_id
stringlengths 40
40
| text
stringlengths 0
9.75k
|
|---|---|
21b25b025898bd1cabe60234434b49cf14016981 | जनरेटिव एडवेंशियल नेटवर्क (जीएएन) के बढ़ते महत्व के बावजूद, जीएएन में अनुकूलन अभी भी एक खराब तरह से समझल गेल विषय हय। इ पत्र में, हम GAN अनुकूलन के ग्रेडिएंट वंश रूप के विश्लेषण करो हय, अर्थात, प्राकृतिक सेटिंग जहां हम एक साथ जनरेटर और भेदभावक पैरामीटर दोनों में छोटे ग्रेडिएंट चरणों के लेवो हय। हम देखबई कि भले ही GAN अनुकूलन एगो उत्तल-उपमुख खेल से मेल ना खाई (यहां तक कि सरल पैरामीटर के लेल), उचित परिस्थिति में, इ अनुकूलन प्रक्रिया के संतुलन बिंदु पारंपरिक GAN सूत्र के लेल स्थानीय रूप से असममित रूप से स्थिर हई। दोसर तरफ, हम देखई हई कि हाल ही में प्रस्तावित वासरस्टीन जीएएन में संतुलन के करीब गैर-समीप्य सीमा चक्र हो सकई हई। इ स्थिरता विश्लेषण से प्रेरित होके, हम ग्रेडिएंट वंश GAN अपडेट के लिए एक अतिरिक्त नियमितकरण शब्द के प्रस्ताव करो हय, जे WGAN और पारंपरिक GAN दोनों के लिए स्थानीय स्थिरता के गारंटी देवे में सक्षम हय, और अभिसरण के तेज करे और मोड पतन के संबोधित करे में व्यावहारिक वादा भी दिखवो हय। |
c8cff23dcba448f4af436d40d32e367ea0bbe9bc | ई पेपर आयताकार वेव गाइड तकनीक में माइक्रोवेव 3-डी मुद्रित भार के प्राप्ति अउर लक्षण वर्णन करई हई। कई वाणिज्यिक सामग्री के एक्स-बैंड (8-12 गीगाहर्ट्ज) पर विशेषता देल गेल रहई। उनकर ढांकता हुआ गुण के गुहा-परेषण विधि और संचरण/प्रतिबिंब आयताकार तरंग मार्ग विधि के उपयोग के माध्यम से निकालल गेलय हल। 8 अउर 12 गीगाहर्ट्ज के बीच एगो मिलान कैल गेल भार के महसूस करे के लेल कार्बन-लॉसी एक्रिलोनाइट्रिल ब्यूटाडिएन स्टायरेन (एबीएस) बहुलक के चयन कैल गेल रहई। दो अलग-अलग प्रकार के टर्मिनेशन के फ्यूज्ड डिपॉजिशन मॉडलिंग द्वारा महसूस कैल गेल रहईः एक हाइब्रिड 3-डी प्रिंटेड टर्मिनेशन (धातु के तरंग मार्गदर्शक + पिरामिडियल पॉलिमर अवशोषक + धातु शॉर्ट सर्किट) अउर एक पूर्ण 3-डी प्रिंटेड टर्मिनेशन (स्व-संगत मिलान भार) । क्रमशः 1.075 और 1.025 से कम वोल्टेज स्टैंडिंग वेव अनुपात के हाइब्रिड और पूर्ण 3-डी प्रिंटेड टर्मिनेशन के लिए एक्स-बैंड पर मापा गेलय हल। पूर्ण 3-डी मुद्रित टर्मिनेशन के पावर व्यवहार के जांच कियल गलय हल। घटना शक्ति आयाम के एक फ़ंक्शन के रूप में परावर्तित शक्ति के एक बहुत ही रैखिक विकास 10 गीगाहर्ट्ज से 11.5 वाट तक के समय में देखल गेलय हल। इ 3-डी मुद्रित उपकरण आयताकार वेव गाइड तकनीक में माइक्रोवेव मिलान भार के प्राप्ति के लिए एक बहुत कम लागत वाला समाधान के रूप में दिखाई देवो हय। |
16f63ebc5b393524b48932946cb1ba3b6ac5c702 | इ पत्र में, हम एगो पुनरावर्ती तंत्रिका नेटवर्क (आरएनएन) मॉडल प्रस्तुत करई हई जे एगो वाक्यविन्यास पेड़ पर काम करई हई। हमार मॉडल पिछला आरएनएन मॉडल से ऐसन भिन्न हई कि मॉडल लक्ष्य कार्य के लेल महत्वपूर्ण वाक्यांश के स्पष्ट भार के अनुमति देई हई। हम प्रशिक्षण में औसत मापदंड के प्रस्ताव भी रखई छी। सिमेंटिक रिलेशन वर्गीकरण पर हमर प्रयोगात्मक परिणाम से पता चलई हई कि वाक्यांश श्रेणी अउर कार्य-विशिष्ट भार दुनहु मॉडल के भविष्यवाणी सटीकता में काफी सुधार करई छलई। हम इ भी दिखावो हय कि मॉडल पैरामीटर के औसतकरण सीखने के स्थिर करे और सामान्यीकरण क्षमता में सुधार करे में प्रभावी हय। प्रस्तावित मॉडल आरएनएन-आधारित राज्य-ऑफ-द-आर्ट मॉडल के साथ प्रतिस्पर्धी स्कोर के चिह्नित करई हई। |
49b3256add6efdcd9ed2ea90c54b18bb8f5cee3e | तंत्रिका नेटवर्क से बेहतर सामान्यीकरण के लिए मानक तकनीकों में वजन क्षय और छंटाई शामिल हय। भार क्षय में बेयसन व्याख्या हई जेकरा मे क्षय फलन पूर्व भार के अनुरूप होई हई। रूपांतरण समूह और अधिकतम एन्ट्रापी के विधि एगो गाऊसी पूर्व के बजाय लैप्लेस के सुझाव देई हई। प्रशिक्षण के बाद, भार तब खुद के दो वर्ग में व्यवस्थित करो हय: (1) डेटा त्रुटि के लिए एक सामान्य संवेदनशीलता वाला और (2) जे इ संवेदनशीलता प्राप्त करे में विफल होवो हय और जे इ खातिर गायब हो जा हय। चूंकि प्रशिक्षण के दौरान महत्वपूर्ण मूल्य के अनुकूली रूप से निर्धारित कैल जा हय, इसलिए सटीक शून्य के लिए वजन सेट करे के अर्थ में केवल नियमितकरण के एक स्वचालित परिणाम बन जा हय। भार के छँटाई के रूप में मुक्त पैरामीटर के गिनती भी स्वचालित रूप से कम हो जा हय। साक्ष्य ढांचे और एक गॉसियन नियामक के उपयोग करके मैके के परिणाम के साथ एक तुलना कियल जा हय। |
d142c1b2488ea054112187b347e1a5fa83a3d54e | |
3ccf752029540235806bdd0c5293b56ddc1254c2 | इ पेपर में, हम बहु-उपयोगकर्ता बहु-इनपुट एकल-आउटपुट (एमआईएसओ) माध्यमिक संचार प्रणाली के लिए संसाधन आवंटन के अध्ययन करो हय, जेकर पास कई सिस्टम डिज़ाइन उद्देश्य हय। हम संज्ञानात्मक रेडियो (सीआर) नेटवर्क पर विचार कर रहलिए ह, जहाँ द्वितीयक रिसीवर रेडियो आवृत्ति से ऊर्जा प्राप्त करे में सक्षम होवऽ हइ जब ऊ निष्क्रिय होवऽ हइ। द्वितीयक प्रणाली एक साथ वायरलेस पावर और द्वितीयक रिसीवरों के लिए सुरक्षित सूचना हस्तांतरण प्रदान करो हय। हम भारित चेबीचेफ दृष्टिकोण के आधार पर एक पारेटो इष्टतम संसाधन आवंटन एल्गोरिथ्म के डिजाइन के लिए एक बहु-उद्देश्यीय अनुकूलन ढांचे का प्रस्ताव करते हैं। विशेष रूप से, एल्गोरिथ्म डिज़ाइन में तीन महत्वपूर्ण सिस्टम डिज़ाइन उद्देश्य शामिल हय: कुल ट्रांसमिट पावर के कम से कम करे, ऊर्जा कटाई दक्षता के अधिकतम करे, और हस्तक्षेप शक्ति रिसाव-टू-ट्रांसमिट पावर अनुपात के कम से कम करे। प्रस्तावित ढांचा द्वितीयक प्रणाली में संचार गोपनीयता के संबंध में सेवा के गुणवत्ता (क्यूओएस) के आवश्यकता और द्वितीयक ट्रांसमीटर पर संभावित स्नोबर्स (निष्क्रिय द्वितीयक रिसीवर और प्राथमिक रिसीवर) के चैनल स्टेट इंफॉर्मेशन (सीएसआई) के अपूर्णता के ध्यान में रखो हय। प्रस्तावित ढांचे में विशेष मामलों के रूप में कुल कटाई शक्ति के अधिकतमकरण और हस्तक्षेप शक्ति रिसाव के न्यूनतमकरण शामिल हय। अपनावल गेल बहुउद्देश्यीय अनुकूलन समस्या गैर-उग्र हय और अर्ध-परिभाषित प्रोग्रामिंग (एसडीपी) छूट के माध्यम से एक उत्तल अनुकूलन समस्या के रूप में फेर से तैयार कियल जा हय। ई देखाएल गेल हई कि मूल समस्या के वैश्विक इष्टतम समाधान के एसडीपी आराम से समस्या के प्राथमिक अउर दोहरी इष्टतम समाधान दुनु के शोषण करके बनाएल जा सकई हई। एकर अलावा, ओप्टीमम समाधान के निर्माण के लेल दुगो उप-अनुकूल संसाधन आवंटन योजना के प्रस्ताव कैल गेल हई जब दोहरी समस्या के समाधान उपलब्ध ना होई हई। संख्यात्मक परिणाम न केवल प्रस्तावित सब-ऑप्टिमाइज़्ड योजना के निकट-से-उत्कृष्ट प्रदर्शन के प्रदर्शित करो हय, बल्कि विचारित परस्पर विरोधी सिस्टम डिज़ाइन उद्देश्यों के बीच एक दिलचस्प व्यापार-बंद के भी खुलासा करो हय। |
503a6d42cfb0174ca944053372153e21fec1111c | संज्ञान के कैगो औपचारिक मॉडल निहित रूप से मानव शिक्षार्थि के धारणा के कैप्चर करे के लेल व्यक्तिपरक संभावना वितरण के उपयोग करई हई। येई मॉडल के अधिकांश अनुप्रयोग येई वितरण के अप्रत्यक्ष रूप से निर्धारित करई हई। हम व्यक्तिपरक संभावना वितरण से नमूना ले के मानव शिक्षार्थि के धारणा के सीधे निर्धारित करे के लेल एगो विधि के प्रस्ताव करई छलई। मानव पसंद के एक मॉडल और मार्कोव श्रृंखला मोंटे कार्लो (एमसीएमसी) के बीच पत्राचार के उपयोग करते हुए, हम वस्तु पर वितरण से नमूना लेवे के एक विधि के वर्णन करो हय जे लोग विभिन्न श्रेणियों से जुड़ो हय। हमर काम में, विषय ई चुनई हई कि वस्तु में प्रस्तावित परिवर्तन के स्वीकार करे चाहे अस्वीकार करे। कार्य के निर्माण येई तरह से कैल गेल हई कि ई निर्णय एगो एमसीएमसी स्वीकृति नियम के पालन करई हई, एगो मार्कोव श्रृंखला के परिभाषित करई हई जेकरा लेल स्थिर वितरण श्रेणी वितरण छलई। हम प्रयोगशाला में प्राप्त कृत्रिम श्रेणी अउर अनुभव से प्राप्त प्राकृतिक श्रेणी दुनु के लेल ई प्रक्रिया के परीक्षण करई हई। |
2bab122e886271733c3be851b2b11b040cefc213 | पृष्ठभूमि इ शोध के मुख्य उद्देश्य लाभकारी हस्तक्षेप विकल्प के साथ कार्यान्वयनकर्ता के प्रदान करे के लिए इलेक्ट्रॉनिक मेडिकल रिकॉर्ड (ईएमआर) के अपनाने के लिए चिकित्सकों द्वारा कथित बाधाओं के पहचानना, वर्गीकृत करना और उनका विश्लेषण करना हय। ईएमआर के डॉक्टर द्वारा स्वीकृति के लेल बाधा के बारे में 1998 से 2009 तक के शोध पत्र के आधार पर एगो व्यवस्थित साहित्य समीक्षा कियल गेल रहई। साहित्य खोज में चार डेटाबेस, "साइंस", "ईबीएससीओ", "पबमेड" और "द कोचरैन लाइब्रेरी" के उपयोग कैल गेलय हल। अध्ययन के विश्लेषण में शामिल कियल गलय हल यदि ऊ इलेक्ट्रॉनिक चिकित्सा रिकॉर्ड के लागू करे और उपयोग करे के लिए चिकित्सकों के कथित बाधाओं के बारे में रिपोर्ट कैलकय हल। इलेक्ट्रॉनिक मेडिकल रिकॉर्ड के कंप्यूटर-आधारित चिकित्सा सूचना प्रणाली के रूप में परिभाषित कैल जाई हई जे रोगी के जानकारी एकत्र करई, संग्रहीत करई अउर प्रदर्शित करई हई। परिणाम अध्ययन में बीस-दू लेख शामिल हय जे डॉक्टर द्वारा कथित ईएमआर के बाधा के विचार कैलकय हा। कुल 31 उप-श्रेणी सहित बाधा के आठ मुख्य श्रेणि के पहचान कैल गेलय हल। ये आठ श्रेणियां हैंः ए) वित्तीय, बी) तकनीकी, सी) समय, डी) मनोवैज्ञानिक, ई) सामाजिक, एफ) कानूनी, जी) संगठनात्मक और एच) परिवर्तन प्रक्रिया। ई सभे श्रेणि परस्पर जुड़ल हई। विशेष रूप से, श्रेणी जी (संगठनात्मक) और एच (परिवर्तन प्रक्रिया) अन्य बाधाओं पर मध्यस्थता कारक प्रतीत होवो हय। परिवर्तन प्रबंधन परिप्रेक्ष्य के अपनाने से, हम कुछ बाधा-संबंधित हस्तक्षेप विकसित करो हय जे पहचाने गए बाधा के दूर कर सको हय। चिकित्सा प्रथा में ईएमआर के उपयोग के सकारात्मक प्रभाव के बावजूद, ऐसन प्रणालि के अपनाने के दर अभीयो कम हई अउर डॉक्टर के प्रतिरोध से मिलई हई। ई व्यवस्थित समीक्षा से पता चलई हई कि ईएमआर के कार्यान्वयन के तरीका के बारे में चिकित्सक के कई बाधा के सामना करे पड़ सकई हई। हम निष्कर्ष निकाललई कि ईएमआर कार्यान्वयन के प्रक्रिया के परिवर्तन परियोजना के रूप में मानल जाए के चाहि, अउर चिकित्सा प्रथा में कार्यान्वयनकर्ता चाहे परिवर्तन प्रबंधक द्वारा नेतृत्व कैल जाए के चाहि। ईएमआर कार्यान्वयन के सफलता में परिवर्तन प्रबंधन के गुणवत्ता महत्वपूर्ण भूमिका निभबई छलो। ई अध्ययन में हाइलाइट कैल गेल बाधा अउर सुझावल गेल हस्तक्षेप के उद्देश्य इलेक्ट्रॉनिक मेडिकल रिकॉर्ड के लागू करे वाला के लेल संदर्भ के रूप में कार्य करनाई हई। प्रासंगिक हस्तक्षेप के निर्धारित करे से पहले विशिष्ट स्थिति के सावधानीपूर्वक निदान के आवश्यकता होवो हय। |
00514b5cd341ef128d216e86f2a795f218ef83db | इ पत्र में, हम हृदय गति के अनुमान के बेहतर बनावे के लेल उंगली के उपयोग करके हृदय गति के मापे के लेल एगो नया एकीकृत उपकरण के डिजाइन अउर विकास के प्रस्तुत कलई। चूंकि हृदय से संबंधित रोग दिन-प्रतिदिन बढ़ रहले हा, स्वास्थ्य के गुणवत्ता सुनिश्चित करे के लिए सटीक और सस्ती हृदय गति मापने वाला उपकरण या हृदय मॉनिटर के आवश्यकता आवश्यक हय। हालांकि, अधिकांश हृदय गति माप उपकरण और वातावरण महंगा हय और एर्गोनॉमिक्स के पालन नए करो हय। हमर प्रस्तावित हृदय गति माप (एचआरएम) उपकरण किफायती और उपयोगकर्ता के अनुकूल हई अउर सूचक उंगली के माध्यम से रक्त के प्रवाह के पता लगाबे के लेल ऑप्टिकल तकनीक के उपयोग करई हई। उंगली के सिरे पर धड़कन के पता लगावे के लेल तीन चरण के उपयोग कैल जाई हई जोनमे धड़कन के पता लगावे, सिग्नल निष्कर्षण अउर धड़कन प्रवर्धन शामिल छलई। वास्तविक संकेतों पर उपकरण के गुणात्मक और मात्रात्मक प्रदर्शन मूल्यांकन तीव्र शारीरिक गतिविधि के तहत भी हृदय गति के अनुमान में सटीकता दर्शाता है। हम विभिन्न उम्र के 90 मानव विषय के हृदय गति के इलेक्ट्रोकार्डियोग्राम रिपोर्ट और मैनुअल पल्स माप के साथ एचआरएम उपकरण के प्रदर्शन के तुलना कलकई। परिणाम से पता चललई कि उपकरण के त्रुटि दर नगण्य हई। |
543ad4f3b3ec891023af53ef6fa2200ce886694f | रोग के रोकथाम अउर रोगी के स्वास्थ्य के रखरखाव के क्षेत्र में तकनीकी नवाचार निगरानी प्रणाली जैसन क्षेत्र के विकास के सक्षम बनयले हई। हृदय गति एक बहुत ही महत्वपूर्ण स्वास्थ्य पैरामीटर हय जे सीधे मानव हृदय प्रणाली के ध्वनि से संबंधित हय। हृदय गति प्रति मिनट दिल के धड़कन के संख्या हय, जे विभिन्न शारीरिक स्थिति जैसे जैविक कार्यभार, काम पर तनाव और कार्यों पर एकाग्रता, नींद और स्वायत्त तंत्रिका तंत्र के सक्रिय स्थिति के दर्शावो हय। ई ईसीजी तरंग रूप द्वारा या धड़कन के महसूस करके मापल जा सकई हई, एगो धमनी के लयबद्ध विस्तार अउर संकुचन के रूप में रक्त के दिल के नियमित संकुचन द्वारा एकरा माध्यम से मजबूर कैल जाई छलई। धड़कन के ऊ क्षेत्र से महसूस कैल जा सकई हई जहां धमनिया त्वचा के करीब होई हई। इ पेपर में एगो उंगली के नोक और आर्डुइनो के माध्यम से हृदय गति के मापे के तकनीक के वर्णन कैल गेल हई। इ फोटोफेलथिस्मोग्राफी (पीपीजी) के सिद्धांत पर आधारित हय जे प्रकाश स्रोत और डिटेक्टर के उपयोग करके ऊतक में रक्त मात्रा में भिन्नता के मापे के गैर-आक्रामक विधि हय। जबकि हृदय धड़के हई, ई वास्तव में पूरे शरीर में रक्त पंप कर रहल हई, अउर ई अंगूठी के धमनी के भीतर रक्त के मात्रा के भी बदल देई हई। रक्त के इ उतार-चढ़ाव के उंगली के चारों ओर रखल गेल ऑप्टिकल सेंसर तंत्र के माध्यम से पता लगायल जा सको हय। सिग्नल के बढ़ायल जा सकई हई अउर सीरियल पोर्ट संचार के मदद से आर्डुइनो के लेल भेजल जाई छलई। प्रसंस्करण सॉफ्टवेयर के मदद से हृदय गति के निगरानी और गिनती कैल जा हय। सेंसर इकाई में एक इन्फ्रारेड लाइट-ईमिटिंग-डायोड (आईआर एलईडी) और एक फोटोडायोड शामिल हय। IR LED उंगली के सिरे में एक इन्फ्रारेड प्रकाश प्रेषित करो हय, जेकर एक हिस्सा उंगली के धमनिय के अंदर रक्त से वापस परावर्तित होवो हय। फोटोडायोड प्रकाश के उ अंश के संवेदना करो हय जे वापस प्रतिबिंबित होवो हय। परावर्तित प्रकाश के तीव्रता अंगुरी के अंतराल में रक्त के मात्रा पर निर्भर करो हय। त, हर बार जब दिल धड़कता है, परावर्तित इन्फ्रारेड लाइट के मात्रा में बदलाव होवा हय, जेकरा फोटो डायोड द्वारा पता लगावल जा सको हय। उच्च लाभ एम्पलीफायर के साथ, परावर्तित प्रकाश के आयाम में इ छोटा परिवर्तन के एक धड़कन में बदलल जा सको हय। |
e35c466be82e1cb669027c587fb4f65a881f0261 | इ पत्र में, हम वायरलेस आधारित रोगी सेंसर प्लेटफ़ॉर्म (डब्ल्यूएसपी, सेंसर नोड) नामक सामान्य दृष्टिकोण सेंसर प्लेटफ़ॉर्म के उपयोग करके एक सरल वायरलेस ट्रांसमिशन सिस्टम के प्रस्ताव करो हय जेकरा मे दूरस्थ पहुंच क्षमता होवो हय। डब्ल्यूएसपी के लक्ष्य हईः मानक सेंसर नोड (सिस्टम ऑन मॉड्यूल), एगो सामान्य सॉफ्टवेयर प्रस्तावित प्लेटफॉर्म आर्किटेक्चर (सेंसर नोड) लचीलापन प्रदान करई हई, विभिन्न महत्वपूर्ण पैरामीटर एकत्र करे अउर भेजले के लेल आसान अनुकूलन। वायरलेस संचार चैनल के आधार पर एक प्रोटोटाइप स्थापित कैल गेल हई। वायरलेस लैन (आईईईई .802.15.4) के उपयोग हमर प्रोटोटाइप (सेंसर नोड) पर संचार चैनल के रूप में कैल गेल हई। इच्छा सेंसर सूचना (महत्वपूर्ण पैरामीटर) के दूर से देखल जा सकई हई, अउर मांग के पूरा करे के लेल महत्वपूर्ण पैरामीटर के भी समायोजित कैल जा सकई हई। |
c2c465c332ec57a4430ce5f2093915b4ded497ff | संवर्धित वास्तविकता के चिकित्सा शिक्षा में तेजी से लागू कैल जा हय मुख्य रूप से काहेकी शिक्षक आभासी वस्तु के माध्यम से ज्ञान साझा कर सको हय। ई शोध एगो वेब अनुप्रयोग के विकास के वर्णन करई हई, जे बढ़ल वास्तविकता के माध्यम से मानव हृदय के शरीर रचना विज्ञान के संबंध में उपयोगकर्ता के चिकित्सा ज्ञान के बढ़ाबई हई। मूल्यांकन के दू पहलू में अलग-अलग कैल जा हय। पहला, इ पेपर के लेखक एक विशेषज्ञ के पर्यवेक्षण में एक शोधकर्ता के उपयोग करके तीन-आयामी मानव हृदय मॉड्यूल के व्यवहार्यता के मूल्यांकन करो हय। दोसर में, मूल्यांकन के उद्देश्य संज्ञानात्मक वॉकथ्रू विधि के माध्यम से प्रयोज्य समस्या के पहचान करनाई हई। वेब अनुप्रयोग में तीन लक्षित कार्यों पर तीन चिकित्सा छात्रों (नवीन उपयोगकर्ता) के बुलाया जाता है। कार्य पूरा करे के मानक संज्ञानात्मक वॉक-थ्रू प्रश्न के सेट के प्रकाश में सराहना कैल जाई हई। तीन आयामी मानव हृदय के शैक्षिक उपयोगिता के बढ़ावे के प्रयास में पहले मूल्यांकन के माध्यम से संवर्धित वास्तविकता सामग्री के मिस हिट के पता लगावल जा हय। संज्ञानात्मक वॉकथ्रू आगे के सुधार बिंदु प्रदान करई हई, जे अगला सॉफ्टवेयर रिलीज में उपयोगिता के बढ़ा सकई हई। वर्तमान कार्य के टुकड़ा पूर्व-पायलट मूल्यांकन के गठन करो हय। उचित छात्र आबादी के लेल एकर व्यापक पायलटिंग से पहिले आवेदन के बेहतर करे के प्रयास में मानकीकृत पद्धति के उपयोग कैल जाई हई। एनाटॉमी पाठ्यक्रम के ऑनलाइन शिक्षा में सहायता करे वाला अनुभवजन्य शिक्षण विधियों में ऐसन मूल्यांकन के महत्वपूर्ण मानल जा हय। |
d5049a49ab605a6703b0461a330e4dbbcd7307fb | ई पत्र 4 × 4 बटलर मैट्रिक्स के एगो उपन्यास टोपोलॉजी प्रस्तुत करई हई, जे आउटपुट पोर्ट पर अपेक्षाकृत लचीला चरण अंतर के एहसास कर सकई हई। प्रस्तावित बटलर मैट्रिक्स पारंपरिक बटलर मैट्रिक्स में वर्गबद्ध युग्मन के बदले मनमाना चरण-अंतर के साथे युग्मन के नियोजित करई हई। लागू युग्मन के चरण अंतर के नियंत्रित करके, प्रस्तावित बटलर मैट्रिक्स के आउटपुट पोर्ट के बीच प्रगतिशील चरण अंतर अपेक्षाकृत लचीला हो सको हय। डिजाइन के सुविधा के लिए, बंद-रूप डिजाइन समीकरणों को व्युत्पन्न और प्रस्तुत किया जाता है। डिजाइन अवधारणा के सत्यापन के लिए, चार अद्वितीय प्रगतिशील चरण अंतर (-30 °, + 150 °, - 120 °, और + 60 °) के साथ एक समतल 4 × 4 बटलर मैट्रिक्स के डिजाइन और निर्माण कियल गलय हा। ऑपरेटिंग आवृत्ति पर, आयाम असंतुलन 0.75 dB से कम हय, और चरण असंगति ± 6 ° के भीतर हय। मापा गेल वापसी हानि 16 dB से बेहतर हई, अउर अलगाव 18 dB से बेहतर हई। 10 डीबीई रिटर्न हानि के साथ बैंडविड्थ लगभग 15% हई। |
101c14f6a04663a7e2c5965c4e0a2d46cb465a08 | |
4d352696f60eaebf7ef941bb31173ba0a1bb9a41 | |
a16dc6af67ef9746068c63a56a580cb3b2a83e9c | हाथ और शरीर के पहुंच आंदोलन के नियंत्रित करे के लिए, कई अलग-अलग कम्प्यूटेशनल समस्याओं के हल कैल जाय चाहि। कुछ समानांतर विधियों के वर्णन कियल गलय हा जे न्यूरॉन-जैसे प्रोसेसर के नेटवर्क में लागू कियल जा सको हय। प्रत्येक पद्धति के समग्र कार्य के एक अलग भाग के हल करे के लिए एक अलग दृष्टिकोण हय। सबसे पहले, एक वांछित प्रक्षेपवक्र के पालन करे के लिए आवश्यक टोकन के खोजे के लिए एक विधि के वर्णन कियल गलय हा। ई विधि तालिका खोज से अधिक किफायती अउर अधिक बहुमुखी हई अउर एकरा लेल बहुत कम अनुक्रमिक चरण के आवश्यकता होई हई। फेर वांछित प्रक्षेपवक्र के आंतरिक प्रतिनिधित्व उत्पन्न करे के एक तरीका के वर्णन कियल गलय हा। ई विधि "मोशन ब्लैकबोर्ड" पर यूरिस्टिक नियम के एक बड़ा सेट के लागू करके एक समय में एक टुकड़ा के प्रक्षेपवक्र के दर्शावो हय जे प्रक्षेपवक्र में वर्तमान बिंदु पर शरीर के राज्य के स्थैतिक और गतिशील पैरामीटर के प्रतिनिधित्व करो हय। गणना के स्थिति, अभिविन्यास और शरीर के हिस्सों के गति के व्यक्त करके सरल बनावल जा हय, एक एकल, गैर-त्वरित, विश्व-आधारित संदर्भ फ्रेम के संदर्भ में, संयुक्त-कोण या शरीर के आधार पर एगो अहंकार-केंद्रित फ्रेम के बजाय। |
5ab321e0ea7893dda145331bfb95e102c0b61a5d | इ पेपर में, एक एकल-फीड ब्रॉडबैंड परिपत्रित ध्रुवीकृत ढेर वाला पैच एंटीना के लिए अच्छा प्रतिरोध मिलान और सममित ब्रॉडसाइड विकिरण पैटर्न प्राप्त करे के लिए एक क्षैतिज रूप से लंबवत पट्टी (एचएमएस) फीड तकनीक के प्रस्ताव दिहल गेलय हय, जे सार्वभौमिक अल्ट्राहाई फ्रीक्वेंसी (यूएचएफ) आरएफआईडी (आरएफआईडी) अनुप्रयोगों के लिए उपयुक्त हय। एंटीना में दो कोने के ट्रांक्सेड पैच और एक एचएमएस होवो हय, जेकरा मे से सभे एफआर 4 सब्सट्रेट के ऊपरी तरफ प्रिंट कैल गेलय हा। एचएमएस के एक छोर एगो जांच द्वारा मुख्य पैच से जुड़ल हई, जबकि दोसर छोर एगो एसएमए कनेक्टर से जुड़ल हई। सिमुलेशन परिणाम के माप के साथ तुलना कियल जा हय, और एक अच्छा समझौता प्राप्त कियल जा हय। माप से पता चलई हई कि एंटीना के प्रतिबाधा बैंडविड्थ (वीएसडब्ल्यूआर <; 1.5) लगभग 25.8% (758-983 मेगाहर्ट्ज), लगभग 13.5% (838-959 मेगाहर्ट्ज) के 3-डीबी अक्षीय अनुपात (एआर) बैंडविड्थ, अउर 3-डीबी एआर बैंडविड्थ के भीतर लगभग 8.6 डीबीआईसी या एकरा से बेसी के लाभ स्तर छलई। येहिलेल, प्रस्तावित एंटीना 840-955 मेगाहर्ट्ज के यूएचएफ बैंड पर काम करे वाला सार्वभौमिक यूएचएफ आरएफआईडी रीडर के लेल एगो अच्छा उम्मीदवार हो सकई हई। एकर अलावा, प्रस्तावित एंटीना के एक पैरामीटर अध्ययन और एक डिजाइन दिशानिर्देश इंजीनियर के ऐसे एंटीना के डिजाइन, संशोधन और अनुकूलन के लिए जानकारी प्रदान करे के लिए प्रस्तुत कैल गेलय हय। अंत में, प्रस्तावित एंटीना के आरएफआईडी सिस्टम अनुप्रयोग में मान्य कैल गेल हई। |
65077651b36a63d3ca4184137df348cc8b29776a | गोलाकार रूप से ध्रुवीकृत (सीपी) विकिरण अउर रेडियो फ्रीक्वेंसी पहचान (आरएफआईडी) पाठक अनुप्रयोग के लेल स्लिट के जौरे उपन्यास विषम-सर्कल आकार के स्लॉटेड माइक्रोस्ट्रिप पैच एंटीना के प्रस्ताव देल गेल हई। कॉम्पैक्ट परिपत्र ध्रुवीकृत माइक्रोस्ट्रिप एंटीना के महसूस करे के लिए एकल-फीड विन्यास आधारित विषम-सर्कुलर आकार के स्लॉटेड स्क्वायर माइक्रोस्ट्रिप पैच के अपनायल जा हय। विकर्ण दिशाओं के साथ असममित-सर्कुलर आकार के स्लॉट ((s) सीपी विकिरण और छोटे एंटीना आकार के लिए एक वर्ग माइक्रोस्ट्रिप पैच पर सममित रूप से एम्बेडेड हय। स्लॉट क्षेत्रों द्वारा विकर्ण दिशाओं के साथ हल्का रूप से असममित (असंतुलित) पैच द्वारा सीपी विकिरण प्राप्त कैल जा सको हय। एंटीना के आकार के और कम करे के लिए चार सममित-स्लिट भी असममित-सर्कुलर आकार के स्लॉटेड पैच के ऑर्थोगोनल दिशाओं के साथ सममित रूप से एम्बेडेड हय। सीपी विकिरण के अपरिवर्तित रखके स्लिट लंबाई के बदलके एंटीना के संचालन आवृत्ति के ट्यून कैल जा सकई हई। RO4003C सब्सट्रेट पर एंटीना के लिए 17.0 MHz प्रतिबाधा बैंडविड्थ के साथ लगभग 6.0 MHz के मापा गेल 3-dB अक्षीय-ानुपात (AR) बैंडविड्थ प्राप्त कैल जा हय। 900 मेगाहर्ट्ज पर समग्र एंटीना आकार 0.27λo × 0.27λo × 0.0137λo हय। |
6f3ffb1a7b6cb168caeb81a23b68bbf99fdab052 | परिपत्र ध्रुवीकरण के लिए एक छोटा बैकफायर एंटीना (एसबीए) उत्तेजित करे के लिए एक असंतुलित-खाद्य क्रॉस एपर्चर विकसित कियल गलय हा। क्रॉस एपर्चर में दो ऑर्टोगोनल एच-आकार के स्लॉट होवो हय जेकरा मे एक जोड़ी कैपेसिटिव स्टब होवो हय और एक एकल जांच द्वारा खिलावल जा हय जे एक शॉर्टिंग पिन के साथ एक असंतुलित फीड बनावो हय। ई प्रदर्शित कैल गेल हई कि क्रॉस-एपर्चर-उत्तेजित एसबीए 6.5% (वीएसडब्ल्यूआर <1.2) के वोल्टेज स्टैंडिंग वेव रेश्यो (वीएसडब्ल्यूआर) बैंडविड्थ के जौरे 4.2% के अक्षीय अनुपात (लेस 3 डीबी) बैंडविड्थ प्राप्त कर सकई हई अउर 14 डीबीआई के लाभ प्राप्त कर सकई हई। एंटीना संरचना के वर्णन कैल गेल हई अउर सिमुलेशन अउर प्रयोगात्मक परिणाम प्रस्तुत कैल गेल हई। प्रतिबाधा मिलान और परिपत्र-ध्रुवीकरण उत्पादन के तंत्र के विश्लेषण कैल गेल हई |
838b107445e72d903f2217946c73a5d3d1e4344e | ई पेपर ग्लोबल पोजिशनिंग सैटेलाइट (जीपीएस) अनुप्रयोगों के लिए एपर्चर-कपल्ड सर्कुलरली पोलराइज्ड एंटीना के डिजाइन और परीक्षण के वर्णन करो हय। एंटीना 1575 और 1227 मेगाहर्ट्ज के एल 1 और एल 2 दोनों आवृत्तियों पर काम करो हय, जे अधिकतम स्थिति निर्धारण सटीकता प्रदान करे के खातिर अंतर जीपीएस सिस्टम के लिए आवश्यक हय। ई एंटीना के लेल विद्युत प्रदर्शन, निम्न प्रोफ़ाइल अउर लागत समान रूप से महत्वपूर्ण आवश्यकता रहई। डिजाइन प्रक्रिया पर चर्चा कैल जाई हई, अउर मापल गेल परिणाम प्रस्तुत कैल जाई छलई। एक विनिर्माण संवेदनशीलता विश्लेषण के परिणाम भी शामिल हय। |
9639aa5fadb89ea5e8362dad52082745012c90aa | एगो उपन्यास 90 डिग्री ब्रॉडबैंड बेलुन जेकरा मे एगो ब्रॉडबैंड 90 डिग्री शिफमैन चरण शिफ्टर शामिल हई, के डुअल-फीड टाइप माइक्रोस्ट्रिप एंटीना के वाइडबैंड परिपत्र ध्रुवीकरण प्रदर्शन के बढ़ाबे के साधन के रूप में पेश कैल गेल हई। प्रस्तावित 90 डिग्री ब्रॉडबैंड बैलन एगो विस्तृत बैंडविड्थ (~ 57.5%) में अच्छा प्रतिबाधा मिलान, संतुलित बिजली विभाजन अउर सुसंगत 90 डिग्री (प्लस mn5 डिग्री) चरण स्थानांतरण प्रदान करई हई। प्रस्तावित 90 डिग्री ब्रॉडबैंड बैलून के उपयोग करे वाला एक परिपत्र पैच एंटीना के दोहरा एल-सोनड केस के लिए क्रमशः 60.24% और 37.7% के मापा गेल प्रतिबाधा ((S11< -10 dB) और अक्षीय अनुपात (AR < 3 dB) बैंडविड्थ प्राप्त करे के लेल दिखाएल गेल हई; और क्रमशः 71.28% और 81.6%, चौगुना एल-सोनड केस के लेल। |
a6a0384d7bf8ddad303034fe691f324734409568 | ई पेपर यूरोपीय कंपनियों में व्यवसाय प्रक्रिया प्रबंधन (बीपीएम) के समझ और अनुप्रयोग में एक सर्वेक्षण और केस स्टडी अनुसंधान के निष्कर्षों पर रिपोर्ट करो हय। प्रक्रिया परिप्रेक्ष्य के तेजी से प्रदर्शन में सुधार के माध्यम से प्रतिस्पर्धी लाभ प्राप्त करे के लेल एगो तंत्र के रूप में देखल जा रहल हई अउर बाजार के दबाव, बेहतर अउर अधिक विश्वसनीय सेवा के लेल ग्राहक के अपेक्षा अउर बढ़ल प्रतिस्पर्धा के जवाब में। हम यूरोपीय कंपनियों के बीपीएम के महत्व के स्तर के प्रकट करो हय, एकर मतलब ओकरा लिए की हय और ऊ व्यवहार में की कर रहले हय। ई पेपर यूरोपीय फाउंडेशन फॉर क्वालिटी मैनेजमेंट (ईएफक्यूएम) के सदस्य संगठन में गुणवत्ता निदेशकों और व्यावसायिक प्रक्रिया प्रबंधकों के साथ कियल गेल एक डाक सर्वेक्षण और बीपीएम के अपनाने में अग्रणी मानल जाए वाला कई संगठन में केस स्टडी पर आधारित हय। अध्ययन ने कुछ दिलचस्प दृष्टिकोणों के उजागर करे और उन विशेषताओं के प्रकट करे में मदद कैलकय हय जे बीपीएम के सफल बनावे के लिए महत्वपूर्ण हय। परिचयः व्यावसायिक प्रक्रिया प्रबंधन (बीपीएम) के साथ कठिनाइ में से एगो शब्दावली के हय। शब्द प्रक्रिया के कैगो विषय में पाएल जा सकई हई जे प्रबंधन साहित्य में संगठन के हमर समझ में योगदान करई हई। एक परिचालन दृष्टिकोण गुणवत्ता में सुधार (डेमिंग, 1986), कुल गुणवत्ता प्रबंधन (ओकलैंड, 1989) और जस्ट-इन-टाइम (हैरिसन, 1992) के अवधारणा में देखाल जा हय। सिस्टम थिंकिंग (जेन्किंस, 1971; चेकलैंड, 1981), साइबरनेटिक्स (बीयर, 1966) और सिस्टम डायनामिक्स (सेंग, 1990) शब्द के एगो समृद्ध अर्थ देई हई। संगठनात्मक सिद्धांतकार सामाजिक अउर संगठनात्मक प्रक्रिया के संदर्भ में भी बात कैले हई (ब्यूरेल अउर मॉर्गन, 1979; मोंगे, 1990) । येई पूर्ववर्ती के एगो उपयोगी समीक्षा पेपर्ड अउर प्रीस (1995) द्वारा प्रदान कैल गेल हई। वर्तमान अध्ययन के केंद्र में जो क्षेत्र हय, ऊ हाल के दृष्टिकोण से विकसित होवो हय जे कुल गुणवत्ता या व्यावसायिक उत्कृष्टता मॉडल के लिए प्रबंधकीय सोच के संलग्न करे के माध्यम से संगठनात्मक प्रभावशीलता में सुधार करे के प्रयास करो हय। ई अनिवार्य रूप से चिकित्सक द्वारा संचालित रहई अउर अकादमिक सिद्धांत में आधारित ना रहई। उदाहरण में यूरोपीय फाउंडेशन फॉर क्वालिटी मैनेजमेंट (ईएफक्यूएम) मॉडल (हेक्स, 1995) और मैल्कम बाल्ड्रिज नेशनल क्वालिटी अवार्ड मॉडल (एमबीएनक्यूए) (जॉर्ज, 1992) शामिल हय। जबकि येई मॉडल संगठनात्मक प्रभावशीलता के बहु-कारक और बहु-विधानसभा मॉडल के समर्थन करई हई, ऊ अनिवार्य रूप से लक्ष्य-आधारित बनल रहई (कैमरन, 1986) । ऊ एक मजबूत परिचालन ढांचे से विकसित होलय हा और अक्सर रॉयल मेल के बॉब डार्ट, साइमन मैचिन और टोनी ग्रांट के दृष्टिकोण के अवशोषित कर लेलकय हा। हम अपन शोध के विभिन्न चरणों के दौरान EFQM, रैंक ज़ेरॉक्स, ब्रिटिश टेलीकॉम, TNT और नॉर्टल के सहायता के लिए भी आभारी हैं। S E L C U K U N IV E R SI T Y A t 0 2: 52 0 8 फ़रवरी 2 01 5 (पी टी) यूरोपीय व्यवसाय से सबक 11 व्यवसाय प्रक्रिया पुनर्संरचना (हैमर, 1990) ऊ मूल्य श्रृंखला विश्लेषण (पोर्टर, 1985) के मजबूत प्रक्रिया उन्मुखीकरण में रणनीतिक सोच से भी प्रभावित होलय हा और ऊ फर्म के संसाधन-आधारित दृष्टिकोण के समायोजित करो हय (ग्रांट, 1991) । मॉडल के उपयोग कार्यक्षमता के पार करे वाला प्रक्रिया के पक्ष में कार्यों के मूल्य के पुनर्मूल्यांकन करके रणनीतिक स्तर पर एक संगठन के डिजाइन पर सवाल उठाने के लिए प्रेरित कर सको हय (गोषाल और बार्टलेट, 1995; गैलब्रेथ, 1995) । हालांकि, न तो ईएफक्यूएम न ही एमबीएनक्यूए बीपीएम के तैनाती के तरीका पर प्रत्यक्ष मार्गदर्शन प्रदान करई हई। दृष्टिकोण में अक्सर व्यवसाय प्रक्रिया के पहचान करे के प्रयास शामिल होवो हय और ओकरा परिचालन, समर्थन या दिशा सेट करे के रूप में वर्गीकृत करे के कोशिश होवो हय। ई गतिविधि के अक्सर परामर्शदाता द्वारा विभिन्न विधियों के उपयोग करके सुगम बनावल जाई हई, लेकिन आमतौर पर कम से कम संगठन के शीर्ष स्तर पर प्रक्रिया मानचित्रण के पहलु के शामिल करई छलई। इ बात के सबूत हय कि प्रक्रिया प्रतिमान के अपनाने के कम से कम वरिष्ठ प्रबंधकों द्वारा पसंद कैल जा हय (गर्विन, 1995), हालांकि इ इ बात से बिल्कुल स्पष्ट नए हय कि इ संगठनों में व्यापक रूप से आयोजित राय हय। जबकि बीपीएम में अच्छा प्रथा के पहलु के इंगित करनाई संभव हई, कम से कम एगो परिचालन स्तर पर (आर्मिस्टेड, 1996) हम न जनई छी कि संगठन व्यावहारिक रूप से अवधारणा के कैसे लागू करई हई अउर ऊ बीपीएम दृष्टिकोण के प्रमुख घटक के रूप में की पाएले हई। विधि अनुसंधान के उद्देश्य बीपीएम के बेहतर समझ विकसित करनाई रहई अउर ई कैसे संगठनात्मक प्रभावशीलता प्राप्त करे के मार्ग के रूप में लागू कैल जा सकई हई। हम इ पता लगावे में विशेष रूप से रुचि रखई हियई कि कैसे कंपनियां प्रक्रिया सुधार तकनीक के आवेदन के बजाय अपन संपूर्ण संगठन के प्रबंधन के तरीका के रूप में व्यवसाय प्रक्रिया परिप्रेक्ष्य के उपयोग कैले हई। विशेष रूप से हम निम्नलिखित प्रश्नों पर चर्चा करे ल चाहा हयः यूरोपीय प्रबंधकों के लिए बीपीएम कितना महत्वपूर्ण है? . . ऊ क्या यूरोपीय संगठनों के बीच बीपीएम के एक सामान्य समझ है? . . ऊ यूरोपीय संगठन व्यावहारिक रूप से बीपीएम कैसे लागू करो हय? येई प्रश्न के संबोधित करते हुए, हम आशा करई हई कि संगठन बीपीएम के अवधारणा कैसे करई हई अउर अपन अनुभव से प्रेरित होए के लेल दोसर के रणनीति निर्माण अउर तैनाती दुनु के संदर्भ में शिक्षित करे के लेल। ई पेपर शोध के निष्कर्ष पर चर्चा करो हय और सीख के प्रस्ताव करो हय जे सीखा जा सको हय। हमर शोध के दौरान हम केस स्टडी सामग्री के एक समृद्ध डेटाबेस बनायलकय हा। केस स्टडी के उपयोग एगो खुला साक्षात्कार प्रारूप के उपयोग करके कियल गेल हई जहां वरिष्ठ कार्यकारी (आमतौर पर गुणवत्ता निदेशक चाहे व्यवसाय प्रक्रिया प्रबंधक) के बीपीएम के लेल अपन संगठन के दृष्टिकोण पर विस्तार करे के लेल आमंत्रित कैल गेल हई। साक्षात्कार के रिकॉर्ड और ट्रांसक्रिप्ट कैल गेलय हल और अवधारणा के पहचान करे के लिए एक संज्ञानात्मक मानचित्र विकसित कैल गेलय हल। कुछ मामला में, साक्षात्कार से डेटा के ईएफक्यूएम मॉडल के खिलाफ आंतरिक आत्म-मूल्यांकन के लिए उपयोग कियल जाए वाला सामग्री द्वारा पूरक कियल गलय हल। संगठन के आमतौर पर इसलिए चुनल गेल रहई काहेकी ऊ बीपीएम दृष्टिकोण के अपनाले रहई। ई पेपर विशेष रूप से रैंक ज़ेरॉक्स, नॉर्टेल, ब्रिटिश टेलीकॉम और टीएनटी के साथ केस स्टडी के संदर्भित करो हय, जेकरा मे से सभे यूरोपीय गुणवत्ता पुरस्कार के कुछ रूप में विजेता हलय (चाहे सीधे या सहायक के माध्यम से) । S E L C U K U N IV E R SI T Y A t 0 2: 52 0 8 फेब्रूअरी 2 01 5 (पी टी) |
eb448bb53372d14df4113f04fee813307f24d049 | ई पेपर पेपर 2.45GHz 10 μW वायरलेस एनर्जी हार्वेस्टर (WEH) के डिजाइन प्रक्रिया के साथे-साथ 1 μW/cm2 घटना शक्ति घनत्व पर अधिकतम कुल दक्षता के साथ ≈ 30% के प्रयोगात्मक प्रदर्शन के वर्णन करो हय। वीईएच एक मुड़ा हुआ द्विध्रुव के साथ एक शंट उच्च गति सुधारक डायोड को एकीकृत करता है। एक धातु परावर्तक रेक्टिना के लाभ के बढ़ाबई हई अउर एक चौथाई तरंग दैर्ध्य अंतर रेखा के चोक के रूप में उपयोग कैल जाई छलई। एगो वीडीआई डब्ल्यूवीडी अउर स्काईवर्क्स गास स्कॉट्की डायोड दुनु के एंटीना के जौरे एकीकृत कैल गेल हई अउर उनकर प्रदर्शन के तुलना कैल गेल हई। |
21c2bd08b2111dcf957567b98e1c8dcad652e3dd | कारक विश्लेषण साहित्य में कारक समाधान प्राप्त करे के लेल आवश्यक न्यूनतम नमूना आकार के बारे में कई सिफारिश शामिल हई जे पर्याप्त रूप से स्थिर हई अउर जनसंख्या कारक के जौरे निकटता से मेल खाई हई। इ मुद्दा के बारे में एक मौलिक गलत धारणा इ हय कि न्यूनतम नमूना आकार, या चर के संख्या के लिए नमूना आकार के न्यूनतम अनुपात, अध्ययन के बीच अपरिवर्तनीय हय। वास्तव में, आवश्यक नमूना आकार कोनो देल गेल अध्ययन के कई पहलु पर निर्भर करई हई, जोनमे चर के समानता के स्तर अउर कारक के अति-निर्धारण के स्तर शामिल छलई। लेखक एक सैद्धांतिक और गणितीय ढांचा प्रस्तुत करो हय जे इ प्रभाव के समझे और भविष्यवाणी करे के लिए एक आधार प्रदान करो हय। कृत्रिम डेटा के उपयोग करके नमूना अध्ययन द्वारा परिकल्पित प्रभावों के सत्यापित कैल गेलय हय। परिणाम आम अंगूठे के नियम के वैधता के कमी के प्रदर्शित करो हय और कारक विश्लेषण में नमूना आकार के लिए दिशानिर्देश स्थापित करे के लिए एक आधार प्रदान करो हय। |
994c88b567703f76696ff29ca0c5232268d06261 | कुछ प्रमुख खेल-प्रशासक निकाय द्वारा महिला खेल में प्रतिस्पर्धा करे के लेल हाइपरएंड्रोजेनिक महिला के पात्रता के नियंत्रित करे वाला नीति के हालिया कार्यान्वयन बहुत ध्यान आकर्षित कैलकय हय और अभी भी एक विवादास्पद मुद्दा हय। ई छोटा लेख विवाद के दू मुख्य विषय के संबोधित करई हई: कुलीन महिला एथलीट में उच्च रक्त टी स्तर के प्रदर्शन बढ़ाबे के समर्थन करे वाला मौजूदा वैज्ञानिक आधार, अउर येई नीति के बारे में नैतिक तर्क अउर विचार। जन्मजात और अधिग्रहित हाइपरएंड्रोजेनिक स्थिति और कुलीन महिला खेल में उनकर प्रसार के बारे में हाल ही में प्रकाशित डेटा के देखते हुए, हम दावा करई हई कि एंड्रोजन के उच्च स्तर स्वयं प्रदर्शन में वृद्धि करई हई। नैदानिक और जैविक हाइपरएंड्रोजेनवाद वाला महिला के विनियमित करनाई आलोचना के लेल आमंत्रण हई काहेकी सेक्स के जैविक पैरामीटर के वास्तविक दुनिया में केवल दू श्रेणी में साफ-सुथरा विभाजित ना कैल जाई हई। हालांकि, इ खेल के शासी निकाय के जिम्मेदारी हय कि ऊ सभी खिलाड़ियों के लिए समान अवसर के गारंटी देवे के लिए अपन सर्वोत्तम प्रयास करे। खेल में हाइपरएंड्रोजेनवाद पर नीति के बारे में चर्चा के धुंधला न करे के लेल, खेल पात्रता अउर चिकित्सीय विकल्प के मुद्दा के हमेशा अलग-अलग मानल जाए अउर समझाएल जाए के चाहि, भले ही ऊ ओवरलैप हो सकई हई। अंत में, वर्तमान लेख में मौजूदा नीतियों के परिष्कृत करे के लिए कुछ प्रस्ताव देल गेलय हा। |
391d9ef4395cf2f69e7a2f0483d40b6addd95888 | ई पत्र में, हम ट्विटर संदेश (ट्वीट) पर भावना के स्वचालित रूप से पता लगावे के एगो दृष्टिकोण प्रस्तावित करई हई जे ई संदेश के निर्माण करे वाला शब्द के मेटा-सूचना अउर ट्वीट के लिखे के तरीका के कुछ विशेषता के पता लगाबई हई। एकरा अलावा, हम शोर लेबल के स्रोत के उपयोग करके अपन प्रशिक्षण डेटा के उपयोग कर सकई छी। ई शोरबा लेबल कुछ भावना पता लगावे वाला वेबसाइट द्वारा ट्विटर डेटा पर देल गेल रहई। हमार प्रयोग में, हम देखई हई कि चूंकि हमार सुविधा ट्वीट्स के एगो अधिक अमूर्त प्रतिनिधित्व के कैप्चर करे में सक्षम हई, हमार समाधान पिछला वाला के तुलना में अधिक प्रभावी हई अउर पूर्वाग्रह अउर शोर वाला डेटा के संबंध में भी अधिक मजबूत हई, जे येई प्रकार के डेटा द्वारा प्रदान कैल जाई हई। |
09779ea94f0035c1e5d5cf75f7dfca8c7966a17b | इ पेपर में, प्रत्येक बहु-इनपुट-बहु-आउटपुट (MIMO) एंटीना सिस्टम के 2-तत्वों के एक समतल, कॉम्पैक्ट, एकल-सब्सट्रेट, मल्टीबैंड 2 सेट प्रस्तुत कैल गेलय हय। एमआईएमओ एंटीना सिस्टम में एलटीई बैंड (698 एमएचजेड - 813 एमएचजेड) के कवर करे के लिए एक ट्यून करने योग्य 2-एलिमेंट मेन्डर और फोल्ड एमआईएमओ एंटीना और 754 एमएचजेड - 971 एमएचजेड, 1.65-1.83 जीएचजेड और 2-3.66 जीएचजेड के कवर करे के लिए एक कॉम्पैक्ट 2-एलिमेंट संशोधित ट्रंक्ड क्यूब ब्रॉडबैंड एंटीना शामिल हय। ई एंटीना के ग्राउंड प्लेन 0.76-1.92 GHz, और 3.0-5.2 GHz में संवेदी एंटीना के रूप में कार्य करो हय। ऊपरी बैंड एंटीना 0.728-1.08 गीगाहर्ट्ज, 1.64-1.84 गीगाहर्ट्ज, 2.1-3.69 गीगाहर्ट्ज, और 5.01-5.55 गीगाहर्ट्ज रेंज में संचालित होवो हय ताकि संज्ञानात्मक रेडियो (सीआर) और इंटरनेट ऑफ थिंग्स (आईओटी) अनुप्रयोगों के लिए एक पूर्ण एंटीना प्लेटफॉर्म विकसित कैल जा सके। एंटीना 65 × 120 × 1.56 मिमी 3 के आयाम के कम लागत वाला FR-4 सब्सट्रेट (ε <inf> r <inf> = 4.4 tanδ = 0.02) पर निर्मित हय। |
5b110494639f71fa8354e61af04c0cb5e8bbae70 | इ पत्र में, हम कई असहयोगी जैमर और स्वतंत्र रेलेइ फ्लैट-फेडिंग प्रसारण पर विचार करके संज्ञानात्मक-रेडियो-आधारित जैमर के जैमिंग क्षमता और संज्ञानात्मक रेडियो नेटवर्क (सीआरएन) के एंटी-जैमिंग क्षमता दोनों के अध्ययन करो हय। एंटी-जॉमिंग प्रदर्शन के क्रॉस-लेयर विश्लेषण के लिए सीआरएन ट्रांसमिशन के एक मार्कोव मॉडल सेट अप कैल गेल हई। संक्रमणकालीन संभावना एगो स्मार्ट जामिंग हमला रणनीति पर विचार करके विश्लेषणात्मक रूप से प्राप्त कैल जाई हई। औसत थ्रूपुट अभिव्यक्ति सिमुलेशन द्वारा प्राप्त और सत्यापित कैल जाई हई। परिणाम इंगित करो हय कि सीआरएन संचार सीआरएन स्पेक्ट्रम संवेदन और चैनल स्विचिंग प्रक्रिया के लक्षित करे वाला स्मार्ट जामिंग हमलों के लिए बेहद संवेदनशील हो सको हय। |
b8aae299e926d8e6f547faea4b90619fc6361146 | |
36638aff184754db62547b75bade8fa2076b1b19 | हम क्रेडिट स्कोरकार्ड बनावे के लेल प्रमुख पद्धति के जौरे रियल एडबस्ट बूस्ट के तुलना करबई: सबूत के चरणबद्ध वजन के तार्किक प्रतिगमन (एसडब्ल्यूओईएलआर) । रियल एडबॉस्ट एसडब्ल्यूईएलआर के समान हय और एसडब्ल्यूईएलआर मॉडल के लिए एक बेंचमार्क के रूप में काम करे के लिए अच्छी तरह से तैनात हय; इ एक सांख्यिकीय ढांचा भी प्रदान कर सको हय जेकर द्वारा हम एसडब्ल्यूईएलआर के शक्ति के समझ सको हय। हम एसएएस में रियल एडबॉस्ट मॉडल उत्पन्न करे के लिए एक मैक्रो प्रदान कर हई। परिचय वित्तीय संस्थान (एफआई) के विपणन, धोखाधड़ी के पता लगावे, ऋण निर्धारण, आदि के लिए मॉडल के एक विस्तृत श्रृंखला विकसित करेके चाहि। मशीन लर्निंग विस्फोट हो गेलय हय - उन्नत सांख्यिकीय तकनीकों के उपलब्धता, इ तकनीकों के निष्पादित करे के लिए शक्तिशाली कंप्यूटर के सर्वव्यापीता, और इ विधियों के अपनाने वाला कंपनियों के अच्छी तरह से प्रचारित सफलता द्वारा अस्वीकार कैल गेलय हय। कुछ एफआई के भीतर मॉडलिंग विभाग के विपरीत मांग के सामना करे के पड़ो हय: कार्यकारी उन्नत विधियों के कुछ प्रसिद्ध मूल्य के चाहो हय, जबकि सरकारी नियामक, आंतरिक तैनाती टीम और फ्रंट-लाइन स्टाफ मॉडल के चाहो हय जे लागू करे, व्याख्या करे और समझे में आसान हय। इ पेपर में हम रियल एडबॉस्ट, एक मशीन लर्निंग तकनीक के समीक्षा करो हय जे शक्तिशाली, लेकिन अपारदर्शी मशीन लर्निंग विधियों और पारदर्शी पारंपरिक विधियों के बीच एक मध्य-भूमि प्रदान कर सको हय। उपभोक्ता जोखिम मॉडल मॉडल के एक क्षेत्र जहां एफआई के अक्सर शक्ति और पारदर्शिता के बीच संतुलन बनावे के चाहि, उपभोक्ता जोखिम मॉडल हय। उपभोक्ता जोखिम मॉडलिंग में ग्राहक के ओकर क्रेडिट योग्यता (उन्हें ऋण वापस करे के संभावना) के आधार पर रैंकिंग करनाई शामिल हई: पहिले ग्राहक के विशेषता के पहचान करके जे अपराध के जोखिम के इंगित करई हई, अउर फेर ओकरा गणितीय रूप से जोड़के प्रत्येक ग्राहक के लेल सापेक्षिक जोखिम स्कोर के गणना करई हई (सामान्य विशेषता में शामिल हईः पिछला ऋण अपराध, उच्च क्रेडिट उपयोग, आदि) । उपभोक्ता जोखिम मॉडल के यथासंभव पारदर्शी रखे के लेल, कैगो एफआई के आवश्यकता होई हई कि मॉडल के अंतिम आउटपुट स्कोरकार्ड के रूप में हो (तालिका 1 में एगो उदाहरण देखावल गेल हई) । क्रेडिट स्कोरकार्ड ग्राहक जोखिम मॉडल के प्रतिनिधित्व करे के एगो लोकप्रिय तरीका हई, उनकर सरलता, पठनीयता अउर आसानी के कारण जेकरा साथे व्यवसाय विशेषज्ञता के मॉडलिंग प्रक्रिया के दौरान शामिल कैल जा सकई हई (मालडोनाडो एट अल। 2013 के बाद से). एक स्कोरकार्ड कई विशेषता के सूचीबद्ध करो हय जे जोखिम के इंगित करो हय और प्रत्येक विशेषता के उस विशेषता के लिए मानों के सीमा द्वारा परिभाषित छोटे संख्या में विभाजित कैल जा हय (उदाहरण के लिए, क्रेडिट उपयोगिताः 30-80% क्रेडिट उपयोगिता विशेषता के लिए एक बिन हय) । प्रत्येक बिन के स्कोर अंक के एक संख्या सौंपल जा हय, एक मूल्य एक सांख्यिकीय मॉडल से प्राप्त होवो हय और ऊ बिन के जोखिम के अनुपात में होवो हय (एसएएस 2012) । एगो ग्राहक प्रति विशेषता एगो अउर केवल एगो बिन में गिर जतई अउर आवेदक के अंतिम स्कोर प्रत्येक बिन (प्लस एगो इंटरसेप्ट) द्वारा सौंपल गेल अंक के योग छलई। ई अंतिम स्कोर उपभोक्ता जोखिम के अनुपात में हई। स्कोरकार्ड विकसित करे के प्रक्रिया के सबूत के भार के चरणबद्ध तार्किक प्रतिगमन (एसडब्ल्यूओईएलआर) कहल जाई हई अउर एसएएस® एंटरप्राइज माइनर TM में क्रेडिट स्कोरिंग ऐड-ऑन में लागू कैल जाई छलई। एडबॉस्ट एगो मशीन लर्निंग एल्गोरिथ्म हई जे छोट-छोट निर्णय के पेड़ के एगो श्रृंखला बनवई हई, प्रत्येक पेड़ के अनुकूलित करके कठिन मामला के भविष्यवाणी करई हई जे पिछला पेड़ द्वारा याद कैल गेल रहई अउर सभे पेड़ के एगो मॉडल में जोड़ई छलो। हम AdaBoost पद्धति पर चर्चा करबई आउर रियल AdaBoost नामक एक्सटेंशन के परिचय देबई। रियल एडबॉस्ट एक मजबूत अकादमिक वंशावली से आवो हय: एकर लेखक मशीन लर्निंग के अग्रणी हय और विधि में 15 वर्षों तक अच्छी तरह से स्थापित अनुभवजन्य और सैद्धांतिक समर्थन हय। व्यावहारिक रूप से, रियल एडबॉस्ट पठनीय क्रेडिट स्कोरकार्ड के उत्पादन करे में सक्षम हई अउर परिवर्तनीय बातचीत अउर अनुकूली, चरण-वार बिनिग सहित आकर्षक विशेषता प्रदान करई हई। |
f89ee2c9c67858c00bd87df310994ff3a69de747 | हालांकि, इ समस्या के लिए, सामान्य दृष्टिकोण पूरी तरह से अपर्याप्त होतय कहेकी सटीकता के कोनो भी उचित डिग्री के लिए θ के अनुमान लगावे के लिए n के अत्यधिक बड़ होवे के आवश्यकता होतय। उदाहरण लागी, औसतन हमे I के केवल एगो गैर-शून्य मान प्राप्त करे लागी n ≈ 2.7014 × 10 सेट करेके होतई। स्पष्ट रूप से ई अव्यावहारिक हई अउर n के एगो बहुत छोट मान के उपयोग करेके पड़ई छई। हालांकि, n के एगो बहुत छोट मूल्य के उपयोग करे से लगभग अनिवार्य रूप से एगो अनुमान, θ̂n = 0, अउर एगो अनुमानित विश्वास अंतराल [L, U ] = [0, 0] होई! त ई तरह से ई सहज दृष्टिकोण काम नञ् करऽ हइ। हम भिन्नता के कम करे के तकनीक के उपयोग करे के कोशिश कर सकई छी, जेकरा हम पाठ्यक्रम में अब तक देखले छियई, लेकिन ऊ बहुत कम, अगर कोय मदद प्रदान करतई। |
a5366f4d0e17dce1cdb59ddcd90e806ef8741fbc | |
727a8deb17701dd07f4e74af37b8d2e8cb8cb35b | |
e99f72bc1d61bc7c8acd6af66880d9a815846653 | कृषि भारत के लोग के आय के प्रमुख स्रोत हई अउर कृषि के भारत के अर्थव्यवस्था पर बहुत प्रभाव पड़ल हई। बेहतर पैदावार और गुणवत्ता वाला वितरण के लेल फसल के विकास के विशेष रूप से आवश्यकता छलई। इ प्रकार फसल के बिस्तर में उपयुक्त स्थिति और उपयुक्त नमी उत्पादन के लिए एक प्रमुख भूमिका निभा सको हय। ज्यादातर सिंचाई परंपरागत तरीका से एक छोर से दूसर छोर तक बहने के तरीका से कैल जा हय। ऐसन आपूर्ति फ़ाइल में विभिन्न नमी के स्तर छोड़ सकई हई। जल प्रणाली के प्रशासन के बढ़ावे के लेल क्रमादेशित सिंचाई ढांचा के उपयोग कैल जा सकई हई। ई पेपर इलाके के लेल ढांचा के जौरे एगो क्रमादेशित जल प्रणाली के प्रस्ताव करई हई जे मैनुअल श्रम के कम करतई अउर फसल के उत्पादकता बढ़ाबे के लेल पानी के उपयोग के अनुकूलित करतई। सेटअप तैयार करे लागी, वाई-फाई मॉड्यूल के साथ आर्द्रता सेंसर के साथ Arduino किट के उपयोग करल जा हई। हमनी के प्रयोगात्मक सेटअप क्लाउड फ्रेमवर्क से जुड़ल हई अउर डेटा अधिग्रहण हो रहल हई। फेर डेटा के क्लाउड सेवा द्वारा विश्लेषण कैल जाई हई अउर उपयुक्त सिफारिश देल जाई छलई। |
e4e9e923be7dba92d431cb70db67719160949053 | |
797f359b211c072a5b754e7a8f48a3b1ecf9b8be | टाइंडल एएफबी, फ्लोरिडा में राइट लेबोरेटरी, फ्लोरिडा विश्वविद्यालय के विभिन्न रोबोटिक वाहनों के लिए स्वायत्त नेविगेशन सिस्टम विकसित करे के लिए अनुबंधित कैलकय हा, जे बम और खानों के स्थान और निष्कासन से जुड़े कार्यों के करने में सक्षम हय। कार्य में से एगो में अप्रकाशित दफन गोला-बारूद के लेल बंद लक्ष्य रेंज के सर्वेक्षण शामिल हई। पथ अनुसरण में सटीकता कार्य के लिए महत्वपूर्ण हय। सैकड़ों एकड़ ऐसन जगह हइ, जेकरा पर वर्तमान में सर्वेक्षण के जरूरत हइ। साइटों के आमतौर पर क्षेत्रों में विभाजित कियल जावो हय, जहां प्रत्येक मिशन 4.5 घंटे तकले हो सको हय। इ साइट के आमतौर पर समानांतर पंक्तियों के साथे सर्वेक्षण कियल जा हय। पथ अनुसरण के सटीकता में सुधार करके, पंक्तियों के बीच की दूरी को लगभग जमीन में प्रवेश करे वाला सेंसर के पता लगाने की चौड़ाई तक बढ़ाया जा सकता है, जिसके परिणामस्वरूप प्रति मिशन अधिक क्षेत्रफल सर्वेक्षण किया जा सकता है। ई पेपर उच्च-स्तरीय पीआईडी और एक शुद्ध पीछा स्टीयरिंग नियंत्रक के मूल्यांकन करई हई। नियंत्रकों के एक भारित समाधान में जोड़ल गेलय हल ताकि प्रत्येक नियंत्रक के वांछनीय विशेषता के संरक्षित कैल जा सके। इ रणनीति के सिमुलेशन में प्रदर्शित कैल गेलय हल और एक नेविगेशन टेस्ट व्हीकल (एनटीवी) पर लागू कैल गेलय हल। विभिन्न वक्रता के परीक्षण पथ के लिए, 1.34 mI के वाहन गति पर औसत पार्श्व नियंत्रण त्रुटि 2 सेमी थी। |
0dd6795ae207ae4bc455c9ac938c3eebd84897c8 | कम्प्यूटेशनल भाषा विज्ञान में $64,000 के सवाल ई हइ कि सांख्यिकीय प्राकृतिक भाषा प्रसंस्करण के बारे में जाने के लेल हमरा का पढ़े के चाही? हमरा से ई सवाल बार-बार पूछल जा हइ, आउ हरेक बार हम मूल रूप से एक्के तरह के जवाब दे हलिअइ: अइसन कोय पाठ न हइ जे सीधे-सीधे ई विषय पर बात करे, आउ सबसे अच्छा काम ई हइ कि एगो अच्छा संभाव्यता-सिद्धांत पाठ्यपुस्तक आउ एगो अच्छा सूचना-सिद्धांत पाठ्यपुस्तक खोजल जाय, आउ ई पाठ के साथ-साथ सम्मेलन के कागजात आउ पत्रिका के लेख के भी संग्रह कइल जाय । ई उत्तर के निराशा के समझके, हम ई सुनके खुश हो गेलिअइ कि आखिरकार कोय ई विषय पर सीधे किताब लिखले हइ । हालांकि, यूजीन चार्नियाक के सांख्यिकीय भाषा सीखना के पढ़ला के बाद, हमरा सांख्यिकीय एनएलपी के लगातार बढ़त क्षेत्र पर इ पुस्तक के प्रभाव के बारे में बहुत मिश्रित भावना हय। पुस्तक एनएलपी (अध्याय 1) के लिए क्लासिक कृत्रिम बुद्धिमत्ता दृष्टिकोण के एक बहुत ही संक्षिप्त विवरण के साथ शुरू होवो हय, जेकरा मे रूपक विज्ञान, वाक्यविन्यास, अर्थशास्त्र और व्यावहारिकता शामिल हय। ई संभावना सिद्धांत अउर सूचना सिद्धांत (अध्याय 2) से कुछ परिभाषा प्रस्तुत करई हई, फेर लुकाइल मार्कोव मॉडल (अध्याय 3-4) अउर संभाव्य संदर्भ-मुक्त व्याकरण (अध्याय 5-6) के परिचय देवे के लेल आगे बढ़ई हई। पुस्तक के कुछ अध्याय के साथ समाप्त कैल गेल हई जे सांख्यिकीय भाषा सीखना में उन्नत विषय पर चर्चा करई हई, जैसे व्याकरण प्रेरण (अध्याय 7), वाक्यविन्यास विवर्तन (अध्याय 8), शब्द क्लस्टरिंग (अध्याय 9), अउर शब्द अर्थ विवर्तन (अध्याय 10) । एकर श्रेय के लिए, पुस्तक एनएलपी में सांख्यिकीय मॉडलिंग के एक दिलचस्प लोकप्रिय चर्चा के रूप में कार्य करो हय। ई अच्छा तरह से लिखल गेल हई अउर मनोरंजक हई, अउर सीमित गणितीय पृष्ठभूमि वाला पाठक के लेल बहुत सुलभ हई। ई पाठक के क्षेत्र में पेश करे के लेल सांख्यिकीय एनएलपी विषय के एगो अच्छा चयन प्रस्तुत करई हई। और छिपे हुए मार्कोव मॉडल के लिए आगे-पीछे एल्गोरिथ्म और संभाव्य संदर्भ-मुक्त व्याकरण के लिए अंदर-बाहर एल्गोरिथ्म के विवरण सहज और अनुसरण करे में आसान हय। हालांकि, शोध के इ क्षेत्र में प्रवेश करे में रुचि रखय वाला के लेल एक संसाधन के रूप में, इ पुस्तक अपन लेखक के लक्ष्य से बहुत दूर हय। ई लक्ष्य सब प्रस्तावना में स्पष्ट रूप से कहल गेल हे - |
82bcb524a2036676bfa4ebd3324fe76013dced54 | अंतर गोपनीयता एगो सटीक गणितीय प्रतिबंध हई जेकर उद्देश्य डेटाबेस में जानकारी के व्यक्तिगत टुकड़ा के गोपनीयता सुनिश्चित करनाई हई, भले ही कुल के बारे में प्रश्न के उत्तर देल जा रहल हई। सहज रूप से, कोनो के येई बात से सहमत होए के चाहि कि अंतर गोपनीयता के गारंटी देई हई अउर न करई हई। उदाहरण के लेल, परिभाषा एगो मजबूत विरोधी के रोकई हई जे डेटाबेस में एगो प्रविष्टि के छोड़के सभे जानई हई, अंतिम के बारे में अउर अनुमान लगाबे से। इ मजबूत विरोधी धारणा के अनदेखा कैल जा सको हय, जेकरा परिणामस्वरूप अंतरात्मक गोपनीयता के गोपनीयता गारंटी के गलत व्याख्या कैल जा सको हय। इजा हम पारस्परिक जानकारी के उपयोग करके गोपनीयता के एक समकक्ष परिभाषा देई हई जे अंतर गोपनीयता के कुछ सूक्ष्मता के स्पष्ट करई हई। पारस्परिक-सूचना अंतर गोपनीयता वास्तव में एकर ताकत के संदर्भ में ε-विभिन्न गोपनीयता और (ε,δ) -भिन्न गोपनीयता के बीच सैंडविच कैल गेल हई। बिना शर्त आपसी जानकारी के उपयोग करे वाला पिछला कार्य के विपरीत, अंतर गोपनीयता मौलिक रूप से सशर्त आपसी जानकारी से संबंधित हई, डेटाबेस वितरण पर अधिकतमकरण के जौरे। पारस्परिक जानकारी के उपयोग करे के वैचारिक लाभ, अंतर गोपनीयता के एक सरल और अधिक सहज परिभाषा प्रदान करे के अलावा, ई हई कि एकर गुण के अच्छी तरह से समझल जा सकई हई। पारस्परिक सूचना विकल्प, जैसे संरचना प्रमेय के लिए अंतर गोपनीयता के कई गुणों के आसानी से सत्यापित कैल जा सको हय। |
2c075293886b601570024b638956828b4fbc6a24 | पिछले कुछ वर्षों में त्वरक के उपयोग करके समानांतर कंप्यूटिंग विज्ञापन अनुसंधान में व्यापक ध्यान प्राप्त कैलकय हय। विशेष रूप से, सामान्य उद्देश्य कंप्यूटिंग के लिए GPU के उपयोग से समय, लागत, शक्ति और अन्य मीट्रिक के संबंध में कई सफलता की कहानियां सामने आई हैं। हालांकि, त्वरक आधारित कंप्यूटिंग ने गणना में सीपीयू के भूमिका के काफी हद तक कम कर देलकय हय। चूंकि सीपीयू विकसित होवो हय और संगत कंप्यूटेशनल संसाधन भी प्रदान करो हय, एही लेल गणना में सीपीयू के शामिल करनाई महत्वपूर्ण हय। हम एकरा संकर गणना मॉडल कहई छियई। वास्तव में, वर्तमान युग के अधिकांश कंप्यूटर सिस्टम में एक डिग्री के विषमता हय और इ प्रकार इ तरह के मॉडल काफी स्वाभाविक हय। हम ली एट अल के हालिया पेपर के दावा के पुनर्मूल्यांकन करई हई। (आईएससीए 20 10) के लेल। हम तर्क दे हियो कि ई सही सवाल हे जेकरा सामने ली अउर दोसर लोग खड़ा हथिन। (आईएससीए 2010) के सीपीयू + जीपीयू प्लेटफॉर्म के कुशलता से उपयोग कैसे करे के बारे में होना चाहि, एकर बजाय कि के सीपीयू या जीपीयू के उपयोग करे के चाहि। एकरा लेल, हम डेटाबेस, इमेज प्रोसेसिंग, स्पेयर और मैट्रिक्स कर्नेल अउर ग्राफ से लेके 13 विभिन्न वर्कलोड के एगो सेट के जौरे प्रयोग करई छी। हम दो अलग-अलग हाइब्रिड प्लेटफार्मों के साथ प्रयोग करते हैंः एक में 6-सी ऑरेंट इंटेल i7-980X सीपीयू और एक एनवीडिया टेस्ला टी 10 जीपीयू शामिल है, और दूसरा में एनवीडिया जीटी 520 जीपीयू के साथ इंटेल ई 7400 डुअल कोर सीपी यू शामिल है। ई दुनु प्लेटफार्म पर, हम देखई छियई कि हाइब्रिड समाधान अकेले सीपीयू चाहे जीपीयू समाधान पर अच्छा विज्ञापन लाभ प्रदान करई हई। ई दुनु प्लेटफार्म पर, हम ई भी दिखावो कि हमर समाधान औसतन 90% संसाधन कुशल हय। इसलिए, हमार काम से पता चलई हई कि हाइब्रिड कंप्यूटिंग न केवल अनुसंधान-पैमाना के प्लेटफॉर्म पर बल्कि अधिक यथार्थवादी पैमाना पर भी जबरदस्त लाभ प्रदान कर सकई हई। |
4ad35158e11f8def2ba3c389df526f5664ab5d65 | |
58a34752553d41133f807ee37a6796c5193233f2 | संचार नेटवर्क के अत्यधिक उपयोग, इंटरनेट ऑफ थिंग्स के उदय महत्वपूर्ण और गुप्त जानकारी के लिए कमजोरियों के बढ़ते हुए। हमलावर के संख्या आउ हमलावर के तकनीक में तेजी आ रहल हे । घुसपैठ इंटरनेट पर एगो प्रमुख खतरा हई। येहिलेल सुरक्षा मुद्दा बड़ी समस्या रहई, येहिलेल विभिन्न तकनीक अउर दृष्टिकोण के घुसपैठ के पता लगावे के प्रणाली के सीमा के संबोधित करे के लेल प्रस्तुत कैल गेल हई जैसे कम सटीकता, उच्च झूठी अलार्म दर, अउर समय लेने वाला। ई पेपर के के-मीडियन क्लस्टरिंग और अनुक्रमिक न्यूनतम अनुकूलन (एसएमओ) वर्गीकरण के संयोजन के आधार पर नेटवर्क घुसपैठ के पता लगावे के लिए एक हाइब्रिड मशीन लर्निंग तकनीक के प्रस्ताव हई। ई संकर दृष्टिकोण के परिचय देई हई जे झूठे सकारात्मक अलार्म के दर के कम करे में सक्षम हई, झूठे नकारात्मक अलार्म के दर में सुधार करे के लेल, पता लगावे के दर में सुधार करे के लेल अउर शून्य-दिन के हमलावर के पता लगावे के लेल। प्रस्तावित तकनीक में एनएसएल-केडीडी डेटासेट के उपयोग कैल गेल हई। वर्गीकरण अनुक्रमिक न्यूनतम अनुकूलन के उपयोग करके कैल गेल हई। प्रस्तावित हाइब्रिड मशीन लर्निंग तकनीक के प्रशिक्षण और परीक्षण के बाद, परिणाम से पता चललई कि प्रस्तावित तकनीक (के-मीडियन + एसएमओ) के सकारात्मक पता लगावे के दर (94.48%) प्राप्त कैल गेलई अउर झूठी अलार्म के दर (1.2%) कम कैल गेलई अउर सटीकता (97.3695%) प्राप्त कैल गेलई। |
8711a402d3b4e9133884116e5aaf6931c86ae46b | |
e2cf35d4235896ab823baf1a3801b67af2203cde | इंटरनेट पर बड़ी मात्रा में मुफ्त पाठ के कारण प्रश्न-उत्तर प्रणाली के लिए उत्तर के सटीकता अब आवश्यक है। उच्च सटीकता प्राप्त करे के प्रयास में, हम केस व्याकरण सिद्धांत द्वारा समर्थित और वर्बनेट फ्रेम पर आधारित एक प्रश्न-उत्तर प्रणाली के प्रस्तावित करो हय। ई शब्दार्थ स्तर पर बेमेल वाक्य के फ़िल्टर करे के लेल प्रश्न से वाक्यविन्यास, विषयगत अउर अर्थ संबंधी जानकारी के निकालई हई अउर उत्तर वाक्य से उत्तर खंड (एक वाक्यांश चाहे शब्द जे प्रश्न के उत्तर दे सकई हई) के निकालई हई। वर्बनेट के उपयोग प्रश्न में क्रिया फ्रेम अउर उम्मीदवार वाक्य के पता लगाबे के लेल हमर प्रणाली में कैल जाई हई, ताकि वाक्य रचना अउर विषयगत जानकारी के जौरे-जौरे शब्दार्थ जानकारी प्राप्त कैल जा सके। हमार प्रश्न-उत्तर प्रणाली विशेष रूप से वास्तविक प्रश्न के उत्तर देवे के लेल अच्छा काम करई हई। प्रयोग से पता चलई हई कि हमार दृष्टिकोण शब्दार्थ रूप से असंगत वाक्य के प्रभावी ढंग से फ़िल्टर करे में सक्षम हई अउर येहिलेल परिणाम सूची में सही उत्तर के उच्च स्थान पर रखई हई। |
2ede6a685ad9b58f2090b01ce1e3f86e42aeda7e | सुदृढीकरण सीखना रोबोटिक गति कौशल के स्वचालित अधिग्रहण के लिए एक शक्तिशाली और लचीला ढांचा प्रदान करो हय। हालांकि, सुदृढीकरण सीखना के लागू करे के लेल कार्य-उपयुक्त वस्तु के विन्यास सहित राज्य के पर्याप्त रूप से विस्तृत प्रतिनिधित्व के आवश्यकता होई हई। हम एगो दृष्टिकोण प्रस्तुत करई हई जे कैमरा छवि से सीधे राज्य प्रतिनिधित्व के सीखके राज्य-स्थान निर्माण के स्वचालित करई हई। हमार पद्धति वर्तमान कार्य के लिए पर्यावरण के वर्णन करे वाला फीचर पॉइंट्स के एक सेट प्राप्त करे के लिए एक गहरे स्थानिक ऑटोकोडर के उपयोग करो हय, जैसे कि वस्तु के स्थिति, और फिर स्थानीय रैखिक मॉडल के आधार पर एक कुशल सुदृढीकरण सीखने के विधि के उपयोग करके इ फीचर पॉइंट्स के साथ एक गति कौशल सीखो हय। परिणामी नियंत्रक सीखे गेल विशेषता बिंदु पर लगातार प्रतिक्रिया करो हय, जेकरा से रोबोट के दुनिया में वस्तु के गतिशील रूप से बंद-लूप नियंत्रण के साथे हेरफेर करे के अनुमति मिलो हय। हम एगो पीआर 2 रोबोट के जौरे अपन विधि के प्रदर्शन करई हई, जोनमे एगो स्वतंत्र खिलौना ब्लॉक के धकेलनाई, एगो स्पैटुला के उपयोग करके चावल के बैग उठाबे के, अउर विभिन्न स्थिति में एगो हुक पर रस्सी के लूप लटकल शामिल छलई। हर काम में, हमार तरीका स्वचालित रूप से काम से संबंधित वस्तु के ट्रैक करे के सीखई हई अउर रोबोट के हाथ से ओकर विन्यास में हेरफेर करई हई। |
36a5f8e1c3ad330d321ccf5b9943c1f5fe23de74 | सीखने के सिद्धांत और निर्देशात्मक डिजाइन के क्षेत्र एक वैज्ञानिक क्रांति के बीच में हय जेकरा मे ओकर उद्देश्यवादी दार्शनिक नींव के एक रचनात्मक ज्ञानमीमांसा द्वारा प्रतिस्थापित कियल जा रहले हा। ई लेख एगो रचनात्मक ज्ञानमीमांसा के धारणा के वर्णन करई हई, ओकरा उद्देश्यवादी धारणा के जौरे तुलना करई हई, अउर फेर निर्देशात्मक प्रणालि के वर्णन करई हई जे एगो दूरी पर रचनात्मक शिक्षा के समर्थन कर सकई हई। दूरस्थ शिक्षा प्रौद्योगिकि के सीमा प्रत्यक्ष-सामने के निर्देश के पूरक चाहे प्रतिस्थापित करे के प्रयास में, तकनीकी चाहे मध्यस्थ दूरस्थ दूरस्थ शिक्षा ने अक्सर केवल अप्रभावी विधियों के नकल कैले हई जे आमने-सामने कक्षा में शिक्षा के सीमित करई हई (टरोफ 1 995) । बहुत बार, संभावित रूप से इंटरैक्टिव प्रौद्योगिकियों के उपयोग दूरस्थ स्थानों में छात्रों के लिए एकतरफा व्याख्यान प्रस्तुत करे के लिए कियल जा हय। हालांकि, हम मानई हई कि कोनो प्रकार के कक्षा में सबसे मूल्यवान गतिविधि छात्र के लेल एक जौरे काम करे अउर बातचीत करे अउर विद्वान अउर व्यवसायी के समुदाय के निर्माण करे अउर ओकर हिस्सा बने के अवसर छलई (सेल्फ अउर एइलोला 1989; बैट्स 1990; सीटन 1993; नैली 1995) । एक अच्छा सीखने का अनुभव वह है जिसमें एक छात्र "नए ज्ञान और कौशल में महारत हासिल कर सकता है, आलोचनात्मक रूप से धारणाओं और विश्वासों की जांच कर सकता है, और ज्ञान और व्यक्तिगत, समग्र विकास के लिए एक जीवंत, सहयोगी खोज में संलग्न हो सकता है" (ईस्टमंड और ज़ीगन 1995, 59) । दूरस्थ शिक्षा में उपयोग कैल जाए वाला प्रौद्योगिकी के शिक्षक-केंद्रित व्याख्यान अउर प्रदर्शन के प्रसारित करे के बजाय "विस्तारित कक्षा मॉडल" में येई "अच्छा सीखने के अनुभव" के सुविधा प्रदान करे के चाहि (बर्गे अउर रॉबर्ट्स 1993) । ई लक्ष्य के लेल एगो महत्वपूर्ण बाधा ई तथ्य हई कि कैगो शिक्षक अउर निर्देशात्मक डिजाइनर पारंपरिक पृष्ठभूमि से दूरस्थ शिक्षा में आवई हई, जे उनके जौरे शिक्षण अउर सीखने के बारे में धारणा लबई हई जे सिद्धांत पर आधारित ना हई अउर प्रौद्योगिकी चाहे मध्यस्थ शिक्षा के लेल अच्छा तरह से अनुवाद ना करई हई (शिमन, टेरे, अउर मैकलारेन 1992) । |
5978ca8e9fdf4b900b72871a0c1e6de28294dd08 | |
0c7b67dcf86af3eb2ca4c19a713ce615e17343ab | क्षेत्र में प्रारंभिक कागजात के नामकरण के आधार पर, हम शब्दावली के एक सेट प्रस्तावित करो हय जे अभिव्यक्तिपूर्ण और सटीक दोनों हय। अधिक विशेष रूप से, हम गुमनाम, अनलिंकेबिलिटी, अनऑब्सेर्वेबिलिटी और छद्मनाम (छद्मनाम और डिजिटल छद्मनाम, और उनकर विशेषता) के परिभाषित करो हय। हम आशा करऽ हिअइ कि ई शब्दावली के अपनाने से ई क्षेत्र में बेहतर प्रगति हासिल करे में मदद मिलतइ, ताकि प्रत्येक शोधकर्ता के अपन भाषा के आविष्कार से बचावल जा सकइ। बेशक, प्रत्येक पेपर के अतिरिक्त शब्दावली के आवश्यकता होतय, जेकरा मे इजा परिभाषित शब्द के लिए लगातार जोड़ा जा सको हय। |
af5a56f7d392e7c0c720f8600a5a278d132114ca | ई पेपर 74 योगदान के वर्गीकरण और विश्लेषण के आधार पर पुनर्विचार परियोजना प्रबंधन (आरपीएम) साहित्य के एगो संरचित समीक्षा के परिणाम प्रस्तुत करई हई अउर एकरा अलावा ई साहसी नया दुनिया पर एगो आलोचनात्मक नज़र रखई हई। विश्लेषण के माध्यम से, कुल 6 व्यापक श्रेणियां सामने आईंः संदर्भ, सामाजिक और राजनीतिक पहलू, अभ्यास, जटिलता और अनिश्चितता, परियोजनाओं की वास्तविकता और व्यापक अवधारणा पर पुनर्विचार। ई श्रेणि परियोजना प्रबंधन पर विविध और वैकल्पिक दृष्टिकोण के जौरे विभिन्न योगदान के एगो विस्तृत श्रृंखला के कवर करई हई। आरपीएम के प्रारंभिक साहित्य 1980 के दशक के हय, जबकि अधिकांश 2006 के बाद प्रकाशित होलय हल, और शोध धारा अभी भी सक्रिय प्रतीत होवो हय। इ बहादुर नया दुनिया पर एक महत्वपूर्ण नज़र आरपीएम के लिए बहुत अधिक व्यापक और स्वीकृत होवे के लिए समग्र चुनौती के प्रदर्शित करो हय। © 2014 एल्सेवियर लिमिटेड एपीएम अउर आईपीएमए। सब अधिकार सुरक्षित . |
3000e77ed7282d9fb27216f3e862a3769119d89e | क्लाउड कंप्यूटिंग उपयोगकर्ता के लिए लचीलापन और उच्च प्रदर्शन और ऑपरेटरों के लिए उच्च लागत-कुशलता का वादा करो हय। बहरहाल, अधिकांश क्लाउड सुविधा बहुत कम उपयोग पर काम करई हई, जे लागत प्रभावशीलता अउर भविष्य के स्केलेबिलिटी दुनु के नुकसान करई छलो। हम क्वासर, एक क्लस्टर प्रबंधन प्रणाली प्रस्तुत करई हई जे लगातार उच्च अनुप्रयोग प्रदर्शन प्रदान करते हुए संसाधन उपयोग में वृद्धि करई हई। क्वासर तीन तकनीक के उपयोग करो हय। सबसे पहले, इ संसाधन आरक्षण पर निर्भर नय करो हय, जेकर कारण उप-उपयोग होवो हय काहेकी उपयोगकर्ता आवश्यक रूप से जटिल कोडबेस के वर्कलोड गतिशीलता और भौतिक संसाधन आवश्यकता के नय समझो हय। एकर बजाय, उपयोगकर्ता प्रत्येक कार्यभार के लिए प्रदर्शन प्रतिबंधों के व्यक्त करो हय, कोनो भी बिंदु पर इ प्रतिबंधों के पूरा करे के लिए क्वासर के सही मात्रा में संसाधन के निर्धारित करे दे हय। दूसरा, क्वासर संसाधन के मात्रा (स्केल-आउट और स्केल-अप), संसाधन के प्रकार, और प्रत्येक वर्कलोड और डेटासेट के लिए प्रदर्शन पर हस्तक्षेप के प्रभाव के जल्दी और सटीक रूप से निर्धारित करे के लिए वर्गीकरण तकनीकों का उपयोग करो हय। तीसरा, ई संसाधन आवंटन अउर असाइनमेंट के संयुक्त रूप से करे के लेल वर्गीकरण परिणाम के उपयोग करई हई, उपलब्ध संसाधन पर वर्कलोड के पैक करे के लेल एगो कुशल तरीका के लेल विकल्प के बड़का स्थान के तेजी से पता लगाबई हई। क्वासर वर्कलोड प्रदर्शन के निगरानी करो हय और जब आवश्यक होवो हय तओ संसाधन आवंटन और असाइनमेंट के समायोजित करो हय। हम स्थानीय क्लस्टर और समर्पित ईसी 2 सर्वर के एक क्लस्टर दोनों पर वितरित विश्लेषणात्मक ढांचे और कम विलंबता, राज्यपूर्ण सेवाओं के संयोजन सहित वर्कलोड परिदृश्यों के एक विस्तृत श्रृंखला पर क्वासर का मूल्यांकन करते हैं। स्थिर स्थिति में, 200 सर्वर ईसी 2 क्लस्टर में क्वासर 47% तक संसाधन उपयोग में सुधार करो हय, जबकि सभी प्रकार के वर्कलोड के लिए प्रदर्शन बाधा के पूरा करो हय। |
1c667ca4a83b3db5f7b8bbf8d8ee6e5c2da5c3b9 | |
1a2c6843b9e781f2f77e875f3d073ab686f6fae3 | विषम डेटाबेस के जौरे वितरित भू-स्थानिक अनुप्रयोग में, डेटा एकीकरण के लेल एगो ऑन्कोलॉजी-संचालित दृष्टिकोण एगो वैश्विक ऑन्कोलॉजी के अवधारणा के संरेखण पर निर्भर करई हई जे डोमेन के वर्णन करई हई, ओंटोलॉजी के अवधारणा के जौरे जे वितरित डेटाबेस में डेटा के वर्णन करई हई। एक बार वैश्विक ऑन्कोलॉजी अउर प्रत्येक वितरित ऑन्कोलॉजी के बीच संरेखण स्थापित हो जाए के बाद, अवधारणा के बीच विभिन्न प्रकार के मानचित्रण के एन्कोड करे वाला समझौता प्राप्त कैल जाई छलई। इ तरह से, उपयोगकर्ता संभावित रूप से एक ही क्वेरी के उपयोग करके सैकड़ों भू-स्थानिक डेटाबेस के क्वेरी कर सकई छलई। हमार दृष्टिकोण के उपयोग कैके, क्वेरी के आसानी से नया डेटा स्रोतों और, इ प्रकार, नया क्षेत्रों तक बढ़ायल जा सको हय। ई कागज में, हम एग्रीमेंटमेकर के वर्णन कर हियइ, एगो उपकरण जे ऑन्कोलॉजी के प्रदर्शित कर हियइ, कै मैपिंग परत के दृश्य रूप से समर्थन कर हियइ, स्वचालित रूप से उत्पन्न मैपिंग प्रस्तुत कर हियइ, आउर अंत में समझौता के उत्पादन कर हियइ। 2007 एल्सेवियर लिमिटेड। सब अधिकार सुरक्षित। |
8d69c06d48b618a090dd19185aea7a13def894a5 | |
664a2c6bff5fb2708f30a116745fad9470ef317a | मुख्य घटक विश्लेषण (पीसीए) एक लोकप्रिय आयामता कमी एल्गोरिथ्म हय। हालांकि, मुख्य घटक के आधार पर मूल विशेषता में से कौन महत्वपूर्ण हय, इ व्याख्या करना आसान नए हय। एक एल 1 नियामक के जोड़के पीसीए के छिड़काव करके हालिया विधियों में व्याख्यात्मकता में सुधार होवो हय। इ पेपर में, हम विरल पीसीए के लिए एक संभाव्य सूत्रण पेश कर हई। एगो संभाव्यता बेयसन सूत्र के रूप में विरल पीसीए के प्रस्तुत करके, हम स्वचालित मॉडल चयन के लाभ प्राप्त करई हई। हम छिन्नकरण प्राप्त करे के लिए तीन अलग-अलग पूर्व के जांच करो हय: (1) एक द्वि-स्तरीय पदानुक्रमित पूर्व एक लैप्लेसियन वितरण के बराबर हय और फलस्वरूप एक एल 1 नियमितकरण के, (2) एक उलटा-गॉसियन पूर्व, और (3) एक जेफरीs पूर्व। हम भिन्नता अनुमान लागू करके ई मॉडल सीखई हई। हमार प्रयोग सत्यापित करई हई कि वास्तव में हमार विरल संभाव्यता मॉडल के परिणाम विरल पीसीए समाधान में होई छलई। |
afde48d14d4b6783b6aef376a1bb4a47ffccc071 | ड्राइविंग कार्य के दौरान उपयोग के लिए भावनात्मक तनाव के शारीरिक विशेषताओं के मात्रा के लिए एक प्रणाली विकसित कियल जा रहले हा। ड्राइवर के त्वचा प्रवाहकता, श्वसन, मांसपेशी गतिविधि और हृदय गतिविधि के मापने वाले सेंसर के उपयोग करके दो प्रोटोटाइप प्रस्तुत कियल गलय हा। पहला प्रणाली दो तेज़ चैनलों पर 200 हर्ट्ज के नमूनाकरण दर और छह अतिरिक्त चैनलों पर 20 हर्ट्ज के अनुमति देवो हय। इ संकेत पर वास्तविक समय प्रसंस्करण करे के लिए एक पहनने योग्य कंप्यूटर के उपयोग करो हय और एक संलग्न डिजिटल कैमरा हय जेकर उपयोग ड्राइवर के चेहरे के अभिव्यक्ति के छवियों के कैप्चर करे के लिए हर मिनट एक बार कियल जावो हय। दोसर प्रणाली कार-आधारित कंप्यूटर के उपयोग करई हई जे आठ चैनल पर प्रति सेकंड 1984 नमूना के नमूना दर के अनुमति देइ हई। ई प्रणाली चालक के चेहरा के भाव अउर सड़क के स्थिति के लगातार कैप्चर करे के लेल कै कै कै कैमरा के उपयोग करई हई। तब डेटा के वीडियो क्वाड-स्प्लिटर के उपयोग करके शारीरिक संकेत के साथ सिंक्रनाइज़ कैल जा हय। ड्राइविंग वातावरण में शारीरिक विशेषताओं के निकालने के तरीकों पर चर्चा की गई है, जिसमें त्वचा के चालकता अभिविन्यास प्रतिक्रिया, मांसपेशियों की गतिविधि, नाड़ी और श्वसन पैटर्न के माप शामिल हैं। प्रारंभिक अध्ययन से पता चलई हई कि कैसे सेंसर के कैगो तरीका के उपयोग ड्राइविंग घटना के प्रतिक्रिया के भेदभाव करे में मदद कर सकई हई अउर समान ड्राइविंग परिस्थिति पर व्यक्ति के प्रतिक्रिया दिन-प्रतिदिन कैसे भिन्न हो सकई हई। |
0853c2a59d44fe97e0d21f89d80fa2f5a220e3b9 | पैटर्न मान्यता के लेल पारंपरिक मशीन लर्निंग एल्गोरिदम केवल कोनो संबंधित आत्मविश्वास मूल्य के बिना सरल भविष्यवाणियां आउटपुट करई छलई। आत्मविश्वास मूल्य एक संकेत हय कि प्रत्येक भविष्यवाणी के सही होवे के कितनी संभावना हय। आदर्श रूप से, एक सेट में सभे उदाहरण के लिए 99% या अधिक के आत्मविश्वास के मतलब हई कि ओई सेट में गलत भविष्यवाणिय के प्रतिशत 1% से अधिक न होतई। हरेक भविष्यवाणी के संभावना के जानला पर, हम ई आंकलन करे में सक्षम होबई कि हम एकरा पर केतना हद तक भरोसा कर सकई हई। इ कारण से, भविष्यवाणियां जे कुछ प्रकार के आत्मविश्वास मूल्य से जुड़ल हय, कई जोखिम-संवेदनशील अनुप्रयोगों में अत्यधिक वांछनीय हय, जैसे कि चिकित्सा निदान या वित्तीय विश्लेषण के लिए उपयोग कैल जा हय। वास्तव में, ऐसन जानकारी कोनो भी अनुप्रयोग के लाभान्वित कर सकई हई जेकरा लेल मानव-कंप्यूटर बातचीत के आवश्यकता होई हई, काहेकी विश्वास मूल्य के उपयोग येई तरीका के निर्धारित करे के लेल कैल जा सकई हई कि प्रत्येक भविष्यवाणी के कैसे इलाज कैल जाई हई। उदाहरण के लेल, एगो फ़िल्टरिंग तंत्र के नियोजित कैल जा सकई हई ताकि केवल ओई भविष्यवाणिय के ध्यान में राखल जाए जे एगो निश्चित स्तर के आत्मविश्वास के संतुष्ट करई हई, जबकि बाकी के त्याग देल जा सकई हई चाहे निर्णय के लेल कोनो मनुष्य के पास भेजल जा सकई हई। मुख्यधारा के मशीन लर्निंग में दो मुख्य क्षेत्र हय जेकर उपयोग कोनो प्रकार के आत्मविश्वास मूल्य प्राप्त करे के खातिर कैल जा सको हय; बेयसियन ढांचा और संभवतः लगभग सही सीखने (पीएसी सिद्धांत) के सिद्धांत। अक्सर बेयसन फ्रेमवर्क के उपयोग एल्गोरिदम के उत्पादन करे के लेल कैल जाई हई जे व्यक्तिगत भविष्यवाणिय के उनकर गुणवत्ता के संभाव्यता माप के जौरे पूरक करई हई। दोसर तरफ, पीएसी सिद्धांत के उपयोग कोनो विश्वास स्तर 1 − δ के संबंध में कोनो दिहल गेल एल्गोरिथ्म के लेल त्रुटि के संभावना पर ऊपरी सीमा के उत्पादन करे के लेल कैल जा सकई हई। हालांकि, इ दुनहु दृष्टिकोण के अपन लाभ हय। बेयसियन ढांचा के लागू करे के लेल डेटा के उत्पन्न करे वाला वितरण के बारे में कुछ पूर्व ज्ञान होनाई आवश्यक हई। जब सही पूर्व ज्ञात होई हई, त बेयसन विधि इष्टतम निर्णय प्रदान करई हई। वास्तविक दुनिया के डेटा सेट के लेल, हालांकि, आवश्यक ज्ञान उपलब्ध ना होए के कारण, कोनो के मनमाने ढंग से चुनल गेल पूर्व के अस्तित्व के मान लेबे के चाहि। इ मामले में, यदि पूर्व अनुमान गलत हय, त परिणामी आत्मविश्वास स्तर भी "गलत" हो सको हय; उदाहरण के लिए 95% आत्मविश्वास स्तर के लिए भविष्य कहनेवाला क्षेत्र के आउटपुट में 95% से कम मामलों में सही लेबल हो सको हय। ई एगो प्रमुख विफलता के संकेत देई हई, काहेकी हम अपेक्षा कर सकई छियई कि विश्वास स्तर अपेक्षित त्रुटि के प्रतिशत के सीमित करतई। एकर प्रयोगात्मक प्रदर्शन कि कैसे भ्रामक बेयसियन पद्धति बन सको हय जब ओकर धारणा के उल्लंघन कैल जा हय, मेलुइश एट अल, 2001 में पायल जा सको हय। |
1ff107c3230c51ae3cc8e0f14dced3eaebea9a8e | एगो एन्क्रिप्शन विधि के उपन्यास संपत्ति के जौरे प्रस्तुत कैल गेल हई जे सार्वजनिक रूप से एगो एन्क्रिप्शन कुंजी के प्रकट करई हई, येहिलेल संबंधित डिक्रिप्शन कुंजी के प्रकट ना करई छलई। एकर दूगो महत्वपूर्ण परिणाम हई: (1) कुंजी के प्रेषण के लेल कुरियर चाहे दोसर सुरक्षित साधन के आवश्यकता ना होई हई, काहेकी एगो संदेश के एन्क्रिप्शन कुंजी के उपयोग करके एन्क्रिप्ट कैल जा सकई हई जे इच्छित प्राप्तकर्ता द्वारा सार्वजनिक रूप से प्रकट कैल गेल हई। केवल ऊ ही संदेश के डिक्रिप्ट कर सकई हई, काहेकी केवल ऊ ही संबंधित डिक्रिप्ट कुंजी के जानई हई। (2) एगो निजी रखल गेल डिक्रिप्शन कुंजी के उपयोग कैके संदेश के "हस्ताक्षर" कैल जा सकई हई। कोय भी ई हस्ताक्षर के सत्यापित कर सकऽ हइ, एकर सार्वजनिक रूप से प्रकट कइल गेल एन्क्रिप्शन कुंजी के उपयोग करके । हस्ताक्षर के जाली न बनायल जा सकई हई, अउर हस्ताक्षरकर्ता बाद में अपन हस्ताक्षर के वैधता के खंडन न कर सकई छलई। एकर स्पष्ट अनुप्रयोग "इलेक्ट्रॉनिक मेल" और "इलेक्ट्रॉनिक फंड ट्रांसफर" सिस्टम में हय। एगो संदेश के एगो संख्या M के रूप में दर्शा के, M के सार्वजनिक रूप से निर्दिष्ट शक्ति e में बढ़ाके, आउर फेर शेष के ले के जब परिणाम के सार्वजनिक रूप से निर्दिष्ट उत्पाद, n से विभाजित कैल जाई हई, त दूगो बड़ गुप्त प्राइमर नंबर p अउर q के लेल एन्क्रिप्ट कैल जाई हई। डिक्रिप्शन समान हई; केवल एगो अलग, गुप्त, शक्ति d के उपयोग कैल जाई हई, जहां e * d 1 ((mod (p - 1) * (q - 1)) । प्रणाली के सुरक्षा आंशिक रूप से प्रकाशित भाजक, एन के गुणनखंडन के कठिनाई पर आधारित छलई। |
d21f261bf5a9d7333337031a3fa206eaf0c6082c | |
6665e03447f989c9bdb3432d93e89b516b9d18a7 | |
90a6f53bf0eb10fe53f908419c9ac644b16d6065 | |
f67acaa10ad4a0eb7130cd1f0b953478056f32af | पहला € मूल्य और £ और $ मूल्य स्थानीय वैट के अधीन शुद्ध मूल्य हय। * के साथ संकेतित कीमतों में किताबों के लिए वैट शामिल है; € ((D) में जर्मनी के लिए 7% शामिल है, € ((A) में ऑस्ट्रिया के लिए 10% शामिल है। ** के साथ संकेतित कीमतों में इलेक्ट्रॉनिक उत्पादों के लिए वैट शामिल है; जर्मनी के लिए 19%, ऑस्ट्रिया के लिए 20%। सब कीमतवा में ढुलाई शुल्कवा शामिल न हो। कीमत और अन्य विवरण बिना सूचना के परिवर्तन के अधीन हय। सब गलती आउ चूक के छोड़ देल गेल हे । सिलिकॉन-जर्मनियम प्रौद्योगिकी में 77 गीगाहर्ट्ज ऑटोमोटिव रडार के लिए डी. किसिंजर मिलीमीटर-वेव रिसीवर कॉन्सेप्ट |
97a18d0c88d72bac9fbdfe9d19485ac37175177b | परिपत्र ध्रुवीकरण (सीपी) और कम आकार के साथ एक माइक्रोस्ट्रिप पैच एंटीना के डिजाइन करना एक चुनौतीपूर्ण और जटिल कार्य हय। इ प्रकार के एंटीना के प्रस्तावित और प्रयोगात्मक रूप से अध्ययन कैल गेलय हय। पैच के चार कोनों पर एक साथ लंबवत तकनीक और शॉर्टिंग पिन के तैनाती सीपी प्राप्त करे के साथे-साथ एंटीना के आकार के कम करे के साथे-साथ कम बैक रेडिएशन प्रदान करो हय। इ पैच के लेल अनुप्रेषण और संधारित्र भार प्रभाव प्रदान कर सकई हई जे बदला में संचालन के आवृत्ति के नियंत्रित करई हई। इ पेपर में, विभिन्न शॉर्टिंग स्ट्रिप संरचनाओं जैसे आयत, यू-आकार और घुमावदार के साथ एक अध्ययन कैल गेलय हय। एचएफएसएस में सिमुलेशन कैल गेल रहई अउर सिमुलेटेड परिणाम के विभिन्न संरचना के जौरे तुलना कैल गेल रहई। ई पायल गेलई कि मेन्डरिंग तकनीक अन्य दो के तुलना में बेहतर आकार के कमी देई हई काहेकी सबसे मजबूत वर्तमान शक्ति मेन्डरिंग शॉर्टिंग स्ट्रिप्स पर केंद्रित होई हई। एकर अलावा, घुमावदार तकनीक अन्य के तुलना में उच्च फ्रंट-टू-बैक अनुपात प्रदान करो हय। |
70ca66188f98537ba9e38d87ee2e5c594ef4196d | ई पेपर एगो उपन्यास आवृत्ति-संचालित निरंतर-तरंग रडार अवधारणा के वर्णन करई हई, जहां गैर-समान विरल एंटीना सरणी अउर बहु-इनपुट बहु-आउटपुट तकनीक जैसे विधियों के उपयोग प्रस्तावित प्रणाली के कोणीय रिज़ॉल्यूशन में सुधार करे के लेल कैल जाई छलई। मानक उत्पादन तकनीक के उपयोग करके व्यावहारिक व्यवहार्यता के प्रदर्शित करे के लिए, ऑफ-द-शेल्फ आरएफ सब्सट्रेट पर डिफरेंशियल पैच एंटीना सरणी के संयोजन में एक उपन्यास चार-चैनल सिंगल-चिप रडार ट्रांसीवर के उपयोग करे वाला एक प्रोटोटाइप सेंसर के महसूस कैल गेलय हल। एकर अलावा, एकर व्यावहारिक प्रयोज्यता के प्रदर्शित करे के लिए, प्रस्तुत कुशल सिग्नल प्रोसेसिंग एल्गोरिदम के संयोजन में वास्तविक दुनिया के माप परिदृश्य में इकट्ठा प्रणाली के परीक्षण कैल गेलय हल। |
8da84ea04a289d06d314be75898d9aa96cdf7b55 | मूर के नियम के निरंतर प्रगति ने रडार प्रणाली के विकास के सक्षम बनयले हई जे एक साथ कई चरण केंद्र से कई कोडेड तरंग रूप के प्रसारित अउर प्राप्त करई हई अउर उनकरा के उन तरीका से संसाधित करई हई जे अतीत में अनुपलब्ध रहई। येई बहु-इनपुट बहु-आउटपुट (एमआईएमओ) रडार सिस्टम से प्रसंस्करण के लेल उपलब्ध सिग्नल प्रेषक के संवहन के अनुरूप स्थानिक नमूना के रूप में देखाई देई हई अउर प्रसारण अउर प्राप्ति एपर्चर चरण केंद्र के। नमूना चैनल के उत्तेजित करे और मापे के क्षमता प्रदान करो हय जेकरा मे प्रेषण / प्राप्त प्रजनन पथ, लक्ष्य और आकस्मिक छितरा या गंदगी शामिल होवो हय। ई संकेत के एक अनुकूली सुसंगत संचरण बीम बनावे के लिए संसाधित और संयुक्त कैल जा सको हय, या एक एकल आवास में उच्च रिज़ॉल्यूशन के साथे एक विस्तारित क्षेत्र के खोज के लिए। प्राप्त डेटा के अनुकूली रूप से संयोजन से ट्रांसमिट बीम शेप के अनुकूली रूप से नियंत्रित करे के प्रभाव प्राप्त होवो हय और स्थानिक विस्तार बेहतर ट्रैक-while-scan सटीकता प्रदान करो हय। ई पेपर में बेहतर निगरानी रडार प्रदर्शन के पीछे के सिद्धांत के वर्णन कैल गेल हई अउर एकरा प्रयोगात्मक एमआईएमओ रडार से माप के जौरे चित्रित कैल गेल हई। |
df168c45654bf1d62b8e066e68be5ba1450a976a | इ पेपर में हम समय-विभाजन बहु-पहुँच (टीडीएमए) सिस्टम में चल रहे लक्ष्य के समस्या पर जोर देवे के साथ समतल आवृत्ति-संयोजित निरंतर-तरंग (एफएमसीडब्ल्यू) बहु-इनपुट बहु-आउटपुट (एमआईएमओ) सरणियों के डिजाइन के लिए विधियों के प्रस्तुत करो हय। हम लक्ष्य गति और संचालन के सीमा के प्रभाव के चर्चा करो हय और एकर प्रभाव के भरपाई करे के एक विधि प्रस्तुत करो हय, जेकरा मे मेरिज डिजाइन और सिग्नल प्रोसेसिंग में विशेष ध्यान देवे के आवश्यकता होवो हय। एरे डिजाइन तकनीक, कार्यान्वयन सहित उदाहरण, और माप परिणाम भी इ लेख में शामिल हय। |
1cd8ee3bfead2964a3e4cc375123bb594949aa0b | ई पेपर एगो नया एल्गोरिथम फ्रेमवर्क, प्रेडिक्टर-वेरिफायर ट्रेनिंग के प्रस्ताव रखई हई, ताकि न्यूरल नेटवर्क के प्रशिक्षित कैल जा सके जे सत्यापित हो सकई हई, अर्थात, नेटवर्क जे कुछ वांछित इनपुट-आउटपुट गुण के पूरा करई हई। मुख्य विचार एक साथ दो नेटवर्क के प्रशिक्षित करेक हय: एक भविष्यवक्ता नेटवर्क जे हाथ में कार्य के पूरा करो हय, उदाहरण के लिए, दिहल गेल इनपुट के लेबल के भविष्यवाणी करेके, और एक सत्यापनकर्ता नेटवर्क जे एक बाउंड के गणना करो हय कि भविष्यवक्ता सत्यापित होवे वाला गुण के केतना अच्छा से संतुष्ट करो हय। मानक डेटा-फिटिंग हानि के भारित संयोजन और संपत्ति के अधिकतम उल्लंघन के सीमित करे वाला शब्द के अनुकूलित करे के लेल दुनहु नेटवर्क के एक साथ प्रशिक्षित कैल जा सकई हई। प्रयोग से पता चलई हई कि न केवल प्रेडिक्टर-वेरिफायर आर्किटेक्चर नेटवर्क के प्रशिक्षण देबे में सक्षम हई ताकि बहुत कम प्रशिक्षण समय के जौरे विरोधी उदाहरण के लेल अत्याधुनिक सत्यापित मजबूती प्राप्त कैल जा सके (एमएनआईएसटी अउर एसवीएचएन जैसन छोट डेटासेट पर पिछला एल्गोरिदम के बेहतर प्रदर्शन), लेकिन एकरा सीआईएफएआर -10 के लेल पहिला ज्ञात (हमरा ज्ञान के सर्वोत्तम) सत्यापित रूप से मजबूत नेटवर्क के उत्पादन करे के लेल भी स्केल कैल जा सकई हई। |
7a2fc025463d03b17a1d0fa4941b00db3ce71f26 | हम स्व-ध्यान तंत्रिका मशीन अनुवाद मॉडल के ग्रेडिएंट-आधारित डोमेन अनुकूलन के लिए विधियों के प्रस्ताव और तुलना करो हय। हम इ प्रदर्शित करई हई कि समूह लासो नियामक के माध्यम से सीखना के दौरान ऑफसेट टेंसर के सेट में संरचित विरलता के प्रोत्साहित करके अनुवाद गुणवत्ता में न्यूनतम चाहे कोई कमी के जौरे अनुकूलन के दौरान मॉडल पैरामीटर के एगो बड़का अनुपात के फ्रीज कैल जा सकई हई। हम इ तकनीक के मूल्यांकन कई डेटा सेट और भाषा जोड़े में बैच और वृद्धिशील अनुकूलन दुनहु के लेल करई हई। हमनी के सिस्टम आर्किटेक्चर- कॉम्पैक्ट डोमेन अनुकूलन के साथ अत्याधुनिक स्व-ध्यान मॉडल के संयोजन- उच्च गुणवत्ता वाला व्यक्तिगत मशीन अनुवाद प्रदान करई हई जे स्थान अउर समय दुनु के कुशल हई। |
5324ba064dc1656dd51c04122c2c802ef9ec28ce | अनुशंसा प्रणाली पारंपरिक रूप से मानो हय कि उपयोगकर्ता प्रोफाइल और फिल्म विशेषता स्थिर हय। समय संबंधी गतिशीलता विशुद्ध रूप से प्रतिक्रियाशील हय, अर्थात, ओकर अवलोकन के बाद ओकर अनुमान लगावल जा हय, जैसे कि उपयोगकर्ता के स्वाद के बाद बदल गेल हई या फिल्म के लेल हाथ से इंजीनियर temporal bias सुधार पर आधारित छलई। हम प्रस्तावित पुनरावर्ती अनुशंसा नेटवर्क (आरआरएन) हई जे भविष्य के व्यवहारिक प्रक्षेपवक्र के भविष्यवाणी करे में सक्षम छलई। ई एगो लॉन्ग-शार्ट-टर्म मेमोरी (एलएसटीएम) ऑटोरेग्रेसिव मॉडल के जौरे दुनहु उपयोगकर्ता अउर फिल्म के संपन्न करके हासिल कैल जाई हई जे गतिशीलता के कब्जा करई हई, एगो अधिक पारंपरिक निम्न-रैंक कारककरण के अलावा। कैगो वास्तविक दुनिया के डेटा सेट पर, हमार मॉडल उत्कृष्ट भविष्यवाणी सटीकता प्रदान करई हई अउर ई बहुत कॉम्पैक्ट हई, काहेकी हमरा लुप्त अवस्था के सीखना आवश्यक ना होई हई बल्कि केवल राज्य संक्रमण फ़ंक्शन के सीखना चाहि। |
3e090dac6019963715df50dc23d830d97a0e25ba | तंत्रिका नेटवर्क के लेल बेयज़ियन अनुमान के लेल एगो व्यवहार्य अनुमान के रूप में भिन्नता पद्धति के पहले पता लगाएल गेल हई। हालांकि अब तक प्रस्तावित दृष्टिकोण केवल कुछ सरल नेटवर्क आर्किटेक्चर पर लागू होलय हा। ई पेपर एगो आसान-से-कार्यान्वित स्टोचैस्टिक भिन्नता पद्धति (या समकक्ष, न्यूनतम विवरण लंबाई हानि फ़ंक्शन) के परिचय देई हई जेकरा अधिकांश तंत्रिका नेटवर्क पर लागू कैल जा सकई हई। ई तरह से ई एगो भिन्नता के दृष्टिकोण से कैगो सामान्य नियामक के फिर से देखई हई। ई एगो सरल छँटाई के पुनरावृत्ति प्रदान करई हई जे नेटवर्क भार के संख्या के काफी कम कर सकई हई अउर बेहतर सामान्यीकरण के नेतृत्व कर सकई हई। TIMIT भाषण कोरपस पर लागू एक पदानुक्रमित बहुआयामी पुनरावर्ती तंत्रिका नेटवर्क के लिए प्रयोगात्मक परिणाम प्रदान कियल गलय हा। |
652d159bf64a70194127722d19841daa99a69b64 | इ पत्र दिखावेला कि कैसे दीर्घकालिक लघु स्मृति आवर्ती तंत्रिका नेटवर्क के उपयोग एक समय में एक डेटा बिंदु के भविष्यवाणी करके, लंबी दूरी के संरचना के साथ जटिल अनुक्रम उत्पन्न करे के लिए कियल जा सको हय। ई दृष्टिकोण पाठ के लेल (जहाँ डेटा असतत हय) अउर ऑनलाइन हस्तलेखन (जहाँ डेटा वास्तविक-मूल्यवान हय) के लेल प्रदर्शित कैल गेल हई। एकरा बाद नेटवर्क के टेक्स्ट अनुक्रम पर अपन भविष्यवाणिय के कंडीशनिंग करे के अनुमति देके हस्तलेखन संश्लेषण के लेल विस्तारित कैल गेल हई। परिणामी प्रणाली विभिन्न शैलियों में अत्यधिक यथार्थवादी कर्सिव हस्तलेखन उत्पन्न करे में सक्षम हय। |
2d208d551ff9000ca189034fa683edb826f4c941 | हम वेब पृष्ठ से श्रेणि (जैसे, अकादमिक क्षेत्र, एथलीट) और संबंध (जैसे, प्लेस्पोर्ट ((एथलीट, खेल)) के निकाले के लेल अर्ध-पर्यवेक्षित सीखने के समस्या पर विचार करई हई, प्रत्येक श्रेणी चाहे संबंध के मुट्ठी भर लेबल कैल गेल प्रशिक्षण उदाहरण से शुरू करई हई, अउर सैकड़ों मिलियन लेबल न कैल गेल वेब दस्तावेज़ के जौरे। केवल कुछ लेबल कैल गेल उदाहरण के उपयोग करइत अर्ध-पर्यवेक्षित प्रशिक्षण आम तौर पर अविश्वसनीय होई हई काहेकी सीखने के कार्य कम प्रतिबंधित होई हई। ई पेपर ई थीसिस के अनुसरण करई हई कि विभिन्न श्रेणि अउर संबंध के लेल कैगो निष्कर्षक के अर्ध-पर्यवेक्षित प्रशिक्षण के जोड़के, सीखने के कार्य के और सीमित करके बहुत अधिक सटीकता प्राप्त कैल जा सकई हई। हम कैगो तरीका के विशेषता देई हई जोनमे श्रेणी अउर संबंध निकाले वाला के प्रशिक्षण के जोड़ा जा सकई हई, अउर प्रयोगात्मक परिणाम प्रस्तुत करई हई जे परिणामस्वरूप काफी सुधारल सटीकता के प्रदर्शन करई हई। |
52aa38ffa5011d84cb8aae9f1112ce53343bf32c | हम डिजिटल पीयर-टू-पीयर मुद्रा बिटकॉइन में कैगो क्लस्टरिंग एल्गोरिदम के प्रदर्शन के विश्लेषण करई हई। बिटकॉइन में क्लस्टरिंग एगो देल गेल पता के समान वॉलेट से संबंधित पते खोजे के कार्य के संदर्भित करई हई। क्लस्टरिंग रणनीतियों के प्रभावशीलता के आकलन करे के लिए हम 37,585 बिटकॉइन वॉलेट और उनके स्वामित्व वाले पते के बारे में जमीनी सत्य डेटा कैप्चर करे के लिए कनेक्शन ब्लोम फ़िल्टरिंग के कार्यान्वयन में एक भेद्यता के शोषण करो हय। सुपरिचित क्लस्टरिंग तकनीक के अलावा, हम दो नई रणनीतियों को पेश करते हैं, उन्हें एकत्रित पर्स के पते पर लागू करते हैं और जमीनी सच्चाई का उपयोग करके सटीकता और याद का मूल्यांकन करते हैं। कनेक्शन ब्लो फिल्टरिंग भेद्यता के प्रकृति के कारण, हमरा द्वारा एकत्रित डेटा त्रुटि से मुक्त ना हई। हम ऐसन गलतियों के उपस्थिति में प्रदर्शन मीट्रिक के सही करे के लिए एक विधि प्रस्तुत करो हय। हमार परिणाम से पता चलई हई कि आधुनिक वॉलेट सॉफ्टवेयर भी अपन उपयोगकर्ता के सुरक्षा के लेल पर्याप्त रूप से सुरक्षा न कर सकई हई। यहां तक कि सबसे बुनियादी क्लस्टरिंग तकनीक के साथ भी जेकरा बहु-इनपुट युरेस्टिक के रूप में जानल जाई हई, एगो प्रतिद्वंद्वी औसतन 68.59% पीड़ित के पते के अनुमान लगा सकई हई। हम देखई छियई कि ई मीट्रिक के अउर परिष्कृत हेरिस्टिक्स के संयोजन करके आगे बढ़ाएल जा सकई हई। |
f824415989a7863a37e581fdeec2f1d9f4d54f62 | |
4abdf7f981612216de354f3dc6ed2b07b5e9f114 | ई पेपर पांचवा पीढ़ी (5 जी) वायरलेस संचार नेटवर्क लागी एक समतल मोनोपोल एंटीना के जांच कर हई। प्रस्तावित एंटीना में मिमी तरंग (mmW) स्पेक्ट्रम, 25-39 GHz में Ka बैंड के कवर करे वाला अल्ट्रा-वाइड बैंड प्रतिबाधा प्रतिक्रिया हय। एंटीना के हेक्सागोनल हनीकॉम्ब के तरह अद्वितीय संरचनात्मक लेआउट हय और 0.254 मिमी मोटी रोजर्स सब्सट्रेट पर कम प्रोफ़ाइल (8 × 7 मिमी 2) हय, जे भविष्य के मोबाइल फोन में शामिल करे के लिए डिजाइन के सक्षम बनावो हय। ई एंटीना कार्यशील बैंड में 90% दक्षता के साथे 4.15 dBi के शिखर लाभ प्रदान करई हई। डिजाइन के 8 × 1 तत्व सरणी तक भी विस्तारित कियल गलय हा जे एंटीना के केंद्रीय आवृत्ति पर अधिकतम 12.7 डीबीआई के लाभ प्रस्तुत करो हय। |
958340c7ccd205ed7670693fa9519f9c140e372d | हाल ही में, लोगो मान्यता के आसपास औद्योगिक गतिविधि के एक लहर आई है, जैसे कि उपयोगकर्ता द्वारा उत्पन्न छवियों में अपने ब्रांडों के ट्रैक करे के लिए विपणक के लिए डिट्टो की सेवा, और लोगो मान्यता के लिए लोगोग्राब के मोबाइल ऐप प्लेटफॉर्म। हालांकि, पिछले चार वर्षों में शैक्षणिक या ओपन-सोर्स लोगो मान्यता में अपेक्षाकृत कम प्रगति होलय हा। इस बीच, डीप कन्वॉल्यूशनल न्यूरल नेटवर्क (डीसीएनएन) ऑब्जेक्ट मान्यता अनुप्रयोग के एक विस्तृत श्रृंखला में क्रांति ला दलकय हा। ई काम में, हम लोगो पहचान के लेल डीसीएनएन लागू करई छी। हम कई डीसीएनएन आर्किटेक्चर के प्रस्ताव रखई हई, जेकरा जौरे हम एगो लोकप्रिय लोगो मान्यता डेटासेट पर प्रकाशित अत्याधुनिक सटीकता के पार कर जाई हई। |
087337fdad69caaab8ebd8ae68a731c5bf2e8b14 | संवहन नेटवर्क शक्तिशाली दृश्य मॉडल हय जे सुविधा के पदानुक्रम के उत्पादन करो हय। हम देखबई कि संवितरण नेटवर्क अपने आप में, अंत-से-अंत, पिक्सेल-से-पिक्सेल प्रशिक्षित, शब्दार्थ विभाजन में पिछला सर्वश्रेष्ठ परिणाम में सुधार करई हई। हमार मुख्य अंतर्दृष्टि "पूरी तरह से संवहनशील" नेटवर्क के निर्माण करेक हय जे मनमाना आकार के इनपुट लेवो हय और कुशल अनुमान और सीखने के साथे संबंधित आकार के आउटपुट उत्पन्न करो हय। हम पूरी तरह से संवहन नेटवर्क के स्थान के परिभाषित अउर विस्तार से बताबई हई, स्थानिक रूप से घने भविष्यवाणी कार्य के लेल उनकर अनुप्रयोग के व्याख्या करई हई, अउर पिछला मॉडल के जौरे संबंध बनाबई हई। हम समकालीन वर्गीकरण नेटवर्क (एलेक्सनेट, वीजीजी नेट, और गूगलनेट) के पूरी तरह से संवहन नेटवर्क में अनुकूलित करई हई अउर उनकर सीखे गेल प्रतिनिधित्व के विभाजन कार्य के लेल सूक्ष्म-ट्यूनिंग द्वारा स्थानांतरित करई हई। तब हम एगो स्किप आर्किटेक्चर के परिभाषित करई हई जे एगो गहरी, मोटी परत से अर्थ संबंधी जानकारी के एगो उथले, महीन परत से उपस्थिति जानकारी के जौरे सटीक अउर विस्तृत विभाजन के उत्पादन करे के लेल जोड़ई हई। हमार पूर्ण रूप से संवहन नेटवर्क पास्कल वीओसी (30% सापेक्ष सुधार 2012 पर 67.2% औसत आईयू), एनवाईयूडीवी 2, एसआईएफटी प्रवाह, और पास्कल-संदर्भ के बेहतर विभाजन प्राप्त करई हई, जबकि अनुमान एक विशिष्ट छवि के लेल एक दसवां सेकंड लेई हई। |
08a4fa5caead14285131f6863b6cd692540ea59a | व्यवहार में, अक्सर इ बात पर स्पष्ट प्रतिबंध होवो हय कि मशीन लर्निंग के अनुप्रयोग में कौन सा प्रतिनिधित्व या निर्णय स्वीकार्य हय। उदाहरण के लेल ई कानूनी आवश्यकता हो सकई हई कि कोनो निर्णय कोनो विशेष समूह के लाभ ना देबे के चाहि। वैकल्पिक रूप से ई हो सकई हई कि डेटा के ऊ प्रतिनिधित्व में पहचान वाला जानकारी ना होवे के चाहि। हम लचीला प्रतिनिधित्व के सीखके येई दु संबंधित मुद्दा के संबोधित करई हई जे एगो विरोधी आलोचक के क्षमता के कम कर देई हई। ई विरोधी प्रतिनिधित्व से प्रासंगिक संवेदनशील चर के भविष्यवाणी करे के कोशिश कर रहले हा, और येई प्रकार विरोधी के प्रदर्शन के कम से कम करे से संवेदनशील चर के बारे में प्रतिनिधित्व में बहुत कम चाहे कोई जानकारी ना होवे के गारंटी मिलो हय। हम इ विरोधाभासी दृष्टिकोण के दू समस्या पर प्रदर्शित करई हई: भेदभाव से मुक्त निर्णय लेबे अउर छवियों से निजी जानकारी के हटाबे के। हम प्रतिद्वंद्वी मॉडल के एक न्यूनतम समस्या के रूप में तैयार करते हैं, और एक स्टोचैस्टिक ग्रेडिएंट वैकल्पिक न्यूनतम-अधिकतम अनुकूलक का उपयोग करके उस न्यूनतम उद्देश्य को अनुकूलित करते हैं। हम मानक परीक्षण समस्या के लेल भेदभावपूर्ण मुक्त प्रतिनिधित्व प्रदान करे के क्षमता प्रदर्शित करई हई, अउर निष्पक्षता के लेल कला के पिछला राज्य के तरीका के जौरे तुलना करई हई, जे अधिकांश मामला में सांख्यिकीय रूप से महत्वपूर्ण सुधार देखबई हई। इ पद्धति के लचीलापन एक उपन्यास समस्या के माध्यम से दिखाल गलय हा: छवियों से एनोटेशन के हटावे के, एनोटेटेड और अनएनोटेटेड छवियों के अलग-अलग प्रशिक्षण उदाहरणों से, और मॉडल के प्रदान कियल गेल एनोटेशन के रूप के कोई पूर्व ज्ञान के बिना। |
d7805eee3daef814140001a6c59fda004266b3c8 | |
988c10748a66429dda79d02bc5eb57c64f9768fb | वार्तालाप मशीन समझ के लेल वार्तालाप इतिहास के गहरी समझ के आवश्यकता होई हई। इतिहास के व्यापक रूप से एन्कोड करे के लेल पारंपरिक, एकल-मोड़ मॉडल के सक्षम करे के लेल, हम प्रवाह, एगो तंत्र के परिचय देई हई जे पिछला प्रश्न के उत्तर देवे के प्रक्रिया के दौरान उत्पन्न मध्यवर्ती प्रतिनिधित्व के शामिल कर सकई हई, एगो वैकल्पिक समानांतर प्रसंस्करण संरचना के माध्यम से। उ सपाट दृष्टिकोण के तुलना में जे इनपुट के रूप में पिछला प्रश्न / उत्तर के जोड़ई हई, प्रवाह बातचीत के इतिहास के लुप्त अर्थशास्त्र के अधिक गहराई से एकीकृत करई हई। हमर मॉडल, फ्लोक्यूए, हाल ही में प्रस्तावित दो संवादात्मक चुनौतियों पर बेहतर प्रदर्शन दिखाता है (+7.2% एफ 1 कोक्यूए पर और +4.0% क्वाक पर) । प्रवाह के प्रभावकारिता अन्य कार्यों में भी दिखाई दे हय। क्रमिक निर्देश समझ के वार्तालाप मशीन समझ में कम करके, FLOWQA SCONE में तीनों डोमेन पर सबसे अच्छा मॉडल के बेहतर प्रदर्शन करो हय, सटीकता में +1.8% से +4.4% के सुधार के साथे। |
31181e73befea410e25de462eccd0e74ba8fea0b | |
0e6f5abd7e4738b765cd48f4c272093ecb5fd0bc | |
0501336bc04470489529b4928c5b6ba0f1bdf5f2 | आधुनिक खोज इंजन लोकप्रिय वाणिज्यिक क्वेरी के उत्तर देवे के लिए काफी अच्छा हय, मुख्य रूप से अत्यधिक प्रासंगिक दस्तावेजों के साथे। हालांकि, हमर प्रयोग से पता चलई हई कि ऐसन प्रासंगिक वाणिज्यिक साइट पर उपयोगकर्ता के व्यवहार एक से दूसर वेबसाइट पर समान प्रासंगिकता लेबल के जौरे भिन्न हो सकई हई। इ प्रकार खोज इंजन के रैंकिंग परिणाम के चुनौती के सामना करेके पड़ो हय जे पारंपरिक प्रासंगिकता ग्रेडिंग दृष्टिकोण के दृष्टिकोण से समान रूप से प्रासंगिक हय। इ समस्या के हल करे के लिए हम प्रासंगिकता के अतिरिक्त पहलुओं जैसे विश्वसनीयता, प्रयोज्य, डिजाइन गुणवत्ता और सेवा की गुणवत्ता पर विचार करे के प्रस्ताव करो हय। रैंकिंग एल्गोरिथ्म के येई पहलु के ध्यान में रखे के लेल, हम प्रस्तावित आयाम के जौरे एगो वेब पृष्ठ के गुणवत्ता के कैप्चर करे के लेल कैगो विशेषता के प्रस्ताव रखलई। हम सब नया पहलु के एगो लेबल में जोड़लियइ, व्यावसायिक प्रासंगिकता, जे साइट के कुल गुणवत्ता के प्रतिनिधित्व कर हइ। हम संपूर्ण लर्निंग-टू-रैंक डेटासेट के लिए वाणिज्यिक प्रासंगिकता लेबल के अतिरिक्त कैलकय और डिफ़ॉल्ट प्रासंगिकता लेबल के बजाय वाणिज्यिक और सामयिक प्रासंगिकता के भारित योग के उपयोग कैलकय। हमर पद्धति के मूल्यांकन करे के लेल हम नया डीसीजी-जैसे मीट्रिक बनयले हई अउर ऑफ-लाइन मूल्यांकन के जौरे-जौरे ऑन-लाइन इंटरलेविंग प्रयोग के प्रदर्शन कैले हई कि प्रासंगिकता के प्रस्तावित पहलु के ध्यान में रखैत एगो रैंकिंग एल्गोरिथ्म उपयोगकर्ता के प्राथमिकता के जौरे बेहतर संरेखित छलई। |
4a87972b28143b61942a0eb011b60f76be0ebf2e | कम्प्यूटेशनल विज्ञान, सामाजिक नेटवर्क विश्लेषण, सुरक्षा और व्यवसाय विश्लेषण में कई महत्वपूर्ण समस्याएं डेटा-गहन हैं और ग्राफ-सैद्धांतिक विश्लेषण के लिए उधार देती हैं। इ पेपर में हम उन्नत मल्टी-कोर प्रोसेसर के लिए एक चौड़ाई-पहले खोज (बीएफएस) एल्गोरिथ्म डिजाइन करके बहुत बड़े ग्राफ के खोज में शामिल चुनौतियों के जांच करो हय जे भविष्य के एक्सास्केल सिस्टम के बिल्डिंग ब्लॉक बनवे के संभावना हय। बड़ पैमाना के ग्राफ विश्लेषण के लेल हमर नया पद्धति एगो उच्च स्तरीय एल्गोरिथम डिजाइन के संयोजन करई हई जे मशीन-स्वतंत्र पहलु के कैप्चर करई हई, भविष्य के प्रोसेसर के प्रदर्शन के जौरे पोर्टेबिलिटी के गारंटी देबे के लेल, एगो कार्यान्वयन के जौरे जे प्रोसेसर-विशिष्ट अनुकूलन के एम्बेड करई हई। हम एगो प्रयोगात्मक अध्ययन प्रस्तुत करई छी जे अत्याधुनिक इंटेल नेहेलम ईपी अउर एक्स प्रोसेसर अउर एगो प्रणाली में 64 धागे तक के उपयोग करई छलो। वास्तविक दुनिया के समस्या में पायल जाए वाला पावर-लॉ ग्राफ के प्रतिनिधि कैगो बेंचमार्क समस्या पर हमर प्रदर्शन प्रसंस्करण दर तक पहुंचई हई जे हाल के साहित्य में सुपरकंप्यूटिंग परिणाम के जौरे प्रतिस्पर्धी छलई। प्रयोगात्मक मूल्यांकन में हम साबित कर हई कि 4-सॉकेट नेहेलम एक्स पर चल रहल हमार ग्राफ अन्वेषण एल्गोरिथ्म (1) 64 मिलियन वर्टिस और 512 मिलियन किनारों वाला यादृच्छिक ग्राफ के अन्वेषण करते समय 128 प्रोसेसर के साथ क्रे एक्सएमटी के तुलना में 2.4 गुना तेज हई, (2) 200 मिलियन वर्टिस और 1 बिलियन किनारों वाला आर-मैट ग्राफ के साथ प्रति सेकंड 550 मिलियन किनारों के संसाधित करे में सक्षम हई, 40 प्रोसेसर के साथ क्रे एमटीए -2 पर समान ग्राफ के प्रदर्शन के तुलना में, और (3) 256 ब्लूजेन / एल प्रोसेसर के तुलना में 5 गुना तेज हई। |
50ac4c9c4409438719bcb8b1bb9e5d1a0dbedb70 | यूनिकॉर्न एगो ऑनलाइन, इन-मेमोरी सोशल ग्राफ-जागरूक अनुक्रमण प्रणाली हई जेकरा हजारों कमोडिटी सर्वर पर दस लाख उपयोगकर्ता अउर संस्था के बीच खरबों किनार के खोजे के लेल डिज़ाइन कैल गेल हई। यूनिकॉर्न सूचना पुनर्प्राप्ति में मानक अवधारणा पर आधारित हई, लेकिन येइमे अच्छा सामाजिक निकटता के जौरे परिणाम के बढ़ावा देवे के लेल सुविधा शामिल छलई। ई ओई क्वेरी के भी समर्थन करई हई जेकरा स्रोत नोड से एक से अधिक किनारा दूर वस्तु के पुनः प्राप्त करे के लेल पत्तियों के लेल कै गो गोल-यात्रा के आवश्यकता होई हई। यूनिकॉर्न के डिज़ाइन सैकड़ों मिलीसेकंड में विलंबता पर प्रतिदिन अरबों प्रश्नों के उत्तर देवे के लिए डिज़ाइन कैल गेलय हय, और इ फेसबुक के ग्राफ खोज उत्पाद के लिए एक बुनियादी ढांचा के रूप में कार्य करो हय। ई पेपर में, हम यूनिकॉर्न द्वारा समर्थित डेटा मॉडल और क्वेरी भाषा के वर्णन कर हियई। हम एकर विकास के वर्णन भी कर रहलिए ह, काहेकी ई फ़ेसबुक के खोज प्रस्ताव के प्राथमिक बैकएंड बन गेलई हे। |
94c817e196e71c03b3425f905ebd1793dc6469c2 | बड़े ग्राफ के विश्लेषण अनुसंधान के विभिन्न क्षेत्रों में एक प्रमुख भूमिका निभो हय और कई महत्वपूर्ण अनुप्रयोग क्षेत्र में प्रासंगिक हय। ग्राफ के प्रभावी दृश्य विश्लेषण के लिए संबंधित उपयोगकर्ता बातचीत सुविधाओं और एल्गोरिदमिक ग्राफ विश्लेषण विधियों के संयोजन में उपयुक्त दृश्य प्रस्तुति के आवश्यकता होवो हय। उपयुक्त ग्राफ विश्लेषण प्रणाली के डिजाइन कैसे कैल जाए, ई कई कारक पर निर्भर करई हई, जोनमे डेटा के वर्णन करे वाला ग्राफ के प्रकार, हाथ में विश्लेषणात्मक कार्य, अउर ग्राफ विश्लेषण विधि के प्रयोज्यता शामिल छलई। ग्राफ विज़ुअलाइज़ेशन और नेविगेशन तकनीकों के सबसे हालिया सर्वेक्षण हरमन एट अल द्वारा प्रस्तुत कैल गेल रहई। [HMM00] और डायज़ [DPS02]. पहला काम सामान्य रूप से पदानुक्रम और ग्राफ के दृश्यता के लिए मुख्य तकनीकों के सर्वेक्षण कैलकय हल जे 2000 तक पेश कियल गलय हल। दूसरा काम 2002 तक लाएल गेल ग्राफ लेआउट पर केंद्रित रहई। हाल ही में, नया तकनीक विकसित कैल गेल हई जे ग्राफ प्रकार के एगो व्यापक श्रेणी के कवर करई हई, जैसे कि समय-विचलन ग्राफ। साथ ही, ग्राफ-संरचित डेटा के लगातार बढ़ते मात्रा के अनुसार, एल्गोरिथम ग्राफ विश्लेषण और बातचीत तकनीक के शामिल करनाई तेजी से महत्वपूर्ण हो जाई छलई। इ अत्याधुनिक रिपोर्ट में, हम बड़े ग्राफ के दृश्य विश्लेषण के लिए उपलब्ध तकनीकों के सर्वेक्षण करो हय। हमार समीक्षा सबसे पहिले समर्थित ग्राफ के प्रकार के अनुसार ग्राफ विज़ुअलाइज़ेशन तकनीक पर विचार करई हई। दृश्य ग्राफ अन्वेषण के लेल उपयुक्त बातचीत दृष्टिकोण के प्रस्तुति के लेल दृश्यीकरण तकनीक आधार बनाबई हई। दृश्य ग्राफ विश्लेषण के एक महत्वपूर्ण घटक के रूप में, हम दृश्य ग्राफ विश्लेषण प्रक्रिया के विभिन्न चरणों के लिए उपयोगी विभिन्न ग्राफ एल्गोरिथम पहलुओं पर चर्चा करते हैं। |
2748dc51ba8dd9d2a7899caadbef2e3269b8b0b9 | हम स्वायत्त ड्राइविंग के लेल एगो ढांचा प्रस्तुत करई हई जे मानव प्रदर्शन से सीख सकई हई, अउर हम एकरा एगो स्वायत्त कार के अनुदैर्ध्य नियंत्रण पर लागू करई छियई। ऑफलाइन, हम कार-अनुवर्ती रणनीतियों के मॉडल करते हैं उदाहरण ड्राइविंग अनुक्रमों के एक सेट से। ऑनलाइन, मॉडल के उपयोग त्वरण के गणना करे के लेल कैल जाई हई जे एगो मानव चालक समान स्थिति में की करतई। इ संदर्भ त्वरण के एक भविष्य कहनेवाला नियंत्रक द्वारा ट्रैक कैल जा हय जे अंतिम त्वरण के लागू करे से पहले आराम और सुरक्षा प्रतिबंधों के एक सेट के लागू करो हय। नियंत्रक के डिज़ाइन पिछला वाहन के अनुमानित गति में अनिश्चितता के लिए मजबूत बनावे के लिए बनावल गेल हई। एकर अलावा, हम चालक मॉडल भविष्यवाणिय के विश्वास के अनुमान लगावई हई अउर एकरा भविष्यवाणिक नियंत्रक के लागत फ़ंक्शन में उपयोग करई छियई। नतीजतन, हम ऐसन मामला के संभाल सकई हई जहां चालक मॉडल के सीखे के लेल उपयोग कैल जाए वाला प्रशिक्षण डेटा पर्याप्त जानकारी प्रदान ना करई हई कि मानव चालक वर्तमान ड्राइविंग स्थिति के कैसे संभालई। दृष्टिकोण के सिमुलेशन और प्रयोग के संयोजन के उपयोग करके मान्य कैल गेल हई। |
42a6ae6827f8cc92e15191e53605b0aa4f875fb9 | सॉफ्टवेयर परीक्षण अक्सर गुणवत्ता सुनिश्चित करे के लेल एगो अच्छी तरह से विचार-विमर्श कैल गेल अभ्यास के बजाय केवल एक बग हंट हई। बड़े पैमाने पर सुरक्षित स्वायत्त वाहनों के तैनाती के लिए सिस्टम-स्तरीय परीक्षण-विफलता-पैच-टेस्ट के एक सरल चक्र के बजाय एक अधिक पद्धतिगत दृष्टिकोण के आवश्यकता होतय। आईएसओ 26262 विकास वी प्रक्रिया एक ऐसा ढांचा तैयार करो हय जे प्रत्येक प्रकार के परीक्षण के एक संबंधित डिजाइन या आवश्यकता दस्तावेज़ से जोड़ो हय, लेकिन जब स्वशासित वाहनों के सामने आने वाला नया परीक्षण समस्या के प्रकार के निपटान करे के लिए अनुकूलित कियल जा हय तओ चुनौती पेश करो हय। ई पेपर स्वायत्त वाहनों के लिए वी मॉडल के अनुसार परीक्षण में पांच प्रमुख चुनौती क्षेत्र के पहचान करो हय: चालक लूप से बाहर, जटिल आवश्यकताएं, गैर-निर्णयवादी एल्गोरिदम, प्रेरक सीखने के एल्गोरिदम और विफल ऑपरेशनल सिस्टम। येई अलग-अलग चुनौती क्षेत्र में आशाजनक प्रतीत होए वाला सामान्य समाधान दृष्टिकोण में शामिल हईः क्रमिक रूप से ढीला परिचालन परिदृश्य के उपयोग करइत चरणबद्ध तैनाती, सरल सुरक्षा कार्यों से सबसे जटिल स्वायत्तता कार्यों के अलग करे के लेल एगो मॉनिटर/एक्ट्यूएटर जोड़ी वास्तुकला के उपयोग, अउर अधिक कुशल एज केस परीक्षण के प्रदर्शन करे के तरीका के रूप में फॉल्ट इंजेक्शन। जबकि एल्गोरिदम के प्रकार के सुरक्षा-प्रमाणित करे में महत्वपूर्ण चुनौतिएँ बनल रहलय हा जे उच्च-स्तरीय स्वायत्तता प्रदान करो हय, एकर बजाय सिस्टम के वास्तुकला और एकर साथ डिजाइन प्रक्रिया के मौजूदा सॉफ्टवेयर सुरक्षा दृष्टिकोण के नियोजित करे में सक्षम होवे के लिए पहुंच के भीतर प्रतीत होवो हय। |
64c83def2889146beb7ca2dddee2dae21d9ca6de | हम एगो एल्गोरिथ्म के अध्ययन करई हई जे एगो वाहन के ड्राइवर के स्पष्ट पहल के बिना सुरक्षित लेकिन व्यक्तिगत रूप से लेन के बदले के अनुमति देई हई (जैसे कि, टर्न सिग्नल के सक्रियण) स्वायत्त ड्राइविंग में लेन परिवर्तन के शुरुआत आमतौर पर व्यक्तिपरक नियम, आस-पास के वाहन के स्थिति और सापेक्ष वेग के कार्य पर आधारित होवो हय। ई दृष्टिकोण अक्सर मनमाना होवो हय, और एक व्यक्तिगत चालक के ड्राइविंग शैली वरीयताओं के लिए आसानी से अनुकूलित नए होवो हय। इजा हम मानव चालक के लेन परिवर्तन निर्णय व्यवहार के कैप्चर करे के लिए डेटा-संचालित मॉडलिंग दृष्टिकोण के प्रस्ताव करो हय। हम विशिष्ट लेन परिवर्तन स्थितिय में एक परीक्षण वाहन के साथ डेटा एकत्र करो हय और एक विशेष चालक के वरीयताओं के संबंध में लेन परिवर्तन के शुरुआत के क्षण के भविष्यवाणी करे के लिए वर्गीकरण के प्रशिक्षित करो हय। हम इ निर्णय तर्क के एगो मॉडल पूर्वानुमान नियंत्रण (एमपीसी) ढांचा में एकीकृत करई हई ताकि अधिक व्यक्तिगत स्वायत्त लेन परिवर्तन अनुभव बनाएल जा सके जे सुरक्षा अउर आराम प्रतिबंध के संतुष्ट करई छलो। हम दो लेन बदलते शैलियों के बीच प्रजनन और अंतर करे के लिए निर्णय तर्क के क्षमता दिखावो हय, और सिमुलेशन के माध्यम से नियंत्रण ढांचे के सुरक्षा और प्रभावशीलता के प्रदर्शन करो हय। |
2087c23fbc7890c1b27fe3f2914299cc0693306e | तंत्रिका जाल प्रगति कै क्षेत्र में कंप्यूटर के भाषा क्षमता में सुधार करो हय। |
680f268973fc8efd775a6bfe08487ee1c3cb9e61 | हम संगठन के बाहर के लोग के साथे कैसे व्यवहार कैल जाई हई (यानी, कॉर्पोरेट सामाजिक जिम्मेदारी) के उनकर धारणा के कर्मचारी दृष्टिकोण पर प्रभाव के पता लगाबई हई अउर एकरा से आगे बढ़ई हई कि संगठन द्वारा सीधे कर्मचारी के कैसे व्यवहार कैल जाई हई। अठारह संगठन में 827 कर्मचारी के अध्ययन के परिणाम से पता चलई हई कि कॉर्पोरेट सामाजिक जिम्मेदारी (सीएसआर) के कर्मचारी के धारणा सकारात्मक रूप से संबंधित हई (ए) संगठनात्मक प्रतिबद्धता के जौरे संबंध आंशिक रूप से काम के सार्थकता अउर कथित संगठनात्मक समर्थन (पीओएस) द्वारा मध्यस्थता कैल जाई हई अउर (बी) काम के संतुष्टि के जौरे संबंध के मध्यस्थता लेकिन पीओएस के जौरे काम के सार्थकता के जौरे। एकरा अलावा, सीएसआर में सीमित माइक्रो-लेवल शोध के संबोधित करे के लिए, हम चार पायलट अध्ययन के माध्यम से सीएसआर के बारे में कर्मचारी के धारणा के एक उपाय विकसित करो हय। एगो द्वि-कारक मॉडल के नियोजित कैके, हम पई हई कि पर्यावरणीय जिम्मेदारी के अलावा कर्मचारी के दृष्टिकोण पर सामाजिक जिम्मेदारी के अतिरिक्त प्रभाव होई हई, जे हम सामाजिक जिम्मेदारी के संबंधपरक घटक (जैसे, समुदाय के जौरे संबंध) के कारण होई हई। |
9406ee01e3fda0932168f31cd3835a7d7a943fc6 | |
2402066417256a70d7bf36ee163af5eba0aed211 | एगो बोले वाला संवाद प्रणाली (एसडीएस) के प्राकृतिक भाषा निर्माण (एनएलजी) घटक के आमतौर पर पर्याप्त मात्रा में हस्तशिल्प चाहे अच्छी तरह से लेबल कैल गेल डेटासेट के आवश्यकता होई हई जेकरा पर प्रशिक्षित कैल जाए के चाहि। ई सीमा विकास लागत के काफी हद तक बढ़ाबई हई अउर क्रॉस-डोमेन, बहुभाषी संवाद प्रणाली के मुश्किल बनाबई हई। एकरा अलावा, मानव भाषा सब संदर्भ-जागरूक हय। सबसे प्राकृतिक प्रतिक्रिया के पूर्वनिर्धारित वाक्यविन्यास या नियम पर निर्भर होए के बजाय सीधे डेटा से सीखल जाए के चाहि। ई पेपर एगो संयुक्त आवर्ती अउर संवहन तंत्रिका नेटवर्क संरचना पर आधारित सांख्यिकीय भाषा जनरेटर प्रस्तुत करई हई जेकरा कोनो भी शब्दार्थ संरेखण चाहे पूर्वनिर्धारित व्याकरण पेड़ के बिना संवाद अधिनियम-उच्चारण जोड़े पर प्रशिक्षित कैल जा सकई हई। वस्तुनिष्ठ मीट्रिक सुझावो हय कि इ नया मॉडल समान प्रयोगात्मक परिस्थितियों में पिछला विधियों के बेहतर प्रदर्शन करो हय। मानव न्यायाधीश द्वारा मूल्यांकन के परिणाम इंगित करो हय कि इ न केवल उच्च गुणवत्ता बल्कि भाषाई रूप से विविध कथन के उत्पादन करो हय जे एन-ग्राम और नियम-आधारित प्रणालि के तुलना में पसंद कियल जा हय। |
d781b74cf002f9fffcb7f60c3c319c41797d702e | एक्वाकल्चर में, उपज (कैंकरियों, मछली आदि) एक्वाकल्चर तालाब के जल विशेषता पर निर्भर करो हय। मछली के पैदावार के अधिकतम करे के लिए, पानी में कुछ इष्टतम स्तर पर रखे जाए वाला पैरामीटर। पैरामीटर एक दिन के अवधि के दौरान बहुत भिन्न हो साको हय और बाहरी पर्यावरणीय परिस्थितियों के आधार पर जल्दी से बदल सको हय। येहिलेल ई मापदंड के उच्च आवृत्ति के जौरे निगरानी करनाई आवश्यक हई । संबंधित पैरामीटर के लेल जल फार्म के निगरानी के लेल वायरलेस सेंसर नेटवर्क के उपयोग कैल जाई हई। इ प्रणाली में दू मॉड्यूल शामिल छलई जे ट्रांसमीटर स्टेशन अउर रिसीवर स्टेशन हई। डेटा जीएसएम के माध्यम से रिसीवर स्टेशन पर डेटाबेस में प्रेषित होवो हय। ग्राफिकल यूजर इंटरफेस के डिज़ाइन किसान के ओकर संबंधित स्थानीय भाषा में संदेश के रूप में उनकर मोबाइल फोन पर संचार करे के लेल कैल गेल रहई अउर अनुचित पर्यावरणीय परिस्थिति में ओकरा सचेत करे के लेल, ताकि उपयुक्त कार्रवाई कैल जा सके। कीवर्ड; एक्वाकल्चर; वायरलेस सेंसर नेटवर्क; आईएआर-किक; पीएच; |
6fb3940ddd658e549a111870f10ca77ba3c4cf37 | हम एवीए डेटासेट पर एक्शन स्थानीयकरण के लिए एक सरल आधार रेखा पेश करते हैं। मॉडल फास्टर आर-सीएनएन बॉउंडिंग बॉक्स डिटेक्शन फ्रेमवर्क पर बनल हई, जे शुद्ध स्थान-समय सुविधा पर काम करे के लेल अनुकूलित हई - हमर मामला में विशेष रूप से एक आई 3 डी मॉडल द्वारा निर्मित जे किनेटिक्स पर पूर्व-प्रशिक्षित छलई। ई मॉडल AVA v2.1 के सत्यापन सेट पर 21.9% औसत AP प्राप्त करई हई, जे मूल AVA पेपर (जे किनेटिक्स अउर इमेजनेट पर पूर्व-प्रशिक्षित कैल गेल रहई) में उपयोग कैल गेल सर्वश्रेष्ठ RGB स्थानिक-समय मॉडल के लेल 14.5% से अउर ImageNet पर पूर्व-प्रशिक्षित ResNet101 छवि सुविधा एक्सट्रैक्टर के उपयोग कैके सार्वजनिक रूप से उपलब्ध बेसलाइन के 11.3% से ऊपर छलई। हमर अंतिम मॉडल के वैल्यू / टेस्ट सेट पर 22.8%/21.9% एमएपी प्राप्त होवो हय और सीवीपीआर 2018 में एवीए चुनौती के लिए सभी सबमिशन के बेहतर प्रदर्शन करो हय। |
2060441ed47f6cee9bab6c6597a7709836691da3 | ∀1-नियंत्रित अधिकतम संभावना अनुमान समस्या हाल ही में मशीन लर्निंग, सांख्यिकी और अनुकूलन समुदायों के भीतर एक विरल व्युत्क्रम सह-परिवर्तन अनुमानक के उत्पादन के लिए एक विधि के रूप में बहुत रुचि के विषय बन गलय हा। ई पेपर में, ∀1-नियंत्रित सह-विचलन मैट्रिक्स अनुमान के प्रदर्शन के लेल एगो निकटवर्ती ढाल विधि (जी-आईएसटीए) प्रस्तुत कैल गेल हई। यद्यपि इ समस्या के हल करे के लिए कई एल्गोरिदम प्रस्तावित कैल गेल हई, येई सरल समीपवर्ती ढाल विधि में आकर्षक सैद्धांतिक अउर संख्यात्मक गुण पाएल गेल हई। G-ISTA में अभिसरण के एक रैखिक दर हय, जेकर परिणाम स्वरूप ε के सहिष्णुता तक पहुंचे के लिए O ((log ε) पुनरावृत्ति जटिलता होवो हय। ई पेपर G-ISTA पुनरावृत्तियों लागी एक बंद-रूप रैखिक अभिसरण दर प्रदान कर हई। दर के इष्टतम बिंदु के स्थिति संख्या से निकटता से संबंधित दिखाएल गेल हई। प्रस्तावित पद्धति के लिए संख्यात्मक अभिसरण परिणाम और समय तुलना प्रस्तुत कियल गलय हा। जी-आईएसटीए के बहुत अच्छा प्रदर्शन करलई हे, खासकर जब इष्टतम बिंदु अच्छा तरह से कंडीशन्ड कैल गेल हो। |
4a20823dd4ce6003e31f7d4e0649fe8c719926f2 | वैश्विक स्तर पर जीन फ़ंक्शन के स्पष्ट करे के लेल, हम जीन के जोड़े के पहचान कलई जे मनुष्य, मक्खियों, कीड़ा अउर खमीर से 3182 डीएनए माइक्रो-अरे पर सह-अभिव्यक्त छलई। हम 22,163 ऐसन सह-अभिव्यक्ति संबंध पाइलई, जेकरा में से प्रत्येक विकास के माध्यम से संरक्षित कैल गेल हई। इ संरक्षण के अर्थ हय कि इ जीन जोड़े के सह-अभिव्यक्ति एक चयनात्मक लाभ प्रदान करो हय और इ खातिर इ जीन कार्यात्मक रूप से संबंधित हय। येईमे से कैगो संबंध कोशिका चक्र, स्राव अउर प्रोटीन अभिव्यक्ति जैसे मुख्य जैविक कार्य में नया जीन के भागीदारी के लेल मजबूत सबूत प्रदान करई छलई। हम प्रयोगात्मक रूप से इ लिंक्स में से कुछ द्वारा निहित भविष्यवाणिय के पुष्टि कैलकय और कै जीन के लिए कोशिका प्रजनन कार्यों के पहचान कैलकय। जीन-सह-अभिव्यक्ति नेटवर्क में इ लिंक के इकट्ठा करके, हम कैगो घटक पाएलई जे जानवर-विशिष्ट रहई अउर साथ ही नव विकसित अउर प्राचीन मॉड्यूल के बीच परस्पर संबंध। |
25c760c11c7803b2aefd6b6ae36f15908f76b544 | हम व्युत्क्रम सह-परिमेयता मैट्रिक्स पर लागू लासो दंड द्वारा विरल ग्राफ के अनुमान लगावे के समस्या पर विचार कर रहल हई। लासो के लेल एगो निर्देशांक वंश प्रक्रिया के उपयोग कैके, हम एगो सरल एल्गोरिथ्म-ग्राफिकल लासो विकसित करई छी जे उल्लेखनीय रूप से तेज हई: ई अधिकतम एक मिनट में 1000-नोड समस्या (लगभग 500,000 पैरामीटर) के हल करई हई अउर प्रतिस्पर्धी विधि से 30-4000 गुना तेज हई। ई सटीक समस्या अउर मेन्सहाउसेन अउर बुहलमैन (2006) द्वारा सुझावल गेल अनुमान के बीच एगो वैचारिक लिंक भी प्रदान करई छलई। हम प्रोटियोमिक्स से कुछ सेल-सिग्नलिंग डेटा पर विधि के चित्रित करई हियई। |
256f63cba7ede2a58d56a089122466bc35ce6abf | ई पेपर वीडियो में वस्तु के अर्थ संबंधी विभाजन के लेल एगो नया ढांचा प्रस्तावित करई हई। हम डीप कन्वॉल्यूशनल न्यूरल नेटवर्क (डीसीएनएन) के लेबल असंगति के समस्या के समाधान ई तथ्य के शोषण करके करई हई कि वीडियो में कैगो फ्रेम होई हई; कुछ फ्रेम में ऑब्जेक्ट के आत्मविश्वास से अनुमान लगाएल जाई हई (सीई) अउर हम दोसर फ्रेम के लेबल में सुधार करे के लेल उनकरा में जानकारी के उपयोग करई छियई। DCNN से प्राप्त प्रत्येक फ्रेम के अर्थ संबंधी विभाजन परिणाम के देखते हुए, हम विभिन्न परिस्थितियों में सामान्य वस्तु के बजाय वीडियो में विशिष्ट उदाहरणों पर ध्यान केंद्रित करके इनपुट वीडियो के लिए DCNN मॉडल को अनुकूलित करने के लिए कई CE फ्रेम का नमूना लेते हैं। हम विभिन्न स्तर के पर्यवेक्षण के तहत ऑफ़लाइन और ऑनलाइन दृष्टिकोण के प्रस्ताव रखो हय। प्रयोग में हमर विधि मूल मॉडल अउर पिछला राज्य के कला विधियन के तुलना में बहुत सुधार हासिल कलई। c © 2016 एल्सेवियर लिमिटेड। सब अधिकार सुरक्षित। |
da411a876b4037434e4f47f7d14f0fca1ca0cad8 | |
127a818c2ba1bbafbabc62d4163b0dd98364f64a | ई पेपर धातु-कवर स्मार्टफोन अनुप्रयोग के लेल निकट-क्षेत्र संचार (एनएफसी) एंटीना समाधान प्रस्तावित करई हई। ई एनएफसी एंटीना समाधानवा में, एगो संकीर्ण स्लॉटवा शुरूवा में धातु के आवरणवा में लोड किईल जा है, और ई स्लॉटवा के स्थिति के स्मार्टफोनवा के बाहरी रूपा के डिजाइन के अनुसार (लचीले के साथे) बदलल जा सक है। अगला, एक अपरंपरागत छह-मोड़ वाला कॉइल (छह-पक्षीय अनियमित षट्भुज आकार के साथ) के डिजाइन कियल जा हय जेकरा मे एक असमान लाइन चौड़ाई और दो लाइनों के बीच एक असमान लाइन अंतर होवो हय, और इ आंशिक रूप से आयताकार फेराइट मिश्रित से लोड होवो हय। इ डिजाइन में, कुछ विशिष्ट स्थानों पर बलों के एक उन्नत चुंबकीय रेखा के एहसास कियल जा सको हय, और एक उत्कृष्ट प्रेरक रूप से युग्मित निकट-क्षेत्र रिसीवर प्राप्त कियल जा हय। विशेष रूप से, ई प्रस्तावित एनएफसी एंटीना एनएफसी फोरम प्रमाणन द्वारा आवश्यक परीक्षण के पारित कर सको हय, और एकर प्रदर्शन पारंपरिक एनएफसी एंटीना के तुलना में तुलनीय हय जेकरा मे गैर-धातु कवर हय। |
3786308bf65cde7e5c0b320ab6cc01a8ab0abfff | इ टैबलेट पीसी के एगो संकीर्ण किनारा और पूरा धातुई बैक-कवर हई। लूप एंटीना के दुनहु ओर फेर्राइट शीट लगाके एगो लघुकृत लूप एंटीना डिजाइन प्राप्त कैल जाई हई। एनएफसी के संचार सीमा के बेहतर करे के लेल फेराइट शीट लूप एंटीना द्वारा आसन्न धातु के बैक-कवर पर प्रेरित एडीआई धारा के कम कर सकई हई। केवल टैबलेट पीसी के किनारे पूर्ण धातु के बैक-कवर के कारण एंटीना के विकिरण के अनुमति देवो हय। येई प्रकार, टैबलेट पीसी के किनारे पर स्थापित करे के लेल एनएफसी एंटीना के संकीर्ण होए के आवश्यकता होई हई। इसलिए, हम केवल 41.5 (एल) × 7.5 (डब्ल्यू) × 0.45 (टी) मिमी3 के आयाम के साथ एक लघुकृत एनएफसी एंटीना प्रस्तावित करो हय। अनुकरण कैल गेलय चुंबकीय क्षेत्र वितरण मापल गेलय वोल्टेज वितरण के अनुरूप होवो हय। इ डिजाइन में टचस्क्रीन पैनल के सामने 6 सेमी से अधिक के एक अच्छा संचार सीमा हय और धातु के बैक-कवर के ऊपर दूसरी तरफ 2 सेमी तक पहुंच हय। टैबलेट पीसी के लेल निकट-क्षेत्र संचार (एनएफसी) एंटीना डिजाइन के एगो उपन्यास संरचना प्रस्तावित कैल गेल हई। |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.