_id
stringlengths 40
40
| text
stringlengths 0
9.75k
|
|---|---|
a0117ec4cd582974d06159644d12f65862a8daa3 | डीप बिलीफ नेटवर्क (डीबीएन) छिपे हुए कारण चर के कई परतों वाला उत्पादक मॉडल हय, जेकरा हाल ही में हिंटन, ओसिंडेरो और तेह (2006) द्वारा पेश कैल गेलय हल, एक लालची परत-वार अनसुप्रवेक्षित सीखने के एल्गोरिथ्म के साथे। ले रूक्स और बेंगियो (2008) और सुटस्केवर और हिंटन (2008) पर निर्माण करते हुए, हम देखबई हई कि सार्वभौमिक अनुमान प्राप्त करे के लेल गहरी लेकिन संकीर्ण जनरेटिव नेटवर्क के उथले से अधिक पैरामीटर के आवश्यकता ना होई हई। प्रूफ तकनीक के उपयोग करके, हम साबित कर हई कि सिग्मोइडल इकाइ के जौरे गहरी लेकिन संकीर्ण फीडफॉरवर्ड न्यूरल नेटवर्क कोनो भी बूलियन अभिव्यक्ति के प्रतिनिधित्व कर सकई हई। |
274946a974bc2bbbfe89c7f6fd3751396f295625 | इ पत्र में हम मजबूत अनुकूलन (आरओ) के क्षेत्र में सैद्धांतिक और लागू दोनों प्राथमिक अनुसंधान के सर्वेक्षण कर रहल हई। हम आरओ दृष्टिकोण के कम्प्यूटेशनल आकर्षण के जौरे-जौरे पद्धति के मॉडलिंग शक्ति अउर व्यापक प्रयोज्यता पर ध्यान केंद्रित करबई। पिछला दशक में आरओ के सबसे प्रमुख सैद्धांतिक परिणाम के सर्वेक्षण के अलावा, हम आरओ के बहु-चरण निर्णय लेने के समस्या के लिए अनुकूलन योग्य मॉडल से जोड़ने वाला कुछ हालिया परिणाम भी प्रस्तुत करबई। अंत में, हम वित्त, सांख्यिकी, शिक्षा और इंजीनियरिंग के विभिन्न क्षेत्रों सहित डोमेन के एक विस्तृत स्पेक्ट्रम में आरओ के अनुप्रयोगों पर प्रकाश डालेंगे। |
573cd4046fd8b899a7753652cd0f4cf6e351c5ae | हम किनारे के जानकारी के आधार पर अव्यवस्थित वातावरण में जटिल आकार के वस्तु के पहचान के लिए एक दृष्टिकोण प्रस्तुत करते हैं। हम पहले एक वर्गीकरण कैस्केड के प्रशिक्षित करे के लिए विशिष्ट वातावरण में एक लक्ष्य वस्तु के उदाहरण छवियों के उपयोग करो हय जे निर्धारित करो हय कि एक छवि में किनारा पिक्सेल वांछित वस्तु या अव्यवस्था के एक उदाहरण से संबंधित हय कि नए। एगो नया छवि के साथ प्रस्तुत कैल गेल, हम कैस्केड के उपयोग गंदगी किनारे के पिक्सल के त्याग करे आउर वस्तु के किनारे के पिक्सल के वस्तु के समग्र पता लगावे में समूहीकृत करे के लेल करई छियई। किनारे पिक्सेल वर्गीकरण के लेल उपयोग कैल जाए वाला विशेषता स्थानीयकृत, विरल किनारे घनत्व संचालन छलई। प्रयोग छवि-विमान के बाहर मनमाने ढंग से घूर्णन के तहत विभिन्न प्रकार के अव्यवस्थित इनडोर दृश्यों में जटिल वस्तुओं के एक सेट के मान्यता के लिए तकनीक के प्रभावशीलता के मान्य करो हय। एकरा अलावा, हमर प्रयोग से पता चलई हई कि तकनीक प्रशिक्षण अउर परीक्षण वातावरण के बीच भिन्नता के लेल मजबूत हई अउर रनटाइम पर कुशल हई। |
e9b7367c63ba970cc9a0360116b160dbe1eb1bb4 | हम एगो सुदृढीकरण शिक्षा ढांचा प्रस्तुत करई हई, जेकरा प्रोग्रामेटिक रूप से व्याख्या योग्य सुदृढीकरण शिक्षा (पीआईआरएल) कहल जाई हई, जेकरा व्याख्या योग्य अउर सत्यापित एजेंट नीति उत्पन्न करे के लेल डिज़ाइन कैल गेल हई। लोकप्रिय डीप रिइनफोर्समेंट लर्निंग (डीआरएल) प्रतिमान के विपरीत, जे तंत्रिका नेटवर्क द्वारा नीति के प्रतिनिधित्व करो हय, पीआईआरएल एक उच्च-स्तरीय, डोमेन-विशिष्ट प्रोग्रामिंग भाषा के उपयोग करके नीति के प्रतिनिधित्व करो हय। ऐसन प्रोग्रामेटिक नीतियों के तंत्रिका नेटवर्क के तुलना में अधिक आसानी से व्याख्या करे के लाभ हय, और प्रतीकात्मक विधियों द्वारा सत्यापन के लिए तैयार हय। हम अधिकतम इनाम के साथे एगो प्रोग्रामेटिक नीति खोजे के चुनौतीपूर्ण गैर-सुचारू अनुकूलन समस्या के हल करे के लेल एगो नया विधि, जेकरा न्यूरोली डायरेक्टेड प्रोग्राम सर्च (एनडीपीएस) कहल जाई हई, प्रस्तावित करई छलई। एनडीपीएस डीआरएल के उपयोग कैके पहिला तंत्रिका नीति नेटवर्क के सीखके काम करई हई, अउर फेर प्रोग्रामेटिक नीतियों पर स्थानीय खोज करई हई जे येई तंत्रिका ओरेकल से दूरी के कम करे के प्रयास करई हई। हम TORCS कार रेसिंग वातावरण में एक अनुकरण कार चलाने के लिए सीखने के कार्य पर NDPS का मूल्यांकन करते हैं। हम देखबई कि एनडीपीएस मानव-पठनीय नीति के खोज करे में सक्षम हई जे कुछ महत्वपूर्ण प्रदर्शन बार के पास कर हई। हम ई भी दिखावो हय कि पीआईआरएल नीतियों के पास डीआरएल द्वारा खोजल गेलय संबंधित नीतियों के तुलना में अधिक सुचारू प्रक्षेपवक्र हो सको हय, और प्रशिक्षण के दौरान नए पायल गेल वातावरण में अधिक आसानी से स्थानांतरित कियल जा सको हय। |
48d103f81e9b70dc2de82508973bc35f61f8ed01 | ई दस्तावेज़ हाई स्पीड ट्रेन और जमीनी वाहनों पर मोबाइल उपग्रह संचार के लिए TeS Ku बैंड एंटीना के अत्याधुनिक स्थिति और Ku बैंड एंटीना प्रदर्शन में सुधार और Ka बैंड टर्मिनलों के उन्नयन के संदर्भ में एकर विकास के प्रस्तुत करई हई। |
7294d9fa5c5524a43619ad7e52d132a90cfe91bb | ई पत्र के सामान्य मुद्दा उच्च डेटा-रेट SATCOM के लेल एक चरणबद्ध सरणी एंटीना के डिजाइन से संबंधित छलई। एक अंतिम प्रदर्शन एंटेना के एक मानव रहित हवाई वाहन (यूएवी) पर स्थापित कियल जा सको हय ताकि का-बैंड में एक उपग्रह के साथ संचार कियल जा सके। सबसे पहले, एक कॉम्पैक्ट प्रतिबिंब-प्रकार चरण शिफ्टर के डिजाइन और महसूस कैल गेलय हय। दूसरा, एक चरणबद्ध सरणी एंटीना प्रोटोटाइप के अवधारणा विस्तृत हय। तीसरा, एक नया कैलिब्रेशन विधि शामिल हय जे वांछित दिशा में बीम के स्कैन करे के खातिर प्रत्येक चरण शिफ्टर पर लागू होवे वाला बायस वोल्टेज प्रदान कर सको हय। |
b40b8a2b528a88f45bba5ecd23cec02840798e72 | एगो का-बैंड सैटकॉम-ऑन-द-मोव ग्राउंड यूजर टर्मिनल के लेल 2 डी आवधिक लीक-वेव एंटीना प्रस्तुत कैल गेल हई। एंटीना पैनल 20 गीगाहर्ट्ज डाउनलिंक के साथे-साथ 30 गीगाहर्ट्ज अपलिंक बैंड पर संबंधित परिपत्र ध्रुवीकरण के साथ, एक सामान्य विकिरण एपर्चर और एक सामान्य चरण केंद्र के उपयोग करके काम करो हय। दोहरे बैंड के प्रदर्शन के ध्यान से डिजाइन कैल गेलय स्टैक्ड दोहरे-परत आवृत्ति चयनात्मक सतह द्वारा प्राप्त कैल जा हय, जेकरा मे एक परत 20 गीगाहर्ट्ज पर काम करो हय और 30 गीगाहर्ट्ज पर पारदर्शी होवो हय, और दूसरी परत विपरीत कार्य करो हय। पेपर परिपत्र ध्रुवीकृत प्राथमिक फ़ीड, दो-परत संरचनाओं और पूर्ण कॉम्पैक्ट लचीली-तरंग एंटीना पैनल के डिजाइन का वर्णन करता है। मापा गेल विकिरण प्रदर्शन 22 डीबीआई से ऊपर के वास्तविक लाभ मूल्य और 60% से ऊपर के दक्षता के प्रकट करई हई। क्रॉस-पोलराइजेशन भेदभाव और साइडलोब स्तर का-बैंड पर उपग्रह संचार के लिए बिजली के वर्णक्रमीय आवश्यकता के पूरा करे के लिए उपयुक्त हय। |
1f009366a901c403a8aad65c94ec2fecf3428081 | पिछला तंत्रिका मशीन अनुवाद मॉडल परीक्षण चरण में अनुवाद वाक्य पर अधिकतम उत्तरार्द्ध समस्या के हल करे से बचे के लेल कुछ युरेस्टिक खोज एल्गोरिदम (जैसे, बीम खोज) के उपयोग कलई। इ पेपर में, हम गंबलग्रीडी डिकोडिंग के प्रस्ताव रखई हई जे एगो प्रशिक्षित मॉडल के तहत अनुवाद के भविष्यवाणी करे के लेल एगो जनरेटिव नेटवर्क के प्रशिक्षित करई हई। हम गंबल-सॉफ्टमैक्स रीपैमेटरीकरण के उपयोग करके ऐसन समस्या के हल कर हई, जे हमर जनरेटिव नेटवर्क के मानक स्टोकास्टिक ग्रेडिएंट विधियों के माध्यम से अंतर योग्य अउर प्रशिक्षित कर सकई हई। हम अनुभवजन्य रूप से प्रदर्शित करई हई कि हमर प्रस्तावित मॉडल असतत शब्द के अनुक्रम उत्पन्न करे के लेल प्रभावी हई। |
8e49caba006e1832a70162f3a93a31be25927349 | ई लेख एगो नया विचार पर चर्चा करई हई जेकरा संज्ञानात्मक रडार कहल जाई हई। संज्ञानात्मक रडार के संविधान के लिए तीन घटक बुनियादी हय: 1) बुद्धिमान सिग्नल प्रसंस्करण, जे आसपास के वातावरण के साथे रडार के बातचीत के माध्यम से सीखने पर आधारित हय; 2) रिसीवर से ट्रांसमीटर के प्रतिक्रिया, जे खुफिया के सुविधा प्रदान करो हय; और 3) रडार रिटर्न के सूचना सामग्री के संरक्षण, जेकरा ट्रैकिंग के माध्यम से लक्ष्य के पता लगावे के बेयसन दृष्टिकोण द्वारा महसूस कैल जा हय। इ तीनों अवयव एगो चमगादड़ के प्रतिध्वनि-स्थान प्रणाली में विशेषता हय, जेकरा संज्ञानात्मक रडार के भौतिक प्राप्ति (हालांकि तंत्रिका जैविक शब्द में) के रूप में देखल जा सको हय। रडार एगो रिमोट-सेंसिंग सिस्टम हई जेकर उपयोग व्यापक रूप से निगरानी, ट्रैकिंग अउर इमेजिंग अनुप्रयोग के लेल नागरिक अउर सैन्य दुनु जरूरत के लेल कैल जाई हई। इ लेख में, हम संज्ञान के मुद्दे पर विशेष जोर देवे के साथे रडार के भविष्य के संभावना पर ध्यान केंद्रित करत हई। रस्ता में एगो उदाहरण के रूप में, हम एगो समुद्री वातावरण पर लागू रडार निगरानी के समस्या पर विचार करबई। |
f584c3d1c2d0e4baa7f8fc72fcab7b9395970ef5 | येई पेचीदा प्रश्न के अध्ययन में बहुत कम काम कैल गेल हई, अउर हम ई धारणा देवे के इच्छा ना रखई हई कि कोनो व्यापक विचार सेट मौजूद हई जेकरा "सिद्धांत" कहल जा सकई हई। विज्ञान और दर्शन के इतिहास के संबंध में काफी आश्चर्यजनक बात ई हई कि मस्तिष्क प्रक्रिया में रुचि के शानदार वृद्धि के लेल मुख्य प्रेरणा, मनोवैज्ञानिक अउर शारीरिक दुनु, एगो उपकरण, एगो मशीन, डिजिटल कंप्यूटर से आ रहल हई। एगो मानव और एगो मानव समाज से संबंध में, हम तर्कहीन, तर्कहीन, असंगत, और अपूर्ण होवे के विलासिता के आनंद लेई हई, अउर फिर भी सामना करे के। कंप्यूटर के संचालन में, हम विस्तृत निर्देश और पूर्ण सटीकता के लिए कठोर आवश्यकताओं को पूरा करना चाहिए। अगर हम मानव मन के क्षमता के समझ पइलिअइ कि जटिलता, अनिश्चितता, आउ तर्कहीनता के सामना करे पर प्रभावी निर्णय ले सकऽ हिअइ त हम कंप्यूटर के उपयोग अपने से दस लाख गुना अधिक प्रभावी ढंग से कर सकऽ हिअइ । इ तथ्य के पहचान न्यूरोफिजियोलॉजी के क्षेत्र में अनुसंधान के तेजी के लिए एक प्रेरणा हलय। दिमाग के सूचना संसाधित करे वाला पहलु के जेतना बेसी अध्ययन कैल जा हय, उतना ही अधिक हम भ्रमित और प्रभावित हो जा हय। इ प्रक्रिया के समझनाई तब तकले बहुत समय तकले रखई हई जब तक कि ऊ पुनः उत्पन्न न हो जाए। चाहे मामला की हो, गणितज्ञ दर्जनों खिलने वाला क्षेत्र में सैकड़ों और हजारों भयानक नया समस्या, पहेली के बहुतायत और अपन दिल के सामग्री के लिए चुनौति देखई हई। ऊ शायद कभी एकरा में से कुछ के समाधान नयँ कर पइतइ, लेकिन ऊ कभी भी नीचता से नयँ पीछू हटतइ । ऊ आउ की चाहऽ हइ ? |
9d2222506f6a076e2c9803ac4ea5414eda881c73 | परिचय ड्राइवर के नींद सड़क दुर्घटना में महत्वपूर्ण योगदान कारक हय। इ समस्या से निपटे के लिए एक दृष्टिकोण चालक के नींद के पता लगावे के लिए तकनीकी प्रतिरोध विकसित करनाई हय, ताकि एक दुर्घटना होवे से पहले एक चालक के चेतावनी दिहल जा सके। विधि इ समीक्षा के लक्ष्य इ आकलन करना हय कि, ज्ञान के वर्तमान स्थिति के ध्यान में रखकर, कि क्या वाहन माप के उपयोग वास्तविक समय में नींद के विश्वसनीय रूप से भविष्यवाणी करे के लिए कियल जा सको हय। नतीजा कई व्यवहारिक प्रयोग से पता चललई हे कि नियंत्रित, प्रयोगात्मक सेटिंग में नींद के ड्राइविंग प्रदर्शन पर गंभीर प्रभाव पड़ सकई हे। हालांकि, ऊमे से अधिकांश अध्ययन में प्रदर्शन के सरल कार्यों (जैसे लेन स्थिति के मानक विचलन) के जांच कियल गलय हा और परिणाम के अक्सर ड्राइवरों और समय के माध्यम से औसत के रूप में रिपोर्ट कियल जा हय। अधिक जटिल कार्यों के साथ-साथ ड्राइवरों के बीच व्यक्तिगत अंतर के जांच के लिए आगे के शोध के आवश्यकता हय। ड्राइवर के नींद के भविष्यवाणी के लिए एक सफल काउंटरमेजर के लिए संभवतः कई मानदंडों के सेट करे और कई उपायों के उपयोग के आवश्यकता होतय। |
7bbd56f4050eb9f8b63f0eacb58ad667aaf49f25 | मोबाइल डेटा ट्रैफिक में उल्लेखनीय वृद्धि वर्तमान 3 जी / 4 जी नेटवर्क से परे मोबाइल नेटवर्क क्षमता में तेजी से वृद्धि के आह्वान करो हय। इ पत्र में, हम अगली पीढ़ी के मोबाइल संचार प्रणाली (5 जी) के लिए मिलीमीटर तरंग मोबाइल ब्रॉडबैंड (एमएमबी) प्रणाली के प्रस्ताव करो हय। एमएमबी 3-300 गीगाहर्ट्ज़ रेंज में विशाल स्पेक्ट्रम में टैक करो हय ताकि इ बढ़त मांग के पूरा कैल जा सके। हम तर्क दे हियो कि मिलीमीटर तरंग स्पेक्ट्रम मोबाइल ब्रॉडबैंड अनुप्रयोगों के लिए उपयुक्त काहे हय। हम मिलिमीटर तरंग के अनूठे लाभों पर चर्चा करो हय जैसे कि स्पेक्ट्रम उपलब्धता और छोटे फॉर्म फैक्टरों में बड़े बीमफॉर्मिंग लाभ। हम एगो व्यावहारिक एमएमबी सिस्टम डिज़ाइन के भी वर्णन करई हई जे 500 मीटर तक के दूरी पर जीबी / एस डेटा दर प्रदान करे में सक्षम हई अउर 350 किमी / घंटा तक के गतिशीलता के समर्थन करई छलो। सिस्टम सिमुलेशन के माध्यम से, हम देखई हई कि एगो बुनियादी एमएमबी सिस्टम औसत सेल थ्रूपुट अउर सेल-एज थ्रूपुट प्रदर्शन प्रदान करे में सक्षम हई जे वर्तमान 20 मेगाहर्ट्ज एलटीई-एडवांस्ड सिस्टम से 10-100 गुना बेहतर छलई। |
3bc9f8eb5ba303816fd5f642f2e7408f0752d3c4 | |
0c83eeceee8f55fb47aed1420b5510aa185feace | हम भौगोलिक मैशअप से प्रेरित एगो दृष्टिकोण प्रस्तावित करई हई जोनमे वास्तविक विनिमय मानकों के उपयोग कैके स्वतंत्र रूप से उपलब्ध कार्यक्षमता अउर डेटा के ढीला लेकिन लचीला रूप से जोड़ल जाई छलई। हमर मामला अध्ययन MySQL, PHP और LandSerf GIS के संयोजन कर हय ताकि KML में वर्णित एन्कोडिंग के साथ दृश्य संश्लेषण और बातचीत के लिए Google धरती के उपयोग करे के अनुमति मिल सके। ई दृष्टिकोणवा एगो मोबाइल निर्देशिका सेवा से करल गेल 1.42 मिलियन अनुरोधवन के लॉग के खोजवा लगि लागू किईल गईलके। अंतःक्रिया अउर दृश्य एन्कोडिंग के उपन्यास संयोजन विकसित कैल गेल हई, जोनमे स्थानिक टैग क्लाउड , टैग मैप्स , डेटा डायल अउर बहु-स्केल घनत्व सतह शामिल छलई। दृष्टिकोण के चार पहलुओं के अनौपचारिक रूप से मूल्यांकन कियल जा हय: उपयोग कियल गेल दृश्य एन्कोडिंग, डेटासेट के दृश्य अन्वेषण में ओकर सफलता, उपयोग कियल गेल विशिष्ट उपकरण और मैशप दृष्टिकोण। प्रारंभिक निष्कर्ष दृश्य के लेल मैशअप के उपयोग करे पर विचार करे वाला दोसर के लेल लाभदायक होतई। विकसित विशिष्ट तकनीकों के व्यापक रूप से उपयोग कैल जा सको हय ताकि इ प्रकार के बहुमुखी स्थानिक-समय डेटा के संरचना में अंतर्दृष्टि प्रदान कैल जा सके। खोजपूर्ण दृश्य विश्लेषण बड़े संरचित, बहुआयामी स्थान-समय डेटासेट के प्रारंभिक जांच के लिए उपयोगी है। इ प्रक्रिया में समय, स्थान और विशेषता द्वारा रिकॉर्ड के चयन और एकत्रीकरण, डेटा के बदलने के क्षमता और उपयुक्त दृश्य एन्कोडिंग और इंटरैक्शन के लागू करे के लचीलेपन के आवश्यकता होवो हय। |
11e907ef1dad5daead606ce6cb69ade18828cc39 | हम देल गेल गैर-ऋणात्मक चाप भार के साथ बड़े और विरल निर्देशित ग्राफ में बिंदु-से-बिंदु सबसे छोटा-पथ गणना के लिए एक त्वरण विधि के अध्ययन करई छलई। त्वरण विधि के आर्क-फ्लैग दृष्टिकोण कहल जाई हई अउर ई डायकस्ट्र के एल्गोरिथ्म पर आधारित छलई। आर्क-फ्लैग दृष्टिकोण में, हम अतिरिक्त जानकारी उत्पन्न करे के लेल नेटवर्क डेटा के पूर्व-प्रसंस्करण के अनुमति देई हई, जेकर उपयोग फेर सबसे कम पथ क्वेरी के गति बढ़ाबे के लेल कैल जाई छलई। पूर्व-प्रसंस्करण चरण में, ग्राफ के क्षेत्र में विभाजित कैल जाई हई अउर येई पर जानकारी एकत्र कैल जाई हई कि कि कोनो क्षेत्र में एगो चाप सबसे छोट पथ पर छलई। आर्क-फ्लैग विधि के साथ उपयुक्त विभाजन और द्विदिश खोज के संयोजन में बड़े नेटवर्क (1 मिलियन नोड्स, 2.5 मिलियन आर्क) पर डिजस्ट्र्रा के मानक एल्गोरिथ्म के तुलना में 500 से अधिक के औसत स्पीडअप कारक प्राप्त होवो हय। ई संयोजन लंबा दूरी के सबसे छोटा पथ क्वेरी के लेल डायकस्ट्र के एल्गोरिथ्म के खोज स्थान के लगभग सबसे छोट पथ के आकार तक कम कर देई हई। हम एगो प्रयोगात्मक अध्ययन करई हई जे ई मूल्यांकन करई हई कि कोन विभाजन आर्क-फ्लैग विधि के लेल सबसे उपयुक्त छलई। विशेष रूप से, हम कम्प्यूटेशनल ज्यामिति और एक बहु-मार्ग चाप विभाजक विभाजन से विभाजन एल्गोरिदम के जांच करो हय। मूल्यांकन जर्मन सड़क नेटवर्क पर कैल गेल रहई। सबसे छोटा पथ एल्गोरिथ्म के गति पर विभिन्न विभाजन के प्रभाव के तुलना कियल जा हय। एकरा अलावा, हम विभाजन के कई स्तरों के लिए स्पीडअप तकनीक के विस्तार प्रस्तुत करो हय। इ बहुस्तरीय संस्करण के साथ, समान गति कारक के कम स्थान आवश्यकता के साथ प्राप्त कैल जा सको हय। येइसे, एकरा पूर्व-गणना कैल गेल डेटा के संपीड़न के रूप में देखल जा सकई हई जे गणना कैल गेल सबसे छोटा पथ के शुद्धता के संरक्षित करई हई। |
09be020a9738464799740602d7cf3273c1416c6a | प्रक्रियात्मक बनावट निर्माण एगो कलाकार के मदद के बिना अधिक समृद्ध अउर विस्तृत आभासी वातावरण के निर्माण के सक्षम करई हई। हालांकि, वास्तविक दुनिया के बनावट के एक लचीला जनरेटिव मॉडल खोजना एगो खुली समस्या बनल हई। हम एगो उपन्यास कन्वॉल्यूशनल न्यूरल नेटवर्क आधारित बनावट मॉडल प्रस्तुत करई हई जोनमे दू सारांश सांख्यिकी (ग्रामियन अउर ट्रांसलेशन ग्रामियन मैट्रिक्स) के जौरे-जौरे वर्णक्रमीय बाधा शामिल छलई। हम वर्णक्रमीय बाधा के लागू करे में फूरियर ट्रांसफॉर्म चाहे विंडो फूरियर ट्रांसफॉर्म के जांच करई हई, अउर पई हई कि विंडो फूरियर ट्रांसफॉर्म उत्पन्न बनावट के गुणवत्ता में सुधार करई छलई। हम संबंधित अत्याधुनिक प्रणालियों के उत्पादन के साथ उत्पन्न आउटपुट की तुलना करके अपनी प्रणाली की प्रभावशीलता का प्रदर्शन करते हैं। |
9fa3c3f1fb6f1566638f97fcb993fe121646433e | |
f8f92624c8794d54e08b3a8f94910952ae03cade | व्यक्ति के पुनः पहचान (re-ID) एगो क्रॉस-कैमरा पुनर्प्राप्ति कार्य हई जे विभिन्न कैमरों के कारण छवि शैली भिन्नता से पीड़ित छलई। कला एक कैमरा-अपरिवर्तनीय वर्णक उप-स्थान के सीखकर इस समस्या को निहित रूप से संबोधित करो हय। इ पेपर में, हम कैमरा शैली (कैमस्टाइल) के परिचय देके स्पष्ट रूप से इ चुनौती पर विचार कर हकिअइ। कैमस्टाइल डेटा संवर्धन दृष्टिकोण के रूप में कार्य कर सको हय जे गहरे नेटवर्क ओवरफिटिंग के जोखिम के कम करो हय और कैमस्टाइल असमानता के चिकना कर देवो हय। विशेष रूप से, एक शैली हस्तांतरण मॉडल के साथ, लेबल कैल गेल प्रशिक्षण छविय के प्रत्येक कैमरा में शैली स्थानांतरित कैल जा सको हय, और मूल प्रशिक्षण नमूने के साथे, संवर्धित प्रशिक्षण सेट बनावो हय। इ विधि, ओवरफिटिंग के खिलाफ डेटा विविधता के बढ़ावे के साथे-साथ काफी मात्रा में शोर भी पैदा करो हय। शोर के प्रभाव के कम करे के प्रयास में, लेबल चिकनी नियमितकरण (एलएसआर) के अपनायल जा हय। हमार पद्धति के वेनिला संस्करण (एलएसआर के बिना) कुछ कैमरा सिस्टम पर उचित रूप से अच्छा प्रदर्शन करो हय जेकरा मे ओवरफिटिंग अक्सर होवो हय। एलएसआर के साथ, हम ओवरफिटिंग के सीमा के बावजूद सभी प्रणालियों में लगातार सुधार प्रदर्शित करते हैं। हम मार्केट-1501 और ड्यूकएमटीएमसी-री-आईडी पर कला के स्थिति के तुलना में प्रतिस्पर्धी सटीकता के भी रिपोर्ट कर रहल हई। महत्वपूर्ण रूप से, कैमस्टाइल के उपयोग व्यक्ति के पुनः पहचान (री-आईडी) में एक दृश्य सीखने और अनसुर्क्षित डोमेन अनुकूलन (यूडीए) के चुनौतीपूर्ण समस्याओं के लिए कियल जा सको हय, जेकरा मे से दुनहु के महत्वपूर्ण शोध और अनुप्रयोग महत्व हय। पूर्व में केवल एक कैमरा दृश्य में डेटा लेबल कैल गेल हई अउर बाद में केवल स्रोत डोमेन में डेटा लेबल कैल गेल हई। प्रयोगात्मक परिणाम से पता चलई हई कि कैमस्टाइल दुगो समस्या में आधार रेखा के प्रदर्शन में महत्वपूर्ण सुधार करई हई। विशेष रूप से, यूडीए के लिए, कैमस्टाइल मार्केट -1501 और ड्यूकएमटीएमसी-रीआईडी पर बेसलाइन डीप री-आईडी मॉडल के आधार पर अत्याधुनिक सटीकता प्राप्त करो हय। हमर कोड उपलब्ध हइ: https://github.com/zhunzhong07/CamStyle. |
61ec08b1fd5dc1a0e000d9cddee6747f58d928ec | ई लेखवा अच्छा अनुमानित विश्वासवा अंतरालवा के उत्पादन करे लगि बूटस्ट्रैप विधियन के सर्वेक्षण कर है। लक्ष्य मानक अंतराल θ̂ ± zα σ̂ के सटीकता पर परिमाण के एक क्रम से सुधार करना हय, एक तरह से जे बहुत जटिल समस्या के लिए भी नियमित अनुप्रयोग के अनुमति देवो हय। ई देखावे के लेल सिद्धांत अउर उदाहरण दुनु के उपयोग कैल जाई हई कि ई कैसे कैल जाई हई। पहले सात खंड चार बूटस्ट्रैप आत्मविश्वास अंतराल प्रक्रियाओं के एक अवलोकन प्रदान करो हय: बीसीए, बूटस्ट्रैप-टी, एबीसी और कैलिब्रेशन। खंड 8 अउर 9 येई विधियन के पीछे के सिद्धांत के वर्णन करई हई, अउर बारंडोर्फ-निल्सन, कॉक्स अउर रीड अउर दोसर द्वारा विकसित संभावना-आधारित विश्वास अंतराल सिद्धांत के जौरे उनकर निकट संबंध। |
a9a6322f5d6575adb04d9ed670ffdef741840958 | फोर्डिस स्पॉट्स 2 से 3 मिमी व्यास के बीच के एगोक्टोपिक सेबेशियस ग्रंथियां हय। इ सौम्य घाव सबसे अधिक बार मौखिक श्लेष्म और जननांग त्वचा में स्थित होवो हय। विशेष रूप से पुरुष जननांग क्षेत्र में ऊ खुजली, यौन गतिविधि के दौरान असुविधा पैदा कर सको हय और सौंदर्य संबंधी रूप से अप्रिय होवो हय। अब तक, विभिन्न प्रकार के चिकित्सीय प्रक्रिया के सफलता और पुनरावृत्ति दर के साथ अलग-अलग रिपोर्ट कैल गेलय हय। वर्तमान पूर्वव्यापी अध्ययन में (n = 2003 और 2011 के बीच 23 रोगी) हम माइक्रो-पंच तकनीक के माध्यम से अपन सर्जिकल दृष्टिकोण प्रस्तुत करई हई। इ प्रभावी विधि के उपयोग करके, हम बहुत संतोषजनक कार्यात्मक और सौंदर्य परिणाम प्राप्त कैले हई। 12 से 84 महीने (मध्य = 51. 3 महीने) के पोस्टऑपरेटिव अवलोकन के दौरान पुनरावृत्ति के कोई संकेत नए थे। |
970698bf0a66ddf935b14e433c81e1175c0e8307 | इंटरनेट ऑफ थिंग्स शब्द के एगो सीधा व्याख्या एम्बेडेड नेटवर्क में मानव-से-चीज चाहे चीज-से-चीज संचार के लेल मानक इंटरनेट प्रोटोकॉल के उपयोग के संदर्भित करई हई। यद्यपि सुरक्षा आवश्यकता के इ क्षेत्र में अच्छी तरह से पहचानल जा हय, इ अभी भी पूरी तरह से समझ में नए अयलय हा कि मौजूदा आईपी सुरक्षा प्रोटोकॉल और आर्किटेक्चर के कैसे तैनात कियल जा सको हय। ई पेपर में, हम मौजूदा इंटरनेट प्रोटोकॉल अउर सुरक्षा आर्किटेक्चर के लागू होए अउर सीमा के चीज के इंटरनेट के संदर्भ में चर्चा करई हई। सबसे पहिले, हम तैनाती मॉडल अउर सामान्य सुरक्षा आवश्यकता के बारे में एगो सिंहावलोकन देई हई। फेर हम आईपी-आधारित सुरक्षा समाधान के लेल चुनौती अउर आवश्यकता के प्रस्तुत करई हई अउर मानक आईपी सुरक्षा प्रोटोकॉल के विशिष्ट तकनीकी सीमा के उजागर करई छियई। |
140df6ceb211239b36ff1a7cfdc871f06d787d11 | कार्यात्मक एन्क्रिप्शन प्रतिबंधित डिक्रिप्शन कुंजी के समर्थन करई हई जे उपयोगकर्ता के एन्क्रिप्टेड संदेश के विशिष्ट कार्य के सीखने के अनुमति देइ छलई। यद्यपि कार्यात्मक एन्क्रिप्शन पर अधिकांश शोध अब तक एन्क्रिप्टेड संदेश के गोपनीयता पर केंद्रित हय, कै यथार्थवादी परिदृश्य में ऊ कार्य के लिए भी गोपनीयता प्रदान करनाई महत्वपूर्ण हय जेकरा लिए डिक्रिप्शन कुंजी प्रदान कैल गेलय हय। जबकि सार्वजनिक-कुंजी सेटिंग में फ़ंक्शन गोपनीयता स्वाभाविक रूप से सीमित हय, निजी-कुंजी सेटिंग में एकर बहुत अधिक क्षमता हय। विशेष रूप से, कोई ऐसन योजना के निर्माण के उम्मीद कर सकई हई जहां संदेश के एन्क्रिप्शन $ $ \mathsf {m}_1, \ldots , \mathsf {m}_T$ m 1 , ... , m T फ़ंक्शंस के अनुरूप डिक्रिप्शन कुंजी के जौरे $ $ f_1, \ldots , f_T$ f 1 , ... , f T , मूल रूप से मान $ $ \{ f_i(\mathsf {m}_j) }_{i, j\in [T]} $ { f i (m j) } i , j ∈ [ T ] के अलावा कोनो दोसर जानकारी ना प्रकट करई हई। एकर महान क्षमता के बावजूद, ज्ञात फ़ंक्शन-निजी निजी कुंजी योजना या तओ फ़ंक्शन के सीमित परिवार (जैसे आंतरिक उत्पाद) के समर्थन करो हय या फ़ंक्शन गोपनीयता के कुछ कमजोर धारणा के पेशकश करो हय। हम एगो सामान्य परिवर्तन प्रस्तुत करई हई जे एगो फलन-निजी कार्यात्मक एन्क्रिप्शन योजना उत्पन्न करई हई, एगो पर्याप्त रूप से समृद्ध फलन वर्ग के लेल कोनो गैर-फलन-निजी योजना से शुरू करई छलई। हमर परिवर्तन अंतर्निहित योजना के संदेश गोपनीयता के संरक्षित करई हई अउर विभिन्न मौजूदा योजना के उपयोग करके तत्काल कैल जा सकई हई। कार्यात्मक एन्क्रिप्शन योजना के ज्ञात निर्माण में प्लग करनाई, हम त्रुटि के साथ सीखने के धारणा पर, अस्पष्टता धारणा पर, सरल बहुरंगी-नक्शा धारणा पर, अउर ईहां तक कि कोनो एक-तरफा फ़ंक्शन के अस्तित्व पर आधारित फंक्शन-निजी योजना प्राप्त करई हई (सुरक्षा अउर दक्षता के बीच विभिन्न व्यापार-ऑफ के पेशकश करई छलई) । |
d0895e18d0553b9a35cff80bd7bd5619a19d51fb | हम उच्च गति ऑप्टिकल संचार लिंक के लिए 107 गीगाहर्ट्ज बेसबैंड अंतर पारगम्यता एम्पलीफायर आईसी के रिपोर्ट कर रहल हई। दो डार्लिंगटन प्रतिरोधात्मक प्रतिक्रिया चरणों से बनल एम्पलीफायर, 500 एनएम इनपी एचबीटी प्रक्रिया में लागू कैल गेल रहई अउर 55 डीबीओएच अंतर पारभासी लाभ, 30 पीएस समूह देरी, पी 1 डीबी = 1 डीबीएम के प्रदर्शन करई हई, अउर 5.2 वी आपूर्ति से संचालित होई हई। अंतर इनपुट और आउटपुट प्रतिबाधा 50Ω हई। आईसी हाई स्पीड फोटोडायोड के कनेक्शन के लिए इनपुट पर -2 वी डीसी के लिए और गिल्बर्ट-सेल मिक्सर और ईसीएल लॉजिक के लिए आउटपुट पर -450 एमवी डीसी के लिए इंटरफेस करता है। |
b9d5f2da9408d176a5cfc6dc0912b6d72e0ea989 | |
6910f307fef66461f5cb561b4d4fc8caf8594af5 | पिछला दू साल में, शब्द अंतर्निहित एल्गोरिदम अउर उनकरा पर शोध के एगो लहर आई हई। हालांकि, मूल्यांकन ज्यादातर कार्यों के एक संकीर्ण सेट पर, मुख्य रूप से शब्द समानता / संबंध और शब्द संबंध समानता और एक ही भाषा, अर्थात् अंग्रेजी पर किया गेलय हय। हम विभिन्न भाषा पर एम्बेडिंग के मूल्यांकन करे के लेल एगो दृष्टिकोण प्रस्तावित करई हई जे ई जांच कैके कि विभिन्न वाक्यविन्यास विशेषता के जौरे शब्द एम्बेडिंग केतना अच्छा से क्लस्टर करई हई, एम्बेडिंग अंतरिक्ष के संरचना में अंतर्दृष्टि उत्पन्न करई हई। हम देखई छियई कि ई कार्य में सभे एम्बेडिंग दृष्टिकोण समान व्यवहार करई हई, निर्भरता-आधारित एम्बेडिंग के जौरे सबसे अच्छा प्रदर्शन करई छलई। ई प्रभाव कम आयामी एम्बेडेड- |
8d31dbda7c58de30ada8616e1fcb011d32d5cf83 | लचीली डेटा दर (सीएएन-एफडी) के साथ नियंत्रक क्षेत्र नेटवर्क वाहन में नेटवर्क प्रौद्योगिकी के अगली पीढ़ी के रूप में ध्यान आकर्षित कर रहले हय। हालांकि, सीएएन-एफडी के डिजाइन करते समय सुरक्षा मुद्दों के पूरी तरह से ध्यान में नय रखल गेलय हय, हालांकि प्रेषित जानकारी के हर बिट चालक सुरक्षा के लिए महत्वपूर्ण हो सको हय। यदि हम सीएएन-एफडी के सुरक्षा कमजोरिय के हल करे में विफल रहई हई, त हम वाहन-सूचना अउर संचार प्रौद्योगिकी (वाहन-आईसीटी) के अभिसरण के विकसित होए के उम्मीद ना कर सकई छी। सौभाग्य से, CAN-FD के बड़े डेटा पेलोड का उपयोग करके सुरक्षित इन-व्हीकल CAN-FD संचार वातावरण का निर्माण किया जा सकता है। इ पेपर में, हम एक काउंटरमेजर के रूप में इन-व्हीकल CAN-FD के लिए एक सुरक्षा वास्तुकला के प्रस्ताव करो हय (CAN-FD विनिर्देशों के अनुसार डिज़ाइन कैल गेलय हय) । हम एगो व्यावहारिक सुरक्षा वास्तुकला डिजाइन करे के लेल अंतर्राष्ट्रीय मानकीकरण संगठन (आईएसओ) 26262 ऑटोमोटिव सुरक्षा अखंडता स्तर अउर इन-व्हीकल सबनेटवर्क के विशेषता पर विचार कलई। हम प्रस्तावित सुरक्षा वास्तुकला के व्यवहार्यता के मूल्यांकन भी कियलय, जेकरा मे तीन प्रकार के माइक्रोकंट्रोलर इकाई और सीएएनओई सॉफ्टवेयर के उपयोग कियल गलय हल। अगला पीढ़ी के वाहन के निर्माण के लेल इलेक्ट्रॉनिक नियंत्रण इकाइ के प्रदर्शन स्तर के संकेतक के रूप में हमर मूल्यांकन के निष्कर्ष के उपयोग कैल जा सकई हई। |
122ab8b1ac332bceacf556bc50268b9d80552bb3 | एगो व्यापक रूप से स्वीकृत आधार ई हई कि जटिल सॉफ्टवेयर में अक्सर बग होई हई जेकरा हमलावर द्वारा दूर से शोषण कैल जा सकई हई। जब इ सॉफ़्टवेयरवा एगो वाहनवा में एगो इलेक्ट्रॉनिक नियंत्रण इकाई (ईसीयू) परी होव है, त ई बगवन के शोषणवा के परिणाम जीवन या मृत्यु हो सक है। चूंकि वाहनों के लिए सॉफ्टवेयर के समय के साथ अधिक से अधिक होबे और अधिक जटिल होबे के संभावना हय, इसलिए शोषण योग्य कमजोरियों के संख्या में वृद्धि होतय। नतीजतन, निर्माता तेजी से और कुशलता से अपडेट लागू करे के आवश्यकता के बारे में गहराई से जागरूक हकय ताकि सॉफ़्टवेयर कमजोरियों के जल्द से जल्द ठीक कैल जा सके। |
3a257a87ab5d1e317336a6cefb50fee1958bd84a | क्लाउड कंप्यूटिंग उभरती कंप्यूटिंग आवश्यकता के पूरा करे के लेल उच्च स्केलेबिलिटी, लचीलापन अउर लागत-प्रभावीता प्रदान करई हई। एक बड़े उत्पादन क्लाउड क्लस्टर पर वास्तविक वर्कलोड के विशेषताओं के समझे से न केवल क्लाउड सेवा प्रदाताओं बल्कि शोधकर्ताओं और दैनिक उपयोगकर्ताओं के भी लाभ होवो हय। ई पेपर एगो बड़े पैमाना के Google क्लस्टर उपयोग ट्रेस डेटासेट के अध्ययन करई हई अउर क्लस्टर में मशीन के प्रबंधन कैसे कैल जाई हई अउर 29 दिन के अवधि के दौरान प्रस्तुत कार्यभार के व्यवहार के विशेषता होई हई। हम मशीन रखरखाव घटना के आवृत्ति और पैटर्न, नौकरी- और कार्य-स्तर के वर्कलोड व्यवहार, और समग्र क्लस्टर संसाधन के उपयोग कैसे कैल जा हय, पर ध्यान केंद्रित करो हय। |
7dfce578644bc101ae4ffcd0184d2227c6d07809 | बहुरूपी एन्क्रिप्शन और छद्म नामकरण, संक्षिप्त रूप से पीईपी, संवेदनशील व्यक्तिगत डेटा के प्रबंधन के लिए एक नया दृष्टिकोण बनावो हय, खासकर स्वास्थ्य देखभाल में। पारंपरिक एन्क्रिप्शन काफी कठोर हई: एक बार एन्क्रिप्ट कैल जाए के बाद, डेटा के डिक्रिप्ट करे के लेल केवल एगो कुंजी के उपयोग कैल जा सकई हई। ई कठोरता बड़ डेटा विश्लेषण के संदर्भ में एक और अधिक समस्या बन रहल हई, जहां विभिन्न पक्ष जे एन्क्रिप्टेड डेटा सेट के हिस्सा के जांच करनाई चाहई हई, सभे के डिक्रिप्शन के लेल एगो कुंजी के आवश्यकता होई छलई। पॉलीमोर्फिक एन्क्रिप्शन एगो नया क्रिप्टोग्राफिक तकनीक हई जे येई समस्या के समाधान करई हई। बहुरूपी छद्म नामकरण के संबंधित तकनीक के जौरे, नया सुरक्षा अउर गोपनीयता गारंटी देल जा सकई हई जे (व्यक्तिगत) स्वास्थ्य सेवा, स्व-मापन ऐप के माध्यम से चिकित्सा डेटा संग्रह, अउर अधिक सामान्य रूप से गोपनीयता-अनुकूल पहचान प्रबंधन अउर डेटा विश्लेषण जैसन क्षेत्र में आवश्यक छलई। बहुआयामी एन्क्रिप्शन के प्रमुख विचार हई: उत्पादन के तुरंत बाद, डेटा के बहुरूपिक तरीके से एन्क्रिप्ट कैल जा सको हय और एक (क्लाउड) भंडारण सुविधा में इ तरह से संग्रहीत कियल जा सको हय कि भंडारण प्रदाता के पहुंच नए मिल सको हय। महत्वपूर्ण रूप से, ई निर्धारित करे के आवश्यकता ना हई कि डेटा के देखबे के लेल केकरा द्वारा अनुमति देल जाई हई, ताकि डेटा के तुरंत सुरक्षा कैल जा सके। उदाहरण के लेल, पीईपी-सक्षम स्व-माप उपकरण एगो बैक-एंड डेटाबेस में पोलीमोर्फिक रूप से एन्क्रिप्टेड रूप में अपन सभे माप डेटा संग्रहीत करतई। 2. हल: बाद में ई निर्णय लेल जा सकई हई कि केकरा द्वारा डेटा के डिक्रिप्ट कैल जाए के हई। ई निर्णय एगो नीति के आधार पर कैल जयतई, जोनमे डेटा विषय के एगो प्रमुख भूमिका निभयके चाहि। पीईपी-सक्षम डिवाइस के उपयोगकर्ता, उदाहरण के लिए, ई तय कर सकई हई कि डॉक्टर एक्स, वाई, जेड कोनो चरण में अपन निदान में डेटा के उपयोग करे के लेल डिक्रिप्ट कर सकई हई, चाहे चिकित्सा शोधकर्ता समूह ए, बी, सी एकर उपयोग अपन जांच के लेल कर सकई हई, चाहे तीसरा पक्ष यू, वी, डब्ल्यू एकर उपयोग अतिरिक्त सेवा के लेल कर सकई हई, आदि। 3. हलबा ई एन्क्रिप्टेड डेटा के एगो विशिष्ट पार्टी द्वारा डिक्रिप्टेबल बनावे के लेल ट्विकिंग अंधा तरीका से कैल जा सकई हई। एकरा एगो विश्वसनीय पार्टी द्वारा कैल जाए के चाहि जे जानई हई कि केकरा लेल सिफरटेक्स्ट के कैसे ट्वीक कैल जाए। ई पीईपी प्रौद्योगिकी बड़ डेटा विश्लेषण के लेल आवश्यक सुरक्षा अउर गोपनीयता बुनियादी ढांचा प्रदान कर सकई हई। लोग अपन डेटा के बहुआयामी रूप से एन्क्रिप्टेड रूप में सौंप सकई हई, अउर प्रत्येक बार बाद में विशिष्ट विश्लेषण उद्देश्य के लेल विशिष्ट पार्टी के लेल (भाग के) उपलब्ध (डी-क्रिप्टेबल) करे के लेल निर्णय ले सकई हई। इ तरह से उपयोगकर्ता नियंत्रण में रह सकई हई, अउर निगरानी कर सकई हई कि उनकर डेटा के उपयोग कहां अउर किन उद्देश्य से कैल जाई छलई। " ऊ ... ऊ ! |
0426408774fea8d724609769d6954dd75454a97e | विविधतापूर्ण ऑटोकोडर अनसुप्रवेशीकृत शिक्षा के लेल एगो शक्तिशाली ढांचा हई। हालांकि, पिछला काम पूरी तरह से फैक्टर किए गए स्टोचैस्टिक लैंटेंट चर के एक या दो परतों के साथ उथले मॉडल तक ही सीमित रहलई, जे लैंटेंट प्रतिनिधित्व के लचीलेपन के सीमित कर रहल हई। हम परिवर्तनशील ऑटोकोडर के प्रशिक्षण एल्गोरिदम में तीन प्रगति के प्रस्ताव करो हय, जे पहली बार पांच स्थैतिक परतों के गहरे मॉडल के प्रशिक्षित करे के अनुमति देवो हय, (1) अनुमान मॉडल के रूप में सीढ़ी नेटवर्क के समान संरचना के उपयोग करके, (2) प्रारंभिक प्रशिक्षण में सक्रिय रहे वाला स्थैतिक इकाइ के समर्थन करे के लिए वार्म-अप अवधि, और (3) बैच सामान्यीकरण के उपयोग। इ सुधारों के उपयोग करके हम कई बेंचमार्क डेटासेट पर जनरेटिव मॉडलिंग के लिए अत्याधुनिक लॉग-संभावना परिणाम दिखावो हय। |
feebbb3378245c28c708a290a888248026b06ca8 | इ पेपर में मल्टीपल आर्म तकनीक पर आधारित एक उपन्यास बहु-आवृत्ति मुद्रित क्वाड्रिफिलर हेलिक्स एंटीना प्रस्तुत कैल गेल हई। दोहरा आवृत्ति और संतोषजनक एंटीना विशेषता प्राप्त कैल गेल हई। एंटीना के अपेक्षाकृत कॉम्पैक्ट आकार और गोलार्धीय पैटर्न हय जेकरा मे उत्कृष्ट परिपत्र ध्रुवीकृत कवरेज हय। एंटीना के डिजाइन और एचएफएसएस सॉफ्टवेयर के अनुप्रयोग के साथ अनुकरण कियल गलय हा। सिमुलेशन परिणाम अउर विश्लेषण के प्रस्तुत कैल गेल हई। |
1ee72ed1db4ddbc49922255194890037c7a2f797 | ई पत्र में गाएएस प्रक्रिया पर आधारित एगो ब्रॉडबैंड मोनोपल्स कम्परेटर एमएमआईसी (मोनोलिथिक माइक्रोवेव इंटीग्रेटेड सर्किट) के प्रस्तुत कैल गेल हई। तीन मैजिक टी और एक लम्पटेड पावर डिवाइडर द्वारा निर्मित तुलनात्मक नेटवर्क एक योग चैनल और दो डेल्टा चैनलों के लिए प्रस्तावित हय। माप परिणाम से पता चलई हई कि योग चैनल के लेल 2.5-डीबी से कम हानि के जौरे 15 से 30 गीगाहर्ट्ज (66.7% सापेक्ष आवृत्ति बैंडविड्थ) के लेल बहुत व्यापक आवृत्ति बैंड के प्राप्त कैल जा सकई हई। और शून्य गहराई दो डेल्टा चैनलों के लिए 15-27 गीगाहर्ट्ज में 22 डीबी और 27-30 गीगाहर्ट्ज में 17 डीबी से अधिक है। कुल चिप आकार 3.4 मिमी 3.4 मिमी (<इनलाइन-फॉर्मूला> <टेक्स-मैथ नोटेशन="लैटेक्स">$0.26\लैम्बडा _{0}~0.26\लैम्बडा _{0}$ </टेक्स-मैथ></इनलाइन-फॉर्मूला> 22.5 गीगाहर्ट्ज के केंद्र आवृत्ति पर) हय। |
202b3b3bb4a5190ce53b77564f9ae1dc65f3489b | |
8eea0da60738a54c0fc6a092aecf0daf0c51cee3 | इ अध्ययन आंशिक रूप से, अत्यधिक, और पूरी तरह से स्वचालित वाहनों के खरीदने के लिए उपयोगकर्ता स्वीकृति, चिंताओं और इच्छा के जांच कैलकय। 63 प्रश्नों के इंटरनेट-आधारित सर्वेक्षण के माध्यम से, हम 109 देशों (40 देशों में कम से कम 25 उत्तरदाताओं के साथ) से 5000 उत्तर एकत्रित कैलकय। हम अंतर-राष्ट्रीय अंतर के निर्धारित कलई, अउर व्यक्तिगत चर के जौरे सहसंबंध के आकलन कलई, जैसे कि उम्र, लिंग अउर व्यक्तित्व लक्षण के बड़का पांच सूची के एगो छोटा संस्करण के जौरे मापल गेल। परिणाम से पता चललई कि उत्तरदाता, औसतन, मैनुअल ड्राइविंग के ड्राइविंग के सबसे सुखद तरीका पइलई। प्रतिक्रिया विविध हलय: 22% उत्तरदाता एगो पूर्ण स्वचालित ड्राइविंग प्रणाली के लिए $ 0 से अधिक भुगतान नए करे चाहलय, जबकि 5% संकेत दलकय कि ऊ $ 30,000 से अधिक भुगतान करे के लिए तैयार होतय, और 33% संकेत दलकय कि पूर्ण स्वचालित ड्राइविंग अत्यधिक आनंददायक होतय। 69% उत्तरदाता के अनुमान हई कि अब से 2050 तकले पूर्ण स्वचालित ड्राइविंग 50% बाजार हिस्सेदारी तकले पहुंच जैतई। उत्तरदाता के सॉफ्टवेयर हैकिंग/दुरुपयोग के बारे में सबसे अधिक चिंतित पायल गेलय हल, और कानूनी मुद्दों और सुरक्षा के बारे में भी चिंतित हलय। न्यूरोटिसिज्म पर उच्च स्कोर वाला उत्तरदाता डेटा प्रेषण के बारे में थोड़ा कम सहज हलय, जबकि सहमत होवे पर उच्च स्कोर वाला उत्तरदाता एकर बारे में थोड़ा अधिक सहज हलय। अधिक विकसित देश के उत्तरदाता (कम दुर्घटना के आंकड़ों, उच्च शिक्षा और उच्च आय के संदर्भ में) अपन वाहन के डेटा प्रेषित करे में कम सहज हलय, q = 0.80 और q = 0.90 के बीच अंतर-राष्ट्रीय सहसंबंध के साथे। वर्तमान परिणाम अंतरराष्ट्रीय जनता के बीच वादा अउर चिंता के प्रमुख क्षेत्र के इंगित करई हई, अउर वाहन डेवलपर्स अउर दोसर हितधारक के लेल उपयोगी हो सकई छलई। 2015 एल्सेवियर लिमिटेड। सब अधिकार सुरक्षित। |
2d4f10ccd2503c37ec32aa0033d3e5b3559f4404 | स्थितिजन्य जागरूकता उड़ान सुरक्षा और परिचालन प्रदर्शन में योगदान करे वाला एक तेजी से प्रमुख कारक बन गलय हा, और आधुनिक विमान में उन्नत एवियोनिक्स सिस्टम के स्थापना से जुड़े मानव प्रदर्शन चुनौतियों के सामना करे के लिए अनुसंधान तेजी से बढ़लय हा। स्थिति के जागरूकता के व्यवस्थित अध्ययन और अनुप्रयोग के कॉकपिट से परे भी विस्तारित कैल गेल हई, जेकरा मे अन्य जटिल, उच्च परिणाम वाला कार्य डोमेन के भीतर काम करे वाला हवाई यातायात नियंत्रक अउर कर्मचारी शामिल छलई। ई खंड निबंध के संग्रह प्रदान करई हई जे स्थिति के जागरूकता अनुसंधान अउर अभ्यास में महत्वपूर्ण योगदान देलई हई। एकरा लेल, ई स्थितिजन्य जागरूकता के वैचारिक विकास, एकर मूल्यांकन के लेल विधि अउर प्रशिक्षण अउर डिजाइन के माध्यम से स्थितिजन्य जागरूकता के बढ़ाबे के लेल अनुप्रयोग के लेल प्रमुख रीडिंग के लेल अद्वितीय पहुंच प्रदान करई हई। |
a7621b4ec18719b08f3a2a444b6d37a2e20227b7 | संवहन नेटवर्क कंप्यूटर विजन और मशीन लर्निंग में सबसे व्यापक रूप से नियोजित आर्किटेक्चर में से एगो हई। जटिल कार्य के सीखे के लेल उनकर क्षमता के लाभ उठाबे के लेल, प्रशिक्षण के लेल बड़का मात्रा में डेटा के आवश्यकता होई हई। अत्याधुनिक परिणाम उत्पन्न करे के लेल एगो बड़का संवहन नेटवर्क के प्रशिक्षित करे में सप्ताह लग सकई हई, ईहां तक कि जब आधुनिक जीपीयू के उपयोग कैल जाई हई। एगो प्रशिक्षित नेटवर्क के उपयोग कैके लेबल के उत्पादन वेब-स्केल डेटासेट के जौरे काम करे पर भी महंगा हो सकई हई। इ काम में, हम एक सरल एल्गोरिथ्म प्रस्तुत करो हय जे प्रशिक्षण और अनुमान के एक महत्वपूर्ण कारक द्वारा तेज करो हय, और मौजूदा राज्य-ऑफ-द-आर्ट कार्यान्वयन के तुलना में परिमाण के एक आदेश से अधिक के सुधार कर सको हय। ई फूरियर डोमेन में बिंदुवार उत्पाद के रूप में घुमाव के गणना करके कैल जाई हई जबकि एके रूपांतरित विशेषता मानचित्र के कई बार पुनः उपयोग कैल जाई छलई। एल्गोरिथ्म के GPU आर्किटेक्चर पर लागू कैल गेल हई अउर कैगो संबंधित चुनौती के संबोधित करई छलो। |
0ee6f663f89e33eb84093ea9cd94212d1a8170c9 | मिश्रित दाएं/बाएं हाथ के (सीआरएलएच) सब्सट्रेट एकीकृत वेव गाइड (एसआईडब्ल्यू) के आधार पर परिपत्र ध्रुवीकरण के साथ एक लीक-वेव एंटीना (एलडब्ल्यूए) के जांच और प्रस्तुत कैल गेलय हय। सीरीज इंटरडिजिटल कैपेसिटर के सीआरएलएच कार्यक्षमता प्राप्त करे के लेल वेव गाइड सतह पर स्लॉट के उत्कीर्ण करके सर्किट में पेश कैल गेल हई। orthogonal ध्रुवीकरण के साथ दो सममित लीक ट्रैवल-वेव ट्रांसमिशन लाइनों के एक-दूसरे के बगल में रखल जा हय और 90 ° चरण अंतर के साथे उत्तेजित कैल जा हय, एक शुद्ध परिपत्र ध्रुवीकरण मोड उत्पन्न करो हय। इ एंटीना के मुख्य बीम के मुख्य बीम दिशा के भीतर एक कम अक्षीय अनुपात (3 डीबी से नीचे) के बनाए रखे के दौरान आवृत्ति के बदलकर लगातार निर्देशित कैल जा सको हय। इ एलडब्ल्यूए के प्रदर्शन के पूर्ण-लहर सिमुलेशन और एक अच्छा समझौता दिखवे वाला एक निर्मित प्रोटोटाइप के माप दोनों के माध्यम से सत्यापित कैल गेलय हय। |
50bc77f3ec070940b1923b823503a4c2b09e9921 | |
48b38420f9c39c601dcf81621609d131b8035f94 | पिछला दू दशक में स्वास्थ्य निगरानी प्रणाली में तेजी से विकास होलई हे आउर वर्तमान में स्वास्थ्य देखभाल के तरीका के बदले के क्षमता इनका पास हई। हालांकि स्मार्ट स्वास्थ्य निगरानी प्रणाली रोगी के निगरानी कार्य के स्वचालित करो हय और, इ प्रकार रोगी वर्कफ़्लो प्रबंधन में सुधार करो हय, नैदानिक सेटिंग्स में ओकर दक्षता अभी भी विवादास्पद हय। ई पत्र स्मार्ट स्वास्थ्य निगरानी प्रणाली के समीक्षा अउर ओकर डिजाइन अउर मॉडलिंग के एगो सिंहावलोकन प्रस्तुत करई हई। एकर अलावा, वर्तमान स्वास्थ्य निगरानी प्रणाली में सुधार के लिए दक्षता, नैदानिक स्वीकार्यता, रणनीतियों और सिफारिशों के एक महत्वपूर्ण विश्लेषण प्रस्तुत कैल जयतय। मुख्य उद्देश्य प्रौद्योगिकी निगरानी प्रणाली के वर्तमान स्थिति के समीक्षा करनाई अउर स्मार्ट स्वास्थ्य निगरानी प्रणाली के क्षेत्र में निष्कर्ष के व्यापक अउर गहन विश्लेषण करनाई हई। एकरा प्राप्त करे के लेल पचास से अधिक विभिन्न निगरानी प्रणाली के चयन, वर्गीकृत, वर्गीकृत अउर तुलना कैल गेल हई। अंत में, सिस्टम डिजाइन स्तर में प्रमुख प्रगति पर चर्चा कैल गेल हई, स्वास्थ्य देखभाल प्रदाताओं के सामने वर्तमान मुद्दा के जौरे-जौरे स्वास्थ्य निगरानी क्षेत्र के लेल संभावित चुनौति के पहचान कैल जाई हई अउर अन्य समान प्रणालि के जौरे तुलना कैल जाई छलई। |
66336d0b89c3eca3dec0a41d2696a0fda23b6957 | ई-बैंड में एगो उच्च-लाभ, ब्रॉडबैंड, अउर लो-प्रोफाइल सतत अनुप्रस्थ स्टब एंटीना सरणी प्रस्तुत कैल गेल हई। इ सरणी में 32 लंबा स्लॉट शामिल हय जे एक समान कॉर्पोरेट समानांतर-प्लेट-वेव गाइड बीमफॉर्मिंग नेटवर्क द्वारा एक पिलबॉक्स कपलर के साथे संयुक्त हय। विकिरण स्लॉट और कॉर्पोरेट फीड नेटवर्क एल्यूमीनियम में बनल हय जबकि पिलबॉक्स कपलर और एकर फोकल स्रोत प्रिंटेड सर्किट बोर्ड प्रौद्योगिकी में निर्मित हय। दोनों विनिर्माण प्रौद्योगिकियों के संयोजन के लिए विशिष्ट संक्रमण के डिजाइन कियल गलय हा। डिजाइन, निर्माण और माप परिणाम विस्तृत हय, और एक सरल डिजाइन पद्धति के प्रस्ताव दिहल गेलय हय। 71 और 86 गीगाहर्ट्ज के बीच एंटीना अच्छी तरह से मेल खाई हई, और सिमुलेशन और माप के बीच एक उत्कृष्ट समझौता पाएल जाई हई, येई प्रकार प्रस्तावित डिजाइन के मान्य कर देई छलई। पूरे बैंडविड्थ पर एंटीना लाभ 29.3 dBi से अधिक हय, 82.25 GHz पर 30.8 dBi के शिखर लाभ के साथे, और ई- और एच-प्लेन में लगभग समान आधा-शक्ति बीमविड्थ वाला बीम हय। ई एंटीना आर्किटेक्चर के लंबी दूरी के मिलीमीटर-लहर दूरसंचार अनुप्रयोगों जैसे ई-बैंड में पांचवीं पीढ़ी के बैकहालिंग के लिए एक अभिनव समाधान के रूप में मानल जा हय। |
07d9dd5c25c944bf009256cdcb622feda53dabba | मार्कोव चेन मोंटे कार्लो (जैसे, मेट्रोपोलिस एल्गोरिथ्म और गिब्स सैंपलर) जटिल स्थैतिक प्रक्रियाओं के अनुकरण के लिए एक सामान्य उपकरण हय जे कई प्रकार के सांख्यिकीय अनुमान में उपयोगी हय। मार्कोव श्रृंखला मोंटे कार्लो के मूलभूत चीज के समीक्षा कैल गेल हई, जोनमे एल्गोरिदम अउर विचलन अनुमान के चयन शामिल हई, अउर कुछ नया विधि के पेश कैल गेल हई। अधिकतम संभावना अनुमान के लेल मार्कोव चेन मोंटे कार्लो के उपयोग के व्याख्या कैल गेल हई, अउर एकर प्रदर्शन के तुलना अधिकतम छद्म संभावना अनुमान के जौरे कैल गेल हई। |
2ffd5c401a958e88c80291c48738d21d96942c1a | हम रुचि रखई हई कि किफायती अवधारणा कैसे स्वायत्त रोबोट नियंत्रण के लेल हमर विचार के प्रभावित कर सकई हई, अउर कैसे स्वायत्त रोबोटिक्स से प्राप्त परिणाम चर्चा अउर किफायती अवधारणा पर अध्ययन पर वापस प्रतिबिंबित हो सकई हई। इ पेपर में, हम अध्ययन कैलकय कि कैसे एक मोबाइल रोबोट, 3 डी लेजर स्कैनर से लैस, ट्रांसेबिलिटी अफोर्डेंस के समझे के लिए सीख सको हय और एकर उपयोग गोलाकार, सिलेंडर और बक्से से ढँकेला कमरा में भटकने के लिए कर सको हय। परिणाम से पता चललई कि सीखला के बाद, रोबोट गैर-ट्रावेसेबल वस्तु (यानी, हाथ से उठाएल गेल) के संपर्क से बचे के लेल इधर-उधर भटक सकई हई। रोबोट के पास एगो विशेष प्रकार के उपकरण (जैसे कि बॉक्स, ऊर्ध्वाधर सिलेंडर, या कुछ अभिविन्यास में झूठ बोलना सिलेंडर) होई हई, लेकिन पार करे योग्य वस्तु (जैसे कि गोला, और रोबोट के संबंध में रोलेबल अभिविन्यास में झूठ बोलना सिलेंडर) पर चलके ओकरा अपना रास्ता से बाहर कर देई हई। हम देखलिए ह कि प्रत्येक क्रिया के लेल लगभग 1% संवेदी विशेषता ई निर्धारित करे के लेल प्रासंगिक रहई कि ई देल जाई हई कि ना अउर ई प्रासंगिक विशेषता रेंज छवि के कुछ क्षेत्र में स्थित छलई। प्रयोग के भौतिकी-आधारित सिम्युलेटर अउर वास्तविक रोबोट दुनहु के उपयोग कैके कैल जाई हई। |
788121f29d86021a99a4d1d8ba53bb1312334b16 | ई कागज ट्यूटोरियल प्रक्रिया के प्रकृति से संबंधित हई; उ साधन जेकरा द्वारा एगो वयस्क चाहे "विशेषज्ञ" कोनो ऐसन व्यक्ति के मदद करई हई जे कम वयस्क चाहे कम विशेषज्ञ हई। एकर उद्देश्य सामान्य होवे के बावजूद, एकरा एक विशेष कार्य के संदर्भ में व्यक्त कैल जा हय: एक ट्यूटर 3, 4 और 5 साल के बच्चों के एक विशेष त्रि-आयामी संरचना बनावे के सिखाना चाहो हय जेकरा एक डिग्री के कौशल के आवश्यकता होवो हय जे शुरू में ओकरा से परे हय। ई सामान्य प्रकार के ट्यूशन स्थिति हई जेकरा में एगो सदस्य "उत्तर जानई हई" अउर दोसर न, बल्कि एगो "व्यावहारिक" के तरह हई जोनमे केवल प्रशिक्षक "कईसे जानई हई"। शिक्षक अउर बच्चा के बीच में बदलइत बातचीत हमर डेटा प्रदान करई हई। विकासशील बच्चा द्वारा बहुत जल्दी समस्या के हल करे के येई क्रम के हई। यद्यपि जीवन के शुरुआती महीनों से ऊ अपन अधिकार में एगो "प्राकृतिक" समस्या समाधानकर्ता हई (जैसे कि ब्रूनर, 1973) ई अक्सर आसानी से हो सकई हई कि ओकर प्रयास के दोसर द्वारा सहायता अउर बढ़ावा देल जाई हई जे ओकरा से अधिक कुशल हई (केय, 1970) । चाहे ऊ प्रक्रिया के सीख रहले ह जे उपस्थिति, संचार, वस्तुओं के हेरफेर करे, लोकोमोटिव करे, या, वास्तव में, एक अधिक प्रभावी समस्या समाधान प्रक्रिया के कौशल के निर्माण करो हय, आमतौर पर उपस्थिति में दोसर होवो हय जे ओकर रास्ता में ओकर मदद करो हय। संक्षेप में, ट्यूटोरियल इंटरैक्शन, शिशु और बचपन के एक महत्वपूर्ण विशेषता हय। एकरा अलावा, हमर प्रजाति एकमात्र ऐसन प्रतीत होवो हय जेकरा मे कोनो "जानबूझकर" ट्यूशन चल रहले हा (ब्रूनर, 1972; हिंडे, 1971). काहेकि हालांकि ई सच हई कि उच्च प्राइमेट प्रजाति में से कैगो अपन बुजुर्ग के निरीक्षण करके सीखई हई (हैम्बर्ग, 1968; वैन लेविक-गुडॉल, 1968), ऐसन कोई सबूत ना हई कि ऊ बुजुर्ग प्रश्न में कौशल के प्रदर्शन में अपन चार्ज के निर्देश देवे के लेल कुछ भी करई हई। मनुष्य के प्रजाति के रूप में जे अलग करई हई ऊ न केवल सीख के क्षमता हई, बल्कि सिखवे के क्षमता भी हई। कौशल अधिग्रहण और समस्या समाधान के अध्ययन के लेल विकासशील बच्चा अउर ओकर बड़ लोग के बीच ई पारस्परिक, निर्देशात्मक संबंध के कुछ प्रमुख निहितार्थ के जांच करनाई ई पेपर के मुख्य उद्देश्य छलई। मानव बच्चा में कौशल के अधिग्रहण के एगो पदानुक्रमित कार्यक्रम के रूप में फलदायक रूप से कल्पना कैल जा सकई हई जोनमे घटक कौशल के नया, अधिक जटिल कार्य आवश्यकता के पूरा करे के लेल उपयुक्त ऑर्केस्ट्रेशन द्वारा "उच्च कौशल" में जोडल जाई हई (ब्रूनर, 1973) । ई प्रक्रिया समस्या के हल करे के समान हई जोनमे "निम्न क्रम" या घटक समस्या के महारत एगो बड़ समस्या के जौरे सफलता के लेल एगो शर्त हई, प्रत्येक स्तर दूसर के प्रभावित करई हई - जैसन कि पढ़ना में जहां शब्द के डिक्रिप्शन वाक्य के डिक्रिप्शन के संभव बनाबई हई, अउर वाक्य तब विशेष शब्द के डिक्रिप्शन में सहायता करई हई (एफ। स्मिथ, 1971) । युवा शिक्षार्थी में लगातार इरादा के देखते हुए, घटक कौशल के "शब्दकोश" के देखते हुए, महत्वपूर्ण कार्य अक्सर कॉम्पैक्ट और कुशलतापूर्ण कौशल के एक सेट के रूप में हो सको हय। |
13eba30632154428725983fcd8343f3f1b3f0695 | लगभग सभे वर्तमान निर्भरता पार्सर लाखों विरल संकेतक विशेषता के आधार पर वर्गीकृत करई हई। न केवल ई विशेषता खराब रूप से सामान्यीकृत करो हय, बल्कि विशेषता गणना के लागत पार्सिंग गति के महत्वपूर्ण रूप से सीमित करो हय। ई काम में, हम एगो लालची, संक्रमण-आधारित निर्भरता पार्सर में उपयोग के लेल एगो तंत्रिका नेटवर्क वर्गीकरणकर्ता के सीखने के एगो नया तरीका प्रस्तावित करई हई। काहेकी इ वर्गीकरणकर्ता केवल एक छोटी संख्या में घनी सुविधा के सीखो हय और ओकर उपयोग करो हय, इ बहुत तेजी से काम कर सको हय, जबकि अंग्रेजी और चीनी डेटासेट दोनों पर बिना लेबल और लेबल वाला अनुलग्नक स्कोर में लगभग 2% सुधार प्राप्त कर सको हय। विशेष रूप से, हमर पार्सर अंग्रेजी पेन ट्रीबैंक पर 92.2% लेबल रहित अनुलग्नक स्कोर पर प्रति सेकंड 1000 से अधिक वाक्य के पार्स करे में सक्षम हइ। |
c22f9e2f3cc1c2296f7edb4cf780c6503e244a49 | |
3dd9793bc7b1f97115c45e90c8874f786262f466 | सेलुलर से वाईफाई तक डेटा ट्रैफ़िक के धक्का देना इंटर रेडियो एक्सेस टेक्नोलॉजी (आरएटी) ऑफलोडिंग के एक उदाहरण हय। जबकि ई स्पष्ट रूप से अतिभारित सेलुलर नेटवर्क पर भीड़ के कम करई हई, येई तरह के अनलोडिंग के अंतिम क्षमता अउर समग्र प्रणाली प्रदर्शन पर एकर प्रभाव के अच्छी तरह से समझल ना जाई छलई। एकरा संबोधित करे के लेल, हम एगो सामान्य अउर व्यवहार्य मॉडल विकसित करई हई जोनमे एम अलग-अलग आरएटी होई हई, जे में से प्रत्येक के उपयोग के बिंदु (एपी) के के अलग-अलग स्तर तक तैनात करई हई, जहां प्रत्येक स्तर प्रसारण शक्ति, पथ हानि घातांक, तैनाती घनत्व अउर बैंडविड्थ में भिन्न होई हई। एपी के प्रत्येक वर्ग के एक स्वतंत्र पॉइसन पॉइंट प्रक्रिया (पीपीपी) के रूप में मॉडलिंग कैल गेल हई, जेकरा मे मोबाइल उपयोगकर्ता स्थान के एक अन्य स्वतंत्र पीपीपी के रूप में मॉडलिंग कैल गेल हई, सभे चैनल में आईआईडी शामिल छलई। रेली फीका पड़ रहले ह । पूरा नेटवर्क पर दर के वितरण के बाद भारित संघ रणनीति के लिए प्राप्त कैल जाई हई, जहां ऐसन भार के एगो विशेष उद्देश्य के अनुकूलित करे के लेल ट्यून कैल जा सकई हई। हम देखई हई कि एसआईएनआर कवरेज के अधिकतम करे के लेल उतारा गेल यातायात के इष्टतम अंश आम तौर पर ओई समान ना होई हई जे दर कवरेज के अधिकतम करई हई, जे कि देल गेल दर के प्राप्त करे वाला उपयोगकर्ता के अंश के रूप में परिभाषित कैल गेल हई। |
e7b4ea66dff3966fc9da581f32cb69132a7bbd99 | एगो मैक्रोसेल नेटवर्क में फेमटोसेल के तैनाती नेटवर्क क्षमता अउर कवरेज के बढ़ाबे के एगो किफायती अउर प्रभावी तरीका छलई। फिर भी, अंतर-स्तरीय और अंतर-स्तरीय हस्तक्षेप के उपस्थिति, और फेमटोसेल के तदर्थ संचालन के कारण इ तरह के तैनाती चुनौतीपूर्ण हय। ओएफडीएमए के लचीले उप-चैनल आवंटन क्षमता से प्रेरित होके, हम दो-स्तरीय नेटवर्क में स्पेक्ट्रम आवंटन के प्रभाव के जांच करई हई, जहां मैक्रोसेल बंद पहुंच नीति के नियोजित करई हई अउर फेमटोसेल खुले या बंद पहुंच में काम कर सकई हई। एगो व्यवहार्य मॉडल के पेश करके, हम अलग-अलग स्पेक्ट्रम आवंटन अउर फेमटोसेल एक्सेस नीति के तहत प्रत्येक स्तर के लेल सफलता के संभावना के व्युत्पन्न करई हई। विशेष रूप से, हम संयुक्त उपचैनल आवंटन पर विचार कर रहल हई, जोनमे पूरा स्पेक्ट्रम दुनहु स्तर द्वारा साझा कैल जाई हई, जौरे जौरे असंबद्ध उपचैनल आवंटन, जोनमे असंबद्ध सेट के उपचैनल के दुनहु स्तर के लेल सौंपल जाई छलई। हम सफलता के संभावना और प्रति-स्तरीय न्यूनतम दर के संदर्भ में सेवा के गुणवत्ता के प्रतिबंध के अधीन थ्रूपुट अधिकतमकरण समस्या के तैयार करई हई, अउर इष्टतम स्पेक्ट्रम आवंटन में अंतर्दृष्टि प्रदान करई छलई। हमार परिणाम बताबई हई कि बंद पहुंच फेमटोसेल के जौरे, अनुकूलित संयुक्त अउर असंगत सब-चैनल आवंटन क्रमशः विरल अउर घने फेमटोसेल नेटवर्क में सभे योजना के बीच सबसे अधिक थ्रूपुट प्रदान करई हई। ओपन एक्सेस फेमटोसेल के साथ, अनुकूलित संयुक्त उपचैनल आवंटन सभी फेमटोसेल घनत्व के लिए उच्चतम संभव थ्रूपुट प्रदान करो हय। |
09168f7259e0df1484115bfd44ce4fdcafdc15f7 | एगो दो-स्तरीय सेलुलर नेटवर्क में - जे एगो केंद्रीय मैक्रोसेल से बनल हई, जे कम दूरी के फेमटोसेल हॉटस्पॉट के जौरे अंतर्निहित छलई - क्रॉस-स्तरीय हस्तक्षेप सार्वभौमिक आवृत्ति पुनः उपयोग के जौरे समग्र क्षमता के सीमित करई हई। सार्वभौमिक आवृत्ति पुनः उपयोग के साथ निकट-दूर के प्रभाव के मात्रात्मक रूप से मापे के लिए, इ पेपर एक मौलिक संबंध प्राप्त करो हय जे सबसे बड़ा व्यवहार्य सेलुलर सिग्नल-टू-इंटरफेरेंस-प्लस-शोर अनुपात (एसआईएनआर) प्रदान करो हय, जे व्यवहार्य फेमटोसेल एसआईएनआर के कोनो सेट के दिहल गेलय हा। हम एगो लिंक बजट विश्लेषण प्रदान करई हई जे एगो दो-स्तरीय नेटवर्क में सरल अउर सटीक प्रदर्शन अंतर्दृष्टि के सक्षम करई हई। कोचैनल फेमटोसेल से मैक्रोसेल पर क्रॉस-टियर हस्तक्षेप के कम करे के लिए फेमटोसेल में वितरित उपयोगिता-आधारित एसआईएनआर अनुकूलन के प्रस्ताव दिहल गेलय हय। फोस्चिनी-मिलजैनिक (एफएम) एल्गोरिथ्म अनुकूलन के एगो विशेष मामला हई। प्रत्येक फेमटोसेल अपन व्यक्तिगत उपयोगिता के अधिकतम कर हई जेकरा मे एसआईएनआर आधारित इनाम घटाव के लेल व्यय (मैक्रोसेल के हस्तक्षेप) शामिल होई हई। संख्यात्मक परिणाम एफएम के सापेक्ष औसत फेमटोसेल एसआईएनआर में 30% से अधिक सुधार दर्शावो हय। यदि क्रॉस-टियर हस्तक्षेप एगो सेलुलर उपयोगकर्ता के अपन एसआईएनआर लक्ष्य प्राप्त करे से रोकई हई, त एगो एल्गोरिथ्म प्रस्तावित कैल गेल हई जे सबसे मजबूत फेमटोसेल इंटरफेरेर्स के संचरण शक्ति के कम करई हई। एल्गोरिथ्म सुनिश्चित करो हय कि एक सेलुलर उपयोगकर्ता 100 फेमटोसेल / सेल-साइट (सामान्य सेलुलर पैरामीटर के साथ) के साथे भी अपन एसआईएनआर लक्ष्य प्राप्त करो हय और फेमटोसेल में केवल 16% के सबसे खराब मामला एसआईएनआर कमी के आवश्यकता होवो हय। ई परिणाम साझा स्पेक्ट्रम के जौरे दो-स्तरीय नेटवर्क में न्यूनतम नेटवर्क ओवरहेड के आवश्यकता वाला बिजली नियंत्रण योजना के डिजाइन के प्रेरित करई हई। |
5309b8f4723d44de2fa51cd2c15bffebf541ef57 | पारंपरिक समतल मुद्रित अर्ध-यागी एंटीना के सादगी और सहज डिजाइन एकर अच्छा दिशात्मकता के लिए व्यापक लोकप्रियता के जन्म देले हई। इ पेपर में, एक एकल निर्देशक और एक शंक्वाकार पैराबोलिक रिफ्लेक्टर के साथ, एस-बैंड में काम करे वाला एक उपन्यास अर्ध-यागी एंटीना के प्रस्ताव दिहल गेलय हय। सीएसटी-माइक्रोवेव स्टूडियो के साथ प्रतिबाधा विशेषता और विकिरण विशेषता के अनुकरण कैल जा हय, और एंटीना के निर्माण और मापा जा हय। मापा परिणाम इंगित करो हय कि एंटीना जे 2.28-2.63GHz पर काम कर सको हय, ऑपरेटिंग आवृत्ति रेंज के भीतर 6.5dBi के औसत लाभ प्राप्त कर सको हय, विशेष रूप से 2.5GHz पर 7.5dBi के उच्चतम लाभ। प्रस्तावित एंटीना के WLAN/TD-LTE/BD1 और इसी तरह के अन्य क्षेत्रों में व्यापक रूप से उपयोग कैल जा सको हय। |
c03c3583153d213f696f1cbd4cd65c57437473a5 | ई पेपर उच्च शक्ति कारक के साथे एलएलसी अनुनाद कनवर्टर आधारित एलईडी (लाइट एमिटिंग डायोड) लैंप ड्राइवर के प्रस्ताव करो हय। प्रस्तावित सर्किट पीएफसी (पावर फैक्टर करेक्शन) के लिए एक बूस्ट कन्वर्टर के उपयोग करो हय जे निरंतर प्रवाह मोड (सीसीएम) में काम करो हय और एलईडी लैंप लोड के संचालित करे के लिए एक अर्ध-ब्रिज अनुनाद कनवर्टर के उपयोग करो हय। एलएलसी कनवर्टर के डिज़ाइन ऐसन कैल गेल हई कि स्विचिंग घाटा के कम करे के लेल अर्ध-ब्रिज के ठोस राज्य स्विच शून्य वोल्टेज स्विचिंग (जेडवीएस) के तहत काम कर रहल हई। 50 W एलईडी ड्राइवर के विश्लेषण, डिजाइन, मॉडलिंग और सिमुलेशन सार्वभौमिक एसी mains के लिए MATLAB/Simulink उपकरण का उपयोग करके किया जाता है। प्रस्तावित एलईडी लैंप ड्राइवर के प्रदर्शन के मूल्यांकन करे के लिए बिजली गुणवत्ता सूचकांक के गणना कैल जा हय जैसे कि एसी मेन करंट (THDi) के कुल हार्मोनिक विकृति, बिजली कारक (PF) और क्रेस्ट कारक (CF) । |
94a62f470aeea69af436e2dd0b54cd50eaaa4b23 | अनुशंसाकर्ता प्रणालि के निर्माण के सबसे सफल दृष्टिकोण में से एगो के रूप में, सहयोगी फ़िल्टरिंग (सीएफ) अन्य उपयोगकर्ता के लेल अज्ञात वरीयताओं के सिफारिश चाहे भविष्यवाणी करे के लेल उपयोगकर्ता के एगो समूह के ज्ञात वरीयताओं के उपयोग करई हई। इ पत्र में, हम पहले सीएफ कार्य और ओकर मुख्य चुनौति के परिचय देवो हय, जैसे डेटा स्पार्सिटी, स्केलेबिलिटी, पर्यायवाची, ग्रे भेड़, शिलिंग हमले, गोपनीयता सुरक्षा, आदि, और ओकर संभावित समाधान। हम तब सीएफ तकनीक के तीन मुख्य श्रेणियों के प्रस्तुत करो हय: मेमोरी-आधारित, मॉडल-आधारित, और हाइब्रिड सीएफ एल्गोरिदम (जे अन्य अनुशंसा तकनीकों के साथ सीएफ के संयोजन करो हय), प्रत्येक श्रेणी के प्रतिनिधि एल्गोरिदम के उदाहरण के साथे, और उनकर भविष्यवाणी प्रदर्शन और चुनौतियों के संबोधित करे के उनकर क्षमता के विश्लेषण। बुनियादी तकनीक से लेकर अत्याधुनिक तक, हम सीएफ तकनीक के लिए एक व्यापक सर्वेक्षण प्रस्तुत करे के प्रयास करई हई, जे येई क्षेत्र में अनुसंधान अउर अभ्यास के लेल एगो रोडमैप के रूप में काम कर सकई हई। |
ced981c28215dd218f05ecbba6512671b22d1cc6 | सार-आजकल समाचार, लिंक, चित्र, या वीडीओ जैसे सोशल मीडिया जानकारी के व्यापक रूप से साझा कैल जा हय। हालाँकि, सोशल मीडिया के माध्यम से सूचना के प्रसार के प्रभावशीलता में गुणवत्ता के कमी हय: कम तथ्य जांच, अधिक पूर्वाग्रह और कई अफवाह। बहुत शोधकर्ता ट्विटर पर विश्वसनीयता के बारे में जांच कर रहल हई, लेकिन फेसबुक पर विश्वसनीयता जानकारी के बारे में कोनो शोध रिपोर्ट ना हई। ई पेपर फेसबुक जानकारी पर विश्वसनीयता के मापे के लेल सुविधा के प्रस्ताव करई हई। हम फेसबुक पर विश्वसनीयता के लिए सिस्टम विकसित कैलकय हा। सबसे पहिले, हम मैन्युअल रूप से मानव लेबलिंग द्वारा प्रत्येक पोस्ट के विश्वसनीयता के मापे के लेल एफबी विश्वसनीयता मूल्यांकनकर्ता विकसित कैले हई। हम तब समर्थन वेक्टर मशीन (एसवीएम) के उपयोग करके एक मॉडल बनावे के लिए प्रशिक्षण डेटा एकत्र कैलकय। दोसर, हम फेसबुक उपयोगकर्ता के लेल प्रत्येक पोस्ट के विश्वसनीयता के मूल्यांकन करे के लेल फेसबुक विश्वसनीयता के एगो क्रोम एक्सटेंशन विकसित कलई। हमारे FB विश्वसनीयता क्रोम एक्सटेंशन के उपयोग विश्लेषण के आधार पर, लगभग 81% उपयोगकर्ता प्रतिक्रियाएँ प्रस्तावित प्रणाली द्वारा स्वचालित रूप से गणना की गई सुझाई गई विश्वसनीयता से सहमत हैं। |
1b2a8dc42d6eebc937c9642799a6de87985c3da6 | सोशल मीडिया नेटवर्क घटना मूल्यवान डेटा के विशाल मात्रा बनाबई हई जे ऑनलाइन उपलब्ध हई अउर आसानी से सुलभ छलई। बहुत से उपयोगकर्ता विभिन्न सामाजिक नेटवर्क साइटों पर छवियों, वीडियो, टिप्पणियों, समीक्षाओं, समाचारों और राय को साझा करते हैं, ट्विटर सबसे लोकप्रिय में से एक है। ट्विटर से एकत्रित डेटा अत्यधिक असंगठित हय, और ट्वीट से उपयोगी जानकारी निकालना एक चुनौतीपूर्ण कार्य हय। ट्विटर पर अरबी के बहुत ज्यादा उपयोगकर्ता हय जे ज्यादातर अरबी भाषा में अपन ट्वीट लिखो हय। जबकि अंग्रेजी में भावना विश्लेषण पर बहुत शोध होलय हा, अरबी भाषा में शोध और डेटासेट के मात्रा सीमित हय। ई पेपर एगो अरबी भाषा के डेटासेट के परिचय देई हई, जे स्वास्थ्य सेवा पर राय के बारे में हई अउर ट्विटर से एकत्र कैल गेल हई। ई पेपर पहिले ट्विटर से डेटा एकत्र करे के प्रक्रिया के विस्तार से बतई हई अउर अरबी में एगो बड़का भावना विश्लेषण डेटासेट बनावे के लेल अरबी पाठ के फ़िल्टरिंग, पूर्व-प्रसंस्करण अउर एनोटेशन के प्रक्रिया के भी। हमार स्वास्थ्य डेटासेट पर भावना विश्लेषण के प्रयोग में डीप और कन्वोल्यूशनल न्यूरल नेटवर्क के साथे-साथ कई मशीन लर्निंग एल्गोरिदम (नएव बेय्स, सपोर्ट वेक्टर मशीन और लॉजिस्टिक रिग्रेशन) के उपयोग कैल गेल रहई। |
d228e3e200c2c6f757b9b3579fa058b2953083c0 | |
f87b713182d39297e930c41e23ff26394cbdcade | |
838ec45eeb7f63875742a76aa1080563f44af619 | शोध के क्षेत्र के उदाहरण के साथ पेपर समाप्त होवो हय जे केस रिसर्च दृष्टिकोण के उपयोग करके जांच के लिए विशेष रूप से उपयुक्त हय। एसीएम श्रेणियाँः एच.ओ., जे.ओ. ई लेख येई गुणात्मक विधियन में से एगो के परिभाषित अउर चर्चा करई हई - केस रिसर्च रणनीति। शोधकर्ता के खातिर सुझाव देल गेल हई जे येई दृष्टिकोण के नियोजित करे के लेल अनुसंधान करनाई चाहई छलई। केस रिसर्च के मूल्यांकन के लिए मानदंड स्थापित कियल गलय हा और अध्ययन के वर्गीकृत करे के लिए उपयोगी कई विशेषता के पहचान कियल गलय हा। सूचना प्रणाली पत्रिका से लीखल कागजात के एगो नमूना के समीक्षा कैल जाई हई। |
9cf2c6d3ab15c1f23fc708e74111324fa82a8169 | ई लेख शिक्षा में आईसीटी के भूमिका पर चर्चा करई हई। सूचना अउर संचार प्रौद्योगिकी (ICT) वर्तमान में मनुष्य के जीवन के हर पहलू पर असर डाले में सक्षम छलो। ऊ लोग काम, व्यापार, शिक्षा आउर मनोरंजन में प्रमुख भूमिका निभइते रहतई। एकरा अलावा, कै लोग आईसीटी के परिवर्तन के उत्प्रेरक के रूप में मानई हई; काम के स्थिति में परिवर्तन, सूचना के संचालन अउर आदान-प्रदान, शिक्षण पद्धति, सीखने के दृष्टिकोण, वैज्ञानिक अनुसंधान अउर सूचना तक पहुंच में। येहिलेल, ई समीक्षा लेख आईसीटी के भूमिका, वादा, सीमा अउर शिक्षा प्रणाली में एकीकरण के प्रमुख चुनौति पर चर्चा करई हई। समीक्षा निम्नलिखित प्रश्नों के उत्तर देने का प्रयास करती हैः (1) शिक्षा में आईसीटी के क्या लाभ हैं? (2) कुछ विकासशील देश के शिक्षा प्रणालियों में आईसीटी के उपयोग के मौजूदा वादे क्या हैं? (3) शिक्षा प्रणाली में आईसीटी के एकीकरण की सीमाएं और प्रमुख चुनौतियां क्या हैं? समीक्षा में निष्कर्ष निकालल गेलय कि एकर विशेषता के सभी सीमाओं के बावजूद, आईसीटी शिक्षा प्रणाली के निर्माणवाद के अनुरूप गुणवत्तापूर्ण शिक्षा प्रदान करे के लिए लाभान्वित करो हय, जे सीखने के एक समकालीन प्रतिमान हय। |
bb73ea8dc36030735c1439acf93a0e77ac8a907c | ई पत्र टैबलेट/लैपटॉप कंप्यूटर अनुप्रयोग के लेल एगो आंतरिक यूनिप्लेनर छोटा आकार के मल्टीबैंड एंटीना प्रस्तुत करई छई। प्रस्तावित एंटीना सामान्य एलटीई / डब्ल्यूडब्ल्यूएएन चैनल के अलावा वाणिज्यिक जीपीएस / ग्लोनास आवृत्ति बैंड के कवर करो हय। एंटीना में तीन खंड होवो हयः 50 × 11 × 0.8 मिमी2 के आकार के साथ युग्मित-खिला, शॉर्टिंग और कम आवृत्ति के सर्पिल स्ट्रिप्स। सर्पिल स्ट्रिप के मदद से, 900 मेगाहर्ट्ज पर निचला बैंड संचालन प्राप्त कैल जा हय। दो ऑपरेटिंग आवृत्ति बैंड 870-965 और 1556-2480 MHz के कवर करो हय। सिमुलेशन परिणाम के मान्य करे के लेल, प्रस्तावित मुद्रित एंटीना के एक प्रोटोटाइप के निर्माण अउर परीक्षण कैल जाई छलई। सिमुलेशन और माप परिणाम के बीच अच्छा समझौता प्राप्त कैल गेलय हय। |
8308e7b39d1f556e4041b4630a41aa8435fe1a49 | एमआईएमओ (मल्टीपल-इनपुट मल्टीपल-आउटपुट) रडार एगो आर्किटेक्चर के संदर्भित करई हई जे कैगो, स्थानिक रूप से वितरित ट्रांसमीटर अउर रिसीवर के नियोजित करई हई। जबकि, सामान्य अर्थ में, एमआईएमओ रडार के एक प्रकार के मल्टीस्टेटिक रडार के रूप में देखल जा सकई हई, अलग नामकरण अद्वितीय विशेषता के सुझाव देई हई जे एमआईएमओ रडार के मल्टीस्टेटिक रडार साहित्य से अलग करई हई अउर जेकर एमआईएमओ संचार के जौरे निकट संबंध छलई। ई लेख व्यापक रूप से अलग एंटीना वाला एमआईएमओ रडार पर कुछ हालिया काम के समीक्षा करई हई। व्यापक रूप से अलग ट्रांसमिट / रिसीव एंटीना लक्ष्य के रडार क्रॉस सेक्शन (आरसीएस) के स्थानिक विविधता के कैप्चर करो हय। MIMO रडार के अद्वितीय विशेषता के उदाहरण के माध्यम से समझावल गेल हई अउर चित्रित कैल गेल हई। ई देखाएल गेल हई कि गैर-सहज प्रसंस्करण के जौरे, लक्ष्य के आरसीएस स्थानिक भिन्नता के उपयोग लक्ष्य के पता लगावे के लेल अउर विभिन्न पैरामीटर के अनुमान लगावे के लेल विविधता लाभ प्राप्त करे के लेल कैल जा सकई हई, जैसे कि आगमन के कोण अउर डोपलर। लक्ष्य स्थान के लेल, ई देखाएल गेल हई कि सुसंगत प्रसंस्करण राडार के तरंग रूप द्वारा समर्थित रिज़ॉल्यूशन के बहुत अधिक प्रदान कर सकई हई। |
958d165f8bb77838ec915d4f214a2310e3adde19 | अपेक्षाकृत कम आयामी स्थान में वास्तविक-मूल्यवान वैक्टर के रूप में शब्द के वितरित प्रतिनिधित्व के उद्देश्य बड़ पाठ कॉर्पोरा से वाक्यविन्यास और अर्थ संबंधी विशेषता के निकालना हय। हाल ही में पेश कैल गेल एगो तंत्रिका नेटवर्क, जेकर नाम word2vec (मिकोलोव एट अल., 2013a; मिकोलोव एट अल., 2013b) हई, शब्द वैक्टर के दिशा में शब्दार्थ जानकारी के एन्कोड करे के लेल दिखाएल गेल हई। ई संक्षिप्त रिपोर्ट में, शब्द आवृत्ति के साथे-साथ वैक्टर के लंबाई के उपयोग कोरपस में शब्द महत्व के माप के रूप में करे के प्रस्ताव हई। इ प्रस्ताव के समर्थन करे के लिए डोमेन-विशिष्ट सार के एक कोरपस के उपयोग करे वाला प्रयोगात्मक साक्ष्य प्रस्तुत कैल गेलय हय। पाठ कॉर्पोरे के लेल एगो उपयोगी दृश्यीकरण तकनीक उभरई हई, जहां शब्द के दू-आयामी विमान पर मैप कैल जाई हई अउर स्वचालित रूप से महत्व के अनुसार रैंक कैल जाई छलई। |
bb9e418469d018be7f5ac2c4b2435ccac50088a3 | मल्टीमीडिया समुदाय मल्टीमीडिया सामग्री के अधिक प्रभावी ढंग से विश्लेषण करे में डीप लर्निंग-आधारित तकनीकों के उदय के गवाह बनलय हा। पिछला दशक में, डीप-लर्निंग और मल्टीमीडिया एनालिटिक्स के अभिसरण ने वर्गीकरण, पता लगाने और प्रतिगमन जैसे कई पारंपरिक कार्यों के प्रदर्शन को बढ़ावा दिया है, और कई अपेक्षाकृत नए क्षेत्रों के परिदृश्य को भी मौलिक रूप से बदल दिया है, जैसे कि अर्थ संबंधी विभाजन, कैप्शन और सामग्री निर्माण। ई लेख के उद्देश्य मल्टीमीडिया एनालिटिक्स में प्रमुख कार्य के विकास पथ के समीक्षा करनाई अउर भविष्य के दिशा में एक नज़र डालनाई हई। हम मल्टीमीडिया एनालिटिक्स से संबंधित मौलिक गहराई से तकनीक के सारांश के जौरे शुरू करई हई, विशेष रूप से दृश्य डोमेन में, अउर फेर हाल के प्रगति द्वारा संचालित प्रतिनिधि उच्च-स्तरीय कार्य के समीक्षा करई हई। एकरा अलावा, लोकप्रिय बेंचमार्क के प्रदर्शन समीक्षा प्रौद्योगिकी प्रगति के लिए एक रास्ता प्रदान करो हय और मील के पत्थर के काम और भविष्य के दिशा दोनों के पहचान करे में मदद करो हय। |
c481fb721531640e047ac7f598bd7714a5e62b33 | शिक्षक पारंपरिक शिक्षा प्रणाली में मौखिक निर्देश के जौरे पाठ्यपुस्तक के परिचय देके अपन छात्र के सिखाने के कोशिश कैले हई। हालांकि, सूचना और संचार प्रौद्योगिकी (आईसीटी) के विकास के लिए शिक्षण और सीखने के तरीकों में बदलाव किया जा सकता है। अब समय आ गेलइ हे कि छात्र सब के इंटरैक्टिव शिक्षा प्रणाली के साथ अभ्यस्त कइल जाय ताकि ऊ लोग अपन सीखना, समझना, आउ याद रखला के क्षमता में सुधार कर सकइ। छात्रों के लिए उच्च गुणवत्ता और यथार्थवादी लय वातावरण बनाना अनिवार्य है। दृश्य शिक्षा अपन सीख के समझल अउर व्यवहार करे में आसान हो सकई हई। हम विभिन्न मल्टीमीडिया अनुप्रयोग उपकरण के उपयोग करके प्राथमिक स्तर के छात्र के लिए वीडियो के रूप में दृश्य शिक्षण सामग्री (सौर प्रणाली के एक सिंहावलोकन) विकसित कैलकय। ई पेपर के उद्देश्य दृश्य शिक्षण सामग्री अउर मिश्रित झुकाव के माध्यम से नया ज्ञान चाहे कौशल प्राप्त करे के लेल छात्र के क्षमता के प्रभाव के जांच करनाई हई, जे कि शिक्षक के निर्देश के जौरे दृश्य शिक्षण सामग्री के एकीकरण छलई। हम ई अध्ययन के लेल ढाका शहर के एगो प्राथमिक विद्यालय में गेलिअइ आउ छात्र के तीन अलग-अलग समूह के जौरे शिक्षण के संचालन कलई (i) शिक्षक छात्र के पारंपरिक प्रणाली द्वारा समान सामग्री पर सिखलई अउर छात्र के प्रश्न के सेट द्वारा अनुकूलन के क्षमता के स्तर के चिह्नित कलई (ii) एगो दोसर समूह के केवल दृश्य शिक्षण सामग्री के जौरे पढ़ाएल गेलई अउर 15 प्रश्नावली के जौरे मूल्यांकन कैल गेलई, (iii) तीसरा समूह के शिक्षक के निर्देश के जौरे संयुक्त सौर प्रणाली के वीडियो के जौरे पढ़ाएल गेलई अउर ओही प्रश्नावली के जौरे मूल्यांकन कैल गेलई। मौखिक निर्देश के साथ दृश्य सामग्री (सौर प्रणाली) के इ एकीकरण सीखने के एक मिश्रित दृष्टिकोण हय। इंटरैक्टिव मिश्रित दृष्टिकोण ने छात्रों के ज्ञान और कौशल के अधिग्रहण के क्षमता के बहुत बढ़ावा देलकय। छात्र के प्रतिक्रिया और धारणा अन्य दो विधियों के तुलना में मिश्रित तकनीक के प्रति बहुत सकारात्मक हलय। ई इंटरैक्टिव मिश्रण झुकाव प्रणाली विशेष रूप से स्कूली बच्चों के लिए एक उपयुक्त विधि हो सको हय। |
bde40c638fd03b685114d8854de2349969f2e091 | शहरी ब्लैक होल, यातायात विसंगति के रूप में, आजकल कई बड़े शहरों में बहुत से विनाशकारी दुर्घटनाओं के कारण बनलय हा। पारंपरिक विधियां केवल एक बिंदु से ब्लैकहोल डिटेक्शन एल्गोरिथ्म डिजाइन करे के लिए एकल स्रोत डेटा (जैसे, टैक्सी ट्रेजेक्टरी) पर निर्भर करो हय, जे क्षेत्रीय भीड़ प्रवाह के वर्णन करे के लिए अपूर्ण हय। इ पत्र में, हम क्रॉस-डोमेन डेटा स्रोत के मिलाके, 3 आयामी टेंसर के साथ अलग-अलग समय अंतराल पर न्यूयॉर्क शहर (एनवाईसी) के प्रत्येक क्षेत्र में शहरी ब्लैक होल के मॉडल बनाव हई। संदर्भ-जागरूक टेंसर अपघटन दृष्टिकोण के माध्यम से टेंसर के लापता प्रविष्टियों के पूरक करते हुए, हम पूरे NYC में ब्लैकहोल स्थिति को पुनर्प्राप्त करने के लिए भौगोलिक विशेषताओं, 311 शिकायत विशेषताओं और मानव गतिशीलता विशेषताओं से ज्ञान का लाभ उठाते हैं। सूचना स्थानीय निवासी अउर अधिकारी के निर्णय लेबे में मदद कर सकई हई। हम न्यूयॉर्क शहर से संबंधित पांच डेटासेट के साथ अपन मॉडल के मूल्यांकन करई हई, शहरी ब्लैक होल के निदान करई हई जेकरा एगो एकल डेटासेट द्वारा पहचाना ना जा सकई हई (या उनकरा से पहिले) । प्रयोगात्मक परिणाम चार आधारभूत विधियों के परे लाभ के प्रदर्शित करो हय। |
09f83b83fd3b0114c2c902212101152c2d2d1259 | |
e905396dce34e495b32e40b93195deeba7096476 | ई संचार एगो विस्तृत बैंड अउर कम-प्रोफाइल एच-प्लेन हॉर्न एंटीना प्रस्तुत करई हई जे एगो बड़ प्रवाहक जमीन के जौरे रिज्ड सब्सट्रेट इंटीग्रेटेड वेव गाइड (एसआईडब्ल्यू) पर आधारित छलई। हॉर्न एंटीना के केंद्र आवृत्ति पर 0.13 λ0 के मोटाई के साथ एक एकल सब्सट्रेट में लागू कियल गलय हा। एकर कम प्रोफ़ाइल के बावजूद, नया एच-प्लेन हॉर्न एंटीना विस्तारित डाइलेक्ट्रिक स्लैब और तीन-चरण के रिजड एसआईडब्ल्यू संक्रमण पर मुद्रित एक चाप के आकार के तांबा के कॉनर के नियोजित करके एक बहुत व्यापक बैंडविड्थ प्राप्त करो हय। क्रैडेड एसआईडब्ल्यू ऑपरेशन बैंडविड्थ के चौड़ा करे और विशेषता प्रतिबाधा के कम करे के लिए महत्वपूर्ण हय ताकि एक विस्तृत आवृत्ति रेंज पर समाक्षीय जांच से संकीर्ण एसआईडब्ल्यू के लिए एक उत्कृष्ट प्रतिबाधा मिलान प्राप्त कैल जा सके। निर्मित हॉर्न एंटीना के मापल गेल वीएसडब्ल्यूआर 2.5 से कम 6.6 गीगाहर्ट्ज से 18 गीगाहर्ट्ज तक हय। एंटीना समान आवृत्ति रेंज पर स्थिर विकिरण बीम भी प्रदर्शित करो हय। ई देखल गेलई कि मापल गेल परिणाम अनुकरण वाला के जौरे अच्छी तरह से मेल खाई छलई। |
a33a1c0f69327b9bc112ee4857112312c41b13ff | हम वर्गीकरण और प्रतिगमन आधारित कार्य दुनहु पर संवहन तंत्रिका नेटवर्क (सीएनएन) के मजबूती में सुधार के लेल यादृच्छिक शैली हस्तांतरण के आधार पर डेटा संवर्धन के एगो नया रूप शैली संवर्धन के परिचय देई हई। प्रशिक्षण के दौरान, हमर शैली वृद्धि आकस्मिक बनावट, विपरीत और रंग, जबकि आकार और अर्थ सामग्री के संरक्षण करो हय। ई एगो शैली छवि से अनुमान लगावे के बजाय बहु-चरणीय सामान्य वितरण से इनपुट शैली एम्बेडिंग के नमूनाकरण करके, शैली यादृच्छिकरण करे के लेल एगो मनमाना शैली स्थानांतरण नेटवर्क के अनुकूलित कैके पूरा कैल जाई हई। मानक वर्गीकरण प्रयोग के अलावा, हम डोमेन स्थानांतरण कार्य पर शैली संवर्धन (और सामान्य रूप से डेटा संवर्धन) के प्रभाव के जांच करो हय। हम पईले हई कि डेटा वृद्धि डोमेन शिफ्ट के लिए मजबूती में काफी सुधार करई हई, अउर डोमेन अनुकूलन के लेल एगो सरल, डोमेन अज्ञेय विकल्प के रूप में उपयोग कैल जा सकई हई। सात पारंपरिक संवर्धन तकनीकों के मिश्रण के खिलाफ शैली संवर्धन के तुलना करते हुए, हम पाते हैं कि नेटवर्क प्रदर्शन में सुधार के लिए एकरा आसानी से जोड़ल जा सको हय। हम वर्गीकरण और मोनोकुलर गहराई अनुमान में डोमेन स्थानांतरण प्रयोग के साथ अपनी तकनीक के प्रभावकारिता के मान्य करते हैं, सामान्यीकरण में लगातार सुधार के उदाहरण देते हैं। |
91acde3f3db1f793070d9e58b05c48401ff46925 | निर्णय वृक्ष सांख्यिकीय डेटा वर्गीकरण में एक लोकप्रिय तकनीक हय। ऊ पुनरावर्ती रूप से विशेषता स्थान के असंगत उप-क्षेत्र में विभाजित करो हय जब तकले कि प्रत्येक उप-क्षेत्र एक विशेष वर्ग के संबंध में समरूप न हो जा हय। मूल वर्गीकरण और प्रतिगमन पेड़ (सीएआरटी) एल्गोरिथ्म अक्ष समानांतर विभाजन के उपयोग करके सुविधा स्थान के विभाजन करो हय। जब वास्तविक निर्णय सीमाएँ विशेषता अक्षों के साथ संरेखित नय होव हय, त इ दृष्टिकोण एक जटिल सीमा संरचना उत्पन्न कर सको हय। तिरछा निर्णय वृक्ष संभावित रूप से सीमा संरचना के सरल बनावे के लिए तिरछा निर्णय सीमा के उपयोग करो हय। इ दृष्टिकोण के मुख्य सीमा इ हय कि पेड़ प्रेरण एल्गोरिथ्म कम्प्यूटेशनली महंगा हय। इ लेख में हम एचसीएआरटी नामक एक नया निर्णय वृक्ष एल्गोरिथ्म प्रस्तुत करई हियई। पेड़ के निर्माण के दौरान प्रत्येक नोड पर प्रशिक्षण डेटा के प्रतिबिंबित करे के लिए विधि हाउसहोल्डर मैट्रिक्स के एक श्रृंखला के उपयोग करो हय। प्रत्येक प्रतिबिंब प्रत्येक वर्ग सह-विचलन मैट्रिक्स से एजेनवेक्टर के दिशा पर आधारित होवो हय। परावर्तित प्रशिक्षण डेटा में अक्ष समानांतर विभाजन पर विचार करनाई अप्रभावित प्रशिक्षण डेटा में तिरछा विभाजन के खोज के एगो कुशल तरीका प्रदान करई छलई। प्रयोगात्मक परिणाम से पता चलई हई कि एचसीएआरटी पेड़ के सटीकता अउर आकार साहित्य में कुछ बेंचमार्क विधियों के जौरे तुलनात्मक हई। एचएचसीएआरटी के आकर्षक विशेषता ई हई कि ई एके तिरछा विभाजन में गुणात्मक अउर मात्रात्मक विशेषता दुनु के संभाल सकई हई। |
896e160b98d52d13a97caa664038e37e86075ee4 | छवियों के लिए स्वचालित रूप से सीखे गए गुणवत्ता मूल्यांकन हाल ही में विभिन्न प्रकार के अनुप्रयोगों में एकर उपयोगिता के कारण एक गर्म विषय बन गलय हा, जैसे कि छवि कैप्चर पाइपलाइनों, भंडारण तकनीकों और साझा मीडिया के मूल्यांकन करना। इ समस्या के व्यक्तिपरक प्रकृति के बावजूद, अधिकांश मौजूदा विधियां केवल एवीए और टीआईडी 2013 जैसे डेटा सेट द्वारा प्रदान कियल गेल औसत राय स्कोर के भविष्यवाणी करो हय। हमर दृष्टिकोण दोसर से अलग हई कि हम एगो संवहन तंत्रिका नेटवर्क के उपयोग करके मानव राय स्कोर के वितरण के भविष्यवाणी करई हई। हमार वास्तुकला के भी तुलनात्मक प्रदर्शन के साथे अन्य विधियों के तुलना में काफी सरल होवे के लाभ हय। हमर प्रस्तावित दृष्टिकोण सिद्ध, अत्याधुनिक गहरी वस्तु मान्यता नेटवर्क के सफलता (और पुनर्मूल्यांकन) पर निर्भर करो हय। हमार परिणाम नेटवर्क के उपयोग न केवल छवि के विश्वसनीय रूप से और मानव धारणा के उच्च सहसंबंध के साथ स्कोर करे के लिए कियल जा सको हय, बल्कि एक फोटोग्राफिक पाइपलाइन में फोटो संपादन / वृद्धि एल्गोरिदम के अनुकूलन और अनुकूलन में सहायता करे के लिए भी कियल जा सको हय। ई सब एगो "सुनहरा" संदर्भ छवि के आवश्यकता के बिना कैल जाई हई, येहिलेल एकल-छवि, शब्दार्थ- और धारणा-जागरूक, कोई-संदर्भ गुणवत्ता मूल्यांकन के अनुमति देई हई। |
8cfb316b3233d9b598265e3b3d40b8b064014d63 | वीडियो वर्गीकरण में वर्तमान अत्याधुनिक स्थिति स्थानीय दृश्य वर्णकों के उपयोग करके बैग-ऑफ-वर्ड्स पर आधारित हय। आमतौर पर ई अभिमुख ढाल (एचओजी) के हिस्टोग्राम, ऑप्टिकल प्रवाह के हिस्टोग्राम (एचओएफ) अउर गति सीमा हिस्टोग्राम (एमबीएच) डिस्क्रिप्टर छलई। जबकि ऐसन दृष्टिकोण वर्गीकरण के लेल बहुत शक्तिशाली हई, ई कम्प्यूटेशनल रूप से महंगा भी हई। ई पेपर कम्प्यूटेशनल दक्षता के समस्या के संबोधित करई हई। विशेष रूप से: (1) हम घनी नमूना HOG, HOF और MBH वर्णकों के लिए कई गति-अप का प्रस्ताव करते हैं और मैटलाब कोड जारी करते हैं; (2) हम फ्रेम नमूनाकरण दर और ऑप्टिकल फ्लो विधि के प्रकार के संदर्भ में वर्णकों की सटीकता और कम्प्यूटेशनल दक्षता के बीच व्यापार-बंद की जांच करते हैं; (3) हम आमतौर पर अपनाई गई वेक्टर क्वांटिज़ेशन तकनीकों के अधिकांश के उपयोग और तुलना करके, फीचर शब्दावली के गणना के लिए सटीकता और कम्प्यूटेशनल दक्षता के बीच व्यापार-बंद की जांच करते हैंः $ k k k k k -means, पदानुक्रमित $ k k k -means, रैंडम फॉरेस्ट, फिशर वेक्टर और VLAD। |
9992626e8e063c1b23e1920efd63ab4f008710ac | |
1a8fd4b2f127d02f70f1c94f330628be31d18681 | |
d880d303ee0bfdbc80fc34df0978088cd15ce861 | सार-हम केवल सामान्य नमूनों के उपयोग करके वीडियो विसंगति के पता लगावे और स्थानीयकरण के लिए एक उपन्यास एंड-टू-एंड आंशिक रूप से पर्यवेक्षित गहरी सीखने के दृष्टिकोण प्रस्तुत करो हय। इ अध्ययन के प्रेरित करे वाला अंतर्दृष्टि इ हय कि सामान्य नमूना के गॉसियन मिश्रण मॉडल (जीएमएम) के कम से कम एक गॉसियन घटक से जोड़ा जा सको हय, जबकि विसंगति या तओ कोनो भी गॉसियन घटक से संबंधित नए हय। विधि गॉसियन मिश्रण भिन्नता ऑटोएनकोडर पर आधारित हय, जे गहरी शिक्षा के उपयोग करके प्रशिक्षित गॉसियन मिश्रण मॉडल के रूप में सामान्य नमूने के विशेषता प्रतिनिधित्व सीख सको हय। इनपुट इमेज और आउटपुट फीचर मैप के बीच सापेक्ष स्थानिक निर्देशांक के संरक्षित करे के लिए एन्कोडर-डेकोडर संरचना के लिए एक पूर्ण रूप से संवहन नेटवर्क (एफसीएन) के उपयोग कैल जाई हई, जोनमे एगो पूर्ण रूप से जुड़ल परत ना होई हई। प्रत्येक गॉसियन मिश्रण घटक के संयुक्त संभावना के आधार पर, हम छवि परीक्षण पैच के विसंगति के स्कोर करे के लिए एक नमूना ऊर्जा आधारित विधि पेश करई हई। उपस्थिति और गति विसंगतियों के संयोजन करे के लिए एक दो-स्ट्रीम नेटवर्क फ्रेमवर्क के उपयोग कियल जा हय, पूर्व के लिए आरजीबी फ्रेम और गतिशील प्रवाह छवियों के उपयोग करके, बाद के लिए। हम दो लोकप्रिय बेंचमार्क (यूसीएसडी डेटासेट और एवेन्यू डेटासेट) पर अपन दृष्टिकोण के परीक्षण करई छी। कला के स्थिति के तुलना में प्रयोगात्मक परिणाम हमर पद्धति के श्रेष्ठता के सत्यापित करो हय। |
09f02eee625b7aa6ba7e6f31cfb56f6d4ddd0fdd | वर्ल्ड वाइड वेब (डब्ल्यूडब्ल्यूडब्ल्यू) अउर स्मार्टफोन प्रौद्योगिकि के विकास हमर दैनिक जीवन में क्रांति में महत्वपूर्ण भूमिका निभलई। स्थान-आधारित सामाजिक नेटवर्क (एलबीएसएन) उभरलई अउर उपयोगकर्ता के चेक-इन जानकारी अउर मल्टीमीडिया सामग्री साझा करे में सुविधा प्रदान कलई। रुचि के बिंदु (पीओआई) सिफारिश प्रणाली सबसे संभावित चेक-इन स्थानों के भविष्यवाणी करे के लिए चेक-इन जानकारी के उपयोग करो हय। चेक-इन जानकारी के विभिन्न पहलु, उदाहरण के लिए, भौगोलिक दूरी, श्रेणी, और एक पीओआई के सामयिक लोकप्रियता; और सामयिक चेक-इन रुझान, और एक उपयोगकर्ता के सामाजिक (दोस्ती) जानकारी एक कुशल सिफारिश में महत्वपूर्ण भूमिका निभाते हैं। ई पेपर में, हम एमएपीएस (मल्टी एस्पेक्ट पर्सनलाइज्ड पीओआई रेकमेंडर सिस्टम) नामक एक फ्यूज्ड सिफारिश मॉडल प्रस्तावित करई हई, जे हमार ज्ञान में पहिला होई हई जे एकल मॉडल में श्रेणीगत, काल, सामाजिक अउर स्थानिक पहलु के फ्यूज करई हई। ई पेपर के मुख्य योगदान हई: (i) ई श्रेणी और दूरी पहलुओं (यानी, स्थान) पर प्रतिबंध के साथ स्थान नोड्स के ग्राफ के रूप में समस्या के महसूस करई हई। दो स्थानों के बीच के किनारे एक सीमा दूरी और स्थानों के श्रेणी द्वारा सीमित हय), (ii) इ एक बहु-आयामी फ्यूज्ड पीओआई सिफारिश मॉडल के प्रस्ताव करो हय, और (iii) इ दो वास्तविक दुनिया डेटा सेट के साथ मॉडल के व्यापक रूप से मूल्यांकन करो हय। |
04d7b7851683809cab561d09b5c5c80bd5c33c80 | चुनौतीपूर्ण प्राथमिक विज्ञान परीक्षा क्षेत्र में गुणवत्ता नियंत्रण प्रणाली लगातार प्रगति कर रहले हय। ई काम में, हम ज्ञान अउर अनुमान के आवश्यकता के व्याख्या-आधारित विश्लेषण विकसित करई हई, जे चुनौति के सूक्ष्म-अंकित विशेषता के समर्थन करई हई। विशेष रूप से, हम गुणवत्ता आश्वासन कार्य के लिए उपयोग कियल जाए वाला साक्ष्य के उपयुक्त स्रोत के आधार पर आवश्यकता के मॉडल करो हय। हम पहिले ज्ञान के आधार में उपयुक्त वाक्य के पहचान करके आवश्यकता बनावई हई जे सही उत्तर के समर्थन करई हई, फेर एकर उपयोग स्पष्टीकरण बनावे के लेल करई हई, कोनो आवश्यक लापता जानकारी के पूरा करई छलई। येई स्पष्टीकरण के उपयोग आवश्यकता के एगो बारीक दानेदार वर्गीकरण बनाबे के लेल कैल जाई छलई। इ आवश्यकताओं के उपयोग करके, हम 212 प्रश्नों पर एक पुनर्प्राप्ति और एक अनुमान समाधानकर्ता के तुलना करो हय। विश्लेषण अनुमान समाधानकर्ता के लाभ के मान्य करई हई, ई दर्शाबे के कि ई जटिल अनुमान के आवश्यकता वाला अधिक प्रश्न के उत्तर देई हई, जबकि समाधानकर्ता अउर ज्ञान स्रोत के सापेक्ष शक्ति में अंतर्दृष्टि प्रदान करई हई। हम विज्ञान परीक्षा के लिए व्यापक उपयोगिता के साथ एक संसाधन के रूप में एनोटेटेड प्रश्न और स्पष्टीकरण जारी करो हय, जेकरा मे ज्ञान आधार निर्माण लक्ष्य के निर्धारण के साथे-साथ स्वचालित अनुमान में सूचना एकत्रीकरण के समर्थन शामिल हय। |
248040fa359a9f18527e28687822cf67d6adaf16 | हम प्रदर्शन से रोबोट लर्निंग (एलएफडी) के एगो व्यापक सर्वेक्षण प्रस्तुत करई हई, एगो तकनीक जे उदाहरण राज्य से एक्शन मैपिंग तक नीति विकसित करई हई। हम प्रदर्शन, समस्या स्थान, नीति व्युत्पन्न और प्रदर्शन के संदर्भ में एलएफडी डिजाइन विकल्पों के परिचय देते हैं, और एक संरचना के लिए नींव प्रदान करते हैं, जिसमें एलएफडी अनुसंधान को वर्गीकृत किया जा सकता है। विशेष रूप से, हम विश्लेषण और वर्गीकरण करो हय कि उदाहरणों के इकट्ठा करे के कई तरीका हय, टेलीऑपरेशन से लेकर नकल तक, साथे ही साथ नीति व्युत्पन्न करे के लिए विभिन्न तकनीकों, जेकरा मे मिलान कार्य, गतिशीलता मॉडल और योजनाएं शामिल हय। निष्कर्ष में हम एलएफडी सीमाओं और भविष्य के अनुसंधान के लिए संबंधित आशाजनक क्षेत्रों पर चर्चा करते हैं। |
38b1eb892e51661cd0e3c9f6c38f1f7f8def1317 | स्मार्टफोन अउर "ऐप" बाजार येई बात के चिंता बढ़ा रहल हई कि कैसे तृतीय-पक्ष अनुप्रयोग उपयोगकर्ता के गोपनीयता-संवेदनशील डेटा के गलत तरीका से उपयोग चाहे अनुचित तरीका से संभाल सकई हई। सौभाग्य से, पीसी दुनिया के विपरीत, लोकप्रिय ऐप बाजार के माध्यम से ऐप वितरण के केंद्रीकृत प्रकृति के लिए मोबाइल अनुप्रयोगों के सुरक्षा में सुधार के लिए हमारे पास एक अनूठा अवसर है। ऐप मार्केट प्रवेश प्रक्रिया के हिस्से के रूप में लागू कैल गेलय ऐप्स के गहन सत्यापन में मोबाइल डिवाइस सुरक्षा के काफी बढ़ावे के क्षमता हय। इ पत्र में, हम एप इंस्पेक्टर, एक स्वचालित सुरक्षा सत्यापन प्रणाली के प्रस्तावित कर हियई जे अनुप्रयोग के विश्लेषण कर हई अउर संभावित सुरक्षा अउर गोपनीयता उल्लंघन के रिपोर्ट उत्पन्न कर हई। हम स्वचालित सत्यापन के माध्यम से स्मार्टफोन ऐप्स के अधिक सुरक्षित बनावे के अपन विजन के वर्णन करई हई अउर सुरक्षा अउर गोपनीयता उल्लंघन के पता लगाबे अउर विश्लेषण करे, गहन परीक्षण कवरेज सुनिश्चित करे अउर बड़ी संख्या में ऐप्स के लेल स्केलिंग जैसन प्रमुख चुनौति के रूपरेखा तैयार करई हई। |
74640bdf33a1e8b7a319fbbbaeccf681f80861cc | |
b7634a0ac84902b135b6073b61ed6a1909f89bd2 | |
c7b007d546d24322152719898c2836910f0d3939 | खोजपूर्ण विश्लेषण ई भी इंगित करई हई कि छात्र फेसबुक जैसन साइट के उपयोग मुख्य रूप से मौजूदा व्यक्तिगत संबंध के बनाए रखे के लेल करई हई अउर एसएनएस पर अपन स्वयं के प्रस्तुति के नियंत्रित करे के लेल चुनिंदा रूप से उपयोग कैल गेल गोपनीयता सेटिंग्स। ई अध्ययन के निष्कर्ष कॉलेज के छात्र के एसएनएस पर आत्म-प्रकटीकरण के समझे के लेल अंतर्दृष्टि प्रदान करई हई, व्यक्तित्व अउर आत्म-प्रकटीकरण पर साहित्य के जोड़ई हई, अउर ऑनलाइन आत्म-प्रस्तुति पर शोध अउर अभ्यास के लेल भविष्य के दिशा के आकार देइ छलई। एल्सेवियर लिमिटेड द्वारा प्रकाशित। वर्तमान शोध उच्च शिक्षा संस्थान में ऑनलाइन क्षेत्र में आत्म-प्रकटीकरण पर मौजूदा सिद्धांत के विस्तार करे के प्रयास करई हई अउर कॉलेज के छात्र द्वारा लोकप्रिय सोशल नेटवर्किंग साइट (एसएनएस), फेसबुक के उपयोग के बारे में ज्ञान आधार अउर समझ में योगदान करई हई। हम ई जांच करे के लेल एगो गैर-प्रयोगात्मक अध्ययन कैले हई कि विश्वविद्यालय के छात्र (एन = 463) फेसबुक के उपयोग कैले हई, अउर ऑनलाइन एसएनएस-आधारित वातावरण में जानकारी के खुलासा में व्यक्तित्व अउर संस्कृति के भूमिका के जांच कैले हई। परिणाम से पता चललई कि व्यक्ति ऑनलाइन बनाम व्यक्ति में अलग-अलग प्रकट करई हई, अउर ई कि संस्कृति अउर व्यक्तित्व दुनु महत्वपूर्ण छलई। विशेष रूप से, ई पइसल गेलई कि सामूहिक व्यक्ति जोनमे बहिर्मुखीकरण कम रहई अउर ऑनलाइन वातावरण में बातचीत करई रहई, दोसरा के तुलना में कम ईमानदार अउर दर्शक-उपयुक्त जानकारी के खुलासा कलई। |
c83abfeb5a2f7d431022cd1f8dd7da41431c4810 | हम स्वचालित ड्राइविंग और वाहन सुरक्षा के अनुप्रयोग के साथ चौराहे पर चालक व्यवहार के अनुमान के लिए एक ढांचा प्रस्तुत करो हय। ई फ्रेमवर्क चालक व्यवहार और वाहन गतिशीलता के हाइब्रिड-स्टेट सिस्टम (एचएसएस) के रूप में मॉडलिंग करे पर आधारित हय, जेकरा मे चालक निर्णय के अलग-अलग-राज्य प्रणाली के रूप में और वाहन गतिशीलता के निरंतर-राज्य प्रणाली के रूप में मॉडलिंग कैल जा हय। प्रस्तावित अनुमान पद्धति तात्कालिक निरंतर स्थिति के ट्रैक करे के लेल अवलोकन योग्य पैरामीटर के उपयोग करई हई अउर येई अवलोकन के देखते एगो चालक के सबसे संभावित व्यवहार के अनुमान लगई हई। ई पेपर एगो अइसन ढांचा के वर्णन करई हई जे वाहन-चालक युग्मन के संकर संरचना के शामिल करई हई अउर फ़िल्टर्ड निरंतर अवलोकन से चालक व्यवहार के अनुमान लगाबे के लेल छिपल मार्कोव मॉडल (एचएमएम) के उपयोग करई हई। इ तरह के एक विधि उन परिदृश्यों के लिए उपयुक्त हय जेकरा मे अन्य वाहनों के अज्ञात निर्णय शामिल हय, जैसे कि लेन परिवर्तन या चौराहे तक पहुंच। इ तरह के ढांचे के लिए व्यापक डेटा संग्रह के आवश्यकता होवो हय, और लेखक वाहन ड्राइविंग डेटा के एकत्रित करे और विश्लेषण करे में उपयोग कैल जाए वाला प्रक्रिया के वर्णन करो हय। उदाहरण के लेल, प्रस्तावित हाइब्रिड आर्किटेक्चर अउर चालक व्यवहार अनुमान तकनीक के अनुकरणीय परिणाम के जौरे चौराहा के पास प्रशिक्षित अउर परीक्षण कैल जाई छलई। प्रस्तावित ढांचे, सरल वर्गीकरणकर्ता और प्राकृतिक चालक अनुमान के बीच तुलना कियल जा हय। प्राप्त परिणाम एचएसएस-एचएमएम ढांचे के उपयोग के लिए वादा दिखो हय। |
a8c1347b82ba3d7ce03122955762db86d44186d0 | ई पेपर कुशल बड़े पैमाने पर वीडियो पुनर्प्राप्ति के लिए एक उपन्यास ढांचा विकसित करो हय। हमनी के उद्देश्य उच्च स्तरवा के समानता के आधारवा परी वीडियो खोजल जा हो, जे पारंपरिक निकट-डुप्लिकेट खोज के दायरा से परे हो। लोकप्रिय हैशिंग तकनीक के बाद हम निकटतम पड़ोसी खोज के सुविधा के लिए कॉम्पैक्ट बाइनरी कोड के उपयोग करते हैं। पिछला विधियों के विपरीत, जे पुनर्प्राप्ति के लिए केवल एक प्रकार के हैश कोड पर पूंजीकरण करो हय, इ पेपर वीडियो में विविध और बहु-स्केल दृश्य सामग्री के प्रभावी ढंग से वर्णन करे के लिए विषम हैश कोड के संयोजन करो हय। हमार विधि एगो एकल ढांचा में सुविधा पूलिंग अउर हैशिंग के एकीकृत करई हई। पूलिंग चरण में, हम वीडियो फ्रेम के पूर्व-निर्धारित घटकों के एक सेट में डालते हैं, जो वीडियो सामग्री के विभिन्न अर्थों को कैप्चर करते हैं। हैशिंग चरण में, हम प्रत्येक वीडियो घटक के एक कॉम्पैक्ट हैश कोड के रूप में प्रतिनिधित्व करो हय, और प्रभावी खोज के लिए हैश तालिका में कई हैश कोड के संयोजन करो हय। अधिकांश सूचनात्मक कोड के बनाए रखके पुनर्प्राप्ति के गति बढ़ावे के लेल, हम पूलिंग अउर हैशिंग चरण के पुल करे के लेल एगो ग्राफ-आधारित प्रभाव अधिकतम करे के विधि प्रस्तावित करई छलई। हम देखबई कि प्रभाव अधिकतमकरण समस्या सबमॉड्यूलर हई, जे एगो लालची अनुकूलन विधि के लगभग इष्टतम समाधान प्राप्त करे के अनुमति देई हई। हमार विधि बहुत कुशलता से काम कर हई, TRECVID डेटासेट से हजारों वीडियो क्लिप के लगभग 0.001 सेकंड में पुनर्प्राप्त कर रहल हई। 1M नमूना के साथ एक बड़े पैमाने पर सिंथेटिक डेटासेट के लिए, यह 100 प्रश्नों के उत्तर में 1 सेकंड से भी कम समय लेता है। हमर विधि के व्यापक रूप से अनसुर्क्षित अउर पर्यवेक्षित परिदृश्य दुनु में मूल्यांकन कैल गेल हई, अउर TRECVID मल्टीमीडिया इवेंट डिटेक्शन अउर कोलंबिया उपभोक्ता वीडियो डेटासेट पर परिणाम हमर प्रस्तावित तकनीक के सफलता के प्रदर्शन करई छलई। |
0faccce84266d2a8f0c4fa08c33b357b42cf17f2 | कैगो भाषा उत्पादन कार्य के लेल संरचित अउर असंरचित इनपुट दुनु पर निर्भर पाठ के उत्पादन के आवश्यकता होई हई। हम एगो उपन्यास तंत्रिका नेटवर्क आर्किटेक्चर प्रस्तुत करई हई जे एगो इनपुट फ़ंक्शन के मनमाना संख्या पर सशर्त आउटपुट अनुक्रम उत्पन्न करई हई। महत्वपूर्ण रूप से, हमर दृष्टिकोण कंडीशनिंग संदर्भ के विकल्प और पीढ़ी के दानेदारी, उदाहरण के लिए पात्र या टोकन, के हाशिए पर रखे के अनुमति देवो हय, इ प्रकार स्केलेबल और प्रभावी प्रशिक्षण के अनुमति देवो हय। ई ढांचा के उपयोग करके, हम मिश्रित प्राकृतिक भाषा अउर संरचित विनिर्देश से प्रोग्रामिंग कोड उत्पन्न करे के समस्या के संबोधित करई हई। हम इ प्रतिमान के लेल संग्रहणीय ट्रेडिंग कार्ड गेम मैजिक द गैथेरिंग अउर हारथस्टोन से प्राप्त दू नया डेटा सेट बनाबई हई। एकरा पर, आउर एगो तीसरा पूर्व-मौजूदा निकाय पर, हम प्रदर्शित करई हई कि कैगो भविष्यवक्ता के हाशिए पर रखके हमर मॉडल मजबूत बेंचमार्क से बेहतर प्रदर्शन कर सकई हई। |
ac569822882547080d3dc51fed10c746946a6cfd | |
e70ea58d023df2c31325a9b409ee4493e38b6768 | |
3895912b187adee599b1ea662da92865dd0b197d | उद्देश्य स्वास्थ्य सेवा में बड़े डेटा विश्लेषण के वादा और क्षमता के वर्णन करना। ई पेपर स्वास्थ्य देखभाल में बड़े डेटा विश्लेषण के नवोदित क्षेत्र के वर्णन करई हई, लाभ पर चर्चा करई हई, एगो वास्तुशिल्प ढांचे अउर कार्यप्रणाली के रूपरेखा तैयार करई हई, साहित्य में रिपोर्ट कैल गेल उदाहरण के वर्णन करई हई, संक्षेप में चुनौति पर चर्चा करई हई, अउर निष्कर्ष प्रदान करई छलो। परिणाम पेपर स्वास्थ्य देखभाल शोधकर्ता अउर चिकित्सक के लेल बड़ डेटा विश्लेषण के एगो व्यापक अवलोकन प्रदान करई हई। स्वास्थ्य सेवा में बड़े डेटा विश्लेषण बहुत बड़े डेटा सेट से अंतर्दृष्टि प्रदान करे और लागत कम करते हुए परिणामों में सुधार करे के लिए एक आशाजनक क्षेत्र में विकसित हो रहले हय। एकर क्षमता बहुत बड़ हई; हालांकि, एकरा बढ़ावे के लेल अभीयो कुछ चुनौती हई। |
73a19026fb8a6ef5bf238ff472f31100c33753d0 | इ पत्र में, हम संघ नियम खनन के बारे में बुनियादी अवधारणा के प्रारंभिक प्रदान करो हय और मौजूदा संघ नियम खनन तकनीकों के सूची के सर्वेक्षण करो हय। बेशक, एक एकल लेख सभी एल्गोरिदम के एक पूर्ण समीक्षा नहीं हो सकता है, फिर भी हम आशा करते हैं कि उद्धृत संदर्भ प्रमुख सैद्धांतिक मुद्दों को कवर करेंगे, शोधकर्ता को दिलचस्प शोध दिशाओं में मार्गदर्शन करेंगे, जिन्हें अभी तक खोजा नहीं जा सका है। |
75e5ba7621935b57b2be7bf4a10cad66a9c445b9 | हम एगो पैरामीटर-मुक्त चेहरा पहचान एल्गोरिथ्म विकसित कर रहल हई जे प्रकाश, अभिव्यक्ति, आवरण अउर उम्र में बड़का भिन्नता के प्रति असंवेदनशील हई। हम इ अवलोकन के लाभ उठावो कि सम-दूरी प्रोटोटाइप एम्बेडिंग एक इष्टतम एम्बेडिंग हय जे कक्षा के बीच न्यूनतम एक-बनाम-बाकी मार्जिन के अधिकतम करो हय। प्रशिक्षण डेटा के वैश्विक या स्थानीय संरचना के संरक्षित करे के बजाय, हमर विधि, जेकरा रैखिक प्रतिगमन विश्लेषण (एलआरए) कहल जाई हई, प्रशिक्षण डेटा के वास्तविक संरचना के बावजूद, समान रूप से दूर स्थान पर गैलरी नमूना के मैप करे के लेल न्यूनतम-वर्ग प्रतिगमन तकनीक के लागू करई हई। एकरा अलावा, एलआर के सामान्यीकरण क्षमता के बढ़ावे के लेल एगो नया जेनेरिक लर्निंग विधि के शामिल कैल गेल हई, जे जेनेरिक चेहरे के इंट्रा-क्लास फेशियल डिफरेंस के शून्य वैक्टर तक मैप करई हई। इ उपन्यास विधि के उपयोग करके, केवल कुछ मुट्ठी भर सामान्य वर्गों पर आधारित सीखना काफी हद तक चेहरा के पहचान प्रदर्शन में सुधार कर सको हय, भले ही सामान्य डेटा एक अलग डेटाबेस और कैमरा सेटअप से एकत्र कैल गेल हो। ग्रेविल एल्गोरिथ्म पर आधारित वृद्धिशील सीखना नया आ रहल गैलरी कक्षा, प्रशिक्षण नमूना, या सामान्य भिन्नता से मानचित्रण मैट्रिक्स के कुशलता से अद्यतन कर हय। हालांकि ई काफी सरल और पैरामीटर-मुक्त हई, एलआरए, आमतौर पर उपयोग कैल जाए वाला स्थानीय वर्णकों, जैसे कि गॅबोर प्रतिनिधित्व अउर स्थानीय बाइनरी पैटर्न के जौरे, विस्तारित येल बी, सीएमयू पीआईई, एआर, अउर संबंधित लेखक पर कैगो मानक प्रयोग के लेल अत्याधुनिक विधि के बेहतर प्रदर्शन करई हई। टेलीफोन: +86 10 62283059 फैक्स: +86 10 62285019 ईमेल पता: [email protected] (वेइहोंग डेंग) 28 मार्च, 2014 के एल्सेवियर के लेल प्रेप्रिंट सबमिट कैल गेल रहई। |
b1cfe7f8b8557b03fa38036030f09b448d925041 | -यह पेपर मानव दृश्य प्रणाली के प्रारंभिक चरणों में दृश्य सूचना प्रसंस्करण के लिए बहु-चैनल फ़िल्टरिंग सिद्धांत से प्रेरित एक बनावट विभाजन एल्गोरिथ्म प्रस्तुत करता है। चैनल के गॅबर फिल्टर के एक बैंक द्वारा विशेषता हय जे लगभग समान रूप से स्थानिक-आवृत्ति डोमेन के कवर करो हय, और एक व्यवस्थित फिल्टर चयन योजना के प्रस्ताव हय, जे फ़िल्टर्ड छवियों से इनपुट छवि के पुनर्निर्माण पर आधारित हय। प्रत्येक (चयनित) फ़िल्टर्ड छवि के एक गैर-रैखिक परिवर्तन के अधीन रखकर और प्रत्येक पिक्सेल के आसपास एक विंडो में "ऊर्जा" के एक माप के गणना करके बनावट विशेषता प्राप्त कैल जा हय। फ़ीचर इमेज के एकीकृत करे और विभाजन उत्पन्न करे के लिए एक स्क्वायर-एरर क्लस्टरिंग एल्गोरिथ्म के उपयोग कैल जा हय। क्लस्टरिंग प्रक्रिया में स्थानिक जानकारी के शामिल करे के लिए एक सरल प्रक्रिया प्रस्तावित कैल गेल हई। बनावट श्रेणियों के "सच्चा" संख्या के अनुमान लगावे के लिए एक सापेक्ष सूचकांक के उपयोग कियल जा हय। बनावट विभाजन बहु-चैनल फ़िल्टरिंग क्लस्टरिंग क्लस्टरिंग इंडेक्स गॅबोर फ़िल्टर वेवलैट ट्रांसफॉर्म I. I N T R O D U C I O N कई छवि विश्लेषण या कंप्यूटर विजन अनुप्रयोगों में छवि विभाजन एक कठिन लेकिन बहुत महत्वपूर्ण कार्य है। केवल छोट पड़ोस में औसत ग्रे स्तर या रंग में अंतर हमेशा छवि विभाजन के लिए पर्याप्त नए होवो हय। बल्कि, केकरो पास पड़ोसी पिक्सेल के ग्रे मान के स्थानिक व्यवस्था में अंतर पर भरोसा करे के हई - यानी बनावट में अंतर पर। बनावट संकेत के आधार पर एगो छवि के विभाजन करे के समस्या के बनावट विभाजन समस्या के रूप में जानल जाई छलई। बनावट विभाजन में कोनो देल गेल छवि में "समान" बनावट वाला क्षेत्र के पहचान करे के शामिल छलई। ई तय करे के लेल कि का कोनो देल गेल क्षेत्र में समान बनावट हई, बनावट के उचित माप के आवश्यकता होई हई। स्क्लैंस्की (o) टेक्स्चर के निम्नलिखित परिभाषा के सुझाव देलई हे जे खंडन संदर्भ में उपयुक्त हई: "छवि में एगो क्षेत्र के निरंतर बनावट होई हई यदि चित्र के स्थानीय आंकड़ों या अन्य स्थानीय गुणों के एगो सेट लगातार, धीरे-धीरे बदलइत, या लगभग आवधिक होई हई।" येहिलेल, बनावट में स्थानीय अउर वैश्विक अर्थ दुनू होई हई - आई टी के छवि क्षेत्र पर कुछ स्थानीय उपाय चाहे गुण के अपरिवर्तनीयता के विशेषता होई हई। प्राकृतिक और कृत्रिम बनावट के विविधता बनावट के सार्वभौमिक परिभाषा देनाई असंभव बनाबई हई। पिछला दू दशक में छवि बनावट के विश्लेषण के लेल कैगो तकनीक के प्रस्ताव देल गेल हई। डु पोंट डी नेमोर्स एंड कंपनी इंक. मल्टी-चैनल फ़िल्टरिंग दृष्टिकोण। ई दृष्टिकोण मानव दृश्य प्रणाली के प्रारंभिक चरण में दृश्य जानकारी के प्रसंस्करण के लेल एगो बहु-चैनल फ़िल्टरिंग सिद्धांत से प्रेरित छलई। सबसे पहिले कैम्पबेल और रॉबसन (4) द्वारा प्रस्तावित सिद्धांत के माननाई हई कि दृश्य प्रणाली रेटिना छवि के कई फ़िल्टर्ड छवियों में विघटित करई हई, जेकरा में से प्रत्येक में आवृत्ति (आकार) अउर अभिविन्यास के एगो संकीर्ण सीमा पर तीव्रता भिन्नता होई हई। मनोभौतिक प्रयोग जे इ तरह के अपघटन के सुझाव दलकय हल, उ उत्तेजना के रूप में विभिन्न जाली पैटर्न के उपयोग कैलकय और अनुकूलन तकनीक पर आधारित हलय। बाद के मनो-शारीरिक प्रयोग ने सिद्धांत के समर्थन करे वाला अतिरिक्त साक्ष्य प्रदान कैलकय। डी वैलोइस एट अल। ,(5) उदाहरण के लेल, मैकाक बंदर के दृश्य पपड़ी में सरल कोशिका के प्रतिक्रिया के विभिन्न आवृत्ति अउर अभिविन्यास के जौरे साइनसॉइडल ग्रिट्स के लेल दर्ज कैल गेल हई। ई देखल गेलई कि प्रत्येक कोशिका केवल आवृत्ति अउर अभिविन्यास के एगो संकीर्ण श्रेणी के जवाब देई हई। येहिलेल, ई प्रतीत होई हई कि स्तनधारि के दृश्य कोर्टेक्स में तंत्र हई जे संकीर्ण सीमा में आवृत्ति अउर अभिविन्यास के संयोजन के लेल ट्यून कैल गेल हई। इ तंत्र के अक्सर चैनल के रूप में संदर्भित कैल जा हय, और एकरा उचित रूप से बैंड-पास फ़िल्टर के रूप में व्याख्या कियल जा हय। बनावट विश्लेषण के लिए बहु-चैनल फ़िल्टरिंग दृष्टिकोण सहज रूप से आकर्षक हय काहेकी इ हमनही के विभिन्न बनावट के प्रमुख आकार और अभिविन्यास में अंतर के शोषण करे के अनुमति देवो हय। आज, बनावट विश्लेषण के लिए एक बहु-रिज़ॉल्यूशन दृष्टिकोण के आवश्यकता अच्छी तरह से मान्यता प्राप्त हय। जबकि इस प्रतिमान के समायोजित करे के लिए बनावट विश्लेषण के अन्य दृष्टिकोणों के विस्तारित कैल जाना पड़ा हय, बहु-चैनल फ़िल्टरिंग दृष्टिकोण, स्वाभाविक रूप से बहु-रिज़ॉल्यूशन हय। एगो आउ महत्वपूर्ण |
5757dd57950f6b3c4d90a342a170061c8c535536 | ई पेपर स्टीरियो विजन के लेल मिलान-लागत के गणना के समस्या के लेल एगो उपन्यास दृष्टिकोण प्रस्तुत करई हई। दृष्टिकोण एक संवहन तंत्रिका नेटवर्क पर आधारित हय जेकर उपयोग स्टीरियो इमेज जोड़े से इनपुट पैच के समानता के गणना करे के लिए कियल जा हय। अत्याधुनिक स्टीरियो पाइपलाइन चरणों के संयोजन में, विधि प्रमुख स्टीरियो बेंचमार्क में शीर्ष परिणाम प्राप्त करो हय। पेपर स्टीरियो मैचिंग के समस्या के परिचय देवो हय, प्रस्तावित विधि पर चर्चा करो हय और हाल के स्टीरियो डेटासेट के परिणाम के दिखावो हय। |
4b65024cd376067156a5ac967899a7748fa31f6f | दैनिक व्यवसाय में असीमित, अनियंत्रित, वैश्विक-स्तरीय डेटासेट तेजी से सामान्य हो रहले हय (जैसे कि डेटाबेस में डेटाबेस के एक समूह के रूप में डेटा के एक समूह के रूप में डेटा के एक समूह के रूप में) । वेब लॉग, मोबाइल उपयोग के आंकड़े, और सेंसर नेटवर्क) । साथ ही, इ डेटा सेट के उपभोक्ता के पास तेजी से उत्तर के लिए एक असीमित भूख के अलावा, स्वयं डेटा के विशेषताओं द्वारा घटना-समय आदेश और विंडो जैसे परिष्कृत आवश्यकताएं विकसित होलय हा। इस बीच, व्यावहारिकता बतावो हय कि इ प्रकार के इनपुट के लिए शुद्धता, विलंबता और लागत के सभी आयामों के साथे कभी भी पूरा तरह से अनुकूलित नए कियल जा सको हय। नतीजतन, डेटा प्रोसेसिंग प्रैक्टिशनर के ई दुविधा के साथ छोड़ देल जाई हई कि ई प्रतीत होबा वाला प्रतिस्पर्धी प्रस्ताव के बीच तनाव के कैसे सुलझाएल जाए, जेकरा परिणामस्वरूप अक्सर असमान कार्यान्वयन अउर सिस्टम होई छलई। हम प्रस्तावित कर हई कि आधुनिक डेटा प्रोसेसिंग में ई विकसित आवश्यकता के पूरा करे के लेल दृष्टिकोण में एगो मौलिक बदलाव आवश्यक हई। एगो क्षेत्र के रूप में, हमनी के असीमित डेटासेट के सूचना के सीमित पूल में तैयार करे के प्रयास करनाई बंद करे के चाहि जे अंततः पूर्ण हो जाई हई, अउर एकरा बजाय ई धारणा के तहत जीना अउर सांस लेबे के चाहि कि हम कहियो न जानबई कि चाहे जब हम अपन सभे डेटा देखले होतई, केवल ई कि नया डेटा पहुंचतइ, पुरान डेटा के वापस लेल जा सकई हई, अउर येई समस्या के सुलझाने के एकमात्र तरीका सिद्धांतात्मक अमूर्तता के माध्यम से हई जे अभ्यास के रुचि के अक्ष के जौरे उपयुक्त व्यापार-बिक्री के विकल्प के अनुमति देई हई: शुद्धता, विलंबता, अउर लागत। इ पत्र में, हम डेटाफ्लो मॉडल के रूप में ऐसन एगो दृष्टिकोण प्रस्तुत करई हई, जोनमे से सेमेन्टिक के विस्तृत परीक्षा के जौरे ई सक्षम करई हई, एकर डिजाइन के निर्देशित करे वाला मूल सिद्धांत के एगो अवलोकन, अउर वास्तविक दुनिया के अनुभव के माध्यम से मॉडल के स्वीकृति जे एकर विकास के नेतृत्व कैले हई। हम Google क्लाउड डेटाफ्लो के प्रसंस्करण मॉडल के वर्णन करे के लिए डेटाफ्लो मॉडल शब्द के उपयोग करो हय, जे फ़्लूमेजावा [12] और मिलव्हील [2] के प्रौद्योगिकी पर आधारित हय। इ काम क्रिएटिव कॉमन्स ऐट्रिब्यूशन-नॉनकमर्शियल-नोडेरिव्स 3.0 अनपोर्टेड लाइसेंस के तहत लाइसेंस प्राप्त हय। इ लाइसेंस के कॉपी देखे के लिए, http://creativecommons.org/licenses/by-nc-nd/3.0/ पर जाईं। लाइसेंस द्वारा कवर कियल गलय सीमाओं के बाहर कोनो भी उपयोग से पहले अनुमति प्राप्त करो। [email protected] पर ई-मेल करके कॉपीराइट धारक से संपर्क करथिन। ई खंड के लेखवन के 31 अगस्त से 4 सितंबर 2015 के दौरान कोहाला तट, हवाई में आयोजित 41वें अंतर्राष्ट्रीय सम्मेलनवा में बहुत बड़ डेटाबेसवा परी अपन परिणामवन के प्रस्तुत करे लगि आमंत्रित किईल गईलके। वीएलडीबी एंडोमेंट के कार्यवाही, वॉल्यूम। 8, न. केडीई 12 कॉपीराइट 2015 वीएलडीबी एंडोमेंट 2150-8097/15/08। |
40c3b350008ada8f3f53a758e69992b6db8a8f95 | वस्तु का पता लगाना पिछले कुछ वर्षों में HOG सुविधाओं पर रैखिक SVM के उपयोग पर अभिसरित हुआ है। हालांकि, रैखिक एसवीएम के प्रशिक्षण काफी महंगा हई, अउर कैटिगरी के संख्या में वृद्धि के जौरे ई अनसुलझी हो सकई हई। ई काम में हम एगो बहुत पुरान तकनीक के फिर से देखबई, अर्थात्। रैखिक भेदभाव विश्लेषण, और इ दिखावो हय कि एलडीए मॉडल के लगभग तुच्छ रूप से प्रशिक्षित कैल जा सको हय, और प्रदर्शन में थोड़ा या कोई नुकसान के साथे। हमर अनुमानित सह-विचलन मैट्रिक्स प्राकृतिक छवियों के गुण के कैप्चर करो हय। येई सहवर्ती के जौरे एचओजी विशेषता के सफेद करे से एचओजी विशेषता के बीच स्वाभाविक रूप से होए वाला सहसंबंध हटा देल जाई छलई। हम देखई हई कि ई सफेद सुविधा (जेकरा हम डब्ल्यूएचओ कहई हई) समानता के गणना करे के लेल मूल एचओजी सुविधा से काफी बेहतर हई, अउर क्लस्टरिंग में उनकर उपयोगिता के साबित करई हई। अंत में, हम अपन निष्कर्ष के उपयोग एगो ऑब्जेक्ट डिटेक्शन सिस्टम के उत्पादन करे के लेल करई छी जे पास्कल वीओसी 2007 पर प्रतिस्पर्धी होए के नाते काफी आसान होए के नाते प्रशिक्षित अउर परीक्षण कैल जाई छलई। |
28e0c6088cf444e8694e511148a8f19d9feaeb44 | इ पेपर क्यूबसैट के लिए एक स्व-विनियोजित हेलिकल पैंटोग्राफ एंटीना के व्यवहार के पता लगावो हय। हेलिकल पैंटोग्राफ अवधारणा के उपग्रह बस से जुड़ल अवधारणा के जौरे वर्णित कैल गेल हई। आठ हेलिक्स से बनल एगो पेंटोग्राफ के परिमित तत्व के तह सिमुलेशन प्रस्तुत कैल गेल हई अउर एकर तुलना प्रोटोटाइप एंटीना पर कैल गेल संघनन बल प्रयोग के जौरे कैल गेल हई। प्रोटोटाइप एंटीना के संचालन आवृत्ति सीमा के प्रदर्शित करे वाला प्रतिबिंब गुणांक परीक्षण भी प्रस्तुत कैल गेल हई। हेलिकल पैंटोग्राफ वर्तमान छोटे उपग्रह एंटीना समाधानों के लिए एक आशाजनक विकल्प साबित होलय हा। |
1aad2da473888cb7ebc1bfaa15bfa0f1502ce005 | ई पेपर प्रथम-व्यक्ति दृष्टिकोण से बातचीत के स्तर पर मानव गतिविधि के पहचान करे के समस्या पर चर्चा करई हई। लक्ष्य एक पर्यवेक्षक (जैसे, एक रोबोट या एक पहनने योग्य कैमरा) के निरंतर वीडियो इनपुट से कोई अन्य गतिविधि ओकरा पर प्रदर्शन कर रहले हय के समझे में सक्षम बनाना हय। येइमे दोस्ताना बातचीत शामिल हई जैसे एक व्यक्ति पर्यवेक्षक के गले लगाबई हई अउर साथ ही शत्रुतापूर्ण बातचीत जैसे पर्यवेक्षक के मुक्का मारनाई चाहे पर्यवेक्षक के ओर वस्तु फेंकनाई , जेकर वीडियो में शारीरिक बातचीत के कारण कैमरा अहं-आंदोलन के एगो बड़का मात्रा शामिल छलई। पेपर वैश्विक और स्थानीय गति जानकारी के एकीकृत करे के लिए बहु-चैनल कर्नेल के जांच करो हय, और एक नया गतिविधि सीखने / मान्यता पद्धति प्रस्तुत करो हय जे स्पष्ट रूप से प्रथम-व्यक्ति गतिविधि वीडियो में प्रदर्शित क्षणिक संरचना के विचार करो हय। हमनी के प्रयोग में, हमनी न केवल खंडित वीडियो के साथ वर्गीकरण परिणाम दिखावो हय, बल्कि इ भी पुष्टि करो हय कि हमनी के नया दृष्टिकोण निरंतर वीडियो से गतिविधि के विश्वसनीय रूप से पता लगावे में सक्षम हय। |
97876c2195ad9c7a4be010d5cb4ba6af3547421c | |
259c25242db4a0dc1e1b5e61fd059f8949bdb79d | साझा मेमोरी के उपयोग करे वाला कैगो प्रोसेसर कोर वाला कंप्यूटर अब सर्वव्यापी छलई। इ पेपर में, हम कई समानांतर ज्यामितीय एल्गोरिदम प्रस्तुत करो हय जे विशेष रूप से इ वातावरण के लक्षित करो हय, अतिरिक्त कंप्यूटिंग शक्ति के शोषण के लक्ष्य के साथ। हम वर्णित डी-आयामी एल्गोरिदम हई (ए) बिंदु के स्थानिक सॉर्टिंग, जैसन कि आमतौर पर वृद्धिशील एल्गोरिदम के उपयोग करे से पहिले पूर्व-प्रसंस्करण के लेल उपयोग कैल जाई हई, (बी) केडी-ट्री निर्माण, (सी) अक्ष-संरेखित बॉक्स चौराहा गणना, अउर अंत में (डी) मेष पीढ़ी एल्गोरिदम के लेल डेलाउनी त्रिकोण में बिंदु के थोक सम्मिलन चाहे केवल डेलाउनी त्रिकोण के गणना। हम कम्प्यूटेशनल ज्यामिति एल्गोरिदम लाइब्रेरी (सीजीएएल, http://www.cgal.org/) के आधार पर अपन कार्यान्वयन के उपयोग करके 3 डी में येई एल्गोरिदम के लेल प्रयोगात्मक परिणाम देखबई छलो। ई काम एगो कदम हई जेकरा हम सीजीएएल के लेल एगो समानांतर मोड बन जाए के उम्मीद करई हई, जहां एल्गोरिदम स्वचालित रूप से उपलब्ध समानांतर संसाधन के उपयोग करई हई बिना कोनो महत्वपूर्ण उपयोगकर्ता हस्तक्षेप के आवश्यकता होई छलई। |
ac4a2337afdf63e9b3480ce9025736d71f8cec1a | पृष्ठभूमि उन्नत पार्किंसंस रोग (पीडी) वाला लगभग 50% रोगी पैदल गति के ठंड (एफओजी) से पीड़ित होवो हय, जे पैदल चलै के अचानक और क्षणिक अक्षमता हय। ई अक्सर गिरई के कारण बनई हई, दैनिक गतिविधि में हस्तक्षेप करई हई अउर जीवन के गुणवत्ता के काफी हद तक खराब करई छलई। काहेकी पीडी रोगी में पैदल घाटा अक्सर फार्माकोलॉजिकल उपचार के प्रतिरोधी होवो हय, प्रभावी गैर-फार्माकोलॉजिकल उपचार विशेष रुचि के हय। उद्देश्य हमर अध्ययन के लक्ष्य एक पहनने योग्य उपकरण के अवधारणा के मूल्यांकन करनाई हई जे वास्तविक समय के पैदल डेटा प्राप्त कर सकई हई, ओकरा संसाधित कर सकई हई अउर पूर्व-निर्धारित विनिर्देश के आधार पर सहायता प्रदान कर सकई हई। हम वास्तविक समय के पहनने योग्य एफओजी पता लगावे वाला प्रणाली विकसित कलई जे स्वचालित रूप से एफओजी के पता लगावे पर एगो क्यूइंग ध्वनि प्रदान करई हई अउर जोन तक कि विषय चलना जारी रखई हई, तब तक बनल रहतई। हम 10 पीडी मरीज के साथ एगो अध्ययन में अपन पहिरल सहायक तकनीक के मूल्यांकन कलई। आठ घंटा से जादे समय तक के डेटा के रिकॉर्ड कैल गेलय हल और प्रत्येक रोगी द्वारा एक प्रश्नावली के भरला गेलय हल। परिणाम पेशेवर फिजियोथेरेपिस्ट द्वारा पोस्ट-हॉक वीडियो विश्लेषण में दू सौ सैंतीस एफओजी घटना के पहचान कियल गलय हा। उपकरण 0.5 सेकंड के फ्रेम-आधारित मूल्यांकन पर 73. 1% के संवेदनशीलता और 81. 6% के विशिष्टता के साथ ऑनलाइन एफओजी घटना के पता लगायलकय। ई अध्ययन के जौरे हम देखई हई कि पीडी रोगी के लेल ऑनलाइन सहायक प्रतिक्रिया संभव हई। हम पहने योग्य सहायक के पहनने योग्यता और प्रदर्शन के साथ-साथ सहायक के उपयोग करते समय उनके चलने के प्रदर्शन पर रोगी और फिजियोथेरेपिस्ट के दृष्टिकोण के प्रस्तुत और चर्चा करो हय और अगला शोध चरण के इंगित करो हय। हमार परिणाम ऐसन संदर्भ-जागरूक प्रणाली के लाभ के प्रदर्शित करो हय और आगे के अध्ययन के प्रेरित करो हय। |
2a68c39e3586f87da501bc2a5ae6138469f50613 | पर्यवेक्षित शिक्षा में अनुसंधान के एक बड़ा निकाय एकल लेबल डेटा के विश्लेषण से संबंधित हय, जहां प्रशिक्षण उदाहरण असंबद्ध लेबल एल के एक सेट से एकल लेबल λ से जुड़ल हय। हालांकि, कई अनुप्रयोग डोमेन में प्रशिक्षण उदाहरण अक्सर लेबल Y L के एक सेट से जुड़ल होवो हय। ऐसन डेटा के बहु-लेबल कहल जा हय। पाठ्य डेटा, जैसे दस्तावेज़ और वेब पृष्ठ, अक्सर एक से अधिक लेबल के साथ एनोटेट कैल जाई छलई। उदाहरण के लेल, "दा विंची कोड" फिल्म के रिलीज़ पर ईसाई चर्च के प्रतिक्रिया के बारे में एगो समाचार लेख के धर्म अउर फिल्म दुनु के रूप में लेबल कैल जा सकई हई। पाठ्य डेटा के वर्गीकरण शायद प्रमुख बहु-लेबल अनुप्रयोग हय। हाल ही में, मल्टी-लेबल डेटा से सीखने के मुद्दा ने बहुत सारे शोधकर्ताओं के महत्वपूर्ण ध्यान आकर्षित कैलकय हय, जे बढ़ते संख्या में नए अनुप्रयोगों से प्रेरित हय, जैसे कि छवियों के अर्थपूर्ण एनोटेशन [1, 2, 3] और वीडियो [4, 5], कार्यात्मक जीनोमिक्स [6, 7, 8, 9, 10], संगीत वर्गीकरण भावनाओं में [11, 12, 13, 14] और निर्देशित विपणन [15]। तालिका 1 में साहित्य में चर्चा कैल गेलय विभिन्न अनुप्रयोग के प्रस्तुत कैल गेलय हय। ई अध्याय बहु-लेबल डेटा माइनिंग के तेजी से विकसित होए वाला अनुसंधान क्षेत्र पर अतीत अउर हाल के काम के समीक्षा करई हई। खंड 2 बहु-लेबल डेटा से सीखना में दो प्रमुख कार्यों को परिभाषित करो हय और एक महत्वपूर्ण संख्या में सीखने के विधियों के प्रस्तुत करो हय। खंड 3 में मल्टी-लेबल डेटा के लेल आयाम कम करे के विधि पर चर्चा कैल गेल हई। खंड 4 और 5 में दो महत्वपूर्ण शोध चुनौतियों पर चर्चा कैल गेलय हय, जे, यदि सफलतापूर्वक पूरा कियल जा हय, तो मल्टी-लेबल लर्निंग विधियों के वास्तविक दुनिया के अनुप्रयोग के महत्वपूर्ण रूप से विस्तार कर सको हयः खंड 6 बेंचमार्क मल्टीलेबल डेटासेट और उनकर आंकड़ों के परिचय देवो हय, जबकि खंड 7 बहु-लेबल लर्निंग के लिए सबसे अधिक उपयोग कियल जाए वाला मूल्यांकन उपाय के प्रस्तुत करो हय। |
60686a80b91ce9518428e00dea95dfafadadd93c | ई संचार 2.4 गीगाहर्ट्ज के लेल ध्रुवीकरण विविधता के जौरे एगो दो-पोर्ट पुनः विन्यास योग्य वर्ग पैच एंटीना प्रस्तुत करई हई। पैच पर चार पी-आई-एन डायोड के स्थिति के नियंत्रित करके, प्रस्तावित एंटीना के ध्रुवीकरण के प्रत्येक पोर्ट पर रैखिक ध्रुवीकरण (एलपी), बाएं या दाएं हाथ के परिपत्र ध्रुवीकरण (सीपी) के बीच स्विच कैल जा सकई हई। पी-आई एन डायोड के बायस सर्किट के सरल बनावे के लिए एयर सब्सट्रेट और एपर्चर-कपल्ड फीड स्ट्रक्चर के उपयोग कैल जाई हई। उच्च अलगाव और एलपी मोड में कम क्रॉस-ध्रुवीकरण स्तर के साथे, दोनों बंदरगाह एक साथ ध्रुवीय रेखीय रडार के लिए दोहरी रैखिक रूप से ध्रुवीकृत एंटीना के रूप में काम कर सको हय। प्रत्येक बंदरगाह पर अलग-अलग सीपी तरंग प्राप्त कैल जाई हई, जे गतिशीलता, प्रतिकूल मौसम के स्थिति अउर गैर-लाइन-ऑफ-सइट अनुप्रयोग से लेके चुनौति के सामना करे के लेल उपयुक्त छलई। एंटीना में सरल पूर्वाग्रह नेटवर्क, आसान निर्माण और समायोजन के फायदे हैं, जिन्हें ध्रुवीकरण विविधता अनुप्रयोगों में व्यापक रूप से लागू किया जा सकता है। |
0d11248c42d5a57bb28b00d64e21a32d31bcd760 | 19 जुलाई, 2001 के, इंटरनेट से जुड़ल 359,000 से बेसी कंप्यूटर 14 घंटे से भी कम समय में कोड-रेड (सीआरवी 2) कीड़ा से संक्रमित हो गेलई हल। ई महामारी के लागत, कोड-रेड के बाद के उपभेदों सहित, $2.6 बिलियन से अधिक के अनुमान लगावल गेलय हय। इ हमला से वैश्विक क्षति के बावजूद, कीड़ा के प्रसार के विशेषता के वर्णन करे के कुछ गंभीर प्रयास कैले गेलय हय, आंशिक रूप से कीड़ा के बारे में वैश्विक जानकारी एकत्र करे के चुनौती के कारण। एगो तकनीक के उपयोग करके जे कीड़ा के प्रसार के वैश्विक पता लगावे के सक्षम बनबई हई, हम 2 जुलाई, 2001 से शुरू होए वाला 45 दिन के अवधि में डेटा एकत्र अउर विश्लेषण कलई ताकि इंटरनेट भर में कोड-रेड के प्रसार के विशेषता के निर्धारण कैल जा सके। इ पत्र में, हम कोड-रेड के प्रसार के पता लगावे के लेल उपयोग कैल जाए वाला पद्धति के वर्णन करई छी, अउर फेर अपन ट्रेस विश्लेषण के परिणाम के वर्णन करई छी। हम सबसे पहिले संक्रमण अउर निष्क्रियता दर के संदर्भ में कोड-रेड अउर कोडरेड II कीड़ा के प्रसार के विवरण देइब। संक्रमण के प्रसार के लेल अनुकूलित होए के बिना भी, कोड-रेड संक्रमण दर प्रति मिनट 2,000 से अधिक मेजबान पर पहुंच गेलई। फेर हम भौगोलिक स्थान, साप्ताहिक अउर दैनिक समय प्रभाव, शीर्ष-स्तरीय डोमेन अउर आईएसपी सहित संक्रमित मेजबान आबादी के गुण के जांच करई हई। हम देखबई कि कीड़ा एगो अंतरराष्ट्रीय घटना हई, संक्रमण गतिविधि दिन के समय के प्रभाव के प्रदर्शन करई हई, अउर ई पइसलई कि, हालांकि अधिकांश ध्यान बड़का निगम पर केंद्रित रहई, कोड-रेड कीड़ा मुख्य रूप से घरेलू अउर छोट व्यवसाय के उपयोगकर्ता पर शिकार करई रहई। हम संक्रमित मेजबान के माप पर डीएचसीपी के प्रभाव के भी अर्हता देलई आउर निर्धारित कलई कि आईपी पता 24 घंटे से अधिक समय के समय पर एगो कीड़ा के प्रसार के सटीक माप ना हई। अंत में, कोड-रेड वर्म के अनुभव से पता चलई हई कि इंटरनेट मेजबान में व्यापक रूप से फइलल कमजोरिय के तेजी से अउर नाटकीय रूप से शोषण कैल जा सकई हई, अउर इंटरनेट वर्म के कम करे के लेल मेजबान पैचिंग के अलावा दोसर तकनीक के आवश्यकता होई हई। |
0462a4fcd991f8d6f814337882da182c504d1d7b | हम Google Books Ngram Corpus के एगो नया संस्करण प्रस्तुत करऽ हियो, जे वर्णन कर हइ कि पाँच शताब्दी के अवधि में केतना बार शब्द आउ वाक्यांश के उपयोग कइल गेले हल, आठ भाषा में; ई अब तक प्रकाशित हो चुकल सब किताब के 6% के दर्शाबई छई। ई नया संस्करण वाक्यविन्यास संबंधी एनोटेशन के परिचय देई हई: शब्द के उनकर भाग-बचन के जौरे टैग कैल जाई हई, अउर हेडमोडिफायर संबंध के रिकॉर्ड कैल जाई छलई। एनोटेशन स्वचालित रूप से सांख्यिकीय मॉडल के साथ उत्पन्न होवो हय जे विशेष रूप से ऐतिहासिक पाठ के अनुकूल होवो हय। कॉर्पस भाषाई रुझान के अध्ययन के सुविधा प्रदान करतय, विशेष रूप से वाक्यविन्यास के विकास से संबंधित। |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.