন্ধান এবং মহাকাশ গবেষণা প্রচেষ্টার বিকল্প সমাধান হিসাবে বাণিজ্যিক উদ্যোগে ক্রমবর্ধমান জনপ্রিয় হয়ে উঠছে। অনেক প্রযুক্তি কোম্পানি এবং সিস্টেম ইঞ্জিনিয়ার বিশ্বব্যাপী নিম্ন পৃথিবী কক্ষপথ (এলইও) আন্তঃ উপগ্রহ নক্ষত্রমণ্ডলের অংশ হিসাবে ছোট উপগ্রহ সিস্টেম বাস্তবায়নের পরিকল্পনা করে। এই প্রচেষ্টার ক্ষেত্রে উচ্চ কার্যকারিতা সম্পন্ন কম খরচে হার্ডওয়্যার অত্যন্ত গুরুত্বপূর্ণ। এই গবেষণাপত্রে কা-ব্যান্ড ইন্টিগ্রেটেড ট্রান্সমিটার অ্যাসেম্বলি (আইটিএ) মডিউলের হেটারোডাইন আর্কিটেকচার এবং পারফরম্যান্স উপস্থাপন করা হয়েছে, যা উচ্চ ডেটা রেট স্পেস যোগাযোগ ব্যবস্থার জন্য স্বল্প খরচে সমাধান হিসাবে ন্যানো/মাইক্রোস্যাটেলাইট বা অন্যান্য স্যাটেলাইট সিস্টেমে প্রয়োগ করা যেতে পারে। মডিউলটি একটি 0.9 থেকে 1.1 গিগাহার্জ আইএফ ইনপুট সংকেতকে 26.7 থেকে 26.9 গিগাহার্জ ফ্রিকোয়েন্সি পরিসরে +29 ডিবিএম এর লিনিয়ার ট্রান্সমিশন সরবরাহ করতে রূপান্তর করে একটি অন্তর্নির্মিত ফেজ লকড ওসিলেটর, সমন্বিত ট্রান্সমিটার, পোলারাইজার এবং লেন্স সংশোধিত অ্যান্টেনা দিয়ে। |
0b44fcbeea9415d400c5f5789d6b892b6f98daff | এই গবেষণাপত্রে আমরা আমাদের অভিজ্ঞতা পর্যালোচনা করছি এমন একটি বড় টীকাযুক্ত পুস্তিকা তৈরির ক্ষেত্রে - পেন ট্রিব্যাঙ্ক, আমেরিকান ইংরেজির ৪.৫ মিলিয়ন শব্দের একটি পুস্তিকা। পেন ট্রিব্যাঙ্ক প্রকল্পের প্রথম তিন বছরের (১৯৮৯-১৯৯২) সময়কালে, এই কর্পাসটি পার্ট-অফ-স্পিচ (পিওএস) তথ্যের জন্য টীকা দেওয়া হয়েছে। উপরন্তু, এর অর্ধেকেরও বেশি অংশে স্কেলেটাল সিনট্যাক্টিক কাঠামোর জন্য টীকা দেওয়া হয়েছে। মন্তব্য পেনসিলভেনিয়া বিশ্ববিদ্যালয়ের কম্পিউটার এবং তথ্য বিজ্ঞান বিভাগের প্রযুক্তিগত প্রতিবেদন নং এমএসসিআইএস-৯৩-৮৭। এই প্রযুক্তিগত প্রতিবেদনটি স্কলারলি কমন্সে পাওয়া যায়ঃ http://repository.upenn.edu/cis_reports/237 Building A Large Annotated Corpus of English: The Penn Treebank MS-CIS-93-87 LINC LAB 260 Mitchell P. Marcus Beatrice Santorini Mary Ann Marcinkiewicz পেনসিলভানিয়া বিশ্ববিদ্যালয়ের ইঞ্জিনিয়ারিং এবং অ্যাপ্লাইড সায়েন্স কম্পিউটার এবং তথ্য বিজ্ঞান বিভাগ ফিলাডেলফিয়া, পিএ 19104-6389 |
7c70c29644ff1d6dd75a8a4dd0556fb8cb13549b | আমরা একটি নতুন প্রযুক্তি উপস্থাপন করছি যা মাইক্রোওয়েভ অ্যাপ্লিকেশনের জন্য কনফর্মাল এবং নমনীয় সাবস্ট্রেট তৈরি করে। উৎপাদিত উপকরণগুলি সিরামিক পাউডারগুলিকে পলিমারগুলির সাথে একত্রিত করে উচ্চ-বিপরীততাযুক্ত একটি স্তর তৈরি করে যা একই সাথে নমনীয় (বিনয়ী) হয়। এই ধরনের বেশ কয়েকটি পলিমার-সিরামিক সাবস্ট্রেট তৈরি করা হয় এবং একটি প্যাচ অ্যান্টেনা এবং একটি সংযুক্ত লাইন ফিল্টার এর কার্যকারিতা পরীক্ষা করতে ব্যবহৃত হয়। এই কাগজটি সাবস্ট্রেট মিশ্রণ পদ্ধতি উপস্থাপন করে যখন পরিমাপগুলি সাবস্ট্রেটের ক্ষতির কার্যকারিতা মূল্যায়ন করার জন্য দেওয়া হয়। সামগ্রিকভাবে, তৈরি কম্পোজিটগুলি নমনীয় সাবস্ট্রেটগুলিকে একটি epsivr = 20 পর্যন্ত অনুমতি এবং যথেষ্ট কম ক্ষতির সাথে নিয়ে যায় |
85947d646623ef7ed96dfa8b0eb705d53ccb4efe | নেটওয়ার্ক ফরেনসিক্স এমন একটি বিজ্ঞান যা নেটওয়ার্ক ট্রাফিকের ক্যাপচার, রেকর্ডিং এবং বিশ্লেষণের সাথে জড়িত যা অনুপ্রবেশ সনাক্ত করতে এবং তাদের তদন্ত করতে ব্যবহৃত হয়। এই গবেষণাপত্রে এখন পর্যন্ত প্রস্তাবিত বিভিন্ন নেটওয়ার্ক ফরেনসিক কাঠামোর একটি বিস্তৃত সমীক্ষা করা হয়েছে। নেটওয়ার্ক ফরেনসিকের জন্য একটি জেনেরিক প্রসেস মডেল প্রস্তাব করা হয়েছে যা ডিজিটাল ফরেনসিকের বিভিন্ন বিদ্যমান মডেলের উপর নির্মিত। নেটওয়ার্ক ফরেনসিকের সংজ্ঞা, শ্রেণীবিভাগ এবং উদ্দেশ্য স্পষ্টভাবে উল্লেখ করা হয়েছে। বিভিন্ন নেটওয়ার্ক ফরেনসিক বিশ্লেষণ সরঞ্জাম (এনএফএটি) এবং ফরেনসিক পরীক্ষকদের জন্য উপলব্ধ নেটওয়ার্ক সুরক্ষা পর্যবেক্ষণ সরঞ্জামগুলির কার্যকারিতা নিয়ে আলোচনা করা হয়েছে। বাস্তবায়ন কাঠামো, প্রক্রিয়া মডেল এবং বিশ্লেষণ সরঞ্জামগুলির মধ্যে বিদ্যমান নির্দিষ্ট গবেষণা ফাঁকগুলি চিহ্নিত করা হয়েছে এবং প্রধান চ্যালেঞ্জগুলি তুলে ধরা হয়েছে। এই কাজের গুরুত্ব হল এটি নেটওয়ার্ক ফরেনসিক্সের একটি সারসংক্ষেপ উপস্থাপন করে যা সরঞ্জাম, প্রক্রিয়া মডেল এবং কাঠামো বাস্তবায়নকে কভার করে, যা এই আসন্ন এবং তরুণ শাখার অন্বেষণে নিরাপত্তা অনুশীলনকারী এবং গবেষকদের জন্য খুব দরকারী হবে। a 2010 Elsevier Ltd. সমস্ত অধিকার সংরক্ষিত। |
7d98dce77cce2d0963a3b6566f5c733ad4343ce4 | এই গবেষণায় ডেভিস (১৯৮৯) ট্যাম মডেল এবং স্ট্রাব স (১৯৯৪) স্পির অ্যাডেন্ডামকে আইটি ডিফিউশন মডেলের লিঙ্গ যুক্ত করে প্রসারিত করা হয়েছে। প্রযুক্তি গ্রহণের মডেল (টিএএম) আইএস গবেষণায় ব্যাপকভাবে অধ্যয়ন করা হয়েছে, কারণ এটি আইএস-প্রকার এবং জাতীয়তা জুড়ে তথ্য সিস্টেমের ব্যবহারের ব্যাখ্যা। যদিও এই গবেষণার ধারাটি উল্লেখযোগ্য ক্রস-সাংস্কৃতিক পার্থক্য খুঁজে পেয়েছে, এটি লিঙ্গের প্রভাবকে উপেক্ষা করেছে, যদিও সামাজিক-ভাষাগত গবেষণায় লিঙ্গ সংস্কৃতির একটি মৌলিক দিক। প্রকৃতপক্ষে, সমাজভাষিক গবেষণায় দেখা গেছে যে পুরুষরা শ্রেণিবিন্যাস এবং স্বাধীনতার উপর বক্তৃতাকে কেন্দ্র করে, যখন মহিলারা ঘনিষ্ঠতা এবং সংহতিতে মনোনিবেশ করে। এই সাহিত্য আইটি প্রসার গবেষণা এবং প্রযুক্তি গ্রহণ মডেলের ধারণাগত এক্সটেনশনের জন্য একটি কঠিন ভিত্তি প্রদান করে। বিশ্বাস এবং কম্পিউটার ভিত্তিক মিডিয়া ব্যবহারের সাথে সম্পর্কিত লিঙ্গ পার্থক্য পরীক্ষা করে, বর্তমান গবেষণায় একটি ক্রস-সেকশনাল জরিপ যন্ত্রের মাধ্যমে 392 মহিলা এবং পুরুষ প্রতিক্রিয়া নমুনা করা হয়েছে। উত্তর আমেরিকা, এশিয়া এবং ইউরোপের বিমান শিল্পে ই-মেইল সিস্টেম ব্যবহার করে জ্ঞান কর্মীদের তুলনামূলক গ্রুপ থেকে এই নমুনাটি নেওয়া হয়েছিল। গবেষণার ফলাফল থেকে জানা যায় যে, নারী ও পুরুষদের মধ্যে ই-মেইল ব্যবহারের ক্ষেত্রে পার্থক্য রয়েছে। এই ফলাফল থেকে জানা যায় যে গবেষকদের অন্যান্য সাংস্কৃতিক প্রভাবের পাশাপাশি আইটি ছড়িয়ে দেওয়ার মডেলগুলিতে লিঙ্গ অন্তর্ভুক্ত করা উচিত। ম্যানেজার এবং সহকর্মীদের বুঝতে হবে যে একই ধরনের যোগাযোগের পদ্ধতি লিঙ্গ দ্বারা ভিন্নভাবে উপলব্ধি করা যেতে পারে, যা আরও অনুকূল যোগাযোগের পরিবেশ তৈরি করতে পারে, এমন পরিবেশ যা কেবল সাংগঠনিক প্রাসঙ্গিক কারণগুলিই নয়, ব্যবহারকারীদের লিঙ্গও বিবেচনা করে। এই পরিবেশ তৈরির জন্য যোগাযোগ মাধ্যম ব্যবহারের পাশাপাশি যোগাযোগ মাধ্যমের প্রশিক্ষণও প্রয়োজন। |
2599131a4bc2fa957338732a37c744cfe3e17b24 | একটি প্রশিক্ষণ অ্যালগরিদম উপস্থাপন করা হয়েছে যা প্রশিক্ষণ প্যাটার্ন এবং সিদ্ধান্তের সীমানার মধ্যে মার্জিনকে সর্বাধিক করে তোলে। এই কৌশলটি বিভিন্ন শ্রেণীবিভাগের ফাংশনগুলির জন্য প্রযোজ্য, যার মধ্যে রয়েছে পেরসেপ্ট্রন, পলিনোমিয়াল এবং রেডিয়াল বেস ফাংশন। কার্যকর সংখ্যক প্যারামিটার স্বয়ংক্রিয়ভাবে সমস্যার জটিলতার সাথে সামঞ্জস্যপূর্ণ। সমাধানটি সমর্থনকারী নিদর্শনগুলির একটি রৈখিক সমন্বয় হিসাবে প্রকাশ করা হয়। এইগুলি হল প্রশিক্ষণের প্যাটার্নের উপসেট যা সিদ্ধান্তের সীমানার সবচেয়ে কাছাকাছি। সাধারণীকরণ কর্মক্ষমতা উপর সীমা ছেড়ে-এক-আউট পদ্ধতি এবং ভিসি মাত্রা উপর ভিত্তি করে দেওয়া হয়। অপটিক্যাল চরিত্র স্বীকৃতি সমস্যার পরীক্ষামূলক ফলাফলগুলি অন্যান্য শেখার অ্যালগরিদমের সাথে তুলনা করার সময় প্রাপ্ত ভাল সাধারণীকরণ প্রদর্শন করে। |
68c29b7bf1811f941040bba6c611753b8d756310 | আধুনিক অটোমোবাইল নেটওয়ার্কযুক্ত কম্পিউটার দ্বারা নিয়ন্ত্রিত হয়। এই নেটওয়ার্কগুলির নিরাপত্তা ঐতিহাসিকভাবে সামান্য উদ্বেগের বিষয় ছিল, কিন্তু গবেষকরা সাম্প্রতিক বছরগুলিতে আক্রমণের জন্য তাদের অনেক দুর্বলতা প্রদর্শন করেছেন। এই আক্রমণের বিরুদ্ধে প্রতিরক্ষার অংশ হিসেবে, আমরা অটোমোটিভ কন্ট্রোলার এরিয়া নেটওয়ার্ক (সিএএন) বাসের জন্য একটি অ্যানোমালি ডিটেক্টর মূল্যায়ন করি। বেশিরভাগ আক্রমণ নেটওয়ার্কে অতিরিক্ত প্যাকেট ঢোকানোর উপর ভিত্তি করে করা হয়। কিন্তু অধিকাংশ সাধারণ প্যাকেট একটি নির্দিষ্ট ফ্রিকোয়েন্সিতে আসে। এটি একটি অ্যানোমালি ডিটেক্টরকে প্রেরণ করে যা বর্তমান এবং ঐতিহাসিক প্যাকেট টাইমিংয়ের তুলনা করে। আমরা একটি অ্যালগরিদম উপস্থাপন করছি যা একটি স্লাইডিং উইন্ডোতে আন্তঃ-প্যাকেট সময় পরিমাপ করে। গড় সময়গুলোকে ঐতিহাসিক গড়ের সাথে তুলনা করে অস্বাভাবিকতার সংকেত পাওয়া যায়। আমরা এই পদ্ধতির বিভিন্ন ইনসার্চ ফ্রিকোয়েন্সির উপর মূল্যায়ন করি এবং এর কার্যকারিতার সীমা প্রদর্শন করি। আমরা দেখিয়েছি কিভাবে প্যাকেটের ডেটা কনটেন্টের অনুরূপ পরিমাপ অস্বাভাবিকতা সনাক্তকরণের জন্য কার্যকর নয়। শেষ পর্যন্ত আমরা দেখাবো কিভাবে এক শ্রেণীর সাপোর্ট ভেক্টর মেশিন একই তথ্য ব্যবহার করে উচ্চ আত্মবিশ্বাসের সাথে অস্বাভাবিকতা সনাক্ত করতে পারে। |
c43d8a3d36973e3b830684e80a035bbb6856bcf7 | কনভোলুশনাল নিউরাল নেটওয়ার্ক (সিএনএন) গভীরতা ইমেজ সুপার-রেজোলিউশন (এসআর) জন্য অত্যন্ত গুরুত্বপূর্ণ। তবে আমরা লক্ষ্য করেছি যে ইমেজ এসআর এর জন্য গভীর নেটওয়ার্কগুলি প্রশিক্ষণ দেওয়া আরও কঠিন। নিম্ন রেজোলিউশনের ইনপুট এবং বৈশিষ্ট্যগুলিতে প্রচুর পরিমাণে নিম্ন-ফ্রিকোয়েন্সি তথ্য রয়েছে, যা চ্যানেল জুড়ে সমানভাবে চিকিত্সা করা হয়, যার ফলে সিএনএনগুলির প্রতিনিধিত্বমূলক ক্ষমতা বাধাগ্রস্ত হয়। এই সমস্যাগুলো সমাধানের জন্য আমরা প্রস্তাব করছি অতি গভীর অবশিষ্ট চ্যানেল মনোযোগ নেটওয়ার্ক (আরসিএএন) । বিশেষ করে, আমরা একটি অবশিষ্ট অবশিষ্ট (RIR) কাঠামো প্রস্তাব করছি যা খুব গভীর নেটওয়ার্ক গঠন করে, যা দীর্ঘ skip সংযোগ সহ বেশ কয়েকটি অবশিষ্ট গ্রুপ নিয়ে গঠিত। প্রতিটি অবশিষ্ট গ্রুপে সংক্ষিপ্ত ওভারকিপ সংযোগ সহ কিছু অবশিষ্ট ব্লক রয়েছে। আরআইআর এর মাধ্যমে অনেকগুলো ওভারসাইড সংযোগের মাধ্যমে প্রচুর পরিমাণে নিম্ন-ফ্রিকোয়েন্সি তথ্যকে বাইপাস করা যায়, যার ফলে মূল নেটওয়ার্ক উচ্চ-ফ্রিকোয়েন্সি তথ্য শেখার উপর দৃষ্টি নিবদ্ধ করে। উপরন্তু, আমরা চ্যানেলের মধ্যে আন্তঃনির্ভরতা বিবেচনা করে চ্যানেল-বুদ্ধিমান বৈশিষ্ট্যগুলিকে অভিযোজিতভাবে পুনরায় স্কেল করার জন্য একটি চ্যানেল মনোযোগ ব্যবস্থা প্রস্তাব করি। ব্যাপক পরীক্ষায় দেখা গেছে যে আমাদের আরসিএএন উন্নত পদ্ধতির তুলনায় আরও ভালো নির্ভুলতা এবং চাক্ষুষ উন্নতি অর্জন করেছে। |
77768638f4f400272b6e5970596b127663471538 | গবেষণার প্রমাণ সংকলনের জন্য স্কোপিং রিভিউ একটি ক্রমবর্ধমান জনপ্রিয় পদ্ধতিতে পরিণত হয়েছে। এটি একটি অপেক্ষাকৃত নতুন পদ্ধতি যার জন্য একটি সর্বজনীন অধ্যয়নের সংজ্ঞা বা চূড়ান্ত পদ্ধতি প্রতিষ্ঠিত হয়নি। এই স্কোপিং পর্যালোচনার উদ্দেশ্য ছিল সাহিত্যে স্কোপিং পর্যালোচনাগুলির একটি ওভারভিউ প্রদান করা। পদ্ধতি আর্কসি এবং ও মালি ফ্রেমওয়ার্ক ব্যবহার করে একটি স্কোপিং পর্যালোচনা পরিচালিত হয়েছিল। চারটি গ্রন্থাগারিক ডাটাবেস এবং ধূসর সাহিত্যে অনুসন্ধান করা হয়। পর্যালোচনা নির্বাচন এবং বৈশিষ্ট্য দুটি স্বাধীন পর্যালোচক দ্বারা প্রাক-পরীক্ষিত ফর্ম ব্যবহার করে সম্পন্ন করা হয়। ফলাফল অনুসন্ধানটি ১৯৯৯ থেকে অক্টোবর ২০১২ পর্যন্ত প্রকাশিত ৩৪৪টি স্কোপিং পর্যালোচনা চিহ্নিত করেছে। পর্যালোচনাগুলি উদ্দেশ্য, পদ্ধতি এবং প্রতিবেদনের বিশদ হিসাবে পরিবর্তিত হয়েছিল। প্রায় তিন-চতুর্থাংশ রিভিউ (74.1%) স্বাস্থ্য বিষয় নিয়ে করা হয়েছে। গবেষণার সমাপ্তির সময়কাল ২ সপ্তাহ থেকে ২০ মাস পর্যন্ত পরিবর্তিত হয়েছে এবং ৫১% একটি প্রকাশিত পদ্ধতিগত কাঠামো ব্যবহার করেছে। অন্তর্ভুক্ত গবেষণার গুণমানের মূল্যায়ন খুব কমই করা হয়েছিল (22. 38%) । পরিণতি স্কোপিং পর্যালোচনাগুলি একটি অপেক্ষাকৃত নতুন কিন্তু ক্রমবর্ধমান সাধারণ পদ্ধতির জন্য বিস্তৃত বিষয়গুলি ম্যাপিং। তাদের আচরণের পরিবর্তনশীলতার কারণে প্রমাণের উপযোগিতা এবং শক্তি নিশ্চিত করার জন্য তাদের পদ্ধতিগত মানকরণের প্রয়োজন রয়েছে। |
4c5815796c29d44c940830118339e276f741d34a | রোবট সহকারী এবং পেশাদার সহকর্মীরা গৃহস্থালি এবং শিল্পে একটি পণ্য হয়ে উঠছে। রোবটকে মানুষের সাথে কাজ করার জন্য এবং তাদের সাথে শারীরিকভাবে যোগাযোগ করার জন্য, রোবট কাঠামোর উপর সম্ভাব্য সংঘর্ষের দ্রুত এবং নির্ভরযোগ্য হ্যান্ডলিং প্রয়োজন, পাশাপাশি নিরাপদ রোবট প্রতিক্রিয়া জন্য নিয়ন্ত্রণ কৌশল। এর মূল উদ্দেশ্য হচ্ছে শারীরিক যোগাযোগের ফলে মানুষের ক্ষতি হওয়া প্রতিরোধ করা বা তা সীমিত করা। এই সমীক্ষায়, আমরা এই বিষয়ে আমাদের প্রথম কাজগুলো পর্যালোচনা, সম্প্রসারণ, তুলনা এবং মূল্যায়ন করছি রিয়েল টাইমে সংঘর্ষ সনাক্তকরণ, বিচ্ছিন্নকরণ এবং সনাক্তকরণের জন্য পরীক্ষামূলক মডেল-ভিত্তিক অ্যালগরিদম যা শুধুমাত্র প্রোপ্রিসেপটিভ সেন্সর ব্যবহার করে। এটি পরিবেশের সাথে ইন্টারঅ্যাক্ট করে এমন রোবটগুলির জন্য সংঘর্ষের ইভেন্ট পাইপলাইনের প্রসঙ্গ-স্বতন্ত্র পর্যায়গুলিকে কভার করে, যেমন শারীরিক মানব-রোবট মিথস্ক্রিয়া বা ম্যানিপুলেশন কার্যগুলিতে। সমস্যাটি প্রথমে কঠোর রোবটগুলির জন্য সমাধান করা হয় এবং তারপরে যৌথ / সংক্রমণ নমনীয়তার উপস্থিতিতে প্রসারিত হয়। এই মৌলিক শারীরিকভাবে অনুপ্রাণিত সমাধানটি ইতিমধ্যেই বিশ্বব্যাপী অসংখ্য রোবোটিক সিস্টেমে প্রয়োগ করা হয়েছে, যা ম্যানিপুলেটর এবং হিউম্যানোইড থেকে উড়ন্ত রোবট এবং এমনকি বাণিজ্যিক পণ্যগুলিতেও প্রয়োগ করা হয়েছে। |
4e3a22ed94c260b9143eee9fdf6d5d6e892ecd8f | |
e18fa8c8f402c483b2c3eaaa89192fe99e80abd5 | অনেক গবেষণায় দেখা গেছে যে, সংবাদে প্রকাশিত সংবাদগুলো শেয়ারবাজারের গতিপথ, তার অস্থিরতা, লেনদেনের পরিমাণ এবং সংবাদে উল্লেখিত বিভিন্ন শেয়ারের মূল্যের উপর গুরুত্বপূর্ণ প্রভাব ফেলে। এমনকি কিছু প্রকাশিত গবেষণা আছে যে সংবাদপত্র, ত্রৈমাসিক প্রতিবেদন, ব্লগ এবং/অথবা টুইটার ডেটার স্বয়ংক্রিয় অনুভূতি বিশ্লেষণকে ট্রেডিং কৌশল হিসাবে উৎপাদনশীলভাবে ব্যবহার করা যেতে পারে। এই কাগজটি ট্রেডিং কৌশলগুলির ঠিক এমন একটি পরিবার উপস্থাপন করে এবং তারপরে এই অ্যাপ্লিকেশনটি তাদের প্রয়োগের প্রসঙ্গ সত্ত্বেও কীভাবে অনুভূতি বিশ্লেষকদের সাধারণত মূল্যায়ন করা হয় তার পিছনে কিছু নিঃশব্দ অনুমানগুলি পুনরায় পরীক্ষা করতে ব্যবহার করে। এই অসঙ্গতি একটি মূল্য নিয়ে আসে। |
050c6fa2ee4b3e0a076ef456b82b2a8121506060 | ইমেজগুলিতে 2D সীমানা বাক্স হিসাবে বস্তুগুলিকে স্বীকৃতি দেওয়ার ক্ষেত্রে যে বড় অগ্রগতি হয়েছে তা সত্ত্বেও, এটি এখনও খুব চ্যালেঞ্জিং যে কোনও একক চিত্র থেকে বহু বস্তুর 3D বৈশিষ্ট্যগুলি অনুমান করা এবং লুকানো বস্তুগুলি সনাক্ত করা। এই গবেষণাপত্রে আমরা একটি নতুন বস্তুর প্রতিনিধিত্বের প্রস্তাব দিচ্ছি, 3D ভক্সেল প্যাটার্ন (3DVP), যা যৌথভাবে বস্তুর মূল বৈশিষ্ট্যগুলিকে কোড করে যার মধ্যে রয়েছে চেহারা, 3D আকৃতি, দৃষ্টিভঙ্গি, আচ্ছাদন এবং ট্রাঙ্কেশন। আমরা তথ্য-চালিত উপায়ে 3DVPs আবিষ্কার করি, এবং 3DVPs এর অভিধানের জন্য বিশেষায়িত ডিটেক্টরগুলির একটি ব্যাংককে প্রশিক্ষণ দিই। 3DVP ডিটেক্টরগুলি নির্দিষ্ট দৃশ্যমানতার নিদর্শন সহ বস্তুগুলি সনাক্ত করতে এবং 3DVP থেকে মেটা-ডেটা সনাক্ত করা বস্তুগুলিতে স্থানান্তর করতে সক্ষম, যেমন 2D সেগমেন্টেশন মাস্ক, 3D পোজ এবং অ্যাক্লুশন বা ট্রাঙ্কেশন সীমানা। স্থানান্তরিত মেটা-ডেটা আমাদের অবজেক্টের মধ্যে অ্যাক্লুশন সম্পর্ক অনুমান করতে দেয়, যা পরিবর্তে উন্নত অবজেক্ট স্বীকৃতি ফলাফল সরবরাহ করে। কিট্টি সনাক্তকরণ মানদণ্ড [17] এবং আউটডোর দৃশ্যের ডেটাসেট [41] নিয়ে পরীক্ষা-নিরীক্ষা করা হয়। আমরা গাড়ি সনাক্তকরণের ক্ষেত্রে অত্যাধুনিক ফলাফলের উন্নতি করেছি এবং উল্লেখযোগ্য মার্জিনের সাথে অনুমান করতে পেরেছি (কিটিটিআইয়ের কঠিন তথ্যে ৬%) । আমরা আমাদের পদ্ধতির দক্ষতাও যাচাই করি যাতে আমরা ব্যাকগ্রাউন্ড থেকে বস্তুগুলোকে সঠিকভাবে ভাগ করতে পারি এবং সেগুলোকে থ্রিডিতে স্থানীয়করণ করতে পারি। |
1a124ed5d7c739727ca60cf11008edafa9e3ecf2 | তথ্য-চালিত অর্থনীতির বিকাশের সাথে সাথে, সংস্থাগুলি উচ্চ পরিমাণে, উচ্চ গতির ডেটা প্রবাহের উপর কাজ করতে সক্ষম হওয়ার প্রতিযোগিতামূলক সুবিধা উপলব্ধি করতে এসেছে। বিতরণকৃত বার্তা সারি এবং স্ট্রিমিং প্রসেসিং প্ল্যাটফর্মের মতো প্রযুক্তি যা পণ্য হার্ডওয়্যারের হাজার হাজার ডেটা স্ট্রিম পার্টিশনে স্কেল করতে পারে এটি একটি প্রতিক্রিয়া। যাইহোক, এই সিস্টেমগুলি দ্বারা প্রদত্ত প্রোগ্রামিং এপিআই প্রায়শই নিম্ন-স্তরের হয়, যার জন্য যথেষ্ট পরিমাণে কাস্টম কোড প্রয়োজন যা প্রোগ্রামারের শেখার বক্ররেখা এবং রক্ষণাবেক্ষণ ওভারহেড যুক্ত করে। উপরন্তু, এই সিস্টেমগুলি প্রায়ই এসকিউএল ক্যোয়ারী ক্ষমতা নেই যা হুইভ, ইমপালা বা প্রেস্টোর মতো বিগ ডেটা সিস্টেমে জনপ্রিয় প্রমাণিত হয়েছে। আমরা ডাটা স্ট্রিম ক্যোয়ারী এবং ম্যানিপুলেশনের জন্য স্ট্যান্ডার্ড এসকিউএল এর জন্য এক্সটেনশনের একটি ন্যূনতম সেট সংজ্ঞায়িত করি। এই এক্সটেনশানগুলি SamzaSQL-এ প্রোটোটাইপ করা হয়েছে, যা SQL স্ট্রিমিংয়ের জন্য একটি নতুন টুল যা স্ট্রিমিং SQL কে শারীরিক পরিকল্পনায় সংকলন করে যা Samza-এ চালিত হয়, একটি ওপেন সোর্স বিতরণ স্ট্রিম প্রসেসিং ফ্রেমওয়ার্ক। আমরা স্ট্রিমিং এসকিউএল কোয়েরিগুলির পারফরম্যান্সের সাথে নেটিভ সামজা অ্যাপ্লিকেশনগুলির তুলনা করি এবং ব্যবহারযোগ্যতার উন্নতি নিয়ে আলোচনা করি। সামজাএসকিউএল ওপেন সোর্স অ্যাপাচি সামজা প্রকল্পের একটি অংশ এবং এটি সাধারণ ব্যবহারের জন্য উপলব্ধ হবে। |
b8ec319b1f5223508267b1d5b677c0796d25ac13 | অনেক বাস্তব-বিশ্বের পরিস্থিতিতে, একটি নির্দিষ্ট মেশিন লার্নিং টাস্কের জন্য লেবেলযুক্ত ডেটা পাওয়া ব্যয়বহুল। আধা-নিরীক্ষিত প্রশিক্ষণ পদ্ধতিতে প্রচুর পরিমাণে উপলব্ধ লেবেলবিহীন তথ্য এবং কম সংখ্যক লেবেলযুক্ত উদাহরণ ব্যবহার করা হয়। আমরা মানুষের শেখার দ্বারা অনুপ্রাণিত গভীর নিউরাল নেটওয়ার্কগুলির আধা-নিরীক্ষিত প্রশিক্ষণের জন্য একটি নতুন কাঠামোর প্রস্তাব দিই। লেবেলযুক্ত নমুনার এমবেডিং থেকে লেবেলবিহীন নমুনার এমবেডিং এবং ফিরে থেকে সমিতি তৈরি করা হয়। অপ্টিমাইজেশান সময়সূচী সঠিক সমিতি চক্রকে উৎসাহিত করে যা সমিতি শুরু হয়েছিল এবং অন্য শ্রেণীতে শেষ হওয়া ভুল সমিতিগুলিকে শাস্তি দেয়। এই পদ্ধতি ব্যবহার করা সহজ এবং এটি যেকোনো বিদ্যমান এন্ড-টু-এন্ড প্রশিক্ষণ সেটআপের সাথে যুক্ত করা যায়। আমরা বিভিন্ন ডেটা সেট এর উপর সমিতির মাধ্যমে শেখার ক্ষমতা প্রদর্শন করি এবং দেখাই যে এটি অতিরিক্তভাবে উপলব্ধ লেবেলযুক্ত ডেটা ব্যবহার করে শ্রেণিবদ্ধকরণ কার্যের উপর পারফরম্যান্সকে ব্যাপকভাবে উন্নত করতে পারে। বিশেষ করে, কম সংখ্যক লেবেলযুক্ত তথ্যের ক্ষেত্রে, আমাদের প্রশিক্ষণ প্রকল্পটি এসভিএইচএন-এর বর্তমান প্রযুক্তিগত অবস্থাকে ছাড়িয়ে যায়। |
852c633882927affd1a951e81e6e30251bb40867 | ক্রমাগত বিকশিত রেডিও ফ্রিকোয়েন্সি আইডেন্টিফিকেশন (আরএফআইডি) প্রযুক্তির সাথে সাথে নতুন প্রয়োগের ক্ষেত্রে দেখা দেওয়া প্রয়োজনীয়তাগুলি পূরণের জন্য নতুন ধরণের ট্যাগ অ্যান্টেনা উপকরণ এবং কাঠামো উদ্ভূত হচ্ছে। এই কাজের মধ্যে, একটি বিকিরণ দক্ষতা পরিমাপ পদ্ধতি উন্নত এবং নিষ্ক্রিয় অতি উচ্চ ফ্রিকোয়েন্সি (UHF) RFID ডাইপোল ট্যাগ অ্যান্টেনা জন্য যাচাই করা হয়। উপরন্তু, পরিধানযোগ্য শরীর-কেন্দ্রিক ওয়্যারলেস যোগাযোগ অ্যাপ্লিকেশনগুলির জন্য সেলাই করা ডাইপোল ট্যাগ অ্যান্টেনার বিকিরণ দক্ষতা পরিমাপ করার জন্য পরিমাপ পদ্ধতি প্রয়োগ করা হয়। পরিমাপ থেকে প্রাপ্ত তথ্য ট্যাগ অ্যান্টেনা উপাদান কাঠামো ক্ষতির বৈশিষ্ট্য এবং আরও উভয় উন্নত এবং ট্যাগ অ্যান্টেনা কর্মক্ষমতা এবং নির্ভরযোগ্যতা অপ্টিমাইজ করার জন্য ব্যবহার করা যেতে পারে। |
833de6c09b38a679ed870ad3a7ccfafc8de010e1 | ইগো-ভ্যালিকেলের গতির অনুমান উন্নত ড্রাইভিং সহকারী সিস্টেম এবং মোবাইল রোবট স্থানীয়করণের জন্য একটি মূল ক্ষমতা। নিম্নলিখিত কাগজটি ইগো-যানবাহনের সম্পূর্ণ 2 ডি গতির অবস্থা (দৈর্ঘ্য, পার্শ্বীয় বেগ এবং ইয়র রেট) অবিলম্বে নির্ধারণ করতে রাডার সেন্সর ব্যবহার করে একটি শক্তিশালী অ্যালগরিদম উপস্থাপন করে। এটি অন্তত দুটি ডপলার রাডার সেন্সর এবং তাদের প্রাপ্ত স্থির প্রতিফলন (লক্ষ্য) এর মধ্যে আপেক্ষিক গতির মূল্যায়ন করে। অজিমথ কোণ জুড়ে তাদের রেডিয়াল গতির বন্টনের উপর ভিত্তি করে, অস্থির লক্ষ্য এবং জগাখিচুড়ি বাদ দেওয়া হয়। ইগো-মোশন এবং এর সংশ্লিষ্ট কোভ্যারিয়েন্স ম্যাট্রিক্স অনুমান করা হয়। অ্যালগরিদমের জন্য কোনো প্রিপ্রসেসিং ধাপ যেমন ক্লাস্টারিং বা ক্লটার দমনের প্রয়োজন হয় না এবং এতে কোনো মডেল অনুমান থাকে না। সেন্সরগুলো গাড়ির যেকোনো জায়গায় লাগানো যায়। একটি সাধারণ দৃশ্যের ক্ষেত্রের প্রয়োজন হয় না, স্থানটিতে লক্ষ্য সমিতি এড়ানো। অতিরিক্ত সুবিধা হিসেবে, সব টার্গেটকে অবিলম্বে স্টেশনারি বা নন-স্টেশনারি হিসেবে চিহ্নিত করা হয়। |
31918003360c352fb0750040d163f287894ab547 | সম্প্রতি অটোমোবাইল এমবেডেড সিস্টেম স্মার্ট কার, ইলেকট্রিক কার্ড ইত্যাদির আবির্ভাবের পর থেকে অত্যন্ত উন্নত হয়েছে। তাদের বিভিন্ন মূল্য সংযোজন ব্যবস্থা রয়েছে যেমন আইপিএ (ইন্টেলজেন্ট পার্কিং সহায়তা), বিএসডব্লিউ (ব্লাইড স্পট সতর্কতা), এলডিডব্লিউএস (লেন ছাড়ার সতর্কতা সিস্টেম), এলকেএস (লেন রক্ষণাবেক্ষণ সিস্টেম) - এগুলি এডিএএস (অ্যাডভান্সড ড্রাইভার সহায়তা সিস্টেম) । অটোমোটিভ ওপেন সিস্টেম আর্কিটেকচার (অটোসার) হল অটোমোটিভ এমবেডেড সফটওয়্যার বিকাশের জন্য সবচেয়ে উল্লেখযোগ্য শিল্প মান। অটোসার হল অটোমোবাইল নির্মাতা ও সরবরাহকারীদের একটি অংশীদারিত্ব যা অটোমোবাইল ই/ই আর্কিটেকচারের জন্য একটি উন্মুক্ত শিল্প মান বিকাশ ও প্রতিষ্ঠার জন্য একসাথে কাজ করে। এই গবেষণাপত্রে আমরা অটোসার সম্পর্কে সংক্ষেপে আলোচনা করব এবং গাড়ি সফটওয়্যার এলডিডব্লিউএস (লেন ডিটেকশন অ্যান্ড অ্যালার্ম সিস্টেম) এর উন্নয়নের ফলাফল দেখাবো। |
36bb4352891209ba0a7df150c74cd4db6d603ca5 | উদাহরণস্বরূপ, একক ইনপুট নিম্ন-রেজোলিউশন (এলআর) চিত্র থেকে উচ্চ-রেজোলিউশন (এইচআর) চিত্র পুনর্নির্মাণের জন্য শেখার ভিত্তিক একক চিত্র সুপার-রেজোলিউশন (এসআর) একটি প্রতিশ্রুতিবদ্ধ পদ্ধতি। অনেক জনপ্রিয় এসআর পদ্ধতির ক্ষেত্রে সময় বা স্থান বেশি লাগে, যা তাদের ব্যবহারিক প্রয়োগকে সীমাবদ্ধ করে। তাই কিছু গবেষণা উপ-মহাকাশের দৃশ্যের উপর দৃষ্টি নিবদ্ধ করেছে এবং অত্যাধুনিক ফলাফল প্রদান করেছে। এই গবেষণাপত্রে আমরা মিশ্রিত পূর্ববর্তী মডেলগুলির সাথে একটি কার্যকর উপায় ব্যবহার করি যা প্রশিক্ষণ পর্যায়ে এলআর চিত্রগুলির বৃহত নন-লাইনার বৈশিষ্ট্য স্থানকে লিনিয়ার সাবস্পেসের একটি গোষ্ঠীতে রূপান্তরিত করে। বিশেষ করে, আমরা প্রথমে ইমেজ প্যাচগুলিকে বিভিন্ন গ্রুপে বিভক্ত করি একটি নতুন নির্বাচনী প্যাচ প্রসেসিং পদ্ধতির মাধ্যমে যা এলআর প্যাচগুলির পার্থক্য বক্রতার উপর ভিত্তি করে এবং তারপরে প্রতিটি গ্রুপে মিশ্রণের পূর্ববর্তী মডেলগুলি শিখতে হয়। এছাড়া, বিভিন্ন পূর্ববর্তী বন্টন এসআর-এ বিভিন্ন কার্যকারিতা আছে, এবং এই ক্ষেত্রে, আমরা দেখতে পাই যে ছাত্র-টি পূর্ববর্তী সুপরিচিত গাউসিয়ান পূর্ববর্তী তুলনায় শক্তিশালী কর্মক্ষমতা দেখায়। পরীক্ষার পর্যায়ে, আমরা ইনপুট LR বৈশিষ্ট্যগুলিকে উপযুক্ত উপ-অবস্থায় ম্যাপ করার জন্য শিখেছি একাধিক মিশ্রণ পূর্ববর্তী মডেলগুলি গ্রহণ করি এবং অবশেষে একটি নতুন মিশ্রিত মিলিত উপায়ে সংশ্লিষ্ট HR চিত্রটি পুনর্গঠন করি। পরীক্ষামূলক ফলাফল থেকে জানা যায় যে প্রস্তাবিত পদ্ধতিটি কিছু অত্যাধুনিক এসআর পদ্ধতির চেয়ে গুণগত ও পরিমাণগতভাবে উন্নত। |
189a391b217387514bfe599a0b6c1bbc1ccc94bb | আমরা একটি সহজ, নতুন প্যারাডিগম উপস্থাপন করছি সংঘর্ষ-মুক্ত হ্যাশ ফাংশনগুলির নকশা করার জন্য। এই প্যারাডাইম থেকে উদ্ভূত যে কোন ফাংশন ইনক্রিমেন্টাল। (এর মানে হল যে যদি একটি বার্তা x যা আমি পূর্বে হ্যাশ করেছি তা x0 তে পরিবর্তিত হয় তাহলে x0 এর হ্যাশকে আবার গণনা করার পরিবর্তে, আমি দ্রুত পুরানো হ্যাশ মানকে নতুনের সাথে আপডেট করতে পারি, x-এ করা পরিবর্তনের পরিমাণের সমানুপাতিক সময়ে x পেতে) এই প্যারাডিগম থেকে উদ্ভূত যে কোন ফাংশনও সমান্তরালযোগ্য, যা হার্ডওয়্যার বাস্তবায়নের জন্য উপযোগী। আমরা আমাদের প্যারাডিগম থেকে বেশ কিছু নির্দিষ্ট ফাংশন বের করে আনতে পারি। সবগুলোই একটি স্ট্যান্ডার্ড হ্যাশ ফাংশন ব্যবহার করে, যা আদর্শ বলে মনে করা হয়, এবং কিছু বীজগণিতের অপারেশন। প্রথম ফাংশন, MuHASH, বার্তার প্রতি ব্লকে একটি মডুলার গুণ ব্যবহার করে, যা এটিকে যুক্তিসঙ্গতভাবে দক্ষ করে তোলে এবং পূর্ববর্তী ইনক্রিমেন্টাল হ্যাশ ফাংশনগুলির চেয়ে উল্লেখযোগ্যভাবে দ্রুত। এর নিরাপত্তা প্রমাণিত, যা discrete logarithm সমস্যার কঠিনতার উপর ভিত্তি করে। দ্বিতীয় ফাংশন, অ্যাডহ্যাশ, আরও দ্রুত, গুণের পরিবর্তে যোগ ব্যবহার করে, সুরক্ষা প্রমাণিত হয় যে সংক্ষিপ্ততম গ্রিড ভেক্টরগুলির দৈর্ঘ্যের আনুমানিকতা কঠিন বা যে ওজনযুক্ত উপসেট সমষ্টি সমস্যাটি কঠিন। তৃতীয় ফাংশন, LtHASH, সাম্প্রতিক গ্রিড ভিত্তিক ফাংশনগুলির একটি ব্যবহারিক বৈকল্পিক, যা নিরাপত্তা প্রমাণিত ভিত্তিতে, আবার সংক্ষিপ্ততম গ্রিড ভেক্টর আনুমানিকের কঠোরতার উপর ভিত্তি করে। ডিপার্টমেন্ট। কম্পিউটার সায়েন্স অ্যান্ড ইঞ্জিনিয়ারিং, ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়, সান দিয়েগো, 9500 গিলম্যান ড্রাইভ, লা জোলা, ক্যালিফোর্নিয়া 92093, মার্কিন যুক্তরাষ্ট্র। ই-মেইলঃ [email protected]। ইউআরএলঃ http://www-cse.ucsd.edu/users/mihir. এই প্রকল্পটি NSF CAREER পুরস্কার CCR-9624439 এবং বিজ্ঞান ও প্রকৌশল বিভাগে প্যাকার্ড ফাউন্ডেশন ফেলোশিপ দ্বারা আংশিকভাবে সমর্থিত। yMIT ল্যাবরেটরি ফর কম্পিউটার সায়েন্স, ৫৪৫ টেকনোলজি স্কয়ার, কেমব্রিজ, এমএ ০২১৩৯, মার্কিন যুক্তরাষ্ট্র। ই-মেইলঃ [email protected]. DARPA চুক্তি DABT63-96-C-0018 দ্বারা আংশিকভাবে সমর্থিত. |
9b9c9cc72ebc16596a618d5b78972437c9c569f6 | |
3ffce42ed3d7ac5963e03d4b6e32460ef5b29ff7 | আমরা একটি শারীরিক বস্তুর একটি সম্পূর্ণ মডেল তৈরির সমস্যা নিয়ে গবেষণা করি। যদিও এটি তীব্রতার চিত্র ব্যবহার করে সম্ভব হতে পারে, আমরা এখানে রেঞ্জ চিত্র ব্যবহার করি যা সরাসরি ত্রিমাত্রিক তথ্যের অ্যাক্সেস সরবরাহ করে। প্রথম সমস্যাটি হল বিভিন্ন মতামতকে একত্রিত করা। পূর্ববর্তী পদ্ধতিতে এই রূপান্তরটি জানা যায় (যা একটি সম্পূর্ণ মডেলের জন্য অত্যন্ত কঠিন), অথবা এটি বৈশিষ্ট্য মিলের সাথে গণনা করা হয় (যা একীকরণের জন্য যথেষ্ট সঠিক নয়) । এই গবেষণাপত্রে আমরা একটি নতুন পদ্ধতির প্রস্তাব দিচ্ছি যা পরিসীমা d a t a এর উপর সরাসরি কাজ করে এবং দৃশ্যের মধ্যে সঠিক রূপান্তর পেতে পর্যাপ্ত ওভারল্যাপিং এলাকা সহ পরপর দৃশ্য রেকর্ড করে। এটি কার্যকরীকে ন্যূনতম করে সম্পন্ন করা হয় যার জন্য পয়েন্ট টু পয়েন্ট ম্যাচিংয়ের প্রয়োজন হয় না। আমরা রেজিস্ট্রেশন পদ্ধতি এবং মডেলিং পদ্ধতির বিস্তারিত বিবরণ প্রদান করি এবং জটিল বস্তুর বাস্তব পরিসরের চিত্রগুলিতে তাদের চিত্রিত করি। 1 প্রারম্ভিক শারীরিক বস্তুর মডেল তৈরি করা জৈবিক দৃষ্টি মডিউলগুলির একটি প্রয়োজনীয় উপাদান মেশিন। এই ধরনের মডেলগুলি অবজেক্ট স্বীকৃতি, পজ অনুমান বা পরিদর্শন কার্যগুলিতে ব্যবহার করা যেতে পারে। যদি আগ্রহের বস্তুটি সঠিকভাবে ডিজাইন করা হয়, তাহলে এই ধরনের মডেল একটি CAD মডেল আকারে বিদ্যমান। তবে অনেক ক্ষেত্রে এই ধরনের CAD মডেল ব্যবহার করা সম্ভব নয় বা ব্যবহারিক নয় এবং আমাদেরকে প্রকৃত বস্তু থেকে মডেল তৈরি করতে হবে। কিছু গবেষক একটি মডেল ব্যবহার করে সমস্যাটি বাইপাস করেন যা একাধিক ভিউ ([4], [a]) নিয়ে গঠিত, তবে এটি সর্বদা যথেষ্ট নয়। যদি কোন বস্তুর সম্পূর্ণ মডেল প্রয়োজন হয়, তাহলে নিম্নলিখিত ধাপগুলো প্রয়োজন: ১. তথ্য সংগ্রহ, ২. ভিউগুলির মধ্যে নিবন্ধন, ৩. ভিউগুলির একীকরণ। দৃশ্যের অর্থ হচ্ছে নির্দিষ্ট দৃষ্টিকোণ থেকে বস্তুর ত্রিমাত্রিক পৃষ্ঠের তথ্য। যদিও সমন্বয় প্রক্রিয়াটি ব্যবহৃত প্রতিনিধিত্বের স্কিমের উপর নির্ভরশীল, তবে সমন্বয় সম্পাদনের পূর্বশর্তটি বিভিন্ন দৃষ্টিকোণ থেকে ডেটার মধ্যে রূপান্তরকে জানার মধ্যে রয়েছে। রেজিস্ট্রেশনের লক্ষ্য হচ্ছে এমন একটি রূপান্তর খুঁজে বের করা, যা "প্রতিউত্তর" নামেও পরিচিত। এই সমস্যাটি পূর্ববর্তী অনেক গবেষণার মূল বিষয় ছিল: ভানু [a] একাধিক দৃশ্য অর্জনের জন্য পরিচিত কোণের মাধ্যমে বস্তুকে ঘোরানো দ্বারা বস্তুর স্বীকৃতির জন্য একটি বস্তু মডেলিং সিস্টেম তৈরি করেছিলেন। কুকুর এবং অন্যান্য। [3] এবং আহুজা এবং ভেন-স্ট্রা [l] অক্ট্রি অবজেক্ট মডেলগুলি নির্মাণের জন্য অক্ষরেখার দৃশ্য ব্যবহার করেছেন। এই পদ্ধতির সাহায্যে... |
883b2b981dc04139800f30b23a91b8d27be85b65 | এই গবেষণাপত্রে আমরা একটি কার্যকর 3D অবজেক্ট স্বীকৃতি এবং একটি বিশৃঙ্খল এবং অবরুদ্ধ পরিবেশে পদ্ধতিগুলি উপলব্ধি করার জন্য অনুমান পদ্ধতি উপস্থাপন করি। সাধারণ চেহারা-ভিত্তিক পদ্ধতির বিপরীতে, আমরা কেবলমাত্র 3D জ্যামিতি তথ্যের উপর নির্ভর করি। আমাদের পদ্ধতিটি একটি শক্তিশালী জ্যামিতিক বর্ণনাকারী, একটি হ্যাশিং কৌশল এবং একটি দক্ষ, স্থানীয়কৃত RANSAC-এর মতো নমুনা গ্রহণের কৌশল ভিত্তিক। আমরা ধরে নিই যে প্রতিটি বস্তুকে একটি মডেল দ্বারা প্রতিনিধিত্ব করা হয় যা সংশ্লিষ্ট পৃষ্ঠের স্বাভাবিকের সাথে পয়েন্টগুলির একটি সেট নিয়ে গঠিত। আমাদের পদ্ধতি একই সময়ে একাধিক মডেলকে চিহ্নিত করে এবং দৃশ্যের মধ্যে তাদের অবস্থান নির্ধারণ করে। বিভিন্ন পরীক্ষায় দেখা গেছে যে প্রস্তাবিত পদ্ধতিটি গোলমাল, গোলমাল এবং অবিচ্ছিন্ন পরিসরের স্ক্যানগুলিতে ভাল কাজ করে যেখানে বস্তুর কেবলমাত্র ছোট অংশই দৃশ্যমান। অ্যালগরিদমের প্রধান পদ্ধতির একটি রৈখিক সময় জটিলতা রয়েছে যার ফলে উচ্চ স্বীকৃতির গতি হয় যা পদ্ধতির একটি অবিচ্ছিন্ন ম্যানিপুলেশন কার্যে সরাসরি সংহতকরণের অনুমতি দেয়। ৭ ডিগ্রি ফ্রিডম কার্টেসিয়ান ইম্পিড্যান্স নিয়ন্ত্রিত রোবটের সাথে পরীক্ষামূলক বৈধতা দেখায় যে কীভাবে পদ্ধতিটি একটি জটিল র্যান্ডম স্ট্যাক থেকে বস্তুগুলি ধরার জন্য ব্যবহার করা যেতে পারে। এই অ্যাপ্লিকেশনটি দেখায় যে কম্পিউটার ভিশন এবং সফটরোবোটিক্সের সমন্বয় কীভাবে একটি রোবোটিক সিস্টেমের দিকে পরিচালিত করে যা অ-নিয়ন্ত্রিত এবং অ্যাক্লুড পরিবেশে কাজ করতে সক্ষম। |
9bc8aaaf23e2578c47d5d297d1e1cbb5b067ca3a | এই কাগজটি একটি একক ক্যামেরা ইমেজ এবং তাদের 3D poses নির্ধারণের জন্য একটি 3D বস্তুর দৃষ্টান্ত স্বীকৃতির জন্য একটি পদ্ধতি বর্ণনা করে। একটি শ্রেণীবিন্যাস মডেল শুধুমাত্র বস্তুর একটি 3D CAD মডেলের জ্যামিতি তথ্যের উপর ভিত্তি করে তৈরি করা হয়। এই পদ্ধতিটি বস্তুর পৃষ্ঠের টেক্সচার বা প্রতিফলন তথ্যের উপর নির্ভর করে না, এটি শিল্প ও রোবোটিক অ্যাপ্লিকেশনগুলির বিস্তৃত পরিসরের জন্য উপযোগী করে তোলে, যেমন, আবর্জনা বাছাই। একটি শ্রেণীবদ্ধ দৃশ্য-ভিত্তিক পদ্ধতি প্রয়োগ করা হয় যা পূর্ববর্তী পদ্ধতির সাধারণ সমস্যাগুলিকে সম্বোধন করেঃ এটি সত্যিকারের দৃষ্টিকোণ পরিচালনা করে, শব্দ, আড়াল এবং বিশৃঙ্খলার জন্য দৃঢ়ভাবে এমন একটি পরিমাণে যা অনেক ব্যবহারিক অ্যাপ্লিকেশনের জন্য যথেষ্ট, এবং বিপরীতে পরিবর্তনগুলির জন্য অপরিবর্তনীয়। এই শ্রেণীবিন্যাস মডেলের প্রজন্মের জন্য, একটি নতুন মডেল ইমেজ জেনারেশন কৌশল যা স্কেল-স্পেস প্রভাবগুলি বিবেচনা করা যেতে পারে তা উপস্থাপন করা হয়। প্রয়োজনীয় অবজেক্ট ভিউগুলি একটি অনুরূপতা-ভিত্তিক দিক গ্রাফ ব্যবহার করে প্রাপ্ত হয়। একটি নিখুঁত অনুসন্ধানের উচ্চ দৃঢ়তা একটি দক্ষ শ্রেণিবদ্ধ অনুসন্ধানের সাথে মিলিত হয়। 3D পজটি একটি সর্বনিম্ন-স্কোয়ার সমন্বয় ব্যবহার করে পরিমার্জিত করা হয় যা চিত্রের জ্যামিতিক দূরত্বকে কমিয়ে দেয়, যা বস্তুর দূরত্বের সাথে 0.12 শতাংশ পর্যন্ত অবস্থান নির্ভুলতা প্রদান করে এবং আমাদের পরীক্ষায় 0.35 ডিগ্রি পর্যন্ত ওরিয়েন্টেশন নির্ভুলতা প্রদান করে। স্বীকৃতি সময়টি বস্তুর জটিলতার সাথে ব্যাপকভাবে স্বাধীন, তবে মূলত পোজগুলির পরিসরের উপর নির্ভর করে যার মধ্যে বস্তুটি ক্যামেরার সামনে উপস্থিত হতে পারে। দক্ষতার কারণে, এই পদ্ধতিটি অ্যাপ্লিকেশনের উপর নির্ভর করে পোজ পরিসীমা সীমাবদ্ধ করতে দেয়। সাধারণত রানটাইম কয়েকশ মিঃ সেকেন্ডের মধ্যে থাকে। |
dbd66f601b325404ff3cdd7b9a1a282b2da26445 | প্রাথমিক মূল্যায়নের ফলাফল থেকে জানা যায় যে, ৬ ডি অবজেক্ট পজ অনুমান করার ক্ষেত্রে প্রযুক্তির স্তরে উন্নতির যথেষ্ট জায়গা রয়েছে, বিশেষ করে গুরুত্বপূর্ণ আচ্ছাদন সহ কঠিন ক্ষেত্রে। টি-লেস ডেটাসেটটি অনলাইনে পাওয়া যায় cmp:felk:cvut:cz/t-less. আমরা টি-লেস চালু করছি, ৬ ডি পজ, অর্থাৎ, টেক্সচার-কম কঠিন বস্তুর অনুবাদ এবং ঘূর্ণন। এই ডাটাসেটে ত্রিশটি শিল্প-প্রাসঙ্গিক বস্তু রয়েছে যার কোনও উল্লেখযোগ্য টেক্সচার নেই এবং কোনও বৈষম্যমূলক রঙ বা প্রতিফলন বৈশিষ্ট্য নেই। বস্তুর আকৃতি এবং/অথবা আকারের ক্ষেত্রে সিমট্রি এবং পারস্পরিক মিল রয়েছে। অন্যান্য ডেটাসেটের তুলনায়, একটি অনন্য বৈশিষ্ট্য হল যে কিছু বস্তু অন্যের অংশ। এই ডাটাসেটে তিনটি সিঙ্ক্রোনাইজড সেন্সর, বিশেষ করে একটি স্ট্রাকচার্ড-লাইট এবং একটি টাইম-অফ-ফ্লাইট আরজিবি-ডি সেন্সর এবং একটি উচ্চ-রেজোলিউশন আরজিবি ক্যামেরা দিয়ে তোলা প্রশিক্ষণ এবং পরীক্ষার চিত্র অন্তর্ভুক্ত রয়েছে। প্রতিটি সেন্সর থেকে প্রায় ৩৯ হাজার প্রশিক্ষণ এবং ১০ হাজার পরীক্ষার ছবি পাওয়া যায়। এছাড়াও, প্রতিটি বস্তুর জন্য দুটি ধরণের 3D মডেল সরবরাহ করা হয়, যেমনঃ একটি ম্যানুয়ালি তৈরি করা CAD মডেল এবং একটি আধা-স্বয়ংক্রিয়ভাবে পুনর্নির্মিত মডেল। প্রশিক্ষণ ইমেজ একটি কালো ব্যাকগ্রাউন্ডের বিরুদ্ধে পৃথক বস্তু চিত্রিত। পরীক্ষার চিত্রগুলি বিশটি পরীক্ষার দৃশ্য থেকে উদ্ভূত হয় যার জটিলতা বিভিন্ন, যা বিভিন্ন বিচ্ছিন্ন বস্তুর সাথে সহজ দৃশ্য থেকে শুরু করে বেশ কয়েকটি বস্তুর একাধিক উদাহরণ এবং প্রচুর পরিমাণে বিশৃঙ্খলা এবং আচ্ছাদন সহ খুব চ্যালেঞ্জিং দৃশ্যগুলিতে বৃদ্ধি পায়। চিত্রগুলি বস্তুটি / দৃশ্যের চারপাশে একটি পদ্ধতিগতভাবে নমুনাযুক্ত ভিউ স্ফিয়ার থেকে ধরা পড়ে এবং সমস্ত মডেলযুক্ত বস্তুর সঠিক গ্রাউন্ড ট্রুথ 6 ডি পোজ সহ টীকা দেওয়া হয়। |
74257c2a5c9633565c3becdb9139789bcf14b478 | আইটি নিয়ন্ত্রণ কাঠামো ব্যাপকভাবে গ্রহণ করা সত্ত্বেও, তাদের ব্যবহার তদন্ত করার জন্য সামান্য একাডেমিক অভিজ্ঞতার গবেষণা করা হয়েছে। এই গবেষণাপত্রটি অস্ট্রেলিয়ার বিভিন্ন সরকারি প্রতিষ্ঠানে তথ্য ও সংশ্লিষ্ট প্রযুক্তির নিয়ন্ত্রণের লক্ষ্যমাত্রা (কোবিট) থেকে ১৫টি মূল আইটি নিয়ন্ত্রণ প্রক্রিয়ার পরিপক্কতার মাত্রা নির্ধারণের জন্য গবেষণা করে। এটি বিভিন্ন দেশের একটি মিশ্র খাতের গ্রুপের সাথে তুলনা করে, এশীয় ও মহাসাগরীয় দেশগুলির একটি মিশ্র খাতের গ্রুপ এবং সমস্ত ভৌগলিক অঞ্চলের জন্য সরকারী খাতের সংস্থাগুলির সাথে তুলনা করে। অস্ট্রেলিয়ার তথ্যগুলো 387টি অ-আর্থিক সরকারি প্রতিষ্ঠানের মেইল সার্ভে দ্বারা সংগ্রহ করা হয়েছে, যাদের কর্মী সংখ্যা 50 জনের বেশি। ২০০২ সালে আইএস অডিট অ্যান্ড কন্ট্রোল অ্যাসোসিয়েশন কর্তৃক পরিচালিত মূল আন্তর্জাতিক জরিপে দেখা যায় যে, অস্ট্রেলিয়ার তথ্যেও একই ধরনের ধরণ দেখা গেছে। তবে, অস্ট্রেলিয়ার পাবলিক সেক্টরটি ১৫টি গুরুত্বপূর্ণ আইটি প্রক্রিয়ার জন্য সমস্ত আন্তর্জাতিক মানদণ্ডে সেক্টরগুলির চেয়ে ভাল করেছে। |
0e9bac6a2b51e93e73f7f5045d4252972db10b5a | আমরা একটি নতুন অ্যালগরিদম প্রদান করেছি, যা লক্ষ লক্ষ সারি, লক্ষ লক্ষ কলাম এবং বিলিয়ন সংখ্যক অ-শূন্য উপাদান সহ বড় ম্যাট্রিক্সকে আনুমানিকভাবে বিভাজন করতে পারে। আমাদের পদ্ধতি স্টোক্যাস্টিক গ্রেডিয়েন্ট অবতরণ (এসজিডি) এর উপর নির্ভর করে, এটি একটি পুনরাবৃত্তিমূলক স্টোক্যাস্টিক অপ্টিমাইজেশন অ্যালগরিদম। আমরা প্রথমে একটি নতুন "স্তরযুক্ত" এসজিডি বৈকল্পিক (এসএসজিডি) বিকাশ করি যা সাধারণ ক্ষতি-সর্বনিম্ন সমস্যাগুলির জন্য প্রযোজ্য যেখানে ক্ষতি ফাংশনটি "স্তর ক্ষতির" একটি ওজনের সমষ্টি হিসাবে প্রকাশ করা যেতে পারে। আমরা স্টোক্যাস্টিক আনুমানিক তত্ত্ব এবং পুনর্জন্ম প্রক্রিয়া তত্ত্বের ফলাফল ব্যবহার করে এসএসজিডি এর ঘনিষ্ঠতার জন্য পর্যাপ্ত শর্ত স্থাপন করি। তারপর আমরা এসএসজিডিকে বিশেষ করে নতুন ম্যাট্রিক্স-ফ্যাক্টরাইজেশন অ্যালগরিদম পেতে পারি, যাকে ডিএসজিডি বলা হয়, যা সম্পূর্ণরূপে বিতরণ করা যায় এবং ওয়েব-স্কেল ডেটাসেটে চালানো যায়, যেমন, ম্যাপ রিডাক্স। ডিএসজিডি বিভিন্ন ধরনের ম্যাট্রিক্স ফ্যাক্টরাইজেশন পরিচালনা করতে পারে। আমরা আমাদের DSGD বাস্তবায়নে কর্মক্ষমতা অপ্টিমাইজ করার জন্য ব্যবহৃত ব্যবহারিক কৌশল বর্ণনা করি। পরীক্ষাগুলি থেকে জানা যায় যে, ডিএসজিডি উল্লেখযোগ্যভাবে দ্রুত সংযুক্ত হয় এবং বিকল্প অ্যালগরিদমের চেয়ে ভাল স্কেলিবিলিটি বৈশিষ্ট্য রয়েছে। |
1109b663453e78a59e4f66446d71720ac58cec25 | আমরা শ্রেণীবিভাগ, স্থানীয়করণ এবং সনাক্তকরণের জন্য কনভোলুশনাল নেটওয়ার্ক ব্যবহারের জন্য একটি সমন্বিত কাঠামো উপস্থাপন করছি। আমরা দেখাবো কিভাবে একটি মাল্টিস্কেল এবং স্লাইডিং উইন্ডো পদ্ধতি কার্যকরভাবে একটি কনভনেট মধ্যে বাস্তবায়িত হতে পারে। আমরা স্থানীয়করণের জন্য একটি নতুন গভীর শিক্ষণ পদ্ধতির সূচনা করছি যা বস্তুর সীমানা পূর্বাভাস দিতে শেখায়। সনাক্তকরণের আস্থা বাড়ানোর জন্য সীমানা বাক্সগুলিকে দমন করার পরিবর্তে জমা করা হয়। আমরা দেখিয়েছি যে, একটি সাধারণ নেটওয়ার্ক ব্যবহার করে একই সময়ে বিভিন্ন কাজ শিখতে পারে। এই সমন্বিত কাঠামোটি ইমেজনেট লার্জ স্কেল ভিজ্যুয়াল রিকগনিশন চ্যালেঞ্জ ২০১৩ (আইএলএসভিআরসি ২০১৩) এর স্থানীয়করণ কার্যের বিজয়ী এবং সনাক্তকরণ এবং শ্রেণিবদ্ধকরণ কার্যের জন্য খুব প্রতিযোগিতামূলক ফলাফল অর্জন করেছে। প্রতিযোগিতার পর আমরা নতুন প্রযুক্তির আবিষ্কারের কাজ শুরু করি। অবশেষে, আমরা আমাদের সেরা মডেল থেকে একটি বৈশিষ্ট্য এক্সট্র্যাক্টর প্রকাশ করেছি যার নাম ওভারফিট। |
062c1c1b3e280353242dd2fb3c46178b87cb5e46 | এই গবেষণাপত্রে আমরা ক্রমাগত রাষ্ট্র-কর্মক্ষেত্রের সাথে পুনর্বহাল শেখার সমস্যাগুলিকে সম্বোধন করি। আমরা একটি নতুন অ্যালগরিদম, tted natural actor-critical (FNAC) এর প্রস্তাব দিচ্ছি, যা সাধারণ ফাংশন আনুমানিককরণ এবং ডেটা পুনরায় ব্যবহারের জন্য [1] এর কাজকে প্রসারিত করে। আমরা প্রাকৃতিক অভিনেতা-সমালোচনামূলক স্থাপত্যের সাথে [1] গুরুত্বের নমুনা ব্যবহার করে tted মান পুনরাবৃত্তির একটি বৈকল্পিকের সাথে একত্রিত করি। এই পদ্ধতিতে উভয় পদ্ধতির আকর্ষণীয় বৈশিষ্ট্যগুলি একত্রিত করা হয় এবং তাদের প্রধান দুর্বলতা অতিক্রম করা হয়ঃ একটি গ্রেডিয়েন্ট ভিত্তিক অভিনেতা ব্যবহার করে সহজেই ক্রমাগত কর্ম-স্পেসে নীতির অপ্টিমাইজেশনের সাথে রিগ্রেশন পদ্ধতিতে পাওয়া অসুবিধাগুলি অতিক্রম করে; পরিবর্তে, একটি রিগ্রেশন ভিত্তিক সমালোচকের ব্যবহার ডেটা দক্ষ ব্যবহারের অনুমতি দেয় এবং সমন্বয় সমস্যাগুলি এড়ায় যা টিডি-ভিত্তিক সমালোচকরা প্রায়শই প্রদর্শন করে। আমরা আমাদের অ্যালগরিদমের সংমিশ্রণ স্থাপন করি এবং একটি সাধারণ ধ্রুবক স্থান, ধ্রুবক ক্রিয়া সমস্যাতে এর প্রয়োগের চিত্রণ করি। |
f97f0902698abff8a2bc3488e8cca223e5c357a1 | তথ্য-খনির এবং মেশিন-লার্নিং সমস্যার সমাধানের জন্য বৈশিষ্ট্য নির্বাচন একটি গুরুত্বপূর্ণ দিক। এই কাগজটি সমর্থন ভেক্টর মেশিন (এসভিএম) শেখার জন্য একটি বৈশিষ্ট্য-নির্বাচন পদ্ধতি প্রস্তাব করে। বেশিরভাগ বৈশিষ্ট্য-নির্বাচন পদ্ধতির মতো, প্রস্তাবিত পদ্ধতিটি সমস্ত বৈশিষ্ট্যকে গুরুত্বের ক্রম হ্রাসের জন্য স্থান দেয় যাতে আরও প্রাসঙ্গিক বৈশিষ্ট্যগুলি সনাক্ত করা যায়। এটি SVM এর সম্ভাব্যতা আউটপুট উপর ভিত্তি করে একটি নতুন মানদণ্ড ব্যবহার করে। এই মানদণ্ড, যাকে বলা হয় ফিচার-ভিত্তিক সংবেদনশীলতা (এফএসপিপি), একটি নির্দিষ্ট বৈশিষ্ট্যের গুরুত্বকে মূল্যায়ন করে, বৈশিষ্ট্য স্পেসের উপর, বৈশিষ্ট্য সহ এবং ছাড়াই এসভিএমের সম্ভাব্যতা আউটপুটগুলির পরম পার্থক্যের সমষ্টিগত মান গণনা করে। এই মানদণ্ডের সঠিক রূপটি সহজেই গণনা করা যায় না এবং আনুমানিক প্রয়োজন। এই উদ্দেশ্যে চারটি সমীকরণ প্রস্তাব করা হয়েছে, FSPP1-FSPP4। প্রথম দুইটি সমীকরণ প্রশিক্ষণ তথ্যের নমুনার মধ্যে বৈশিষ্ট্যটির মানগুলিকে এলোমেলোভাবে পারমিট করে মানদণ্ডটি মূল্যায়ন করে। তারা মানক এসভিএম আউটপুট থেকে তার সম্ভাব্যতা আউটপুট থেকে ম্যাপিং ফাংশন তাদের পছন্দগুলিতে ভিন্নঃ এফএসপিপি 1 একটি সহজ থ্রেশহোল্ড ফাংশন ব্যবহার করে যখন এফএসপিপি 2 একটি সিগময়েড ফাংশন ব্যবহার করে। দ্বিতীয় দুটি সরাসরি মানদণ্ডের সাথে মিলিত হয় কিন্তু বৈশিষ্ট্যগুলির সাথে মানদণ্ডের মসৃণতা অনুমানগুলিতে পার্থক্য করে। এই আনুমানিক কার্যকারিতা, একটি সামগ্রিক বৈশিষ্ট্য-নির্বাচন স্কিমে ব্যবহৃত হয়, তারপর বিভিন্ন কৃত্রিম সমস্যা এবং বাস্তব বিশ্বের সমস্যাগুলির উপর মূল্যায়ন করা হয়, যার মধ্যে সাম্প্রতিক নিউরাল ইনফরমেশন প্রসেসিং সিস্টেম (এনআইপিএস) বৈশিষ্ট্য নির্বাচন প্রতিযোগিতা থেকে ডেটা সেট অন্তর্ভুক্ত রয়েছে। এফএসপিপি১-৩ ধারাবাহিকভাবে ভালো পারফরম্যান্স দেখায় এবং এফএসপিপি২ সামান্য ব্যবধানের মধ্যে সেরা। FSPP2 এর পারফরম্যান্স আমাদের পরীক্ষিত ডেটাসেটগুলির উপর সাহিত্যে সেরা পারফরম্যান্স বৈশিষ্ট্য-নির্বাচন পদ্ধতিগুলির সাথে প্রতিযোগিতামূলক। এর সাথে যুক্ত গণনাগুলি বিনয়ী এবং তাই এটি এসভিএম অ্যাপ্লিকেশনগুলির জন্য বৈশিষ্ট্য-নির্বাচন পদ্ধতি হিসাবে উপযুক্ত। |
a1c5a6438d3591819e730d8aecb776a52130c33d | একটি কমপ্যাক্ট মাইক্রোস্ট্রিপ লো পাস ফিল্টার (এলপিএফ) সুপার-ওয়াইড স্টপব্যান্ডের সাথে রূপান্তরিত স্টেপড ইমপিড্যান্স হেয়ারপিন রেজোনার ব্যবহার করে প্রস্তাবিত। রূপান্তরিত রেজোনারটিতে একটি স্টেপড ইমপিড্যান্স হেয়ারপিন রেজোনার এবং একটি এমবেডেড হেক্সাগন স্টব লোডযুক্ত কপলড-লাইন কাঠামো রয়েছে। আকার বাড়ানো ছাড়া, একটি বিস্তৃত স্টপব্যান্ড পেতে এমবেডেড কাঠামো চালু করা হয়। একটি প্রোটোটাইপ এলপিএফ সিমুলেট, তৈরি এবং পরিমাপ করা হয়েছে এবং পরিমাপগুলি সিমুলেশনগুলির সাথে ভালভাবে একমত। এই ফিল্টারটিতে ১৪ ডিসিএল রিজেকশন লেভেল সহ ১২.০১ এফসি পর্যন্ত অতি-প্রশস্ত স্টপব্যান্ড রয়েছে। এছাড়াও, প্রস্তাবিত ফিল্টারটির আকার 0.071λg × 0.103λg, যেখানে λg হল ওয়েভগাইডের দৈর্ঘ্য, যা 1.45 গিগাহার্টজ কটফ ফ্রিকোয়েন্সিতে রয়েছে। |
70d2d4b07b5c65ef4866c7fd61f9620bffa01e29 | গত এক দশকে জলবায়ু পরিবর্তন এবং বৃষ্টিপাতের পরিমাণ অনিয়মিত হয়েছে। এই কারণে সাম্প্রতিক সময়ে অনেক ভারতীয় কৃষক জলবায়ু-স্মার্ট পদ্ধতি গ্রহণ করেছেন। স্মার্ট এগ্রিকালচার হল একটি স্বয়ংক্রিয় ও নির্দেশিত তথ্য প্রযুক্তি যা আইওটি (ইন্টারনেট অফ থিংস) এর মাধ্যমে বাস্তবায়িত হয়। ইন্টারনেট অব ইন্টারনেট দ্রুতগতিতে বিকাশ লাভ করছে এবং এটি সমস্ত ওয়্যারলেস পরিবেশে ব্যাপকভাবে প্রয়োগ করা হচ্ছে। এই গবেষণাপত্রে কৃষি ব্যবস্থার প্রকৃত পরিস্থিতির উপর ভিত্তি করে সেন্সর প্রযুক্তি এবং আইওটি প্রযুক্তির ওয়্যারলেস নেটওয়ার্ক ইন্টিগ্রেশন নিয়ে গবেষণা ও পর্যালোচনা করা হয়েছে। ইন্টারনেট এবং ওয়্যারলেস যোগাযোগের সাথে একটি সমন্বিত পদ্ধতির প্রস্তাব দেওয়া হয়েছে, রিমোট মনিটরিং সিস্টেম (আরএমএস) । কৃষি উৎপাদন পরিবেশের রিয়েল টাইম ডেটা সংগ্রহের লক্ষ্যে এই প্রকল্পের আওতায় কৃষি সুবিধাদি যেমন- শর্ট ম্যাসেজিং সার্ভিস (এসএমএস) এর মাধ্যমে সতর্কতা, আবহাওয়া, ফসল ইত্যাদির বিষয়ে পরামর্শ দেওয়া হবে। |
ea88b58158395aefbb27f4706a18dfa2fd7daa89 | অনলাইন সোশ্যাল নেটওয়ার্ক (ওএসএন) -এ যথেষ্ট পরিমাণে স্ব-প্রকাশের সত্ত্বেও, এই ঘটনাটির পিছনে অনুপ্রেরণা এখনও খুব কম বোঝা যায়। গোপনীয়তা গণনা তত্ত্বের উপর ভিত্তি করে, এই গবেষণাটি স্ব-প্রকাশের সিদ্ধান্তের পিছনে থাকা কারণগুলিকে আরও ঘনিষ্ঠভাবে দেখে এই ফাঁকটি পূরণ করে। ২৩৭ জনের সাথে একটি কাঠামোগত সমীকরণ মডেলের মধ্যে আমরা উপলব্ধি করা উপভোগ এবং গোপনীয়তা উদ্বেগকে তথ্য প্রকাশের গুরুত্বপূর্ণ নির্ধারক হিসাবে খুঁজে পাই। আমরা নিশ্চিত করছি যে ওএসএন ব্যবহারকারীদের গোপনীয়তা সংক্রান্ত উদ্বেগগুলি প্রাথমিকভাবে গোপনীয়তা লঙ্ঘনের অনুভূত সম্ভাবনা দ্বারা নির্ধারিত হয় এবং প্রত্যাশিত ক্ষতির দ্বারা অনেক কম। এই অন্তর্দৃষ্টিগুলি ওএসএন সরবরাহকারী এবং নীতি নির্ধারকদের জন্য একটি সুস্থ প্রকাশের স্তর নিশ্চিত করার প্রচেষ্টায় একটি দৃঢ় ভিত্তি সরবরাহ করে যা বিষয়গত ভুল ধারণার পরিবর্তে উদ্দেশ্যমূলক যুক্তির উপর ভিত্তি করে। |
9dbfcf610da740396b2b9fd75c7032f0b94896d7 | ডাটাবেজ ম্যানেজমেন্ট সিস্টেমের (DBMS) সাথে ইন্টারঅ্যাক্ট করে এমন অ্যাপ্লিকেশনগুলি সর্বত্রই রয়েছে। এই ধরনের ডাটাবেস অ্যাপ্লিকেশন সাধারণত একটি অ্যাপ্লিকেশন সার্ভারে হোস্ট করা হয় এবং প্রক্রিয়াকরণের জন্য ডেটা পুনরুদ্ধারের জন্য ডাটাবেস সার্ভারে হোস্ট করা একটি DBMS-এ নেটওয়ার্কের মাধ্যমে অনেক ছোট অ্যাক্সেস সম্পাদন করে। কয়েক দশক ধরে ডাটাবেস এবং প্রোগ্রামিং সিস্টেম গবেষণা সম্প্রদায়গুলি বিভিন্ন দৃষ্টিকোণ থেকে এই জাতীয় অ্যাপ্লিকেশনগুলিকে অনুকূলিতকরণের জন্য কাজ করেছেঃ ডাটাবেস গবেষকরা অত্যন্ত দক্ষ ডিবিএমএস তৈরি করেছেন এবং প্রোগ্রামিং সিস্টেম গবেষকরা হোস্টিং অ্যাপ্লিকেশনগুলির জন্য বিশেষায়িত সংকলক এবং রানটাইম সিস্টেম তৈরি করেছেন। তবে, এই বিশেষায়িত সিস্টেমগুলিকে একত্রিত করে এবং তাদের জুড়ে অপ্টিমাইজেশনের সুযোগগুলি সন্ধান করে ডাটাবেস অ্যাপ্লিকেশনগুলিকে অনুকূলিতকরণের তুলনামূলকভাবে সামান্য কাজ হয়েছে। এই প্রবন্ধে আমরা তিনটি প্রকল্পের কথা তুলে ধরব যা প্রোগ্রামিং সিস্টেম এবং DBMS উভয়কে সামগ্রিকভাবে দেখে ডাটাবেস অ্যাপ্লিকেশনগুলিকে অপ্টিমাইজ করে। DBMS এবং অ্যাপ্লিকেশন মধ্যে ইন্টারফেস সাবধানে পুনর্বিবেচনা করে, এবং ঘোষণাপত্রের ডাটাবেস অপ্টিমাইজেশান এবং আধুনিক প্রোগ্রাম বিশ্লেষণ কৌশল একটি মিশ্রণ প্রয়োগ করে, আমরা দেখায় যে একটি গতি বাড়ানোর আকারের একাধিক আদেশ বাস্তব বিশ্বের অ্যাপ্লিকেশন সম্ভব। |
fdc3948f5fec24eb7cd4178aee9732ab284f1f1c | এই গবেষণাপত্রে WWAN/LTE ধাতব-রিংযুক্ত স্মার্টফোন অ্যাপ্লিকেশনের জন্য একটি হাইব্রিড মাল্টি-মোড সংকীর্ণ ফ্রেম অ্যান্টেনা প্রস্তাব করা হয়েছে। গ্রাউন্ড ক্লিয়ারেনস মাত্র ৫ মিমি × ৪৫ মিমি, যা সংকীর্ণ ফ্রেমের স্মার্টফোনের জন্য আশাব্যঞ্জক। একটি ছোট ফাঁক সঙ্গে ধাতু রিম তিনটি স্থলিত প্যাচ দ্বারা সিস্টেম গ্রাউন্ড সংযুক্ত করা হয়। এই প্রস্তাবিত অ্যান্টেনা তিনটি কপলড লুপ মোড এবং একটি স্লট মোড উত্তেজিত করতে পারে। এই চারটি মোডের মাধ্যমে প্রস্তাবিত অ্যান্টেনাটি জিএসএম ৮৫০/৯০০, ডিসিএস/পিসিএস/ইউএমটিএস ২১০০ এবং এলটিই ২৩০০/২৫০০ অপারেশনের জন্য কভারেজ প্রদান করতে পারে। প্রস্তাবিত অ্যান্টেনার বিস্তারিত নকশা বিবেচনা বর্ণনা করা হয়, এবং উভয় পরীক্ষামূলক এবং সিমুলেটেড ফলাফল এছাড়াও উপস্থাপন করা হয়। |
021f37e9da69ea46fba9d2bf4e7ca3e8ba7b3448 | একটি অতি-বিশালবন্দর সৌর ভিভালদি অ্যান্টেনা প্রস্তাবিত। এটি অ্যামর্ফাস সিলিকন কোষ থেকে কাটা, এটি 4.25 ভি এ একটি শীর্ষ শক্তি বজায় রাখে, যা ক্ষয়ক্ষতিযুক্ত পাওয়ার ম্যানেজমেন্ট উপাদানগুলির প্রয়োজনকে অতিক্রম করে। এই ওয়্যারলেস যোগাযোগ যন্ত্র সৌরশক্তি উৎপাদন করতে পারে অথবা দ্বৈত উৎস থেকে শক্তি সংগ্রহের জন্য একটি রেক্টিনা হিসেবে কাজ করতে পারে। সৌর ভিভালডি 0.95-2.45 গিগাহার্জ থেকে 0.5-2.8 ডিবিআই লাভের সাথে কাজ করে এবং রেক্টেননা মোডে এটি ওয়্যারলেস শক্তি স্কেভিংয়ের জন্য তিনটি ব্যান্ডকে আচ্ছাদন করে। |
592a6d781309423ceb95502e92e577ef5656de0d | মেশিন অনুবাদে নিউরাল এনকোডার-ডিকোডার মডেলগুলি ঐতিহ্যগত অনুবাদ মডেলগুলির প্রতিদ্বন্দ্বিতা করে চিত্তাকর্ষক ফলাফল অর্জন করেছে। তবে তাদের মডেলিং ফর্মুলেশনটি অত্যধিক সরলীকৃত এবং traditionalতিহ্যবাহী মডেলগুলিতে নির্মিত বেশ কয়েকটি মূল আনয়নমূলক পক্ষপাত বাদ দেয়। এই গবেষণাপত্রে আমরা মনোযোগের স্নায়ু অনুবাদ মডেলকে শব্দ ভিত্তিক প্রান্তিককরণ মডেল থেকে কাঠামোগত পক্ষপাতগুলি অন্তর্ভুক্ত করার জন্য প্রসারিত করি, যার মধ্যে অবস্থানগত পক্ষপাত, মার্কভ কন্ডিশনিং, উর্বরতা এবং অনুবাদ নির্দেশাবলীর উপর চুক্তি রয়েছে। আমরা একটি বেসলাইন মনোযোগের মডেল এবং স্ট্যান্ডার্ড বাক্যাংশ-ভিত্তিক মডেলের তুলনায় বেশ কয়েকটি ভাষা জোড়ার উন্নতি দেখি, কম সংস্থান সেটিংয়ে কঠিন ভাষাগুলির মূল্যায়ন করে। |
9ebe089caca6d78ff525856c7a828884724b9039 | বেয়েসিয়ান পদ্ধতির মাধ্যমে রিইনফোর্সমেন্ট লার্নিং এর মধ্যে অনুসন্ধান ও শোষণের সমঝোতার একটি নীতিগত সমাধান প্রদান করা হয়। তবে, সাধারণ পদ্ধতিগুলি সম্পূর্ণরূপে পর্যবেক্ষণযোগ্য পরিবেশ বা দুর্বলভাবে স্কেল করে। এই কাজটি ফ্যাক্টরযুক্ত বেজ-অনুকূলিত POMDP মডেলের পরিচয় করিয়ে দেয়, একটি কাঠামো যা আংশিকভাবে পর্যবেক্ষণযোগ্য সিস্টেমে গতিশীলতা শেখার সময় অন্তর্নিহিত কাঠামোটি কাজে লাগাতে সক্ষম। আমরা রাষ্ট্র এবং মডেল ভেরিয়েবলের উপর যৌথ পশ্চিমাংশের আনুমানিক অনুমান করার জন্য একটি বিশ্বাস ট্র্যাকিং পদ্ধতি এবং মন্টে-কার্লো ট্রি সার্চ সমাধান পদ্ধতির একটি অভিযোজন উপস্থাপন করি, যা একসাথে অন্তর্নিহিত সমস্যাটি প্রায়-সর্বোত্তমভাবে সমাধান করতে সক্ষম। আমাদের পদ্ধতি একটি পরিচিত ফ্যাক্টরাইজেশন দেওয়া দক্ষতার সাথে শিখতে সক্ষম বা একই সময়ে ফ্যাক্টরাইজেশন এবং মডেল প্যারামিটারগুলি শিখতে সক্ষম। আমরা দেখিয়েছি যে এই পদ্ধতিটি বর্তমান পদ্ধতির চেয়ে বেশি কার্যকর এবং এমন সমস্যা মোকাবেলা করতে সক্ষম যা পূর্বে অসম্ভব ছিল। |
b3a18280f63844e2178d8f82bc369fcf3ae6d161 | ওয়ার্ড এম্বেডিং একটি জনপ্রিয় ফ্রেমওয়ার্ক যা বাস্তব সংখ্যার ভেক্টর হিসাবে পাঠ্য ডেটা উপস্থাপন করে। এই ভেক্টরগুলি ভাষার অর্থনীতিকে ক্যাপচার করে এবং বিভিন্ন প্রাকৃতিক ভাষা প্রক্রিয়াকরণ এবং মেশিন লার্নিং অ্যাপ্লিকেশনগুলিতে ব্যবহৃত হয়। এই উপকারী বৈশিষ্ট্য সত্ত্বেও, সাধারণ ভাষা কর্পোরাস থেকে প্রাপ্ত শব্দ এম্বেডিংগুলি অবশ্যই মানুষের পক্ষপাত প্রদর্শন করে [6]। আমরা GloVe শব্দ এম্বেডিং অ্যালগরিদম দ্বারা উত্পাদিত পেশা শব্দ ভেক্টরগুলির জন্য প্রত্যক্ষ এবং পরোক্ষ লিঙ্গ পক্ষপাত পরিমাপ করি [৯], তারপরে এই এম্বেডিং ব্যবহার করে ডাউনস্ট্রিম অ্যাপ্লিকেশনগুলিতে পক্ষপাতকে প্রশস্ত করতে কম পক্ষপাত সহ একটি এম্বেডিং উত্পাদন করতে এই অ্যালগরিদমটি সংশোধন করুন। |
08a6e999532544e83618c16a96f6d4c7356bc140 | |
0c35a65a99af8202fe966c5e7bee00dea7cfcbf8 | এই নিবন্ধটি একটি স্বয়ংক্রিয় নামহীন, ইন্টারেক্টিভ ট্যুর-গাইড রোবটের সফ্টওয়্যার আর্কিটেকচার বর্ণনা করে। এটি একটি মডিউল এবং বিতরণ সফ্টওয়্যার আর্কিটেকচার উপস্থাপন করে, যা স্থানীয়করণ, ম্যাপিং, সংঘর্ষ এড়ানো, পরিকল্পনা এবং ব্যবহারকারীর মিথস্ক্রিয়া এবং ওয়েব-ভিত্তিক টেলি-প্রেসেন্স সম্পর্কিত বিভিন্ন মডিউলকে সংহত করে। এর মূলত, s oftware পদ্ধতির সম্ভাব্যতা গণনা, অনলাইন লার্নিং এবং যেকোন সময় অ্যালগরিদমের উপর নির্ভর করে। এটি অত্যন্ত গতিশীল পরিবেশে নিরাপদ, নির্ভরযোগ্য এবং উচ্চ গতিতে কাজ করতে রোবটকে সক্ষম করে এবং রোবটের কাজকে সহায়তা করার জন্য পরিবেশের কোনও পরিবর্তন প্রয়োজন হয় না। বিশেষ জোর দেওয়া হচ্ছে এমন ইন্টারেক্টিভ সামর্থ্যের নকশায় যা মানুষের অন্তর্দৃষ্টিকে আকর্ষণ করে। ইন্টারফেসটি মানুষের সাথে মানুষের ইন্টারঅ্যাকশন জন্য নতুন উপায় প্রদান করে-রোবট জনসাধারণের ভিড়ের সাথে জনসাধারণের সাথে ইন্টারঅ্যাকশন, এবং এটি সারা বিশ্বের মানুষকে ওয়েব ব্যবহার করে একটি "ভার্চুয়াল টেলিপ্রসেন্স" প্রতিষ্ঠার ক্ষমতা প্রদান করে। আমাদের পদ্ধতির চিত্রণ হিসেবে, ১৯৯৭ সালের মাঝামাঝি সময়ে আমাদের রিনো রোবটটি একটি ঘনবসতিপূর্ণ জাদুঘরে ছয় দিন ধরে কাজ করার পর পাওয়া ফলাফলের কথা বলা হয়েছে। গবেষণার ফলাফলগুলো জনসাধারণের পরিবেশে নির্ভরযোগ্য অপারেশনকে প্রমাণ করে। রোবটটি সফলভাবে মিউজিয়ামের দর্শকদের মনোযোগ ৫০ শতাংশের বেশি বাড়িয়ে দিয়েছে। এছাড়াও, সারা বিশ্বের হাজার হাজার মানুষ ওয়েবের মাধ্যমে রোবটটিকে নিয়ন্ত্রণ করে। আমরা অনুমান করি যে এই উদ্ভাবনগুলি পরিষেবা রোবটের জন্য অনেক বড় অ্যাপ্লিকেশন ডোমেনের পরিধি অতিক্রম করে। |
66479c2251088dae51c228341c26164f21250593 | |
2c521847f2c6801d8219a1a2e9f4e196798dd07d | |
c0e97ca70fe29db4ceb834464576b699ef8874b1 | এই চিঠিতে একটি নতুন শব্দার্থিক ম্যাপিং পদ্ধতির কথা বলা হয়েছে, রিসিয়র-অক্টোম্যাপ, যা দীর্ঘমেয়াদী ত্রিমাত্রিক (3-ডি) লিডার ডেটা থেকে শিখেছে। বেশিরভাগ বিদ্যমান অর্থপূর্ণ মানচিত্র পদ্ধতির ফোকাস একক ফ্রেমের অর্থপূর্ণ বোঝার উন্নতিতে, অর্থপূর্ণ মানচিত্রের 3-ডি পরিমার্জন (যেমন, ফ্রেম ম্যাপিং) এর পরিবর্তে। সংজ্ঞাবহ পর্যবেক্ষণের সংমিশ্রণ) । ৩ ডি সেমান্টিক মানচিত্রের পরিমার্জনের জন্য সর্বাধিক ব্যবহৃত পদ্ধতি হল বেজ আপডেট, যা একটি মার্কভ-চেইন মডেল অনুসরণ করে পরপর ভবিষ্যদ্বাণীমূলক সম্ভাব্যতাকে একত্রিত করে। পরিবর্তে, আমরা একটি শ্রেণীবিভাগ থেকে ভবিষ্যদ্বাণীগুলিকে কেবলমাত্র একত্রিত করার পরিবর্তে, অর্থগত বৈশিষ্ট্যগুলিকে একত্রিত করার জন্য একটি শেখার পদ্ধতির প্রস্তাব দিই। আমাদের পদ্ধতিতে, আমরা আমাদের ৩ ডি মানচিত্রকে একটি অক্টোম্যাপ হিসাবে উপস্থাপন করি এবং বজায় রাখি, এবং প্রতিটি কোষকে একটি পুনরাবৃত্ত নিউরাল নেটওয়ার্ক হিসাবে মডেল করি, একটি পুনরাবৃত্ত-অক্টোম্যাপ পেতে। এই ক্ষেত্রে, শব্দার্থিক ম্যাপিং প্রক্রিয়াটি একটি ক্রম-টু-ক্রম এনকোডিং-ডিকোডিং সমস্যা হিসাবে তৈরি করা যেতে পারে। উপরন্তু, আমাদের রিসিয়র-অক্টোম্যাপে পর্যবেক্ষণের সময়কাল বাড়ানোর জন্য, আমরা একটি শক্তিশালী ৩-ডি স্থানীয়করণ এবং ম্যাপিং সিস্টেম তৈরি করেছি যা দুই সপ্তাহের বেশি ডেটা ব্যবহার করে ধারাবাহিকভাবে একটি গতিশীল পরিবেশের ম্যাপিং করতে পারে, এবং সিস্টেমটি প্রশিক্ষিত হতে পারে এবং নির্বিচারে মেমরি দৈর্ঘ্যের সাথে স্থাপন করা যেতে পারে। আমরা ইটিএইচ দীর্ঘমেয়াদী 3-ডি লিডার ডেটাসেটে আমাদের পদ্ধতির বৈধতা নিশ্চিত করেছি। পরীক্ষামূলক ফলাফল থেকে জানা যায় যে, আমাদের প্রস্তাবিত পদ্ধতিটি প্রচলিত বেজ আপডেট পদ্ধতির চেয়ে ভালো। |
1d3ddcefe4d5fefca04fe730ca73312e2c588b3b | শিক্ষার্থীদের ধরে রাখা অনেক ভর্তি ব্যবস্থাপনা ব্যবস্থার একটি গুরুত্বপূর্ণ অংশ। এটি বিশ্ববিদ্যালয়ের র্যাঙ্কিং, স্কুলের খ্যাতি এবং আর্থিক কল্যাণকে প্রভাবিত করে। উচ্চশিক্ষা প্রতিষ্ঠানগুলোর সিদ্ধান্ত গ্রহণকারীদের কাছে শিক্ষার্থীদের ধরে রাখা অন্যতম গুরুত্বপূর্ণ বিষয় হয়ে উঠেছে। শিক্ষার্থীদের ধরে রাখার ক্ষেত্রে উন্নতি সাধন করা শুরু হয় শিক্ষার্থীদের হারানোর পেছনের কারণগুলো সম্পর্কে গভীরভাবে বোঝার মাধ্যমে। এই ধরনের বোঝাপড়া ঝুঁকিপূর্ণ শিক্ষার্থীদের সঠিকভাবে পূর্বাভাস দেওয়ার এবং তাদের ধরে রাখার জন্য যথাযথভাবে হস্তক্ষেপের ভিত্তি। এই গবেষণায়, পাঁচ বছরের প্রাতিষ্ঠানিক তথ্যের সাথে সাথে বিভিন্ন তথ্য খনির কৌশল (ব্যক্তিগত এবং সমষ্টি উভয়) ব্যবহার করে, আমরা বিশ্লেষণাত্মক মডেলগুলি তৈরি করেছি নতুন শিক্ষার্থীদের অবসরের কারণগুলি পূর্বাভাস দিতে এবং ব্যাখ্যা করতে। তুলনামূলক বিশ্লেষণের ফলাফল থেকে দেখা গেছে যে সমষ্টিগুলি পৃথক মডেলের চেয়ে ভাল পারফরম্যান্স করেছে, যখন ভারসাম্যপূর্ণ ডেটাসেট ভারসাম্যহীন ডেটাসেটের চেয়ে ভাল পূর্বাভাস ফলাফল তৈরি করেছে। ক্রয় রপ্তানির সংবেদনশীলতা বিশ্লেষণ পূর্ববর্তী নিবন্ধ পরবর্তী নিবন্ধ আপনার লগইন শংসাপত্র বা আপনার প্রতিষ্ঠানের মাধ্যমে আপনার অ্যাক্সেস আছে কিনা তা পরীক্ষা করুন। |
1b3b22b95ab55853aff3ea980a5b4a76b7537980 | ক্রমাগত বৈশিষ্ট্যযুক্ত ডোমেনগুলিতে সি 4.5 এর একটি দুর্বলতা প্রতিবেদন করা হয়েছে যা ক্রমাগত বৈশিষ্ট্যগুলির উপর পরীক্ষার গঠন এবং মূল্যায়নকে সংশোধন করে সমাধান করা হয়েছে। এমডিএল-অনুপ্রাণিত শাস্তি এই ধরনের পরীক্ষার জন্য প্রয়োগ করা হয়, তাদের কিছু বিবেচনা থেকে বাদ দেওয়া এবং সমস্ত পরীক্ষার আপেক্ষিক আকাঙ্ক্ষার পরিবর্তন করা। পরীক্ষামূলক পরীক্ষাগুলি দেখায় যে পরিবর্তনগুলি উচ্চতর ভবিষ্যদ্বাণীপূর্ণ নির্ভুলতার সাথে ছোট সিদ্ধান্ত গাছের দিকে পরিচালিত করে। ফলাফলগুলি আরও নিশ্চিত করে যে এই পরিবর্তনগুলি অন্তর্ভুক্ত করে সি 4.5 এর একটি নতুন সংস্করণ সাম্প্রতিক পদ্ধতির চেয়ে উন্নত যা বিশ্বব্যাপী ডিসক্রিটাইজেশন ব্যবহার করে এবং যা বহু-বিভক্ত বিভাজন সহ ছোট গাছ তৈরি করে। |
1060ff9852dc12e05ec44bee7268efdc76f7535d | মূল ধারণাটি হল যে ইনপুট জোড়ার (আই, জে) মধ্যে সরাসরি প্রবাহ গণনা করার পরিবর্তে, আমরা চিত্রগুলির সংস্করণগুলি (আই, জে ) গণনা করি যেখানে আলোকসজ্জা সংরক্ষণের সময় মুখের ভাব এবং পোজ স্বাভাবিক হয়। এটি সম্পূর্ণ ফটো সংগ্রহ থেকে গঠিত একটি উপ-অবস্থান থেকে প্রতিটি ফটো পুনরাবৃত্তভাবে প্রজেক্ট করে অর্জন করা হয়। প্রবাহের সংমিশ্রণ (I → I ) o (J → J) দ্বারা পছন্দসই প্রবাহ প্রাপ্ত হয়। আমাদের পদ্ধতিটি যেকোনো দুই ফ্রেমের অপটিক্যাল ফ্লো অ্যালগরিদমের সাথে ব্যবহার করা যায়, এবং আলোকসজ্জা এবং আকৃতি পরিবর্তনের ক্ষেত্রে ইনভ্যারিয়েন্স প্রদান করে অ্যালগরিদমের কর্মক্ষমতা উল্লেখযোগ্যভাবে বাড়ায়। আলোকসজ্জা, পোজ এবং জ্যামিতির পার্থক্যের কারণে ইন্টারনেটের যেকোনো জোড়া মুখের ছবির মধ্যে অপটিক্যাল ফ্লো গণনা করা সবচেয়ে বর্তমান শিল্পের প্রবাহের অনুমান পদ্ধতির জন্য চ্যালেঞ্জিং। আমরা দেখিয়েছি যে একই (বা অনুরূপ) বস্তুর একটি বড় ফটো সংগ্রহের মাধ্যমে প্রবাহের অনুমানকে নাটকীয়ভাবে উন্নত করা যেতে পারে। বিশেষ করে, গুগল ইমেজ সার্চ থেকে একজন সেলিব্রিটির ছবির ক্ষেত্রে বিবেচনা করুন। যে কোন দুটি ছবিতে ভিন্ন ভিন্ন মুখের ভাব, আলোকসজ্জা এবং মুখের দিকনির্দেশনা থাকতে পারে। |
823964b144009f7c395cd09de9a70fe06542cc84 | গ্রিনহাউস গ্যাস নির্গমন কমানোর এবং মিশ্র শক্তির উৎস চালু করার প্রয়োজনীয়তার কারণে বৈদ্যুতিক বিদ্যুৎ উৎপাদনে বিশ্বজুড়ে নাটকীয় পরিবর্তন হচ্ছে। বিদ্যুৎ নেটওয়ার্কে অপ্রত্যাশিত দৈনিক ও মৌসুমী পরিবর্তনগুলির সাথে চাহিদা মেটাতে পরিবহন ও বিতরণে বড় চ্যালেঞ্জের মুখোমুখি হয়। বিদ্যুৎ শক্তি সঞ্চয় (ইইএস) এই চ্যালেঞ্জগুলি মোকাবেলায় একটি বড় সম্ভাবনা রয়েছে এমন প্রযুক্তিগুলির অন্তর্নিহিত হিসাবে স্বীকৃত, যার মাধ্যমে ব্যবহৃত প্রযুক্তি অনুসারে শক্তি একটি নির্দিষ্ট অবস্থায় সংরক্ষণ করা হয় এবং যখন প্রয়োজন হয় তখন বৈদ্যুতিক শক্তিতে রূপান্তরিত হয়। তবে, বিভিন্ন ধরণের বিকল্প এবং জটিল বৈশিষ্ট্যযুক্ত ম্যাট্রিক্সগুলি একটি নির্দিষ্ট অ্যাপ্লিকেশনের জন্য একটি নির্দিষ্ট ইইএস প্রযুক্তির মূল্যায়ন করা কঠিন করে তোলে। এই নথিতে বিদ্যুৎ উৎপাদন ও বিতরণ ব্যবস্থায় সংযুক্ত করার জন্য যে সব প্রযুক্তির ব্যবহার করা হয় তার একটি বিস্তৃত ও সুস্পষ্ট চিত্র প্রদানের মাধ্যমে এই সমস্যাটি দূর করার লক্ষ্যে কাজ করা হয়েছে। এই গবেষণাপত্রটি অপারেশন নীতি, প্রযুক্তিগত এবং অর্থনৈতিক পারফরম্যান্স বৈশিষ্ট্য এবং গুরুত্বপূর্ণ ইইএস প্রযুক্তির বর্তমান গবেষণা এবং বিকাশের একটি ওভারভিউ দিয়ে শুরু হয়, যা সংরক্ষিত শক্তির ধরণের উপর ভিত্তি করে ছয়টি প্রধান বিভাগে সাজানো হয়। এর পর, একটি ব্যাপক তুলনা এবং একটি অ্যাপ্লিকেশন সম্ভাব্য বিশ্লেষণ পর্যালোচনা প্রযুক্তির উপস্থাপন করা হয়। ২০১৪ দ্য অটোর্স। প্রকাশনা সংস্থা এ্যালসেভিয়ার লিমিটেড এটি একটি ওপেন অ্যাক্সেস নিবন্ধ যা CC BY লাইসেন্সের অধীনে প্রকাশিত হয়েছে (http://creativecommons.org/licenses/by/3.0/) । |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.