_id
stringlengths 40
40
| text
stringlengths 0
9.54k
|
|---|---|
98aa1650071dd259f45742dae4b97ef13a9de08a | |
2105d6e014290cd0fd093479cc32cece51477a5a | ठूला औंठाछाप डाटाबेसबाट अपूर्ण वा आंशिक औंठाछाप पहिचान गर्नु आज पनि एउटा कठिन चुनौती हो। आंशिक औंठाछापको बारेमा हालको अध्ययन स्थानीय रिज विवरण प्रयोग गरेर एक-एक मेल खाने कुरामा केन्द्रित छ। यस लेखमा, हामी विश्वव्यापी टोपोलोजिकल सुविधाहरूको उपयोग गरेर आंशिक औंठाछापहरू मेल खाने उम्मेदवार सूचीहरू पुनः प्राप्त गर्ने समस्याको अनुसन्धान गर्दछौं। विशेष गरी, हामी आंशिक औंठाछापबाट विश्वव्यापी टोपोलोजी प्रतिनिधित्वको पुनर्निर्माणको लागि विश्लेषणात्मक दृष्टिकोण प्रस्ताव गर्दछौं। पहिलो, हामी पुनर्निर्माण समस्या वर्णन गर्नको लागि एक उल्टो अभिमुखीकरण मोडेल प्रस्तुत गर्दछौं। त्यसपछि, हामी उल्टो मोडेलको सबै मान्य समाधानहरूको लागि सामान्य अभिव्यक्ति प्रदान गर्दछौं। यसले हामीलाई विद्यमान खण्डहरूमा डाटाको निष्ठा कायम राख्न अनुमति दिन्छ जबकि अज्ञात भागहरूमा हराइरहेको संरचनाहरूको अन्वेषण गर्दछ। हामीले रिज टोपोलोजी सुविधाहरूको केही पूर्व ज्ञानको आधारमा हराइरहेको अभिमुखीकरण संरचनाहरूको अनुमान गर्न एल्गोरिदमहरू विकास गरेका छौं। हाम्रो तथ्याङ्क प्रयोगले देखाउँछ कि हाम्रो प्रस्तावित मोडेलमा आधारित दृष्टिकोणले जोडी-बुद्धिमानी फिंगरप्रिन्ट मिलानका लागि उम्मेदवारहरूको संख्यालाई प्रभावकारी रूपमा कम गर्न सक्छ, र यसरी आंशिक फिंगरप्रिन्ट पहिचानको लागि प्रणाली पुनः प्राप्ति प्रदर्शनमा उल्लेखनीय सुधार ल्याउन सक्छ। |
7b71acff127c9bc736185343221f05aac4768ac0 | हालैमा विज्ञान र इन्जिनियरिङका धेरै क्षेत्रमा कम-रैंक म्याट्रिक्सको पुनःप्राप्तिले महत्त्वपूर्ण गतिविधि देखाएको छ, हालैको सैद्धान्तिक परिणामहरूले सटीक पुनर्निर्माण ग्यारेन्टीहरू र रोचक व्यावहारिक अनुप्रयोगहरूको लागि प्रेरित गरेको छ। यस कागजमा, हामी म्याट्रिक्स पूरामा कम-रैंक म्याट्रिक्स अनुमान गर्नका लागि उपन्यास रिकभरी एल्गोरिदमहरू प्रस्तुत गर्दछौं र स्पायर बेइजियन लर्निंग (एसबीएल) सिद्धान्तहरूमा आधारित बलियो मुख्य घटक विश्लेषण। म्याट्रिक्स फ्याक्टराइजेशनको सूत्रबाट सुरु गर्दै र अनुमानमा कम-रैंकको बाधालाई एक स्पायरिटी बाधाको रूपमा लागू गर्दै, हामी एक दृष्टिकोण विकास गर्छौं जुन उच्च रिकभरी प्रदर्शन प्रदान गर्दा सही श्रेणी निर्धारण गर्न धेरै प्रभावकारी हुन्छ। हामी अन्य यस्तै समस्याहरूमा अवस्थित विधिहरूसँग जडानहरू प्रदान गर्दछौं र अनुभवजन्य परिणामहरू र वर्तमान राज्य-को-कला विधिहरूसँग तुलना गर्दछौं जसले यस दृष्टिकोणको प्रभावकारितालाई चित्रण गर्दछ। |
93ed6511a0ae5b13ccf445081ab829d415ca47df | लेबल प्रजनन ग्राफहरूमा अर्ध-पर्यवेक्षित सिकाउने प्रविधि हो। अर्कोतर्फ, न्यूरल नेटवर्कले धेरै पर्यवेक्षित सिकाइ कार्यहरूमा ट्र्याक रेकर्डहरू प्रमाणित गरेका छन्। यस कार्यमा, हामी ग्राफ-नियमन उद्देश्यको साथ एक प्रशिक्षण ढाँचा प्रस्ताव गर्दछौं, अर्थात् न्यूरल ग्राफ मेशिनहरू, जसले न्यूरल नेटवर्कको शक्ति र लेबल प्रसारणलाई मिलाउन सक्छ। यस कार्यले स्नायु नेटवर्कको ग्राफफ्रेगमेन्ट प्रशिक्षणमा अघिल्लो साहित्यलाई सामान्य बनाउँछ, यसलाई बहु स्नायु आर्किटेक्चर (फिड-फर्वार्ड एनएन, सीएनएन र एलएसटीएम आरएनएन) र ग्राफहरूको विस्तृत श्रृंखलामा लागू गर्न सक्षम गर्दछ। नयाँ उद्देश्यले तंत्रिका नेटवर्कहरूलाई लेबल गरिएको र लेबल गरिएको डाटा दुबैलाई उपयोग गर्न अनुमति दिन्छः (a) नेटवर्कलाई सुपरिवेक्षित सेटिंगमा जस्तै लेबल गरिएको डाटा प्रयोग गरेर तालिम दिन अनुमति दिँदै, (b) लेबल प्रसारको रूपमा समान नसमा, ग्राफमा छिमेकी नोडहरूको लागि समान लुकेका प्रतिनिधित्वहरू सिक्नको लागि नेटवर्कलाई पूर्वाग्रह गर्दै। प्रस्तावित उद्देश्यका साथ त्यस्ता आर्किटेक्चरहरू स्टोकास्टिक ग्रेडियन्ट वंश प्रयोग गरेर कुशलतापूर्वक प्रशिक्षित गर्न सकिन्छ र ठूला ग्राफहरूमा स्केल गर्न सकिन्छ, रनटाइमको साथ जुन किनारहरूको संख्यामा रैखिक हुन्छ। प्रस्तावित संयुक्त प्रशिक्षण दृष्टिकोणले धेरै प्रकारका कार्यहरूमा धेरै अवस्थित विधिहरू (सामाजिक ग्राफहरूमा बहु-लेबल वर्गीकरण, समाचार वर्गीकरण, कागजात वर्गीकरण र अर्थपूर्ण आशय वर्गीकरण) लाई विश्वासयोग्य ढंगले पार गर्दछ, ग्राफ इनपुटहरूको बहुविध रूपहरू (नोड-स्तर सुविधाहरू सहित र बिना ग्राफहरू सहित) र विभिन्न प्रकारका न्यूरल नेटवर्कहरू प्रयोग गरेर। गुगलमा इन्टर्नशिपको समयमा गरिएको काम। |
a32e74d41a066d3dad15b020cce36cc1e3170e49 | ग्राफिकल मोडेलले ग्राफ सिद्धान्त र सम्भावना सिद्धान्तलाई बहु-भिन्नरूपी सांख्यिकीय मोडेलिंगको लागि एक शक्तिशाली औपचारिकतामा एकसाथ ल्याउँछ। सांख्यिकीय संकेत प्रशोधनमा - साथै संचार सिद्धान्त, नियन्त्रण सिद्धान्त र बायोइन्फर्मेटिक्स जस्ता सम्बन्धित क्षेत्रहरूमा - सांख्यिकीय मोडेलहरू लामो समयदेखि ग्राफको रूपमा तयार पारिएका छन्, र सम्भावना र सीमांकित सम्भावना जस्ता आधारभूत सांख्यिकीय मात्राहरूको गणनाको लागि एल्गोरिदमहरू प्रायः यी ग्राफहरूमा सञ्चालन हुने पुनरावृत्तिको रूपमा व्यक्त गरिएको छ। उदाहरणहरूमा लुकेका मार्कोभ मोडेलहरू, मार्कोभ र्यान्डम फिल्डहरू, अगाडि-पछाडि एल्गोरिथ्म र कलम्यान फिल्टरिङ [ रबिनर र जुआंग (१ 1993 1993); पर्ल (१ 1988); कैलाथ एट अल। (२०००) । यी विचारहरू ग्राफिक मोडेलहरूको औपचारिकता भित्र बुझ्न, एकीकृत र सामान्यीकृत गर्न सकिन्छ। वास्तवमा ग्राफिकल मोडेलले यी शास्त्रीय वास्तुकलामा भिन्नताहरू बनाउन र सांख्यिकीय मोडेलहरूको पूर्ण रूपमा नयाँ परिवारहरूको अन्वेषण गर्न प्राकृतिक रूपरेखा प्रदान गर्दछ। माथि उल्लेखित पुनरावर्ती एल्गोरिदमहरू जंक्शन ट्री एल्गोरिथ्मको रूपमा चिनिने सामान्य पुनरावर्ती एल्गोरिथ्मका सबै उदाहरणहरू हुन् [ Lauritzen र Spiegelhalter, 1988] । जंक्शन ट्री एल्गोरिथ्मले संयुक्त सम्भावना वितरणको कारक गुणहरूको फाइदा लिन्छ जुन ग्राफिकल मोडेलमा हराइरहेको किनारहरूको ढाँचा द्वारा एन्कोड गरिएको छ। उपयुक्त रूपमा विरल ग्राफहरूको लागि, जंक्शन ट्री एल्गोरिथ्मले ग्राफिकल मोडेलसँग सम्बन्धित सम्भाव्यता र अन्य सांख्यिकीय मात्राहरूको गणना गर्ने सामान्य समस्याको लागि व्यवस्थित र व्यावहारिक समाधान प्रदान गर्दछ। दुर्भाग्यवश, व्यावहारिक रुचिको धेरै ग्राफिकल मोडेलहरू "उपयुक्त रूपमा विरल" छैनन्, ताकि जंक्शन ट्री एल्गोरिथ्मले अब सीमांकित सम्भावनाहरू र अन्य अपेक्षाहरूको गणना गर्ने समस्याको लागि व्यवहार्य कम्प्यूटेशनल समाधान प्रदान गर्दैन। यस्तो अवस्थामा सामना गर्न प्रयास लागि विधिहरू एक लोकप्रिय स्रोत मार्कोव श्रृंखला मोन्टे कार्लो (MCMC) रूपरेखा छ, र साँच्चै त्यहाँ मा एक महत्वपूर्ण साहित्य छ |
1d16975402e5a35c7e33b9a97fa85c689f840ded | यस लेखमा, हामी LSHDB, रेकर्ड लिङ्क र समानता खोजको लागि पहिलो समानान्तर र वितरित इन्जिन प्रस्तुत गर्दछौं। LSHDB ले स्थानीयता-संवेदनशील हसिङ (उच्च आयामहरूमा समान वस्तुहरू पत्ता लगाउनको लागि एक लोकप्रिय विधि) को मेकानिक्स लुकाउनको लागि एक अमूर्त तहलाई भौतिक बनाउँदछ जुन अन्तर्निहित समानता खोज इञ्जिनको रूपमा प्रयोग गरिन्छ। LSHDB ले इनपुट डाटाबाट उपयुक्त डाटा संरचनाहरू सिर्जना गर्दछ र यी संरचनाहरू डिस्कमा NoSQL इन्जिन प्रयोग गरेर जारी राख्दछ। यसले स्वाभाविक रूपमा वितरित प्रश्नहरूको समानान्तर प्रशोधनलाई समर्थन गर्दछ, अत्यधिक विस्तार योग्य छ, र प्रयोग गर्न सजिलो छ। हामी LSHDB लाई रेकर्ड लिंकेज (र गोपनीयता-संरक्षण रेकर्ड लिंकेज) कार्यहरूको सन्दर्भमा समान रेकर्डहरू पत्ता लगाउनको लागि आधारभूत प्रणालीको रूपमा प्रदर्शन गर्नेछौं, साथै सर्च इन्जिनको रूपमा पनि पहिचान गर्नका लागि स्ट्रिंग मानहरू जुन सबमिट गरिएको प्रश्नहरूसँग मिल्दोजुल्दो छ। |
6f9ead16c5464a989dee4cc337d473e353ce54c7 | हामी हाडनाता तार फ्रेम गति को लागि एक वास्तविक समय इशारा वर्गीकरण प्रणाली प्रस्तुत गर्दछौं। यसको मुख्य घटकहरूमा शोर इनपुट अन्तर्गत पहिचान बलियोताको लागि डिजाइन गरिएको कंकालको कोणात्मक प्रतिनिधित्व, बहु-परिवर्तनीय समय-श्रृंखला डाटाको लागि एक क्यास्केड गरिएको सहसंबंध-आधारित वर्गीकरणकर्ता, र गतिशील समय-वार्पिंगमा आधारित दूरी मेट्रिक समावेश छ जुन प्राप्त इशारा र मिलान इशाराको लागि एक ओरेकल बीचको गतिमा भिन्नता मूल्यांकन गर्न। जबकि पहिलो र अन्तिम उपकरणहरू प्रकृतिमा सामान्य छन् र कुनै पनि इशारा-मिल्दो परिदृश्यमा लागू गर्न सकिन्छ, वर्गीकरणकर्ता यो धारणामा आधारित छ कि इनपुट गति ज्ञात, क्यानोनिकल समय-आधारमा रहन्छः एक संगीत ताल। २८ वटा इशारा वर्गहरू समावेश गरिएको एउटा बेन्चमार्कमा, सयौं इशारा उदाहरणहरू XBOX Kinect प्लेटफर्म प्रयोग गरेर रेकर्ड गरियो र प्रत्येक इशारा वर्गका लागि दर्जनौं विषयहरूद्वारा प्रदर्शन गरियो, हाम्रो वर्गीकरणकर्ताको औसत शुद्धता ९६ः९% छ, लगभग ४ सेकेन्डको कंकाल गति रेकर्डिङका लागि। वास्तविक समयको गहिराई सेन्सरबाट आउने इनपुट शोरलाई ध्यानमा राख्दै यो सटीकता उल्लेखनीय छ। |
8abbc8a8bdb2c1d7193ecb2a49cb8f9344ce4141 | हामी दुई दृष्टि आधारित निगरानी प्रविधिको प्रयोग गरेर घरको परिवेशमा कदम-देखि-चरण पैदल परिवर्तनशीलता मापन गर्ने विश्लेषण प्रस्तुत गर्दछौं: दुई वेब क्यामेराको प्रणालीबाट अज्ञात भिडियो डाटा, र एकल माइक्रोसफ्ट किनेक्टबाट गहिराई छवि। [पृष्ठ २-मा भएको चित्र] वृद्ध व्यक्तिहरूको पतनको जोखिमको आकलन गर्ने क्षमता उनीहरूको उमेर बढ्दै जाँदा सुरक्षित रूपमा स्वतन्त्र वातावरणमा बस्न जारी राख्नको लागि आवश्यक छ। अध्ययनले देखाएको छ कि पैदल हिड्ने गतिमा परिवर्तनशीलताका उपायहरू वृद्ध वयस्कहरूमा खस्ने पूर्वानुमान हुन्। यस विश्लेषणका लागि, सहभागीहरूको समूहलाई दुई दृष्टि आधारित प्रणालीहरू द्वारा अनुगमन गरिएको बेलामा धेरै छोटो पैदल यात्रा गर्न भनियो, साथै ग्राउन्ड सत्यको लागि मार्कर आधारित विकन मोशन क्याप्चर प्रणालीको साथ। प्रत्येक प्रणालीको प्रयोग गरेर चरण-देखि-चरणको चाल परिवर्तनशीलताको मापन गणना गरियो र विकनबाट प्राप्त भएकाहरूसँग तुलना गरियो। |
386a8419dfb6a52e522cdab70ee8449422e529ba | अध्ययनको मुख्य उद्देश्य भनेको आफ्नो जीवनको गुणस्तर सुधार गर्ने र/वा आफ्नो स्वास्थ्य अवस्थाको अनुगमन गर्ने उद्देश्यले ज्येष्ठ नागरिकले आफ्नो घरमा जडान गरेको तथा प्रयोगमा ल्याएको स्मार्ट होम प्रविधिबारे उनीहरूको धारणा र अपेक्षाको अध्ययन गर्नु हो। अनुसन्धान डिजाइन र विधिहरू यस पाइलट अध्ययन भित्र तीन फोकस समूह सत्रहरू आयोजित गरियो जुन टेक्नोलोजीको बारेमा वृद्ध वयस्कहरूको धारणा र उनीहरूले विश्वास गर्छन् कि टेक्नोलोजीले उनीहरूको दैनिक जीवन सुधार गर्न सक्छ। यी समूहहरूमा छलफल गरिएका विषयहरूमा स्वास्थ्य सम्बन्धी मुद्दाहरूमा उपकरण र सेन्सरहरूको उपयोगिताको बारेमा सहभागीहरूको धारणा समावेश थियो जस्तै झर्ने वा पत्ता लगाउने, दृश्य वा श्रवण हानिमा सहयोग पुर्याउने, गतिशीलता सुधार गर्ने, अलगाव कम गर्ने, औषधि प्रबन्ध गर्ने, र शारीरिक मापदण्डहरूको अनुगमन। अडियो टेपहरू ट्रान्सक्रिप्ट गरियो र सामग्री विश्लेषण गरियो। परिणाम तीनवटा फोकस ग्रुप सत्रमा जम्मा १५ जना वृद्धहरूले भाग लिए। उन्नत प्रविधिले वृद्ध वयस्क बासिन्दाहरूलाई फाइदा पुग्ने क्षेत्रहरूमा आपतकालीन सहायता, झर्नेको रोकथाम र पत्ता लगाउने, शारीरिक मापदण्डहरूको अनुगमन आदि समावेश छन्। प्रयोगकर्ताको सहजता, मानव प्रतिक्रियाको अभाव र वृद्ध शिक्षार्थीहरूलाई अनुकूलित प्रशिक्षणको आवश्यकताका बारेमा चिन्ता व्यक्त गरिएको थियो। निष्कर्ष सबै सहभागीहरूले आफ्नो जीवनलाई सुधार गर्नका लागि आफ्नो घरमा जडान गर्न सकिने उपकरण र सेन्सरहरूको बारेमा समग्र सकारात्मक दृष्टिकोण राखेका थिए। |
3b8a4cc6bb32b50b29943ceb7248f318e589cd79 | हामी अनुक्रमहरूको संग्रह भित्र एक-आयामी उप-अनुक्रमहरू पत्ता लगाउन एक कुशल अनुक्रमणिका विधि प्रस्तुत गर्दछौं, ताकि उप-अनुक्रमहरू दिइएको (क्वेरी) ढाँचामा निर्दिष्ट सहिष्णुता भित्र मिल्दछ। यसको विचार प्रत्येक डाटा अनुक्रमलाई सुविधा अन्तरिक्षमा बहुआयामिक आयतहरूको सानो सेटमा नक्साङ्कन गर्नु हो। त्यसपछि, यी आयतहरू सजिलैसँग परम्परागत स्थानिक पहुँच विधिहरू प्रयोग गरेर अनुक्रमणिका गर्न सकिन्छ, जस्तै R*-tree [९]। थप विवरणमा, हामी डाटा अनुक्रममा स्लाइडिंग विन्डो प्रयोग गर्छौं र यसको सुविधाहरू निकाल्छौं; परिणाम सुविधा स्थानमा एक ट्रेल हो। हामी यस्तो ट्रेललाई सब-ट्रेलमा विभाजन गर्नका लागि एक कुशल र प्रभावकारी एल्गोरिथ्म प्रस्ताव गर्दछौं, जुन पछि उनीहरूको न्यूनतम बाउन्डिंग रेक्ट्या .्गल (एमबीआर) द्वारा प्रतिनिधित्व गरिन्छ। हामी विभिन्न प्रकारका प्रश्नहरू पनि हेर्छौं र प्रत्येक प्रश्नलाई कसरी प्रभावकारी ढंगले समाधान गर्ने भनेर देखाउँछौं। हामीले हाम्रो विधि लागू गर्यौं र सिंथेटिक र वास्तविक डाटा (स्टक मूल्य आन्दोलन) मा प्रयोगहरू गर्यौं। हामीले यो विधिलाई अनुक्रमिक स्क्यानसँग तुलना गर्यौं, जुन यसको एकमात्र स्पष्ट प्रतिस्पर्धी हो। परिणाम उत्कृष्ट थियो: हाम्रो विधिले खोज समयलाई ३ गुणाबाट १०० गुणासम्म छिटो बनायो। |
886431a362bfdbcc6dd518f844eb374950b9de86 | मानव आन्दोलनको प्रतिनिधित्व र मान्यताको लागि नयाँ दृश्यमा आधारित दृष्टिकोण प्रस्तुत गरिएको छ। प्रतिनिधित्वको आधार एक स्थैतिक वेक्टर-छवि हो जहाँ प्रत्येक बिन्दुमा भेक्टर मान छवि अनुक्रममा सम्बन्धित स्थानिक स्थानमा गति गुणहरूको प्रकार्य हो। एरोबिक्स अभ्यासलाई परीक्षण डोमेनको रूपमा प्रयोग गर्दै, हामी टेम्प्लेटहरूको सरल, दुई-घटक संस्करणको प्रतिनिधित्व शक्ति अन्वेषण गर्दछौं: पहिलो मान गतिको उपस्थिति दर्साउने बाइनरी मान हो र दोस्रो मान अनुक्रममा गतिको हालको कार्य हो। त्यसपछि हामीले पहिचान विधि विकास गर्छौं जुन ज्ञात कार्यहरूको भण्डारण गरिएका दृश्यहरूको उदाहरणहरूसँग समसामयिक टेम्प्लेटहरू मिलाउँछ। यो विधिले स्वचालित रूपमा समसामयिक विभाजन गर्दछ, गतिमा रैखिक परिवर्तनहरूमा अपरिवर्तनीय हुन्छ, र मानक प्लेटफर्महरूमा वास्तविक समयमा चल्छ। अनुक्रमणिका शब्दहरू: गति पहिचान, कम्प्युटर दृष्टि। |
846a1a0136e69554923301ea445372a57c6afd9d | बहु-एजेन्ट सिकाइमा प्रमुख चुनौती भनेको अन्य एजेन्टहरूको व्यवहारमा उत्तम प्रतिक्रिया सिक्नु हो, जुन गैर-स्थिर हुन सक्छ: यदि अन्य एजेन्टहरूले पनि आफ्नो रणनीति अनुकूलन गरे भने, सिकाइ लक्ष्य सर्छ। अनुसन्धानका विभिन्न धाराहरूले विभिन्न कोणबाट गैर-स्थिरतालाई नजिकबाट हेरेका छन्, जसले विभिन्न प्रकारका निहित धारणाहरू बनाउँदछन् जसले कलाको राज्यको अवलोकन राख्न र नयाँ कार्यहरूको नवीनता र महत्त्वलाई मान्य गर्न गाह्रो बनाउँदछ। यस सर्वेक्षणले कार्यको एक सुसंगत सिंहावलोकन प्रस्तुत गर्दछ जुन खेल सिद्धान्त, सुदृढीकरण शिक्षा र बहु-सशस्त्र डाँकुहरूको उपकरणहरूको साथ विपक्षी-प्रेरित गैर-स्थिरतालाई सम्बोधन गर्दछ। यसबाहेक, हामी कसरी एल्गोरिदम मोडेल र यो गैर-स्थिरता सामना गर्न को सिद्धान्त दृष्टिकोण मा प्रतिबिम्बित, एक नयाँ रूपरेखा र पाँच कोटिहरु मा आइपुगेको (विस्तारित क्रम मा): बेवास्ता, भूल, लक्षित मोडेल प्रतिक्रिया, मोडेल सिक्न, र मन को सिद्धान्त। अत्याधुनिक एल्गोरिदमको एक विस्तृत दायरा एक वर्गीकरणमा वर्गीकृत गरिएको छ, यी कोटीहरू र वातावरणको मुख्य विशेषताहरू (उदाहरणका लागि अवलोकनयोग्यता) र विपक्षीहरूको अनुकूलन व्यवहार (उदाहरणका लागि, चिकनी, अचानक) प्रयोग गरेर। यस विषयमा थप स्पष्टता ल्याउन हामी एउटा डोमेनको उदाहरण प्रस्तुत गर्छौं, प्रत्येक श्रेणीको बलियो पक्ष र सीमिततालाई तुलना गरेर। अन्तमा, हामी कुन वातावरणमा विभिन्न दृष्टिकोणले सबैभन्दा बढी मूल्य दिन्छ भन्ने बारेमा छलफल गर्छौं, र भविष्यको अनुसन्धानका आशाजनक मार्गहरू औंल्याउँछौं। |
a3ee76b20df36976aceb16e9df93817255e26fd4 | हालै ज्ञानको आधारमा प्रश्नको उत्तर दिने अनुसन्धानमा गहिरो वास्तुकलाको बढ्दो प्रयोग देखिएको छ। यस विस्तारित सारमा, हामी प्रश्न पार्सिङका लागि न्यूरल मेसिन ट्रान्सलेसन प्रतिमानको प्रयोगको अध्ययन गर्छौं। हामी अनुक्रम-देखि-अनुक्रम मोडेल प्रयोग गरी ग्राफ ढाँचाहरू र तिनीहरूको रचनाहरू सिक्नका लागि स्पार्क ग्राफ क्वेरी भाषा प्रयोग गर्दछौं। प्रश्न-उत्तर जोडीहरू मार्फत कार्यक्रमहरू प्रेरित गर्नुको सट्टा, हामी अर्ध-पर्यवेक्षित दृष्टिकोणको आशा गर्दछौं, जहाँ प्रश्नहरू र प्रश्नहरू बीचको पign्क्तिबद्धता टेम्प्लेटहरू मार्फत निर्माण गरिन्छ। हामी तर्क गर्छौं कि भाषाको अभिव्यक्तिहरूको कवरेज प्राकृतिक भाषा उत्पादनमा पछिल्लो उल्लेखनीय कार्यहरू प्रयोग गरेर विस्तार गर्न सकिन्छ। |
4928aee4b9a558d8faaa6126201a45b7aaea7bb6 | यसैले, यो अनुसन्धानले सरकारहरूलाई ई-सरकार प्रणालीको सफलता र यसको पूर्व-अस्वीकृतिमा लाग्ने लागत, अवसर, लाभ र जोखिमको प्रभावलाई राम्रोसँग विश्लेषण गर्न मद्दत गर्नेछ। एक दशक भन्दा बढी समयदेखि विद्युतीय सरकार (ई-गभर्नमेन्ट) को क्षेत्रमा व्यापक अनुसन्धान कार्य भइरहेको छ तर ई-गभर्नमेन्टको कार्यान्वयनमा असर पार्ने लागत, अवसर, लाभ र जोखिमबारे व्यवस्थित साहित्यिक समीक्षा गर्ने प्रयास अहिलेसम्म भएको छैन। ई-सरकार पहलहरू कार्यान्वयन गर्दा सरकारहरूले वर्षौंदेखि सामना गरेका विभिन्न सम्बन्धित चुनौतीहरूलाई ध्यानमा राख्दै यो विशेष रूपमा महत्त्वपूर्ण छ। यसैले, यस कागजको उद्देश्य भनेको विद्युतीय सरकार, एक अन्तर्राष्ट्रिय जर्नल (ईजीआईजे), विद्युतीय सरकार अनुसन्धानको अन्तर्राष्ट्रिय जर्नल (आईजेईजीआर) र ट्रान्सफर्मिङ गभर्नेन्सः पीपल, प्रोसेस एण्ड पोलिसी (टीजीपीपीपी) जस्ता विद्युतीय सरकार अनुसन्धानमा समर्पित पत्रिकाहरूबाट प्रासंगिक कागजातहरूको म्यानुअल समीक्षाको साथ स्कपस अनलाइन डाटाबेस र गुगल विद्वानबाट पहिचान गरिएका १ 132२ अध्ययनहरूको व्यवस्थित समीक्षाको प्रयोग गरेर यी मुद्दाहरूलाई सम्बोधन गर्ने सान्दर्भिक साहित्यको विस्तृत विश्लेषण गर्नु हो। समग्र समीक्षाले संकेत गर्यो कि यद्यपि धेरै संख्यामा कागजातहरूले लागत, अवसरहरू, फाइदाहरू र जोखिमहरूको बारेमा छलफल गर्दछन्, यी मुद्दाहरूको उपचार सतही हुने प्रवृत्ति छ। यसबाहेक, त्यहाँ अनुभवजन्य अध्ययनहरूको अभाव छ जुन विभिन्न ई-सरकार प्रणालीहरूको सम्बन्धमा यी निर्माणहरूको प्रदर्शनको सांख्यिकीय मूल्यांकन गर्न सक्दछ। |
d990e96bff845b3c4005e20629c613bf6e2c5c40 | |
2169acce9014fd4ce462da494b71a3d2ef1c8191 | यद्यपि यो अझै प्रमाणित भएको छैन, अनुभवजन्य प्रमाणले सुझाव दिन्छ कि मोडेल सामान्यीकरण इष्टतमको स्थानीय गुणहरूसँग सम्बन्धित छ जुन हेसियन मार्फत वर्णन गर्न सकिन्छ। हामी मोडेल सामान्यीकरणलाई PAC-बेज प्रतिमान अन्तर्गत समाधानको स्थानीय सम्पत्तीसँग जोड्छौं। विशेष गरी, हामी प्रमाणित गर्छौं कि मोडेल सामान्यीकरण क्षमता हेसियनसँग सम्बन्धित छ, उच्च-अर्डर चिकनाई शब्दहरू हेसियनको लिप्सचिट्ज स्थिर, र प्यारामिटरहरूको मापन द्वारा विशेषता। प्रमाणद्वारा निर्देशित भएर, हामी मोडेलको सामान्यीकरण क्षमतालाई स्कोर गर्नका लागि एउटा मेट्रिक प्रस्ताव गर्दछौं, साथै एउटा एल्गोरिथ्म जसले तदनुसार विचलित मोडेललाई अनुकूलित गर्दछ। |
39ed372026adaf052d9c40613386da296ee552dc | डीपमेचिङ (डीएम) छविहरू बीचको अर्ध-घन पत्राचार गणना गर्न अत्याधुनिक मिलान एल्गोरिदमहरू मध्ये एक हो। हालैका अप्टिकल प्रवाह विधिहरूले प्रारम्भिक छवि पत्राचारहरू फेला पार्न डीपमेचिंग प्रयोग गर्दछ र उत्कृष्ट प्रदर्शन प्राप्त गर्दछ। तर, डीपमेचिंगको मुख्य आधार, जो सम्बन्ध नक्साको गणना हो, समय खपत गर्ने हो। यस लेखमा, हामी नयाँ एल्गोरिथ्म, LSHDM प्रस्ताव गर्दछौं, जसले डीपमेचिंगमा स्थानीयता संवेदनशील हसिङ (LSH) प्रयोग गरेर समस्यालाई सम्बोधन गर्दछ। गणना जटिलता धेरै कम छ सहसंबंध नक्शा गणना चरण को लागी। प्रयोगहरूले देखाउँछ कि छवि मिलानलाई हाम्रो दृष्टिकोणले दश गुणा वा सोभन्दा बढी तीव्रतामा तीव्रता दिन सक्छ, जबकि अप्टिकल प्रवाह अनुमानको लागि तुलनात्मक शुद्धता कायम राख्दै। |
2fb8c7faf5e42dba3993a2b7cd8c6fd1b90d29ef | साक्षरता सिक्ने, पढ्ने र लेख्ने सिक्ने, बच्चाहरू विद्यालय प्रवेश गर्नुभन्दा धेरै अघि नै सुरु हुन्छ। पढ्ने र लेख्ने एउटा प्रमुख सीप भनेको विचारलाई प्रतीकात्मक रूपमा प्रस्तुत गर्ने र कथाको लागि समान समय र स्थानिक सन्दर्भ साझा नगर्न सक्ने दर्शकहरूसँग भाषामा साझेदारी गर्ने क्षमता हो। बच्चाहरूले यी महत्त्वपूर्ण भाषा सीपहरू सिक्छन् र दैनिक अभ्यास गर्छन्, आफ्ना साथीहरू र वरिपरिका वयस्कहरूसँग कथाहरू सुनाउँदै। विशेष गरी, साथीहरूको सहयोगको सन्दर्भमा कथा कथनले बच्चाहरूलाई साक्षरताको लागि महत्त्वपूर्ण भाषा सीपहरू सिक्नको लागि एक प्रमुख वातावरण प्रदान गर्दछ। यस कुरालाई ध्यानमा राखेर हामीले स्यामको डिजाइन गरेका छौं, जो एक व्यक्तिको रुपमा कुराकानी गर्ने एजेन्ट हो जसले बच्चाहरुसँग मिलेर कथाहरु सुनाउँछ । स्यामलाई पूर्वस्कूली बच्चाहरूको लागि साथी जस्तो देखिनका लागि डिजाइन गरिएको थियो, तर कथाहरू विकासात्मक रूपमा उन्नत तरिकामा बताउनका लागि: साक्षरताको लागि महत्त्वपूर्ण कथा कौशलको मोडेलिंग। परिणामले देखाएको छ कि भर्चुअल साथीसँग खेल्ने बच्चाहरूले कथाहरू सुनाए जुन भर्चुअल साथीको भाषाई रूपमा उन्नत कथाहरूसँग बढी मिल्दोजुल्दो थियोः अधिक उद्धृत भाषण र समय र स्थानिक अभिव्यक्तिहरूको प्रयोग गरेर। सामको कथा सुन्दा बच्चाहरूले पनि ध्यान दिएर सुन्थे, उनलाई सहयोग गर्थे र सुधार गर्न सुझाव दिन्थे। यस लेखमा बालबालिकाको साक्षरतामा प्रविधिको सामाजिक भूमिकाको सम्भावित फाइदाबारे चर्चा गरिएको छ। |
4623accb0524d3b000866709ec27f1692cc9b15a | |
f9791399e87bba3f911fd8f570443cf721cf7b1e | शब्दहरूको अर्थलाई कागजातको अर्थसँग नक्साङ्कन गर्ने रचनात्मक प्रक्रियालाई पक्रनु प्राकृतिक भाषा प्रशोधन र सूचना पुनःप्राप्तिको अनुसन्धानकर्ताहरूको लागि केन्द्रीय चुनौती हो। हामी एउटा यस्तो मोडेल प्रस्तुत गर्छौं जसले कागजातहरूको अर्थलाई निम्न आयामिक भेक्टर स्पेसमा एम्बेड गरेर प्रतिनिधित्व गर्न सक्षम हुन्छ, जबकि शब्द र वाक्य क्रमको भिन्नतालाई संरक्षण गर्दछ जुन सूक्ष्म अर्थशास्त्रलाई कब्जा गर्नका लागि महत्वपूर्ण छ। हाम्रो मोडेल विस्तारित गतिशील कन्भोल्युसन न्यूरल नेटवर्कमा आधारित छ, जसले कन्भोल्युसन फिल्टरलाई वाक्य र कागजात दुवै स्तरमा सिक्छ, पदानुक्रमिक रूपमा सिक्छ कम स्तरको शाब्दिक विशेषताहरूलाई उच्च स्तरको अर्थिक अवधारणामा कब्जा गर्न र रचना गर्न। हामी यस मोडेलको प्रभावकारितालाई कागजात मोडेलिंग कार्यहरूको दायरामा प्रदर्शन गर्दछौं, कुनै सुविधा ईन्जिनियरि without बिना र अधिक कम्प्याक्ट मोडेलको साथ बलियो परिणामहरू प्राप्त गर्दै। कम्प्युटर भिजनका लागि गहिरो कन्भोल्युसन नेटवर्कको दृश्यमा हालैका प्रगतिबाट प्रेरित भएर हामी हाम्रो कागजात नेटवर्कका लागि एक नयाँ दृश्य प्रविधिको प्रस्तुत गर्दछौं जसले उनीहरूको सिकाइ प्रक्रियामा अन्तरदृष्टि प्रदान गर्दछ, तर पाठहरूको लागि एक आकर्षक स्वचालित सारांश प्रणाली उत्पादन गर्न पनि व्याख्या गर्न सकिन्छ। |
6f2cdce2eb8e6afdfd9e81316ff08f80e972cc47 | हामी एउटा ठूलो मिडिया कम्पनीको सहयोगमा प्राकृतिक भाषा प्रशोधन गर्ने प्लेटफर्म निर्माण गर्ने चार वर्षे शैक्षिक अनुसन्धान परियोजनाको बारेमा रिपोर्ट गर्छौं। कम्प्युटेबल न्यूज प्लेटफर्मले समाचारहरू प्रशोधन गर्दछ, संरचित डाटाको तह उत्पादन गर्दछ जुन रिच अनुप्रयोगहरू निर्माण गर्न प्रयोग गर्न सकिन्छ। हामी यसको आधारभूत प्लेटफर्म र यसको निर्माणमा हामीले खोजेका अनुसन्धान कार्यहरूको वर्णन गर्दछौं। यो प्लेटफर्मले विभिन्न न्यूजरुम कार्यहरू समर्थन गर्न डिजाइन गरिएको प्रोटोटाइप अनुप्रयोगहरूको विस्तृत श्रृंखलालाई समर्थन गर्दछ। हामी आशा गर्दछौं कि यस गुणात्मक समीक्षाले यस प्रकारको परियोजनामा संलग्न चुनौतीहरूको बारेमा केही अन्तरदृष्टि प्रदान गर्दछ। |
6ab5acb5f32ef2d28f91109d40e5e859a9c101bf | हामी सामान्य भिडियो अनुक्रमणिकाको लागि चुनौती समस्या प्रस्तुत गर्दछौं जसले मल्टिमेडिया विश्लेषण विधिहरूको प्रदर्शनलाई असर गर्ने मध्यवर्ती चरणहरूमा अन्तरदृष्टि प्राप्त गर्दछ, जबकि एकै समयमा प्रयोगहरूको दोहोर्याउने क्षमतालाई बढावा दिन्छ। चुनौतीको समस्यामा पुग्न, हामी स्वचालित अवधारणा पत्ता लगाउने विधिहरूको व्यवस्थित परीक्षाको लागि सामान्य योजना प्रदान गर्दछौं, जेनेरिक भिडियो अनुक्रमणिका समस्यालाई २ युनिमोडल विश्लेषण प्रयोगहरू, २ मल्टिमोडल विश्लेषण प्रयोगहरू, र १ संयुक्त विश्लेषण प्रयोगमा विघटन गरेर। प्रत्येक प्रयोगको लागि, हामी १०१ अर्थिक अवधारणाको शब्दकोश प्रयोग गरेर TRECVID २०० 2005/००6 बेन्चमार्कबाट अन्तर्राष्ट्रिय प्रसारण समाचार डेटाको hours 85 घण्टामा जेनेरिक भिडियो अनुक्रमणिका प्रदर्शनको मूल्या evalu्कन गर्दछौं। प्रत्येक प्रयोगमा न्यूनतम प्रदर्शन स्थापना गरेर, चुनौती समस्याले जेनेरिक अनुक्रमणिका मुद्दाको घटक-आधारित अनुकूलनको लागि अनुमति दिन्छ, जबकि एकै साथ अन्य अन्वेषकहरूलाई अनुक्रमणिका विधि विकासको क्रममा तुलनाको लागि सन्दर्भ प्रदान गर्दछ। भिडियो अनुक्रमणिका प्रदर्शनमा प्रभाव पार्ने मध्यवर्ती विश्लेषण चरणहरूमा थप अनुसन्धानलाई प्रोत्साहित गर्न, चुनौतीले अनुसन्धान समुदायलाई म्यानुअली एनोटेट गरिएको अवधारणा शब्दकोश, पूर्व-गणना गरिएको कम-स्तरको मल्टिमेडिया सुविधाहरू, प्रशिक्षित वर्गीकरण मोडेलहरू, र पाँच प्रयोगहरू आधारभूत प्रदर्शनको साथ प्रदान गर्दछ, जुन सबै उपलब्ध छन्। http://www.mediamill.nl/challenge/। |
dc9681dbb3c9cc83b4636ec97680aa3326a7e7d0 | अधिकांश विद्यमान भिडियो डिनोइजिंग एल्गोरिदमहरूले छवि शोरको एकल सांख्यिकीय मोडेल मान्दछन्, उदाहरणका लागि। additive Gaussian white noise, जुन प्रायः व्यवहारमा उल्लङ्घन गरिन्छ। यस कागजमा, हामी नयाँ प्याच-आधारित भिडियो डेनोइजिंग एल्गोरिथ्म प्रस्तुत गर्दछौं जुन भिडियो डाटाबाट गम्भीर मिश्रित आवाज हटाउन सक्षम छ। स्थानिक र समसामयिक डोमेन दुवैमा समान प्याचहरू समूह बनाएर, हामी मिश्रित हल्लालाई कम-रैंक म्याट्रिक्स पूरा समस्याको रूपमा हटाउने समस्यालाई सूत्रबद्ध गर्दछौं, जसले हल्लाको सांख्यिकीय गुणहरूमा बलियो धारणा बिना डेनोइजिंग योजनामा पुर्याउँछ। परमाणु नियमसँग सम्बन्धित न्यूनिकरण समस्या हालै विकसित भएका धेरै विधिहरूद्वारा कुशलतापूर्वक समाधान गर्न सकिन्छ। मिश्रित आवाज हटाउन हाम्रो प्रस्तावित denoising एल्गोरिथ्म को बलियो र प्रभावकारिता, उदाहरणका लागि भारी ग्यासियन शोर आवेग शोर संग मिश्रित, प्रयोग मा मान्य छ र हाम्रो प्रस्तावित दृष्टिकोण केही अवस्थित भिडियो denoising एल्गोरिदम संग अनुकूल तुलना गर्दछ। |
005aea80a403da18f95fcb9944236a976d83580e | यस लेखमा अपूर्ण आवृत्ति नमूनाहरूबाट वस्तुको पुनः निर्माणको मोडेल समस्यालाई विचार गरिएको छ। एक असतत-समय संकेत f/spl isin/C/sup N/ र आवृत्तिको एक अनियमित चयनित सेट /spl ओमेगा/ विचार गर्नुहोस्। के सेट /spl ओमेगा/ मा यसको फुरियर गुणांकहरूको आंशिक ज्ञानबाट f पुनः निर्माण गर्न सम्भव छ? यस लेखको एउटा सामान्य परिणाम निम्नानुसार छ। मानौं f को सुपरपोजिशन हो। f को स्पाइक f (t) =/spl सिग्मा/sub (spl tau/spl इन्स/T/f (spl tau/) /spl डेल्टा/t-spl tau/) को आज्ञाकारी f (t) लेस/C (spl मिडडडोट/log N) /sup -1/ (spl मिडडोट/) /spl ओमेगा/एस (spl ओमेगा) केही स्थिर C (sub) M (>0) को लागि हो। हामी ती खम्बाहरूको स्थान वा विस्तारबारे जान्दैनौं। त्यसपछि कम्तिमा १-०{\N/sup -M/} सम्भावनाको साथ, f लाई /spl lscr//sub 1/ न्यूनिकरण समस्याको समाधानको रूपमा ठीकसँग पुनः निर्माण गर्न सकिन्छ। संक्षेपमा, एक उत्तल अनुकूलन समस्या समाधान गरेर सही रिकभरी प्राप्त गर्न सकिन्छ। हामी सी/उप एम/को लागि संख्यात्मक मान दिन्छौं जुन सफलताको इच्छित सम्भावनामा निर्भर गर्दछ। हाम्रो परिणामलाई एक प्रकारको उपन्यासको रूपमा व्याख्या गर्न सकिन्छ गैर-रेखीय नमूनाकरण सिद्धान्त। यसले भन्छ कि कुनै पनि सिग्नल जुन T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T T यसबाहेक, यो लगभग इष्टतम हो यस अर्थमा कि कुनै पनि विधि १-O ((N/sup -M/) को सम्भावनाको साथ सफल हुन सामान्यतया T / spl middot / logN को कम्तिमा समानुपातिक आवृत्ति नमूनाहरूको संख्या आवश्यक पर्दछ। यो पद्धति विभिन्न अन्य परिस्थिति र उच्च आयामहरूमा विस्तारित छ। उदाहरणका लागि, हामी कसरी एक टुक्रा लगातार (एक वा दुई आयामी) वस्तु पुनः निर्माण गर्न सकिन्छ भनेर देखाउँछौं अपूर्ण आवृत्ति नमूनाहरूबाट - जम्पहरूको संख्या (अविशिष्टता) माथिको सर्तको पालना गर्दछ - अन्य उत्तल फंक्शनलहरू जस्तै f को कुल भिन्नतालाई न्यूनतम गरेर। |
023f6fc69fe1f6498e35dbf85932ecb549d36ca4 | यस कागजले एउटा उपन्यास एल्गोरिथ्मको परिचय दिन्छ जसले न्यूनतम परमाणु मानदण्डको साथ म्याट्रिक्सलाई नजिकबाट नजिक ल्याउँछ। यो समस्यालाई एक श्रेणी कम गर्ने समस्याको उत्तल विश्रामको रूपमा बुझ्न सकिन्छ र धेरै महत्त्वपूर्ण अनुप्रयोगहरूमा यसको प्रविष्टिहरूको सानो उप-समूहबाट ठूलो म्याट्रिक्स पुनः प्राप्त गर्ने कार्यमा देखा पर्दछ (प्रसिद्ध नेटफ्लिक्स समस्या) । अफ-द-शेल्फ एल्गोरिदमहरू जस्तै भित्री पोइन्ट विधिहरू यस प्रकारको ठूलो समस्याहरूको लागि प्रत्यक्ष रूपमा उत्तरदायी छैनन् जुन एक मिलियन भन्दा बढी अज्ञात प्रविष्टिहरूसँग छन्। यस कागजले एक साधारण पहिलो-क्रम र कार्यान्वयन गर्न सजिलो एल्गोरिथ्म विकास गर्दछ जुन समस्याहरूको समाधान गर्न अत्यन्त कुशल छ जसमा इष्टतम समाधानको कम स्तर छ। यो एल्गोरिथ्म पुनरावर्ती हो, म्याट्रिक्सको अनुक्रम {Xk , Yk} उत्पादन गर्दछ, र प्रत्येक चरणमा म्याट्रिक्स Yk को एकल मानहरूमा मुख्यतया नरम-थ्रेसहोल्डिंग अपरेशन गर्दछ। त्यहाँ दुई उल्लेखनीय सुविधाहरू छन् जुन यसलाई कम-रैंक म्याट्रिक्स पूरा समस्याहरूको लागि आकर्षक बनाउँदछ। पहिलो यो हो कि नरम-थ्रेसहोल्डिंग अपरेशन एक विरल म्याट्रिक्समा लागू हुन्छ; दोस्रो यो हो कि पुनरावृत्तहरूको श्रेणी {Xk} अनुभवजन्य रूपमा गैर-घटाउने हो। यी दुवै तथ्यहरूले एल्गोरिथ्मलाई धेरै न्यूनतम भण्डारण स्थानको प्रयोग गर्न र प्रत्येक पुनरावृत्तिको कम्प्यूटेशनल लागत कम राख्न अनुमति दिन्छ। सैद्धान्तिक पक्षमा, हामी एक अभिसरण विश्लेषण प्रदान गर्दछौं जुन इटरेट्सको अनुक्रम अभिसरण गर्दछ। व्यावहारिक पक्षमा, हामी संख्यात्मक उदाहरणहरू प्रदान गर्दछौं जसमा १,००० × १,००० म्याट्रिक्स एक मिनेट भन्दा कममा एक साधारण डेस्कटप कम्प्युटरमा पुनः प्राप्ति गरिन्छ। हामी यो पनि देखाउँछौं कि हाम्रो दृष्टिकोण धेरै ठूलो स्तरका समस्याहरूको लागि उपयुक्त छ लगभग १० को म्याट्रिक्स पुनः प्राप्त गरेर लगभग एक अरब अज्ञातहरू उनीहरूको नमूना प्रविष्टिहरूको लगभग ०.४% बाट। हाम्रो विधिहरू हालसालैको साहित्यसँग जोडिएको छ १ न्यूनतमकरणको लागि रैखिक ब्रेगम्यान पुनरावृत्तिमा, र हामी एउटा ढाँचा विकास गर्छौं जसमा यी एल्गोरिदमहरू राम्रोसँग ज्ञात लग्रान्ज गुणक एल्गोरिदमहरूको सन्दर्भमा बुझ्न सकिन्छ। |
e63ade93d75bc8f34639e16e2b15dc018ec9c208 | |
8f84fd69ea302f28136a756b433ad9a4711571c2 | |
8cbef23c9ee2ae7c35cc691a0c1d713a6377c9f2 | एन्डोर, डी, अल्बर्टी, सी, वेइस, डी, सेभेरिन, ए, प्रेस्टा, ए, गान्चेभ, के, पेट्रोभ, एस, र कोलिन्स, एम (२०१)) । विश्वव्यापी रूपमा सामान्यीकृत संक्रमण-आधारित न्यूरोनल नेटवर्कहरू। कम्प्युटेशनल लिङ्ग्विस्टिक्सको लागि संघमा। बालेस्ट्रोस, एम., गोल्डबर्ग, वाई., डाइयर, सी. र स्मिथ, एन. ए. (२०१६) अन्वेषणको साथ प्रशिक्षणले लोभी स्ट्याक-एलएसटीएम पार्सरलाई सुधार गर्दछ। प्राकृतिक भाषा प्रसंस्करणमा अनुभवजन्य विधिहरूको सम्मेलनको कार्यपत्र। चेन, डी. र म्यानिंग, सी. डी. (२०१४) । एक द्रुत र सटीक निर्भरता पार्सर न्यूरल नेटवर्क प्रयोग गरेर। प्राकृतिक भाषा प्रसंस्करणमा अनुभवजन्य विधिहरूको सम्मेलनको कार्यवाही, पृष्ठ 740-750. चेंग, एच, फ्यांग, एच, हे, एक्स, गाओ, जे, र डेng, एल (२०१ 2016) । निर्भरता पार्सिङका लागि सहमतिसहित द्विदिशात्मक ध्यान arXiv प्रिप्रिन्ट arXiv:1608.02076। हाशिमोटो, के., सियोङ, सी., सुरुओका, वाई., र सोचर, आर। (२०१६) । संयुक्त बहु-कार्य मोडेल: बहु एनएलपी कार्यहरूको लागि एक न्यूरल नेटवर्कको विकास। arXiv प्रिप्रिन्ट arXiv:1611.01587 किपरवासर, ई. र गोल्डबर्ग, वाई। (२०१६) द्विदिशात्मक LSTM सुविधा प्रतिनिधित्वहरू प्रयोग गरेर सरल र सही निर्भरता पार्सिंग। कम्प्युटेशनल लिङ्ग्विस्टिक्सको लागि एसोसिएशनको लेनदेन, 4: 313-327। कुन्कोरो, ए., बालेस्टरोस, एम., कोङ्ग, एल., डाइयर, सी., न्युबिग, जी., र स्मिथ, एन. ए. (२०१६) पुनरावर्ती न्यूरल नेटवर्क व्याकरणले वाक्य रचनाको बारेमा के सिक्छ? कोरिडोर, एबीएस /१६११.०५७७४। म्याकडोनाल्ड, आर. टी. र पेरेरा, एफ. सी. (२००६) । अनलाइन सिक्ने अनुमानित निर्भरता पार्सिङ एल्गोरिदमहरू। ईएसीएलमा निभ्रे, जे., हल, जे., र निल्सन, जे। (२००६) माल्टपार्सर: निर्भरता पार्सिंगका लागि डाटा-संचालित पार्सर-जेनेरेटर। प्रोसिडिङ्स अफ एलआरईसी, खण्ड ६, पृष्ठ २२१६-२२१९। |
8645a7ff78dc321e08dea6576c04f02a3ce158f9 | भिडियोले जटिल अर्थपूर्ण जानकारी प्रदान गर्दछ र नयाँ ज्ञानको बुझाइलाई सजिलो बनाउँछ। तथापि, जब विभिन्न मोडलिटीहरू (यानी, छवि, भिडियो, पाठ) बाट मिश्रित अर्थ अर्थहरू समावेश हुन्छन्, यो कम्प्युटर मोडेलको लागि अवधारणाहरू पत्ता लगाउन र वर्गीकरण गर्न गाह्रो हुन्छ (जस्तै बाढी, आँधी, र जनावरहरू) । यस कागजातले ट्रान्सफर लर्निंग र अनुक्रमिक गहिरो शिक्षा मोडेलमा हालसालै भएका प्रगतिहरूको लाभ उठाउँदै भिडियो अवधारणा वर्गीकरण सुधार गर्न बहु-मोडल गहिरो शिक्षा ढाँचा प्रस्तुत गर्दछ। लामो छोटो अवधिको स्मृति (एलएसटीएम) रिकर्सिभ न्यूरल नेटवर्क (आरएनएन) मोडेलहरू त्यसपछि अडियो र पाठ मोडेल दुवैको लागि अनुक्रमिक अर्थशास्त्र प्राप्त गर्न प्रयोग गरिन्छ। प्रस्तावित ढाँचा विपत्ति सम्बन्धी भिडियो डाटासेटमा लागू गरिएको छ जसमा विपत्ति दृश्य मात्र नभई विपत्ति घटनाको समयमा भएका गतिविधिहरू पनि समावेश छन्। प्रयोगात्मक नतिजाहरूले प्रस्तावित ढाँचाको प्रभावकारिता देखाउँछन्। |
119bb251cff0292cbf6bed27acdcad424ed9f9d0 | यस लेखमा ग्राफिकल मोडेल (बायसियन नेटवर्क र मार्कोभ र्यान्डम फिल्ड) मा अनुमान र सिकाइको लागि भिन्न विधिहरूको प्रयोगको लागि ट्यूटोरियल परिचय प्रस्तुत गरिएको छ। हामी ग्राफिकल मोडेलका धेरै उदाहरणहरू प्रस्तुत गर्दछौं, जसमा QMR-DT डाटाबेस, सिग्मोइड विश्वास नेटवर्क, बोल्ट्जमन मेशिन, र लुकेका मार्कोभ मोडेलका धेरै भेरियन्टहरू समावेश छन्, जसमा सटीक अनुमान एल्गोरिदमहरू चलाउन असम्भव छ। त्यसपछि हामी भिन्न विधिहरू परिचय गर्दछौं, जसले मूल ग्राफिक मोडेललाई सरलीकृत ग्राफिक मोडेलमा रूपान्तरण गर्न ठूलो संख्याको कानूनहरूको शोषण गर्दछ जसमा अनुमान कुशल छ। सरल मोडेलमा अनुमानले मूल मोडेलमा चासोको सम्भावनामा सीमा प्रदान गर्दछ। हामी कन्भेक्स द्वैततामा आधारित भेरिएसनल रूपान्तरणहरू उत्पन्न गर्नका लागि सामान्य ढाँचा वर्णन गर्दछौं। अन्तमा हामी उदाहरणहरूमा फर्कन्छौं र प्रत्येक केसमा भेरिएसनल एल्गोरिदमहरू कसरी तयार गर्न सकिन्छ भनेर देखाउँदछौं। |
17e9d3ba861db8a6d323e1410fe5ca0986d5ad6a | बनावट संश्लेषणको लागि एक गैर-पैरामेट्रिक विधि प्रस्ताव गरिएको छ। बनावट संश्लेषण प्रक्रियाले प्रारम्भिक बीउबाट नयाँ छविलाई बाहिरतिर बढाउँछ, एक पटकमा एक पिक्सेल। मार्कोभ र्यान्डम फिल्ड मोडेल मानिएको छ, र पिक्सेलको ससर्त वितरण यसको सबै छिमेकीहरू दिइएको छ जुन अहिलेसम्म संश्लेषित गरिएको छ नमूना छवि क्वेरी गरेर र सबै समान छिमेकहरू फेला पार्दै अनुमान गरिएको छ। अनियमितताको डिग्री एकल अवधारणात्मक सहज परिमिति द्वारा नियन्त्रित हुन्छ। यो विधिले सकेसम्म धेरै स्थानीय संरचनाको संरक्षण गर्ने लक्ष्य राख्दछ र धेरै प्रकारका सिंथेटिक र वास्तविक विश्व बनावटहरूको लागि राम्रो परिणामहरू उत्पादन गर्दछ। |
54205667c1f65a320f667d73c354ed8e86f1b9d9 | छविहरूबाट शोर हटाउनका लागि संख्यात्मक एल्गोरिथ्मको एक सीमित अनुकूलन प्रकार प्रस्तुत गरिएको छ। छविको कुल भिन्नता कम से कम हुन्छ शोरको तथ्या .्कको बारेमा बाध्यताहरूको अधीनमा। प्रतिबन्धहरू लागु हुन्छन् Lagrange गुणकहरू प्रयोग गरेर। समाधान ग्रेडियन्ट प्रक्षेपण विधि प्रयोग गरेर प्राप्त गरिन्छ। यो समय निर्भर आंशिक विभेदक समीकरणलाई समाधान गर्नका लागि बराबर हुन्छ। t → ∞ को रूपमा समाधान स्थिर स्थितिमा मिल्दछ जुन denoised छवि हो। संख्यात्मक एल्गोरिथ्म सरल र अपेक्षाकृत छिटो छ। धेरै हल्ला गर्ने चित्रहरूको लागि यो अत्याधुनिक परिणाम हो। यो विधि गैर-आक्रमक छ, जसले छविमा तीब्र किनाराहरू दिन्छ। यो प्रविधिको व्याख्या पहिलो चरणको रूपमा गर्न सकिन्छ जुन छविको प्रत्येक स्तर सेटलाई गतिमा लैजान्छ जुन स्तर सेटको वक्रता बराबर हुन्छ जुन छविको ग्रेडियन्टको परिमाणले विभाजित हुन्छ, र दोस्रो चरण जुन छविलाई प्रतिबन्ध सेटमा फिर्ता प्रक्षेपण गर्दछ। |
cc6a972b3ce231aa86757ecfe6af7997e6623a13 | वास्तविक समय भाषण पहिचान अनुप्रयोगहरूमा, विलम्बता एक महत्त्वपूर्ण मुद्दा हो। हामीले एउटा वर्ण-स्तर वृद्धिशील भाषण पहिचान (आईएसआर) प्रणाली विकास गरेका छौं जुन भाषणको समयमा पनि तुरुन्त प्रतिक्रिया दिन्छ, जहाँ बोल्ने क्रममा परिकल्पनाहरू बिस्तारै सुधार हुन्छन्। एल्गोरिथ्मले भाषण-देखि-वर्ण एक दिशागत पुनरावर्ती न्यूरल नेटवर्क (आरएनएन) प्रयोग गर्दछ, जुन अन्त-देखि-अन्तसम्म प्रशिक्षण गरिएको छ जडानवादी अस्थायी वर्गीकरण (सीटीसी) र आरएनएन-आधारित चरित्र-स्तर भाषा मोडेल (एलएम) । सीटीसी-प्रशिक्षित आरएनएनको आउटपुट मानहरू चरित्र-स्तर सम्भावनाहरू हुन्, जुन बीम खोजी डिकोडिंग द्वारा प्रशोधन गरिन्छ। आरएनएन एलएमले दीर्घकालीन निर्भरता जानकारी प्रदान गरेर डिकोडिङ बढाउँछ। हामी वृक्ष-आधारित अनलाइन बीम खोज अतिरिक्त गहिराई-छनौटको साथ प्रस्ताव गर्दछौं, जसले प्रणालीलाई कम विलम्बताका साथ असीमित लामो इनपुट भाषण प्रशोधन गर्न सक्षम गर्दछ। यो प्रणालीले बोलीमा द्रुत प्रतिक्रिया मात्र दिँदैन, तर उच्चारण अनुसारको शब्दकोश बाहिरका शब्दहरू पनि बताउन सक्छ। प्रस्तावित मोडेलले 8.90% को शब्द त्रुटि दर (डब्ल्यूईआर) प्राप्त गर्दछ वाल स्ट्रीट जर्नल (डब्ल्यूएसजे) नोभेम्बर 92 20K मूल्यांकन सेटमा जब WSJ SI-284 प्रशिक्षण सेटमा प्रशिक्षण गरिन्छ। |
f4f3a10d96e0b6d134e7e347e1727b7438d4006f | |
1ecffbf969e0d46acfcdfb213e47027227d8667b | यद्यपि जोखिम लिने परम्परागत रूपमा एकात्मक, स्थिर व्यक्तिगत भिन्नता चरको रूपमा हेरिएको छ, व्यवहारिक निर्णय लिने अनुसन्धानमा उदीयमान प्रमाणले जोखिम लिने डोमेन-विशिष्ट निर्माण हो भनेर सुझाव दिन्छ। मनोवैज्ञानिक जोखिम-फिर्ता ढाँचाको प्रयोग गरेर जोखिमलाई एक गतिविधि (वेबर र मिलिमन, १ 1997) को कथित लाभ र कथित जोखिममा फिर्ता लिन्छ, यस अध्ययनले जोखिम दृष्टिकोण र व्यापक व्यक्तित्व आयामहरू बीचको सम्बन्धको जाँच गर्यो नयाँ HEXACO व्यक्तित्व ढाँचा (ली र एशटन, २००)) चार जोखिम डोमेनहरूमा। यो व्यक्तित्व ढाँचा, जुन १२ भन्दा बढी प्राकृतिक भाषाहरूमा शब्दकोश अध्ययनमा दोहोरिएको छ, परम्परागत पाँच-कारक मोडेल वा बिग फाइभको विपरित, व्यक्तित्वको मूल्यांकन छ वटा व्यापक व्यक्तित्व आयामहरूमा गर्छ। पथ विश्लेषणको माध्यमबाट, हामीले जोखिम लिनेलाई चार अलग डोमेनमा जोखिम धारणा, कथित लाभ, र छ हेक्साको आयामहरूमा प्रतिगमन गरेका छौं। सबै जोखिम क्षेत्रमा, हामीले पायौं कि भावनात्मक आयाम उच्च जोखिम धारणासँग सम्बन्धित थियो र उच्च विवेकशीलता कम लाभको साथ सम्बन्धित थियो। हामी हेक्साको आयाम र जोखिम दृष्टिकोण बीच डोमेन-विशिष्ट सम्बन्धको धेरै अनौंठो ढाँचाहरू पनि रिपोर्ट गर्दछौं। विशेष गरी, खुलापन जोखिम लिने र सामाजिक र मनोरञ्जन जोखिमहरूको लागि कथित लाभहरूसँग सम्बन्धित थियो, जबकि कम इमानदारी / नम्रता अधिक स्वास्थ्य / सुरक्षा र नैतिक जोखिम लिनेसँग सम्बन्धित थियो। यी निष्कर्षहरूले विभिन्न सन्दर्भहरूमा जोखिमलाई कसरी व्यक्तिको दृष्टिकोणमा विस्तार गर्दछ भन्ने हाम्रो बुझाइलाई विस्तार गर्दछ, र व्यक्तिगत भिन्नता अनुसन्धानमा इमानदारी / नम्रताको उपयोगितालाई थप हाइलाइट गर्दछ, जुन ठूलो पाँच मोडेलमा पुनः प्राप्त गरिएको छैन। प्रतिलिपि अधिकार # २०१० जोन विले एण्ड सन्स, लिमिटेड कुञ्जी शब्दहरू जोखिम लिने; जोखिम धारणा; जोखिम-फिर्ती ढाँचा; व्यक्तित्व; हेक्साको; इमानदारी / नम्रता जोखिम लिने परम्परागत रूपमा व्यवहारिक निर्णय लिने र व्यक्तित्व अनुसन्धान दुवैमा स्थायी, स्थिर र डोमेन-अपरिवर्तनीय निर्माणको रूपमा हेरिएको छ (उदाहरणका लागि, इजेन्क र इजेन्क, १ 1977;; काहेनम्यान र ट्वर्स्की, १ 1979;; पउनोन र ज्याक्सन, १ 199 1996;; टेलिजेन, १ 1985) । यद्यपि, हालैका प्रगतिहरूले सुझाव दिन्छ कि जोखिम लिने सामग्री, वा डोमेन, विशिष्ट छ (ब्लाइस र वेबर, २०० 2006; हनोच, जोनसन, र विल्के, २०० 2006; सोएन र चमेल, २०० 2005; वेबर, ब्लाइस, र बेट्ज, २००२) । यस ज्ञानको प्रकाशमा, मनोवैज्ञानिकहरूले गहिरो अध्ययनबाट फाइदा लिन सक्दछन्, निर्णय अनुसन्धान, यूजीन, ओआर ९७४०१, संयुक्त राज्य अमेरिका। ई-मेलः [email protected] |
34b9ba36c030cfb7a141e53156aa1591dfce3dcd | सवारी साधनको वृद्धि र वायु प्रदूषण नियन्त्रण गर्न, बेइजिङको नगरपालिका सरकारले २०११ मा सवारी साधन चिट्ठा प्रणाली लागू गर्यो, जसले सम्भावित खरीददारहरूलाई लाइसेन्सको कोटा अनियमित रूपमा विनियोजन गर्यो। यस लेखमा यस नीतिको प्रभाव फ्ल्याट संरचना, ईन्धन खपत, वायु प्रदूषण र सामाजिक कल्याणमा अनुसन्धान गरिएको छ। कार रजिस्ट्रेसन डाटा प्रयोग गरेर, हामी एक अनियमित गुणांक असतत छनौट मोडेलको अनुमान गर्छौं र अनुमानित प्यारामिटरहरूको आधारमा काउन्टरफ्याक्टुअल विश्लेषण गर्छौं। हामी लटरीले नयाँ यात्री वाहन घटाएको पाउँछौं *हामी प्रोफेसर एन्ड्रयू क्यासी, एना एस्पिनोला-एरेडोन्डो, बेन्जामिन कोवान, ग्रेगमार गलिनाटो, डोंग लु, जिल म्याक्लस्की, मार्क गिब्सन, शान्जुन ली, जिया यान, डान यांग र वाशिंगटन स्टेट युनिभर्सिटीका सेमिनार सहभागीहरूको दयालु सहयोग र रचनात्मक टिप्पणीहरूको लागि कृतज्ञतापूर्वक स्वीकार गर्दछौं। चीनको राष्ट्रिय विज्ञान कोष (अनुदान # 71620107005) बाट वित्तीय सहयोग स्वीकार गरिएको छ। लेखकको नाम इमेल: [email protected] (जे. याङ), [email protected] (फ. मुन्जोस-गार्सिया), [email protected] (म. ताङ) । सन् २०१२ मा बिक्री ५०.१५ प्रतिशतले वृद्धि भयो, इन्धनको खपत ४८.६९ प्रतिशतले वृद्धि भयो र प्रदूषणकारी उत्सर्जन ४८.६९ प्रतिशतले वृद्धि भयो। साथै, यस्तो लटरीले नयाँ कार खरिदलाई उच्च-अन्त तर कम ईन्धन कुशल सवारी साधनहरूको तर्फ सरेको छ। हाम्रो काउन्टरफ्याक्टिकल विश्लेषणमा, हामी देखाउँछौं कि क्रमिक कर प्रणाली इन्धनको खपत र वायु प्रदूषण घटाउन लटरी प्रणाली भन्दा राम्रो काम गर्दछ, र उच्च फ्लीट ईन्धन दक्षता र कम कल्याण हानिमा पुर्याउँछ। |
fac0151ed0494caf10c7d778059f176ba374e29c | |
4a74eb59728f0d3a06302c668db44d434bd7d69e | इलेक्ट्रोनिक पैसा (वा ई-पैसा) भनेको डिजिटल रूपमा प्रतिनिधित्व गरिएको पैसा हो र एक पक्षबाट अर्को पक्षमा मध्यस्थको आवश्यकता बिना स्मार्ट कार्डको माध्यमबाट आदानप्रदान गर्न सकिन्छ। यो अनुमान गरिएको छ कि ई-पैसाले कागजी पैसा जस्तै काम गर्नेछ। यसको एउटा प्रमुख विशेषता भनेको गुमनाम हुनु हो। अपराधबाट प्राप्त हुने रकमलाई ई-पैसाको रूपमा प्रयोग गर्न सकिन्छ, विदेशी मुद्रा खरिद गर्न र उच्च मूल्यका सामानहरू पुनः बेच्नका लागि। यसैले ई-पैसालाई नगद तस्करी वा आमनेसामने लेनदेन नगरीकन फोहोर पैसा राख्न प्रयोग गर्न सकिन्छ। |
d8237600841361f7811f5fd9effaed9d2e6e34b0 | JSTOR अभिलेखको तपाईंको प्रयोगले JSTOR को प्रयोगका नियम र सर्तहरू, http://www.jstor.org/page/info/about/policies/terms.jsp मा उपलब्ध तपाईंको स्वीकृतिलाई संकेत गर्दछ। JSTOR को प्रयोगका नियम र सर्तहरूले आंशिक रूपमा प्रदान गर्दछ कि तपाईंले पूर्व अनुमति प्राप्त नगरेसम्म, तपाईं पत्रिकाको सम्पूर्ण अंक वा लेखहरूको बहु प्रतिलिपिहरू डाउनलोड गर्न सक्नुहुन्न, र तपाईं JSTOR अभिलेखमा सामग्री तपाईंको व्यक्तिगत, गैर-व्यावसायिक प्रयोगको लागि मात्र प्रयोग गर्न सक्नुहुनेछ। |
49a19fe67d8ef941af598e87775112f0b3191091 | यस अध्ययनको मुख्य उद्देश्य रोगको पूर्वानुमानको लागि छिटो, सजिलो र प्रभावकारी एल्गोरिथ्म सिर्जना गर्नु हो, कम त्रुटि दरको साथ र ठूलो डाटा सेटको साथ पनि लागू गर्न सकिन्छ र निर्भर भेरिएबलहरूको साथ उचित ढाँचा देखाउन सकिन्छ। डाटा माइनिङमा रोग पहिचान र भविष्यवाणीका लागि नयाँ हाइब्रिड एल्गोरिथ्म निर्माण गरिएको थियो। रोग पहिचान र पूर्वानुमान (डीआईपी) एल्गोरिथ्म, जुन निर्णय रूख र संघ नियमको संयोजन हो, केही विशेष क्षेत्रमा केही रोग हिटहरूको सम्भावनाको भविष्यवाणी गर्न प्रयोग गरिन्छ। यसले भविष्यवाणीका लागि विभिन्न मापदण्डहरू बीचको सम्बन्ध पनि देखाउँछ। यो एल्गोरिथ्मलाई कार्यान्वयन गर्नका लागि vb.net सफ्टवेयर पनि विकास गरिएको थियो। |
dfb9eec6c6ae7d3e07123045c3468c9b57b2a7e2 | |
903148db6796946182f27affc89c5045e6572ada | ह्याश जोइन एल्गोरिथ्म परिवार इक्वि-जोइन प्रदर्शन मूल्यांकनको लागि अग्रणी प्रविधिहरू मध्ये एक हो। ओएलएपी प्रणालीले यो अनुसन्धानलाई प्रयोग गरेर आयाम तालिका र ठूला तथ्य तालिकाहरू बीचको विदेशी कुञ्जी जोडलाई प्रभावकारी रूपमा कार्यान्वयन गर्दछ। डाटा वेयरहाउस स्कीमा र वर्कलोड सुविधा परिप्रेक्ष्यबाट, ह्याश ज्वाइन एल्गोरिथ्मलाई बहु-आयामिक म्यापि withको साथ थप सरलीकृत गर्न सकिन्छ, र विदेशी कुञ्जी ज्वाइन एल्गोरिथ्महरूको मूल्यांकन एकल प्रदर्शन परिप्रेक्ष्यको सट्टा बहु दृष्टिकोणबाट गर्न सकिन्छ। यस लेखमा, हामी सरोगेट कुञ्जी सूचकांक उन्मुख विदेशी कुञ्जी जडानलाई स्कीमा-सचेत र OLAP कार्यभार अनुकूलित डिजाइन विदेशी कुञ्जी जडानको रूपमा परिचय दिन्छौं। OLAP कार्यभारमा अत्याधुनिक जडान एल्गोरिदमले कसरी प्रदर्शन गर्दछ भन्ने बारे विस्तृत रूपमा मूल्या evalu्कन गर्न। हाम्रो प्रयोग र विश्लेषणले निम्न अन्तर्दृष्टि प्रदान गर्योः १) OLAP कार्यभारको लागि अनुकूलित विदेशी कुञ्जी जडान एल्गोरिथ्मले सामान्य उद्देश्यको ह्यास जोइनहरू भन्दा जडान प्रदर्शनलाई अगाडि बढाउन सक्छ; २) प्रत्येक जडान एल्गोरिथ्मले इनपुट_साइज / क्याच_साइजको क्यास स्थानीयता अनुपातले प्रभुत्व जमाएको बलियो र कमजोर प्रदर्शन क्षेत्रहरू देखाउँदछ। एक राम्रो-अन्नयुक्त माइक्रो जडान बेन्चमार्कको साथ; ३) साधारण हार्डवेयर-अवगत साझा ह्यास तालिका जडानले जटिल हार्डवेयर-सचेत रेडिक्स विभाजन ह्यास जडानलाई बेन्चमार्क केसहरूमा पार गर्दछ; ४) सरुवा कुञ्जी सूचकांकको साथ अनुकूलित विदेशी कुञ्जी जडान एल्गोरिथ्मले हार्डवेयर एक्सेलेरेटरहरूको लागि एल्गोरिथ्म जटिलतालाई सरल बनायो र यसलाई विभिन्न हार्डवेयर एक्सेलेरेटरहरूको लागि कार्यान्वयन गर्न सजिलो बनायो। समग्रमा, हामी तर्क गर्छौं कि जडान प्रदर्शन सुधार गर्न केवल हार्डवेयर-सचेत एल्गोरिथ्म अप्टिमाइजेसनको विपरित व्यवस्थित कार्य हो, र OLAP डोमेन ज्ञानले सीपीयू र हार्डवेयर एक्सेलेरेटर दुबैको लागि डाटा वेयरहाउसिंग कार्यभारमा विदेशी कुञ्जी जोइनहरूको लागि प्रभावी हुन सरोगेट कुञ्जी अनुक्रमणिका सक्षम गर्दछ। |
4e8930ae948262a89acf2e43c8e8b6e902c312c4 | यद्यपि छवि कम्प्रेसनको दशकौंदेखि सक्रिय रूपमा अध्ययन गरिएको छ, आधुनिक न्यूरल नेटवर्कको साथ छविहरू कम्प्रेस गर्न सिक्ने बारेमा अपेक्षाकृत थोरै अनुसन्धान भएको छ। मानक दृष्टिकोण, जस्तै प्याच-आधारित स्वतः एन्कोडरहरू प्रयोग गर्नेहरू, धेरै प्रतिज्ञा देखाएका छन् तर लोकप्रिय छवि कोडेकहरूसँग प्रतिस्पर्धा गर्न सक्दैनन् किनकि उनीहरू तीन प्रश्नहरू सम्बोधन गर्न असफल हुन्छन्: १) कसरी प्रभावकारी रूपमा सक्रियतालाई बाइनरीकरण गर्नेः बाइनरीकरणको अभावमा, एक बोतलको लेयरले मात्र कुशल कम्प्रेसनमा नेतृत्व गर्दैन; २) कसरी चर-दर एन्कोडि achieve गर्नेः एक मानक स्वतः एन्कोडरले प्रत्येक निश्चित-रिजोलुसन इनपुट प्याचको लागि निश्चित-लम्बाइको कोड उत्पन्न गर्दछ, जसको परिणामस्वरूप कम र उच्च-एन्ट्रोपी प्याचहरूको लागि समान लागत हुन्छ, र नेटवर्कलाई बिभिन्न कम्प्रेसन दरहरू प्राप्त गर्न पूर्ण रूपमा पुनः तालिम दिन आवश्यक हुन्छ; र)) कसरी आर्टिफ्याक्टहरू रोक्न सकिन्छः प्याच-आधारित दृष्टिकोणहरू अवरोध विच्छेदको लागि प्रवण हुन्छन्। हामी परिवर्तनशील दर छवि कम्प्रेसनको लागि एक सामान्य ढाँचा र LSTMs सहित कन्भोल्युसनल र डिकन्भोल्युसनल पुनरावर्ती नेटवर्कमा आधारित एक उपन्यास वास्तुकला प्रस्ताव गर्दछौं, जसले यी मुद्दाहरूलाई सम्बोधन गर्दछ र अवस्थित आधारभूत कोडेकहरूको तुलनामा आशाजनक परिणामहरू रिपोर्ट गर्दछ। हामीले प्रस्तावित विधिहरूको मूल्यांकन एउटा ठूलो मापनमा गरेका छौं जसमा साना-साना छविहरू (३२×३२) समावेश छन्, जुन सबै विधिहरूको लागि धेरै चुनौतीपूर्ण साबित हुन्छ। |
8f9376f3b71e9182c79531551d6e953cd02d7fe6 | हालैका वर्षहरूमा अनुसन्धान समुदायहरूमा वायरलेस सेन्सर नेटवर्कका लागि सक्षम टेक्नोलोजीहरूले धेरै ध्यान प्राप्त गरेका छन्। यो अत्यधिक वांछनीय छ, केही परिस्थितिहरूमा आवश्यक पनि छ, वायरलेस सेन्सर नोडहरू आत्म-पावर हुन। यस लक्ष्यलाई ध्यानमा राख्दै, एक कम्पन आधारित पीजोइलेक्ट्रिक जेनरेटर वायरलेस सेन्सर नेटवर्कको लागि सक्षम टेक्नोलोजीको रूपमा विकसित गरिएको छ। यस कागजको फोकस दुई-तहको झुकाउने तत्वमा आधारित पिजोइलेक्ट्रिक जेनरेटरको मोडेलिंग, डिजाइन, र अनुकूलनको बारेमा छलफल गर्नु हो। जेनेरेटरको विश्लेषणात्मक मोडेल विकसित र मान्य गरिएको छ। सहज डिजाइन अन्तर्दृष्टि प्रदान गर्नुको साथै, यो मोडेल डिजाइन अनुकूलनको आधारको रूपमा प्रयोग गरिएको छ। १ सेमी क्युबिक आकारका डिजाइनहरू जुन मोडेलको प्रयोग गरेर उत्पन्न गरिएको छ, २.५ मिटर सेकेन्ड-२ को कम्पन स्रोतबाट १२० हर्ट्जमा ३७५ माइक्रवाटको पावर आउटपुट प्रदर्शन गरेको छ। यसबाहेक, १ सेमी क्युबिक जनरेटरको प्रयोग गरी सोही कम्पन स्रोतबाट १.९ गीगाहर्ज रेडियो ट्रान्समिटरलाई शक्ति प्रदान गरिएको छ। (यो लेखमा केही चित्रहरू इलेक्ट्रोनिक संस्करणमा मात्र रंगीन छन्) |
96989405985e2d90370185f1e025443b56106d1a | यस लेखमा ठूलो शब्दावली भाषण पहिचान कार्यको लागि विभेदकारी भाषा मोडेलिंगको वर्णन गरिएको छ। हामी दुई प्यारामिटर अनुमान विधिहरू तुलना गर्दछौंः पर्सेप्ट्रोन एल्गोरिथ्म, र एक विधि नियमित शर्त लग-सम्भाव्यता अधिकतममा आधारित। मोडेलहरू निर्णायक भारित सीमित राज्य स्वचालितको रूपमा एन्कोड गरिएको छ, र स्वचालितलाई शब्द-रेटिसहरूसँग काटेर लागू गरिन्छ जुन आधार रेखा मान्यताकर्ताबाट आउटपुट हुन्छ। पर्सेप्ट्रोन एल्गोरिथ्मको फाइदा भनेको प्रशिक्षण डेटामा केवल दुईवटा पासहरूमा स्वचालित रूपमा तुलनात्मक रूपमा सानो सुविधा सेट चयन गर्नु हो। हामी एक विधि वर्णन गर्दछौं जुन नियमित सम्भावनामा आधारित छ जुन पर्सेप्ट्रोन एल्गोरिथ्मले दिएको सुविधा सेटको प्रयोग गर्दछ, र पर्सेप्ट्रोनको तौलको साथ आरम्भिकरण; यो विधिले शब्द त्रुटि दर (डब्ल्यूईआर) मा थप ०.%% कटौती दिन्छ। अन्तिम प्रणालीले WER मा १.८% को पूर्ण कमी ल्याउँछ (१.३९% बाट ३७.४%) र WER मा ०.९% को पूर्ण कमी ल्याउँछ (२८.९% बाट २८.०%) । २००६ एल्सभियर लिमिटेड सबै अधिकार सुरक्षित। |
4808ca8a317821bb70e226c5ca8c23241dd22586 | यो लेखमा मोबाइल स्वास्थ्य सेवाको बारेमा उपलब्ध साहित्यको नवीनतम जानकारी प्रस्तुत गरिएको छ। अध्ययनलाई व्यवस्थित समीक्षाको माध्यमबाट गरिएको थियो, जुन एक विश्वसनीय र कठोर विधि प्रयोग गरी दिइएको क्षेत्रमा एक विशेष विषयमा उपलब्ध सबै अनुसन्धानको मूल्याङ्कन र व्याख्या गर्ने एक तरिका हो। हामीले १,४८२ वटा लेखहरूबाट ४० वटा लेखहरू (२.६९%) को पूर्ण पढेर डेटा निकालेर विश्लेषण गर्यौं। सन् २०१० देखि हाम्रो विश्लेषणले १० वटा अनुप्रयोग क्षेत्रमा हालको विकास देखाउँछ र यस विषयमा चलिरहेका प्रवृत्ति र प्राविधिक चुनौतीहरू प्रस्तुत गर्दछ। अनुप्रयोग क्षेत्रहरूमा समावेश छन्: बिरामी अनुगमन, पूर्वाधार, सफ्टवेयर आर्किटेक्चर, मोडेलिंग, फ्रेमवर्क, सुरक्षा, फिक्सेशन, मल्टिमेडिया, मोबाइल क्लाउड कम्प्युटि,, र यस विषयमा साहित्य समीक्षा। सबैभन्दा महत्त्वपूर्ण चुनौतीहरूमा उपकरणहरूको कम ब्याट्री जीवन, अल्टिप्लेटफर्म विकास, डाटा ट्रान्समिशन र सुरक्षा समावेश छन्। हाम्रो कागजले यस क्षेत्रमा हालसम्म भएका खोजलाई समेट्छ र भविष्यमा हुने अनुसन्धान योजना र विकासका लागि एक उपयोगी मार्गदर्शकको रूपमा काम गर्छ। |
c876c5fed5b6a3a91b5f55e1f776d629cc8ed9bc | |
675913f7d834cf54a6d90b33e929b999cd6afc7b | चरण-विस्थापित पूर्ण पुल (पीएसएफबी) पल्स चौडाई मोडुलेशन (पीडब्लूएम) कन्भर्टरमा, बाह्य स्नुबर क्यापेसिटरहरू पृथक गेट द्विध्रुवीय ट्रांजिस्टरहरू (आईजीबीटी) सँग समानान्तर रूपमा जोडिएका हुन्छन् ताकि टर्न-अफ घाटा कम गर्न सकियोस्। शून्य भोल्टेज संक्रमण (ZVT) अवस्था हल्का भारमा प्रदान गरिएको छैन, यसैले समानान्तर क्यापेसिटरहरू आईजीबीटी मार्फत डिस्चार्ज हुन्छन् जुन स्विचिंग घाटा र आईजीबीटीको विफलता जोखिमको कारण हुन्छ। IGBT मार्फत संधारित्र डिस्चार्जले उच्च-मूल्यको स्नुबर कन्डसेटरहरूको प्रयोगलाई सीमित गर्दछ, र IGBT को टर्न-अफ घाटा उच्च धाराहरूमा बढ्छ। समस्याग्रस्त अवस्था विशेष गरी ढिलाइ भएको खुट्टामा देखा पर्दछ। यस अध्ययनमा, एक नयाँ प्रविधि प्रस्ताव गरिएको छ जसले पीएसएफबी पीडब्लूएम कन्भर्टरको ढिलाइ खुट्टाको साथ उच्च मूल्यको स्नुबर क्यापेसिटरहरूको प्रयोग गर्न सक्षम गर्दछ। प्रस्तावित प्रविधिको फाइदाको रूपमा, IGBT मार्फत उच्च क्षमताको डिस्चार्ज वर्तमानलाई हल्का भारमा रोकिन्छ, IGBT को टर्न-अफ स्विचिंग घाटा कम हुन्छ, र कन्भर्टरको प्रदर्शन उच्च वर्तमानमा सुधार हुन्छ। प्रस्तावित पीएसएफबी पीडब्लुएम कन्भर्टरमा सहायक सर्किट समावेश छ र यसको संरचना सरल, कम लागत र नियन्त्रणमा सजिलो छ। कन्वर्टरको सञ्चालन सिद्धान्त र विस्तृत डिजाइन प्रक्रिया प्रस्तुत गरिएको छ। सैद्धान्तिक विश्लेषणलाई ७५ किलोहर्ज र १० किलोवाट कन्भर्टरको प्रोटोटाइपले ठीकसँग प्रमाणित गरेको छ। |
ce56eb0d9841b6e727077e9460b938f78506b324 | एक्सरगेम्स वा सक्रिय भिडियो गेमको माध्यमबाट भर्चुअल वास्तविकताको प्रयोग, अर्थात् हालैका वर्षहरूमा पुनःस्थापनामा एक पूरक उपकरणको रूपमा अन्तरक्रियात्मक खेलको नयाँ रूप अनुसन्धान र क्लिनिकल अभ्यासमा बारम्बार ध्यान केन्द्रित गरिएको छ। तर, वृद्धहरूमा यसको प्रभावकारिताको प्रमाण कम छ। यो समीक्षाले वृद्ध वयस्कहरूमा शारीरिक कार्यमा सुधार ल्याउन एक्सरगेमको प्रभावहरूको सारांश प्रदान गर्ने लक्ष्य राख्दछ। र्यान्डमाइज्ड नियन्त्रित परीक्षणहरूको खोजी डाटाबेस EMBASE, MEDLINE, PsyInfo, Cochrane डाटाबेस, PEDro र ISI वेब अफ नॉलेजमा गरिएको थियो। अध्ययनको परिणामलाई पेड्रो स्केलको प्रयोग गरेर विश्लेषण गरिएको थियो। समीक्षामा १३ वटा अध्ययन समावेश गरिएको थियो। एक्सरगेम्स हस्तक्षेपको लागि सबैभन्दा सामान्य उपकरण निन्टेन्डो वाई गेमि conso कंसोल (८ अध्ययन) थियो, त्यसपछि कम्प्युटर खेलहरू, प्याडको साथ डान्स भिडियो गेम (प्रत्येक दुई अध्ययन) र ब्यालेन्स पुनर्वास एकाईको साथ केवल एक अध्ययन थियो। शारीरिक कार्यसम्पादनको मूल्यांकन गर्न सबैभन्दा धेरै प्रयोग हुने उपकरण समयमै उठेर हिँड्ने (७ अध्ययन) थियो । पीईडीआरओ स्केल अनुसार, अधिकांश अध्ययनमा विधिगत समस्याहरू थिए, जसमा ५ अंकभन्दा कम स्कोरको उच्च अनुपात थियो (८ अध्ययन) । एक्सरगेम्स प्रोटोकल र यसको अवधि व्यापक रूपमा भिन्न थियो, र वृद्ध मानिसहरूमा शारीरिक कार्यका लागि लाभहरू अनिश्चित छन्। यद्यपि, अध्ययनहरू बीच एक सहमति सकारात्मक प्रेरणात्मक पक्ष हो जुन एक्सरगेमहरूको प्रयोगले प्रदान गर्दछ। राम्रो पद्धतिगत गुणस्तर, बाह्य वैधता प्राप्त गर्न र बलियो वैज्ञानिक प्रमाण प्रदान गर्न थप अध्ययनहरू आवश्यक छ। |
08f9a62cdbe43fca7199147123a7d957892480af | ईएमवी, जसलाई "चिप र पिन" पनि भनिन्छ, कार्ड भुक्तानीको लागि विश्वव्यापी रूपमा अग्रणी प्रणाली हो। यो युरोप र एशियाको धेरै भागमा प्रयोग गरिन्छ, र उत्तर अमेरिकामा पनि यो प्रयोग हुन थालेको छ। भुक्तानी कार्डमा चिप हुन्छ जसले गर्दा प्रमाणीकरण प्रोटोकल कार्यान्वयन गर्न सकिन्छ। यस प्रोटोकलले पोइन्ट अफ सेल (पीओएस) टर्मिनल वा एटीएमलाई प्रत्येक लेनदेनको लागि एक नन्से उत्पन्न गर्न आवश्यक छ, जसलाई अप्रत्याशित नम्बर भनिन्छ, यो ताजा छ भनेर सुनिश्चित गर्न। हामीले दुईवटा गम्भीर समस्या पत्ता लगायौं: कार्यान्वयनमा व्यापक त्रुटि र ईएमभी प्रोटोकलमा नै गहिरो, सुधार गर्न कठिन त्रुटि। पहिलो त्रुटि यो हो कि केही ईएमवी कार्यान्वयनकर्ताहरूले केवल काउन्टरहरू, टाइमस्ट्याम्पहरू वा घरेलु एल्गोरिदमहरू यो नन्सी आपूर्ति गर्न प्रयोग गरेका छन्। यसले तिनीहरूलाई "प्रि-प्ले" आक्रमणको लागि उजागर गर्दछ जुन कार्ड क्लोनिंगबाट कार्ड जारी गर्ने बैंकमा उपलब्ध लगहरूको दृष्टिकोणबाट भिन्न छैन, र कार्डको भौतिक रूपमा क्लोन गर्न असम्भव भए पनि गर्न सकिन्छ। कार्ड क्लोनिङ भनेको ठ्याक्कै यस्तो प्रकारको धोखाधडी हो जसलाई ईएमभीले रोक्न चाहन्थ्यो। हामी कसरी हामी कमजोर पत्ता लगाउन वर्णन, एक सर्वेक्षण विधि हामी विकास कमजोर को दायरा, एटीएम र टर्मिनल प्रयोगहरू देखि प्रमाण क्षेत्र मा, र अवधारणा को प्रमाण आक्रमण हाम्रो कार्यान्वयन को नक्शा गर्न। हामीले ठूला निर्माताहरूबाट व्यापक रूपमा प्रयोग हुने एटीएमहरूमा त्रुटिहरू भेट्टायौं। हामी अब कम्तिमा केही बढ्दो संख्यामा ठगीको व्याख्या गर्न सक्छौं जसमा पीडितहरूलाई बैंकहरूले फिर्ता रकम अस्वीकार गर्छन् जसले ईएमवी कार्डहरू क्लोन गर्न सकिँदैन र यसैले विवादमा संलग्न ग्राहक गलत वा सहयोगी हुनुपर्दछ भनेर दाबी गर्छन्। दोस्रो समस्या माथि उल्लेखित कार्यले उजागर गरेको छ। अनियमित नम्बर गुणको स्वतन्त्र, त्यहाँ प्रोटोकल विफलता छ: टर्मिनल द्वारा उत्पन्न वास्तविक अनियमित नम्बर केवल एक द्वारा प्रतिस्थापित गर्न सकिन्छ आक्रमणकारीले पहिले प्रयोग गरेको थियो जब कार्डबाट प्रमाणीकरण कोड कब्जा गर्दा। यो प्रकारको पूर्व-प्ले आक्रमण एटीएम वा पीओएस टर्मिनलमा मालवेयरद्वारा वा टर्मिनल र अधिग्रहणकर्ता बीचको बीचमा मानिसद्वारा गर्न सकिन्छ। हामी डिजाइन र कार्यान्वयन त्रुटिहरू अन्वेषण गर्दछौं जसले यी त्रुटिहरूलाई अब सम्म पत्ता लगाउनबाट जोगाउन सक्षम बनायो: EMV विशिष्टता, EMV कर्नेल प्रमाणीकरण प्रक्रिया, कार्यान्वयन परीक्षण, औपचारिक विश्लेषण, र ग्राहक गुनासो अनुगमनको कमजोरीहरू। अन्तमा हामी प्रतिउत्तर उपायहरूबारे छलफल गर्छौं। एक वर्षभन्दा बढी समयपछि हामीले बैंकहरूलाई यी कमजोरीहरूको बारेमा जानकारी गरायौं, तर पहिलो कमजोरीलाई कम गर्नका लागि मात्र कदम चालिएका छौं, जबकि हामीले दोस्रो कमजोरीको सम्भावना देख्यौं, एटीएम र पीओएस मालवेयरको प्रसारले यसलाई अझै बढी खतरा बनाएको छ। |
15f5ce559c8f3ea14a59cf49bacead181545dfb0 | हामी एउटा छोटो समूह हस्ताक्षर योजना बनाउँछौं। हाम्रो योजनामा हस्ताक्षरहरू लगभग समान सुरक्षाको साथ मानक आरएसए हस्ताक्षरको आकारको हुन्छ। हाम्रो समूह हस्ताक्षरको सुरक्षा स्ट्राङ डिफी-हेलम्यान धारणामा आधारित छ र द्विध्रुवीय समूहहरूमा नयाँ धारणालाई निर्णय रैखिक धारणा भनिन्छ। हामीले हाम्रो प्रणालीको सुरक्षा प्रमाणित गरेका छौं, र्यान्डम ओरेकल मोडेलमा, हालै बेलारे, मिकिसिएन्सिओ, र वारिन्स्कीले दिएको समूह हस्ताक्षरको लागि सुरक्षा परिभाषाको एक प्रकार प्रयोग गरेर। |
96084442678300ac8be7778cf10a1379d389901f | यस लेखमा माइक्रोवेभ कम्पोनेन्टको एडटिभ निर्माणका लागि दुई फरक दृष्टिकोणको चर्चा गरिएको छ। पहिलो दृष्टिकोणमा लोकप्रिय र सस्तो फ्यूज्ड डिपोजिट मोडलिङ (एफडीएम) समावेश छ। यस कागजातमा यो देखाइएको छ कि, विभिन्न इन्फिल फैक्टर प्रयोग गरेर, एफडीएम नियन्त्रित डाइलेक्ट्रिक स्थिर संग उपकरणहरूको निर्माणको लागि उपयुक्त छ। दोस्रो दृष्टिकोण स्टेरियोलिथोग्राफी (एसएलए) हो। यस दृष्टिकोणले समाधानको सन्दर्भमा अझ राम्रो परिणाम प्राप्त गर्न सकिन्छ। यसबाहेक, माइक्रोवेव उपकरणहरूको सतहमा तामाको प्लेट लगाउने एउटा धेरै सजिलो तरिका देखाइएको छ र यसको प्रभावकारितालाई मशरूम आकारको रेजोनेटरहरूको साथ दुई-पोल फिल्टरको निर्माण र मापनको माध्यमबाट प्रदर्शन गरिएको छ। |
0668aba8199335b347a5c8d0cdd8e75cb7cd6122 | खाद्य पदार्थको स्वचालित समझ एक महत्त्वपूर्ण अनुसन्धान चुनौती हो। खाना पहिचान गर्ने इन्जिनले बिरामीको आहार र खाना खाने बानीलाई प्रत्यक्ष रूपमा मोबाइल वा पहिरनयोग्य क्यामेराको प्रयोगबाट प्राप्त छविहरूबाट स्वचालित रूपमा अनुगमन गर्न एक मान्य सहायता प्रदान गर्न सक्छ। यस क्षेत्रमा पहिलो चुनौती भनेको खाना समावेश गर्ने चित्रहरू र अन्य चित्रहरू बीचको भेदभाव हो। खाद्य र गैर-खाद्य वर्गीकरणका लागि विद्यमान दृष्टिकोणले बहु-वर्ग वा एक-वर्ग वर्गीकरण दृष्टिकोणको संयोजनमा दुबै उथलपुथल र गहिरो प्रतिनिधित्वहरू प्रयोग गरेको छ। तर, ती सबै विधिहरू र तथ्याङ्कहरू फरक-फरक प्रयोग गरेर मूल्यांकन गरिएको छ, जसले गर्दा विद्यमान विधिहरूको कार्यसम्पादनको तुलना गर्न सम्भव छैन। यस लेखमा, हामी खाद्य र गैर-खाद्य वर्गीकरणको लागि प्रयोग गरिएको सबैभन्दा नयाँ वर्गीकरण दृष्टिकोणहरू विचार गर्दछौं, र तिनीहरूलाई सार्वजनिक रूपमा उपलब्ध डाटासेटमा तुलना गर्दछौं। विभिन्न गहिरो शिक्षामा आधारित प्रतिनिधित्व र वर्गीकरण विधिहरू विचार र मूल्यांकन गरिन्छ। |
1f7d9319714b603d87762fa60e47b0bb40db25b5 | बेयसियन स्वतन्त्रता वर्गीकरणकर्ता र निकटतम-पड़ोसी वर्गीकरणकर्ताहरूलाई म्यानुअली-ग्रेड निबन्धहरूलाई स्कोरहरू तोक्न प्रशिक्षण दिइएको थियो। यी स्कोरहरू रैखिक प्रतिगमन प्रयोग गरेर अन्य सारांश पाठ मापनहरूसँग मिलाइएको थियो। वर्गीकरणकर्ता र प्रतिगमन समीकरणहरू त्यसपछि निबन्धहरूको नयाँ सेटमा लागू गरियो। वर्गीकरणकर्ताहरूले राम्ररी काम गरे। स्वचालित ग्रेडर र अन्तिम म्यानुअल ग्रेडरबीचको सम्झौता मानव ग्रेडरहरू बीचको सम्झौता जत्तिकै राम्रो थियो। स्वचालित निबन्ध ग्रेडिङको समस्यामा धेरै मानक पाठ-वर्गीकरण प्रविधिहरू लागू गरिएका थिए। |
81dbf427ba087cf3a0f22b59e74d049f881bbbee | प्रविधि र विचारधारामा भएको हालको प्रगतिले शिक्षा अनुसन्धानका लागि पूर्ण रूपमा नयाँ दिशाहरू खुला गरेको छ। बढ्दो ट्यूशन लागत र निःशुल्क अनलाइन कोर्सको बढ्दो दबाबले चर्चाको सुरुवात गरिरहेको छ र भौतिक कक्षामा परिवर्तन ल्याइरहेको छ। यो चर्चाको केन्द्रमा उल्टो कक्षाकोठा छ। उल्टो कक्षा एक नयाँ शैक्षिक विधि हो, जसले असिन्क्रोनस भिडियो व्याख्यान र अभ्यास समस्याहरू गृहकार्यको रूपमा प्रयोग गर्दछ, र कक्षामा सक्रिय, समूह-आधारित समस्या समाधान गतिविधिहरू। यसले एक पटक असंगत-सक्रिय, समस्या-आधारित सिकाउने गतिविधिहरू निर्माणवादी विचारधारा र व्यवहारवादी सिद्धान्तहरूमा आधारित प्रत्यक्ष निर्देशन विधिहरूबाट व्युत्पन्न निर्देशन व्याख्यानहरूमा आधारित शिक्षा सिद्धान्तहरूको एक अद्वितीय संयोजन प्रतिनिधित्व गर्दछ। यस लेखमा उल्टो कक्षाको बारेमा अघिल्लो र चलिरहेको अनुसन्धानको विस्तृत समीक्षा गरिएको छ। अध्ययनको विशेषता धेरै आयामहरूमा छ। यी मध्ये, कक्षा भित्र र बाहिरका गतिविधिहरूको प्रकार, अध्ययनको मूल्यांकन गर्न प्रयोग गरिएका उपायहरू, र प्रत्येक अध्ययनको लागि पद्धतिगत विशेषताहरू समावेश छन्। यस सर्वेक्षणको नतिजाले देखाउँछ कि हालसम्म गरिएका अधिकांश अध्ययनहरूले विद्यार्थीहरूको धारणाको खोजी गर्छन् र एकल-समूह अध्ययन डिजाइनहरू प्रयोग गर्छन्। विद्यार्थीहरूको धारणाको रिपोर्टहरू केही हदसम्म मिश्रित छन्, तर सामान्यतया सकारात्मक छन्। विद्यार्थीहरूले भिडियो लेक्चरमा व्यक्तिगत व्याख्यान मन पराउँछन्, तर व्याख्यानमा अन्तर्क्रियात्मक कक्षा गतिविधिहरू मन पराउँछन्। अनौठो प्रमाणले संकेत गर्दछ कि विद्यार्थीको शिक्षा परम्परागत कक्षाकोठाको तुलनामा फ्लिप गरिएकोमा सुधार भएको छ। तर, विद्यार्थीको सिकाइ परिणामको बारेमा धेरै कम अध्ययन भएको छ । हामी भविष्यका कार्य अध्ययनहरूको लागि नियन्त्रित प्रयोगात्मक वा अर्ध-प्रयोगात्मक डिजाइनहरू प्रयोग गरेर उद्देश्य सिकाउने परिणामहरूको अनुसन्धान गर्न सिफारिस गर्दछौं। हामी अनुसन्धानकर्ताहरूलाई कक्षाका गतिविधिहरूको डिजाइनमा मार्गदर्शन गर्न प्रयोग गरिएको सैद्धान्तिक ढाँचालाई ध्यानपूर्वक विचार गर्न पनि सिफारिस गर्दछौं। १. फर्काइएको कक्षाकोठाको उदय शिक्षाको अनुहार परिवर्तन गर्न दुई सम्बन्धित आन्दोलनहरू मिलेर काम गरिरहेका छन्। पहिलो, प्रविधिमा भएको परिवर्तन हो। यस प्राविधिक आन्दोलनले अत्यन्त कम लागतमा सूचनाको विस्तार र दोहोर्याउन सक्षम बनाएको छ। यो १४०० को दशकमा प्रिन्टिङ प्रेसबाट सुरु भयो र यो निरन्तर बढ्दो दरमा जारी रह्यो। सन् १८३० को दशकमा इलेक्ट्रोनिक टेलिग्राफ, १८०० को दशकको अन्त्य र १९०० को दशकको सुरुमा ताररहित रेडियो, १९२० को दशकमा टेलिभिजन, १९४० को दशकमा कम्प्युटर, १९६० को दशकमा इन्टरनेट र १९९० को दशकमा विश्वव्यापी वेबको आविष्कार भयो। यी प्रविधिहरू अपनाएपछि, ती माध्यमबाट फैलिएका विचारहरूले दोस्रो आन्दोलनलाई सम्भव बनाएको छ। जहाँ टेक्नोलोजी आन्दोलनले सूचनाको स्वतन्त्र र खुला प्रवाहमा वास्तविक भौतिक अवरोधहरू हटाउने प्रयास गर्यो, यो वैचारिक आन्दोलनले कृत्रिम, मानव निर्मित अवरोधहरू हटाउने प्रयास गर्दछ। यो स्वतन्त्र सफ्टवेयर आन्दोलनमा चित्रित छ (उदाहरणका लागि, स्टलम्यान र लेसिग [६७] हेर्नुहोस्), यद्यपि यो आन्दोलन सफ्टवेयरमा मात्र सीमित छैन। यसको एउटा राम्रो उदाहरण विश्वकोशबाट देख्न सकिन्छ। विश्वकोश ब्रिटानिका लगभग २ 250० बर्ष [२०] (१ 1768. since देखि) निरन्तर प्रकाशित हुँदै आएको छ। यद्यपि विश्वकोश ब्रिटानिकाको सामग्री सन् १९८१ देखि डिजिटल रूपमा अस्तित्वमा छ, तर २००१ मा विकिपीडियाको आगमनसम्म विश्वव्यापी रूपमा विश्वकोशिक सामग्रीमा खुला पहुँच प्रयोगकर्ताहरूको लागि उपलब्ध भएन। इन्साइक्लोपीडिया ब्रिटानिकाको पहुँच सीमित संख्यामा भुक्तान गरिएको सदस्यहरूको लागि सीमित रहन्छ [२१], तर विकिपेडियामा पहुँच खुला छ, र वेबसाइटले २.७ अरब अमेरिकी मासिक पृष्ठ दृश्यहरू प्राप्त गर्दछ [२१]। यस प्रकार, यद्यपि टेक्नोलोजी र डिजिटल सामग्री विश्वकोश सामग्रीको निःशुल्क पहुँच सक्षम गर्न उपलब्ध थियो, वैचारिक रोकावटहरूले यो हुनबाट रोकेको थियो। यी विचारधाराहरू पार गर्न नसकेपछि मात्र मानवतालाई विश्वको सबैभन्दा ठूलो, सबैभन्दा अप-टु-डेट विश्वकोशको रूपमा स्थापित गर्न अधिकार दिइएको थियो [१]। यस्तै प्रकारले, हामी उच्च शिक्षामा यी दुई आन्दोलनको संयुक्त प्रभाव देख्न थालेका छौं। प्राविधिक क्षेत्रमा अनुसन्धानले महत्त्वपूर्ण प्रगति गरेको छ। अध्ययनले देखाउँछ कि भिडियो लेक्चरहरू (थोडा) व्यक्ति-लेक्चरहरू भन्दा राम्रो प्रदर्शन गर्दछन् []] , अन्तर्क्रियात्मक अनलाइन भिडियोहरू अझ राम्रो गर्दै (प्रभाव आकार = ०.५) []]। अनलाइन गृहकार्य कागज र पेन्सिल गृहकार्य जस्तै प्रभावकारी छ [८,२७], र ध्यानपूर्वक विकसित बुद्धिमान ट्युटरिंग प्रणालीहरू मानव ट्युटरहरू जस्तै प्रभावकारी देखाइएको छ [७७] । यी प्रगतिहरूको बाबजुद, यसलाई अपनाउन ढिलो भएको छ, किनकि राम्रो शिक्षा प्रणालीको विकास गर्न धेरै खर्चिलो हुन सक्छ। तर, वैचारिक आन्दोलनले यी आर्थिक अवरोधहरू हटाइरहेको छ। वैचारिक रूपमा, एमआईटीले सन् २००१ मा आफ्नो ओपन कोर्सवेयर (ओसीडब्ल्यू) पहल घोषणा गर्दा महत्त्वपूर्ण कदम चालेको थियो [५३] । यसबाट विश्वविद्यालयको ट्यूशन शुल्क तिरेका विद्यार्थीले मात्र प्राप्त गर्न सक्ने जानकारीको पहुँच खुल्दै गयो, जुन एमआईटीमा प्रतिवर्ष ४०,००० डलरभन्दा बढी छ [५४] । यस प्रवृत्तिलाई निरन्तरता दिँदै एमआईटीका पूर्व छात्र सलमान खानले सन् २००६ मा खान एकेडेमीको स्थापना गरे, जसले सन् २०१२ सम्ममा ३२०० भन्दा बढी भिडियो र ३५० अभ्यास अभ्यासहरूको पुस्तकालय जारी गरेको छ। खान एकेडेमीको उद्देश्य भनेको "विश्वस्तरीय शिक्षा जहाँ पनि, जहाँ पनि, २०१२ मा निःशुल्क प्रदान गर्नु हो।" गत वर्ष यो आन्दोलनले तीव्र गतिमा गति प्राप्त गरेको छ। खानको प्रयासबाट प्रेरित भएर स्टानफोर्डका प्राध्यापक सेबेस्टियन थ्रुन र एन्ड्रयू एनले सन् २०११ को शरद ऋतुमा आफ्नो अनलाइन पाठ्यक्रमको पहुँच खोलेका थिए । थ्रुनले पिटर नर्विगसँग कृत्रिम बुद्धिमत्ता सिकाए, जसले १ 16०,००० भन्दा बढी विद्यार्थीहरूलाई उनीहरूको निः शुल्क अनलाइन कोर्समा आकर्षित गरे। पछि, थ्रुनले विश्वविद्यालय छोडे र उडासिटी स्थापना गरे, जुन अहिले ११ निःशुल्क पाठ्यक्रमहरू [७६] होस्ट गर्दैछ। स्ट्यानफोर्डको सहयोगमा एनजीले आफ्नो खुल्ला अनलाइन शैक्षिक पहल, कोर्सेरा पनि सुरु गरे। प्रिन्स्टन, पेन्सिलभेनिया विश्वविद्यालय र मिशिगन विश्वविद्यालयले कोर्सेरा साझेदारीमा सामेल भएका छन्, जसले यसको प्रस्तावलाई ४२ पाठ्यक्रममा विस्तार गरेको छ । एमआईटीले आफ्नो खुला शैक्षिक पहललाई पनि अपग्रेड गरेको छ, र ६० मिलियन डलरको उद्यम, एडएक्स [१९] मा हार्वर्डसँग मिलेर काम गरेको छ। EdX ले, हार्वर्ड र MIT कक्षाहरू निः शुल्क अनलाइन प्रदान गर्दछ। अनलाइन शिक्षा सुधार हुँदै, विस्तार हुँदै, र निः शुल्क खुला रूपमा उपलब्ध हुँदै गर्दा, ईंट र मोर्टार स्कूलहरूमा विश्वविद्यालय शिक्षण द्रुत रूपमा बढ्दैछ [56]. क्यालिफोर्निया विश्वविद्यालय प्रणालीमा ट्यूशन शुल्क २००० देखि लगभग तीन गुणा बढेको छ [३२] । स्वाभाविक रूपमा, यो क्यालिफोर्नियाका विश्वविद्यालयका विद्यार्थीहरूले राम्रोसँग प्राप्त गरिरहेका छैनन्। त्यस्तै, क्युबेकका विद्यार्थीहरूले पनि ट्यूशन शुल्क बढाउने योजनाको विरोध गरिरहेका छन् । योजनाबद्ध ट्यूशन वृद्धिहरूको विरोधमा, रटगर्समा विद्यार्थी प्रदर्शनकारीहरूले (२० जुन २०१२ मा) आफ्नो आवाज सुन्न बोर्ड बैठकमा बाधा पुर्याए [३६] । आगोमा तेल हाल्दै, गिलन एट अल द्वारा हालै गरिएको एक अध्ययनको परिणाम। [३१] ले बताउँछ कि स्नातक विद्यार्थीको ट्यूशन अनुसन्धान अनुदान गर्न प्रयोग गरिन्छ। परिणामस्वरुप, विद्यार्थी र शैक्षिक संस्था दुवैले सोध्दै आएको प्रश्न हो, विद्यार्थीले आफ्नो पैसाको लागि के पाउँछन् ? यसले भौतिक शैक्षिक संस्थाहरूमा केही दबाब लागू गरिरहेको छ जसले आफ्ना विद्यार्थीहरूको व्यक्तिगत शैक्षिक अनुभवलाई सुधार र बढावा दिन सक्छ। |
f395edb9c8ca5666ec54d38fda289e181dbc5d1b | यस लेखमा, मध्यम भोल्टेज अनुप्रयोगहरूको लागि एक नयाँ भोल्टेज स्रोत कन्भर्टर प्रस्तुत गरिएको छ जुन पावर सेमीकन्डक्टरलाई श्रृंखलामा जडान गर्न आवश्यक बिना नै भोल्टेज (२.४-७.२ केभी) को विस्तृत दायरामा काम गर्न सक्दछ। प्रस्तावित कन्भर्टरको सञ्चालनको अध्ययन र विश्लेषण गरिन्छ। प्रस्तावित कन्भर्टरलाई नियन्त्रण गर्नका लागि स्पेस-भेक्टर मोडुलेशन (एसवीएम) रणनीति प्रस्ताव गरिएको छ। एसवीएममा सामान्यतया रिडन्डन्ट स्विचिंग स्टेट हुन्छ । हामी के कुरा गर्न चाहन्छौं? यी रिडन्डन्ट स्विचिंग अवस्थाहरूले प्रस्तावित कन्भर्टरमा फ्लाइङ क्यापेसिटरहरूको आउटपुट भोल्टेज नियन्त्रण गर्न र भोल्टेज सन्तुलन गर्न मद्दत गर्दछ। विभिन्न परिचालन अवस्थाहरूमा कन्भर्टरको प्रदर्शन MATLAB/Simulink वातावरणमा अनुसन्धान गरिन्छ। प्रस्तावित कन्भर्टरको सम्भाव्यताको प्रयोगात्मक मूल्यांकन ५ किलोवाटको प्रोटोटाइपमा गरिएको छ। |
81a4183d5042a93356bc59cda54ede3283efe583 | यस लेखमा तलको दबाबको डेटामा आधारित चालको प्रयोग गरेर व्यक्तिको पहिचान गर्ने दृष्टिकोण प्रस्तुत गरिएको छ। ठूलो क्षेत्रको उच्च रिजोल्युसनको प्रेसर सेन्सर फ्लोर प्रयोग गरेर हामीले फुटको केन्द्रको ३ डी ट्रेजेक्टरी प्राप्त गर्न सक्यौं जुन १ डी प्रेसर प्रोफाइल र २ डी स्थिति ट्रेजेक्टरी दुवै समावेश गर्दछ। थ्रीडी सीओपी ट्रयाक्टरीमा आधारित सुविधाहरूको सेट निकालिन्छ र मानिसहरूको पहिचानको लागि प्रयोग गरिन्छ, साथसाथै अन्य सुविधाहरू जस्तै चरण लम्बाई र गति। वर्गीकरणकर्ताको रूपमा फिशर रैखिक भेदभावकर्ता प्रयोग गरिन्छ। प्रस्तावित विधि प्रयोग गरेर उत्साहजनक नतिजा प्राप्त भएको छ, जसमा १० जनाको खुट्टाको डाटा प्रयोग गरेर ९४ प्रतिशत पहिचान र ३ प्रतिशत गलत अलार्म दर प्राप्त भएको छ। |
6b6fa87688f1e0ddb676a9ce5d18a7185f98d0c5 | परम्परागत इनडोर लेजर स्क्यानि tr ट्रली / ब्याकप्याक बहु-लेजर स्क्यानर, पैनोरमा क्यामेरा, र एक जडान गरिएको जडान मापन एकाई (आईएमयू) 3D इनडोर म्यापिङ समस्याको लागि लोकप्रिय समाधान हो। तर, यी म्यापिङ सुटको लागत निकै महँगो छ र उपभोक्ता इलेक्ट्रोनिक कम्पोनेन्टले यसको नक्कल गर्न सक्दैनन् । उपभोक्ता आरजीबी-डेप्थ (आरजीबी-डी) क्यामेरा (जस्तै, किनेक्ट वी २) थ्रीडी पोइन्ट क्लाउडहरू जम्मा गर्नका लागि कम लागतको विकल्प हो। तर, यसको दृश्य क्षेत्र (एफओवी) साँघुरो भएकाले यसको सङ्कलन दक्षता र डाटा कभरेज लेजर स्क्यानरको भन्दा कम छ। यसबाहेक, सीमित एफओभीले स्क्यानिङ कार्यभार, डाटा प्रोसेसिंगको बोझ, र भिजुअल ओडोमेट्रिक (वीओ) / एकसाथ स्थानीयकरण र म्यापिङ (एसएलएएम) विफलताको जोखिम बढाउँछ। भित्री म्यापिङका लागि सहायक जानकारी (जस्तै, रङ) सँग 3D बिन्दु बादल डेटा सङ्कलन गर्न एक कुशल र कम लागत तरिका खोज्न, यस कागजातमा हामी एक प्रोटोटाइप भित्री म्यापिङ समाधान प्रस्तुत गर्दछौं जुन ठूलो FOV सँग एरे निर्माण गर्न बहु RGB-D सेन्सरहरूको क्यालिब्रेसनमा निर्मित छ। तीन समय-को-उडान (ToF) आधारित Kinect V2 RGB-D क्यामेरा एक ठूलो दृश्य क्षेत्र बनाउनको लागि विभिन्न दृश्य दिशाहरूको साथ एक रिगमा माउन्ट गरिएको छ। तीन आरजीबी-डी डाटा स्ट्रिमहरू सिnch्ख्रोनाइज हुन्छन् र ओपनकिनेक्ट ड्राइभरले भेला गर्दछ। एकल आरजीबी-डी क्यामेराको ज्यामिति र गहिराई क्यालिब्रेसन समावेश गर्ने आन्तरिक क्यालिब्रेसन क्रमशः होमोग्राफी-आधारित विधि र रे सुधारको साथ पिक्सेल-वार स्पलाइन लाइन प्रकार्यहरूमा आधारित दायरा पूर्वाग्रह सुधारको साथ समाधान गरिन्छ। बाह्य क्यालिब्रेसन एक मोटा देखि सफा योजना मार्फत प्राप्त हुन्छ जुन प्रारम्भिक बाह्य अभिमुखीकरण प्यारामिटरहरू (ईओपी) लाई स्पायर कन्ट्रोल मार्करहरूबाट समाधान गर्दछ र प्रारम्भिक मानलाई पुनरावर्ती निकटतम बिन्दु (आईसीपी) संस्करण द्वारा परिष्कृत गर्दछ जुन आरजीबी-डी पोइन्ट क्लाउड र सन्दर्भित लेजर पोइन्ट क्लाउड बीचको दूरीलाई न्यूनतम गर्दछ। प्रस्तावित प्रोटोटाइप र क्यालिब्रेसन विधिको प्रभावकारिता र शुद्धतालाई प्रोटोटाइपबाट प्राप्त बिन्दु बादलहरूसँग जमिनमा आधारित लेजर स्क्यानर (टीएलएस) द्वारा संकलित ग्राउन्ड ट्रुथ डाटासँग तुलना गरेर मूल्याङ्कन गरिन्छ। परिणामहरूको समग्र विश्लेषणले देखाउँदछ कि प्रस्तावित विधिले तीन किनेक्ट वी २ क्यामेराबाट प्रति सेकेन्ड 30० फ्रेममा संकलन गरिएको बहु बिन्दु बादलहरूको निर्बाध एकीकरण प्राप्त गर्दछ, जसको परिणामस्वरूप कम लागत, दक्ष र उच्च कभरेज थ्रीडी रंगीन पोइन्ट क्लाउड संग्रह हुन्छ। इनडोर म्यापिङ अनुप्रयोगहरूको लागि। |
330f258e290adc2f78820eddde589946f775ae65 | नियम प्रेरणका लागि मोटामोटी सेट सिद्धान्त लागू गर्न सकिन्छ। वर्गीकरण नियमका दुई भिन्न प्रकार छन्, सकारात्मक र सीमा नियम, जसले विभिन्न निर्णय र परिणामहरू निम्त्याउँछ। तिनीहरू केवल सिन्ट्याक्स मापनहरू जस्तै विश्वास, कभरेज र सामान्यताबाट मात्र होइन तर निर्णय-एकलता, लागत र जोखिम जस्ता अर्थपूर्ण मापनहरूबाट पनि छुट्याउन सकिन्छ। वर्गीकरण नियमहरू प्रत्येक व्यक्तिगत नियमको लागि स्थानीय रूपमा, वा नियमहरूको सेटको लागि विश्वव्यापी रूपमा मूल्या be्कन गर्न सकिन्छ। दुवै दुई प्रकारका वर्गीकरण नियमहरू उत्पन्न गर्न सकिन्छ, र व्याख्या गर्न सकिन्छ, एक निर्णय-सैद्धान्तिक मोडेल, जुन Pawlak मोटा सेट मोडेलको सम्भावनात्मक विस्तार हो। एक विशेषता घटाउने एक विशेषताहरूको उप-सेट हो जुन संयुक्त रूपमा पर्याप्त र व्यक्तिगत रूपमा दिइएको जानकारी तालिकाको एक विशेष सम्पत्तीको संरक्षणको लागि आवश्यक छ। यस लेखमा निर्णय-सैद्धान्तिक मोटा सेट मोडेलहरूमा विभिन्न वर्गीकरण गुणहरू जस्तै निर्णय-एकलत्व, विश्वास, कभरेज, सामान्यता र लागतको सम्बन्धमा विशेषताहरू घटाउने बारेमा छलफल गरिएको छ। यो ध्यान दिनु महत्त्वपूर्ण छ कि यी गुणहरू मध्ये धेरैलाई पवलकको मोटो सेट मोडेलमा एकल मापन c द्वारा सत्यतापूर्वक प्रतिबिम्बित गर्न सकिन्छ। अर्कोतर्फ, सम्भावनावादी मोडेलहरूमा तिनीहरूलाई छुट्टै विचार गर्न आवश्यक छ। सी मापनको एक सीधा विस्तार यी गुणहरू मूल्यांकन गर्न असमर्थ छ। यस अध्ययनले विशेषता घटाउने समस्यामा नयाँ अन्तरदृष्टि प्रदान गर्दछ। क्राउन प्रतिलिपि अधिकार २००८ एल्सभियर इंक द्वारा प्रकाशित सबै अधिकार सुरक्षित। |
642db624b5b33a02a435ee1415d7c9f9cef36e1d | यस कागजातले डायनासँगको अघिल्लो कामलाई विस्तार गर्दछ जुन गतिशील प्रोग्रामिंग विधिहरूमा आधारित बुद्धिमान प्रणालीहरूको लागि आर्किटेक्चरको एक वर्ग हो। डायना आर्किटेक्चरले परीक्षण र त्रुटि सुदृढीकरण शिक्षा र कार्यान्वयन समय योजनालाई एकल प्रक्रियामा एकीकृत गर्दछ जुन वैकल्पिक रूपमा विश्वमा र विश्वको एक सिकिएको मोडेलमा सञ्चालन गर्दछ। यस कागजातमा म प्रस्तुत गर्दछु र दुई डायना आर्किटेक्चरको लागि परिणामहरू देखाउँछु। डायना पीआई आर्किटेक्चर गतिशील प्रोग्रामिंगको नीति पुनरावृत्ति विधिमा आधारित छ र यो अवस्थित एआई विचारहरूसँग सम्बन्धित हुन सक्छ जस्तै मूल्यांकन प्रकार्यहरू र युनिभर्सल योजनाहरू प्रतिक्रियाशील प्रणालीहरू नेभिगेसन कार्य परिणामहरू प्रयोग गरेर एक साधारण डायना पीआई प्रणालीको लागि देखाइन्छ जुन एकै साथ परीक्षण र त्रुटि द्वारा सिक्छ विश्व मोडेल सिक्छ र इष्टतम मार्गहरू योजना गर्दछ प्रयोग गरेर Dyna Q को वास्तुकला वाटकिन्सको Q लर्निंगमा आधारित छ, जुन एक नयाँ प्रकारको reinforcement learning हो Dyna Q को डाटा संरचनाको सेट Dyna PI भन्दा कम परिचित छ तर यसलाई लागू गर्न र प्रयोग गर्न सजिलो छ। हामीले देख्यौं कि Dyna Q आर्किटेक्चरहरू परिवर्तनशील वातावरणमा प्रयोगको लागि अनुकूलन गर्न सजिलो छ। रोबोटले के गर्ने भन्ने निर्णय कसरी गर्ने भन्ने प्रश्नको उत्तरमा एआईले आफ्नो वर्तमान लक्ष्य र विश्व मोडेलको आधारमा आफ्नो उत्तम कार्यको अनुमान लगाउनुपर्छ अर्थात् योजना बनाउनुपर्छ भन्ने उत्तर दिइएको छ तर अहिले यो व्यापक रूपमा मान्यता प्राप्त छ कि योजनाको उपयोगिता यसको कम्प्युटेशनल जटिलता र यसको सही विश्व मोडेलमा निर्भरताले सीमित छ। तर तेस्रो दृष्टिकोण भनेको परीक्षण र त्रुटिद्वारा प्रतिक्रियाहरूको राम्रो सेट सिक्नु हो। यसको फाइदा विश्व मोडेलमा निर्भरता हटाउने हो। डायना आर्किटेक्चरले मेशिन लर्निंग एल्गोरिदम प्रयोग गर्दछ जुन परम्परागत इष्टतम नियन्त्रण प्रविधिलाई गतिशील प्रोग्रामिंगको रूपमा चिनिन्छ। डीपी बेलम्यान रस डीपी आफैमा सिक्ने विधि होइन बरु कम्प्युटेशनल विधि हो जुन इष्टतम व्यवहार निर्धारण गर्नका लागि हो। यो राज्य अन्तरिक्ष खोजीसँग धेरै मिल्दोजुल्दो छ तर यो फरक छ कि यो अधिक वृद्धिशील छ र वास्तविक कार्य अनुक्रमलाई स्पष्ट रूपमा एक पटकमा एकल कार्यहरू मात्र विचार गर्दैन। यसले डीपीलाई कार्यान्वयनको समयमा वृद्धिशील योजनाको लागि बढी ग्रहणशील बनाउँदछ र यसलाई स्टोकास्टिक वा पूर्ण मोडेल गरिएको वातावरणमा पनि उपयुक्त बनाउँदछ। अनिश्चित वातावरणमा सम्भव अनुक्रमको अत्यन्त ठूलो संख्यालाई विचार नगर्नुहोस् सिकिएको विश्व मोडेलहरू स्टोकास्टिक र अनिश्चित हुने सम्भावना हुन्छ जसले डीपी दृष्टिकोणलाई विशेष गरी सिकाउने प्रणालीहरूको लागि आशाजनक बनाउँदछ। डायना आर्किटेक्चरहरू ती हुन् जसले विश्व मोडेल अनलाइन सिक्छन् जबकि डीपीमा अनुमानहरू प्रयोग गरेर इष्टतम व्यवहार सिक्न र योजना बनाउन। सहजै डायना आधारित छ योजना बनाउने काम भनेको परिकल्पनात्मक अनुभवबाट सिक्ने प्रयास र त्रुटि जस्तै हो भन्ने पुरानो विचारमा आधारित क्र्याक डेनेट डायनाको सिद्धान्त डीपी ईजी रोसको सिद्धान्तमा आधारित छ र डीपीको सम्बन्ध सुदृढीकरण सिक्ने वाटकिन्स बार्टो सुटन वाटकिन्सलाई समय भिन्नता सिक्ने सुटन र योजना र खोजीको लागि एआई विधिहरूमा कोरफ वेरबोस पहिले नै डायनामिक प्रोग्रामिङको नजिकबाट एआई प्रणाली निर्माण गर्ने सामान्य विचारको लागि तर्क गरे र व्हाइटहेड र अन्यले सुटन बार्टो सुटन पिनटे रुमेलहार्ट एट अलले पहिलो डायना आर्किटेक्चरलाई नीति पुनरावृत्तिलाई नजिकबाट नियाल्दै योजनाको लागि प्रयोग गरिएको विश्व मोडेलको साथ सुदृढीकरण सिकाउने प्रणालीको विस्तार गर्ने विशेष विचारको लागि परिणाम प्रस्तुत गरेका छन्। Dyna PI किनभने यो एक DP विधि नजिकिंदै आधारित छ जो नीतिगत पुनरावृत्ति को रूप मा जानिन्छ विश्वमा पठाइने कार्य विश्वले समाधान गर्न पर्ने कार्यको प्रतिनिधित्व गर्दछ प्रोटोटाइपिक रूपमा यो रोबोटको बाह्य वातावरण हो विश्वले नीतिबाट कार्यहरू प्राप्त गर्दछ र अर्को राज्य आउटपुट र एक इनाम आउटपुट उत्पादन गर्दछ समग्र कार्यलाई दीर्घकालीन औसत इनाम प्रति समय अधिकतम बनाउनको लागि परिभाषित गरिएको छ। एक स्पष्ट विश्व मोडेल विश्व मोडेल वास्तविक संसारको एक चरण इनपुट आउटपुट व्यवहार अनुकरण गर्न अभिप्रेरित छ अन्तमा Dyna PI वास्तुकलामा एक मूल्यांकन प्रकार्य समावेश गर्दछ जुन द्रुत रूपमा मानहरूमा मानचित्र गर्दछ धेरै नीतिले द्रुत रूपमा कार्यहरूमा नक्शा गर्दछ मूल्यांकन प्रकार्य नीति र विश्व मोडेल प्रत्येक छुट्टै सिक्ने प्रक्रियाहरू द्वारा अपडेट गरिन्छ विश्व कार्य पुरस्कार (स्केलार) हेरिस्टिक पुरस्कार (स्केलार) राज्य मूल्यांकन प्रकार्य |
5991fee5265df4466627ebba62e545a242d9e22d | हामीले एउटा स्वतः एन्कोडर प्रयोग गर्यौं जुन स्ट्याक्ड रेस्ट्रिक्टेड बोल्ट्जमन मेसिनहरूबाट बनेको थियो व्यक्तिगत स्टक मूल्यहरूको इतिहासबाट विशेषताहरू निकाल्नका लागि। हाम्रो मोडेलले इनपुट सुविधाहरूको विस्तृत हात-इन्जिनियरिङ बिना स्टकमा मोमेन्टम प्रभावको एक उन्नत संस्करण पत्ता लगाउन सक्षम छ र आधारभूत मोमेन्टमको लागि १०.५३% को तुलनामा १ 1990 ०-2009 परीक्षण अवधिमा .9 45.93% को वार्षिक रिटर्न प्रदान गर्दछ। |
d6cc46d8da91ded74ff31785000edc9ca8d67e23 | यस कार्यमा, एक विस्तृत ब्यान्ड, समतल, मुद्रित उल्टो-एफ एन्टेना (पीआईएफए) बहु-इनपुट-बहु-आउटपुट (एमआईएमओ) एन्टेना कन्फिगरेसनको साथ प्रस्ताव गरिएको छ। एमआईएमओ एन्टेना प्रणालीमा ४ जी एलटीई अनुप्रयोगहरूको लागि २.१ गीगाहर्ज आवृत्ति ब्यान्डमा काम गर्ने ४ तत्वहरू हुन्छन्। प्रस्तावित डिजाइन कम्प्याक्ट, कम प्रोफाइल र वायरलेस ह्यान्डहेल्ड उपकरणहरूको लागि उपयुक्त छ। एमआईएमओ एन्टेना ४.४ बराबरको ईआरको साथ व्यावसायिक रूपमा उपलब्ध एफआर४ सब्सट्रेटमा निर्मित छ। एकल तत्वको आयाम २६×६ मिमी२ हो र बोर्डको मात्रा १००×६०×०.८ मिमी३ बराबर हुन्छ। पृथक्करण 5 dB मा सुधार गरिएको छ प्रस्तावित डिजाइन मा जमीन स्लट प्रयोग गरेर। एन्टेना प्रणालीको व्यवहारको विश्लेषण गर्नका लागि विशेषता मोड विश्लेषण (सीएमए) को प्रयोग गरिन्छ। |
2586dd5514cb203f42292f25238f1537ea5e4b8c | |
f20fbad0632fdd7092529907230f69801c382c0f | 100Gb/s अप्टिकल ट्रान्सपोर्ट र त्यसभन्दा पछाडि धकेल्नको लागि उच्च गति र एकीकरण स्तरमा इलेक्ट्रोनिक कम्पोनेन्टहरू आवश्यक छ ताकि लागत, जटिलता र ट्रान्ससीभरको आकार कम गर्न [1-2]। यसको लागि समानान्तर बहु-च्यानल अप्टिकल ट्रान्ससीभरहरू आवश्यक हुन्छ जुन प्रत्येकले २ 25 जीबी / सेकेन्ड र अधिकमा काम गर्दछ। ट्रान्समिटरहरूको आउटपुट पावरमा भिन्नताका कारण र केही केसहरूमा फरक अप्टिकल पथहरू समानान्तर रिसीभरहरूले फरक इनपुट अप्टिकल पावर स्तरहरूमा काम गर्नुपर्दछ। यो प्रवृत्तिले एकीकृत बहु-च्यानल रिसीभरहरूमा स्वीकार्य अन्तर-च्यानल क्रसस्टकमा बढ्दो तनाव राख्छ। सबै च्यानलहरू सञ्चालनमा हुँदा यो क्रस-टॉक पेनाल्टीलाई न्यूनतम बनाउनु अति उच्च-प्रवाह अप्टिकल लिंकहरूमा बढ्दो महत्त्वपूर्ण हुँदै गइरहेको छ। |
430ddd5f2ed668e4c77b529607afa378453e11be | प्रयोगात्मक परिणामहरूले NTCIR9 जापानी-अंग्रेजी र चिनियाँ-अंग्रेजी कार्यहरूको लागि सामान्य दिशा प्रणालीको तुलनामा BLEU मा १.७ अंक र TER मा ३.१ अंकको सुधार देखाउँदछ। यस कार्यमा, हामी तथ्याङ्क मेसिन अनुवाद (एसएमटी) को लागि शब्द क्रम डिकोडिङ दिशाको प्रभावको अध्ययन गर्दछौं। वाक्यांशमा आधारित र पदानुक्रमित वाक्यांशमा आधारित एसएमटी प्रणालीहरू स्रोत र / वा लक्षित भाषाको शब्द क्रम उल्टाएर र अनुवाद परिणामहरूलाई सामान्य दिशासँग तुलना गरेर अनुसन्धान गरिन्छ। विभिन्न अनुवाद दिशाहरूद्वारा उत्पन्न भिन्नताहरूको लागि कुन कुन कारकहरू जिम्मेवार छन् भनेर हेर्नको लागि संरेखण मोडेल, भाषा मोडेल र वाक्यांश तालिका जस्ता धेरै घटकहरूमा विश्लेषण गरिन्छ। यसबाहेक, हामी प्रणाली संयोजन, पङ्क्तिबद्ध संयोजन र वाक्यांश तालिका संयोजनहरू प्रयोग गर्न प्रस्ताव गर्दछौं विभिन्न अनुवाद दिशाहरूको साथ प्रशिक्षित प्रणालीहरूको फाइदा लिन। |
7a1e584f9a91472d6e15184f1648f57256216198 | http://www.jstor.org जटिल बेइजियन मोडेलिंगको लागि एक भाषा र कार्यक्रम लेखकहरूः डब्ल्यू आर गिलक्स, ए थोमस र डी जे स्पिएगलहल्टर स्रोतः रोयल स्ट्याटिस्टिकल सोसाइटीको जर्नल। "मलाई विश्वास छ कि तपाईं पनि जीवित हुनुहुन्छ" (एन्जेला) ४३, होइन। १, विशेष अंक: व्यावहारिक बेयसियन तथ्याङ्कको सम्मेलन, १९९२ (३) (१९९४), पृ. 169-177 द्वारा प्रकाशित: विले रोयल स्ट्याटिस्टिकल सोसाइटीको लागि स्थिर URL: http://www.jstor.org/stable/2348941 पहुँचः 19-08-2014 17:40 UTC |
062ece9dd7019b0a3ca7e789acf1dee57571e26d | मनोविज्ञान पत्रिकाहरूमा महत्व परीक्षणको अनुप्रयोगको बारेमा निरन्तर बहसको प्रकाशमा र कोहेनको (१९९४) लेखको प्रकाशन पछि, अमेरिकन मनोवैज्ञानिक संघ (एपीए) को वैज्ञानिक मामिला बोर्ड (बीएसए) ले तथ्याङ्क अनुमान (टीएफएसआई) नामक एक समिति बोलायो जसको जिम्मेवारी "महत्व परीक्षण र यसको विकल्पहरू सहित तथ्याङ्कको अनुप्रयोगको वरिपरि विवादास्पद मुद्दाहरू स्पष्ट पार्न; वैकल्पिक आधारभूत मोडेलहरू र डाटा रूपान्तरण; र नयाँ विधिहरू शक्तिशाली कम्प्युटरहरू द्वारा सम्भव बनाइएको" (बीएसए, व्यक्तिगत संचार, फेब्रुअरी २,, १ 1996) । रोबर्ट रोसेन्थल, रोबर्ट एबेलसन, र याकूब कोहेन (सह-अध्यक्षहरू) प्रारम्भिक रूपमा भेटे र कार्यदलमा धेरै प्रकारका विशेषज्ञहरू हुनुको लागि सहमत भएः सांख्यिकीविद्हरू, तथ्याङ्कका शिक्षकहरू, पत्रिका सम्पादकहरू, तथ्याङ्क पुस्तकका लेखकहरू, कम्प्युटर विशेषज्ञहरू, र बुद्धिमान बुढाहरू। [पृष्ठ २३-मा भएको चित्र] यी थिए लियोना आइकन, मार्क एपलबम, ग्विनिथ बुडु, डेभिड ए केनी, हेलेना क्रेमर, डोनाल्ड रुबिन, ब्रुस थम्पसन, हावर्ड वाइनर, र लीलैंड विल्किन्सन। यसका अतिरिक्त ली क्रोनबाच, पल मेहल, फ्रेडरिक मोस्टेलर र जोन ट्युकीले कार्यदलका वरिष्ठ सल्लाहकारको रूपमा काम गरे र लिखित सामग्रीमा टिप्पणी गरे। दुई वर्षमा दुईपटक बैठक बसेको थियो र त्यो अवधिभर पत्र-व्यवहार पनि भएको थियो । पहिलो बैठक पछि, कार्यदलले एक प्रारम्भिक रिपोर्ट प्रसारित गर्यो जसले शून्य परिकल्पना महत्व परीक्षण भन्दा बाहिरका मुद्दाहरूको अध्ययन गर्ने आफ्नो इरादालाई संकेत गर्यो। कार्यदलले आफ्नो दोस्रो बैठकमा टिप्पणीहरू आमन्त्रित गर्यो र छलफलमा यो प्रतिक्रिया प्रयोग गर्यो। दोस्रो बैठकपछि कार्यदलले थप कार्यका लागि विभिन्न सम्भावनाहरूको सिफारिस गर्यो, जसमध्ये सबैभन्दा महत्त्वपूर्ण थियो अमेरिकन साइकोलोजिकल एसोसिएसन पब्लिकेसन म्यानुअल (एपीए, १९९४) को सांख्यिकीय खण्डहरूको संशोधन। विस्तृत छलफलपछि, बीएसएले सिफारिस गर्यो कि "टीएफएसआईले एपीए प्रकाशन पुस्तिकाको संशोधन गर्नु अघि, यसले अमेरिकी मनोवैज्ञानिकमा लेख प्रकाशित गर्ने विचार गर्न सक्छ, डाटा विश्लेषण र रिपोर्टिंगको वर्तमान अभ्यासहरूमा परिवर्तनको बारेमा क्षेत्रमा छलफल सुरु गर्ने तरिकाको रूपमा" (बीएसए, व्यक्तिगत संचार, नोभेम्बर १,, १ 1997।) यो प्रतिवेदन उक्त अनुरोधको अनुगमन हो। इटालिकमा लेखिएका खण्डहरू प्रस्तावित दिशानिर्देशहरू हुन् जुन TFSI ले APA प्रकाशन पुस्तिकाको संशोधन गर्न वा अन्य BSA समर्थन सामग्री विकास गर्न प्रयोग गर्न सिफारिस गर्दछ। प्रत्येक दिशानिर्देश पछि टिप्पणीहरू, स्पष्टीकरणहरू, वा विस्तारहरू छन् जुन लिल्याण्ड विल्किन्सनले टास्क फोर्सको लागि भेला गरे र यसको समीक्षा अन्तर्गत छन्। यो प्रतिवेदनले तथ्याङ्क पद्धतिको प्रयोगलाई मात्र समेटेको छ र सामान्यतया अनुसन्धान पद्धतिको मूल्यांकनको रूपमा लिइएको छैन। मनोविज्ञान एउटा व्यापक विज्ञान हो। एक क्षेत्रमा उपयुक्त विधि अर्को क्षेत्रमा अनुपयुक्त हुन सक्छ। यस प्रतिवेदनको शीर्षक र ढाँचा बाइलर र मोस्टेलर (१९८८) द्वारा लेखिएको यस्तै लेखबाट लिइएको हो। त्यो लेखमा परामर्श लिनुपर्छ, किनकि यो यससँग केही हदसम्म जोडिएको छ र मनोविज्ञानमा अनुसन्धानका लागि केही सान्दर्भिक मुद्दाहरूको चर्चा गर्दछ। यस विषयमा धेरै समितिका सदस्यहरूले प्रकाशित गरेका प्रकाशनहरूमा पनि थप विवरणहरू पाउन सकिन्छ (एबेलसन, १९९५, १९९७; रोसेन्थल, १९९४; थम्पसन, १९९६; वाइनर, प्रेसमा; हेर्नुहोस् पनि लेखहरू हर्लो, मुलैक, र स्टिगर, १९९७) । |
21e2150b6cc03bc6f51405473f57efff598c77bc | हामी तर्क गर्छौं कि समानताको निर्णयहरू उत्पादन प्रक्रियाहरूको बारेमा अनुमानहरू हुन्, र दुई वस्तुहरू समान देखिन्छन् जब तिनीहरू समान प्रक्रियाबाट उत्पन्न हुने सम्भावना हुन्छ। हामी यस विचारमा आधारित औपचारिक मोडेलको वर्णन गर्छौं र देखाउँछौं कि कसरी विशेष केसहरूको रूपमा फिचरल र स्थानिक मोडेलहरू देखा पर्दछन्। हामी हाम्रो दृष्टिकोणलाई परिवर्तनवादी दृष्टिकोणसँग तुलना गर्छौं, र एउटा प्रयोग प्रस्तुत गर्छौं जहाँ हाम्रो मोडेलले परिवर्तनवादी मोडेलभन्दा राम्रो प्रदर्शन गर्छ। हरेक वस्तु एक सृजनात्मक प्रक्रियाको परिणाम हो। [पृष्ठ २३-मा भएको चित्र] यी जस्तै अवलोकनहरू उत्प्रेरित दृष्टिकोण, जो एक वस्तु उत्पन्न कि प्रक्रिया बारे सोच द्वारा बुझ्न सकिन्छ भनेर प्रस्तावित। यस दृष्टिकोणको प्रतिज्ञा यो छ कि स्पष्ट रूपमा जटिल वस्तुहरू सरल प्रक्रियाहरू द्वारा उत्पादन गर्न सकिन्छ, एक अन्तरदृष्टि जुन जीवविज्ञान [१] , भौतिक विज्ञान [२१] र वास्तुकला [१] सहित विषयहरूमा उत्पादक साबित भएको छ। जीवविज्ञानबाट दुई प्रसिद्ध उदाहरणहरू प्रस्तुत गर्न चाहन्छु, पाइनकोनको आकार र चीताको पुच्छरमा भएका चिन्हहरू विकासको असाध्यै सरल प्रक्रियाद्वारा उत्पन्न गर्न सकिन्छ। यी ढाँचाहरूलाई प्रत्यक्ष रूपमा वर्णन गर्ने प्रयास गर्नुभन्दा उनीहरूको कारण इतिहास वर्णन गरेर धेरै अधिक संकुचित रूपमा चित्रण गर्न सकिन्छ। लेटनले तर्क गरेका छन् कि जनरेटिभ दृष्टिकोणले संज्ञानात्मक बुझाइको लागि सामान्य ढाँचा प्रदान गर्दछ। यस दृष्टिकोणको अनुप्रयोगहरू धारणाको जननशील सिद्धान्तहरूमा पाउन सकिन्छ [१२], मेमोरी [१२], भाषा [३], वर्गीकरण [२] र संगीत [११]। यस लेखमा समानताको एक जनरेटिभ सिद्धान्त प्रस्तुत गरिएको छ, जुन उच्च स्तरको संज्ञानात्मक मोडेलहरू द्वारा प्रायः प्रयोग गरिन्छ। हामी तर्क गर्छौं कि दुई वस्तुहरू उस्तै उस्तै छन् जुन तिनीहरू समान अन्तर्निहित प्रक्रिया द्वारा उत्पन्न भएको देखिन्छ। समानताको साहित्यले सेटिंग्सलाई समेट्छ जुन टोन र रंगीन प्याचहरू जस्ता साधारण उत्तेजनाहरूको तुलनाबाट उच्च संरचनात्मक वस्तुहरूको तुलनामा विस्तार हुन्छ जस्तै कथाहरू। जनरेटिभ दृष्टिकोण अनुप्रयोगको सम्पूर्ण स्पेक्ट्रमको लागि सान्दर्भिक छ, तर हामी विशेष गरी उच्च स्तरको समानतामा रुचि राख्छौं। विशेष गरी, हामी कसरी समानता निर्णयहरू सहज ज्ञानयुक्त सिद्धान्तहरूमा, वा समृद्ध वैचारिक ज्ञानको प्रणालीहरूमा आकर्षित हुन्छौं भन्नेमा रुचि राख्छौं [१५] । उत्पादन प्रक्रिया र सिद्धान्तहरू घनिष्ठ रूपमा जोडिएका छन्। मर्फी [१४], उदाहरणका लागि, एक सिद्धान्तलाई परिभाषित गर्दछ कारण सम्बन्धहरूको सेट जुन सामूहिक रूपमा उत्पन्न गर्दछ वा डोमेनमा घटनाहरूको व्याख्या गर्दछ। हामी आशा गर्दछौं कि हाम्रो जनरेटिभ सिद्धान्तले ढाँचा प्रदान गर्दछ जसमा कसरी समानता न्यायहरू सहज ज्ञानयुक्त सिद्धान्तहरूबाट देखा पर्दछ। हामी समानताको औपचारिक सिद्धान्त विकास गर्छौं र यसलाई तीनवटा विद्यमान सिद्धान्तहरूसँग तुलना गर्छौं। विशेषता खाता [२०] ले सुझाव दिन्छ कि दुई वस्तुहरूको समानता उनीहरूको साझा र विशिष्ट सुविधाहरूको प्रकार्य हो, स्थानिक खाताले सुझाव दिन्छ कि समानता स्थानिक प्रतिनिधित्वमा दूरीको विपरित आनुपातिक हो, [१] र रूपान्तरण खाताले सुझाव दिन्छ कि समानता एक वस्तुलाई अर्कोमा रूपान्तरण गर्न आवश्यक अपरेशनहरूको संख्यामा निर्भर गर्दछ। []] हामी यी दृष्टिकोण को प्रत्येक को संस्करण हाम्रो generative दृष्टिकोण को विशेष मामलाहरु को रूप मा उदय देखाउँछौं, र एक प्रयोग प्रस्तुत गर्दछौं जुन हाम्रो दृष्टिकोणलाई रूपान्तरण खातासँग सीधा तुलना गर्दछ। चौथो सिद्धान्तले सुझाव दिन्छ कि समानता एनालगिक म्यापिङको प्रक्रियामा निर्भर गर्दछ। हामी यस दृष्टिकोणको बारेमा विस्तृत रूपमा छलफल गर्दैनौं, तर अन्तमा यो सुझाव दिँदै कि कसरी समानताको लागि एक जनक दृष्टिकोण मानक दृष्टिकोणबाट भिन्न छ। जनरेटिभ प्रक्रिया र समानता हाम्रो औपचारिक मोडेल वर्णन गर्नु अघि, हामी समानताको लागि एक जनरेटिभ दृष्टिकोणको लागि एक अनौपचारिक प्रेरणा दिन्छौं। [पृष्ठ २३-मा भएको चित्र] उत्तरका दुई प्रकार छन्: प्रोटोटाइपको सानो अवरोध, वा प्रोटोटाइप उत्पन्न गर्ने प्रक्रियाको सानो अवरोधद्वारा उत्पादित वस्तुहरू। दोस्रो रणनीति पहिलो भन्दा बढी सफल हुने सम्भावना छ, किनकि प्रोटोटाइपको धेरै अवरोधहरू कुनै पनि सम्भावित जनरेटिभ प्रक्रियाबाट उत्पन्न हुँदैनन्, र यसैले व्यवहारमा कहिले पनि देखा पर्न सक्दैन। निर्माणको आधारमा, तथापि, विद्यमान उत्पत्तिको प्रक्रियाको अवरोधबाट उत्पन्न वस्तुको एक सम्भावित कारण इतिहास हुनेछ। एउटा ठोस उदाहरण दिन, मानौं प्रोटोटाइप एक बग हो जुन विकासको जैविक प्रक्रियाबाट उत्पन्न हुन्छ (चित्र १ii) । म मा भएको बग प्रोटोटाइपको सानो विकृति हो, तर खुट्टाहरू जोडीमा उत्पन्न भएको हुनाले यो उत्पन्न हुने सम्भावना कम देखिन्छ। उत्पत्तिको प्रक्रियामा भएको अवरोधले अधिक भाग भएको बग उत्पन्न गर्न सक्छ, जस्तै iii मा भएको बग। यदि हामी एउटा बग खोज्ने आशा गर्छौं जुन प्रोटोटाइपसँग मिल्दोजुल्दो छ तर उस्तै छैन भने, iii i भन्दा राम्रो शर्त हो। एक शंकावादी तर्क गर्न सक्छ कि यो एक-शट सिकाउने समस्या प्रोटोटाइप र obi को सेट जस्तै वस्तुहरूको सेटको चौराहे लिई समाधान गर्न सकिन्छ) ii) प्रोटोटाइप iii) चित्र १ः तीन बगहरू। प्रोटोटाइप-१ वा ३ को तुलनामा कुन बढी समान छ? जेटहरू जुन सम्भवतः अवस्थित छन्। दोस्रो सेट सृजनात्मक प्रक्रियामा महत्वपूर्ण रूपमा निर्भर हुन्छ, तर पहिलो सेट (र यसैले समानताको धारणा) आवश्यक छैन। हामी सोच्दछौ कि समानताको धारणा अन्ततः संसारमा आधारित छ, र यो वास्तविक संसारका वस्तुहरुको तुलना गर्ने उद्देश्यले विकसित भएको हो। यदि त्यसो हो भने, कुन प्रकारका वस्तुहरू सम्भवतः अवस्थित छन् भन्ने बारेको ज्ञान समानताको धारणासँग गहिरो रूपमा जोडिएको हुन सक्छ। एक-शॉट सिकाउने समस्या व्यावहारिक महत्वको छ, तर यो मानक सन्दर्भ होइन जसमा समानताको चर्चा गरिन्छ। सामान्यतया, व्यक्तिहरूलाई वस्तुहरूको एक जोडी देखाइन्छ र जोडीको समानतालाई मूल्याङ्कन गर्न भनिएको हुन्छ। ध्यान दिनुहोस् कि दुवै वस्तुहरू अवलोकन गरिएका छन् र अघिल्लो तर्क लागू हुँदैन। तर, जेनेरेटिभ प्रक्रियाहरू अझै पनि महत्त्वपूर्ण छन्, किनकि यसले समानता तुलनाका लागि महत्वपूर्ण विशेषताहरू छनौट गर्न मद्दत गर्दछ। [पृष्ठ २३-मा भएको चित्र] कुन बढी मशरूमसँग मिल्दोजुल्दो छ: आकार बाहेकको मशरूम, वा रंग बाहेकको मशरूम? [पृष्ठ २३-मा भएको चित्र] [पृष्ठ २३-मा भएको चित्र] यी विचारहरूले विभिन्न आकारका च्याउहरूलाई अझ बढी समान मान्नुपर्छ भन्ने सुझाव दिन्छ। एउटा अन्तिम कारण किन सृजनात्मक प्रक्रियाहरू महत्त्वपूर्ण हुन्छन् भन्ने हो कि तिनीहरू आवश्यकवादसँग गहिरो सम्बन्ध राख्छन्। मेदिन र ओर्टनी [१३] ले उल्लेख गरे कि सतहका विशेषताहरू प्रायः वस्तुहरूको गहिरो, बढी केन्द्रीय भागहरू द्वारा सीमित हुन्छन्, र कहिलेकाँही उत्पन्न हुन्छन्। यदि हामी केवल दुई वस्तुहरूको सतहका विशेषताहरू मात्र अवलोकन गर्छौं भने पनि, सतहका विशेषताहरू उत्पन्न गर्नका लागि अनुमान गरिएको गहिरा गुणहरूको तुलना गरेर उनीहरूको समानताको न्याय गर्नु अर्थपूर्ण हुन सक्छ। तर हामी अझै बढी भन्न सक्छौं: जसरी सतहका विशेषताहरू वस्तुको सारद्वारा उत्पन्न हुन्छन्, त्यस सारको पनि उत्पत्तिको इतिहास हुन्छ। सतहका विशेषताहरू प्रायः वस्तुको सारका लागि भरपर्दो मार्गनिर्देशन हुन्, तर वस्तुको कारण इतिहास अझै बढी भरपर्दो सूचक हो, यदि यसको सारको परिभाषित मापदण्ड होइन भने। केइल [९] ले एउटा जनावरको घटनाको चर्चा गर्दछ जुन स्कुन्क्सको रूपमा जन्मन्छ, त्यसपछि शल्यक्रिया गरिन्छ जसले यसलाई राकुनको जस्तो देख्छ। [पृष्ठ २-मा भएको चित्र] यी उदाहरणहरूले सुझाव दिन्छ कि जनरेटिभ दृष्टिकोणले सिद्धान्त-निर्भर inferences को एक विस्तृत वर्ग व्याख्या गर्न मद्दत गर्न सक्छ। हामी अब एउटा औपचारिक मोडेल प्रस्तुत गर्छौं जसले यी सबै घटनाको पछाडि रहेको अन्तर्ज्ञानलाई समेट्ने प्रयास गर्छ। समानताको कम्प्यूटेशनल सिद्धान्त डोमेन डी दिईएको छ, हामी एक सिद्धान्त विकास गर्छौं जसले डी बाट कुनै पनि दुई नमूनाहरू बीच समानता निर्दिष्ट गर्दछ। डी बाट एक नमूना सामान्यतया एक वस्तु समावेश गर्दछ, तर वस्तुहरूको सेटहरू बीच समानताको साथ काम गर्नु केही अनुप्रयोगहरूको लागि उपयोगी छ। हामी एक जनरेटिभ प्रक्रियालाई D मा सम्भावना वितरणको रूपमा औपचारिक बनाउँछौं जुन प्यारामिटर भेक्टर θ मा निर्भर गर्दछ। मानौं कि s1 र s2 D बाट नमूनाहरू हुन्। हामी दुई परिकल्पनाहरू विचार गर्दछौं: H1 ले भन्छ कि s1 र s2 एकल जनरेटिभ प्रक्रियाबाट स्वतन्त्र नमूनाहरू हुन्, र H2 ले भन्छ कि नमूनाहरू दुई स्वतन्त्र रूपमा छनौट प्रक्रियाबाट उत्पन्न हुन्छन्। समानतालाई वस्तुहरू समान प्रक्रियाद्वारा उत्पन्न हुने सम्भावनाको रूपमा परिभाषित गरिएको छ: अर्थात्, H2 को तुलनामा H1 को सापेक्ष पछाडि सम्भावनाः sim ((s1, s2) = P (H1s1, s2) |
6377fee5214d9ace4ce629c9bfe463bdebbd889f | JSTOR अभिलेखको तपाईंको प्रयोगले संकेत गर्दछ कि तपाईं JSTOR को प्रयोगका सर्तहरू र शर्तहरू स्वीकार गर्नुहुन्छ, http://www.jstor.org/about/terms.html मा उपलब्ध छ। JSTOR को प्रयोगका नियम र सर्तहरूले आंशिक रूपमा प्रदान गर्दछ कि तपाईंले पूर्व अनुमति प्राप्त नगरेसम्म, तपाईं पत्रिकाको सम्पूर्ण अंक वा लेखहरूको बहु प्रतिलिपिहरू डाउनलोड गर्न सक्नुहुन्न, र तपाईं JSTOR अभिलेखमा सामग्री तपाईंको व्यक्तिगत, गैर-व्यावसायिक प्रयोगको लागि मात्र प्रयोग गर्न सक्नुहुनेछ। |
87f8bcae68df7ba371baec5d0a2283ecb366b0fc | मानव वर्गीकरण व्यवहारको एक तर्कसंगत मोडेल प्रस्तुत गरिएको छ जुन मान्दछ कि वर्गीकरणले वस्तुहरूको अदृश्य सुविधाहरूको सम्भावनाको इष्टतम अनुमानहरूको व्युत्पन्न प्रतिबिम्बित गर्दछ। बेइजियन विश्लेषण के गर्न सकिन्छ यदि श्रेणिहरूले वस्तु स्थानको एक असंगत विभाजन गठन गरे र यदि सुविधाहरू स्वतन्त्र रूपमा श्रेणी भित्र प्रदर्शित भए भने के इष्टतम अनुमानहरू हुनेछन्। यो बेयसियन विश्लेषण एक वृद्धिशील वर्गीकरण एल्गोरिथ्म भित्र राखिएको छ। परिणामस्वरुप प्राप्त तर्कसंगत मोडेलले श्रेणीको केन्द्रीय प्रवृत्ति प्रभाव, विशिष्ट उदाहरणको प्रभाव, रैखिक रूपमा अविभाज्य श्रेणीहरूको शिक्षा, श्रेणी लेबलको प्रभाव, आधारभूत स्तरको श्रेणीहरूको निकासी, आधार दर प्रभाव, वर्गीकरणमा सम्भावना मिल्दो, र परीक्षण-द्वारा-परीक्षण सिकाउने कार्यहरू समावेश गर्दछ। यद्यपि तर्कसंगत मोडेलले वर्गीकरणको केवल I स्तरलाई विचार गर्दछ, यो देखाइएको छ कि कसरी उच्च र तल्लो स्तरहरू विचार गरेर भविष्यवाणीहरू बढाउन सकिन्छ। निम्न, व्यक्तिगत स्तरमा पूर्वानुमानलाई विचार गर्दा वर्गीकरणको यस तर्कसंगत विश्लेषणलाई मेमोरीको पहिलेको तर्कसंगत विश्लेषणसँग एकीकृत गर्न अनुमति दिन्छ (एन्डरसन र मिलसन, १ 1989) । |
e742d8d7cdbef9393af36495137088cc7ca4e5d5 | उद्देश्य अनौपचारिक हेरचाहकर्ताहरूले अक्सर मनोवैज्ञानिक तनावको अनुभव गर्छन् किनकि उनीहरूको हेरचाहमा रहेको डिमेन्शियाको बिरामीको कार्यप्रणालीमा परिवर्तन आएको छ। डिमेन्शियाको रोगीको बारेमा राम्रोसँग बुझ्दा मानसिक तनाव कम हुन्छ। हेरचाहकर्ताहरूमा समझदारी र सहानुभूति बढाउन, एक अभिनव टेक्नोलोजी भर्चुअल रियलिटी हस्तक्षेप थ्रू द डेन्टिआ लेन्स (टीडीएल) लाई डिमेन्शियाको अनुभव गर्न विकसित गरिएको थियो, जसमा भर्चुअल रियलिटी सिमुलेशन फिल्म र ई-पाठ्यक्रम समावेश छ। टीडीएलको एउटा पाइलट अध्ययन गरिएको थियो। विधिहरू एक पूर्व परीक्षण-पछि परीक्षण डिजाइन प्रयोग गरिएको थियो। अनौपचारिक हेरचाहकर्ताहरूले व्यक्ति केन्द्रितता, समानुभूति, अनौपचारिक हेरचाहबाट महसुस गरिएको दबाब, अनुभव गरिएको योग्यता र सम्बन्धको गुणस्तरको मूल्याङ्कन गर्ने प्रश्नावलीहरू भर्थे। परीक्षणपछिको चरणमा, टीडीएलको सम्भाव्यताको बारेमा थप प्रश्नहरू सोधिएको थियो। परिणाम ३५ जना हेरचाहकर्ताहरूले परीक्षणको पूर्व र परीक्षणपछि परीक्षण पूरा गरे। अधिकांश सहभागीहरू टीडीएलबाट सन्तुष्ट थिए र उनीहरूले भने कि टीडीएलले डिमेन्शिया भएका व्यक्तिको धारणामा बढी अन्तरदृष्टि प्रदान गर्दछ। सिमुलेसन फिल्मलाई १० मध्ये ८.०३ र ई-कोर्सलाई ७.६६ को ग्रेडिङ दिइएको थियो। सहभागीहरूले सहानुभूति, डिमेन्शियाको साथ व्यक्तिलाई हेरचाह गर्नेमा विश्वास, र डिमेन्शियाको साथ व्यक्तिसँग सकारात्मक अन्तरक्रियामा उल्लेखनीय सुधार गरे। निष्कर्ष टीडीएल अनौपचारिक हेरचाहकर्ताहरूको लागि सम्भव छ र यसले डिमेन्शिया भएका व्यक्तिहरूको अनुभवलाई बुझ्न र बुझ्न मद्दत पुर्याउँछ। यसैले, टीडीएलले अनौपचारिक हेरचाहकर्ताहरूलाई उनीहरूको हेरचाह गर्ने भूमिकामा सहयोग गर्न सक्छ। |
e8455cd00dd7513800bce5aa028067de7138f53d | एकल पोल डबल थ्रो (एसपीडीटी) स्विचहरू चरणबद्ध-एरे रडार प्रसारण / प्राप्त मोड्युलहरूमा बढ्दो प्रमुख घटकहरू हुँदै गइरहेका छन्। एक एसपीडीटी स्विचले उच्च शक्ति एम्पलीफायरको आउटपुट पावर ह्यान्डल गर्न सक्षम हुनुपर्दछ र टी / आर मोड्युल प्रसारण गर्दा रिसीभ चेनमा कम आवाज एम्पलीफायरलाई बचाउन पर्याप्त अलगाव प्रदान गर्नुपर्दछ। यसैले, ग्यालियम नाइट्राइड प्रविधि उच्च शक्ति एसपीडीटी स्विच डिजाइनको लागि एक प्रमुख प्रविधि बन्न लागेको देखिन्छ। यो प्रविधिले माइक्रोवेभ फ्रिक्वेन्सीमा राम्रो प्रदर्शन देखाउँछ र उच्च शक्ति सम्हाल्न सक्षम छ। एक्स-ब्यान्ड एसपीडीटी स्विच, २५ वाट भन्दा बढीको रैखिक पावर ह्यान्डलिंगको साथ डिजाइन, मापन र मूल्यांकन गरिएको छ। सर्किट कोप्लेनार वेव गाइड AlGaN/GaN टेक्नोलोजीमा डिजाइन गरिएको छ जुन QinetiQ मा स्थापित छ। |
b0d343ad82eb4060f016ff39289eacb222c45632 | गहिरो शिक्षामा आधारित अर्थिक विभाजन मोडेलको प्रदर्शन सावधानीपूर्वक एनोटेशनको साथ पर्याप्त डाटामा निर्भर गर्दछ। यद्यपि, सबैभन्दा ठूलो सार्वजनिक डाटासेटले मात्र सीमित सिमेन्टिक कोटीहरूको लागि पिक्सेल-स्तर एनोटेशनको साथ नमूनाहरू प्रदान गर्दछ। यस्तो डाटा अभावले वास्तविक अनुप्रयोगहरूमा अर्थिक विभाजन मोडेलहरूको स्केलेबिलिटी र प्रयोगलाई गम्भीर रूपमा सीमित गर्दछ। यस कागजमा, हामी एक उपन्यास स्थानान्तरण योग्य अर्ध-पर्यवेक्षित अर्थिक विभाजन मोडेल प्रस्ताव गर्दछौं जसले पिक्सेल-स्तर एनोटेशनको साथ केही बलियो कोटीहरूबाट सिकिएको विभाजन ज्ञानलाई छवि-स्तर एनोटेशनको साथ अदृश्य कमजोर कोटीहरूमा हस्तान्तरण गर्न सक्दछ, गहिरो विभाजन मोडेलहरूको लागू क्षेत्रलाई उल्लेखनीय रूपमा विस्तार गर्दै। विशेष गरी, प्रस्तावित मोडेल दुई पूरक र सिक्न योग्य घटकहरू हुन्छन्ः लेबल ट्रान्सफर नेटवर्क (एल-नेट) र पूर्वानुमान ट्रान्सफर नेटवर्क (पीएननेट) । एल-नेटले बलियो श्रेणीबाट कमजोर श्रेणीमा छविहरूमा विभाजन ज्ञान स्थानान्तरण गर्न सिक्छ र पिक्सेल-स्तरको अर्थपूर्ण नक्साहरू उत्पादन गर्दछ, प्रभावी रूपमा सबै श्रेणीहरूमा साझा समान उपस्थिति प्रयोग गरेर। यसैबीच, पी-नेटले सावधानीपूर्वक डिजाइन गरिएको विरोधाभासी शिक्षा रणनीति मार्फत हस्तान्तरण गरिएको ज्ञानलाई दर्जी गर्दछ र राम्रो विवरणको साथ परिष्कृत विभाजन परिणामहरू उत्पादन गर्दछ। एल-नेट र पी-नेटको एकीकरणले PASCAL VOC २०१२ मा पिक्सेल-स्तर एनोटेशनको साथ क्रमशः %०% र ०% कोटीहरू प्रयोग गरेर पूर्ण रूपमा पर्यवेक्षित आधारभूत रेखाको 96.5% र 89.4% प्रदर्शन प्राप्त गर्दछ। यस्तो उपन्यास स्थानान्तरण संयन्त्रको साथ, हाम्रो प्रस्तावित मोडेल सजिलैसँग विभिन्न नयाँ कोटीहरूमा सामान्यीकृत हुन्छ, केवल छवि-स्तर एनोटेशनको आवश्यकता पर्दछ, र वास्तविक अनुप्रयोगहरूमा आकर्षक स्केलेबिलिटी प्रदान गर्दछ। |
3d07718300d4a59482c3f3baafaa696d28a4e027 | स्मार्ट घरहरूले नयाँ इन्टरनेट-अफ-थिंग्स अवधारणाहरू लागू गर्न सक्छन् र आरएफआईडी टेक्नोलोजीहरूसँग मिलेर सर्वव्यापी सेवाहरू सिर्जना गर्न सक्छन्। यस लेखमा बहु मानक एनएफसी (नियर फिल्ड कम्युनिकेशन) र यूएचएफ (अल्ट्रा हाई फ्रिक्वेन्सी) प्रविधिहरूको पदानुक्रमित वायरलेस मास्टर-स्लेभ आरएफआईडी रिडर आर्किटेक्चरको लागि एक उपन्यास पढ्ने विधि प्रस्तुत गरिएको छ जसले लागत, ऊर्जा खपत र जटिलताको हिसाबले लाभदायक स्मार्ट होम सेवा प्रणाली निर्माण गर्दछ। विभिन्न स्मार्ट होम सेवा प्रयोगका उदाहरणहरू जस्तै धुने कार्यक्रम, खाना पकाउने, किनमेल गर्ने र वृद्धहरूको स्वास्थ्य सेवालाई यस प्रणालीको प्रयोग गर्ने उदाहरणको रूपमा वर्णन गरिएको छ। |
5f0806351685bd999699399ea9553c91733ccb7d | लेख इतिहासः २२ जुलाई २००८ मा प्राप्त भयो २३ फेब्रुअरी २००९ मा संशोधित रूपमा प्राप्त भयो १४ मे २००९ मा स्वीकार गरियो |
e5aaaac7852df686c35e61a6c777cfcb2246c726 | सिंथेटिक एपर्चर राडार प्रणालीहरूको लागि ०.२ मिटर गुणा ०.२ मिटरको रिजोल्युसन प्राप्त गर्न बढ्दो माग छ। दायरा रिजोल्युसन र प्रणाली ब्यान्डविथ विपरीत आनुपातिक छन्, प्रणाली ब्यान्डविथ १ गीगाहर्ट्ज भन्दा ठूलो हुने अपेक्षा गरिएको छ। यसैले व्यापक ब्यान्डको एन्टेना विकास गर्न आवश्यक छ। वेभगाइड स्लट एन्टेना धेरै एसएआर उपग्रहहरूमा यसको अन्तर्निहित फाइदाहरू जस्तै उच्च दक्षता र पावर ह्यान्डलिंग क्षमताको कारण लागू गरिएको छ, तर यसको ब्यान्डविथ एकदम सीमित छ। रिज वेभगाइडको निर्माणमा कठिनाइहरूबाट बच्न, जुन स्लट एन्टेनाको ब्यान्डविथ विस्तार गर्न सक्षम छ, परम्परागत वेभगाइडको साथ एक उपन्यास एन्टेना तत्व डिजाइन गरिएको छ। VSWR les1.5 को ब्यान्डविथ X-ब्यान्डमा 1 GHz भन्दा ठूलो छ। नजिकै राखिएका एन्टेना तत्वहरूको आपसी जोड्ने कम गर्न, छेउछाउका तत्वहरू बीच घुसाइएको गुहा जस्तो पर्खालहरूको साथ डिस्कप्लगिंग विधि अपनाइएको छ र एन्टेनाको प्रदर्शनमा उनीहरूको प्रभावहरू सारांशित छन्। |
f27ef9c1ff0b00ee46beb1bed2f34002bae728ac | |
7224d949cd34082b1249e8be84fde65b2c6b34fd | हामी केयुगाको प्रदर्शनको प्रस्ताव गर्छौं, उच्च गति डाटा प्रवाहको लागि एक जटिल घटना अनुगमन प्रणाली। हाम्रो प्रदर्शनले वेब फिडहरू अनुगमन गर्न लागू गरिएको कायुगा देखाउनेछ; डेमोले कायुगा क्वेरी भाषाको अभिव्यक्तिको वर्णन गर्नेछ, यसको क्वेरी प्रोसेसिंग इञ्जिनको उच्च प्रवाह दरहरूमा स्केलेबिलिटी, र क्वेरी प्रोसेसिंग इञ्जिनको आन्तरिक दृश्य। |
96e7561bd99ed9f607440245451038aeda8d8075 | |
212d1c7cfad4d8dae39deb669337cb46b0274d78 | डाटाबेस क्वेरी गर्दा, प्रयोगकर्ताहरू प्रायः अस्पष्ट अवधारणाहरू व्यक्त गर्न चाहन्छन्, उदाहरणका लागि सस्तो होटलहरूको लागि सोध्ने। यो सम्बन्धात्मक डेटाबेसको मामलामा व्यापक रूपमा अध्ययन गरिएको छ। यस लेखमा, हामी अध्ययन गर्न प्रस्ताव गर्दछौं कि कसरी यस्ता उपयोगी प्रविधिहरू NoSQL ग्राफ डाटाबेसहरूमा अनुकूलित गर्न सकिन्छ जहाँ फजीको भूमिका महत्वपूर्ण छ। यस्तो डाटाबेसहरू वास्तवमा ठूलो डाटासँग व्यवहार गर्नका लागि सब भन्दा द्रुत बृद्धि हुने मोडेलहरू मध्ये एक हो, विशेष गरी जब नेटवर्क डाटासँग व्यवहार गर्ने (उदाहरणका लागि, सामाजिक नेटवर्कहरू) । हामी निओ४जेका लागि प्रस्तावित साइफर डिक्लेरेटिभ क्वेरी भाषालाई विचार गर्छौं जुन यो बजारमा हालको नेता हो, र हामी फजी क्वेरीहरू कसरी व्यक्त गर्ने भनेर प्रस्तुत गर्दछौं। |
0ecb87695437518a3cc5e98f0b872fbfaeeb62be | इन्टरनेट र इन्टरनेट प्रयोगकर्ता दिन प्रतिदिन बढ्दै गइरहेका छन् । इन्टरनेट प्रविधिको तीव्र विकासका कारण पनि सुरक्षा ठूलो मुद्दा बनिरहेको छ। आक्रमणकारीहरू लगातार कम्प्युटर नेटवर्कको निगरानी गर्दैछन्। कम्प्युटर नेटवर्कमा आक्रमण हुनबाट रोक्नका लागि प्रभावकारी इन्ट्रुसन डिटेक्सन सिस्टम (आईडीएस) सहितको एक परिष्कृत फायरवाल आवश्यक छ। साहित्यको विस्तृत अध्ययनले प्रमाणित गर्छ कि डाटा माइनिङ प्रविधिहरू आईडीएसलाई वर्गीकरणकर्ताको रूपमा विकास गर्नका लागि अधिक शक्तिशाली प्रविधिहरू हुन्। वर्गीकरणको कार्यक्षमता यसको दक्षताको हिसाबले एउटा महत्वपूर्ण मुद्दा हो, साथै आईडीएसद्वारा स्क्यान गरिने फिचरको संख्या पनि अनुकूलित गरिनुपर्छ। यस लेखमा दुई प्रविधिहरू सी.५.० र कृत्रिम न्यूरल नेटवर्क (एएनएन) विशेषता चयनको साथ प्रयोग गरिएको छ। सुविधा चयन प्रविधिहरूले केही अप्रासंगिक सुविधाहरू खारेज गर्नेछन् जबकि C5.0 र एएनएनले डेटालाई सामान्य प्रकार वा पाँच प्रकारका आक्रमण मध्ये एकमा वर्गीकरण गर्न वर्गीकरणकर्ताको रूपमा कार्य गर्दछ। KDD99 डाटा सेट मोडेलहरू प्रशिक्षण र परीक्षण गर्न प्रयोग गरिन्छ, सुविधाहरूको संख्याको साथ C5.0 मोडेल सबै भन्दा 100% शुद्धताका साथ राम्रो परिणामहरू उत्पादन गर्दैछ। प्रदर्शन पनि डाटा विभाजन आकार को मामला मा प्रमाणित भएको थियो। |
8b8788ac5a01280c6484b30cac7a14894f29edf7 | मेटामटेरियलहरू सामान्यतया अन्तरिक्षको एक क्षेत्र भरमा नियमित सरणीमा साना स्क्याटरहरू वा एपर्चरहरूको सेट व्यवस्थित गरेर ईन्जिनियर गरिन्छ, यसैले केही वांछनीय थोक विद्युत चुम्बकीय व्यवहार प्राप्त गर्दछ। प्रायः चाहिने गुण यस्तो हुन्छ, जुन सामान्यतया प्राकृतिक रूपमा पाइदैन (नकारात्मक अपवर्तन सूचकांक, शून्यको नजिक सूचकांक, आदि) । विगत दश वर्षमा, मेटामटेरियलहरू केवल सैद्धान्तिक अवधारणाबाट विकसित र बजार अनुप्रयोगहरूको साथ एक क्षेत्रमा सारिएको छ। त्रि-आयामिक मेटामटेरियलहरू विद्युतीय रूपमा साना स्क्याटरहरू वा प्वालहरू सतह वा इन्टरफेसमा दुई-आयामिक ढाँचामा व्यवस्थित गरेर विस्तार गर्न सकिन्छ। मेटामटेरियलको यो सतह संस्करणलाई मेटासर्फ नाम दिइएको छ (मेटाफिल्म शब्द पनि केही संरचनाहरूको लागि प्रयोग गरिएको छ) । धेरै अनुप्रयोगहरूको लागि, मेटासर्फसहरू मेटामटेरियलको ठाउँमा प्रयोग गर्न सकिन्छ। मेटासर्फिसको फाइदा छ कि यसले पूर्ण त्रि-आयामिक मेटामटेरियल संरचनाहरू भन्दा कम भौतिक ठाउँ लिन्छ; फलस्वरूप, मेटासर्फिसले कम-हानि संरचनाहरूको सम्भावना प्रदान गर्दछ। यस सिंहावलोकन कागजमा, हामी सैद्धान्तिक आधारको बारेमा छलफल गर्छौं जसद्वारा मेटासर्फसहरूको विशेषता हुनुपर्दछ, र उनीहरूको विभिन्न अनुप्रयोगहरूको बारेमा छलफल गर्दछौं। हामी हेर्नेछौं कि कसरी मेटासर्फेसहरू परम्परागत आवृत्ति-चयनात्मक सतहहरूबाट भिन्न हुन्छन्। मेटासर्फेसको विद्युत चुम्बकीयमा (कम माइक्रोवेभदेखि अप्टिकल फ्रिक्वेन्सीसम्म) सम्भावित अनुप्रयोगहरूको विस्तृत श्रृंखला छ, जसमाः (1) नियन्त्रणयोग्य स्मार्ट सतहहरू, (2) लघुकृत गुहा रेजोनेटरहरू, (3) उपन्यास वेभ-गाइडिंग संरचनाहरू, (4) एंगुलर-स्वतन्त्र सतहहरू, (5) अवशोषकहरू, (6) बायोमेडिकल उपकरणहरू, (7) टेराहर्ट्ज स्विचहरू, र (8) तरल-ट्यून योग्य आवृत्ति-गतिशील सामग्रीहरू, केवल केही नामहरू। यस समीक्षामा, हामी देख्न सक्छौं कि हालैका वर्षहरूमा यस्ता सामग्रीहरू र/वा सतहहरूको विकासले हामीलाई ल्याम, शुस्टर, र पोक्लिङ्गटनको कामले सय वर्षअघि गरेको रोमाञ्चक अनुमानहरू र पछि मन्डेल्श्टम र भेसेलागोले गरेको कामको वास्तविकतामा ल्याइरहेको छ। |
63213d080a43660ac59ea12e3c35e6953f6d7ce8 | यस कार्यमा, हामी कार्य वर्गीकरणको लागि नयाँ भिडियो प्रतिनिधित्व प्रस्तुत गर्दछौं जसले भिडियोको सम्पूर्ण स्थानिक-समयिक विस्तारमा स्थानीय कन्भोल्युसनल सुविधाहरू समेट्छ। हामी यो कुरालाई दोहोरो-प्रवाह सञ्जालहरू [४२] लाई सिक्न सकिने स्थानिक-समयिक सुविधाहरूको समूहको साथ एकीकृत गरेर गर्छौं । नतिजाको वास्तुकला पूर्ण भिडियो वर्गीकरणको लागि अन्त-देखि-अन्तसम्म प्रशिक्षण योग्य छ। हामी विभिन्न स्थान र समयको बीचमा सिग्नलहरू मिलाउने र विभिन्न धाराहरूबाट सिग्नलहरू मिलाउने विभिन्न रणनीतिहरूको अनुसन्धान गर्छौं। हामी पाउँछौं कि: (i) यो अन्तरिक्ष र समय भर मा संयुक्त रूप मा जम्मा गर्न को लागी महत्वपूर्ण छ, तर (ii) उपस्थिति र गति प्रवाहहरु सबै भन्दा राम्रो आफ्नो अलग प्रतिनिधित्व मा एकत्रित छन्। अन्तमा, हामी देखाउँछौं कि हाम्रो प्रतिनिधित्वले दुई-स्ट्रीम आधार आर्किटेक्चरलाई ठूलो मार्जिन (१३% सापेक्ष) द्वारा राम्रो प्रदर्शन गर्दछ साथै HMDB51, UCF101, र Charades भिडियो वर्गीकरण बेन्चमार्कमा तुलनात्मक आधार आर्किटेक्चरको साथ अन्य आधार रेखाहरू भन्दा राम्रो प्रदर्शन गर्दछ। |
b2e83112b2956483c6cc5982b56f5987788dd973 | एक चलिरहेको उपग्रह संचार टर्मिनलको लागि एक बहु-ब्यान्ड रिफ्लेक्टर एन्टेनाको डिजाइन प्रस्तुत गरिएको छ। यो एन्टेना धेरै आधुनिक र भविष्यका सैन्य संचार उपग्रहहरूसँग सञ्चालन गर्न डिजाइन गरिएको थियो, जसले उच्च एपर्चर दक्षता कायम राख्दै बहु आवृत्ति र ध्रुवीकरणमा सञ्चालन गर्न सक्षम हुनु आवश्यक छ। यो कार्य पूरा गर्नका लागि धेरै फिड एन्टेना अवधारणाहरू विकास गरियो, र विस्तृत रूपमा छलफल गरिएको छ। यस डिजाइनमा आधारित धेरै कार्य प्रोटोटाइपहरू उत्कृष्ट प्रदर्शनको साथ प्राप्त भएका छन्। व्यक्तिगत एन्टेना कम्पोनेन्ट र पूरा एसेम्ब्लीको मापन गरिएको डाटा पनि समावेश गरिएको छ |
1dc697ae0d6a1e90dc8ff061e36441b6efdcff7e | हामी नियन्त्रण प्रतिबन्धको अधीनमा गैर-रेखीय स्टोकास्टिक प्रणालीहरूको स्थानीय-उत्तम प्रतिक्रिया नियन्त्रणको लागि एक पुनरावर्ती रैखिक-चौथाई-गौसियन विधि प्रस्तुत गर्दछौं। यसअघि, यस्तै विधिहरू वर्ग लागतको साथ निर्णायक अप्रबन्धित समस्याहरूमा सीमित गरिएको थियो। नयाँ विधिले एक एफिन फिडब्याक नियन्त्रण कानून निर्माण गर्दछ, जुन इष्टतम लागत-देखि-जाने प्रकार्यमा उपन्यास क्वाड्र्याटिक अनुमानलाई न्यूनतम गरेर प्राप्त गरिन्छ। विश्वव्यापी अभिसरण लेभेनबर्ग-मार्क्वार्ट विधिद्वारा सुनिश्चित गरिएको छ; स्थानीय न्यूनतमको नजिकको अभिसरण वर्गिक छ। प्रदर्शन सीमित-टर्क उल्टो पेंडुलम समस्यामा चित्रण गरिएको छ, साथै एक जटिल बायोमेकानिकल नियन्त्रण समस्यामा मानव हातको स्टोकास्टिक मोडेल समावेश छ, १० राज्य आयाम र mus mus मांसपेशी एक्ट्युएटरहरू। नयाँ एल्गोरिथ्मको म्याटलाब कार्यान्वयन www.cogsci.ucsd.edu//spl sim/todorov मा उपलब्ध छ। |
3a68b92df71637d2ba0ecc1cde8cfe5b29f2d709 | लुसिया समझ प्रणालीले सोर संज्ञानात्मक वास्तुकला, इम्बोडिएड कन्स्ट्रक्सन ग्रामर (ईसीजी), र ग्राउन्ड प्रोसेसिंगको लागि वृद्धिशील, शब्द-द्वारा-शब्द दृष्टिकोण प्रयोग गरेर मानव समझको मोडेल गर्ने प्रयास गर्दछ। परम्परागत दृष्टिकोणले दुविधाहरू समाधान गर्न समानान्तर मार्गहरू र ग्लोबल अप्टिमाइजेसन जस्ता प्रविधिहरू प्रयोग गर्दछ। यहाँ हामी वर्णन गर्दछौं कि कसरी लुसियाले शब्दावली, व्याकरणिक, संरचनात्मक, र अर्थपूर्ण अस्पष्टताहरूसँग व्यवहार गर्दछन्। यसले एकल मार्ग कायम गर्न स्थानीय मर्मत संयन्त्र प्रयोग गर्दछ, र स्थानीय मर्मत बिग्रँदा बगैंचाको बाटो प्रभाव देखाउँदछ। नयाँ भाषाई ज्ञान थप्नका लागि डाटाले देखाउँछ कि ईसीजी व्याकरण सन्दर्भ ह्यान्डल गर्ने ज्ञान भन्दा छिटो बढ्छ, र कि कम स्तरको व्याकरण बिन्दुहरू अधिक सामान्य भन्दा छिटो बढ्छन्। |
0fbb184871bd7660bc579178848d58beb8288b7d | हामी छवि खोजको समस्यालाई धेरै ठूलो स्तरमा सम्बोधन गर्छौं, जहाँ तीनवटा बाधाहरूलाई संयुक्त रूपमा विचार गर्नुपर्दछः खोजको शुद्धता, यसको दक्षता, र प्रतिनिधित्वको मेमोरी प्रयोग। हामी पहिले स्थानीय छवि वर्णनकर्ताहरूलाई सीमित आयामको भेक्टरमा एकत्रित गर्ने सरल तर कुशल तरिका प्रस्ताव गर्दछौं, जुन फिशर कर्नेल प्रतिनिधित्वको सरलीकरणको रूपमा देख्न सकिन्छ। त्यसपछि हामी कसरी संयुक्त रूपमा आयाम घटाउने र अनुक्रमणिका एल्गोरिथ्म अनुकूलन गर्ने भनेर देखाउँदछौं, ताकि यसले भेक्टर तुलनाको गुणस्तरलाई उत्तम रूपमा सुरक्षित गर्दछ। मूल्यांकनले देखाउँछ कि हाम्रो दृष्टिकोणले कलाको राज्यलाई उल्लेखनीय रूपमा पार गर्दछः खोज सटीकता २० बाइटमा फिट हुने छवि प्रतिनिधित्वको लागि सुविधाहरूको झोला-को-पद्धतिसँग तुलना गर्न सकिन्छ। १० लाख छवि डाटासेटको खोजी गर्दा ५० सेकेन्ड लाग्छ। |
14815c67e4d215acf9558950e2762759229fe277 | वास्तविक संसारको ग्राफ दिइएको छ, हामी कसरी यसको किनाराहरू राख्नुपर्छ? यसलाई कसरी संकुचित गर्न सकिन्छ? यी प्रश्नहरू घनिष्ठ रूपमा सम्बन्धित छन्, र अहिलेसम्मको सामान्य दृष्टिकोण भनेको क्लिक-जस्तो समुदायहरू खोज्नु हो, जस्तै नलका मानिसहरूको ग्राफ र तिनीहरूलाई संकुचित गर्नुहोस्। हामी देखाउँछौं कि खड्गहरु को ग्राफ को ब्लक-डायगोनल मानसिक छवि गलत प्रतिमान हो, पहिलेको परिणामहरु संग पूर्ण सहमति मा वास्तविक दुनिया ग्राफहरु मा कुनै राम्रो कटौती छैन। यसको सट्टा, हामी ग्राफलाई स्पोकहरू जोड्ने हबहरूको संग्रहको रूपमा कल्पना गर्न प्रस्ताव गर्दछौं, सुपर-हबहरू हबहरू जोड्ने, र यस्तै, पुनरावर्ती रूपमा। विचारको आधारमा, हामी स्ल्याश बर्न विधि प्रस्ताव गर्दछौं (हबहरू जलाउनुहोस्, र बाँकी ग्राफलाई साना जडित कम्पोनेन्टहरूमा स्ल्याश गर्नुहोस्) । हाम्रो दृष्टिकोणको धेरै फाइदाहरू छन्: (a) यसले राम्रो कटौतीको समस्याबाट जोगाउँछ, (b) यसले राम्रो कम्प्रेसन दिन्छ, र (c) यसले म्याट्रिक्स-भेक्टर अपरेसनहरूको लागि छिटो कार्यान्वयन समयको लागि नेतृत्व गर्दछ, जुन अधिकांश ग्राफ प्रोसेसिंग उपकरणहरूको मेरुदण्ड हो। प्रयोगात्मक परिणामले देखाउँछ कि हाम्रो स्लेश बर्न विधिले सबै डाटासेटमा अन्य विधिहरूलाई लगातार प्रदर्शन गर्दछ, राम्रो कम्प्रेसन र छिटो चलिरहेको समय प्रदान गर्दछ। |
5f09cb313b6fb14877c6b5be79294faf1f4f7f02 | सूचना प्रणाली (आईएस) र संगठनात्मक रणनीतिहरू बीचको सम्बन्ध धेरै छलफल गरिएको विषय हो जुन प्राय जसो अघिल्लो अध्ययनहरूले संगठनात्मक रणनीतिहरूलाई सक्षम पार्न टेक्नोलोजीको भूमिकालाई अत्यन्त सकारात्मक दृष्टिकोणले लिन्छन्। यस अध्ययनको धनको बावजूद, त्यहाँ कसरी आईएस विशिष्ट संगठनात्मक रणनीतिहरु लाई सक्षम बनाउँछ भन्ने बारे अनुभवजन्य अनुसन्धान को कमी छ। यस अनुसन्धानले पाँचवटा केस संगठनहरूको गुणात्मक अनुभवजन्य अनुसन्धानको माध्यमबाट पाँचवटा संगठनात्मक रणनीतिहरू निकाल्छ जुन विशेष रूपमा आईएस मार्फत सक्षम पारिएको छ। पाँच रणनीतिहरू; (i) जेनेरिक-हर्टल्याण्ड, (ii) शिल्प-आधारित छनौट, (iii) तदर्थ, आईटी-संचालित, (iv) कर्पोरेट-ऑर्केस्ट्रेटेड र (v) रूपान्तरणकारी कसरी आईएसले संगठनात्मक रणनीति सक्षम गर्दछ भन्ने बारे एक अद्वितीय परिप्रेक्ष्य प्रदान गर्दछ। |
ad384ff98f002c16ccdb8264a631068f2c3287f2 | सन् २००८ मा बिटकइनको आधारभूत प्रविधिको रूपमा ब्लकचेनले सुरुमा आकर्षण प्राप्त गर्यो [१०] तर अब बिभिन्न प्रकारका अनुप्रयोगहरूमा प्रयोग गरिएको छ र २०१७ सम्ममा १$० बिलियन डलर भन्दा बढीको विश्वव्यापी बजार सिर्जना गरेको छ। परम्परागत वितरित डाटाबेसहरूबाट ब्लकचेनहरू भिन्न पार्ने कुरा भनेको विश्वासिलो तेस्रो पक्षमा निर्भर बिना विकेन्द्रीकृत सेटिंगमा सञ्चालन गर्ने क्षमता हो। यस्तो रूपमा तिनीहरूको मुख्य प्राविधिक घटक सहमति होः नोडहरूको समूह बीचमा कसरी सम्झौतामा पुग्ने। यो पहिले नै व्यापक रूपमा अध्ययन गरिएको छ वितरित प्रणाली समुदायमा बन्द प्रणालीहरूको लागि, तर यसको अनुप्रयोग खुला ब्लकचेनमा क्षेत्रलाई पुनर्जीवित गरेको छ र नयाँ डिजाइनहरूको प्रशस्ततामा नेतृत्व गरेको छ। सहमति प्रोटोकलको अन्तर्निहित जटिलता र यसको द्रुत र नाटकीय विकासले डिजाइन परिदृश्यलाई सन्दर्भित गर्न गाह्रो बनाउँछ। हामी यो चुनौतीलाई व्यवस्थित र विस्तृत अध्ययन गरेर सम्बोधन गर्छौं। क्लासिकल सहमति प्रोटोकलमा मुख्य विषयवस्तुहरू छलफल गरेपछि, हामी वर्णन गर्दछौंः (i) प्रोटोकलहरू कामको प्रमाणमा आधारित (पीओडब्ल्यू), (ii) प्रूफ-अफ-एक्स (पीओएक्स) प्रोटोकलहरू जसले पीओडब्ल्यूलाई अधिक ऊर्जा-कुशल विकल्पहरूको साथ बदल्छ, र (iii) हाइब्रिड प्रोटोकलहरू जुन क्लासिक सहमति प्रोटोकलहरूको रचना वा भिन्नताहरू हुन्। हामी तिनीहरूको प्रदर्शन, सुरक्षा र डिजाइन गुणहरू मूल्याङ्कन गर्न एक ढाँचा विकास गर्छौं, र यसलाई माथि वर्णन गरिएको प्रोटोकल कोटीहरूमा प्रमुख विषयवस्तुहरू व्यवस्थित गर्न प्रयोग गर्दछौं। यस मूल्याङ्कनले हामीलाई अनुसन्धानका खाडलहरू र चुनौतीहरू पहिचान गर्न मद्दत गर्छ जुन समुदायले भविष्यमा अनुसन्धान प्रयासहरूमा विचार गर्न सक्छ। |
aaaea1314570b6b692ff3cce3715ec9dada7c7aa | 60 GHz चरणबद्ध-मशीन प्रणालीहरूको लागि कम लागत, पूर्ण एकीकृत एन्टेना-प्याकेज समाधान प्रदर्शन गरिएको छ। सोह्र प्याच एन्टेनाहरू २८ मिमी × २८ मिमी बल ग्रिड एरेमा एकीकृत छन् एक फ्लिप-चिप संलग्न ट्रान्समिटर वा रिसीभर आईसीको साथ। प्याकेजहरू कम तापमान सह-उत्पादन सिरेमिक टेक्नोलोजी प्रयोग गरेर लागू गरिएको छ। फ्लिप-चिप ट्रान्जिशन र संरचनाहरू मार्फत सहित 60 GHz इन्टरकनेक्शनहरू पूर्ण-लहर सिमुलेशन प्रयोग गरेर अनुकूलित हुन्छन्। एनेकोइक कक्ष मापनले सबै चार आईईईई 802.15.3c च्यानलहरूमा ~ 5 dBi एकाई एन्टेना लाभ देखाएको छ, उत्कृष्ट मोडेल-टू-हार्डवेयर सहसंबंध प्राप्त गर्दै। मूल्यांकन बोर्डहरूमा जडान गरिएका प्याकेज गरिएको ट्रान्समिटर र रिसीभर आईसीहरूले बीम-दिशानिर्देशित, गैर-लाइन-अफ-दृश्य लिंकहरू प्रदर्शन गरेका छन् जुन डाटा दरहरू 5.3 Gb / s सम्म छन्। |
0d3f6d650b1a878d5896e3b85914aeaeb9d78a4f | आज चिकित्सा अभ्यासमा सामना गरिएका मुख्य चुनौतीहरूको एक सिंहावलोकन प्रस्तुत गरिएको छ र समस्याहरूलाई "रोक्न" सक्ने प्राविधिक समाधानहरूको आवश्यकता पनि प्रस्तुत गरिएको छ। त्यसपछि, वेरेबल मदरबोर्डको विकासको वर्णन गरिएको छ जुन सेन्सर र निगरानी उपकरणहरूको लागि प्लेटफर्मको रूपमा छ जुन व्यक्तिहरूको स्वास्थ्य र कल्याणको निगरानी गर्न सक्दछ (प्रत्यक्ष र / वा टाढाबाट) । यसपछि जीवनको निरन्तरतामा यस प्रविधिको प्रयोग र प्रभावको बारेमा छलफल गरिन्छ - एसआईडीएस रोक्नदेखि वृद्ध नागरिकहरूको लागि स्वतन्त्र जीवनलाई सजिलो बनाउन। अन्तमा, भविष्यमा हुने विकासहरू, पहिरनयोग्य, तर सहज प्रणालीहरूको क्षेत्रमा प्रस्तुत गरिएको छ जसले स्वास्थ्य सेवाको परिवर्तनलाई निरन्तरता दिन सक्छ - सबै मानव जीवनको गुणस्तर बढाउने उद्देश्यले। |
2a4a7d37babbab47ef62a60d9f0ea2cfa979cf08 | स्थानीयकरण समस्या भनेको ताररहित एड-होक वा सेन्सर नेटवर्कमा नोडहरूमा निर्देशांकहरूको असाइनमेन्ट निर्धारण गर्नु हो जुन मापन गरिएको जोडी नोड दूरीसँग मिल्दो छ। यस समस्याको लागि पहिले प्रस्तावित समाधानहरू मान्दछन् कि नोडहरूले केही दूरी टेक्नोलोजी प्रयोग गरेर अन्य नजिकका नोडहरूमा जोडी दूरी प्राप्त गर्न सक्दछन्। यद्यपि, विभिन्न कारणहरू सहित अवरोधहरू र विश्वसनीय सर्वदिशात्मक दायराको अभावका लागि, यो दूरी जानकारी अभ्यासमा प्राप्त गर्न गाह्रो छ। नजिकका नोडहरू बीचको जोडी दूरी ज्ञात हुँदा पनि, समस्यालाई अद्वितीय रूपमा समाधान गर्न पर्याप्त जानकारी नहुन सक्छ। यस कागजातले एमएएल, मोबाइल-सहायता प्राप्त स्थानीयकरण विधि वर्णन गर्दछ जसले नोड जोडीहरू बीचको दूरी मापन गर्न मोबाइल प्रयोगकर्तालाई सहयोग पुर्याउँछ जबसम्म यी दूरी प्रतिबन्धहरूले "विश्वव्यापी कठोर" संरचना बनाउँदैन जसले अद्वितीय स्थानीयकरणको ग्यारेन्टी गर्दछ। हामी मोबाइलको आन्दोलनमा आवश्यक प्रतिबन्धहरू र मापनको न्यूनतम संख्या प्राप्त गर्नुपर्दछ; यी प्रतिबन्धहरू दिइएको क्षेत्रमा मोबाइलमा देखिने नोडहरूको संख्यामा निर्भर गर्दछ। हामी कसरी मोबाइलको आन्दोलनलाई नोड स्थानीयकरणको लागि पर्याप्त संख्यामा दूरी नमूनाहरू जम्मा गर्न मार्गदर्शन गर्ने देखाउँछौं। हामी सिमुलेसन र मापन प्रयोग गर्छौं र एमएएलको प्रदर्शनको अनुसन्धान गर्न क्रिकट स्थान प्रणाली प्रयोग गरेर इनडोर डिप्लोयमेन्टबाट मापन गर्छौं, वास्तविक संसारका प्रयोगहरूमा पत्ता लगाउँदा एमएएलको औसत जोडी दूरी त्रुटि वास्तविक नोड दूरीको १.५% भन्दा कम छ। |
e42838d321ece2ef7f8399c54d4dd856bfdbe4a4 | यस लेखमा प्रस्तुत कार्य फराकिलो ब्यान्ड फेराइट आधारित समाक्षीय प्रसारण लाइन ट्रान्सफार्मरको लागि मोडेलको शुद्धतामा केन्द्रित छ। सफ्ट-फेरिटहरू धेरै हदसम्म VHF / UHF कम्पोनेन्टहरूमा प्रयोग गरिन्छ जसले कम-किनारा पक्षमा ब्यान्ड विस्तार गर्न अनुमति दिन्छ। उच्च-किनारा पक्षमा फ्रिक्वेन्सी प्रदर्शनको गिरावट फेराइट घाटा, र उच्च शक्ति अनुप्रयोगहरूमा थर्मल र विद्युतीय जमिनमा जडानको कारण परजीवी क्षमता द्वारा दुबै उत्पादन गरिन्छ। कम पावर अनुप्रयोगहरूको लागि सर्किट मोडेल र उच्च-पावर अनुप्रयोगहरूको लागि स्केलेबल ईएम मोडेल दुवै प्रस्तुत र छलफल गरिएको छ। |
536c6d5e59a05da27153303a19e0274262affdcd | गहिरो न्यूरोल नेटवर्कमा अनुकूलनको गतिशीलता बुझ्न, हामी अनुकूलन प्रक्रियामा सम्पूर्ण हेसियन स्पेक्ट्रमको विकासको अध्ययन गर्न एउटा उपकरण विकास गर्छौं। यसको प्रयोग गरेर, हामी गहिरो शिक्षा साहित्यमा चिकनाई, वक्रता, र तीक्ष्णता सम्बन्धी धेरै परिकल्पनाहरूको अध्ययन गर्छौं। त्यसपछि हामी स्पेक्ट्राको एउटा महत्वपूर्ण संरचनात्मक विशेषताको गहन विश्लेषण गर्छौं: गैर-ब्याच सामान्यीकृत नेटवर्कहरूमा, हामी स्पेक्ट्रममा ठूला पृथक eigenvalues को द्रुत उपस्थिति अवलोकन गर्दछौं, सम्बन्धित eigenspaces मा ढाँचाको आश्चर्यजनक एकाग्रता संग। ब्याच सामान्यीकृत नेटवर्कमा, यी दुई प्रभावहरू लगभग अनुपस्थित छन्। हामी यी प्रभावहरूको विशेषता दिन्छौं, र वर्णन गर्दछौं कि कसरी उनीहरूले सिद्धान्त र प्रयोगहरू दुवै मार्फत अनुकूलन गतिलाई असर गर्छन्। यस कार्यको भागको रूपमा, हामी संख्यात्मक रैखिक बीजगणितबाट उन्नत उपकरणहरू अनुकूलित गर्दछौं जसले इमेजेनेट-स्केल न्यूरल नेटवर्कको सम्पूर्ण हेसियन स्पेक्ट्रमको स्केलेबल र सही अनुमान गर्न अनुमति दिन्छ; यो प्रविधि अन्य अनुप्रयोगहरूमा स्वतन्त्र चासोको हुन सक्छ। |
8acf78df5aa283f02d3805867e1dd1c6a97f389b | लेख इतिहासः 27 अगस्ट 2010 प्राप्त 23 डिसेम्बर 2010 संशोधित फारममा प्राप्त 6 जनवरी 2011 स्वीकृत वास्तविक समय अर्थव्यवस्था मा परम्परागत लेखापरीक्षण प्रतिमान पुरानो छ। वास्तविक समयको आश्वासनलाई समर्थन गर्न परम्परागत लेखापरीक्षण प्रक्रियाको नवीनता आवश्यक छ। अभ्यासकर्ता र शिक्षाविद्हरूले निरन्तर लेखापरीक्षणलाई परम्परागत लेखापरीक्षण प्रतिमानको सम्भावित उत्तराधिकारीको रूपमा अन्वेषण गरिरहेका छन्। प्रविधि र स्वचालितकरणको प्रयोग गरी निरन्तर लेखापरीक्षण पद्धतिले लेखापरीक्षण प्रक्रियाको दक्षता र प्रभावकारितालाई वास्तविक समयको आश्वासनलाई समर्थन गर्न बढाउँछ। यस लेखमा सात आयाममा निरन्तर लेखापरीक्षण विधिले कसरी अभ्यासमा नवीनता ल्याउँछ भन्ने कुराको व्याख्या गरिएको छ र भविष्यमा अनुसन्धानलाई अगाडि बढाउन चार चरणको प्रतिमान प्रस्ताव गरिएको छ। यसबाहेक, हामी व्यवसायी र शैक्षिक अनुसन्धानकर्ताहरूको लागि आश्वासनको भविष्यको बारेमा विधिगत प्रस्तावहरूको एक सेट तयार गर्दछौं। © २०११ एल्सभियर इंक. सबै अधिकार सुरक्षित। |
45fcbb3149fdb01a130f5f013a4713328ee3e3c7 | कथा प्रवचनको मोडेलिंग |
b3dbdd8859e9a38712816dddf221843a5cae95a8 | सामाजिक उद्यमशीलता (एसई) मा बढ्दो अनुसन्धानको बाबजुद एसई रणनीतिहरू अझै पनि कम बुझिएको छ। सामाजिक सक्रियता र सामाजिक परिवर्तन, सशक्तिकरण र सामाजिक उद्यमशीलताका मोडेलहरूमा विद्यमान अनुसन्धानको आधारमा हामीले विश्वको सबैभन्दा ठूलो सामाजिक उद्यमशीलता समर्थन संस्था अशोकसँग सम्बद्ध २,३३४ सामाजिक उद्यमीहरूले प्रयोग गर्ने रणनीतिहरूको अन्वेषण, वर्गीकरण र प्रमाणीकरण गरेका छौं। सामाजिक उद्यमीहरूको रणनीति प्रोफाइलको विषयगत मोडेलिंगको परिणामले उनीहरूले कुल ३९ परिवर्तन गर्ने रणनीतिहरू प्रयोग गरेको देखाउँछ जुन स्रोतहरू (सामग्री बनाम प्रतीकात्मक रणनीतिहरू), विशिष्टता (सामान्य बनाम विशिष्ट रणनीतिहरू), र सहभागिताको मोड (मास बनाम कुलीन सहभागिता रणनीतिहरू) मा भिन्न हुन्छन्; तिनीहरू अभ्यास र समयको क्षेत्रहरूमा पनि भिन्न हुन्छन्। अन्तमा, हामी ६ वटा मेटा-एसई रणनीतिहरू पहिचान गर्छौं - ३९ वटा रणनीतिहरूबाट घटाएर - र चार नयाँ मेटा-एसई रणनीतिहरू (जस्तै, प्रणाली सुधार, भौतिक पूँजी विकास, प्रमाणमा आधारित अभ्यासहरू, र प्रोटोटाइप) पहिचान गर्छौं जुन अघिल्लो एसई अनुसन्धानमा बेवास्ता गरिएको छ। हाम्रो निष्कर्षले एसई रणनीतिहरूको अनुसन्धानलाई विस्तार र गहन बनाउँछ र एसई रणनीतिहरूको एक व्यापक मोडेल प्रदान गर्दछ जसले सिद्धान्त, अभ्यास र नीति निर्माणलाई अगाडि बढाउँछ। |
7ca3809484eb57c509acc18b016e9b010759dfa1 | छवि निर्माण प्रक्रियालाई उल्टाउनु र यसैले यसको आन्तरिक गुणहरूमा उपस्थिति विघटन गर्नु यस उल्टो समस्याको कम-प्रतिबन्धित प्रकृतिका कारण चुनौतीपूर्ण कार्य हो। चित्रबाट मात्र आकार, सामग्री र प्रकाशको अनुमान गर्नमा महत्त्वपूर्ण प्रगति भएको छ, तर असीमित सेटिंगमा प्रगति अझै सीमित छ। हामी प्राकृतिक प्रकाशको अवस्थामा प्रतिबिम्बित सामग्रीको प्रतिबिम्ब मानचित्र अनुमान गर्न एक कन्भोल्युसनल न्यूरल आर्किटेक्चर प्रस्ताव गर्दछौं। हामी यो एउटा अन्त-देखि-अन्त सिकाइको सूत्रमा प्राप्त गर्छौं जसले सिधै प्रतिबिम्बको नक्सालाई छविबाटै भविष्यवाणी गर्छ। हामी कसरी अनुमान सुधार गर्न को लागी एक अप्रत्यक्ष योजना मा अतिरिक्त पर्यवेक्षण को सुविधा को माध्यम बाट देखाउँछौं कि पहिले सतह अभिमुखीकरण को भविष्यवाणी गर्दछ र पछि प्रतिबिम्ब नक्शा को एक शिक्षा आधारित विरल डाटा इन्टरपोलेशन द्वारा भविष्यवाणी गर्दछ। यस कठिन कार्यमा प्रदर्शनको विश्लेषण गर्न, हामी जटिल इल्युमिनेशन (SMASHINg) को साथ SHAPES मा Specular MAterials को एक नयाँ चुनौती प्रस्ताव गर्दछौं जुन सिंथेटिक र वास्तविक छविहरू प्रयोग गर्दछ। यसबाहेक, हामी वास्तविक चित्रहरूमा छवि सम्पादन कार्यहरूको दायरामा हाम्रो विधिको अनुप्रयोग देखाउँदछौं। |
c1742ca74f40c44dae2af6a992e569edc969c62c | यस लेखमा प्लास्टिक थ्रीडी प्रिन्टरले काम गर्ने फिल्टर र एन्टेना जस्ता अन्य निष्क्रिय उपकरणहरूको द्रुत, सरल र सस्तो निर्माणको लागि प्रदान गर्ने सम्भावनाको बारेमा जानकारी दिइएको छ। यस लेखमा फ्यूज्ड डिपोजिशन मोडलिङ (एफडीएम) र मटेरियल जेटिंग (पोलीजेट) प्रविधिहरूबाट बनेका निष्क्रिय उपकरणहरूको उदाहरणहरू प्रस्तुत गरिएको छ र यसले कसरी उनीहरू अब आरएफ डिजाइनरहरूलाई क्यु र उच्च ब्यान्डसम्मको अनुकूलन प्रक्रियाको क्रममा ठोस साथीको रूपमा विचार गर्न सकिन्छ भन्ने कुरालाई प्रकाश पार्नेछ। |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.