_id
stringlengths 40
40
| text
stringlengths 0
9.75k
|
|---|---|
40baa5d4632d807cc5841874be73415775b500fd | मोटर ड्राइव के लिए पारंपरिक दो-स्तरीय उच्च-आवृत्ति पल्स चौड़ाई मॉड्यूलेशन (पीडब्ल्यूएम) इन्वर्टर में ओकर उच्च-आवृत्ति स्विचिंग से जुड़ी कई समस्याएं हय जे मोटर वाइंडिंग के लिए सामान्य-मोड वोल्टेज और उच्च वोल्टेज परिवर्तन (डीवी / डीटी) दर के उत्पादन करो हय। बहुस्तरीय इन्वर्टर येई समस्या के समाधान करई हई काहेकी उनकर उपकरण बहुत कम आवृत्ति पर स्विच कर सकई हई। इलेक्ट्रिक ड्राइव के लिए एक कनवर्टर के रूप में उपयोग के लिए दो अलग-अलग बहुस्तरीय टोपोलॉजी के पहचान कियल गलय हा, अलग-अलग डीसी स्रोतों के साथे एक कैस्केड इन्वर्टर और बैक-टू-बैक डायोड क्लैम्प्ड कनवर्टर। कैस्केड इन्वर्टर उच्च VA रेटिंग के कारण बड़े ऑटोमोटिव एलीइलेक्ट्रिक ड्राइव के लिए एक प्राकृतिक फिट हय और काहेकी इ डीसी वोल्टेज स्रोत के कई स्तर के उपयोग करो हय जे बैटरी या ईंधन कोशिका से उपलब्ध होतय। बैक-टू-बैक डायोड क्लैंप्ड कन्वर्टर आदर्श हय जहां एसी वोल्टेज के एक स्रोत उपलब्ध हय जैसे कि एक हाइब्रिड इलेक्ट्रिक वाहन। सिमुलेशन और प्रयोगात्मक परिणाम पीडब्लूएम आधारित ड्राइव पर इ दुन्नो कन्वर्टर्स के श्रेष्ठता दिखावो हय। |
895fa1357bcfa9b845945c6505a6e48070fd5d89 | ई काम में हम एगो सुरक्षित इलेक्ट्रॉनिक वोटिंग प्रोटोकॉल के प्रस्ताव रखई हई जे इंटरनेट पर बड़का पैमाना पर मतदान के लेल उपयुक्त छलई। प्रोटोकॉल एगो मतदाता के गुमनाम रूप से अपन वोट डाले के अनुमति देई हई, गैर-ट्रेस करे योग्य लेकिन प्रामाणिक संदेश के आदान-प्रदान करके। प्रोटोकॉल इ बात के सुनिश्चित करो हय कि (i) केवल योग्य मतदाता ही वोट दे सको हय, (ii) एक मतदाता केवल एक वोट दे सको हय, (iii) एक मतदाता इ सत्यापित कर सको हय कि ओकर वोट अंतिम गणना में गिनाल गलय हा, (iv) कोई भी, मतदाता के अलावा, एक मतदाता के साथ एक वोट के जोड़ सको हय, और (v) यदि कोई मतदाता वोट न देबे के फैसला करो हय, त कोई भी मतदाता के जगह पर धोखाधड़ी मत मत नहीं दे सको हय। प्रोटोकॉल के तहत, पंजीकृत सभी मतदाता के साथ सहयोग के लिए कोई औपचारिक आवश्यकता नहीं है। एकरा लेल मतदान करे के लेल थ्रेसहोल्ड क्रिप्टो सिस्टम चाहे गुमनाम चैनल जैसन जटिल क्रिप्टोग्राफिक तकनीक के उपयोग के आवश्यकता ना हई। ई साहित्य में प्रस्तावित दोसर मतदान प्रोटोकॉल के विपरीत हई। प्रोटोकॉल सफल संचालन के लेल मतदाता के अलावा तीन एजेंट के उपयोग करई हई। हालांकि, हम में से कोई भी इन एजेंटों पर भरोसा करे लह मजबूर हई। यानी, एजेंट शारीरिक रूप से एक साथ रह सकई छलई चाहे धोखाधड़ी करे के कोशिश करे के लेल एक दूसर के जौरे साजिश रच सकई हई। यदि धोखाधड़ी कैल गेल हई, त एकरा आसानी से पता लगाएल अउर साबित कैल जा सकई हई, ताकि वोट के शून्य अउर शून्य घोषित कैल जा सके। यद्यपि हम इलेक्ट्रॉनिक वोटिंग के ध्यान में रखके प्रोटोकॉल के प्रस्ताव रखई हई, प्रोटोकॉल के उपयोग दोसर अनुप्रयोग में कैल जा सकई हई जेकरा मे एगो अनट्रेस करे योग्य लेकिन प्रामाणिक संदेश के आदान-प्रदान शामिल छलई। ऐसन अनुप्रयोग के उदाहरण गोपनीय प्रश्नावली के गुमनाम रूप से या गुमनाम वित्तीय लेनदेन के जवाब देई छलो। |
cf9145aa55da660a8d32bf628235c615318463bf | पिछला दशक में, ई स्पष्ट हो गेल हई कि एम्बेडेड सिस्टम हमर रोज के जीवन के अभिन्न अंग छलई। कई एम्बेडेड अनुप्रयोग के वायरलेस प्रकृति के जौरे-जौरे ओकर सर्वव्यापीता सुरक्षा अउर गोपनीयता संरक्षित तंत्र के आवश्यकता के विशेष रूप से महत्वपूर्ण बना देले हई। येई प्रकार, जैसे-जैसे एफपीजीए एम्बेडेड सिस्टम के अभिन्न अंग बन जाई हई, उनकर सुरक्षा के समग्र रूप से विचार करनाई आवश्यक होई हई। ई योगदान प्रणाली अउर कार्यान्वयन दुनहु के दृष्टिकोण से एफपीजीए पर सुरक्षा मुद्दा के एगो अत्याधुनिक विवरण प्रदान करई हई। हम क्रिप्टोग्राफिक अनुप्रयोगों के लिए पुनः विन्यास योग्य हार्डवेयर के लाभों पर चर्चा करते हैं, एफपीजीए के संभावित सुरक्षा समस्याओं को दिखाते हैं, और खुली अनुसंधान समस्याओं की एक सूची प्रदान करते हैं। एकरा अलावा, हम एफपीजीए पर सार्वजनिक अउर सममित-कुंजी एल्गोरिथ्म कार्यान्वयन दुनु के सारांशित करई हई। |
748eb923d2c384d2b3af82af58d2e6692ef57aa1 | टेक्स्ट माइनिंग कंप्यूटर विज्ञान के एगो नया अउर रोमांचक क्षेत्र हई जे डेटा माइनिंग, मशीन लर्निंग, प्राकृतिक भाषा प्रसंस्करण, सूचना पुनर्प्राप्ति अउर ज्ञान प्रबंधन से तकनीक के संयोजन करके सूचना अधिभार के संकट के हल करे के प्रयास करई छलई। टेक्स्ट माइनिंग हैंडबुक टेक्स्ट माइनिंग और लिंक डिटेक्शन में नवीनतम तकनीकों के एक व्यापक चर्चा प्रस्तुत करो हय। कोर टेक्स्ट माइनिंग और लिंक डिटेक्शन एल्गोरिदम और संचालन के गहन परीक्षा प्रदान करे के अलावा, पुस्तक उन्नत पूर्व-प्रसंस्करण तकनीकों, ज्ञान प्रतिनिधित्व विचार और दृश्य दृष्टिकोण के जांच करो हय, जे वास्तविक दुनिया के अनुप्रयोग के साथे समाप्त होवो हय। |
d044d399049bb9bc6df8cc2a5d72610a95611eed | उद्देश्य सुबहाइट स्ट्रोक वाला व्यक्ति में लोकोमैट के साथ रोबोट-सहायता प्राप्त गद्दा प्रशिक्षण के प्रभावकारिता के तुलना करनाई। METHODS कुल 63 प्रतिभागि < 6 महीने के स्ट्रोक के बाद 0. 1 से 0. 6 m/ s के बीच प्रारंभिक चलने की गति के साथ बहु- केंद्र, यादृच्छिक नैदानिक परीक्षण पूरा कैलकय। सभे प्रतिभागी लोकोमेट चाहे पारंपरिक पैदल प्रशिक्षण के चौबीस घंटा के सत्र प्राप्त कलई। परिणाम के उपाय के प्रशिक्षण से पहिले, 12 और 24 सत्रों के बाद, और 3 महीने के अनुवर्ती परीक्षा में मूल्यांकन कियल गलय हल। स्व-चयनित भूमिगत पैदल गति और 6 मिनट में पैदल दूरी प्राथमिक परिणाम उपाय हलय, जबकि माध्यमिक परिणाम उपाय में संतुलन, गतिशीलता और कार्य, गति और समरूपता, विकलांगता के स्तर और जीवन के गुणवत्ता के उपाय शामिल हलय। परिणाम पारंपरिक पैदल प्रशिक्षण प्राप्त करे वाला प्रतिभागि के पैदल गति (पी = .002) और दूरी (पी = .03) में लोकोमेट पर प्रशिक्षित लोग के तुलना में काफी अधिक लाभ मिललई। ई अंतर 3 महीने के अनुवर्ती मूल्यांकन में बनल रहलई। द्वितीयक माप 2 समूह के बीच भिन्न नए हलय, हालांकि पारंपरिक बनाम लोकोमेट समूह में गति में 2 गुना अधिक सुधार देखल गेलय हल। मध्यम से गंभीर चलने के विकार वाला सब-अगूटा स्ट्रोक प्रतिभागि के लेल, पारंपरिक चलने के प्रशिक्षण हस्तक्षेप के विविधता पैदल क्षमता में वापसी के सुविधा के लेल रोबोट-सहायता प्राप्त चलने के प्रशिक्षण के तुलना में अधिक प्रभावी प्रतीत होई हई। |
098cc8b16697307a241658d69c213954ede76d59 | दो प्लेटफार्मों पर 43 उपयोगकर्ताओं के डेटा के उपयोग करके, हम स्मार्टफोन ट्रैफ़िक पर एक विस्तृत नज़र प्रस्तुत करते हैं। हम पावे ल कि ब्राउज़िंग में आधे से अधिक ट्रैफ़िक के योगदान हई, जबकि ईमेल, मीडिया अउर मानचित्र में से प्रत्येक लगभग 10% के योगदान देई हई। हम ई भी पाबऽ ही कि छोट स्थानांतरण आकार के कारण निचला परत प्रोटोकॉल के ओवरहेड उच्च हई। आधे हस्तांतरण के लिए परिवहन-स्तर सुरक्षा का उपयोग करते हुए, हेडर बाइट्स कुल के 40% के अनुरूप होवो हय। हम देखई हई कि जबकि पैकेट हानि स्मार्टफोन ट्रैफ़िक के थ्रूपुट के सीमित करे वाला मुख्य कारक हई, इंटरनेट सर्वर पर बड़ा भेजें बफर स्थानांतरण के एक चौथाई के थ्रूपुट में सुधार कर सकई हई। अंत में, स्मार्टफोन ट्रैफ़िक अउर रेडियो पावर मैनेजमेंट नीति के बीच बातचीत के अध्ययन करके, हम पाते हियई कि पैकेट एक्सचेंजों के प्रदर्शन पर न्यूनतम प्रभाव के जौरे रेडियो के बिजली खपत के 35% तक कम कैल जा सकई हई। |
1e126cee4c1bddbfdd4e36bf91b8b1c2fe8d44c2 | ई पेपर पावरबूटर के वर्णन कर हई, एगो स्वचालित पावर मॉडल निर्माण तकनीक जे बिल्ट-इन बैटरी वोल्टेज सेंसर और बैटरी डिस्चार्ज व्यवहार के ज्ञान के उपयोग कर के बिजली के खपत के निगरानी कर हई जबकि व्यक्तिगत घटक के बिजली प्रबंधन अउर गतिविधि राज्य के स्पष्ट रूप से नियंत्रित कर हई। एकरा मे कोनो बाहरी माप उपकरण के आवश्यकता नए हय। हम पावरट्यूटर, एक घटक शक्ति प्रबंधन और गतिविधि राज्य आत्मनिरीक्षण आधारित उपकरण के भी वर्णन करो हय जे ऑनलाइन शक्ति अनुमान के लिए पावरबूटर द्वारा उत्पन्न मॉडल के उपयोग करो हय। पॉवरबूटर के उद्देश्य अनुप्रयोग डेवलपर्स और अंतिम उपयोगकर्ताओं के लिए नए स्मार्टफोन वेरिएंट के लिए पावर मॉडल उत्पन्न करना आसान और आसान बनाना हय, जेकरा मे से प्रत्येक के अलग-अलग बिजली खपत गुण हय और इ खातिर अलग-अलग बिजली मॉडल के आवश्यकता होवो हय। एम्बेडेड सिस्टम के लेल ऊर्जा कुशल सॉफ्टवेयर के डिजाइन अउर चयन के सुविधा प्रदान करे के लेल पावरट्यूटर के इरादा छलई। संयुक्त रूप से, पावरबूटर और पावरट्यूटर के लक्ष्य अधिक स्मार्टफोन संस्करण और ओकर उपयोगकर्ता के लिए बिजली मॉडलिंग और विश्लेषण खोलना हय। |
3f62fe7de3bf15af1e5871dd8f623db29d8f0c35 | 255 उपयोगकर्ताओं के विस्तृत निशान के उपयोग करके, हम स्मार्टफोन के उपयोग का एक व्यापक अध्ययन करते हैं। हम जानबूझ के उपयोगकर्ता गतिविधि के विशेषता - उपकरण के साथ बातचीत और उपयोग कैल जाए वाला अनुप्रयोग - और नेटवर्क और ऊर्जा उपयोग पर ऊ गतिविधि के प्रभाव के विशेषता हई। हम उपयोगकर्ता के बीच बहुत अधिक विविधता पाते हैं। हम अध्ययन करे वाला सभे पहलु के जौरे, उपयोगकर्ता परिमाण के एक चाहे एक से अधिक आदेश द्वारा भिन्न होई हई। उदाहरण के लेल, प्रति दिन औसत बातचीत के संख्या 10 से 200 तक होई हई, अउर प्रति दिन प्राप्त औसत डेटा 1 से 1000 एमबी तक होई हई। विविधता के ई स्तर ई सुझाव देई हई कि उपयोगकर्ता अनुभव चाहे ऊर्जा खपत में सुधार के लेल तंत्र अधिक प्रभावी होतई यदि ऊ उपयोगकर्ता व्यवहार के लेल सीखई अउर अनुकूलित करई हई। हम पइलिअइ कि उपयोगकर्ता के बीच गुणात्मक समानता मौजूद हइ जे उपयोगकर्ता व्यवहार के सीखना के कार्य के सुविधा प्रदान करऽ हइ। उदाहरण के लेल, विभिन्न उपयोगकर्ता के लेल अलग-अलग वितरण पैरामीटर के जौरे, एगो घातीय वितरण के उपयोग कैके अनुप्रयोग लोकप्रियता के सापेक्ष मॉडल बनाएल जा सकई हई। हम भविष्य के ऊर्जा जल निकासी के भविष्यवाणी करे के खातिर तंत्र के संदर्भ में उपयोगकर्ता व्यवहार के अनुकूलन के मूल्य के प्रदर्शित करई हियई। अनुकूलन के साथ 90 वीं प्रतिशत त्रुटि उपयोगकर्ता के औसत व्यवहार के आधार पर भविष्यवाणिय के तुलना में आधे से भी कम हय। |
45654695f5cad20d2be36d45d280af5180004baf | इ लेख में हम भविष्य के 5 जी नेटवर्क के लिए एक नया फ्रंटहॉल इंटरफ़ेस के डिजाइन के चर्चा कर हियई। वर्तमान फ्रंटहॉल समाधान के प्रमुख कमियों के पहले विश्लेषण कियल गलय हा, और फिर अगली पीढ़ी के फ्रंटहॉल इंटरफ़ेस (एनजीएफआई) नामक एक नया फ्रंटहॉल इंटरफ़ेस प्रस्तावित कियल गलय हा। एनजीएफआई के लिए डिजाइन सिद्धांत प्रस्तुत कियल गलय हा, जेकरा मे एंटीना के संख्या से फ्रंटहॉल बैंडविड्थ के अलग करना, सेल और उपयोगकर्ता उपकरण प्रसंस्करण के अलग करना और उच्च-प्रदर्शन-बढ़ती सहयोगी प्रौद्योगिकियों पर ध्यान केंद्रित करना शामिल हय। NGFI के उद्देश्य प्रमुख 5G प्रौद्योगिकियों, विशेष रूप से क्लाउड RAN, नेटवर्क फ़ंक्शंस वर्चुअलाइजेशन, और बड़े पैमाने पर एंटीना सिस्टम के बेहतर समर्थन करना हय। NGFI मोबाइल नेटवर्क ट्रैफिक पर ज्वारभाटा प्रभाव के शोषण करके कम बैंडविड्थ के साथ-साथ बेहतर संचरण दक्षता के लाभ के दावा करई हई। एनजीएफआई के संचरण लचीलेपन और विश्वसनीयता के लाभों के आनंद लेवे के लिए ईथरनेट पर आधारित हय। ईथरनेट-आधारित फ्रंटहाउस नेटवर्क के प्रमुख प्रभाव, चुनौति अउर संभावित समाधान के भी विश्लेषण कैल गेल हई। जटर, विलंबता, और समय और आवृत्ति तुल्यकालन दूर करे के प्रमुख मुद्दा हय। |
a1bbd52c57ad6a36057f5aa69544887261eb1a83 | हम एगो वाक्यविन्यास-आधारित एल्गोरिथ्म के वर्णन करई हई जे स्वचालित रूप से अर्थसापेक्ष समतुल्य अनुवाद सेट से परिमित राज्य ऑटोमैटा (शब्द जाली) के निर्माण करई हई। ई एफएसए पैराफ्रेज़ के अच्छा प्रतिनिधित्व हई। एकर उपयोग शाब्दिक अउर वाक्यविन्यास संबंधी पैराफ्रेज़ जोड़ा के निकाले के लेल कैल जा सकई हई अउर नया, अनदेखा वाक्य उत्पन्न करे के लेल कैल जा सकई हई जे इनपुट सेट में वाक्य के समान अर्थ व्यक्त करई हई। हमर एफएसए वैकल्पिक अर्थ संबंधी प्रतिपादन के शुद्धता के भविष्यवाणी कर सकई हई, जेकर उपयोग अनुवाद के गुणवत्ता के मूल्यांकन करे के लेल कैल जा सकई हई। |
78e2cf228287d7e995c6718338e3ec58dc7cca50 | |
7674e4e66c60a4a31d0b68a07d4ea521cca8a84b | फ़ज़ीलॉग एगो आंशिक रूप से आदेशित साझा लॉग अमूर्तता हई। वितरित अनुप्रयोग एक साथ आंशिक आदेश में जोड़ सको हय और एकरा वापस चला सको हय। फ़ज़ीलॉग अनुप्रयोग एगो अंतर्निहित साझा लॉग के लाभ प्राप्त करई हई - एकर कमियों के बिना - सरल तरीका से मजबूत स्थिरता, स्थायित्व अउर विफलता परमाणुता के निकालके। आंशिक क्रम के उजागर करके, फजीलॉग अनुप्रयोगों के लिए तीन प्रमुख क्षमताओं के सक्षम करो हय: थ्रूपुट और क्षमता के लिए रैखिक स्केलिंग (एटॉमिकिटी के त्याग के बिना), कमजोर स्थिरता गारंटी, और नेटवर्क विभाजन के लिए सहिष्णुता। हम डैपल, फजीलॉग अमूर्तता के एक वितरित कार्यान्वयन प्रस्तुत करई हई जे आंशिक आदेश के कॉम्पैक्ट रूप से संग्रहीत करई हई अउर एगो नया ऑर्डरिंग प्रोटोकॉल के माध्यम से कुशल ऐड / प्लेबैक के समर्थन करई हई। हम फजीलॉग पर कैगो डेटा संरचना अउर अनुप्रयोग लागू करई हई, जोनमे कैगो नक्शा संस्करण के जौरे-जौरे एगो ज़ूकीपर कार्यान्वयन शामिल छलई। हमार मूल्यांकन से पता चलई हई कि ई अनुप्रयोग कॉम्पैक्ट, तेज अउर लचीला हई: ई साझा लॉग डिज़ाइन के सादगी (100 के दशक के कोड लाइन) अउर मजबूत शब्दार्थ (दीर्घायु आउर विफलता परमाणुता) के बरकरार रखई हई, जबकि रैखिक स्केलेबिलिटी के लेल फजीलॉग के आंशिक आदेश के शोषण करई हई, लचीला सुसंगतता गारंटी (जैसे, कारण + सुसंगतता), अउर नेटवर्क विभाजन सहिष्णुता। 6-नोड डैपल परिनियोजन पर, हमार फजीलॉग-आधारित ज़ूओकीपर 3 एम/सेक एकल-कुंजी लेखन, और 150 केएल/सेक परमाणु क्रॉस-शार्ड नामकरण के समर्थन करई हई। |
38bcf0bd4f8c35ff54d292d37cbdca1da677f3f5 | श्रवण योग्य बायोसेंसर (डब्ल्यूबीएस) कई उपन्यास सेटिंग्स में निरंतर हृदय (सीवी) निगरानी के अनुमति देवो हय। कई प्रमुख बीमारि के निदान और उपचार में लाभ के एहसास हो सको हय। WBS, उपयुक्त अलार्म एल्गोरिदम के संयोजन में, उच्च जोखिम वाला विषयों के लिए CV आपदा के लिए निगरानी क्षमताओं के बढ़ा सको हय। डब्ल्यूबीएस पुरानी बीमारि के उपचार में एगो भूमिका निभा सकई हई, ऊ जानकारी प्रदान करके जे चिकित्सा के सटीक उपाधि के सक्षम करई हई चाहे रोगी के अनुपालन में चूक के पता लगा सकई हई। डब्ल्यूबीएस खतरनाक संचालन (सैन्य, अग्निशमन, आदि) के दौरान लोग के वायरलेस निगरानी में महत्वपूर्ण भूमिका निभा सको हय। ), या ऐसन सेंसर के बड़े पैमाने पर नागरिक हताहत घटना के दौरान वितरित कैल जा सकई छलई। चूंकि सीवी फिजियोलॉजिकल पैरामीटर " महत्वपूर्ण संकेत " के निर्माण करो हय जे आपातकालीन चिकित्सा स्थितिय में सबसे महत्वपूर्ण जानकारी हय, डब्ल्यूबीएस बड़ी संख्या में जोखिम वाले विषयों के लिए वायरलेस निगरानी प्रणाली के सक्षम कर सको हय। ईहे दृष्टिकोण आज के अति-व्यस्त आपातकालीन विभाग के प्रतीक्षा कक्ष के निगरानी में भी उपयोगी हो सकई हई। सीवी निगरानी के आवश्यकता वाला अस्पताल के मरीज के लेल, वर्तमान बायोसेंसर तकनीक आमतौर पर मरीज के केबल के एक उलझन में बांधई हई, जबकि पहनने योग्य सीवी सेंसर अस्पताल में रोगी के आराम बढ़ा सकई हई अउर ई ट्रिप अउर गिरने के जोखिम के कम कर सकई हई, अस्पताल के मरीज के लेल एगो बारहमासी समस्या जे बीमार हई, दवा के अधीन हई, अउर एगो अपरिचित सेटिंग में। दैनिक आधार पर, पहनावे योग्य सीवी सेंसर अनियंत्रित उच्च रक्तचाप के संवेदन करके दवा के एगो चूकल खुराक के पता लगा सकई हई अउर रोगी के दवा लेबे के लेल एगो स्वचालित अनुस्मारक के ट्रिगर कर सकई हई। एकरा अलावा, डॉक्टर के लिए उच्च रक्तचाप के उपचार के टाइट्रेट करनाई महत्वपूर्ण हई, काहेकी अपर्याप्त चिकित्सा के जौरे-जौरे अत्यधिक चिकित्सा (असामान्य रूप से कम रक्तचाप के तरफ ले जाई हई) मृत्यु दर बढ़ाबई हई। हालांकि, स्वास्थ्य सेवा प्रदाता के पास उपचार निर्णय के आधार पर रक्तचाप के केवल आंतरायिक मूल्य हय; इ संभव हय कि निरंतर रक्तचाप निगरानी उपचार के बढ़ाएल गेल उपाख्यान और मृत्यु दर में कमी के अनुमति देवो। येही तरह, डब्ल्यूबीएस एगो रोगी के व्यायाम प्रयास के शारीरिक हस्ताक्षर (दिल के गति और रक्तचाप में परिवर्तन के रूप में प्रकट) के लॉग करे में सक्षम होतय, रोगी और स्वास्थ्य सेवा प्रदाता के स्वास्थ्य परिणाम के बेहतर करे के लिए सिद्ध आहार के अनुपालन के आकलन करे के अनुमति देवो हय। पुरानी हृदय रोग, जैसे हृदय विफलता के साथे मरीज के लिए, डब्ल्यूबीएस के नियोजित करे वाला घरेलू निगरानी बहुत शुरुआती (और अक्सर आसानी से इलाज योग्य) चरणों में घातकता के पता लगा सको हय, रोगी के अधिक खतरनाक स्तर तक प्रगति करे से बहुत पहले जेकरा आपातकालीन कक्ष के यात्रा और महंगे अस्पताल में भर्ती के आवश्यकता होवो हय। इ लेख में हम तकनीकी अउर नैदानिक दुनु के उल्लेख करबई ... |
86c9a59c7c4fcf0d10dbfdb6afd20dd3c5c1426c | फिंगरप्रिंट वर्गीकरण एगो फिंगरप्रिंट डेटाबेस में एगो महत्वपूर्ण अनुक्रमण तंत्र प्रदान करई हई। एक सटीक और सुसंगत वर्गीकरण एक बड़े डेटाबेस के लिए फिंगरप्रिंट मिलान समय को बहुत कम कर सकता है। हम एगो फिंगरप्रिंट वर्गीकरण एल्गोरिथ्म प्रस्तुत करई हई जे साहित्य में पहिले से रिपोर्ट कैल गेल सटीकता से बेहतर प्राप्त करे में सक्षम छलो। हम फिंगरप्रिंट के पांच श्रेणी में वर्गीकृत कर हई: घुमावदार, दाहिना लूप, बायां लूप, मेहराब, और तम्बू मेहराब। एल्गोरिथ्म एक उपन्यास प्रतिनिधित्व (फिंगरकोड) के उपयोग करो हय और वर्गीकरण करे के लिए दो-चरण वर्गीकरण पर आधारित होवो हय। एकरा एनआईएसटी -4 डेटाबेस में 4,000 छवि पर परीक्षण कैल गेल हई। पांच-वर्ग समस्या के लिए, 90 प्रतिशत के वर्गीकरण सटीकता प्राप्त कियल जा हय (विशेषता निष्कर्षण चरण के दौरान 1.8 प्रतिशत अस्वीकृति के साथे) । चार-वर्ग के समस्या के लिए (आर्क और टेंट आर्क को एक वर्ग में मिलाकर), हम 94.8 प्रतिशत (1.8 प्रतिशत अस्वीकृति के साथ) के वर्गीकरण सटीकता प्राप्त करने में सक्षम हैं। वर्गीकरणकर्ता पर एक अस्वीकार विकल्प को शामिल करके, वर्गीकरण सटीकता को पांच-वर्ग वर्गीकरण कार्य के लिए 96 प्रतिशत तक बढ़ाया जा सकता है, और कुल 32.5 प्रतिशत छवियों के अस्वीकार होने के बाद चार-वर्ग वर्गीकरण कार्य के लिए 97.8 प्रतिशत तक। |
a2ed347d010aeae4ddd116676bdea2e77d942f6e | इ पेपर में फिंगरप्रिंट वर्गीकरण एल्गोरिथ्म प्रस्तुत कैल गेल हई। फिंगरप्रिंट के पांच श्रेणियों में वर्गीकृत कियल जावो हय: आर्क, टेंट आर्क, लेफ्ट लूप, राइट लूप और व्हिरल। एल्गोरिथ्म एगो फिंगरप्रिंट छवि में सिंगुलर बिंदु (कोर अउर डेल्टा) के निकालई हई अउर पता लगाएल गेल सिंगुलर बिंदु के संख्या अउर स्थान के आधार पर वर्गीकरण करई हई। वर्गीकरणकर्ता घूर्णन, अनुवाद और पैमाना के परिवर्तन के छोटी मात्रा के लिए अपरिवर्तनीय हय। वर्गीकरणकर्ता नियम-आधारित हई, जहां नियम कोनो देल गेल डेटा सेट से स्वतंत्र रूप से उत्पन्न होई हई। वर्गीकरणकर्ता के NIST-4 डेटाबेस में 4000 छवियों पर और NIST-9 डेटाबेस में 5400 छवियों पर परीक्षण कियल गलय हल। NIST-4 डेटाबेस के लिए, पांच-वर्ग के समस्या के लिए 85.4% और चार-वर्ग के समस्या के लिए 91.1% (आर्क और टेंट वाले आर्क के साथ एक ही श्रेणी में रखा गया) के वर्गीकरण सटीकता प्राप्त की गई थी। एक अस्वीकार विकल्प के उपयोग करके, 10% फिंगरप्रिंट छवियों के अस्वीकार करे के साथ चार-वर्ग वर्गीकरण त्रुटि के 6% से कम कर देवल जा सको हय। समान वर्गीकरण प्रदर्शन NIST-9 डेटाबेस पर प्राप्त कैल गेल रहई। |
b07ce649d6f6eb636872527104b0209d3edc8188 | |
3337976b072405933a02f7d912d2b6432de38feb | ई कागज के तीन भाग में बानल गेल हे: सामान्य रूप से सारांश के प्रारंभिक प्रकार; वर्तमान और नियोजित मॉड्यूल के विवरण और संक्षिप्त रूप से विकसित कैल जा रहल स्वचालित बहुभाषी पाठ सारांश प्रणाली के प्रदर्शन के वर्णन; और सारांश के मूल्यांकन के तीन विधियों के चर्चा। 1. हल T H E N A T U R E O F S U M A R I E S 1950 के दशक के अंत में और 60 के दशक के शुरुआत में प्रारंभिक प्रयोग से पता चललई कि कंप्यूटर द्वारा पाठ सारांश संभव रहई, हालांकि सीधा न रहई (लुहन, 59; एडमंडसन, 68) । तब विकसित विधियां काफी सरल हलय, मुख्य रूप से सतह स्तर के घटना जैसे वाक्य स्थिति और शब्द आवृत्ति गणना पर निर्भर हलय, और सार (पाठ के व्याख्याित भाग, नया उत्पन्न) के बजाय अर्क (पाठ से चुनल गेल मार्ग, शाब्दिक रूप से पुनः उत्पन्न) के उत्पादन पर केंद्रित हलय। कुछ दशक के अंतराल के बाद, ऑनलाइन पाठ के बड़ी मात्रा में बढ़ते उपस्थिति - कॉर्पोरेस में और विशेष रूप से वेब पर - स्वचालित पाठ सारांश में रुचि के नवीनीकृत कैलकय। येई बीच के दशक के दौरान, प्राकृतिक भाषा प्रसंस्करण (एनएलपी) में प्रगति, कंप्यूटर मेमोरी अउर गति में बड़का वृद्धि के जौरे, बहुत उत्साहजनक परिणाम के जौरे अधिक परिष्कृत तकनीक के संभव बना देलई। 1990 के दशक के अंत में, अमेरिका में कुछ अपेक्षाकृत छोटे शोध निवेश (माइक्रोसॉफ्ट, लेक्सिस-नेक्सिस, ओरेकल, एसआरए और टेक्स्टवाइज में वाणिज्यिक प्रयासों और सीएमयू, एनएमएसयू, यूपीएन और यूएससी / आईएसआई में विश्वविद्यालय के प्रयासों सहित 10 से अधिक परियोजनाएं) तीन या चार वर्षों में कई प्रणालियों का उत्पादन किया है जो संभावित विपणन क्षमता प्रदर्शित करते हैं, साथ ही कई नवाचार जो निरंतर सुधार का वादा करते हैं। एकरा अलावा, कैगो हालिया कार्यशाला, एगो पुस्तक संग्रह अउर कैगो ट्यूटोरियल गवाही देई हई कि स्वचालित पाठ सारांश एगो गर्म क्षेत्र बन गेल हई। हालांकि, जब कोई विभिन्न प्रणालि के अध्ययन करे और वास्तव में की हासिल कैल गेलय हय, पर विचार करे के लिए एक क्षण लेवो हय, तओ ओकर अंतर्निहित समानता, ओकर ध्यान के संकीर्णता और समस्या के आसपास के अज्ञात कारकों के बड़ी संख्या से प्रभावित होवे के मदद नए कैल जा सको हय। उदाहरण के लिए, एक सारांश वास्तव में क्या है? कोय नञ्, कोय नञ्, कोय नञ् समझ सकऽ हइ। हमर काम में, हम संक्षेप के सामान्य शब्द के रूप में उपयोग करई हई अउर एकरा ई प्रकार परिभाषित करई हईः एगो सारांश एगो पाठ हई जे एक चाहे अधिक (संभवतः मल्टीमीडिया) पाठ से निर्मित होई हई, जोनमे मूल पाठ के समान जानकारी होई हई (कुछ), अउर जे मूल पाठ के आधा से बेसी ना होई हई। चित्र के थोड़ा सा स्पष्ट करे के लिए, हम भिन्नता के निम्नलिखित पहलुओं के पहचान करके अनुसरण और विस्तार (स्पिरिक जोन्स, 97) करते हैं। कोनो सारांश के विशेषता के (कम से कम) तीन प्रमुख वर्ग के विशेषता हो सको हय: इनपुटः स्रोत पाठ के विशेषताएं) स्रोत आकारः एकल-दस्तावेज़ v s . बहु-दस्तावेज़ः एगो एकल-दस्तावेज़ सारांश एगो एकल इनपुट पाठ से प्राप्त होई हई (हालांकि सारांश प्रक्रिया स्वयं अन्य पाठ से पहिले संकलित जानकारी के उपयोग कर सकई हई) । एगो बहु-दस्तावेज सारांश एगो पाठ हई जे एक से अधिक इनपुट पाठ के सामग्री के कवर करई हई, अउर आमतौर पर केवल तभी उपयोग कैल जाई हई जब इनपुट पाठ विषयगत रूप से संबंधित होई छलई। विशिष्टता: डोमेन-विशिष्ट बनाम सामान्य: जब इनपुट पाठ सभे एगो डोमेन से संबंधित होई हई, त सामान्य मामला के तुलना में डोमेन-विशिष्ट सारांश तकनीक के लागू करनाई, विशिष्ट सामग्री पर ध्यान केंद्रित करनाई, अउर विशिष्ट प्रारूप के आउटपुट करनाई उचित हो सकई हई। एगो डोमेन-विशिष्ट सारांश इनपुट टेक्स्ट (एस) से प्राप्त होई हई जेकर थीम (एस) एगो एकल प्रतिबंधित डोमेन से संबंधित होई हई। येई प्रकार, ई कम शब्द अस्पष्टता, विशिष्ट शब्द अउर व्याकरण उपयोग, विशेष स्वरूपण आदि के मान सकई हई, अउर ई सारांश में प्रतिबिंबित कर सकई हई। |
25126128faa023d1a65a47abeb8c33219cc8ca5c | हम बड़े पैमाने पर कर्नेल विधियों के लिए Nyström प्रकार के उप-नमूनाकरण दृष्टिकोण का अध्ययन करते हैं, और सांख्यिकीय सीखने की सेटिंग में सीखने की सीमाओं को साबित करते हैं, जहां यादृच्छिक नमूनाकरण और उच्च संभावना अनुमानों पर विचार किया जाता है। विशेष रूप से, हम साबित करो हय कि इ दृष्टिकोण इष्टतम सीखने के सीमा के प्राप्त कर सको हय, बशर्ते कि उप-नमूनाकरण स्तर के उपयुक्त रूप से चुनल जा हय। ई परिणाम Nyström कर्नेल रेगुलेराइज्ड लिस्ट स्क्वायर के एगो सरल वृद्धिशील संस्करण के सुझाव देई हई, जहां उप-नमूनाकरण स्तर कम्प्यूटेशनल रेगुलेराइजेशन के एगो रूप के लागू करई हई, येई अर्थ में कि ई एके समय में रेगुलेराइजेशन अउर गणना के नियंत्रित करई हई। व्यापक प्रयोगात्मक विश्लेषण से पता चलई हई कि विचार कैल गेल दृष्टिकोण बेंचमार्क बड़े पैमाने पर डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त करई हई। |
414573bcd1849b4d3ec8a06dd4080b62f1db5607 | वितरित सेवा-अस्वीकार (डीडीओएस) हमला इंटरनेट-व्यापी खतरा पैदा करई छलई। हम डी-वर्ड, एगो डीडीओएस रक्षा प्रणाली के प्रस्ताव रखई हई जे स्रोत-अंत नेटवर्क पर तैनात हई जे स्वचालित रूप से येई नेटवर्क से उत्पन्न होए वाला हमला के पता लगाबई अउर रोकई हई। नेटवर्क अउर शेष इंटरनेट के बीच द्वि-दिशात्मक यातायात प्रवाह के निरंतर निगरानी अउर सामान्य प्रवाह मॉडल के जौरे आवधिक तुलना के माध्यम से हमला के पता लगाएल जाई छलई। असंगत प्रवाह के दर उनकर आक्रामकता के अनुपात में सीमित हय। डी-वार्ड एगो हमला के दौरान भी वैध यातायात के लेल अच्छा सेवा प्रदान करई हई, जबकि प्रभावी रूप से डीडीओएस यातायात के नगण्य स्तर तक कम करई हई। सिस्टम के एगो प्रोटोटाइप के लिनक्स राउटर में बनावल गेल हई। हम विभिन्न हमला परिदृश्य में एकर प्रभावशीलता के दर्शाबई, तैनाती के लेल प्रेरणा के चर्चा करई हई, अउर संबंधित लागत के वर्णन करई हई। |
705a24f4e1766a44bbba7cf335f74229ed443c7b | चेहरा के पहचान करे वाला एल्गोरिदम आमतौर पर मानो हय कि चेहरा के छवियां अच्छी तरह से संरेखित हय और एक समान मुद्रा हय - फिर भी कई व्यावहारिक अनुप्रयोग में इ शर्तों के पूरा करना असंभव हय। येहिलेल, चेहरा के पहचान के बिना चेहरा के छवियों तक विस्तारित करनाई अनुसंधान के एक सक्रिय क्षेत्र बन गेल हई। एकरा लेल, स्थानीय बाइनरी पैटर्न (एलबीपी) के हिस्टोग्राम चेहरा के पहचान के लेल अत्यधिक भेदभावपूर्ण वर्णक साबित होलई। एकरा बावजूद, अधिकांश एलबीपी-आधारित एल्गोरिदम एगो कठोर डिस्क्रिप्टर मिलान रणनीति के उपयोग करई हई जे मुद्रा भिन्नता अउर गलत संरेखण के खिलाफ मजबूत ना छलई। हम चेहरा के पहचान के लेल दू एल्गोरिदम प्रस्तावित करई हई जे मुद्रा भिन्नता अउर गलत संरेखण से निपटे के लेल डिज़ाइन कैल गेल हई। हम इल्लुमिनेशन नॉर्मलाइजेशन स्टेप के भी शामिल कर हई जे रोशनी के बदलाव के खिलाफ मजबूती के बढ़ाबई हई। प्रस्तावित एल्गोरिदम एलबीपी के हिस्टोग्राम के आधार पर डिस्क्रिप्टर के उपयोग करो हय और क्रमशः स्थानिक पिरामिड मिलान (एसपीएम) और नेव बेज़ निकटतम पड़ोसी (एनबीएनएन) के साथे डिस्क्रिप्टर मिलान करो हय। हमार योगदान लचीला स्थानिक मिलान योजना के शामिल करेक हय जे छवि-से-वर्ग संबंध के उपयोग करते हैं, ताकि इंट्रा-क्लास भिन्नता के संबंध में बेहतर विश्वसनीयता प्रदान कैल जा सके। हम प्रस्तावित एल्गोरिदम के सटीकता के तुलना एहोन के मूल एलबीपी-आधारित चेहरा पहचान प्रणाली और चार मानक डेटा सेट पर दो आधारभूत समग्र वर्गीकरणकर्ता से करई छी। हमार परिणाम बताबई हई कि एनबीएनएन पर आधारित एल्गोरिथ्म दोसर समाधान के बेहतर प्रदर्शन करई हई, अउर ई मुद्रा भिन्नता के उपस्थिति में अधिक स्पष्ट रूप से करई छलई। |
fb8704210358d0cbf5113c97e1f9f9f03f67e6fc | पिछले 10 वर्षों में कंप्यूटर विजन के क्षेत्र में सामग्री-आधारित दृश्य सूचना पुनर्प्राप्ति (सीबीवीआईआर) या सामग्री-आधारित छवि पुनर्प्राप्ति (सीबीआईआर) सबसे ज्वलंत अनुसंधान क्षेत्रों में से एक रहा हय। दृश्य और मल्टीमीडिया डेटा के बड़ी और लगातार बढ़ल मात्रा के उपलब्धता, और इंटरनेट के विकास विषयगत पहुंच विधियों के निर्माण के आवश्यकता पर जोर देवो हय जे सरल पाठ-आधारित क्वेरी या सटीक डेटाबेस फ़ील्ड के मिलान के आधार पर अनुरोध से अधिक प्रदान करो हय। दृश्य या ऑडियो सामग्री के आधार पर क्वेरी तैयार करे और निष्पादित करे के लिए और बड़े मल्टीमीडिया रिपॉजिटरी के ब्राउज़ करे में मदद करे के लिए कई कार्यक्रम और उपकरण विकसित कियल गलय हा। फिर भी, विभिन्न प्रकार के और विभिन्न विशेषताओं वाले दस्तावेजों के साथ बड़े विविध डेटाबेस के संबंध में कोई सामान्य सफलता हासिल नए कियल गलय हा। गति, अर्थ संबंधी विवरण या उद्देश्य छवि व्याख्या के संबंध में कई प्रश्नों के उत्तर अभी भी अनुत्तरित हय। चिकित्सा क्षेत्र में, छवियां, और विशेष रूप से डिजिटल छवियां, लगातार बढ़ते मात्रा में निर्मित होवो हय और निदान और चिकित्सा के लिए उपयोग कियल जा हय। जेनेवा के यूनिवर्सिटी अस्पताल के रेडियोलॉजी विभाग अकेले 2002 में एक दिन में 12,000 से अधिक छवियां तैयार कैलकय हल। कार्डियोलॉजी वर्तमान में डिजिटल इमेज के दूसरा सबसे बड़ा उत्पादक हय, विशेष रूप से कार्डियक कैथेटराइजेशन के वीडियो के साथ (प्रति वर्ष लगभग 1800 परीक्षा जेकरा मे प्रत्येक में लगभग 2000 छवियां होवो हय) । जेनेवा विश्वविद्यालय अस्पताल में 2002 में उत्पादित कार्डियोलॉजिकल इमेज डेटा के कुल मात्रा लगभग 1 टीबी रहई। एंडोस्कोपिक वीडियो समान रूप से भारी मात्रा में डेटा उत्पन्न कर सको हय। चिकित्सा में डिजिटल इमेजिंग अउर संचार (डीआईसीओएम) के जौरे, छवि संचार के लेल एगो मानक स्थापित कैल गेल हई अउर रोगी के जानकारी के वास्तविक छवि के जौरे संग्रहीत कैल जा सकई हई, हालांकि मानकीकरण के संबंध में अभीयो कुछ समस्या मौजूद छलई। कैगो लेख में नैदानिक निर्णय लेवे के समर्थन के लेल चिकित्सा छवि के लेल सामग्री-आधारित पहुंच के प्रस्ताव देल गेल हई जे नैदानिक डेटा के प्रबंधन के आसान बनाबे अउर चित्र संग्रहण अउर संचार प्रणाली (पीएसीएस) में सामग्री-आधारित पहुंच विधि के एकीकरण के लेल परिदृश्य के निर्माण कैल गेल हई। ई लेख चिकित्सा छवि डेटा के सामग्री-आधारित पहुंच के क्षेत्र में अउर क्षेत्र में उपयोग कैल जाए वाला प्रौद्योगिकि पर उपलब्ध साहित्य के एगो सिंहावलोकन प्रदान करई हई। खंड 1 में सामान्य सामग्री-आधारित छवि पुनर्प्राप्ति और उपयोग कैल जाए वाला प्रौद्योगिकि के परिचय देल गेल हई। खंड 2 चिकित्सा अभ्यास में छवि पुनर्प्राप्ति के उपयोग के लिए प्रस्तावों और विभिन्न दृष्टिकोणों के व्याख्या करो हय। उदाहरण प्रणालि और अनुप्रयोग क्षेत्र के वर्णन कियल गलय हा। खंड 3 में लागू प्रणालि में उपयोग कैल जाए वाला तकनीक, ओकर डेटासेट अउर मूल्यांकन के वर्णन कैल गेल हई। खंड 4 नैदानिक अभ्यास के साथे-साथ अनुसंधान और शिक्षा में छवि पुनर्प्राप्ति प्रणालि के संभावित नैदानिक लाभ के पहचान करो हय। नया शोध दिशा के परिभाषित कैल जा रहल हई जे उपयोगी साबित हो सकई हई। ई लेख क्षेत्र में उल्लिखित कुछ समस्या के व्याख्या के भी पहचान करो हय काहेकी ऐसन लगो हय कि चिकित्सा डोमेन से सिस्टम के लिए कई प्रस्ताव बनायल जा हय और चिकित्सा डेटासेट के उपयोग करके कंप्यूटर विज्ञान विभाग में अनुसंधान प्रोटोटाइप विकसित कैल जा हय। फिर भी, बहुत कम प्रणालि हय जे क्लिनिकल अभ्यास में उपयोग कियल जा हय। ई भी कहल जाए के चाहि कि लक्ष्य आम तौर पर, वर्तमान में मौजूद पाठ-आधारित पुनर्प्राप्ति विधियों के प्रतिस्थापित करे के लिए नय हय, बल्कि ऊ दृश्य खोज उपकरण के साथे पूरक हय। |
38919649ae3fd207b96b62e95b3c8c8e69635c7f | ई अध्ययन वायरलेस मोबाइल एड-हॉक नेटवर्क के लेल प्रस्तावित तीन रूटिंग प्रोटोकॉल के तुलना हई। प्रोटोकॉल हई: गंतव्य अनुक्रमिक दूरी वेक्टर (डीएसडीवी), तदर्थ ऑन डिमांड दूरी वेक्टर (एओडीवी) अउर डायनामिक सोर्स रूटिंग (डीएसआर) । एगो परिदृश्य पर व्यापक सिमुलेशन कैल जाई हई जहां नोड्स बेतरतीब ढंग से चलई हई। परिणाम के एक परिदृश्य में नोड्स के सापेक्ष गति के प्रतिबिंबित करे के लिए डिज़ाइन कियल गेल एक उपन्यास गतिशीलता मीट्रिक के एक फ़ंक्शन के रूप में प्रस्तुत कियल गलय हा। एकरा अलावा, अधिक विशिष्ट संदर्भ में प्रोटोकॉल के परीक्षण करे के लिए तीन यथार्थवादी परिदृश्य के पेश कैल गेल हई। अधिकांश सिमुलेशन में प्रतिक्रियाशील प्रोटोकॉल (एओडीवी और डीएसआर) डीएसडीवी से काफी बेहतर प्रदर्शन कैलकय। मध्यम यातायात भार पर DSR सभी परीक्षणित गतिशीलता मानों के लिए AODV से बेहतर प्रदर्शन कैलकय, जबकि AODV उच्च यातायात भार पर DSR से बेहतर प्रदर्शन कैलकय। उत्तरार्द्ध डीएसआर डेटा पैकेट में स्रोत मार्ग के कारण होवो हय, जे नेटवर्क पर भार बढ़ावो हय। राउटर अउर मेजबान, येई प्रकार एगो नोड दोसर नोड के बीच पैकेट के अग्रेषित कर सकई हई अउर उपयोगकर्ता अनुप्रयोग के चला सकई हई। मोबाइल तदर्थ नेटवर्क हाल के कैगो शोध अउर विकास प्रयास के केंद्र रहल हई। तदर्थ पैकेट रेडियो नेटवर्क अब तक मुख्य रूप से सैन्य अनुप्रयोगों से संबंधित हय, जहां एक विकेन्द्रीकृत नेटवर्क विन्यास एक परिचालन लाभ या एक आवश्यकता हय। तदर्थ विन्यास अवधारणा के उपयोग करे वाला नेटवर्क के उपयोग कैगो सैन्य अनुप्रयोग में कैल जा सकई हई, जे इंटरकनेक्टेड वायरलेस एक्सेस पॉइंट से लेके व्यक्ति द्वारा ले जाए वाला वायरलेस डिवाइस के नेटवर्क तक, उदाहरण के लेल, डिजिटल मानचित्र, शरीर से जुड़ल सेंसर, आवाज संचार आदि तक हो सकई हई। व्यापक रेंज अउर लघु रेंज के तदर्थ नेटवर्क के संयोजन प्रतिकूल संचालन परिस्थिति में भी मजबूत, वैश्विक कवरेज प्रदान करे के प्रयास करई छलई। |
0f7329cf0d388d4c5d5b94ee52ad2385bd2383ce | सुपरवोक्सल विभाजन के प्रारंभिक वीडियो विश्लेषण में शामिल करे के मजबूत क्षमता हय काहेकी सुपरपिक्सेल विभाजन के छवि विश्लेषण में हय। हालांकि, कई प्रशंसनीय सुपरवोक्सल विधियां हय और इ बात के कम समझ हय कि प्रत्येक कब और कहां सबसे उपयुक्त हय। वास्तव में, हम सुपरवोक्सल विभाजन पर एक भी तुलनात्मक अध्ययन के बारे में नहीं जानते हैं। एकरा लेल, हम सात सुपरवोक्सल एल्गोरिदम के अध्ययन करई हई, जोनमे ऑफ-लाइन अउर स्ट्रीमिंग दुनु विधि शामिल हई, जेकरा हम एगो अच्छा सुपरवोक्सल मानई हईः अर्थात्, स्थानिक-समयिक एकरूपता, ऑब्जेक्ट / क्षेत्र सीमा पहचान, क्षेत्र संपीड़न अउर परजीवी। मूल्यांकन के लेल हम येई वांछनीय सुपरवोक्सल विशेषता के मापे के लेल सात गुणवत्ता मीट्रिक के एगो व्यापक सूट प्रस्तावित करई छियई। एकर अलावा, हम सुपरवोक्सल वर्गीकरण कार्य में विधियों के मूल्यांकन वीडियो विश्लेषण में सुपरवोक्सल के बाद के उच्च-स्तरीय उपयोग के लिए एक प्रॉक्सी के रूप में करो हय। हम विभिन्न प्रकार के सामग्री और घने मानव एनोटेशन के साथ छह मौजूदा बेंचमार्क वीडियो डेटासेट के उपयोग करते हैं। हमार निष्कर्ष हमरा निर्णायक सबूत तक ले गेल हई कि सात विधियन में पदानुक्रमित ग्राफ-आधारित (जीबीएच), भारित एकत्रीकरण द्वारा विभाजन (एसडब्ल्यूए) अउर समसामयिक सुपरपिक्सेल (टीएसपी) विधियां शीर्ष-प्रदर्शनकर्ता हई। ऊ सब विभाजन सटीकता के संदर्भ में अच्छा प्रदर्शन करो हय, लेकिन अन्य वांछित डेटा के संबंध में भिन्न होवो हय: जीबीएच ऑब्जेक्ट सीमा के सबसे अच्छा कैप्चर करो हय; एसडब्ल्यूए में क्षेत्र संपीड़न के लिए सबसे अच्छा क्षमता होवो हय; और टीएसपी सबसे अच्छा उप-खंडन त्रुटि प्राप्त करो हय। |
50dea03d4feb1797f1d5c260736e1cf7ad6d45ca | हम तेजी से बढ़े वाला फाइब्रोएडेनोमा के एक मामले की रिपोर्ट कर रहल हई। एगो 13 वर्षीय लड़की बाएं स्तन के द्रव्यमान के बारे में आउट पेशेंट क्लिनिक में परामर्श कैलकय। क्लिनिकल परीक्षा द्वारा द्रव्यमान के फाइब्रोएडेनोमा के रूप में निदान कैल गेल रहई, अउर रोगी के सावधानी से निगरानी कैल गेल रहई। प्रत्येक मासिक धर्म के साथ द्रव्यमान तेजी से बढ़ोतरी होलई अउर चार महीने बाद आयतन में 50% वृद्धि होलई। लैंपेक्टोमी कैल गेल रहई। ट्यूमर के हिस्टोलॉजिकल रूप से फाइब्रोएडेनोमा ऑर्गनाइज्ड टाइप के रूप में निदान कैल गेल रहई अउर कैगो ग्रंथि संबंधी एपिथेलियल कोशिका के नाभिक में एंटी- एस्ट्रोजन रिसेप्टर एंटीबॉडी के लेल सकारात्मक इम्यूनोहिस्टोकेमिकल कलरिंग रहई। निष्कर्ष ट्यूमर के एस्ट्रोजेन संवेदनशीलता तेजी से विकास के लिए जिम्मेदार हो सको हय। |
0674c1e2fd78925a1baa6a28216ee05ed7b48ba0 | प्रो. के द्वारा कंप्यूटर विजन पर अंतर्राष्ट्रीय सम्मेलन, कोर्फू (सितंबर 1999) के अनुसार एक ऑब्जेक्ट मान्यता प्रणाली विकसित कियल गलय हा जे स्थानीय छवि सुविधा के एक नया वर्ग के उपयोग करो हय। विशेषता छवि स्केलिंग, अनुवाद और रोटेशन के लिए अपरिवर्तनीय हय, और आंशिक रूप से रोशनी में परिवर्तन और आत्मीय या 3 डी प्रक्षेपण के लिए अपरिवर्तनीय हय। इ विशेषता निम्न temporal cortex में न्यूरॉन्स के साथे समान गुण साझा करो हय जे प्राइमेट दृष्टि में वस्तु मान्यता के लिए उपयोग कैल जा हय। पैमाना के स्थान में स्थिर बिंदु के पहचान करे वाला चरणबद्ध फ़िल्टरिंग दृष्टिकोण के माध्यम से विशेषता के कुशलता से पता लगावल जा हय। इमेज कुंजी बनायल जा हय जे बहुमुखीकरण विमानों में और कई पैमाने पर धुंधली छवि ढाल के प्रतिनिधित्व करके स्थानीय ज्यामितीय विरूपण के अनुमति देवो हय। कुंजी के उपयोग निकटतम-पड़ोसी अनुक्रमण विधि के लिए इनपुट के रूप में कियल जा हय जे उम्मीदवार ऑब्जेक्ट मैच के पहचान करो हय। प्रत्येक मैच के अंतिम सत्यापन अज्ञात मॉडल पैरामीटर के लिए कम अवशिष्ट सबसे कम वर्ग समाधान के खोज करके प्राप्त कैल जा हय। प्रायोगिक परिणाम से पता चलई हई कि 2 सेकंड से कम के गणना समय के जौरे अव्यवस्थित आंशिक रूप से अवरुद्ध छवियों में मजबूत वस्तु मान्यता प्राप्त कैल जा सकई हई। |
bbb9c3119edd9daa414fd8f2df5072587bfa3462 | ई ओपन सोर्स कंप्यूटिंग फ्रेमवर्क नया अनुप्रयोग के अनलॉक करे के लेल स्ट्रीमिंग, बैच अउर इंटरैक्टिव बिग डेटा वर्कलोड के एकीकृत करई हई। |
18ca2837d280a6b2250024b6b0e59345601064a7 | विज्ञान के कैगो क्षेत्र खोजपूर्ण डेटा विश्लेषण अउर दृश्य पर निर्भर करई हई। बहु-चर डेटा के बड़ी मात्रा के विश्लेषण करे के आवश्यकता आयाम में कमी के मौलिक समस्या के उठावो हय: उच्च-आयामी डेटा के कॉम्पैक्ट प्रतिनिधित्व के कैसे खोजल जाए। इजा, हम स्थानीय रूप से रैखिक एम्बेडिंग (एलएलई) के परिचय दे हियो, एगो अनसुप्रवेषित सीखने के एल्गोरिथ्म जे उच्च-आयामी इनपुट के कम-आयामी, पड़ोस-संरक्षण एम्बेडिंग के गणना करो हय। स्थानीय आयाम में कमी के लेल क्लस्टरिंग विधियन के विपरीत, एलएलई अपन इनपुट के निचला आयाम के एगो वैश्विक निर्देशांक प्रणाली में मैप करई हई, अउर एकर अनुकूलन में स्थानीय न्यूनतम शामिल ना होई हई। रैखिक पुनर्निर्माण के स्थानीय समरूपता के शोषण करके, एलएलई गैर-रैखिक विविधता के वैश्विक संरचना के सीख सकई हई, जैसे कि चेहरा के छवि चाहे पाठ के दस्तावेज द्वारा उत्पन्न। |
a3bfe87159938a96d3f2037ff0fe10adca0d21b0 | जैसे-जैसे वाहनों में अधिक सॉफ्टवेयर मॉड्यूल और बाहरी इंटरफेस जोड़े जा रहल हई, नया हमला और कमजोरियां सामने आ रहल हई। शोधकर्ता येई बात के प्रदर्शन कैले हई कि कैसे वाहन में इलेक्ट्रॉनिक नियंत्रण इकाइ (ईसीयू) के समझौता कैल जाए अउर वाहन पैंतरेबाज़ी के नियंत्रित कैल जाए। येई कमजोरिय के मुकाबला करे के लेल, विभिन्न प्रकार के रक्षा तंत्र के प्रस्ताव देल गेल हई, लेकिन ऊ इन-व्हीकल नेटवर्क हमला के खिलाफ सुरक्षा-महत्वपूर्ण ईसीयू के लेल मजबूत सुरक्षा के आवश्यकता के पूरा ना कर सकई छलो। ई कमी के कम करे के लेल, हम एगो विसंगति-आधारित घुसपैठ के पता लगाबे वाला प्रणाली (आईडीएस) के प्रस्ताव रखई हई, जेकरा घड़ी-आधारित आईडीएस (सीआईडीएस) कहल जाई हई। ई ईसीयू के फिंगरप्रिंट करे के लेल वाहन में आवधिक संदेश के अंतराल के मापई अउर फेर उपयोग करई हई। इ प्रकार से प्राप्त फिंगरप्रिंट के उपयोग पुनरावर्ती न्यूनतम वर्ग (आरएलएस) एल्गोरिथ्म के साथ ईसीयू के घड़ी व्यवहार के आधार रेखा के निर्माण के लिए कियल जा हय। इ आधार रेखा के आधार पर, पहचान त्रुटि में कोनो असामान्य बदलाव के पता लगावे के लिए CIDS संचयी योग (CUSUM) के उपयोग करो हय - घुसपैठ के एक स्पष्ट संकेत। ई 0.055% के कम झूठी सकारात्मक दर के साथे वाहन में नेटवर्क घुसपैठ के त्वरित पहचान के अनुमति देई हई। अत्याधुनिक आईडीएस के विपरीत, यदि कोनो हमला के पता लगावल जा हय, तओ सीआईडीएस के ईसीयू के फिंगरप्रिंटिंग मूल कारण के विश्लेषण के सुविधा प्रदान करो हय; इ पहचानते हुए कि कौन सी ईसीयू हमला कैलकय हल। एगो सीएएन बस प्रोटोटाइप अउर वास्तविक वाहन पर हमर प्रयोग से पता चललई कि सीआईडीएस वाहन में नेटवर्क हमला के एगो विस्तृत श्रृंखला के पता लगाबे में सक्षम छलई। |
c567bdc35a40e568e0661446ac4f9b397787e40d | अल्ट्रा-लो पावर वायरलेस सेंसर नोड्स के लिए एक 2.4 GHz इंटरफेयर-रेसिस्टेंट वेक-अप रिसीवर एक अनिश्चित-IF दोहरे रूपांतरण टोपोलॉजी का उपयोग करता है, जो एक अनलॉक लो-क्यू रेज़ोनैटर-रेफरल स्थानीय थरथरानवाला के साथ एक वितरित बहु-चरण एन-पथ फ़िल्टरिंग तकनीक के संयोजन करता है। ई संरचना संकीर्ण-बैंड चयनात्मकता अउर हस्तक्षेप के खिलाफ मजबूत प्रतिरक्षा प्रदान करई हई, जबकि बीएडब्ल्यू अनुनाद चाहे क्रिस्टल जैसन महंगा बाहरी अनुनाद घटकों से बचे के लेल। 65 एनएम सीएमओएस रिसीवर प्रोटोटाइप -97 डीबीएम के संवेदनशीलता प्रदान करई हई अउर 5 मेगाहर्ट्ज ऑफसेट पर -27 डीबी से बेहतर कैरियर-टू-इंटरफेरर अनुपात, 10 केबी/एस के डेटा दर के लेल 10-3 बिट त्रुटि दर पर, जबकि 99 वी के वोल्टेज आपूर्ति से 0.5 वी के उपभोग करई हई। निरंतर संचालन। |
703244978b61a709e0ba52f5450083f31e3345ec | ई खंड में लेखक शोध साहित्य के साथे-साथ कॉलेज के संकाय के साथे एक-एक करके काम करे के बीस-सात साल के अनुभव से सीखल गेल सात सामान्य सिद्धांत के परिचय देई छलई। ऊ सीखना के मूल सिद्धांत के एक सेट के पहचान करे के लिए विभिन्न दृष्टिकोण (संज्ञानात्मक, विकासात्मक और सामाजिक मनोविज्ञान; शैक्षिक अनुसंधान; नृविज्ञान; जनसांख्यिकी; और संगठनात्मक व्यवहार) से अनुसंधान पर आधारित हई - प्रभावी संगठन कैसे जानकारी के पुनःप्राप्ति और उपयोग के बढ़ाबई हई, से प्रेरणा के प्रभावित करई हई। ई सिद्धांत प्रशिक्षक के छात्र के सीख के समझ प्रदान करई हई जे ओकरा ई देखे में मदद कर सकई हई कि कुछ शिक्षण दृष्टिकोण छात्र के सीख के समर्थन काहे करई हई चाहे काहे ना करई हई, शिक्षण दृष्टिकोण अउर रणनीति के उत्पन्न चाहे परिष्कृत करई हई जे विशिष्ट संदर्भ में छात्र के सीख के अधिक प्रभावी ढंग से बढ़ावा देइ हई, अउर येई सिद्धांत के नया पाठ्यक्रम में स्थानांतरित अउर लागू करई हई। |
52a345a29267107f92aec9260b6f8e8222305039 | ई पेपर Bianchini et al द्वारा Inside PageRank पेपर के साथी या विस्तार के रूप में कार्य करो हय। [19] ई ई पेजरैंक से जुड़ल सब मुद्दा के एगो व्यापक सर्वेक्षण हइ, जे बेसिक पेजरैंक मॉडल, उपलब्ध आउ अनुशंसित समाधान विधि, भंडारण मुद्दा, अस्तित्व, विशिष्टता, आउ अभिसरण गुण, बेसिक मॉडल में संभावित परिवर्तन, पारंपरिक समाधान विधि, संवेदनशीलता आउ कंडीशनिंग के सुझावल विकल्प, आउ अंत में अद्यतन समस्या के कवर करऽ हइ । हम कुछ नया परिणाम प्रस्तुत करई हई, एगो व्यापक संदर्भ सूची प्रदान करई हई, अउर भविष्य के शोध के रोमांचक क्षेत्र के बारे में अनुमान लगाबई हई। |
0e5c8094d3da52340b58761d441eb809ff96743f | 1, भाग 2 विषय हई इ पेपर में, हम पारंपरिक ऑन-चिप प्रतिबाधा-परिवर्तन विधियों के साथ नया रूप से पेश कियल गेल वितरित सक्रिय ट्रांसफार्मर (डीएटी) संरचना के प्रदर्शन के तुलना करो हय। मानक सिलिकॉन प्रक्रिया प्रौद्योगिकियों में उच्च-शक्ति पूरी तरह से एकीकृत एम्पलीफायरों के डिजाइन में उनकर मौलिक शक्ति-दक्षता सीमाओं के विश्लेषण कियल गलय हा। डीएटी एगो कुशल प्रतिबाधा-परिवर्तन अउर शक्ति-संयोजन विधि के रूप में प्रदर्शित कैल गेल हई, जे चुंबकीय युग्मन द्वारा श्रृंखला में कैगो कम-वोल्टेज पुश-पुल एम्पलीफायर के जोड़ई हई। नया अवधारणा के वैधता के प्रदर्शन करे के लेल, 0.35-μm CMOS ट्रांजिस्टर के उपयोग कैके 2,4-GHz 1,9-W 2-V पूर्ण एकीकृत पावर-एम्पलीफायर के निर्माण कैल गेल हई, जे 50 इनपुट अउर आउटपुट मिलान के जौरे 41% के पावर-एडेड दक्षता प्राप्त करई हई। आइटम प्रकारः लेख अतिरिक्त जानकारी: © Copyright 2002 IEEE। अनुमति के साथ पुनर्प्रकाशित। पांडुलिपि 27 मई 2001 प्राप्त होलई। [ऑनलाइन पोस्टः 2002-08-07] इ काम के इंटेल कॉर्पोरेशन, आर्मी रिसर्च ऑफिस, जेट प्रोपल्शन लेबोरेटरी, इन्फिनियन, और नेशनल साइंस फाउंडेशन द्वारा समर्थित हलय। लेखक चिप निर्माण के लिए कोनेक्सन सिस्टम्स के धन्यवाद देते हैं, विशेष रूप से आर. मैगून, एफ. इंटवेल्ड, जे. पॉवेल, ए। वो और के। मोये। के. पॉटर, डी. हैम और एच. वू, कैलिफोर्निया इंस्टीट्यूट ऑफ टेक्नोलॉजी (कैल्टेक), पासाडेना के सभी, उनकी सहायता के लिए विशेष धन्यवाद के हकदार हैं। एजीलेंट टेक्नोलॉजीज और सोननेट सॉफ्टवेयर इंक., लिवरपूल, एनवाई से सीएडी उपकरण के लिए तकनीकी समर्थन के भी सराहना कैल जा हय। सिलिकॉन-आधारित आरएफ और माइक्रोवेव एकीकृत सर्किट पर विशेष अंक, माइक्रोवेव सिद्धांत और तकनीकों पर आईईईई लेनदेन, वॉल्यूम। - 50, नञ् हइ । |
14fae9835ae65adfdc434b7b7e761487e7a9548f | ई ज्ञात हई कि एगो रेडियल पावर कंबाइनर बड़ी संख्या में पावर एम्पलीफायर के संयोजन में बहुत प्रभावी होई हई, जहां एगो अपेक्षाकृत विस्तृत बैंड पर उच्च दक्षता (90% से अधिक) प्राप्त कैल जा सकई हई। हालांकि, एकर वर्तमान उपयोग एकर डिजाइन जटिलता के कारण सीमित हय। इ पेपर में, हम प्रारंभिक अनुमानित डिजाइन सूत्र और अंतिम सटीक डिजाइन अनुकूलन उद्देश्यों के लिए उपयुक्त मॉडल दोनों सहित एक चरण-दर-चरण डिजाइन प्रक्रिया विकसित करते हैं। तीन-आयामी विद्युत चुम्बकीय मॉडलिंग के आधार पर, पूर्वानुमानित परिणाम मापल गेल परिणाम के जौरे उत्कृष्ट समझौता में रहई। रेडियल-कम्बिनर दक्षता, एकर सुरुचिपूर्ण क्षरण, और उच्च आदेश के पैकेज प्रतिध्वनि के प्रभाव से संबंधित व्यावहारिक मुद्दों पर यहां विस्तार से चर्चा कैल गेल हई। |
47fdb5ec9522019ef7e580d59c262b3dc9519b26 | माइक्रोस्ट्रिप जांच और एक डब्ल्यूआर -430 आयताकार वेव गाइड के उपयोग करके 1:4 पावर डिवाइडर के सफल प्रदर्शन प्रस्तुत कैल गेल हई। गैर-अनुकूलित संरचना के 15-डीबी रिटर्न लॉस बैंडविड्थ 22% और एकर 0.5-डीबी सम्मिलन हानि बैंडविड्थ 26% साबित होलय हा। जबकि पारंपरिक मशीनिंग के माध्यम से प्राप्त कैल गेल हई, ऐसन संरचना के साबित मिलीमीटर अउर उप-मिलिमीटर-लहर माइक्रोमैशनिंग तकनीक के अनुरूप एक फैशन में इकट्ठा कैल गेल हई। इस प्रकार, संरचना एक संभावित शक्ति विभाजन और शक्ति संयोजन वास्तुकला प्रस्तुत करो हय, जेकर उपयोग माइक्रोमैशिंग के माध्यम से, 100GHz से ऊपर के अनुप्रयोगों के लिए कियल जा सको हय। |
68218edaf08484871258387e95161a3ce0e6fe67 | एक आठ-डिवाइस का-बैंड सॉलिड-स्टेट पावर एम्पलीफायर के ट्रैवल-वेव पावर-डिवाइडिंग/कॉम्बिनिंग तकनीक के उपयोग करके डिजाइन और निर्मित कियल गेलय हय। इ डिजाइन में प्रयुक्त कम-प्रोफाइल स्लॉटेड-वेवगाइड संरचना न केवल एक विस्तृत बैंडविड्थ पर उच्च शक्ति-संयोजन दक्षता प्रदान करो हय, बल्कि सक्रिय उपकरणों के लिए कुशल गर्मी सिंक भी करो हय। आठ-डिवाइस पावर एम्पलीफायर के मापल गेल अधिकतम छोटा-सिग्नल लाभ 3.2 GHz के 3-dB बैंडविड्थ के साथ 34 GHz पर 19.4 dB (f/sub L/=31.8 GHz, f/sub H/=35 GHz) है। 32.2 गीगाहर्ट्ज पर पावर एम्पलीफायर से 1-डीबी संपीड़न (पी/सब आउट/ 1 डीबी पर) पर मापल गेल अधिकतम आउटपुट पावर 33 डीबीएम (/ स्प्ल सिम/2 डब्ल्यू) हई, जेकर पावर-कॉम्बिनिंग दक्षता 80% हई। एकरा अलावा, उपकरण विफलता के कारण इ शक्ति एम्पलीफायर के प्रदर्शन गिरावट के भी सिमुलेट अउर मापल गेल छलई। |
db884813d6d764aea836c44f46604128735bffe0 | उच्च शक्ति, व्यापक बैंडविड्थ, उच्च रैखिकता और कम शोर एम्पलीफायर डिजाइन में सबसे महत्वपूर्ण विशेषताओं में से हैं। ब्रॉडबैंड स्पेसियल पावर-कॉम्बिनिंग तकनीक एमएमआईसी एम्पलीफायर के चरण शोर के बेहतर बनाए और अच्छी रैखिकता बनाए रखते हुए, एक ब्रॉडबैंड समाक्षीय वेवगाइड वातावरण में बड़ी मात्रा में माइक्रोवेव मोनोलिथिक एकीकृत सर्किट (एमएमआईसी) एम्पलीफायर के आउटपुट पावर के संयोजन करके येई सभे मुद्दा के संबोधित करई हई। प्रत्येक तत्व के लिए समान रूप से इनपुट शक्ति के वितरित करके व्यापक बैंडविड्थ और बेहतर एकरूपता के लिए संयोजन सर्किट के मेजबान के रूप में एक समाक्षीय तरंगमार्ग के उपयोग कैल गेलय हल। एक नया कॉम्पैक्ट समाक्षीय संयोजक के जांच कियल जा हय जेकर आकार बहुत छोट हय। वाणिज्यिक MMIC एम्पलीफायरों के साथ बेहतर संगतता के लिए ब्रॉडबैंड स्लॉटलाइन से माइक्रोस्ट्रिप-लाइन संक्रमण एकीकृत है। थर्मल सिमुलेशन कैल जाई हई अउर उच्च-शक्ति अनुप्रयोग में गर्मी के सोख में सुधार करे के लेल पिछला डिजाइन के तुलना में एगो बेहतर थर्मल प्रबंधन योजना के इस्तेमाल कैल जाई छलई। कॉम्पैक्ट कंबाइनर डिज़ाइन के उपयोग करे वाला एक उच्च-शक्ति एम्पलीफायर के निर्माण कियल गलय हा और 44-डब्ल्यू अधिकतम आउटपुट पावर के साथ 6 से 17 गीगाहर्ट्ज तक के बैंडविड्थ के प्रदर्शन कियल गलय हा। रैखिकता माप 52 डीबीएम के एक उच्च तीसरे क्रम के प्रतिच्छेदन बिंदु के दर्शायलके हा। विश्लेषण से पता चलई हई कि एम्पलीफायर में स्पॉरियस-फ्री डायनामिक रेंज के 23 गुना बढ़ाबे के क्षमता हई। एम्पलीफायर ने एक एकल एमएमआईसी एम्पलीफायर के तुलना में 5-6 डीबी की कमी के साथ वाहक से 10-केएचजेड ऑफसेट पर 140 डीबीसी के करीब एक अवशिष्ट चरण फर्श भी दिखाया है। |
e73ee8174589e9326d3b36484f1b95685cb1ca42 | आगामी 5 वीं पीढ़ी के सेलुलर संचार के लिए 28 गीगाहर्ट्ज के एंटीना समाधान के पहली बार विस्तार से प्रस्तुत कैल गेल हई। व्यापक माप और सिमुलेशन प्रस्तावित 28 गीगाहर्ट्ज एंटीना समाधान के वास्तविक प्रचार वातावरण में काम करे वाला सेलुलर हैंडसेट के लिए अत्यधिक प्रभावी साबित करई छलई। |
4e85503ef0e1559bc197bd9de0625b3792dcaa9b | नेटवर्क-आधारित हमला आम हो गेल हई अउर परिष्कृत हो गेल हई। इ कारण से, घुसपैठ के पता लगावे वाला सिस्टम अब अपन ध्यान मेसिनों और उनकर ऑपरेटिंग सिस्टम से स्वयं नेटवर्क पर केंद्रित कर रहल हई। नेटवर्क-आधारित घुसपैठ के पता लगावे चुनौतीपूर्ण हय काहेकी नेटवर्क ऑडिटिंग बड़ी मात्रा में डेटा उत्पन्न करो हय, और एक एकल घुसपैठ से संबंधित विभिन्न घटना नेटवर्क पर विभिन्न स्थानों पर दृश्यमान हो सको हय। ई पेपर नेटस्टैट के प्रस्तुत करई हई, नेटवर्क घुसपैठ के पता लगाबे के एगो नया दृष्टिकोण। नेटवर्क अउर हमला दुनु के एगो औपचारिक मॉडल के उपयोग कैके, नेटस्टैट ई निर्धारित करे में सक्षम छलो कि कोन नेटवर्क घटना के निगरानी कैल जाए के चाहि अउर कहां एकर निगरानी कैल जा सकई हई। |
818c13721db30a435044b37014fe7077e5a8a587 | बड़ समूह पर बड़े पैमाने पर डेटा विश्लेषण क्वेरी अनुकूलन के लिए नया अवसर और चुनौतियां प्रस्तुत करो हय। इ वातावरण में प्रदर्शन के लेल डेटा विभाजन महत्वपूर्ण छलई। हालांकि, डेटा पुनर्वितरण एक बहुत ही महंगा ऑपरेशन हय, इसलिए ऐसन संचालन के संख्या के कम करे से बहुत महत्वपूर्ण प्रदर्शन सुधार हो सको हय। येई वातावरण के लेल एगो क्वेरी ऑप्टिमाइज़र के सॉर्टिंग अउर समूहीकरण के जौरे एकर बातचीत सहित डेटा विभाजन के बारे में तर्क करे में सक्षम होए के चाहि। SCOPE एगो SQL-जैसन स्क्रिप्टिंग भाषा हई जे माइक्रोसॉफ्ट में बड़े पैमाने पर डेटा विश्लेषण के लेल उपयोग कैल जाई हई। एगो रूपांतरण-आधारित अनुकूलक कॉसमॉस वितरित कंप्यूटिंग प्लेटफॉर्म के लेल स्क्रिप्ट के कुशल निष्पादन योजना में परिवर्तित करे के लेल जिम्मेदार छलई। इ पत्र में, हम वर्णन कर हई कि डेटा विभाजन के बारे में तर्क कैसे स्कोप अनुकूलक में शामिल कैल गेल हई। हम देखई हई कि रिलेशनल ऑपरेटर विभाजन, सॉर्टिंग अउर समूहीकरण गुण के कैसे प्रभावित करई हई अउर वर्णन करई हई कि कैसे अनुकूलक अनावश्यक संचालन से बचे के लेल ऐसन गुण के बारे में तर्क अउर शोषण करई हई। अधिकांश अनुकूलक में, समानांतर योजनाओं पर विचार पोस्टप्रोसेसिंग चरण में कियल जाए वाला एक विचार हय। विभाजन के बारे में तर्क SCOPE ऑप्टिमाइज़र के समानांतर, सीरियल और मिश्रित योजनाओं के विचार के लागत-आधारित अनुकूलन में पूरी तरह से एकीकृत करने में सक्षम बनाता है। लाभ के उदाहरण के रूप में, हम इ बात पर ध्यान दे हिअइ कि विभिन्न प्रकार के योजना के कार्यान्वयन के लेल हमर दृष्टिकोण से की संभव हइ। |
8420f2f686890d9675538ec831dbb43568af1cb3 | रोमन लिपि में लिखल हिंग्लिश पाठ के भावनात्मक ध्रुवीयता के निर्धारित करे के लेल, हम फीचर चयन विधियन के विभिन्न संयोजन के जौरे प्रयोग कलई अउर शब्द आवृत्ति-विपरीत दस्तावेज़ आवृत्ति विशेषता प्रतिनिधित्व के उपयोग कैके वर्गीकरण के एगो मेजबान के उपयोग कलई। हम हिंग्लिश में लिखल समाचार और फेसबुक टिप्पणी में व्यक्त भावना के लेल सर्वश्रेष्ठ वर्गीकरणकर्ता के निर्धारित करे के लेल कुल मिलाके 840 प्रयोग के आयोजन कलई। हम निष्कर्ष निकाललई कि शब्द आवृत्ति-विपरीत दस्तावेज़ आवृत्ति-आधारित विशेषता प्रतिनिधित्व, लाभ अनुपात आधारित विशेषता चयन, अउर रेडियल बेस फ़ंक्शन न्यूरल नेटवर्क के त्रिभुज हिंग्लिश पाठ में व्यक्त भावना के वर्गीकृत करे के लेल सबसे अच्छा संयोजन के रूप में। |
c97ebb60531a86bea516d3582758a45ba494de10 | आईईईई इंटेलिजेंट ट्रांसपोर्टेशन सिस्टम्स सोसाइटी और व्यापक कंप्यूटिंग अनुसंधान समुदाय के बीच घनिष्ठ सहयोग के बढ़ावा देवे के लिए, लेखक आईटीएस सोसाइटी के परिचय देवो हय और कई व्यापक कंप्यूटिंग-संबंधित शोध विषय के प्रस्तुत करो हय जेकरा पर आईटीएस सोसाइटी के शोधकर्ता काम कर रहले हा। ई विभाग बुद्धिमान परिवहन पर विशेष अंक के हिस्सा हई। |
e91196c1d0234da60314945c4812eda631004d8f | हम भाषा सीखना के लेल एगो इंटरैक्टिव मल्टीमोडल फ्रेमवर्क के प्रस्ताव रखई छी। बड़ी मात्रा में प्राकृतिक पाठ के सामने आवे के बजाय, हमर शिक्षार्थि (फीड-फॉरवर्ड न्यूरल नेटवर्क के रूप में लागू) एगो ताबुला रासा सेटअप से शुरू होए वाला सहकारी संदर्भ खेल में संलग्न होवो हय, और इ प्रकार खेल में सफल होए के खातिर संवाद करे के आवश्यकता से अपन स्वयं के भाषा विकसित करो हय। प्रारंभिक प्रयोग आशाजनक परिणाम प्रदान करो हय, लेकिन इ भी सुझाव देवो हय कि इ सुनिश्चित करनाय महत्वपूर्ण हय कि इ तरह से प्रशिक्षित एजेंट केवल ओई खेल के लिए प्रभावी एक तदर्थ संचार कोड विकसित नए करो हय जेकरा ऊ खेल रहले हा। |
500b7d63e64e13fa47934ec9ad20fcfe0d4c17a7 | हाल ही में, त्रि-आयामी (3 डी) एलटीसीसी-आधारित सीआईपी अनुप्रयोगों में उच्च एकीकरण घनत्व के कारण उच्च आवृत्ति सिग्नल के समय नियंत्रण के लिए जोरदार मांग है। इसलिए, स्किव या टाइमिंग देरी के नियंत्रित करे के लिए, नया 3 डी देरी लाइनों के प्रस्तावित कियल जयतय। सिग्नल के माध्यम के नाजुकता के लेल, हम समाक्षीय रेखा के अवधारणा के अपनाबई हई अउर अर्ध-समाक्षीय ग्राउंड (QCOX-GND) के माध्यम से संरचना के माध्यम से एगो उन्नत सिग्नल के प्रस्तावित करई हई। हम ईएम और सर्किट सिम्युलेटर के उपयोग करके अनुकरण परिणाम दिखाएंगे। |
1a07186bc10592f0330655519ad91652125cd907 | हम एगो एकल संवहन तंत्रिका नेटवर्क आर्किटेक्चर के वर्णन करई हई जे, एगो वाक्य देल गेल हई, भाषा प्रसंस्करण भविष्यवाणिय के एगो मेजबान के आउटपुट करई हईः भाषण के हिस्सा टैग, टुकड़ा, नामित इकाई टैग, शब्दार्थ भूमिका, शब्दार्थ समान शब्द अउर संभावना कि वाक्य एगो भाषा मॉडल के उपयोग कैके समझ में आबई हई (व्याकरणिक अउर शब्दार्थिक रूप से) । भार-साझाकरण, बहुकार्य सीखने के एक उदाहरण के उपयोग करके येई सभे कार्य पर पूरा नेटवर्क के संयुक्त रूप से प्रशिक्षित कैल जाई हई। सभे कार्य लेबल कैल गेल डेटा के उपयोग करई हई, भाषा मॉडल के छोड़कर जे बिना लेबल वाला पाठ से सीखल जाई हई अउर साझा कार्य के लेल अर्ध-पर्यवेक्षित शिक्षा के एगो नया रूप के प्रतिनिधित्व करई हई। हम देखई छियई कि कैसे बहुक्रिया सीखना अउर अर्ध-पर्यवेक्षित सीखना साझा कार्य के सामान्यीकरण में सुधार करई हई, जेकर परिणामस्वरूप अत्याधुनिक प्रदर्शन होई हई। |
27e38351e48fe4b7da2775bf94341738bc4da07e | एकल-शब्द वेक्टर अंतरिक्ष मॉडल शाब्दिक जानकारी के सीखना में बहुत सफल रहल हई। हालांकि, ऊ लंबा वाक्यांश के संरचनात्मक अर्थ के पकड़ ना सकई हई, जे ओकरा भाषा के गहन समझ से रोकई हई। हम एगो रिकर्सिव न्यूरल नेटवर्क (आरएनएन) मॉडल के परिचय देई हई जे मनमाना वाक्यविन्यास प्रकार अउर लंबाई के वाक्यांश अउर वाक्य के लेल संरचनात्मक वेक्टर प्रतिनिधित्व के सीखई हई। हमर मॉडल एगो पार्स ट्री में प्रत्येक नोड के लेल एगो वेक्टर अउर एगो मैट्रिक्स असाइन करई छई: वेक्टर घटक के अंतर्निहित अर्थ के कैप्चर करई हई, जबकि मैट्रिक्स कैप्चर करई हई कि ई पड़ोसी शब्द चाहे वाक्यांश के अर्थ के कैसे बदलई हई। ई मैट्रिक्स-वेक्टर आरएनएन प्रस्तावनात्मक तर्क अउर प्राकृतिक भाषा में संचालकों के अर्थ सीख सकई हई। मॉडल तीन अलग-अलग प्रयोग पर कला प्रदर्शन के स्थिति प्राप्त करो हय: क्रिया विशेषण जोड़े के बारीक-कण भावना वितरण के भविष्यवाणी करना; फिल्म समीक्षा के भावना लेबल के वर्गीकृत करना और संज्ञा के बीच वाक्य रचना पथ के उपयोग करके कारण-प्रभाव या विषय-संदेश जैसे अर्थ संबंधी संबंध के वर्गीकृत करना। |
303b0b6e6812c60944a4ac9914222ac28b0813a2 | ई पेपर वाक्यांश-स्तर के भावना विश्लेषण के लेल एगो नया दृष्टिकोण प्रस्तुत करई हई जे पहिले ई निर्धारित करई हई कि कोनो अभिव्यक्ति तटस्थ चाहे ध्रुवीय हई अउर फेर ध्रुवीय अभिव्यक्ति के ध्रुवीयता के स्पष्ट करई हई। इ दृष्टिकोण के साथ, प्रणाली भावनात्मक अभिव्यक्ति के एक बड़े उप-समूह के लिए संदर्भात्मक ध्रुवीयता के स्वचालित रूप से पहचान करे में सक्षम हय, बेसलाइन से काफी बेहतर परिणाम प्राप्त करो हय। |
4eb943bf999ce49e5ebb629d7d0ffee44becff94 | समय कई दिलचस्प मानव व्यवहार के पीछे हय। येई प्रकार, कनेक्शनवादी मॉडल में समय के प्रतिनिधित्व करे के तरीका के सवाल बहुत महत्वपूर्ण हई। एगो दृष्टिकोण स्पष्ट रूप से (जैसे स्थानिक प्रतिनिधित्व में) के बजाय प्रसंस्करण पर एकर प्रभाव द्वारा समय के निहित रूप से प्रतिनिधित्व करनाई हई। वर्तमान रिपोर्ट में इ दिशा में प्रस्ताव विकसित कैल गेलय हय जेकरा सबसे पहले जॉर्डन (1986) द्वारा वर्णित कियल गेलय हल, जेकरा मे नेटवर्क के गतिशील मेमोरी प्रदान करे के लिए आवर्ती लिंक के उपयोग शामिल हय। इ दृष्टिकोण में, छिपी हुई इकाई पैटर्न खुद के वापस खिलाल जा हय; विकसित आंतरिक प्रतिनिधित्व इ प्रकार पूर्व आंतरिक राज्यों के संदर्भ में कार्य मांग के प्रतिबिंबित करो हय। सिमुलेशन के एक सेट के रिपोर्ट कैल गेल हई जे अपेक्षाकृत सरल समस्या (एक्सओआर के अस्थायी संस्करण) से लेके शब्द के लेल वाक्यविन्यास / शब्दार्थ विशेषता के खोज तकले छलई। नेटवर्क दिलचस्प आंतरिक प्रतिनिधित्व के सीख सकई हई जे कार्य के मांग के मेमोरी मांग के जौरे शामिल करई हई; वास्तव में, येई दृष्टिकोण में मेमोरी के धारणा कार्य प्रसंस्करण के जौरे अटूट रूप से जुड़ल हई। ई प्रतिनिधित्व एगो समृद्ध संरचना के प्रकट करई हई, जे ओकरा अत्यधिक संदर्भ-निर्भर होए के अनुमति देई हई जबकि वस्तु के वर्ग में सामान्यीकरण के भी व्यक्त करई हई। ई प्रतिनिधित्व शाब्दिक श्रेणि के प्रतिनिधित्व करे के लेल एगो विधि अउर प्रकार/टोकन भेद के सुझाव देई हई। |
2069c9389df8bb29b7fedf2c2ccfe7aaf82b2832 | एक नया मशीन लर्निंग प्रतिमान के रूप में स्थानांतरण सीखना हाल ही में तेजी से ध्यान प्राप्त कर रहले हय। जब लक्षित डोमेन में प्रशिक्षण डेटा प्रभावी रूप से भविष्य कहनेवाला मॉडल के सीखना के लिए पर्याप्त नए होवो हय, तओ स्थानांतरण सीखना सीखने के लिए अन्य संबंधित सहायक डोमेन से सहायक स्रोत डेटा के लाभ उठावो हय। जबकि इ क्षेत्र में अधिकांश मौजूदा कार्य केवल लक्ष्य डेटा के समान प्रतिनिधित्व संरचना के साथे स्रोत डेटा के उपयोग पर केंद्रित हय, इ पेपर में, हम पाठ और छवियों के बीच ज्ञान हस्तांतरण के लिए एक विषम हस्तांतरण सीखने के ढांचे के विस्तार करके इ सीमा के आगे बढ़ावो हय। हम देखऽ हिअइ कि लक्षित-डोमेन वर्गीकरण समस्या के लेल, कैगो सामाजिक वेब साइट पर कुछ एनोटेट कइल गेल छवि पाएल जा सकई हई, जे वेब पर उपलब्ध बहुतायत से पाठ दस्तावेज़ से ज्ञान के स्थानांतरण के लेल पुल के रूप में कार्य कर सकई हई। एगो महत्वपूर्ण प्रश्न ई हई कि पाठ दस्तावेज़ मनमाना होए के बावजूद स्रोत डेटा में ज्ञान के प्रभावी ढंग से कैसे स्थानांतरित कैल जाए। हमार समाधान मैट्रिक्स फैक्टरिज़ेशन के माध्यम से सहायक स्रोत डेटा से निकाले गेल अर्थ संबंधी अवधारणा के साथे लक्ष्य छवियों के प्रतिनिधित्व के समृद्ध करनाई हई, और एक बेहतर छवि वर्गीकरणकर्ता बनावे के लेल सहायक डेटा द्वारा उत्पन्न लुप्त अर्थ संबंधी सुविधा के उपयोग करनाई हई। हम कैल्टेक-256 छवि डेटासेट पर अपने एल्गोरिथ्म की प्रभावशीलता के अनुभवजन्य रूप से सत्यापित करते हैं। |
381231eecd132199821c5aa3ff3f2278f593ea33 | |
a8823ab946321079c63b9bd42f58bd17b96a25e4 | चेहरा के पता लगावे और आँख के निकाले के कई अनुप्रयोग में एक महत्वपूर्ण भूमिका हय जैसे चेहरा के पहचान, चेहरा के अभिव्यक्ति विश्लेषण, सुरक्षा लॉगिन आदि। मानव चेहरा के पता लगावे आउर चेहरा के संरचना जैसे कि आँख, नाक कंप्यूटर के लेल जटिल प्रक्रिया हई। ई पेपर सोबेल एज डिटेक्शन अउर मॉर्फोलॉजिकल ऑपरेशन के उपयोग कैके फ्रंटल फेस इमेज से चेहरा के पता लगाबे अउर आंख के निष्कर्षण के लेल एगो एल्गोरिथ्म प्रस्तावित करई हई। प्रस्तावित दृष्टिकोण के तीन चरण में विभाजित कैल गेल हई; पूर्व-प्रसंस्करण, चेहरा क्षेत्र के पहचान, अउर आंख के निष्कर्षण। पूर्व-प्रसंस्करण में छवियों के आकार में परिवर्तन और ग्रे स्केल छवि रूपांतरण प्राप्त कैल जा हय। चेहरा क्षेत्र के पहचान सोबेल किनारा पता लगावे और रूपात्मक संचालन द्वारा पूरा कैल जा हय। अंतिम चरण में, चेहरा क्षेत्र से आंख के आकृति विज्ञान संबंधी संचालन के मदद से निकालल जाई हई। प्रयोग क्रमशः IMM फ्रंटल फेस डेटाबेस, FEI फेस डेटाबेस और IMM फेस डेटाबेस के 120, 75, 40 छवियों पर आयोजित कियल जा हय। चेहरा के पता लगावे के सटीकता क्रमशः 100%, 100%, 97.50% हई अउर आंख के निकाले के सटीकता दर क्रमशः 92.50%, 90.66%, 92.50% हई। |
3b6911dc5d98faeb79d3d3e60bcdc40cfd7c9273 | एगो समग्र हस्ताक्षर योजना एगो डिजिटल हस्ताक्षर हई जे एकत्रीकरण के समर्थन करई हई: n अलग-अलग उपयोगकर्ता से n अलग-अलग संदेश पर n हस्ताक्षर देल जाई हई, ई संभव हई कि येई सभे हस्ताक्षर के एगो एकल संक्षिप्त हस्ताक्षर में एकत्र कैल जाए। ई एकल हस्ताक्षर (और n मूल संदेश) सत्यापनकर्ता के आश्वस्त करतय कि n उपयोगकर्ता वास्तव में n मूल संदेश पर हस्ताक्षर कैलकय (यानी, उपयोगकर्ता i ने i = 1 के लिए संदेश Mi पर हस्ताक्षर कैलकय, . . . ऊ . . ऊ , एन) के लेल इ पत्र में हम एकत्रीकृत हस्ताक्षर के अवधारणा के परिचय देई हई, ऐसन हस्ताक्षर के लेल सुरक्षा मॉडल प्रस्तुत करई हई, अउर एकत्रित हस्ताक्षर के लेल कैगो अनुप्रयोग देई हई। हम बोनेह, लिन और शचम के कारण द्विध्रुवीय मानचित्र के आधार पर हाल के लघु हस्ताक्षर योजना से एक कुशल समग्र हस्ताक्षर बनावई हई। समग्र हस्ताक्षर प्रमाणपत्र श्रृंखला के आकार के कम करे (सभी हस्ताक्षरों के श्रृंखला में एकत्र करके) अउर एसबीजीपी जैसन सुरक्षित रूटिंग प्रोटोकॉल में संदेश आकार के कम करे के लेल उपयोगी होई हई। हम इ भी देखबई हई कि एकत्रित हस्ताक्षर सत्यापित रूप से एन्क्रिप्टेड हस्ताक्षर के जन्म देई हई। ऐसन हस्ताक्षर सत्यापनकर्ता के परीक्षण करे के अनुमति देवो हय कि एक दिहल गेल सिफरटेक्स्ट C एक दिहल गेल संदेश M पर हस्ताक्षर के एन्क्रिप्शन हय । अनुबंध-हस्ताक्षर प्रोटोकॉल में सत्यापित रूप से एन्क्रिप्टेड हस्ताक्षर के उपयोग कैल जाई हई। अंत में, हम दिखावो कि सरल रिंग हस्ताक्षर देवे के लिए लघु हस्ताक्षर योजना के विस्तार करे के लिए समान विचारों के उपयोग कियल जा सको हय। |
6d4fa4b9037b64b8383331583430711be321c587 | भावना विश्लेषण अनुसंधान के एगो बढ़ैत क्षेत्र हई, जे वाणिज्यिक अनुप्रयोग अउर अकादमिक रुचि दुनु द्वारा संचालित छलई। इ पत्र में, हम वैलेंस और उत्तेजना के भावना आयामों के लिए डायरी-जैसे ब्लॉग पोस्ट के बहु-वर्गीकरण वर्गीकरण के पता लगावई हई, जहां कार्य के उद्देश्य क्रमशः बहुत नकारात्मक / कम से बहुत सकारात्मक / उच्च तक, एक क्रमबद्ध पांच-स्तरीय पैमाने पर एक पोस्ट के वैलेंस और उत्तेजना के स्तर के भविष्यवाणी करनाई हई। हम ई दिखाबई हई कि कैसे रसेल के सर्किंप्लेक्स मॉडल के मनोवैज्ञानिक मॉडल के आधार पर, येई दो आयाम में क्रमबद्ध पैमाना में असतत प्रभावशाली राज्य के मानचित्रण कैल जाए अउर पहिले से उपलब्ध कॉर्पस के बहुआयामी, वास्तविक-मूल्यवान एनोटेशन के साथ लेबल कैल जाए। समर्थन वेक्टर मशीन वर्गीकरणकर्ता के प्रतिगमन और एक-बनाम-सभी दृष्टिकोण के उपयोग करे वाला प्रयोगात्मक परिणाम से पता चलई हई कि यद्यपि बाद वाला दृष्टिकोण बेहतर सटीक क्रमवर्गीय वर्ग भविष्यवाणी सटीकता प्रदान करई हई, प्रतिगमन तकनीक छोट पैमाना के त्रुटि करई हई। |
9931c6b050e723f5b2a189dd38c81322ac0511de | हम मानव क्रिया मान्यता समुदाय के भीतर सार्वजनिक रूप से उपलब्ध डेटासेट के वर्तमान स्थिति पर एक समीक्षा प्रस्तुत करई हई; मुद्रा-आधारित विधियों के पुनरुद्धार अउर व्यक्ति-व्यक्ति बातचीत मॉडलिंग के समझे के हालिया प्रगति पर प्रकाश डालई हई। हम एक बेंचमार्क डेटासेट के रूप में उपयोग के लिए कई प्रमुख गुणों के संबंध में डेटासेट को वर्गीकृत करते हैं; वर्ग लेबल की संख्या, प्रदान किए गए ग्राउंड ट्रूथ और उनके द्वारा कब्जा किए गए एप्लिकेशन डोमेन सहित। हम प्रत्येक डेटासेट के अमूर्तता के स्तर पर भी विचार कर रहलियई; ऊ समूह के समूहीकरण जे क्रिया, बातचीत अउर उच्च स्तर के शब्दार्थ गतिविधि के प्रस्तुत करई हई। सर्वेक्षण प्रमुख उपस्थिति के पहचान करई हई अउर पोज आधारित डेटासेट, सरलीकृत, जोर देल गेल, चाहे स्क्रिप्टेड एक्शन क्लास के लेल एगो प्रवृत्ति के नोट करई हई जे अक्सर सब-एक्शन इशारों के स्थिर संग्रह द्वारा आसानी से परिभाषित कैल जाई छलई। डेटासेट के स्पष्ट कमी हय जे निकट से संबंधित क्रिया प्रदान करो हय, ऊ जे मुद्रा और इशारों के एक श्रृंखला के माध्यम से अप्रत्यक्ष रूप से पहचाना नए जा हय, बल्कि बातचीत के एक गतिशील सेट हय। हम इलिए एगो नया डेटासेट प्रस्तावित कर हियई जे दू व्यक्ति के बीच जटिल वार्तालाप बातचीत के प्रतिनिधित्व करई हई 3 डी मुद्रा के माध्यम से। 8 अलग-अलग बातचीत आधारित परिदृश्य के वर्णन करे वाला 8 जोड़ीबद्ध बातचीत के दो Kinect गहराई सेंसर के उपयोग करके एकत्र कैल गेलय हल। इरादा ऐसन घटना के प्रदान करेके हय जे समय के अवधि में कई आदिम क्रिया, बातचीत और गति से निर्मित होवो हय; सूक्ष्म क्रिया वर्ग के एक सेट प्रदान करेके जे वास्तविक दुनिया के अधिक प्रतिनिधि हय, और वर्तमान में विकसित मान्यता पद्धति के चुनौती हय। हमार मानना हय कि ई बातचीत के इंटरैक्शन वर्गीकरण के लेल समर्पित पहिला डेटासेट में से एक हय, जेकर उपयोग करके 3 डी पोज़ प्रीप्रिंट एल्सवियर के लेल प्रस्तुत कैल गेलय हल। पूरा डेटासेट के शोध समुदाय के लिए [1] पर सार्वजनिक रूप से उपलब्ध कराएल गेल हई। |
26e6b1675e081a514f4fdc0352d6cb211ba6d9c8 | हम आधुनिक कार में उपयोग कैल जाए वाला निष्क्रिय कुंजी रहित प्रवेश और स्टार्ट (पीकेईएस) प्रणाली पर रिले हमले के प्रदर्शन करई छलई। हम दूगो कुशल आउर सस्ता हमला के प्राप्ति के निर्माण कर रहलिए ह, वायर्ड और वायरलेस भौतिक-स्तर रिले, जे हमलावर के कार में प्रवेश करे आउर स्मार्ट कुंजी के बीच संदेश के रिले करके कार के शुरू करे के अनुमति देई हई। हमर रिले मॉडुलन, प्रोटोकॉल, या मजबूत प्रमाणीकरण और एन्क्रिप्शन के उपस्थिति से पूरी तरह से स्वतंत्र हय। हम 8 निर्माता से 10 कार मॉडल पर एक व्यापक मूल्यांकन करे ल। हमार परिणाम से पता चलई हई कि केवल एगो दिशा में सिग्नल के रिले करनाई (कार से चाबी तक) हमला करे के लेल पर्याप्त हई जबकि चाबी अउर कार के बीच वास्तविक दूरी बड़का बनल रहई (परीक्षण 50 मीटर तक, गैर-लाइन-ऑफ-साइट) । हम ई भी देखबई कि, हमर सेटअप के साथ, स्मार्ट कुंजी 8 मीटर तक के उत्तेजित कैल जा सकई हई। ई रिले के स्थापित करे के लेल हमलावर के कुंजी के करीब जाए के आवश्यकता के हटाबई हई। हम आगे महत्वपूर्ण प्रणाली विशेषता के विश्लेषण और चर्चा करई हई। रिले हमले के सामान्यता और मूल्यांकन कियल गेल प्रणालि के संख्या के देखते हुए, इ संभावना हय कि समान डिजाइन के आधार पर सभे पीकेईएस सिस्टम भी एके हमला के लिए असुरक्षित हय। अंत में, हम तात्कालिक शमन उपाय के प्रस्ताव करो हय जे रिले हमलों के जोखिम के कम करो हय और साथ ही हाल के समाधान जे उपयोग के सुविधा के संरक्षित करते हुए रिले हमलों के रोक सको हय, जेकरा लिए शुरू में पीकेईएस सिस्टम के पेश कियल गलय हल। |
69d685d0cf85dfe70d87c1548b03961366e83663 | हम रक्त ऑक्सीजन संतृप्ति (SpO2) के निगरानी के लिए एक गैर-संपर्क विधि प्रस्तुत करो हय। विधि एक ट्रिगर कंट्रोल के साथ एक सीएमओएस कैमरा के उपयोग करो हय ताकि दो विशेष तरंग दैर्ध्य पर वैकल्पिक रूप से फोटोप्लेटिसमोग्राफी (पीपीजी) सिग्नल के रिकॉर्डिंग के अनुमति मिलय, और इन तरंग दैर्ध्य पर पीपीजी सिग्नल के नपुंसक और नपुंसक घटकों के मापा गेल अनुपात से एसपीओ 2 के निर्धारण करो हय। SpO2 मान के सिग्नल-टू-शोर अनुपात (SNR) तरंग दैर्ध्य के पसंद पर निर्भर करो हय। हम पाइलई कि नारंगी (λ = 611 एनएम) अउर निकट अवरक्त (λ = 880 एनएम) के संयोजन गैर-संपर्क वीडियो-आधारित पता लगावे के विधि के लेल सर्वश्रेष्ठ एसएनआर प्रदान करई हई। ई संयोजन पारंपरिक संपर्क-आधारित SpO2 माप में उपयोग कैल जाए वाला से अलग हई काहेकी येई तरंग दैर्ध्य पर PPG सिग्नल ताकत अउर कैमरा क्वांटम दक्षता गैर-संपर्क विधि के उपयोग करके SpO2 माप के लेल अधिक अनुकूल हई। हम 83% -98% के SpO2 रेंज पर गैर-संपर्क विधि के मान्य करे के लेल एगो छोटा पायलट अध्ययन भी कलो। इ अध्ययन के परिणाम एक संदर्भ संपर्क SpO2 उपकरण (r = 0.936, p <; 0.001) के उपयोग करके मापल गेल परिणाम के अनुरूप हय। प्रस्तुत विधि विशेष रूप से स्वतंत्र जीवन के स्थिति में घर पर केकरो स्वास्थ्य और कल्याण के ट्रैक करे के लिए और ऊ लोग के लिए उपयुक्त हय जे पारंपरिक संपर्क-आधारित पीपीजी उपकरण के उपयोग नए कर सको हय। |
51c88134a668cdfaccda2fe5f88919ac122bceda | वेब वीडियो में मल्टीमीडिया घटना के पता लगावे मल्टीमीडिया और कंप्यूटर विजन के क्षेत्र में एगो उभरते गरम शोध क्षेत्र हई। इ पत्र में, हम घटना के पता लगावे के समग्र समस्या के विभिन्न पहलुओं से निपटे के लिए विश्लेषणात्मक मीडिया प्रोसेसिंग (ई-लैम्प) प्रणाली के माध्यम से घटना लेबलिंग के लिए हाल ही में विकसित कैल गेल ढांचे के मुख्य विधियों और प्रौद्योगिकियों के परिचय देवो हय। अधिक विशेष रूप से, हम फीचर निष्कर्षण के लिए कुशल तरीके विकसित कर चुके हैं ताकि हम हजारों घंटों के वीडियो के साथ वीडियो डेटा के बड़े संग्रह को संभालने में सक्षम हों। दोसर, हम एगो स्थानिक बैग-ऑफ-वर्ड मॉडल में निकाले गेल कच्चे सुविधा के प्रतिनिधित्व करई हई जे अधिक प्रभावी टाइलिंग के जौरे होई हई ताकि विभिन्न सुविधा अउर विभिन्न घटना के स्थानिक लेआउट जानकारी के बेहतर ढंग से पकड़ल जा सके, येई प्रकार समग्र पता लगावे के प्रदर्शन में सुधार कैल जा सकई हई। तीसरा, व्यापक रूप से उपयोग कैल जाए वाला प्रारंभिक और देर से संलयन योजना से अलग, एकाधिक सुविधा से एगो अधिक मजबूत अउर भेदभावपूर्ण मध्यवर्ती विशेषता प्रतिनिधित्व सीखै के लेल एगो उपन्यास एल्गोरिथ्म विकसित कैल गेल हई ताकि बेहतर घटना मॉडल एकरा पर बनावल जा सके। अंत में, केवल कुछ सकारात्मक उदाहरणों के साथ घटना के पता लगाने के अतिरिक्त चुनौती से निपटने के लिए, हमने एक नया एल्गोरिथ्म विकसित किया है जो घटना के पता लगाने में सहायता के लिए सहायक स्रोतों से सीखे गए ज्ञान को प्रभावी ढंग से अनुकूलित करने में सक्षम है। ट्रेक्विड मेड11 और मेड12 पर हमार अनुभवजन्य परिणाम और आधिकारिक मूल्यांकन परिणाम दुनु येई विचार के एकीकरण के उत्कृष्ट प्रदर्शन के प्रदर्शित करई छलई। |
10d6b12fa07c7c8d6c8c3f42c7f1c061c131d4c5 | हम एगो परीक्षण मामला के रूप में रैखिक एसवीएम आधारित मानव पता लगावे के अपनय के लेल मजबूत दृश्य वस्तु मान्यता के लेल फीचर सेट के प्रश्न के अध्ययन करई हई। मौजूदा किनारा अउर ढाल आधारित वर्णकों के समीक्षा करे के बाद, हम प्रयोगात्मक रूप से देखई हई कि उन्मुख ढाल (एचओजी) वर्णकों के हिस्टोग्राम के ग्रिड मानव पता लगावे के लेल मौजूदा सुविधा सेट से काफी बेहतर प्रदर्शन करई हई। हम प्रदर्शन पर गणना के प्रत्येक चरण के प्रभाव के अध्ययन करो हय, इ निष्कर्ष पर पहुंचो हय कि अच्छा परिणाम के लिए ठीक-पैमाना के ढाल, ठीक अभिविन्यास बिल्डिंग, अपेक्षाकृत मोटा स्थानिक बिल्डिंग, और अतिव्यापी वर्णक ब्लॉक में उच्च गुणवत्ता वाला स्थानीय विपरीत सामान्यीकरण सभी महत्वपूर्ण हय। नया दृष्टिकोण मूल एमआईटी पैदल यात्री डेटाबेस पर लगभग सही अलगाव प्रदान करो हय, इलिए हम एक अधिक चुनौतीपूर्ण डेटासेट प्रस्तुत करो हय जेकरा मे 1800 से अधिक एनोटेटेड मानव छवियां हय जेकरा मे मुद्रा भिन्नता और पृष्ठभूमि के एक बड़ी श्रृंखला हय। |
2337ff38e6cfb09e28c0958f07e2090c993ef6e8 | कई पैटर्न मान्यता कार्य के लेल, आदर्श इनपुट सुविधा कैगो भ्रमित गुण (जैसे कि कंप्यूटर विजन अनुप्रयोग में रोशनी अउर देखने के कोण) के लेल अपरिवर्तनीय होतई। हाल ही में, अनसुनीकृत तरीके से प्रशिक्षित गहरी वास्तुकला के उपयोगी सुविधाओं के निकालने के लिए एक स्वचालित विधि के रूप में प्रस्तावित कियल गलय हा। हालांकि, एक वर्गीकरणकर्ता में ओकर उपयोग करे के अलावा कोनो अन्य साधन द्वारा सीखे गेल विशेषता के मूल्यांकन करनाई मुश्किल हई। इ पत्र में, हम कैगो अनुभवजन्य परीक्षण के प्रस्ताव रखई हई जे सीधे इ डिग्री के मापई हई कि ई सीखे वाला विशेषता विभिन्न इनपुट रूपांतरण के लेल अपरिवर्तनीय हई। हम पाबऽ ही कि स्टैक्ड ऑटोकोडर प्राकृतिक छवियन पर प्रशिक्षित होवे पर गहराई के साथे मामूली रूप से बढ़ते अपरिवर्तनीय विशेषता के सीखई हई। हम पाबऽ ही कि संवितरणात्मक गहरी विश्वास नेटवर्क प्रत्येक परत में काफी अधिक अपरिवर्तनीय विशेषता सीखो हय। ई परिणाम गहरा बनाम छोटे प्रतिनिधित्व के उपयोग के औचित्य साबित करो हय, लेकिन इ सुझाव देवो हय कि एक ऑटोकोडर के दूसरे के ऊपर ढेर करे से परे तंत्र अपरिवर्तनीयता प्राप्त करे के लिए महत्वपूर्ण हो सको हय। हमार मूल्यांकन मेट्रिक्स के उपयोग गहरी शिक्षा में भविष्य के काम के मूल्यांकन करे के लेल कैल जा सकई हई, अउर येई प्रकार भविष्य के एल्गोरिदम के विकास में मदद कर सकई हई। |
31b58ced31f22eab10bd3ee2d9174e7c14c27c01 | इंटरनेट के आगमन के जौरे, अरबों चित्र अब ऑनलाइन स्वतंत्र रूप से उपलब्ध हय और दृश्य दुनिया के एक घने नमूना के गठन करो हय। विभिन्न गैर-पैरामीटर विधियों के उपयोग करके, हम इंटरनेट से एकत्रित 79,302,017 छवियों के एक बड़े डेटासेट के सहायता से इस दुनिया के अन्वेषण करते हैं। मनोभौतिकीय परिणाम से प्रेरित होके जे मानव दृश्य प्रणाली के छवि रिज़ॉल्यूशन में गिरावट के उल्लेखनीय सहनशीलता दिखावो हय, डेटासेट में छविय के 32 x 32 रंगीन छविय के रूप में संग्रहीत कियल गलय हा। प्रत्येक छवि के अंग्रेजी में 75,062 गैर-अमूर्त संज्ञाओं में से एक के साथ ढीला रूप से लेबल कैल गेलय हय, जैसा कि वर्डनेट शाब्दिक डेटाबेस में सूचीबद्ध हय। इ प्रकार इमेज डेटाबेस सभी ऑब्जेक्ट श्रेणियों और दृश्यों के एक व्यापक कवरेज देवो हय। वर्डनेट से अर्थ संबंधी जानकारी के उपयोग निकटतम-पड़ोसी विधियों के संयोजन में कैल जा सको हय ताकि लेबलिंग शोर के प्रभाव के कम करे वाला अर्थ संबंधी स्तर के एक श्रृंखला पर ऑब्जेक्ट वर्गीकरण के प्रदर्शन कैल जा सके। डेटासेट में विशेष रूप से प्रचलित कुछ वर्ग के लेल, जैसे कि लोग, हम वर्ग-विशिष्ट वायोला-जोन्स शैली डिटेक्टर के तुलनीय मान्यता प्रदर्शन प्रदर्शित करे में सक्षम छलई। |
4b605e6a9362485bfe69950432fa1f896e7d19bf | डीप लर्निंग में प्रगति अउर डीप नेटवर्क के प्रशिक्षण के लेल बड़का डेटासेट के उपलब्धता के संयोजन के चलते स्वचालित चेहरा पहचान तकनीक में प्रदर्शन में महत्वपूर्ण सुधार देखल गेल हई। चूंकि चेहरा के पहचान करनाई एगो ऐसन काम हई जेकरा में मनुष्य के बहुत अच्छा मानल जाई हई, येहिलेल पूरी तरह से अप्रतिबंधित चेहरा के छवियों के संसाधित करते समय स्वचालित चेहरा पहचान अउर मनुष्य के सापेक्ष प्रदर्शन के तुलना करनाई केवल स्वाभाविक छलई। इ काम में, हम अनियंत्रित चेहरा के छवियों के उपयोग करके कई उपन्यास विश्लेषण के प्रदर्शन करके मनुष्य और स्वचालित प्रणालियों के मान्यता सटीकता के पिछले अध्ययन पर विस्तार करो हय। हम प्रदर्शन पर प्रभाव के जांच करई हई जब मानव मान्यता के प्रति विषय के विभिन्न मात्रा में छवियों के प्रस्तुत कैल जाई हई, अपरिवर्तनीय विशेषता जैसे लिंग, अउर परिस्थितिजन्य विशेषता जैसे कि आवरण, रोशनी अउर मुद्रा। परिणाम इंगित करो हय कि मनुष्य चुनौतीपूर्ण IJB-A डेटासेट पर अत्याधुनिक स्वचालित चेहरा पहचान एल्गोरिदम के बहुत बेहतर प्रदर्शन करो हय। |
a4d510439644d52701f852d9dd34bbd37f4b8b78 | सेलुलर ऑटोमैटा (सीए) पर आधारित एसएलईयूटीएच मॉडल के महानगरीय क्षेत्र में शहर के विकास के सिमुलेशन पर लागू कैल जा सकई हई। ई अध्ययन में शहरी विस्तार के मॉडल बनावे आउर तेहरान में शहरी विकास के भविष्य के व्यवहार के भविष्यवाणी करे के लेल SLEUTH मॉडल के उपयोग कैल गेल रहई। मूल डेटा 1988, 1992, 1998, 2001 और 2010 के पांच लैंडसैट TM और ईटीएम छवियां हलय। स्थानिक पैटर्न के अनुकरण करे के लेल तीन परिदृश्य के डिजाइन कैल गेल रहई। पहला परिदृश्य मानलकय कि ऐतिहासिक शहरीकरण मोड बरकरार रहतय और विकास के लिए एकमात्र सीमा ऊंचाई और ढलान हलय। दूसरा एक कॉम्पैक्ट परिदृश्य हलय जेकरा मे विकास ज्यादातर आंतरिक हलय और उपनगरीय क्षेत्रों के विस्तार के सीमित कैलकय। अंतिम परिदृश्य में एगो बहुकेंद्री शहरी संरचना के प्रस्तावित कैल गेल रहई जोनमे छोट पैच के अनुमति देल गेल रहई। टेलीफोन नंबर: +98 912 3572913 ई-मेल पता: [email protected] |
f19e6e8a06cba5fc8cf234881419de9193bba9d0 | तंत्रिका नेटवर्क के आमतौर पर वर्गीकरण अउर निर्णय कार्य में उपयोग कैल जाई छलई। ई पेपर में, हम उनकर परिणाम के स्थानीय विश्वास के समस्या पर ध्यान केंद्रित कर रहलिए ह । हम सांख्यिकीय निर्णय सिद्धांत से कुछ धारणा के समीक्षा करो हय जे तंत्रिका नेटवर्क के साथ वर्गीकरण के लिए विश्वास उपाय के निर्धारण और उपयोग पर एक अंतर्दृष्टि प्रदान करो हय। फेर हम मौजूदा आत्मविश्वास माप के एक सिंहावलोकन प्रस्तुत करई हई अउर अंत में एगो सरल माप प्रस्तावित करई हई जे नेटवर्क आउटपुट के संभाव्य व्याख्या के लाभ के जौरे बूटस्ट्रैप त्रुटि अनुमान द्वारा मॉडल के गुणवत्ता के अनुमान के जोड़ई हई। हम वास्तविक दुनिया के अनुप्रयोग और एक कृत्रिम समस्या पर अनुभवजन्य परिणाम के चर्चा करो हय और इ दिखावो हय कि सबसे सरल उपाय अक्सर अधिक परिष्कृत के तुलना में बेहतर व्यवहार करो हय, लेकिन कुछ स्थितिय में खतरनाक हो सको हय। |
4a5be26509557f0a1a911e639868bfe9d002d664 | विनिर्माण संदेश विनिर्देश (एमएमएस) प्रोटोकॉल के व्यापक रूप से औद्योगिक प्रक्रिया नियंत्रण अनुप्रयोग में उपयोग कैल जाई हई, लेकिन एकर दस्तावेजीकरण खराब छलो। ई पेपर में हम सूचना सुरक्षा के संदर्भ में एमएमएस के समझ के बेहतर करे के लेल एमएमएस प्रोटोकॉल के विश्लेषण प्रस्तुत करई छी। हमार निष्कर्ष से पता चलई हई कि एमएमएस में अपर्याप्त सुरक्षा तंत्र हई, अउर उपलब्ध कमजोर सुरक्षा तंत्र के व्यावसायिक रूप से उपलब्ध औद्योगिक उपकरण में लागू ना कैल जाई छलई। |
15a2ef5fac225c864759b28913b313908401043f | अपन ग्राहक के विश्वास प्राप्त करे के लेल, सॉफ्टवेयर विक्रेता अपन उत्पाद के सुरक्षा मानक के अनुसार प्रमाणित कर सकई हई, जैसे कि सामान्य मानदंड (आईएसओ 15408) । हालांकि, कॉमन क्रिटेरिया प्रमाणन के लिए सॉफ्टवेयर उत्पाद के एक समझदार प्रलेखन के आवश्यकता होवो हय। इ दस्तावेज के निर्माण में समय और धन के उच्च लागत होवो हय। हम एगो सॉफ्टवेयर विकास प्रक्रिया के प्रस्ताव रखई हई जे कॉमन क्रिटेरिया प्रमाणन के लेल आवश्यक दस्तावेज के निर्माण के समर्थन करई हई। येहिलेल, सॉफ़्टवेयर बनावे के बाद हमनही के दस्तावेज़ीकरण बनावे के आवश्यकता ना हई। एकरा अलावा, हम कॉमन क्रिटेरिया दस्तावेजों के स्थापना के साथ संभावित समस्याओं के पता लगावे के लिए एडीआईटी नामक आवश्यकता-संचालित सॉफ्टवेयर इंजीनियरिंग प्रक्रिया के एक उन्नत संस्करण के उपयोग करे के प्रस्ताव रखो हय। हम प्रमाणन प्रक्रिया से पहिले इ मुद्दों के पता लगावे के लक्ष्य रखो हकियो। येई प्रकार, हम प्रमाणन प्रयास के महंगा देरी से बचाएल जाई छियई। एडीआईटी एगो निर्बाध विकास दृष्टिकोण प्रदान करई हई जे विभिन्न प्रकार के यूएमएल मॉडल के बीच स्थिरता जांच के अनुमति देइ हई। एडीआईटी सुरक्षा आवश्यकता से लेकर डिजाइन दस्तावेजों तक के पता लगाने के क्षमता के भी समर्थन करो हय। हम एगो स्मार्ट मीटरिंग गेटवे सिस्टम के विकास के जौरे अपन दृष्टिकोण के चित्रित करई छी। |
21968ae000669eb4cf03718a0d97e23a6bf75926 | हाल ही में, सामाजिक नेटवर्क पर प्रभाव के प्रसार के घटना में बहुत रुचि देखाएल गेल हई। ई क्षेत्र के अध्ययन ई मानई हई कि उनकर समस्या के इनपुट के रूप में एगो सामाजिक ग्राफ होई हई जेकरा किनार के जौरे उपयोगकर्ता के बीच प्रभाव के संभावना के साथ लेबल कैल गेल हई। हालांकि, येई संभावना कहां से आवई हई चाहे वास्तविक सामाजिक नेटवर्क डेटा से येई बात के गणना कैसे कैल जा सकई हई, येई सवाल के अब तक काफी हद तक अनदेखा कैल गेल हई। येई प्रकार ई पूछना दिलचस्प हई कि का एगो सामाजिक ग्राफ अउर ओकर उपयोगकर्ता द्वारा कैल गेल क्रिया के लॉग से, कोनो प्रभाव के मॉडल बना सकई हई। ई पेपर में हमला के मुख्य समस्या हई। मॉडल पैरामीटर के सीखनाई अउर भविष्यवाणि करे के लेल सीखे गेल मॉडल के परीक्षण के लेल मॉडल अउर एल्गोरिदम के प्रस्ताव के अलावा, हम ओई समय के भविष्यवाणी करे के लेल तकनीक के भी विकास करई हई जोनसे कोनो उपयोगकर्ता के कोनो कार्रवाई करे के उम्मीद कैल जा सकई हई। हम फ़्लिकर डेटा सेट के उपयोग करके अपन विचार और तकनीक के मान्य कर हई, जेकरा में 1.3M नोड्स, 40M किनारों वाला एक सामाजिक ग्राफ और 300K अलग-अलग क्रिया के संदर्भित करे वाला 35M ट्यूपल से बनल एगो एक्शन लॉग शामिल हई। ई दिखावे के अलावा कि वास्तविक सामाजिक नेटवर्क में वास्तविक प्रभाव हो रहल हई, हम देखई हई कि हमार तकनीक के उत्कृष्ट पूर्वानुमान प्रदर्शन हई। |
c8a04d0cbb9f70e86800b11b594c9a05d7b6bac0 | |
61dc8de84e0f4aab21a03833aeadcefa87d6d4e5 | तदर्थ नेटवर्क में गोपनीयता-संरक्षण डेटा एकत्रीकरण एक चुनौतीपूर्ण समस्या हय, वितरित संचार और नियंत्रण आवश्यकता, गतिशील नेटवर्क टोपोलॉजी, अविश्वसनीय संचार लिंक, आदि के विचार करते करते। जब बेईमान नोड्स मौजूद होई हई, त कठिनाई बढ़ जा हई, अउर बेईमान नोड्स के खिलाफ गोपनीयता, सटीकता अउर मजबूती के कैसे सुनिश्चित कैल जाए, ई एगो खुला मुद्दा बनल रहई हई। व्यापक रूप से उपयोग कैल जाए वाला क्रिप्टोग्राफिक दृष्टिकोण से अलग, इ पेपर में, हम वितरित सहमति तकनीक के शोषण करके इ चुनौतीपूर्ण समस्या के संबोधित करई हई। हम सबसे पहले एक सुरक्षित आम सहमति-आधारित डेटा एकत्रीकरण (SCDA) एल्गोरिथ्म के समर्थन करो हय जे संवेदनशील डेटा के गोपनीयता के संरक्षित करते हुए एक सटीक योग एकत्रीकरण के गारंटी देवो हय। फेर, बेईमान नोड्स से प्रदूषण के कम करे के लेल, हम एगो उन्नत एससीडीए (ई-एससीडीए) एल्गोरिथ्म प्रस्तावित करई हई जे पड़ोसी के बेईमान नोड्स के पता लगाबे के अनुमति देई हई, अउर त्रुटि बाउंड के व्युत्पन्न करई हई जब अनिर्णायक डिश हई। हम एससीडीए और ई-एससीडीए दोनों के अभिसरण को साबित करते हैं। हम इ भी साबित करो हय कि प्रस्तावित एल्गोरिदम हैं ((, σ) -डेटा गोपनीयता, और और σ के बीच गणितीय संबंध प्राप्त करो हय। व्यापक सिमुलेशन से पता चललय हा कि प्रस्तावित एल्गोरिथ्म में उच्च सटीकता और कम जटिलता हय, और ऊ नेटवर्क गतिशीलता और बेईमान नोड्स के खिलाफ मजबूत हय। |
dbde4f47efed72cbb99f412a9a4c17fe39fa04fc | प्राकृतिक छवि निर्माण वर्तमान में डीप लर्निंग में सबसे अधिक सक्रिय रूप से खोजे जाए वाला क्षेत्र में से एक हय। कई दृष्टिकोण, जैसे कलात्मक शैली के हस्तांतरण या प्राकृतिक बनावट संश्लेषण के लिए, पर्यवेक्षित रूप से प्रशिक्षित गहरे तंत्रिका नेटवर्क में पदानुक्रमित प्रतिनिधित्व के आंकड़ों पर भरोसा करो। हालांकि, इ स्पष्ट नए हय कि इ विशेषता प्रतिनिधित्व के कौन सा पहलू प्राकृतिक छवि उत्पादन के लिए महत्वपूर्ण हय: क्या इ गहराई, पूलिंग या प्राकृतिक छवियों पर सुविधा के प्रशिक्षण हय? हम इ सवाल के प्राकृतिक बनावट संश्लेषण के कार्य के लिए संबोधित करो हय और इ दिखावो हय कि उपरोक्त पहलुओं में से कोई भी अपरिहार्य नय हय। एकर बजाय, हम इ प्रदर्शित करो हय कि उच्च अवधारणात्मक गुणवत्ता के प्राकृतिक बनावट केवल एक परत, कोई पूलिंग और यादृच्छिक फ़िल्टर के साथे नेटवर्क से उत्पन्न कियल जा सको हय। |
acdc3d8d8c880bc9b9e10b337b09bed4c0c762d8 | कपड़ा अउर पहनय योग्य उत्पाद में एकीकृत दूरसंचार प्रणाली ऐसन तरीका हई जेकर द्वारा चिकित्सा उपकरण स्वास्थ्य सेवा प्रावधान के चौबीसों घंटा बढ़ाबे पर प्रभाव डालई हई। जब पूरा तरह से विकसित हो जतई त ई कपड़ा अस्पताल के संसाधन अउर श्रम के कम करे के जौरे-जौरे अगर अउर जब आवश्यक हो तब सतर्कता अउर मांग के ध्यान रखे में सक्षम होतई। एकरा अलावा, ऊ स्पष्ट रूप से स्वस्थ व्यक्ति में निवारक बीमारी, स्वास्थ्य अनियमितता अउर अप्रत्याशित हृदय चाहे मस्तिष्क विकार में प्रमुख भूमिका निभा सकई हई। ई काम अल्ट्रा-वाइडबैंड (यूडब्ल्यूबी) एंटीना के जांच के व्यवहार्यता के प्रस्तुत करई हई जे पूरी तरह से कपड़ा सामग्री से बनल हई जेकर उपयोग सब्सट्रेट के जौरे-जौरे डिजाइन कैल गेल एंटीना के प्रवाहकीय भाग के लेल कैल गेल रहई। सिमुलेटेड और मापा गेल परिणाम से पता चलई हई कि प्रस्तावित एंटीना डिज़ाइन व्यापक कार्य बैंडविड्थ के आवश्यकता के पूरा करई हई अउर कॉम्पैक्ट आकार, धोने योग्य अउर लचीला सामग्री के जौरे 17GHz बैंडविड्थ प्रदान करई हई। वर्तमान पांडुलिपि डिजाइन के उपयोगिता के मान्य करे के लिए वापसी हानि, बैंडविड्थ, विकिरण पैटर्न, वर्तमान वितरण के साथ-साथ लाभ और दक्षता के संदर्भ में परिणाम प्रस्तुत कैल गेल हई। यहां प्रस्तुत कार्य के एगो स्टैंडअलोन सूट के भविष्य के अध्ययन के लेल गहन निहितार्थ हई जे एक दिन पहननिहार (रोगी) के ऐसन विश्वसनीय अउर आरामदायक चिकित्सा निगरानी तकनीक प्रदान करे में मदद कर सकई हई। 12 अप्रैल 2011 के प्राप्त, 23 मई 2011 के स्वीकार, 10 जून 2011 के निर्धारित * संवाददाता लेखक: माई ए. रहमान उस्मान ([email protected]) |
aab8c9514b473c4ec9c47d780b7c79112add9008 | एक शोध रणनीति के रूप में केस स्टडी अक्सर छात्रों और अन्य नए शोधकर्ताओं के लिए एक स्पष्ट विकल्प के रूप में उभरती है, जो अपने कार्यस्थल या सीमित संख्या में संगठनों की तुलना के आधार पर एक मामूली पैमाने की शोध परियोजना शुरू करना चाहते हैं। इ संदर्भ में केस स्टडी अनुसंधान के अनुप्रयोग के सबसे चुनौतीपूर्ण पहलू जांच के "क्या होता है" के एक वर्णनात्मक विवरण से एक शोध के टुकड़े तक उठावे के हय जे ज्ञान के लिए एक सार्थक, यदि मामूली अतिरिक्त के दावा कर सको हय। ई लेख केस स्टडी अनुसंधान और संबंधित क्षेत्र में स्थापित पाठ्यपुस्तकों पर भारी रूप से आकर्षित करो हय, जैसे कि यिन, 1994, हैमेल एट अल., 1993, ईटन, 1992, गोम, 2000, पेरी, 1998, और साउंडर्स एट अल., 2000 लेकिन केस स्टडी अनुसंधान के प्रमुख पहलुओं के अलग करे के कोशिश करो हय। इ तरह से नए शोधकर्ताओं के प्रोत्साहित करे के लिए और इ शोध दृष्टिकोण के कुछ प्रमुख सिद्धांतों के लागू करे के लिए। लेख में समझाएल गेल हई कि केस स्टडी अनुसंधान के उपयोग कैले कैल जा सकई हई, अनुसंधान डिजाइन, डेटा संग्रह अउर डेटा विश्लेषण, अउर अंत में रिपोर्ट चाहे शोध प्रबंध लिखे में साक्ष्य पर आधारित सुझाव देल गेल हई। |
a088bed7ac41ae77dbb23041626eb8424d96a5ba | ई पेपर एफ़्रा प्रश्न उत्तर इंजन, एक मॉड्यूलर और विस्तार योग्य ढांचे के वर्णन करो हय जे एक प्रणाली में प्रश्न उत्तर के लिए कई दृष्टिकोण के एकीकृत करे के अनुमति देवो हय। हमर ढांचा के भाषा-विशिष्ट घटक के बदलके अंग्रेजी के अलावा दोसर भाषा में अनुकूलित कैल जा सकई हई। ई प्रश्न-उत्तर, ज्ञान एनोटेशन अउर ज्ञान खनन के दू प्रमुख दृष्टिकोण के समर्थन करई हई। एफ़्रा वेब के डेटा संसाधन के रूप में उपयोग करो हय, लेकिन छोटा कॉर्पोरेसन के साथे भी काम कर सको हय। एकरा अलावा, हम प्रश्न के व्याख्या के लेल एगो नया दृष्टिकोण प्रस्तावित करई हई जे प्रश्न के मूल रूप से सार के लेल छलई। एगो प्रश्न के व्याख्या करे अउर पाठ स्निपेट से उत्तर निकाले के लेल पाठ पैटर्न के उपयोग कैल जाई हई। हमार प्रणाली स्वचालित रूप से उत्तर निष्कर्षण के पैटर्न सीखई हई, प्रशिक्षण डेटा के रूप में प्रश्न-उत्तर जोड़े के उपयोग करई हई। प्रयोगात्मक परिणाम इ दृष्टिकोण के क्षमता के प्रकट कैलकय। |
227ed02b3e5edf4c5b08539c779eca90683549e6 | मौजूदा ढांचे के एक विशाल बहुमत कुछ सामाजिक-आर्थिक और तकनीकी सेटिंग्स वाला देशों में उनकर सार्वभौमिक प्रयोज्यता के संबोधित करे के लिए अपर्याप्त हय। यद्यपि अभी तक ई-गवर्नेंस के लागू करे में "एक आकार सभी के अनुरूप" रणनीति नय हय, परिवर्तन में कुछ आवश्यक सामान्य तत्व हय। येहिलेल, ई पेपर विकासशील अउर विकसित देश के मौजूदा ई-भागीदारी पहल से सीखल गेल कुछ सिद्धांत अउर पाठ के आधार पर एगो अद्वितीय टिकाऊ मॉडल विकसित करे के प्रयास करई हई, ताकि आईसीटी के लाभ के अधिकतम कैल जा सके अउर अधिक भागीदारी सुनिश्चित कैल जा सके। |
6afe5319630d966c1355f3812f9d4b4b4d6d9fd0 | |
a2c2999b134ba376c5ba3b610900a8d07722ccb3 | |
ab116cf4e1d5ed947f4d762518738305e3a0ab74 | |
64f51fe4f6b078142166395ed209d423454007fb | सटीक और मजबूत गहरी नेटवर्क मॉडल के प्रशिक्षण के लिए बड़ी मात्रा में एनोटेटेड प्रशिक्षण छवियों के संग्रह महत्वपूर्ण हय, लेकिन बड़ी मात्रा में एनोटेटेड प्रशिक्षण छवियों के संग्रह अक्सर समय लेने वाला और महंगा होवो हय। इमेज सिंथेसिस मशीन द्वारा स्वचालित रूप से एनोटेटेड प्रशिक्षण छवियों के उत्पन्न करके इ प्रतिबंध के कम करो हय, जे हाल के डीप लर्निंग अनुसंधान में बढ़ल रुचि के आकर्षित कैलकय हा। हम एगो अभिनव छवि संश्लेषण तकनीक विकसित करई हई जे पृष्ठभूमि छवि में रुचि के अग्रभूमि वस्तु (ओओआई) के यथार्थवादी रूप से एम्बेड करके एनोटेटेड प्रशिक्षण छवि के रचना करई हई। प्रस्तावित तकनीक में दो प्रमुख घटक शामिल हय जे सिद्धांत रूप में गहरे नेटवर्क प्रशिक्षण में संश्लेषित छवियों के उपयोगिता के बढ़ावो हय। पहला संदर्भ-जागरूक शब्दार्थ सुसंगतता हय जे सुनिश्चित करो हय कि ओओआई के पृष्ठभूमि छवि के भीतर शब्दार्थ सुसंगत क्षेत्रों के आसपास रखल जा हय। दोसर समरूप उपस्थिति अनुकूलन हई जे सुनिश्चित करई हई कि एम्बेडेड ओओआई ज्यामिति संरेखण अउर उपस्थिति यथार्थवाद दुनु से आसपास के पृष्ठभूमि के अनुकूल छलो। प्रस्तावित तकनीक के दू संबंधित लेकिन बहुत अलग कंप्यूटर विजन चुनौती, अर्थात्, सीन टेक्स्ट डिटेक्शन और सीन टेक्स्ट रिकॉग्निशन पर मूल्यांकन कैल गेल हई। कैगो सार्वजनिक डेटासेट पर प्रयोग से हमर प्रस्तावित छवि संश्लेषण तकनीक के प्रभावशीलता के प्रदर्शन करई हई। गहरी नेटवर्क प्रशिक्षण में हमर संश्लेषित छवियों के उपयोग वास्तविक छवियों के उपयोग के तुलना में समान चाहे बेहतर दृश्य पाठ पता लगावे अउर दृश्य पाठ मान्यता प्रदर्शन प्राप्त करे में सक्षम छलई। |
ceb4040acf7f27b4ca55da61651a14e3a1ef26a8 | |
226cfb67d2d8eba835f2ec695fe28b78b556a19f | हम बिटकॉइन प्रोटोकॉल में एगो व्यावहारिक संशोधन प्रस्तावित करई हई जे सामान्य मामला में बिटकॉइन के सुरक्षा करई हई। ई एगो गठबंधन द्वारा स्वार्थी खनन के प्रतिबंधित करई हई जे संसाधन के एक चौथाई से कम के नियंत्रित करई हई। ई सीमा गलत ढंग से मानल गेल 1/2 सीमा से कम हई, लेकिन वर्तमान वास्तविकता से बेहतर हई जहां कोनो आकार के गठबंधन प्रणाली के समझौता कर सकई हई। बिटकॉइन क्रिप्टोकरेंसी अपन लेन-देन के सार्वजनिक लॉग में रिकॉर्ड कर हई जेकरा ब्लॉकचेन कहल जाई हई। एकर सुरक्षा वितरित प्रोटोकॉल पर महत्वपूर्ण रूप से टिकल हई जे ब्लॉकचेन के बनाए रखई हई, जे खनिक कहल जाई छलई। पारंपरिक ज्ञान के दावा हय कि खनन प्रोटोकॉल प्रोत्साहन-संगत हय और अल्पसंख्यक समूह के साथ मिलीभगत से सुरक्षित हय, अर्थात, ई खनिक के प्रोटोकॉल के निर्धारित रूप से पालन करे के लिए प्रोत्साहित करो हय। हम देखबई कि बिटकॉइन खनन प्रोटोकॉल प्रोत्साहन-संगत न हई। हम एगो हमला प्रस्तुत कर रहल बानी जेकरा से खनिक के आमदनी उनकर उचित हिस्सा से बेसी हो गेलई। हमला के बिटकॉइन के लिए महत्वपूर्ण परिणाम हो सकई हई: तर्कसंगत खनिक हमलावर के जौरे जुड़ल पसंद करतई, अउर क्लोडिंग समूह के आकार में तब तक वृद्धि होतई जब तक कि ऊ बहुमत न बन जा हई। ई बिंदु पर, बिटकॉइन प्रणाली एगो विकेन्द्रीकृत मुद्रा होनाई बंद कर देई हई। जब तक कि कुछ धारणा न बन जाए, स्वार्थी खनन मिलानकारी खनिक के कोनो भी आकार के गठबंधन के लिए व्यवहार्य हो सको हय। |
2b00e526490d65f2ec00107fb7bcce0ace5960c7 | ई पेपर "इंटरनेट ऑफ थिंग्स" के संबोधित करई छई। इ आशाजनक प्रतिमान के मुख्य सक्षम कारक कई प्रौद्योगिकियों और संचार समाधान के एकीकरण हय। पहचान और ट्रैकिंग प्रौद्योगिकियां, वायर्ड और वायरलेस सेंसर और एक्ट्यूएटर नेटवर्क, उन्नत संचार प्रोटोकॉल (नेक्स्ट जनरेशन इंटरनेट के साथ साझा), और स्मार्ट ऑब्जेक्ट्स के लिए वितरित खुफिया केवल सबसे प्रासंगिक हय। जैसा कि आसानी से कल्पना कैल जा सकई हई, चीज के इंटरनेट के प्रगति में कोनो भी गंभीर योगदान जरूरी हई कि ज्ञान के विभिन्न क्षेत्र में कैल जाए वाला सामंजस्यपूर्ण गतिविधियों के परिणाम होए, जैसे कि दूरसंचार, सूचना विज्ञान, इलेक्ट्रॉनिक्स अउर सामाजिक विज्ञान। इ तरह के एक जटिल परिदृश्य में, इ सर्वेक्षण उ लोगन के लेल निर्देशित कैल गेल हई जे इ जटिल अनुशासन के संपर्क में आएल चाहई हई अउर एकर विकास में योगदान करनाई चाहई छलई। ई इंटरनेट ऑफ थिंग्स प्रतिमान के विभिन्न दृष्टिकोण के रिपोर्ट कैल गेल हई अउर सक्षम प्रौद्योगिकि के समीक्षा कैल गेल हई। ई पता चलई हई कि अनुसंधान समुदाय के सामने अभीयो प्रमुख मुद्दा हई। एकरा मे से सबसे महत्वपूर्ण ऊहे हय जेकरा मे विवरण देल गेलय हा। 2010 एल्सेवियर बी.वी. सब अधिकार सुरक्षित. |
839a69a55d862563fe75528ec5d763fb01c09c61 | LSTM या सरल तकनीकों के उपयोग करके गणना कैल गेलय कम-आयामी वेक्टर एम्बेडिंग, पाठ के "अर्थ" के कैप्चर करे के लिए एक लोकप्रिय दृष्टिकोण हय और डाउनस्ट्रीम कार्यों के लिए उपयोगी अनसुप्रवीण सीखने के एक रूप हय। हालांकि, उनकी शक्ति, सिद्धांत रूप में, अभी तक ज्ञात नहीं है. वर्तमान पेपर रैखिक एम्बेडिंग योजना के उप-मामला के देखके औपचारिक समझ प्राप्त करई हई। संपीड़ित संवेदन के सिद्धांत के उपयोग करके हम देखई हई कि घटक शब्द वेक्टर के संयोजन करे वाला प्रतिनिधित्व अनिवार्य रूप से पाठ के बैग-ऑफ-एन-ग्राम (बोनजी) प्रतिनिधित्व के सूचना-संरक्षण रैखिक माप हई। ई एल एस टी एम के बारे में एगो नया सैद्धांतिक परिणाम के जन्म देई हई: कम-मेमोरी एल एस टी एम से प्राप्त कम-आयामी एम्बेडिंग वर्गीकरण कार्य पर कम से कम उतना शक्तिशाली हई, जेतना कि बोनजी वैक्टर पर रैखिक वर्गीकरणकर्ता, एगो परिणाम जे व्यापक अनुभवजन्य कार्य अब तक प्रदर्शित करे में असमर्थ रहल हई। हमार प्रयोग इ सैद्धांतिक निष्कर्ष के समर्थन करो हय और मानक बेंचमार्क पर मजबूत, सरल और अनसुनीकृत आधार रेखा के स्थापित करो हय जे कुछ मामलों में शब्द-स्तर के विधियों में कला के स्थिति हय। हम ग्लोवे और वर्ड2वेक जैसन एम्बेडिंग के एगो आश्चर्यजनक नया संपत्ति भी दिखावो हय: ऊ पाठ के लिए एक अच्छा संवेदन मैट्रिक्स बनावो हय जे यादृच्छिक मैट्रिक्स के तुलना में अधिक कुशल हय, मानक विरल वसूली उपकरण, जे समझा सको हय कि ऊ व्यवहार में बेहतर प्रतिनिधित्व के कारण काहे हय। |
06e04fd496cd805bca69eea2c1977f90afeeef83 | एल्गोरिथम निष्पक्षता में अधिकांश दृष्टिकोण मशीन लर्निंग विधियों के प्रतिबंधित करो हय, इलिए परिणामी भविष्यवाणियां निष्पक्षता के कई सहज ज्ञान युक्त धारणा में से एक के संतुष्ट करो हय। जबकि ई निजी कंपनियों के भेदभाव-विरोधी कानून के पालन करे या नकारात्मक प्रचार से बचे में मदद कर सकई हई, हमार माननाई हई कि ई अक्सर बहुत कम अउर बहुत देर से होई छलई। जब तकले प्रशिक्षण डेटा एकत्र कैल जाई हई, तब तक वंचित समूह के व्यक्ति पहिले से ही भेदभाव अउर उनके नियंत्रण से बाहर कारक के कारण अवसर से वंचित हो जाई छलई। वर्तमान कार्य में हम एकरा बजाय एगो नया सार्वजनिक नीति जैसे हस्तक्षेप पर ध्यान केंद्रित करई हई, अउर विशेष रूप से, समग्र प्रणाली के निष्पक्षता में सुधार करते हुए ओकर सकारात्मक प्रभाव के अधिकतम कैसे कैल जाए। हम संभावित हस्तक्षेप के लिए अनुमति देते हुए, हस्तक्षेप के प्रभावों के मॉडल के लिए कारण संबंधी तरीकों का उपयोग करते हैं-प्रत्येक व्यक्ति के परिणाम पर निर्भर हो सकता है कि हस्तक्षेप कौन और प्राप्त करता है। हम न्यूयॉर्क शहर के स्कूलों के डेटासेट का उपयोग करके शिक्षण संसाधनों के बजट के आवंटन के एक उदाहरण के साथ यह प्रदर्शित करते हैं। |
44dd6443a07f0d139717be74a98988e3ec80beb8 | प्रेरक सीखने के लिए अब कई अच्छी तरह से विकसित दृष्टिकोण मौजूद हय, लेकिन प्रत्येक के विशिष्ट सीमाएं हय जेकरा दूर करना मुश्किल हय। बहु-रणनीति सीखना एगो एल्गोरिथ्म में कैगो विधि के जोड़के येई समस्या से निपटे के प्रयास करई छलई। ई लेख दू व्यापक रूप से उपयोग कैल जाए वाला अनुभवजन्य दृष्टिकोण के एकीकरण के वर्णन करई हईः नियम प्रेरण अउर उदाहरण-आधारित सीखना। नया एल्गोरिथ्म में, उदाहरण के अधिकतम विशिष्ट नियम के रूप में मानल जाई हई, अउर वर्गीकरण सर्वश्रेष्ठ-मैच रणनीति के उपयोग करके कैल जाई छलई। नियम के उदाहरण के धीरे-धीरे सामान्यीकृत करके सीखल जाई हई जब तक कि स्पष्ट सटीकता में कोई सुधार न हो जाए। सैद्धांतिक विश्लेषण इ दृष्टिकोण के कुशलता के दर्शाबई हई। ई RISE 3.1 प्रणाली में लागू कैल गेल हई। एगो व्यापक अनुभवजन्य अध्ययन में, RISE अपन माता-पिता दृष्टिकोण (PEBLS अउर CN2) के साथ-साथ एगो निर्णय पेड़ शिक्षार्थी (C4.5) के राज्य के अत्याधुनिक प्रतिनिधिय के तुलना में लगातार उच्च सटीकता प्राप्त करई छलई। क्षति अध्ययन से पता चलई हई कि RISE के प्रत्येक घटक येई प्रदर्शन के लेल आवश्यक छलई। सबसे महत्वपूर्ण रूप से, अध्ययन कैल गेलई 30 डोमेन में से 14 में, राइज पीईबीएलएस अउर सीएन 2 के सर्वश्रेष्ठ से अधिक सटीक हई, ई दर्शाबे के हई कि कैगो अनुभवजन्य विधियों के संयोजन द्वारा एगो महत्वपूर्ण तालमेल प्राप्त कैल जा सकई हई। |
b38ac03b806a291593c51cb51818ce8e919a1a43 | |
4debb3fe83ea743a888aa2ec8f4252bbe6d0fcb8 | ओपन सोर्स सॉफ्टवेयर (ओएसएस) हाल के समय में बहुत अधिक व्यावसायिक रुचि के विषय बन गेलय हय। निश्चित रूप से, ओएसएस सॉफ्टवेयर संकट के मूल मुद्दों के संबोधित करे में बहुत अधिक वादा करे वाला प्रतीत होवो हय, अर्थात् सॉफ्टवेयर के विकसित करे में बहुत लंबा समय लगो हय, एकर बजट से अधिक हय, और बहुत अच्छा काम नए करो हय। वास्तव में, ओएसएस के महत्वपूर्ण सफलता के कई उदाहरण हय - लिनक्स ऑपरेटिंग सिस्टम, अपाचे वेब सर्वर, बीआईएनडी डोमेन नाम समाधान उपयोगिता, कुछ के नाम पर। हालांकि, ओएसएस पर कठोर अकादमिक शोध के तरीका से आज तक बहुत कम कियल गलय हा। इ अध्ययन में, एक ढांचा दो पिछले ढांचे से प्राप्त कियल गलय हल जे आईएस क्षेत्र में बहुत प्रभावशाली हलय, अर्थात् ज़चमैन के आईएस आर्किटेक्चर (आईएसए) और सॉफ्ट सिस्टम मेथडोलॉजी (एसएसएम) से चेकलैंड के सीएटीडब्ल्यूई ढांचा। परिणामी ढांचे के उपयोग ओएसएस दृष्टिकोण के विस्तार से विश्लेषण करे के लिए कियल जा हय। ओएसएस अनुसंधान के संभावित भविष्य पर भी चर्चा कियल गलय हा। |
4bd48f4438ba7bf731e91cb29508a290e938a1d0 | 2.4 GHz WLAN एक्सेस पॉइंट अनुप्रयोगों के लिए परिपत्र ध्रुवीकरण (CP) का एक कॉम्पैक्ट सर्व-दिशात्मक एंटीना प्रस्तुत किया जाता है। एंटीना में चार घुमावदार मोनोपोल और एक फीडिंग नेटवर्क होवो हय जे एक साथ येई चार मोनोपोल के उत्तेजित करो हय। सीपी एंटीना के विद्युत आकार केवल λ <sub> 0</sub> / 5 × λ <sub> 0</sub> / 5 × λ <sub> 0</sub> / 13 हय। प्रतिबाधा बैंडविड्थ (Sgadgad <sub> 11 <sub> Rad <; -10 dB) 3.85% (2.392 GHz से 2.486 GHz) हई अउर अक्षीय अनुपात एज़िमुथ प्लेन में ऑपरेटिंग बैंड में 0.5 dB से कम हई। |
0015fa48e4ab633985df789920ef1e0c75d4b7a8 | डिटेक्शन (सीवीपीआर 97 के कार्यवाही में दिखाई देवे के लिए, 17-19 जून, 1997, प्यूर्टो रिको) एडगर ओसुनई ? रोबर्ट फ्रॉन्ड के ? फेडेरिको गिरोसी yसेंटर फॉर बायोलॉजिकल एंड कंप्यूटेशनल लर्निंग एंड ऑपरेशंस रिसर्च सेंटर मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी कैम्ब्रिज, एमए, 02139, यूएसए सारांश हम कंप्यूटर विजन में सपोर्ट वेक्टर मशीन (एसवीएम) के अनुप्रयोग के जांच करते हैं। एसवीएम एगो सीखने के तकनीक हई जेकरा वी. वापनिक अउर उनकर टीम (एटी एंड टी बेल लैब्स) द्वारा विकसित कैल गेल हई। जे बहुपद, तंत्रिका नेटवर्क, या रेडियल बेस फ़ंक्शंस क्लासिफायर के प्रशिक्षण के लेल एगो नया विधि के रूप में देखल जा सकई हई। निर्णय सतहों के एक रैखिक रूप से सीमित द्विघात प्रोग्रामिंग समस्या के हल करके पायल जा हय। ई अनुकूलन समस्या चुनौतीपूर्ण हई काहेकी द्विघात रूप पूरी तरह से घना हई अउर मेमोरी आवश्यकता डेटा बिंदु के संख्या के वर्ग के जौरे बढ़ई हई। हम एगो अपघटन एल्गोरिथ्म प्रस्तुत करई हई जे वैश्विक इष्टतमता के गारंटी देई हई, अउर एसवीएम के बहुत बड़का डेटा सेट पर प्रशिक्षित करे के लेल उपयोग कैल जा सकई हई। विघटन के पीछे मुख्य विचार उप-समस्या के पुनरावर्ती समाधान अउर इष्टतमता स्थिति के मूल्यांकन हई जेकर उपयोग बेहतर पुनरावर्ती मान उत्पन्न करे के लेल कैल जाई हई, अउर एल्गोरिदम के लेल रोकल गेल मानदंड के स्थापित करे के लेल कैल जाई छलई। हम एसवीएम के अपन कार्यान्वयन के प्रयोगात्मक परिणाम प्रस्तुत करई हई, अउर 50,000 डेटा बिंदु के डेटा सेट के शामिल करई वाला चेहरा पहचान समस्या पर अपन दृष्टिकोण के व्यवहार्यता के प्रदर्शन करई हई। |
ca74a59166af72a14af031504e31d86c7953dc91 | |
0122e063ca5f0f9fb9d144d44d41421503252010 | अनसुप्रवीक्षित सुविधा सीखना और गहरी सीखना में हालिया काम से पता चललय हा कि बड़े मॉडल के प्रशिक्षित करे में सक्षम होवे से प्रदर्शन में नाटकीय रूप से सुधार हो सको हय। इ पेपर में, हम दस हजार सीपीयू कोर के उपयोग करके अरबों पैरामीटर के साथ एक गहरे नेटवर्क के प्रशिक्षण के समस्या पर विचार कर रहल हई। हम डिस्टबेलिफ नामक एगो सॉफ्टवेयर फ्रेमवर्क विकसित कैले हई जे बड़ मॉडल के प्रशिक्षित करे के लेल हजारों मशीन के जौरे कंप्यूटिंग क्लस्टर के उपयोग कर सकई हई। इ ढांचे के भीतर, हम बड़े पैमाने पर वितरित प्रशिक्षण के लिए दो एल्गोरिदम विकसित कैलकय हा: (i) डाउनपूर एसजीडी, एक अतुल्यकालिक स्टोचैस्टिक ग्रेडिएंट वंश प्रक्रिया जे बड़ी संख्या में मॉडल प्रतिकृतियों के समर्थन करो हय, और (ii) सैंडब्लास्टर, एक ऐसा ढांचा जे एल-बीएफजीएस के वितरित कार्यान्वयन सहित विभिन्न वितरित बैच अनुकूलन प्रक्रिया के समर्थन करो हय। डाउनपूर एसजीडी और सैंडब्लास्टर एल-बीएफजीएस दुनु डीप नेटवर्क प्रशिक्षण के पैमाना अउर गति बढ़ाबई हई। हम अपन प्रणाली के उपयोग साहित्य में पहिले से 30 गुना बड़ गहरा नेटवर्क के प्रशिक्षित करे के लेल सफलतापूर्वक कैले हई, अउर इमेजनेट पर अत्याधुनिक प्रदर्शन प्राप्त करई हई, 16 मिलियन छवि अउर 21k श्रेणी के जौरे एगो दृश्य वस्तु मान्यता कार्य। हम देखबई कि ईहे तकनीक वाणिज्यिक भाषण मान्यता सेवा के लेल अधिक मामूली आकार के गहरे नेटवर्क के प्रशिक्षण के नाटकीय रूप से तेज करई हई। यद्यपि हम बड़े तंत्रिका नेटवर्क के प्रशिक्षण के लिए लागू इ विधियों के प्रदर्शन पर ध्यान केंद्रित और रिपोर्ट करो हय, अंतर्निहित एल्गोरिदम कोनो भी ग्रेडिएंट-आधारित मशीन लर्निंग एल्गोरिदम के लिए लागू होवो हय। |
f5fca08badb5f182bfc5bc9050e786d40e0196df | एक वायरलेस सेंसर नेटवर्क के आधार पर एक जल पर्यावरण निगरानी प्रणाली के प्रस्तावित कैल गेलय हय। एकर तीन भाग में डेटा मॉनिटरिंग नोड्स, डेटा बेस स्टेशन और रिमोट मॉनिटरिंग सेंटर शामिल हय। ई प्रणाली जटिल और बड़े पैमाने पर जल पर्यावरण निगरानी के लिए उपयुक्त हय, जैसे कि जलाशय, झील, नदी, दलदल और उथले या गहरे भूजल के लिए। ई पेपरवा पानी के वातावरणवा के निगरानी प्रणाली डिजाइनवा लगि हमनी के नया के व्याख्या और चित्रण ला समर्पित हो। प्रणाली एक कृत्रिम झील के पानी के तापमान और पीएच मूल्य वातावरण के ऑनलाइन ऑटो-निगरानी के सफलतापूर्वक पूरा कैलकय हल। सिस्टम की माप क्षमता पानी के तापमान के लिए 0 से 80 °C तक, ±0.5 °C की सटीकता के साथ; pH मान पर 0 से 14 तक, ±0.05 pH इकाइयों की सटीकता के साथ। विभिन्न जल वातावरण के लिए निगरानी के मांग के पूरा करे और विभिन्न पैरामीटर प्राप्त करे के लिए विभिन्न जल गुणवत्ता परिदृश्यों के लिए लागू सेंसर को नोड्स पर स्थापित कियल जाए के चाहि। मॉनिटरिंग सिस्टम इ प्रकार व्यापक अनुप्रयोग संभावना के वादा करो हय। |
0969bae35536395aff521f6fbcd9d5ff379664e3 | हम बहु-रेडियो, बहु-हॉप वायरलेस नेटवर्क में रूटिंग के लिए एक नया मीट्रिक प्रस्तुत करते हैं। हम स्थिर नोड्स के साथ वायरलेस नेटवर्क पर ध्यान केंद्रित करो हय, जैसे कि सामुदायिक वायरलेस नेटवर्क। मीट्रिक के लक्ष्य स्रोत और गंतव्य के बीच उच्च-थ्रूपुट पथ के चयन करना हय। हमर मीट्रिक लिंक पर पैकेट के अपेक्षित संचरण समय (ईटीटी) के आधार पर व्यक्तिगत लिंक के भार सौंपई हई। ईटीटी हानि दर और लिंक के बैंडविड्थ के एक फ़ंक्शन हय। व्यक्तिगत लिंक भार के भारित संचयी ईटीटी (डब्ल्यूसीईटीटी) नामक एक पथ मीट्रिक में जोड़ल जाई हई जे स्पष्ट रूप से ओई चैनल के उपयोग करे वाला लिंक के बीच हस्तक्षेप के लेल जिम्मेदार छलई। डब्ल्यूसीईटीटी मीट्रिक के एगो रूटिंग प्रोटोकॉल में शामिल कैल गेल हई जेकरा हम मल्टी-रेडियो लिंक-क्वालिटी सोर्स रूटिंग कहई हई। हम एकरा 23 नोड्स से बनल वायरलेस टेस्टबेड में लागू करके अपन मीट्रिक के प्रदर्शन के अध्ययन कलई, जेकरा में से प्रत्येक दू 802.11 वायरलेस कार्ड से लैस रहई। हम पाते हकि बहु-रेडियो वातावरण में, हमार मीट्रिक पहिले से प्रस्तावित रूटिंग मीट्रिक से काफी बेहतर प्रदर्शन कर हई दोसर रेडियो के विवेकपूर्ण उपयोग करके। |
3a01f9933066f0950435a509c2b7bf427a1ebd7f | इ पेपर में हम मॉनिटर के एलईडी से स्मार्टफोन के कैमरा में डेटा लीक करके डेटा एक्सफ़िल्ट्रेशन के लिए एक नया दृष्टिकोण प्रस्तुत करते हैं। एगो उन्नत स्थायी खतरा (एपीटी) के हिस्सा के रूप में संगठन से मूल्यवान जानकारी के लीक करे के लेल हमलावर द्वारा नया दृष्टिकोण के उपयोग कैल जा सकई हई। अवधारणा के प्रमाण जे विकसित कैल गेल रहई, पेपर में वर्णित कैल गेल हई अउर फेर एगो प्रयोग के विवरण जे प्रदर्शित करई हई कि व्यावहारिक रूप से लोग हमला के बारे में जागरूक ना छलई। हम ऐसन तरीका के प्रस्ताव रखई हई जे ऐसन खतरा के पता लगाबे अउर कुछ संभावित प्रतिवाद के सुविधा प्रदान करई हई। |
698b8181cd613a72adeac0d75252afe7f57a5180 | हम उभरते मल्टी-कोर प्लेटफॉर्म के लिए ट्री-एन्सेट एल्गोरिदम रैंडम फॉरेस्ट (आरएफ) और एक्सट्रीमली रैंडमाइज़्ड ट्रीज़ (ईआरटी) के दो नए समानांतर कार्यान्वयन प्रस्तुत करते हैं, उदाहरण के लिए, सामान्य-उद्देश्य कंप्यूटिंग (जीपीजीपीयू) के लिए उपयुक्त समकालीन ग्राफिक्स कार्ड। यादृच्छिक वन और अत्यधिक यादृच्छिक पेड़ वर्गीकरण और प्रतिगमन के लिए एंसटैंबल शिक्षार्थी हय। ऊ प्रशिक्षण समय पर निर्णय के पेड़ के एक भीड़ के निर्माण करके और व्यक्तिगत पेड़ के आउटपुट के तुलना करके एक भविष्यवाणी के आउटपुट करके काम करई हई। कार्य के अंतर्निहित समानांतरता के लिए धन्यवाद, इसकी गणना के लिए एक स्पष्ट मंच बड़ी संख्या में प्रसंस्करण कोर के साथ समकालीन GPUs को नियोजित करना है। साहित्य में रैंडम फॉरेस्ट के लिए पिछला समानांतर एल्गोरिदम या त पारंपरिक मल्टी-कोर सीपीयू प्लेटफार्मों या प्रारंभिक इतिहास जीपीयू के लिए सरल हार्डवेयर आर्किटेक्चर और अपेक्षाकृत कम संख्या में कोर के साथ डिज़ाइन कियल गलय हा। नया समानांतर एल्गोरिदम के बड़ी संख्या में कोर के साथे समकालीन GPU के लिए डिज़ाइन कैल गेल हई अउर मेमोरी पदानुक्रम अउर थ्रेड शेड्यूलिंग जैसन नया हार्डवेयर आर्किटेक्चर के पहलु के ध्यान में रखई छलई। ऊ एनवीडिया-आधारित जीपीयू पर सर्वोत्तम संभव प्रदर्शन के लेल सी/सी++ भाषा अउर सीयूडीए इंटरफ़ेस के उपयोग कैके लागू कैल गेल हई। सीपीयू और जीपीयू प्लेटफार्म के लिए सबसे महत्वपूर्ण पिछले समाधानों के साथ तुलना करे वाला एक प्रयोगात्मक अध्ययन नए कार्यान्वयन के लिए महत्वपूर्ण सुधार दिखाता है, अक्सर कई परिमाणों के साथ। |
1b4e04381ddd2afab1660437931cd62468370a98 | पाठ कॉर्पोरेसन जे भाषण के हिस्सा के जानकारी के साथ टैग कैल गेल हई, भाषाई अनुसंधान के कैगो क्षेत्र में उपयोगी छलई। इ पत्र में, तंत्रिका नेटवर्क (नेट-टैगर) पर उपयोग कैल जाए वाला एक नया भाग-बचन टैगिंग विधि प्रस्तुत कैल गेल हई अउर एकर प्रदर्शन के llMM-टैगर (कटिंग एट अल, 1992) अउर ट्राइग्राम-आधारित टैगर (केम्पे, 1993) के तुलना में कैल गेल हई। ई देखाएल गेल हई कि नेट-टैगर ट्रिग्राम-आधारित टैगर के जौरे-जौरे अउर आईआईएमएम-टैगर के तुलना में बेहतर प्रदर्शन करई हई। |
68ba338be70fd3c5bdbc1c271243740f2e0a0f0c | हम बड़ बड़ बाइनरी डेटा सेट के लेल देल गेल क्वेरी के लेल तेजी से अनुमानित उत्तर उत्पन्न करे के समस्या के जांच करई हई। हम विशेष रूप से इ समस्या के लिए संभाव्यता मोड l-आधारित दृष्टिकोण पर ध्यान केंद्रित करो हय और कई तकनीक विकसित करो हय जे बेसलाइन स्वतंत्रता मॉडल के तुलना में काफी अधिक सटीक हय। विशेष रूप से, हम बार-बार आइटम सेट से संभाव्यता मॉडल के निर्माण के लिए दो तकनीकों के परिचय देवो ह: आइटम सेट अधिकतम एन्ट्रापी विधि, और आइटम सेट मॉडल पर समावेशन-बहिष्करण। अधिकतम एन्ट्रॉपी विधि में हम आइटमसेट के क्यूरी चर के वितरण पर बाधा के रूप में मानो हय और ट्रिब्यूट ऑनलाइन पर क्वेरी के लिए एक संयुक्त संभावना मॉडल बनावे के लिए अधिकतम एन्ट्रॉपी सिद्धांत के उपयोग करो हय। समावेशन-बहिष्करण मॉडल में आइटम सेट और ओकर आवृत्ति के एक डेटा संरचना में संग्रहीत कैल जा हय जेकरा एक एडीट्री कहल जा हय जे क्वेरी के उत्तर देवे के खातिर समावेशन-बहिष्करण सिद्धांत के एक कुशल कार्यान्वयन के समर्थन करो हय। हम अनुभवजन्य रूप से इन दो आइटमसेट-आधारित मॉडल के मूल डेटा के प्रत्यक्ष क्वेरी, मूल डेटा के नमूनों के क्वेरी के साथ-साथ अन्य संभाव्य मॉडल जैसे कि इंडिपेंडेंस मॉडल, चौ-लियू ट्री मॉडल और बर्नौली मिश्रण मॉडल के साथ तुलना करते हैं। ई मॉडल उच्च-आयामी (सैकड़ों चाहे हजारों विशेषता) के संभाले में सक्षम हई, जबकि येई विषय पर अधिकांश अन्य कार्य अपेक्षाकृत कम आयामी ओएलएपी समस्या पर केंद्रित छलई। सिमुलेटेड और रियलवर्ल्ड लेनदेन डेटा सेट दोनों पर प्रयोगात्मक परिणाम अनुमान त्रुटि, मॉडल जटिलता और क्वेरी उत्तर के गणना के लिए आवश्यक ऑनलाइन समय के बीच विभिन्न मौलिक व्यापार-ऑफ को दर्शाता है। |
90522a98ccce3aa0ce20b4dfedb76518b886ed96 | इ पांडुलिपि के पहिले के संस्करण पर अपन सहायता के लेल रॉबर्ट स्कीपर अउर आरोन हाइमन के विशेष धन्यवाद। शाउन मैक्क्विटी, रॉबिन पीटरसन, चक पिकट, केविन शानाहन, और जर्नल ऑफ बिजनेस रिसर्च के संपादकों और समीक्षकों के भी धन्यवाद, उनके उपयोगी टिप्पणियों के लिए। इ पांडुलिपि के एक पहिले के संस्करण ने 2001 सोसाइटी फॉर मार्केटिंग एडवांस सम्मेलन में प्रस्तुत सर्वश्रेष्ठ पेपर के लिए शॉ पुरस्कार जीता। ई पांडुलिपि के एगो संक्षिप्त संस्करण के जर्नल ऑफ बिजनेस रिसर्च में प्रकाशित करे के लेल स्वीकार कैल गेल हई। |
2e0db4d4c8bdc7e11541b362cb9f8972f66563ab | |
05c025af60aeab10a3069256674325802c844212 | हम वीडियो अउर मोशन कैप्चर में मानव शरीर के मुद्रा के पहचान अउर भविष्यवाणी के लेल एन्कोडर-रिकर्रेन्ट-डेकोडर (ईआरडी) मॉडल के प्रस्ताव करई छलई। ईआरडी मॉडल एगो आवर्ती तंत्रिका नेटवर्क हई जे आवर्ती परत के पहिले अउर बाद में गैर-रैखिक एन्कोडर अउर डिकोडर नेटवर्क के शामिल करई हई। हम मोशन कैप्चर (मोकैप) पीढ़ी, बॉडी पोज लेबलिंग और वीडियो में बॉडी पोज पूर्वानुमान के कार्य में ईआरडी आर्किटेक्चर के उदाहरणों के परीक्षण करो हय। हमार मॉडल कई विषय और गतिविधि डोमेन में मॉकअप प्रशिक्षण डेटा के संभालई हई, अउर लंबा समय तक बहले से बचे के दौरान उपन्यास आंदोलन के संश्लेषित करई हई। मानव मुद्रा लेबलिंग के लेल, ईआरडी बाएं-दाएं शरीर के हिस्सा के भ्रम के हल करके प्रति फ्रेम शरीर के हिस्सा के डिटेक्टर के बेहतर प्रदर्शन करई हई। वीडियो पोज पूर्वानुमान के लेल, ईआरडी 400 मिमी के समय क्षितिज में शरीर के संयुक्त विस्थापन के भविष्यवाणी करई हई अउर ऑप्टिकल प्रवाह के आधार पर पहिला क्रम के गति मॉडल के बेहतर प्रदर्शन करई छलई। ईआरडी प्रतिनिधित्व अउर उनकर गतिशीलता के संयुक्त रूप से सीखै के लेल साहित्य में पिछला लॉन्ग शॉर्ट टर्म मेमोरी (एलएसटीएम) मॉडल के विस्तार करई हई। हमार प्रयोग दिखावे कि अइसन प्रतिनिधित्व सीखना अंतरिक्ष-समय में लेबलिंग और भविष्यवाणी दुनु के लेल महत्वपूर्ण हई। हम पाते हियो कि ई 1 डी पाठ, भाषण या हस्तलेखन के तुलना में स्थान-समय दृश्य डोमेन के बीच एक विशिष्ट विशेषता हय, जेजा सीधा हार्ड कोडेड प्रतिनिधित्व ने पुनरावर्ती इकाइ के साथ सीधे संयुक्त होवे पर उत्कृष्ट परिणाम दिखाल हय [31]. |
092b64ce89a7ec652da935758f5c6d59499cde6e | हम मानव3.6M, 3.6 मिलियन सटीक 3 डी मानव मुद्रा के एक नया डेटासेट पेश करो हय, जे 4 अलग-अलग दृष्टिकोण के तहत 5 महिला और 6 पुरुष विषयों के प्रदर्शन के रिकॉर्ड करके प्राप्त कैल गेलय हय, यथार्थवादी मानव संवेदन प्रणालि के प्रशिक्षण के लिए और मानव मुद्रा अनुमान मॉडल और एल्गोरिदम के अगली पीढ़ी के मूल्यांकन के लिए। वर्तमान अत्याधुनिक स्थिति में डेटासेट के आकार के कई परिमाण के आदेश से बढ़ावे के अलावा, हमार उद्देश्य येई तरह के डेटासेट के विशिष्ट मानव गतिविधि (फोटो खींचना, फोन पर बात करना, पोज़ देना, अभिवादन करना, खाना खाना आदि) के हिस्सा के रूप में सामना कैल जाए वाला गति और मुद्रा के एगो विविध सेट के जौरे पूरक करनाई हई। ), अतिरिक्त सिंक्रनाइज़ छवि, मानव गति कैप्चर, और उड़ान के समय (गहराई) डेटा, और शामिल सभी विषय अभिनेताओं के सटीक 3 डी बॉडी स्कैन के साथ। हम नियंत्रित मिश्रित वास्तविकता मूल्यांकन परिदृश्य भी प्रदान करो हय जेजा 3 डी मानव मॉडल गति कैप्चर के उपयोग करके एनिमेटेड होवो हय और सही 3 डी ज्यामिति के उपयोग करके सम्मिलित कैल जा हय, जटिल वास्तविक वातावरण में, चल कैमरा के साथे देखल जा हय, और ऑक्ल्यूशन के तहत। अंत में, हम अनुसंधान समुदाय में भविष्य के काम द्वारा एकर विविधता और सुधार के गुंजाइश के चित्रित करे वाला डेटासेट के लिए बड़े पैमाने पर सांख्यिकीय मॉडल और विस्तृत मूल्यांकन आधार रेखा के एक सेट प्रदान करई हई। हमार प्रयोग से पता चलई हई कि हमार सबसे अच्छा बड़ा पैमाना के मॉडल हमार पूरा प्रशिक्षण सेट के लाभ उठा सकई हई, ताकि येई समस्या के लेल सबसे बड़ मौजूदा सार्वजनिक डेटासेट के पैमाना के प्रशिक्षण सेट के तुलना में प्रदर्शन में 20% सुधार हो सके। फिर भी, उच्च क्षमता, अधिक जटिल मॉडल के हमारे बड़े डेटासेट के साथ लाभ उठाते हुए सुधार के लिए क्षमता काफी व्यापक है और भविष्य के अनुसंधान को प्रोत्साहित करनी चाहिए। डेटासेट, संबंधित बड़े पैमाने पर सीखने के मॉडल, सुविधाओं, विज़ुअलाइज़ेशन टूल के साथ-साथ मूल्यांकन सर्वर के लिए कोड के साथ, http://vision.imar.ro/human3.6m पर ऑनलाइन उपलब्ध हय। |
ba4a037153bff392b1e56a4109de4b04521f17b2 | संकट सूचना विज्ञान येई बात के जांच करई हई कि प्रौद्योगिकी के लेल समाज के व्यापक पहुंच बड़का आपातकालीन घटना के प्रतिक्रिया के कैसे बदल रहल हई। इ परिवर्तन के अध्ययन करे के लिए, शोधकर्ता के डेटा के बड़े सेट तकले पहुंच के आवश्यकता होवो हय जे ओकर मात्रा और विषम प्रकृति के कारण एकत्रित करे और विश्लेषण करे में मुश्किल होवो हय। येई चिंता के दूर करे के लेल, हम एगो वातावरण - ईपीआईसी एनालाइज़ - के डिजाइन अउर लागू कैले हई जे शोधकर्ता के सोशल मीडिया डेटा के संग्रह अउर विश्लेषण में समर्थन करई हई। हमार शोध ने इ सुनिश्चित करे के लिए आवश्यक घटक के प्रकार के पहचान कैलकय हय - जैसे कि NoSQL, MapReduce, कैशिंग और खोज - कि इ सेवा विश्वसनीय, स्केलेबल, विस्तार योग्य और कुशल हय। हम ईपीआईसी विश्लेषण के निर्माण करते समय और एकर स्केलेबिलिटी, प्रदर्शन और कार्यक्षमता पर चर्चा करते समय - जैसे डेटा मॉडलिंग, समय बनाम अंतरिक्ष व्यापार-बंद, और एक उपयोगी और प्रयोग योग्य प्रणाली के लिए आवश्यकता के सामना करे वाला डिजाइन चुनौतियों के वर्णन करो हय। |
4416236e5ee4239e86e3cf3db6a2d1a2ff2ae720 | आधुनिक एनालिटिक्स अनुप्रयोग तेजी से जटिल वर्कफ़्लो बनावे के लेल विभिन्न लाइब्रेरी अउर फ्रेमवर्क से कैगो फ़ंक्शन के जोड़ई हई। भले ही प्रत्येक फ़ंक्शन अलग से उच्च प्रदर्शन प्राप्त कर सको हय, संयुक्त वर्कफ़्लो के प्रदर्शन अक्सर फ़ंक्शन के बीच व्यापक डेटा आंदोलन के कारण हार्डवेयर सीमा से नीचे एक परिमाण के क्रम होवो हय। इ समस्या के हल करे के लिए, हम वेल्ड के प्रस्ताव रखो हय, डेटा-गहन अनुप्रयोगों के लिए एक रनटाइम जे असंबद्ध पुस्तकालय और कार्यों में अनुकूलित करो हय। वेल्ड एसक्यूएल, मशीन लर्निंग और ग्राफ एनालिटिक्स सहित विभिन्न डेटा समानांतर वर्कलोड के संरचना के कैप्चर करे के लिए एक सामान्य मध्यवर्ती प्रतिनिधित्व के उपयोग करो हय। ई तब प्रमुख डेटा आंदोलन अनुकूलन करई हई अउर पूरा वर्कफ़्लो के लेल कुशल समानांतर कोड उत्पन्न करई छलई। वेल्ड के मौजूदा फ्रेमवर्क जैसे कि टेंसरफ्लो, अपाचे स्पार्क, नुमपाई और पांडा में उनके उपयोगकर्ता-सामने के एपीआई के बदले के बिना एकीकृत कैल जा सकई हई। हम देखबई कि वेल्ड येई फ्रेमवर्क के जौरे-जौरे अनुप्रयोग के जोड़े के गति बढ़ा सकई हई, 30 गुना तक। |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.