_id
stringlengths 40
40
| text
stringlengths 0
9.54k
|
|---|---|
45c56dc268a04c5fc7ca04d7edb985caf2a25093 | भिन्न सम्भावना वितरणको साथ सामान्य प्यारामिटर अनुमान विधिहरू प्रस्तुत गर्दछ, जुन पाठ मोडेलिंगमा विशेष चासोको हो। अधिकतम सम्भावना, एपोस्टेरिओरी र बेयसियन अनुमानबाट शुरु गरेर, संयोजक वितरण र बेयसियन नेटवर्क जस्ता केन्द्रीय अवधारणाहरूको समीक्षा गरिन्छ। एक अनुप्रयोगको रूपमा, लुप्त डिरिचलेट आवंटन (एलडीए) को मोडेल गिब्स नमूनामा आधारित अनुमानित अनुमान एल्गोरिथ्मको पूर्ण व्युत्पन्नको साथ विस्तृत रूपमा वर्णन गरिएको छ, डिरिचलेट हाइपरपारामिटर अनुमानको छलफल सहित। इतिहास: संस्करण १, मे २००५, संस्करण २.४, अगस्ट २००८। |
9e463eefadbcd336c69270a299666e4104d50159 | |
2e268b70c7dcae58de2c8ff7bed1e58a5e58109a | यो लेखकको डायनामिक प्रोग्रामिङ एण्ड इष्टतम कन्ट्रोल, खण्ड ४ को अध्यायको अद्यावधिक संस्करण हो। II, चौथो संस्करण, एथेना साइंटिफिक, २०१२। नयाँ सामग्री समावेश गरिएको छ, र यो धेरै परिमार्जित र विस्तार गरिएको छ (यो आकारमा दुई गुणा भन्दा बढी भएको छ) । नयाँ सामग्रीको उद्देश्य धेरै मोडेलहरूको एकीकृत उपचार प्रदान गर्नु हो, जसमध्ये सबै अनुबंधित संरचनाको अभाव छ जुन अध्याय १ र २ को डिस्काउन्ट समस्याहरूको विशेषता होः सकारात्मक र नकारात्मक लागत मोडेलहरू, निर्धारणात्मक इष्टतम नियन्त्रण (अनुकूली डीपी सहित), स्टोकास्टिक सब भन्दा छोटो मार्ग मोडेलहरू, र जोखिम-संवेदनशील मोडेलहरू। नयाँ सामग्रीको सारांश यस्तो छः |
6d596cb55d99eae216840090b46bc5e49d7aeea5 | हामी दुई उपन्यास प्रविधिहरू प्रस्ताव गर्दछौं लोड असंतुलनलाई पार गर्नका लागि जुन लाइनर प्रणालीहरूको समाधानको लागि प्रासंगिक घन मैट्रिक्स कारककरणमा तथाकथित अगाडि हेर्ने संयन्त्रहरू लागू गर्दा सामना गरिन्छ। दुवै प्रविधिहरू परिदृश्यमा लक्षित हुन्छन् जहाँ दुई थ्रेड टोलीहरू कारककरणको समयमा सिर्जना / सक्रिय हुन्छन्, प्रत्येक टोलीले स्वतन्त्र कार्य / कार्यान्वयन शाखा प्रदर्शन गर्ने जिम्मामा हुन्छ। पहिलो प्रविधिले दुई कार्यहरू बीचको कार्यकर्ता साझेदारी (डब्ल्यूएस) लाई बढावा दिन्छ, जसले पहिलो कार्यको थ्रेडलाई अधिक महँगो कार्यद्वारा प्रयोगको लागि पुनः आवंटित गर्न अनुमति दिन्छ। दोस्रो प्रविधिले छिटो कार्यलाई पूरा हुने ढिलो कार्यलाई सचेत गराउन अनुमति दिन्छ, दोस्रो कार्यको प्रारम्भिक समाप्ति (ईटी) लागू गर्दछ, र अर्को पुनरावृत्तिमा कारककरण प्रक्रियाको सहज संक्रमण गर्दछ। यी दुई संयन्त्रहरू आधारभूत रैखिक बीजगणित उप-प्रोग्रामहरूको नयाँ मोल्डेबल थ्रेड-स्तर कार्यान्वयन मार्फत उदाहरण दिइएको छ, र तिनीहरूको फाइदाहरू आंशिक पिभोटिंगको साथ LU कारककरणको कार्यान्वयन मार्फत देखाइएको छ। विशेष गरी, १२ कोरको इन्टेल-एक्सियन प्रणालीमा हाम्रो प्रयोगात्मक नतिजाले WS+ET संयोजनको फाइदा देखाउँछ, कार्य-समानांतर रनटाइम-आधारित समाधानको तुलनामा प्रतिस्पर्धी प्रदर्शन रिपोर्ट गर्दै। |
7157dda72073ff66cc2de6ec5db056a3e8b326d7 | 25 26 27 28 29 30 31 32 33 34 35 36 लेख इतिहासः प्राप्त 13 फेब्रुअरी 2012 संशोधित रूपमा प्राप्त 18 मार्च 2013 स्वीकार 4 अप्रिल 2013 अनलाइन उपलब्ध xxxx |
66903e95f84767a31beef430b2367492ac9cc750 | यो लेख १८ वर्षको उमेरसम्म अध्ययन गरिएका १,००० भन्दा बढी न्युजिल्यान्डका बालबालिकाहरूमा बालबालिकाहरूमा हुने यौन दुर्व्यवहारको घटना, सम्बन्ध र परिणामबारे बताइएको छ। यस लेखले १८ वर्षको उमेरमा सीएसए र १८ वर्षको उमेरमा डीएसएम-४ को वर्गीकरणको बीचको सम्बन्धको अध्ययन गरेको छ। विधि न्यूजील्याण्डका बच्चाहरूको जन्मको क्रममा जन्मदेखि १६ वर्षको उमेरसम्मको अवधिमा वार्षिक अन्तरालमा अध्ययन गरिएको थियो। १८ वर्ष उमेरमा १६ वर्षभन्दा पहिलेको सीएसए र सोही समयमा मापन गरिएको मानसिक लक्षणको पूर्वानुमान प्राप्त गरियो । परिणाम सीएसए रिपोर्ट गर्नेहरूमा सीएसए रिपोर्ट नगर्नेहरू भन्दा ठूलो डिप्रेसन, चिन्ता विकार, व्यवहार विकार, पदार्थ प्रयोग विकार, र आत्महत्या गर्ने व्यवहारको उच्च दर थियो (p < .002) । यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्पर्कमा हुने यौन सम्बन्धमा हुने यौन सम्बन्धमा हुने यौन सम्बन्धमा हुने यौन सम्बन्धमा हुने यौन सम्बन्धमा हुने सम्बन्धमा हुने सम्बन्धमा हुने सम्बन्धमा हुने सम्बन्धमा। यी नतिजाहरू बाल्यकालको परिवार र सम्बन्धित कारकहरूको लागि परिमार्जन गर्दा पनि कायम रह्यो। सीएसए र गैर-समानान्तर मापन विकारहरू बीच समान तर कम स्पष्ट सम्बन्धहरू फेला परे। निष्कर्षहरू सुझाव दिन्छन् कि सीएसए, र विशेष गरी गम्भीर सीएसए, युवा वयस्कहरूमा मनोवैज्ञानिक विकारको जोखिमसँग सम्बन्धित थियो जब भविष्यमा मापन गरिएको कन्फ्युन्डि factors कारकहरूलाई उचित छुट दिइयो। |
8df383aae16ce1003d57184d8e4bf729f265ab40 | नयाँ माइक्रोस्ट्रिप-लाइन-फेड वाइडब्यान्ड सर्कुलरली पोलराइज्ड (सीपी) एनिलर-रिंग स्लट एन्टेना (एआरएसए) को डिजाइन प्रस्ताव गरिएको छ। विद्यमान रिंग स्लट एन्टेनाको तुलनामा यहाँ डिजाइन गरिएको एआरएसएको सीपी ब्यान्डविथ धेरै ठूलो छ। प्रस्तावित डिजाइनको मुख्य विशेषताहरू व्यापक रिंग स्लट, एक जोडी ग्राउन्ड टोपी आकारको प्याचहरू, र एक विकृत झुकाव फीडिंग माइक्रोस्ट्रिप लाइन समावेश गर्दछ। एल र एस ब्यान्डमा एफआर४ सब्सट्रेट प्रयोग गरेर डिजाइन गरिएको एआरएसएमा ३ डीबी अक्षीय-अनुपात ब्यान्डविड्थ (एआरबीडब्लू) क्रमशः ४६% र ५६% छ, जबकि एल ब्यान्डमा आरटी५८८० सब्सट्रेट प्रयोग गर्नेमा ६५% छ। यी ३ डीबी अक्षीय-अनुपात ब्यान्डहरूमा, वीएसडब्लुआर ≤ २ सँग प्रतिरोध मिल्दो पनि प्राप्त हुन्छ। |
95e873c3f64a9bd8346f5b5da2e4f14774536834 | एक सब्सट्रेट एकीकृत वेवगाइड (SIW) एच-प्लेन सेक्टरल हर्न एन्टेना, उल्लेखनीय सुधार ब्यान्डविथको साथ प्रस्तुत गरिएको छ। एक टेपर्ड रिज, बहुपरत सब्सट्रेट भित्र साइड फ्लेयर भित्तामा vias को एक सरल व्यवस्था बाट बनेको छ, परिचालन ब्यान्डविथ विस्तार गर्न को लागी पेश गरीएको छ। एन्टेना संरचनाको लागि प्रसारण तरंग प्रदान गर्न एक सरल फिड कन्फिगरेसन सुझाव दिइन्छ। प्रस्तावित एन्टेनालाई दुई प्रसिद्ध पूर्ण-वेभ प्याकेजहरू, एन्सफ्ट एचएफएसएस र सीएसटी माइक्रोवेभ स्टुडियोद्वारा सिमुलेट गरिएको छ, जुन पृथक संख्यात्मक विधिहरूमा आधारित छ। सिमुलेसनको नतिजामा धेरै समानता पाइन्छ। डिजाइन गरिएको एन्टेनाले राम्रो विकिरण विशेषताहरू र कम VSWR देखाउँदछ, २.५ भन्दा कम, १८-४० GHz को सम्पूर्ण आवृत्ति दायराको लागि। |
12a376e621d690f3e94bce14cd03c2798a626a38 | यस कागजातले दृश्य वस्तु पत्ता लगाउनको लागि मेशिन लर्निंग दृष्टिकोण वर्णन गर्दछ जुन छविहरू अत्यन्त छिटो प्रशोधन गर्न र उच्च पत्ता लगाउने दरहरू प्राप्त गर्न सक्षम छ। यो कार्य तीन मुख्य योगदानहरू द्वारा प्रतिष्ठित छ। पहिलो भनेको नयाँ छवि प्रतिनिधित्वको परिचय हो जसलाई Integral Image भनिन्छ जसले हाम्रो डिटेक्टरले प्रयोग गर्ने सुविधाहरू धेरै चाँडै गणना गर्न अनुमति दिन्छ। दोस्रो एक सिक्ने एल्गोरिथ्म हो, AdaBoost मा आधारित, जसले ठूलो सेटबाट महत्वपूर्ण दृश्य सुविधाहरूको सानो संख्या चयन गर्दछ र अत्यन्त कुशल वर्गीकरणकर्ताहरू उत्पन्न गर्दछ। तेस्रो योगदान एक cascade मा बढ्दो अधिक जटिल वर्गीकरणकर्ताहरू संयोजन गर्न एक विधि हो जसले छविको पृष्ठभूमि क्षेत्रहरूलाई छिटो खारेज गर्न अनुमति दिन्छ जबकि आशाजनक वस्तु-जस्तो क्षेत्रहरूमा अधिक गणना खर्च गर्दछ। यो क्रमलाई वस्तु विशेष ध्यान केन्द्रित गर्ने संयन्त्रको रूपमा हेर्न सकिन्छ जसले विगतका दृष्टिकोणहरूको विपरीत तथ्याङ्कगत ग्यारेन्टी प्रदान गर्दछ कि खारेज गरिएका क्षेत्रहरूमा चासोको वस्तु समावेश हुने सम्भावना छैन। अनुहार पत्ता लगाउने क्षेत्रमा प्रणालीले पत्ता लगाउने दरहरू प्रदान गर्दछ जुन उत्तम अघिल्लो प्रणालीहरूसँग तुलना गर्न सकिन्छ। वास्तविक समय अनुप्रयोगहरूमा प्रयोग गरिएको, डिटेक्टर प्रति सेकेन्ड १५ फ्रेममा चल्छ छवि भिन्नता वा छालाको रंग पत्ता लगाउन बिना। |
51f0e3fe5335e2c3a55e673a6adae646f0ad6e11 | ■ अमूर्त समाजशास्त्रीहरूले प्रायः सामाजिक प्रक्रियाहरूलाई चरहरू बीचको अन्तरक्रियाको रूपमा मोडेल गर्छन्। हामी एक वैकल्पिक दृष्टिकोणको समीक्षा गर्छौं जसले सामाजिक जीवनलाई अनुकूली एजेन्टहरू बीचको अन्तरक्रियाको रूपमा मोडेल गर्दछ जसले एक अर्कालाई उनीहरूले प्राप्त गरेको प्रभावको प्रतिक्रियामा प्रभाव पार्दछ। यी एजेन्ट-आधारित मोडेलहरू (एबीएम) ले देखाउँछन् कि कसरी सरल र पूर्वानुमान योग्य स्थानीय अन्तरक्रियाले परिचित तर रहस्यमय वैश्विक ढाँचाहरू उत्पन्न गर्न सक्दछ, जस्तै सूचनाको प्रसार, मानदण्डहरूको उदय, सम्मेलनहरूको समन्वय, वा सामूहिक कार्यमा सहभागिता। नयाँ सामाजिक ढाँचाहरू पनि अप्रत्यासित रूपमा देखा पर्न सक्छन् र त्यसपछि एकदमै नाटकीय रूपमा परिवर्तन वा हराउन सक्छन्, जस्तै क्रान्ति, बजार दुर्घटना, फेड, र खानाको उन्मादमा हुन्छ। एबीएमले सैद्धान्तिक लाभ प्रदान गर्दछ जहाँ चासोको समग्र ढाँचा व्यक्तिगत विशेषताहरूको एकत्रीकरण भन्दा बढी हुन्छ, तर एकै समयमा, उभरिरहेको ढाँचालाई सम्बन्धको स्तरमा माइक्रोफाउन्डेसनको तलबाट गतिशील मोडेल बिना बुझ्न सकिदैन। हामी कम्प्युटेशनल समाजशास्त्रमा factors बाट actors मा भएको परिवर्तनको संक्षिप्त ऐतिहासिक स्केचबाट सुरु गर्छौं जसले एजेन्ट-आधारित मोडलिङ कसरी कम्प्युटर सिमुलेसनको पहिलेको समाजशास्त्रीय प्रयोगहरू भन्दा मौलिक रूपमा भिन्न छ भनेर देखाउँछ। त्यसपछि हामीले हालैका योगदानहरूको समीक्षा गर्यौं जुन स्थानीय अन्तरक्रियाबाट सामाजिक संरचना र सामाजिक व्यवस्थाको उदयमा केन्द्रित छ। यद्यपि समाजशास्त्रले यो नयाँ पद्धतिलाई बुझ्न अन्य सामाजिक विज्ञानको पछाडि रहेको छ, हामीले समीक्षा गरेका कागजातहरूमा एक विशिष्ट समाजशास्त्रीय योगदान स्पष्ट छ। पहिलो, सैद्धान्तिक चासो गतिशील सामाजिक सञ्जालहरूमा केन्द्रित छ जुन एजेन्ट अन्तरक्रियाद्वारा आकार दिन्छ र आकार दिन्छ। दोस्रो, एबीएमहरू भर्चुअल प्रयोगहरू गर्न प्रयोग गरिन्छ जुन नेटवर्क टोपोलोजी, सामाजिक स्तरीकरण, वा स्थानिक गतिशीलता जस्ता संरचनात्मक कारकहरूलाई हेरफेर गरेर म्याक्रोसोसोलोजिकल सिद्धान्तहरूको परीक्षण गर्दछ। हामी यस दृष्टिकोणको समृद्ध समाजशास्त्रीय सम्भावनालाई साकार पार्नका लागि सिफारिसहरूको श्रृंखलाको साथ हाम्रो समीक्षा समाप्त गर्दछौं। |
b73cdb60b2fe9fb317fca4fb9f5e1106e13c2345 | |
aa0c01e553d0a1ab40c204725d13fe528c514bba | मानिस र रोबोटको सहज र सुरक्षित अन्तरक्रियाका लागि दुवै साझेदारले एक अर्काको कार्यहरूको अनुमान लगाउनु आवश्यक छ। मानव आशय अनुमानको लागि एक सामान्य दृष्टिकोण भनेको पर्यवेक्षित वर्गीकरणकर्ताहरूको साथ ज्ञात लक्ष्यहरूको लागि विशिष्ट ट्र्याजेक्टरीहरू मोडेल गर्नु हो। तर, यी दृष्टिकोणहरूले सम्भावित भविष्यका चालहरूलाई ध्यानमा राख्दैनन् न त तिनीहरू गतिजन्य संकेतहरू प्रयोग गर्छन्, जस्तै पढ्न सकिने र अनुमान गर्न सकिने चाल। यी विधिहरूको समस्या सामान्य मानव गतिशीलताको सही मोडेलको अभावमा छ। यस कार्यमा, हामी एक सशर्त भिन्नता स्वतः एन्कोडर प्रस्तुत गर्दछौं जुन विगतका फ्रेमहरूको विन्डो दिईएको भविष्यको मानव गतिको विन्डोको भविष्यवाणी गर्न प्रशिक्षित छ। आरजीबी गहिराई छविहरूबाट प्राप्त स्केलेटल डाटा प्रयोग गरेर, हामी यो निर्देशन गरिएको दृष्टिकोण १ 1660० एमएस सम्म अनलाइन गति पूर्वानुमानको लागि कसरी प्रयोग गर्न सकिन्छ भनेर देखाउँदछौं। थप रूपमा, हामी लक्षित विशिष्ट प्रशिक्षण डाटाको प्रयोग बिना गति शुरू भए पछि पहिलो 300-500 एमएस भित्र अनलाइन लक्ष्य पूर्वानुमान प्रदर्शन गर्दछौं। हाम्रो सम्भावित दृष्टिकोणको फाइदा भनेको सम्भावित भविष्यका गतिहरूको नमूनाहरू खिच्ने सम्भावना हो। अन्तमा, हामी कसरी आन्दोलन र गतिज संकेतहरू सिकेको कम आयामी मनिफोल्डमा प्रतिनिधित्व गरिन्छ भनेर अनुसन्धान गर्छौं। |
cbbf72d487f5b645d50d7d3d94b264f6a881c96f | यस लेखमा पहिलो पूर्ण चिप एकीकृत ऊर्जा हार्वेस्टर र रेक्टिना प्रस्तुत गरिएको छ। यी डिजाइनहरू एक-चरण डिक्सन भोल्टेज गुणकमा आधारित छन्। रेक्टिनामा एक चिपमा एकीकृत डाइपोल एन्टेना हुन्छ जसमा सब्सट्रेटको तल रिफ्लेक्टर हुन्छ जसले दिशात्मकता र प्राप्त लाभ बढाउँछ। ऊर्जा कटाउने उपकरण र रेक्टिनाले क्रमशः १०% र २% को पावर रूपान्तरण दक्षता 94GHz मा प्राप्त गर्दछ। स्ट्यान्ड-अलोन हारभेस्टरले प्याडहरू सहित केवल ०.०९४५ मिमी२ ओगटेको छ, जबकि पूर्ण एकीकृत रेक्टिनाले न्यूनतम चिप क्षेत्र ०.४८ मिमी२ ओगटेको छ। |
30667550901b9420e02c7d61cdf8fa7d5db207af | |
6cdb6ba83bfaca7b2865a53341106a71e1b3d2dd | सामाजिक सञ्जालहरू सबै ठाउँमा फैलिरहेका छन् र संगठनहरूले आफ्ना लक्ष्यहरू पूरा गर्न प्रयोग गर्ने अन्य सबै प्रकारका सञ्चार माध्यमहरू जस्तै व्यवस्थापन गर्न आवश्यक छ। यद्यपि, सामाजिक सञ्जालहरू उनीहरूको सामाजिक सञ्जाल संरचना र समतावादी प्रकृतिका कारण कुनै पनि परम्परागत वा अन्य अनलाइन मिडिया भन्दा मौलिक रूपमा फरक छन्। यी भिन्नताहरूले उचित विश्लेषण र पछि व्यवस्थापनको लागि पूर्व शर्तको रूपमा फरक मापन दृष्टिकोणको आवश्यकता पर्दछ। सही सामाजिक मिडिया मेट्रिक्स विकास गर्न र पछि उपयुक्त ड्यासबोर्डहरू निर्माण गर्न, हामी तीन उपन्यास कम्पोनेन्टहरू समावेश भएको टूल किट प्रदान गर्दछौं। पहिलो, हामी सैद्धान्तिक रूपमा एक समग्र ढाँचाको प्रस्ताव गर्छौं जसले सामाजिक सञ्जालका प्रमुख तत्वहरूलाई समेट्छ, मार्केटिङ, मनोविज्ञान र समाजशास्त्रबाट सिद्धान्तहरू निकाल्दै। हामी यी तत्वहरूलाई समर्थन र विस्तृत रूपमा जारी राख्छौं - अर्थात् प्रेरणाहरू, सामग्री, नेटवर्क संरचना, र सामाजिक भूमिका र अन्तर्क्रियाहरू - भर्खरका अनुसन्धान अध्ययनहरू मार्फत। दोस्रो, हाम्रो सैद्धान्तिक ढाँचा, साहित्य समीक्षा र व्यावहारिक अनुभवको आधारमा, हामी नौ वटा दिशानिर्देशहरू सुझाव दिन्छौं जुन उपयुक्त सामाजिक मिडिया मेट्रिक्स डिजाइन गर्न र समझदार सामाजिक मिडिया ड्यासबोर्ड निर्माण गर्न मूल्यवान साबित हुन सक्छ। तेस्रो, फ्रेमवर्क र दिशानिर्देशहरूको आधारमा हामी व्यवस्थापनका लागि प्रभावहरू निकाल्छौं र भविष्यका अनुसन्धानका लागि एजेन्डा सुझाव दिन्छौं। © २०१३ प्रत्यक्ष मार्केटिंग शैक्षिक फाउन्डेशन, इंक। एल्सभियर इंक.द्वारा प्रकाशित सबै अधिकार सुरक्षित। |
3c9598a2be80a88fccecde80e6f266af7907d7e7 | |
ab3d0ea202b2641eeb66f1d6a391a43598ba22b9 | प्रबलित शिक्षा (आरएल) लाई यहाँ मेसिनको तंत्रिका नियन्त्रकहरूको अनुकूलन प्रविधिको रूपमा लिइन्छ। यसको लक्ष्य एजेन्ट-आलोचक एल्गोरिदमलाई कम एजेन्ट-पर्यावरण अन्तरक्रियाको आवश्यकता छ, जुन अतिरिक्त पृष्ठभूमि गणनाको लागतमा समान गुणस्तरको नीतिहरू प्राप्त गर्नका लागि हो। हामी अनुभवको पुनरावृत्तिको भावनामा यो लक्ष्य प्राप्त गर्ने प्रस्ताव गर्दछौं। यस सन्दर्भमा, विगतका अनुभवहरूको आधारमा परिवर्तनशील नीतिहरूको सुधारको दिशाको अनुमान गर्ने विधि आवश्यक छ। हामी एउटा यस्तो प्रस्ताव गर्छौं जसमा महत्वको नमूनाको प्रयोग गरिनेछ। हामी अनुमानकहरूको त्यो प्रकारको पूर्वाग्रहको सीमा निकाल्छौं र यो पूर्वाग्रह असम्भाव्य रूपमा हराउँछ भनेर प्रमाणित गर्छौं। प्रयोगात्मक अध्ययनमा हामीले क्लासिक एक्टरक्रिटिकमा हाम्रो दृष्टिकोण लागू गरेका छौं र सिक्ने गतिमा २० गुणा वृद्धि प्राप्त गरेका छौं। |
71e258b1aeea7a0e2b2076a4fddb0679ad2ecf9f | "इन्टरनेट अफ थिंग्स" (आईओटी) ले उपकरण र सफ्टवेयरलाई अभूतपूर्व स्तरमा सूचना आदानप्रदान गर्ने अवसर प्रदान गर्दछ। तर, यस्तो ठूलो अन्तरसम्बन्धित सञ्जालले प्रणाली विकासकर्ता र प्रयोगकर्ताका लागि नयाँ चुनौती खडा गर्छ। यस लेखमा, हामी आईओटी प्रणालीको एक लेयर आर्किटेक्चर प्रस्ताव गर्दछौं। यो मोडेलको प्रयोग गरेर हामी प्रत्येक तहका चुनौतीहरूको पहिचान र मूल्याङ्कन गर्ने प्रयास गर्छौं। हामी विभिन्न विद्यमान प्रविधिहरूको बारेमा पनि चर्चा गर्छौं जसको प्रयोगले यो वास्तुकलालाई सुरक्षित बनाउन सकिन्छ। |
61f4f67fc0e73fa3aef8628aae53a4d9b502d381 | सूचना अधिकतमकरण ग्यान (इन्फोग्यान) ले जनरेटरको आउटपुटलाई यसको इनपुटको एउटा घटकसँग जोड्दछ जसलाई लुकेका कोडहरू भनिन्छ। आउटपुटलाई यो इनपुट कम्पोनेन्टसँग जोड्न बाध्य पार्दा, हामी आउटपुट प्रतिनिधित्वका केही गुणहरू नियन्त्रण गर्न सक्छौं। यो नाश सन्तुलन पाउन धेरै गाह्रो छ जब संयुक्त रूपमा भेदभावकर्ता र जनरेटरलाई GAN मा प्रशिक्षण दिईन्छ। इन्फोगान प्रयोग गरेर छविहरू उत्पन्न गर्नका लागि हामीले केही सफल र असफल कन्फिगरेसनहरू पत्ता लगायौं। व्याख्यायोग्य चरहरू जनरेटिभ मोडेलहरूमा उपयोगी हुन्छन्। जनरेटिभ एडभर्सियल नेटवर्क (जीएएन) जनरेटिभ मोडेलहरू हुन् जुन उनीहरूको इनपुटमा लचिलो हुन्छन्। |
41289566ac0176dced2312f813328ad4c0552618 | मोबाइल प्लेटफर्मको प्रचलन, एन्ड्रोइडको ठूलो बजार हिस्सा, साथै एन्ड्रोइड मार्केटको खुलापनले यसलाई मालवेयर आक्रमणको लागि तातो लक्ष्य बनाउँछ। एक पटक मालवेयर नमूना पहिचान भएपछि, यसको खराब आशय र भित्री कार्यलाई छिटो प्रकट गर्न यो महत्वपूर्ण छ। यस लेखमा हामी DroidScope, एन्ड्रोइड विश्लेषण प्लेटफर्म प्रस्तुत गर्दछौं जसले भर्चुअलाइजेशनमा आधारित मालवेयर विश्लेषणको परम्परालाई निरन्तरता दिन्छ। हालको डेस्कटप मालवेयर विश्लेषण प्लेटफर्मको विपरीत, DroidScope ले OSlevel र Java-level दुवै अर्थशास्त्रलाई एकै साथ र निर्बाध रूपमा पुनर्निर्माण गर्दछ। अनुकूलित विश्लेषणको सुविधाका लागि, DroidScope ले तीन तहका एपीआईहरू निर्यात गर्दछ जुन एन्ड्रोइड उपकरणको तीन तहहरू दर्पण गर्दछः हार्डवेयर, ओएस र डल्भिक भर्चुअल मेसिन। DroidScope को माथि, हामीले धेरै विश्लेषण उपकरणहरू विकास गर्यौं विस्तृत नेटिभ र डल्भिक निर्देशन ट्रेसहरू संकलन गर्न, प्रोफाइल एपीआई-स्तर गतिविधि, र जाभा र नेटिभ कम्पोनेन्टहरू मार्फत दुबै जानकारी लीक ट्र्याक गर्न। यी उपकरणहरू वास्तविक संसारको मालवेयर नमूनाहरूको विश्लेषणमा प्रभावकारी साबित भएका छन् र उचित रूपमा कम प्रदर्शन ओभरहेडहरू छन्। |
05ca17ffa777f64991a8da04f2fd03880ac51236 | यस लेखमा हामी कमजोरताको हस्ताक्षर सिर्जना गर्ने समस्याको बारेमा छलफल गर्नेछौं। एक कमजोर हस्ताक्षरले दिइएको कमजोरताको सबै शोषणहरूसँग मेल खान्छ, बहुआयामिक वा मेटामोर्फिक भेरियन्टहरू पनि। हाम्रो कामले यसअघिका दृष्टिकोणहरूबाट अलग भएर प्रोग्रामको अर्थशास्त्र र प्रयोगको उदाहरणले प्रयोग गरेको कमजोरतामा ध्यान केन्द्रित गरेर प्रयोगको अर्थशास्त्र वा वाक्यरचनाको सट्टामा प्रयोग गर्दछ। हामी देखाउँछौं कि एक कमजोरताको अर्थशास्त्रले भाषा परिभाषित गर्दछ जसमा सबै र केवल ती इनपुटहरू हुन्छन् जसले कमजोरताको शोषण गर्दछ। एक कमजोर हस्ताक्षर एक प्रतिनिधित्व हो (उदाहरणका लागि, एक नियमित अभिव्यक्ति) कमजोर भाषाको। शोषण-आधारित हस्ताक्षरहरूको विपरीत जसको त्रुटि दर केवल ज्ञात परीक्षण केसहरूको लागि अनुभवजन्य रूपमा मापन गर्न सकिन्छ, एक कमजोर हस्ताक्षरको गुणस्तर सबै सम्भावित इनपुटहरूको लागि औपचारिक रूपमा मात्रात्मक गर्न सकिन्छ। हामी एक कमजोर हस्ताक्षर को एक औपचारिक परिभाषा प्रदान गर्दछौं र कमजोर हस्ताक्षर सिर्जना र मेल खाने को कम्प्यूटेशनल जटिलता को अनुसन्धान गर्दछौं। हामी पनि व्यवस्थित रूपमा कमजोर हस्ताक्षरको डिजाइन स्पेस अन्वेषण गर्छौं। हामी कमजोर-हस्ताक्षर सिर्जनामा तीन मुख्य मुद्दाहरू पहिचान गर्छौं: कसरी कमजोर हस्ताक्षरले इनपुटहरूको सेटलाई प्रतिनिधित्व गर्दछ जुन कमजोरताको प्रयोग गर्न सक्दछ, कमजोर कवरेज (अर्थात्, कमजोर प्रोग्राम पथहरूको संख्या) जुन हस्ताक्षर सिर्जनाको बखत हाम्रो विश्लेषणको अधीनमा छ, र कसरी कमजोर हस्ताक्षर त्यसपछि दिइएको प्रतिनिधित्व र कभरेजको लागि सिर्जना गरिन्छ। हामी नयाँ डाटा फ्लो विश्लेषण र विद्यमान प्रविधिहरूको उपन्यास अपनाउने प्रस्ताव गर्दछौं जस्तै स्वचालित रूपमा कमजोर हस्ताक्षर उत्पन्न गर्नका लागि प्रतिबन्ध समाधान। हामीले हाम्रो प्रविधिको परीक्षण गर्न एउटा प्रोटोटाइप प्रणाली निर्माण गरेका छौं। हाम्रो प्रयोगले देखाउँछ कि हामी स्वचालित रूपमा एउटा एक्लोट प्रयोग गरेर एउटा भेन्टिलेबिलिटी सिग्नेचर उत्पन्न गर्न सक्छौं जुन अघिल्लो एक्सप्लोट-आधारित सिग्नेचर भन्दा धेरै उच्च गुणस्तरको हुन्छ। यसबाहेक, हाम्रो प्रविधिहरू धेरै अन्य सुरक्षा अनुप्रयोगहरू छन्, र यसैले स्वतन्त्र चासोको हुन सक्छ |
6fece3ef2da2c2f13a66407615f2c9a5b3737c88 | यस लेखमा एक गतिशील नियन्त्रक संरचना र एक व्यवस्थित डिजाइन प्रक्रिया प्रस्ताव गरिएको छ जुन डिस्क्रेट-टाइम हाइब्रिड प्रणालीलाई स्थिर बनाउनका लागि हो। प्रस्तावित दृष्टिकोण नियन्त्रण Lyapunov कार्यहरु (CLFs) को अवधारणा मा आधारित छ, जो, जब उपलब्ध, एक स्थिर राज्य-फिडब्याक नियन्त्रण कानून डिजाइन गर्न प्रयोग गर्न सकिन्छ। सामान्यतया, हाइब्रिड गतिशील प्रणालीहरूको लागि सीएलएफको निर्माण जुन दुवै निरन्तर र असतत राज्यहरू समावेश गर्दछ अत्यन्त जटिल छ, विशेष गरी गैर-तर्जुमा असतत गतिशीलताको उपस्थितिमा। यसैले, हामी हाइब्रिड नियन्त्रण Lyapunov समारोह को उपन्यास अवधारणा परिचय, जो एक असतत र एक लगातार CLF को एक भाग को संरचनात्मक डिजाइन अनुमति दिन्छ, र हामी औपचारिक CLF को एक हाइब्रिड को अस्तित्व एक शास्त्रीय CLF को अस्तित्व ग्यारेन्टी भनेर प्रमाणित। हाइब्रिड प्रणालीको गतिशीलतालाई एक विशिष्ट नियन्त्रक गतिशीलतासँग विस्तार गरेर हाइब्रिड सीएलएफ संश्लेषण गर्नका लागि एक रचनात्मक प्रक्रिया प्रदान गरिएको छ। हामी देखाउँछौं कि यो संश्लेषण प्रक्रियाले गतिशील नियन्त्रकलाई निम्त्याउँछ जुन एक रिसीभिंग होराइजन कन्ट्रोल रणनीति द्वारा लागू गर्न सकिन्छ, र सम्बन्धित अप्टिमाइजेसन समस्या हाइब्रिड प्रणालीको एक सामान्य वर्गको लागि संख्यात्मक रूपमा व्यवहार्य छ, वास्तविक विश्व अनुप्रयोगहरूमा उपयोगी छ। क्लासिक हाइब्रिड रिसिडिङ होराइजन कन्ट्रोल एल्गोरिदमको तुलनामा, प्रस्तावित दृष्टिकोणले सामान्यतया बन्द-लूप प्रणालीको एसिम्प्टोटिक स्थिरताको ग्यारेन्टी गर्न छोटो भविष्यवाणी क्षितिजको आवश्यकता पर्दछ, जसले कम्प्युटेशनल बोझको कमी ल्याउँछ, दुई उदाहरणहरू मार्फत चित्रण गरिएको छ। |
3b3c153b09495e2f79dd973253f9d2ee763940a5 | मेशिन लर्निंग विधिहरूको प्रयोग अक्सर उपलब्ध लेबल डाटाको मात्रा र इनपुट डाटा भेक्टरहरूको लागि राम्रो आन्तरिक प्रतिनिधित्व र राम्रो समानता उपायहरू उत्पादन गर्न डिग्नेरको क्षमता (वा असमर्थता) द्वारा सीमित हुन्छ। यस शोधको उद्देश्य यी दुई सीमाहरूलाई कम गर्नको लागि प्रस्तावित एल्गोरिदमहरू राम्रो आन्तरिक प्रतिनिधित्वहरू र अपरिवर्तनीय सुविधा पदानुक्रमहरूबाट लेबल गरिएको डाटाबाट सिक्नु हो। यी विधिहरू परम्परागत सुपरिवेक्षित सिकाइ एल्गोरिदमहरू भन्दा बाहिर जान्छन्, र अनसुपरिवेक्षित, र अर्ध-सुपरिवेक्षित शिक्षामा निर्भर हुन्छन्। विशेष गरी, यो काम "गहिरो शिक्षा" विधिहरूमा केन्द्रित छ, जुन पदानुक्रमित मोडेलहरूलाई प्रशिक्षण दिनको लागि प्रविधि र सिद्धान्तहरूको एक सेट हो। पदानुक्रमित मोडेलहरूले सुविधा पदानुक्रमहरू उत्पादन गर्दछ जुन संक्षिप्त र कुशल तरिकामा अवलोकन गरिएको डाटा भ्यारीएबलहरू बीच जटिल गैर-रेखीय निर्भरताहरू कब्जा गर्न सक्दछ। प्रशिक्षण पछि, यी मोडहरू वास्तविक समय प्रणालीमा प्रयोग गर्न सकिन्छ किनभने तिनीहरू गैर-रेखीय रूपान्तरणको अनुक्रम मार्फत इनपुटको धेरै छिटो अगाडि प्रसारण द्वारा प्रतिनिधित्व गणना गर्दछन्। जब लेबल गरिएको डाटाको कमीले परम्परागत सुपरवाइज्ड एल्गोरिदमको प्रयोगलाई अनुमति दिदैन, पदानुक्रमको प्रत्येक तहलाई अनुक्रमिक रूपमा तलबाट सुरू गरेर अनुगमन वा अर्ध-निरीक्षण एल्गोरिदम प्रयोग गरेर प्रशिक्षण दिन सकिन्छ। एक पटक प्रत्येक तहलाई प्रशिक्षित गरिसकेपछि, सम्पूर्ण प्रणालीलाई अन्त-देखि-अन्तसम्मको तरिकामा ठीक-ट्यून गर्न सकिन्छ। हामी धेरै अनसुलझा एल्गोरिदमहरू प्रस्ताव गर्दछौं जुन त्यस्ता सुविधा पदानुक्रमहरू प्रशिक्षण गर्न भवन ब्लकको रूपमा प्रयोग गर्न सकिन्छ। हामी एल्गोरिदमहरू अनुसन्धान गर्छौं जसले विरल अति पूर्ण प्रतिनिधित्वहरू र फेरा टुरहरू उत्पादन गर्दछ जुन ज्ञात र सिकेका रूपान्तरणहरूमा अपरिवर्तनीय हुन्छन्। यी एल्गोरिदमहरू ऊर्जा- |
447ce2aecdf742cf96137f8bf7355a7404489178 | यस पत्रमा, नयाँ प्रकारको वाइडब्यान्ड सब्सट्रेट एकीकृत वेव गाइड (एसआईडब्ल्यू) गुहा-समर्थित प्याच एन्टेना र मिलिमिटर वेव (मिमीडब्ल्यू) को लागि एरे अनुसन्धान र कार्यान्वयन गरिएको छ। प्रस्तावित एन्टेना एक आयताकार प्याचबाट बनेको छ जसमा एसआईडब्ल्यू गुहा छ। ब्यान्डविथ र विकिरण दक्षता बढाउनको लागि, गुहा यसको TE210 मोडमा प्रतिध्वनि गर्न डिजाइन गरिएको छ। प्रस्तावित एन्टेनाको आधारमा, 4 × 4 एरे पनि डिजाइन गरिएको छ। प्रस्तावित एन्टेना र एरे दुवै मानक प्रिन्टेड सर्किट बोर्ड (पीसीबी) प्रक्रियामा निर्मित छन्, जसमा सपाट सर्किटसँग सजिलैसँग एकीकृत हुने फाइदा छ। एन्टेना तत्वको मापन गरिएको ब्यान्डविथ (gadgadS11gad ≤ -१० डीबी) १५% भन्दा ठूलो छ र एन्टेना एरेको ब्यान्डविथ लगभग ८.७% छ। मापन गरिएको शिखर लाभ तत्वको लागि 6.5, dBi र एरेको लागि 17.8, dBi हो, र सम्बन्धित अनुकरण गरिएको विकिरण दक्षता क्रमशः 83.9% र 74.9% हो। प्रस्तावित एन्टेना र एरे मिलिमिटर वेभ अनुप्रयोगहरूको लागि यसको व्यापक ब्यान्ड, उच्च दक्षता, कम लागत, कम प्रोफाइल, आदि को कारण आशाजनक छ। |
429d0dd7192450e2a52a8ae7f658a5d99222946e | यस लेखमा कम लागत र उच्च विकिरण दक्षता एन्टेना संरचना, समतल वेभगाइड, सब्सट्रेट एकीकृत वेभगाइड (एसआईडब्ल्यू), डाइलेक्ट्रिक रेजोनेटर एन्टेना (डीआरए) प्रस्तुत गरिएको छ। एसआईडब्ल्यू उच्च क्यू-वेव गाइड हो र डीआरए कम घाटा रेडिएटर हो, तब एसआईडब्ल्यू-डीआरए मिलिमिटर वेभ ब्यान्डमा उच्च विकिरण दक्षता संग एक उत्कृष्ट एन्टेना प्रणाली बनाउँछ, जहाँ कन्डक्टर घाटा हावी हुन्छ। एन्टेनाको प्रदर्शनमा विभिन्न एन्टेना प्यारामिटरहरूको प्रभाव अध्ययन गरिन्छ। एसआईडब्ल्यू-डीआरएका लागि प्रयोगात्मक डाटा, दुई फरक स्लट अभिमुखीकरणमा आधारित, मिलिमिटर-वेभ ब्यान्डमा प्रस्तुत गरिएको छ र हाम्रो प्रस्तावित एन्टेना मोडेललाई मान्य गर्नका लागि सिमुलेटेड एचएफएसएस परिणामहरूसँग तुलना गरिएको छ। एउटा राम्रो सम्झौता प्राप्त हुन्छ। एसआईडब्ल्यू-ड्रा एकल तत्वको लागि मापन गरिएको लाभले 5.51 डीबी, -१-डीबी अधिकतम क्रस ध्रुवीकृत विकिरण स्तर, र समग्र गणना गरिएको (एचएफएसएस प्रयोग गरेर अनुकरण गरिएको) विकिरण दक्षता 95% भन्दा बढी देखाउँदछ। |
0cb2e8605a7b5ddb5f3006f71d19cb9da960db98 | आधुनिक गहिरो न्यूरोनल नेटवर्कमा धेरै संख्यामा प्यारामिटरहरू छन्, जसले तिनीहरूलाई प्रशिक्षण गर्न धेरै गाह्रो बनाउँदछ। हामी डीएसडी, एक घन-विघटित-घन प्रशिक्षण प्रवाह, गहिरो तंत्रिका नेटवर्क नियमित गर्न र राम्रो अनुकूलन प्रदर्शन प्राप्त गर्न को लागी प्रस्ताव गर्दछौं। पहिलो चरणमा, हामी घना नेटवर्कलाई प्रशिक्षण दिन्छौं जसमा जडानको वजन र महत्व सिक्न सकिन्छ। एस (स्पार्स) चरणमा, हामी साना वजनका साथ महत्वहीन जडानहरू काटेर र स्परसिटी बाध्यता दिएर नेटवर्कलाई पुनः प्रशिक्षण दिएर नेटवर्कलाई नियमित बनाउँछौं। अन्तिम डी (पुनः घनत्व) चरणमा, हामी स्परसिटी बाधा हटाएर मोडेल क्षमता बढाउँछौं, शून्यबाट पुनः सुरु गरिएको प्यारामिटरहरू पुनः सुरु गर्दछौं र सम्पूर्ण घन नेटवर्कलाई पुनः तालिम दिन्छौं। प्रयोगहरूले देखाउँछ कि डीएसडी प्रशिक्षणले सीएनएन, आरएनएन र एलएसटीएमको विस्तृत श्रृंखलाको लागि छवि वर्गीकरण, क्याप्शन उत्पादन र भाषण मान्यताको कार्यमा प्रदर्शन सुधार गर्न सक्छ। इमेजनेटमा, डीएसडीले क्रमशः गुगललेनेटको शीर्ष १ शुद्धता १.१%, वीजीजी-१६ लाई ४.३%, रेस्नेट-१८ लाई १.२% र रेस्नेट-५० लाई १.१% ले सुधार गर्यो। डब्लुएसजे९३ डाटासेटमा डीएसडीले डीपस्पीच र डीपस्पीच२ डब्लुईआरमा २.०% र १.१% ले सुधार गरेको छ। फ्लिकर-८ के डाटासेटमा, डीएसडीले न्युरलटक ब्लु स्कोरलाई १.७ भन्दा बढीले सुधार गरेको छ। DSD अभ्यासमा प्रयोग गर्न सजिलो छ: प्रशिक्षणको समयमा, DSD ले केवल एक अतिरिक्त हाइपर-पारामिटर उत्पन्न गर्दछः S चरणमा स्परसिटी अनुपात। परीक्षणको समयमा, डीएसडीले नेटवर्क आर्किटेक्चर परिवर्तन गर्दैन वा कुनै पनि अनुमानित ओभरहेड उत्पन्न गर्दैन। डीएसडी प्रयोगहरूको लगातार र महत्त्वपूर्ण प्रदर्शन लाभले उत्तम स्थानीय इष्टतम फेला पार्नको लागि हालको प्रशिक्षण विधिहरूको अपर्याप्तता देखाउँदछ, जबकि डीएसडीले अझ राम्रो समाधान फेला पार्नको लागि प्रभावकारी रूपमा उत्कृष्ट अनुकूलन प्रदर्शन प्राप्त गर्दछ। डीएसडी मोडेलहरू https://songhan.github.io/DSD मा डाउनलोड गर्न उपलब्ध छन्। |
6fd329a1e7f513745e5fc462f146aa80c6090a1d | पहिरनयोग्य सेन्सरको प्रयोगबाट प्राप्त रेकर्डिङमा अवैध डाटाको पहिचान विशेष महत्वको छ किनकि मोबाइल बिरामीहरूबाट प्राप्त डाटा, सामान्यतया, गैर-मोबाइल बिरामीहरूबाट प्राप्त डाटा भन्दा बढी शोर हुन्छ। यस लेखमा हामी सिग्नल गुणस्तर सूचकांक (एसक्यूआई) प्रस्तुत गर्दछौं, जसको उद्देश्य पोशाक संवेदकहरूको प्रयोग गरेर संकलन गरिएको इलेक्ट्रोकार्डियोग्राम (ईसीजी) र फोटोप्लेटिसमोग्राम (पीपीजी) सिग्नलहरूबाट विश्वसनीय मुटुको दर (एचआर) प्राप्त गर्न सकिन्छ कि भनेर मूल्या to्कन गर्ने हो। एल्गोरिदमहरू म्यानुअली लेबल गरिएको डाटामा मान्य गरिएको थियो। ईसीजीमा ९४ प्रतिशत र पीपीजीमा ९१ प्रतिशत र ९५ प्रतिशत संवेदनशीलता र विशिष्टता प्राप्त भएको थियो। यसबाहेक, हामी एसक्यूआईका दुई अनुप्रयोगहरू प्रस्ताव गर्दछौं। पहिलो, हामी देखाउँछौं कि, SQI लाई ऊर्जा बचत रणनीतिको लागि ट्रिगरको रूपमा प्रयोग गरेर, ईसीजीको लागि 94% सम्म र पीपीजीको लागि 93% सम्म रेकर्डिङ समय कम गर्न सम्भव छ केवल मान्य महत्वपूर्ण संकेत डेटाको न्यूनतम हानि संग। दोस्रो, हामी देखाउँछौं कि कसरी एसक्यूआई पीपीजीबाट श्वासप्रश्वास दर (आरआर) को अनुमानमा त्रुटि कम गर्न प्रयोग गर्न सकिन्छ। यी दुवै अनुप्रयोगको प्रभावकारिता अस्पतालमा उपचाररत बिरामीहरूमा गरिएको क्लिनिकल अध्ययनबाट प्राप्त तथ्याङ्कमा आधारित थियो। |
ef8070a37fb6f0959acfcee9d40f0b3cb912ba9f | पछिल्ला तीन दशकमा सूचना प्रणाली (आईएस) अनुसन्धानमा पद्धतिगत बहुलवादको विकास भएको छ। विभिन्न विषयहरू र धेरै अनुसन्धान समुदायहरूले पनि यस छलफलमा योगदान पुर्याउँछन्। तर, एउटै अनुसन्धानको विषयमा काम गर्दा वा एउटै घटनाको अध्ययन गर्दा आपसी समझदारी कायम हुन्छ भन्ने छैन । विशेष गरी यस बहु-विषयक र अन्तर्राष्ट्रिय सन्दर्भमा, विभिन्न अनुसन्धानकर्ताहरूले गरेका ज्ञानविज्ञान धारणाहरू मौलिक रूपमा भिन्न हुन सक्छन्। यी धारणाहरूले अनुसन्धानको वैधता, विश्वसनीयता, गुणस्तर र कठोरता जस्ता अवधारणाहरू कसरी बुझिन्छ भन्नेमा ठूलो प्रभाव पार्दछ। यस प्रकार, ज्ञानविज्ञानका मान्यताहरूको व्यापक प्रकाशन, प्रभावमा, लगभग अनिवार्य छ। यसैले, यस कागजको उद्देश्य एक ज्ञानकोषीय ढाँचा विकास गर्नु हो जुन आईएस अनुसन्धानमा ज्ञानकोषीय धारणाहरूको व्यवस्थित विश्लेषणको लागि प्रयोग गर्न सकिन्छ। यस अनुसन्धानले आईएस अनुसन्धानका प्रतिमानहरूको पहिचान र वर्गीकरण गर्ने प्रयास गर्नुको सट्टा, आईएसको सन्दर्भमा ज्ञानविज्ञानको व्यापक छलफल गर्ने लक्ष्य राख्दछ। यसले विभिन्न आईएस दृष्टिकोण र विधिहरू बीच समानताहरू र भिन्नताहरू पहिचान गर्न आधार निर्माण गर्न योगदान पुर्याउँछ। ज्ञानकोषीय ढाँचा प्रदर्शन गर्नका लागि, अवधारणागत मोडलि toको लागि सहमति-उन्मुख व्याख्यावादी दृष्टिकोणलाई उदाहरणको रूपमा प्रयोग गरिन्छ। |
25e989b45de04c6086364b376d29ec11008360a3 | मानवले विकासको प्रारम्भिक चरणमा नै आफ्नो सबैभन्दा आधारभूत भौतिक अवधारणाहरू प्राप्त गर्दछ, र जीवनभरि नै आफ्नो सहज भौतिक विज्ञानलाई समृद्ध र विस्तार गर्न जारी राख्छ किनकि तिनीहरू अधिक र विविध गतिशील वातावरणमा पर्दछन्। हामी एक पदानुक्रमित बेयसियन ढाँचा परिचय गर्दछौं मानिसहरूले कसरी धेरै स्तरहरूमा भौतिक मापदण्डहरू सिक्न सक्छन् भनेर व्याख्या गर्न। सिद्धान्त अधिग्रहणको अघिल्लो बेइजियन मोडेलहरूको विपरीत (टेन्नेनबाउम, केम्प, ग्रिफिथ्स, र गुडम्यान, २०११), हामी अधिक अभिव्यक्त सम्भावनावादी कार्यक्रम प्रतिनिधित्वहरूसँग काम गर्छौं जुन समयको साथ गतिशील दृश्यहरूमा वस्तुहरू कसरी अन्तरक्रिया गर्दछन् भन्ने कुराको नियन्त्रण गर्ने शक्ति र गुणहरू सिक्नको लागि उपयुक्त छ। हामीले हाम्रो मोडेललाई मानव सिक्नेहरूसँग तुलना गर्यौं, जसले एउटा चुनौतीपूर्ण कार्यमा धेरै भौतिक मापदण्डहरूको अनुमान लगाएका थिए, छोटो चलचित्रहरू दिएर। यो कार्यले मानिसहरूलाई एकसाथ धेरै अन्तरक्रियाशील भौतिक नियम र गुणहरूको बारेमा तर्क गर्न आवश्यक छ। [पृष्ठ २३-मा भएको चित्र] तर तिनीहरू पनि प्रणालीगत त्रुटिहरू बनाउँछन् जुन अनुमानहरू मानिसहरूले सीमित कम्प्युटेशनल स्रोतहरूसँग यो कम्प्युटेशनल रूपमा माग समस्या समाधान गर्नका लागि बनाउन सक्छन्। हामी दुई अनुमान प्रस्ताव गर्छौं जसले माथिबाट तल बेयसियन दृष्टिकोणलाई पूरक बनाउँछ। एक अनुमानित मोडेल अधिक तल-माथि सुविधा-आधारित अनुमान योजनामा निर्भर गर्दछ। दोस्रो अनुमानले भौतिक-पैरामीटर स्पेसमा खोजीको लागि यसको बिन्दुको रूपमा सुविधा-आधारित अनुमानलाई लिएर तल-माथि र माथि-तल दृष्टिकोणहरूको शक्तिलाई जोड्दछ। |
6f0144dc7ba19123ddce8cdd4ad0f6dc36dd4ef2 | अन्तर्राष्ट्रिय दिशानिर्देशहरूले यौवनको अवरोध गर्नको लागि लिंग डिस्फोरिया (जीडी) भएका किशोर-किशोरीहरूमा गोनाडोट्रोपिन-रिलीजिङ हर्मोन (जीएनआरएच) एगोनिस्टहरूको प्रयोग सिफारिस गर्दछ। यौन दुर्व्यवहारका किशोर किशोरीहरूले यस प्रारम्भिक चिकित्सा हस्तक्षेपको बारेमा सोच्ने तरिकाको बारेमा थोरै मात्र थाहा छ। यस अध्ययनको उद्देश्य थियो (१) नेदरल्याण्ड्समा लैंगिक विभेद भएका किशोरकिशोरीहरूको यौवनको दमनको प्रयोगको बारेमा विचारहरू स्पष्ट पार्नु; (२) लैंगिक विभेद भएका किशोरकिशोरीहरूको विचारहरू उपचार टोलीमा काम गर्ने पेशेवरहरूको भन्दा फरक छन् कि भनेर अन्वेषण गर्न, र यदि हो भने कुन अर्थमा। यो गुणात्मक अध्ययन थियो जुन लैंगिक विभेद भएका किशोर किशोरीहरूको प्रारम्भिक उपचारको बारेमा विचारहरू पहिचान गर्न डिजाइन गरिएको थियो। सबै १३ किशोरहरूलाई, एक बाहेक, यौवनको दमनको साथ उपचार गरिएको थियो; पाँच किशोरहरू ट्रान्स केटीहरू थिए र आठ ट्रान्स केटाहरू थिए। उनीहरूको उमेर १३ देखि १८ वर्षसम्म थियो, जसको औसत उमेर १६ वर्ष ११ महिना र औसत उमेर १७ वर्ष ४ महिना थियो । त्यसपछि, किशोरहरूको विचारलाई जीडीको उपचार गर्ने चिकित्सकहरूको विचारसँग तुलना गरियो। लैङ्गिक विभेद भएका किशोर किशोरीहरूसँगको अन्तर्वार्ताबाट तीनवटा विषयहरू देखा पर्यो: (१) यौवनको दमन सुरु गर्नको लागि उपयुक्त उमेर सीमा के हो भनेर निर्धारण गर्न कठिनाई। अधिकांश किशोरकिशोरीहरूले उपयुक्त उमेर सीमा परिभाषित गर्न कठिन महसुस गरे र यसलाई दुविधाको रूपमा देखे; (2) यौवनको दमनको दीर्घकालीन प्रभावहरूमा डाटाको अभाव। अधिकांश किशोरहरूले भने कि दीर्घकालीन डेटाको अभावले उनीहरूलाई यौवनको दमन गर्न रोक्दैन र रोक्दैन; (3) सामाजिक सन्दर्भको भूमिका, जसको लागि दुई उप-विषयहरू थिएः (a) बढ्दो मिडिया-ध्यान, टेलिभिजनमा, र इन्टरनेटमा; (b) एक थोपरेको स्टेरियोटाइप। केही किशोर किशोरीहरू सामाजिक सन्दर्भको भूमिकाको बारेमा सकारात्मक थिए, तर अरूले यसको बारेमा शंका व्यक्त गरे। क्लिनिक डाक्टरहरूको तुलनामा किशोर-किशोरीहरू उपचारको दृष्टिकोणमा प्रायः बढी सतर्क थिए। यो महत्वपूर्ण छ कि लैंगिक dysphoric किशोरहरूलाई आवाज दिनुहोस् जब GD मा यौवनको दमनको प्रयोगको बारेमा छलफल गर्दा। [पृष्ठ २३-मा भएको चित्र] हामी अन्य देशका लैङ्गिक विभेद भएका किशोरकिशोरीहरूको गुणात्मक अनुसन्धान डाटा संकलन गर्न प्रोत्साहित गर्दछौं। |
446573a346acdbd2eb8f0527c5d73fc707f04527 | |
6e6f47c4b2109e7824cd475336c3676faf9b113e | हामी यो मान्छौ कि दृश्य वर्णनात्मक भाषाले कम्प्युटर दृष्टि अनुसन्धानकर्ताहरुलाई दुबै जानकारी प्रदान गर्दछ संसारको बारेमा, र जानकारी कसरी मानिसहरु संसारको वर्णन गर्छन्। यस स्रोतबाट हुने सम्भावित लाभ आज सजिलै उपलब्ध भाषा डेटाको विशाल मात्राको कारण अधिक महत्त्वपूर्ण बनाइएको छ। हामी एउटा प्रणाली प्रस्तुत गर्छौं जसले स्वचालित रूपमा प्राकृतिक भाषाको वर्णनहरू सिर्जना गर्दछ जुन छविहरूबाट दुबै तथ्याङ्कहरूको शोषण गर्दछ जुन ठूलो मात्रामा पाठ डेटाको विश्लेषणबाट र कम्प्युटर भिजनबाट पहिचान एल्गोरिदमबाट प्राप्त हुन्छ। यो प्रणाली छविहरूको लागि सान्दर्भिक वाक्यहरू उत्पादन गर्न धेरै प्रभावकारी छ। यसले वर्णनहरू पनि उत्पन्न गर्दछ जुन विशेष रूपमा अघिल्लो कार्यको तुलनामा विशिष्ट छवि सामग्रीमा बढी सत्य छ। |
9a0fff9611832cd78a82a32f47b8ca917fbd4077 | |
9e5a13f3bc2580fd16bab15e31dc632148021f5d | यस कागजमा कम प्रोफाइल सब्सट्रेट एकीकृत वेव गाइड (एसआईडब्ल्यू) गुहा-समर्थित स्लट एन्टेनाको ब्यान्डविथ बृद्धि गरिएको विधि प्रस्तुत गरिएको छ। ब्यान्डविथ वृद्धि एसआईडब्ल्यू-समर्थित गुहामा दुई हाइब्रिड मोडहरू एकै साथ उत्तेजित गरेर र तिनीहरूलाई आवश्यक आवृत्ति दायरा भित्र मर्ज गरेर प्राप्त गरिन्छ। यी दुई हाइब्रिड मोडहरू, जसको प्रमुख क्षेत्रहरू एसआईडब्ल्यू गुहाको विभिन्न आधा भागहरूमा अवस्थित छन्, र अनुनादहरूको दुई फरक संयोजनहरू हुन्। यो डिजाइन विधि प्रयोगद्वारा प्रमाणित गरिएको छ। यसअघि प्रस्तुत गरिएको एसआईडब्ल्यू गुहा-समर्थित स्लट एन्टेनाको तुलनामा प्रस्तावित एन्टेनाको आंशिक प्रतिरोध ब्यान्डविथ १.४ प्रतिशतबाट बढाएर ६.३ प्रतिशत बनाइएको छ। यसको लाभ र विकिरण दक्षता पनि ६.० डीबीआई र ९० प्रतिशतमा सुधार गरिएको छ। प्रस्तावित एन्टेनामा क्रस पोलराइजेसनको स्तर कम र अगाडि-पछाडि अनुपात उच्च छ। यसले अझै पनि कम प्रोफाइल, कम निर्माण लागत, र सपाट सर्किटको साथ सजिलो एकीकरणको फाइदाहरू राख्दछ। |
4c68e7eff1da14003cc7efbfbd9a0a0a3d5d4968 | कार्यान्वयन विज्ञानले कसरी र किन कार्यान्वयन सफल हुन्छ वा असफल हुन्छ भन्ने कुराको राम्रो बुझाइ र व्याख्या प्रदान गर्न सैद्धान्तिक दृष्टिकोणको बढ्दो प्रयोगतर्फ प्रगति गरेको छ। यस लेखको उद्देश्य कार्यान्वयन विज्ञानमा विभिन्न प्रकारका सिद्धान्त, मोडेल र फ्रेमवर्कहरू बीच भिन्नता राख्ने वर्गीकरणको प्रस्ताव गर्नु हो, कार्यान्वयन अनुसन्धान र अभ्यासमा सान्दर्भिक दृष्टिकोणहरूको उचित चयन र अनुप्रयोगलाई सुविधा पुर्याउन र कार्यान्वयन अनुसन्धानकर्ताहरू बीच क्रस-अनुशासनात्मक संवादलाई बढावा दिन। कार्यान्वयन विज्ञानमा प्रयोग हुने सैद्धान्तिक दृष्टिकोणको तीनवटा मुख्य उद्देश्यहरू छन्: अनुसन्धानलाई व्यवहारमा रूपान्तरण गर्ने प्रक्रियाको वर्णन र/वा मार्गदर्शन गर्ने (प्रक्रिया मोडेलहरू); कार्यान्वयन परिणामहरूलाई के प्रभाव पार्छ भन्ने कुरा बुझ्ने र/वा व्याख्या गर्ने (निर्धारक ढाँचाहरू, क्लासिक सिद्धान्तहरू, कार्यान्वयन सिद्धान्तहरू); र कार्यान्वयनको मूल्यांकन गर्ने (मूल्यांकन ढाँचाहरू) । यस लेखमा तीनवटा मुख्य उद्देश्यहरू प्राप्त गर्न पाँच प्रकारका सैद्धान्तिक दृष्टिकोणहरू प्रस्ताव गरिएको छ। यी वर्गहरू साहित्यमा सधैँ अलग प्रकारका दृष्टिकोणहरूको रूपमा मान्यता प्राप्त हुँदैनन्। केही सिद्धान्त, मोडेल र ढाँचाहरू एक अर्कामा मिल्दोजुल्दो भए पनि, फरक-फरकका बारेमा सजग हुनु उपयुक्त दृष्टिकोणहरूको चयनलाई सजिलो बनाउन महत्त्वपूर्ण छ। अधिकांश निर्धारक ढाँचाहरूले कार्यान्वयन प्रयासहरू पूरा गर्न सीमित "कसरी गर्ने" समर्थन प्रदान गर्दछ किनकि निर्धारकहरू प्रायः कार्यान्वयन प्रक्रियालाई मार्गदर्शन गर्न पर्याप्त विवरण प्रदान गर्न धेरै सामान्य हुन्छन्। र यद्यपि अनुसन्धानलाई व्यवहारमा रूपान्तरण गर्नका लागि अवरोधहरू र सक्षमकर्ताहरूलाई सम्बोधन गर्ने सान्दर्भिकता धेरै प्रक्रिया मोडेलहरूमा उल्लेख गरिएको छ, यी मोडेलहरूले कार्यान्वयन सफलतासँग सम्बन्धित विशिष्ट निर्धारकहरूलाई पहिचान वा व्यवस्थित संरचना गर्दैन। यसबाहेक, प्रक्रिया मोडेलहरूले कार्यान्वयन प्रयासहरूको एक समय अनुक्रमलाई मान्यता दिन्छ, जबकि निर्धारक फ्रेमवर्कले स्पष्ट रूपमा कार्यान्वयनको प्रक्रिया परिप्रेक्ष्य लिदैन। |
00a7370518a6174e078df1c22ad366a2188313b5 | अप्टिकल प्रवाहको गणना स्थानीय रूपमा गर्न सकिँदैन, किनकि छवि अनुक्रमबाट एक बिन्दुमा केवल एक स्वतन्त्र मापन उपलब्ध छ, जबकि प्रवाह वेगमा दुई घटकहरू छन्। दोस्रो बाध्यता आवश्यक छ। प्रकाश प्रवाह ढाँचा खोज्नको लागि एक विधि प्रस्तुत गरिएको छ जसले मान्दछ कि चमक ढाँचाको स्पष्ट वेग छविमा लगभग सबै ठाउँमा सहज रूपमा भिन्न हुन्छ। एक पुनरावर्ती कार्यान्वयन देखाइएको छ जसले सफलतापूर्वक धेरै सिंथेटिक छवि अनुक्रमहरूको लागि अप्टिकल प्रवाह गणना गर्दछ। यो एल्गोरिथ्म बलियो छ किनकि यसले छवि अनुक्रमहरू सम्हाल्न सक्छ जुन ठाउँ र समयमा कडा रूपमा क्वान्टिज गरिएको छ। यो पनि चमक स्तर र थपिएको हल्ला को quantization गर्न असंवेदनशील छ। उदाहरणहरू समावेश गरिएका छन् जहाँ छविमा एकल बिन्दुहरूमा वा रेखाहरूमा चिकनाईको धारणा उल्ल .्घन गरिएको छ। |
2315fc6c2c0c4abd2443e26a26e7bb86df8e24cc | हामीले एउटा ठूलो, गहिरो संवृतिक तंत्रिका सञ्जाललाई ImageNet LSVRC-2010 प्रतियोगितामा १.२ मिलियन उच्च रिजोल्युसन छविहरूलाई वर्गीकरण गर्नका लागि प्रशिक्षण दियौं, १००० विभिन्न वर्गमा। परीक्षण डेटामा हामीले क्रमशः ३७.५ प्रतिशत र १७.० प्रतिशतको शीर्ष-१ र शीर्ष-५ त्रुटि दर प्राप्त गरेका छौं, जुन अघिल्लो अत्याधुनिक अवस्थाभन्दा धेरै राम्रो छ। न्यूरल नेटवर्क, जसमा ६० मिलियन प्यारामिटर र ६५०,००० न्यूरोनहरू छन्, पाँच कन्भोल्भ्युसनल लेयरहरू छन्, जसमध्ये केहीलाई अधिकतम-पूलिंग लेयरहरू द्वारा अनुसरण गरिएको छ, र तीन पूर्ण रूपमा जडित लेयरहरू अन्तिम १०००-मार्ग सफ्टम्याक्सको साथ। तालिमलाई छिटो बनाउन हामीले न्युरोनलाई नपुगेको र गिपुलाई प्रयोग गरेर कन्भोल्युसन अपरेशनलाई प्रभावकारी बनायौं। पूर्ण रूपमा जोडिएका तहहरूमा अति फिटिंग कम गर्न हामीले हालै विकसित नियमितकरण विधि प्रयोग गर्यौं जसलाई "ड्रपआउट" भनिन्छ जुन धेरै प्रभावकारी साबित भयो। हामीले यस मोडेलको एउटा भेरियन्टलाई आईएलएसवीआरसी २०१२ प्रतियोगितामा पनि प्रवेश गरायौं र दोस्रो उत्कृष्ट प्रविष्टिले प्राप्त गरेको २६.२% को तुलनामा १५.३% को शीर्ष-पाँच परीक्षण त्रुटि दर प्राप्त गर्यौं। |
1bc49abe5145055f1fa259bd4e700b1eb6b7f08d | हामी SummaRuNNer, कागजातहरूको निकासी सारांशका लागि रिकर्सिभ न्यूरल नेटवर्क (आरएनएन) आधारित अनुक्रम मोडेल प्रस्तुत गर्दछौं र देखाउँदछौं कि यसले राज्य-को-कला भन्दा राम्रो प्रदर्शन वा तुलनात्मक प्रदर्शन गर्दछ। हाम्रो मोडेलको अतिरिक्त लाभ यो छ कि यो धेरै व्याख्या योग्य छ, किनकि यसले यसको भविष्यवाणीहरूको दृश्यलाई अमूर्त सुविधाहरू जस्तै सूचना सामग्री, प्रख्यातता र नवीनता द्वारा विभाजित गर्न अनुमति दिन्छ। हाम्रो कामको अर्को उपन्यास योगदान हाम्रो निकासी मोडेलको अमूर्त प्रशिक्षण हो जुन केवल मानव उत्पन्न सन्दर्भ सारांशहरूमा प्रशिक्षण गर्न सक्दछ, वाक्य-स्तरको निकासी लेबलहरूको आवश्यकतालाई हटाउँदै। |
3e4bd583795875c6550026fc02fb111daee763b4 | यस लेखमा, हामी गहिरो न्यूरल नेटवर्क प्रयोग गर्छौं अनुहारको स्केचलाई उल्ट्याउनका लागि फोटो यथार्थवादी अनुहारको छवि बनाउनका लागि। हामीले पहिले एउटा अर्ध-अनुकरण डाटासेट निर्माण गर्यौं जसमा धेरै संख्यामा कम्प्युटरद्वारा निर्मित अनुहार स्केचहरू विभिन्न शैलीहरू र अनुहार छविहरूसँग विद्यमान अप्रबन्धित अनुहार डाटासेटहरू विस्तार गरेर समावेश छन्। त्यसपछि हामी मोडेलहरूलाई तालिम दिन्छौं जसले कम्प्युटरद्वारा उत्पन्न स्केच र हातले खिचेको स्केच दुवैमा अत्याधुनिक नतिजा प्राप्त गर्दछन् गहिरो शिक्षामा हालैका प्रगतिहरू जस्तै ब्याच सामान्यीकरण, गहिरो अवशिष्ट शिक्षा, अवधारणात्मक घाटा र स्टोकास्टिक अप्टिमाइजेसनको प्रयोग गरेर हाम्रो नयाँ डाटासेटको संयोजनमा। हामी अन्ततः हाम्रा मोडेलहरूको सम्भावित अनुप्रयोगहरू प्रदर्शन गर्छौं ललित कला र फोरेंसिक कलामा। विद्यमान प्याच-आधारित दृष्टिकोणहरूको विपरीत, हाम्रो गहिरो-न्युरोन नेटवर्क-आधारित दृष्टिकोणलाई फोटो-यथार्थवादी अनुहार छविहरू संश्लेषण गर्न प्रयोग गर्न सकिन्छ। |
2fd9f4d331d144f71baf2c66628b12c8c65d3ffb | वर्गीकरण विधिमा हालैको सबैभन्दा महत्त्वपूर्ण विकासहरूमध्ये एक हो। प्रशिक्षण डेटाको पुनः वजन गरिएका संस्करणहरूमा क्रमशः वर्गीकरण एल्गोरिथ्म लागू गरेर र त्यसपछि यसरी उत्पादित वर्गीकरणकर्ताहरूको अनुक्रमको वजन बहुमत भोट लिई काम गर्दछ। धेरै वर्गीकरण एल्गोरिदमहरूको लागि, यो सरल रणनीतिले प्रदर्शनमा नाटकीय सुधार ल्याउँछ। हामी यो रहस्यमय घटनालाई तथ्याङ्कको प्रसिद्ध सिद्धान्तहरू अर्थात् थपात्मक मोडेलिङ र अधिकतम सम्भावनाको आधारमा बुझ्न सकिन्छ भन्ने देखाउँछौं। दुई वर्ग समस्याको लागि, अधिकतम बर्नौली सम्भावनालाई मापदण्डको रूपमा प्रयोग गरेर, लोजिस्टिक स्केलमा एडिटिभ मोडलिङको अनुमानको रूपमा बूस्टिङलाई हेर्न सकिन्छ। हामी अधिक प्रत्यक्ष अनुमानहरू विकास गर्छौं र देखाउँछौं कि उनीहरूले लगभग उस्तै परिणामहरू प्रदर्शन गर्दछन्। बहुपद सम्भावनामा आधारित प्रत्यक्ष बहुवर्गीय सामान्यीकरणहरू व्युत्पन्न हुन्छन् जसले हालसालै प्रस्तावित अन्य बहुवर्गीय सामान्यीकरणहरूको तुलनामा प्रदर्शन प्रदर्शन गर्दछ जुन प्रायः अवस्थाहरूमा बढावा दिन्छ, र केहीमा धेरै उच्च छ। हामी सुझाव दिन्छौं कि बढावामा एउटा सानो परिमार्जन गरियोस् जसले गणनालाई कम गर्न सक्छ, प्रायः १० देखि ५० को कारकले। अन्तमा, हामी यी अन्तरदृष्टिलाई निर्णय रूखलाई बढावा दिने वैकल्पिक सूत्रको उत्पादन गर्न प्रयोग गर्छौं। यो दृष्टिकोण, सर्वश्रेष्ठ-पहिलो ट्रंक गरिएको रूख प्रेरणमा आधारित छ, प्रायः राम्रो प्रदर्शनको लागि नेतृत्व गर्दछ, र समग्र निर्णय नियमको व्याख्यायोग्य वर्णनहरू प्रदान गर्न सक्दछ। यो कम्प्युटिङका हिसाबले पनि धेरै छिटो छ, जसले यसलाई ठूलो मात्रामा डाटा माइनिङ अनुप्रयोगका लागि उपयुक्त बनाउँछ। |
573ae3286d050281ffe4f6c973b64df171c9d5a5 | हामी धेरै प्रकारका वस्तुहरू अव्यवस्थित दृश्यहरूमा पत्ता लगाउने समस्यालाई विचार गर्छौं। परम्परागत दृष्टिकोणले छविमा बिभिन्न वर्गीकरणकर्ताहरूको ब्याट्री लागू गर्न आवश्यक छ, बहु स्थान र मापनमा। यो ढिलो हुन सक्छ र धेरै प्रशिक्षण डाटाको आवश्यकता पर्दछ किनकि प्रत्येक वर्गीकरणकर्तालाई धेरै फरक छवि सुविधाहरूको गणनाको आवश्यकता पर्दछ। विशेष गरी, स्वतन्त्र रूपमा प्रशिक्षित डिटेक्टरहरूको लागि, (रनटाइम) कम्प्यूटेशनल जटिलता र (प्रशिक्षण-समय) नमूना जटिलता स्केल पत्ता लगाउनको लागि वर्गहरूको संख्याको साथ रैखिक रूपमा। हामी एक बहु-कार्य सिकाउने प्रक्रिया प्रस्तुत गर्दछौं, जुन निर्णय स्टम्पहरूमा आधारित छ, जसले कम्प्युटेशनल र नमूना जटिलतालाई कम गर्दछ जुन सामान्य सुविधाहरू फेला पार्न सकिन्छ जुन कक्षाहरू (र / वा दृश्यहरू) मार्फत साझा गर्न सकिन्छ। प्रत्येक वर्गका डिटेक्टरहरूलाई स्वतन्त्र रूपमा भन्दा संयुक्त रूपमा प्रशिक्षण दिइन्छ। दिइएको प्रदर्शन स्तरको लागि, आवश्यक सुविधाहरूको कुल संख्या र, यसैले, वर्गीकरणकर्ताको रनटाइम लागत, कक्षाको संख्याको साथ लगभग लगारिथमिक रूपमा मापन गर्न अवलोकन गरिन्छ। संयुक्त प्रशिक्षणमा चयन गरिएका विशेषताहरू सामान्य किनारा-जस्तो विशेषताहरू हुन्, जबकि प्रत्येक वर्गलाई छुट्टै प्रशिक्षण दिएर चयन गरिएका विशेषताहरू अधिक वस्तु-विशिष्ट हुन्छन्। जेनेरिक सुविधाहरू राम्रो सामान्यीकरण र बहु-वर्ग वस्तु पत्ता लगाउने कम्प्युटेशनल लागतलाई कम गर्दछ |
1e75a3bc8bdd942b683cf0b27d1e1ed97fa3b4c3 | ग्यासियन प्रक्रियाहरूले राज्य अन्तरिक्ष मोडेलहरूमा अज्ञात गतिशीलताको पूर्व धारणाहरूको लचिलो विशिष्टताको लागि अनुमति दिन्छ। हामी ग्यासियन प्रक्रिया राज्य अन्तरिक्ष मोडेलमा कुशल बेइजियन शिक्षाको लागि एक प्रक्रिया प्रस्तुत गर्दछौं, जहाँ प्रतिनिधित्व पूर्ववर्ती सह-विभेदक संरचनाबाट प्राप्त अनुमानित इजेनफंक्शनहरूको सेटमा समस्या प्रक्षेपण गरेर गठन गरिन्छ। मोडेलको यस परिवार अन्तर्गत सिक्ने सावधानीपूर्वक बनाइएको कण MCMC एल्गोरिथ्म प्रयोग गरेर गर्न सकिन्छ। यो योजना कम्प्युटिङ कुशल छ र अझै समस्याको पूर्ण बेयसियन उपचारको लागि अनुमति दिन्छ। परम्परागत प्रणाली पहिचान उपकरण वा विद्यमान सिकाउने विधिहरूको तुलनामा, हामी प्रतिस्पर्धी प्रदर्शन र मोडेलमा अनिश्चितताको विश्वसनीय मात्रा प्रदर्शन गर्दछौं। |
142a799aac35f3b47df9fbfdc7547ddbebba0a91 | हामी रंग डेटामा मोडेल आधारित ६ डी पोज परिष्कृत गर्नका लागि एक नयाँ दृष्टिकोण प्रस्तुत गर्दछौं। कन्टूरमा आधारित पोज ट्र्याकिङको सिद्धान्तमा आधारित, हामी गहिरो न्यूरोल नेटवर्कलाई अनुवाद र घुमाउरो अपडेटको भविष्यवाणी गर्न सिकाउँछौं। मूलतः, हामी नयाँ दृश्य हानि प्रस्ताव गर्छौं जसले वस्तुको आकृतिलाई पङ्क्तिबद्ध गरेर पोज अपडेटलाई चलाउँछ, यस प्रकार कुनै स्पष्ट उपस्थिति मोडेलको परिभाषाबाट बच्न सकिन्छ। यसअघिको कामको विपरीत हाम्रो विधि पत्राचार-मुक्त, विभाजन-मुक्त, ओक्ल्युसनलाई सम्हाल्न सक्छ र ज्यामितीय समरूपताका साथै दृश्य अस्पष्टताहरूमा पनि अज्ञेयवादी छ। यसबाहेक, हामी कडा आरम्भिकरण तिर एक बलियो बलियोता अवलोकन गर्दछौं। यो दृष्टिकोण वास्तविक समयमा चल्न सक्छ र 3D ICP नजिक आउने पोज सटीकता उत्पादन गर्दछ जुन गहिराई डेटाको आवश्यकता बिना नै हुन्छ। यसबाहेक, हाम्रो सञ्जालहरू विशुद्ध सिंथेटिक डाटाबाट प्रशिक्षित छन् र http://campar.in.tum मा परिष्कृत कोडको साथ प्रकाशित हुनेछन्। de/Main/FabianManhardt पुनरुत्पादन सुनिश्चित गर्नका लागि । |
046bf6fb90438335eaee07594855efbf541a8aba | शहरीकरणको तीव्र प्रगतिले धेरै मानिसहरूको जीवनलाई आधुनिक बनाएको छ तर यसले ठूलो समस्याहरू पनि उत्पन्न गरेको छ, जस्तै यातायातको चाप, ऊर्जाको खपत, र प्रदूषण। शहरी कम्प्युटिङले यी मुद्दाहरूलाई सहरहरूमा उत्पन्न गरिएको डाटा (जस्तै, ट्राफिक प्रवाह, मानव गतिशीलता, र भौगोलिक डाटा) को प्रयोग गरेर सम्बोधन गर्ने लक्ष्य राख्दछ। शहरी कम्प्युटिङले शहरी संवेदन, डाटा व्यवस्थापन, डाटा एनालिटिक्स, र सेवा प्रदान गर्नेलाई मानिसको जीवन, शहर सञ्चालन प्रणाली, र वातावरणको एक अनौठो र निरन्तर सुधारको लागि एक आवर्ती प्रक्रियामा जोड्दछ। शहरी कम्प्युटिङ एउटा अन्तर-अनुशासनात्मक क्षेत्र हो जहाँ कम्प्युटर विज्ञानले पारम्परिक शहर-सम्बन्धित क्षेत्रहरू जस्तै यातायात, सिभिल इन्जिनियरिङ, वातावरण, अर्थशास्त्र, पारिस्थितिकी, र समाजशास्त्रलाई शहरी स्थानको सन्दर्भमा भेट्दछ। यस लेखमा सर्वप्रथम शहरी कम्प्युटिङको अवधारणा प्रस्तुत गरिएको छ, यसको सामान्य ढाँचा र कम्प्युटर विज्ञानको दृष्टिकोणबाट प्रमुख चुनौतीहरूको बारेमा छलफल गरिएको छ। दोस्रो, हामी शहरी कम्प्युटिङका अनुप्रयोगहरूलाई सात वर्गमा वर्गीकृत गर्छौं, जसमा शहरी योजना, यातायात, वातावरण, ऊर्जा, सामाजिक, अर्थव्यवस्था, र सार्वजनिक सुरक्षा र सुरक्षा समावेश छन्, प्रत्येक वर्गमा प्रतिनिधि परिदृश्य प्रस्तुत गर्दै। तेस्रो, हामी शहरी कम्प्युटिङमा आवश्यक प्रविधिलाई चार भागमा बाँड्छौं, जुन शहरी अनुभूति, शहरी डाटा व्यवस्थापन, विविधीकृत डाटामा ज्ञानको संयोजन, र शहरी डाटाको दृश्यता हो। अन्तमा, हामी शहरी कम्प्युटिङको भविष्यको बारेमा एउटा दृष्टिकोण दिन्छौं, केही अनुसन्धान विषयहरू सुझाव दिन्छौं जुन समुदायमा केही हदसम्म हराइरहेको छ। |
970b4d2ed1249af97cdf2fffdc7b4beae458db89 | हरेक दिन झण्डै एक अर्ब अनलाइन भिडियोहरू हेरिएकाले, कम्प्युटर भिजन अनुसन्धानमा एउटा नयाँ क्षेत्रको उदय भइरहेको छ, भिडियोमा पहिचान र खोज। हजारौं छवि कोटीहरू समावेश गर्ने ठूला स्केलेबल स्थिर छवि डाटासेटहरूको संग्रह र एनोटेशनमा धेरै प्रयासहरू समर्पित गरिएको छ, मानव कार्य डाटासेटहरू धेरै पछाडि छन्। हालको कार्य पहिचान डेटाबेसमा दशवटा विभिन्न कार्य वर्गहरू छन् जुन पर्याप्त नियन्त्रित परिस्थितिहरूमा संकलन गरिएको छ। यी डाटासेटमा अत्याधुनिक प्रदर्शन अहिले सीमाना नजिक छ र यसैले नयाँ बेन्चमार्कहरूको डिजाइन र सिर्जनाको आवश्यकता छ। यो समस्या समाधान गर्न हामीले अहिलेसम्मको सबैभन्दा ठूलो एक्शन भिडियो डाटाबेस संकलन गरेका छौं जसमा ५१ वटा एक्शन श्रेणीहरू छन्, जसमा कुल मिलाएर लगभग ७,००० म्यानुअली एनोटेट गरिएका क्लिपहरू छन् जुन विभिन्न स्रोतहरूबाट निकालेका छन्, डिजिटाइज्ड चलचित्रदेखि युट्युबसम्म। हामी यो डेटाबेसको प्रयोग दुई प्रतिनिधि कम्प्युटर भिजन प्रणालीको कार्यसम्पादनको मूल्यांकन गर्नका लागि गर्छौं र यी विधिहरूको बलियोतालाई विभिन्न परिस्थितिहरूमा जस्तै क्यामेरा गति, दृश्य बिन्दु, भिडियो गुणस्तर र ओक्ल्युसनमा अन्वेषण गर्छौं। |
3087289229146fc344560478aac366e4977749c0 | हालै सूचना सिद्धान्तलाई प्रयोग गरी मानिसको क्षमतालाई केही संवेदी, अनुभूति र अनुभूति-मोटर कार्यहरूमा अझ बढी सटीक रूपमा परिभाषित गर्न सम्भव भएको छ (५, १०, १३, १५, १७, १८) । यस लेखमा उल्लेख गरिएका प्रयोगहरूले यस सिद्धान्तलाई मानव मोटर प्रणालीमा विस्तार गरेका छन्। यस समयमा केवल आधारभूत अवधारणाको प्रयोग योग्यता, सूचनाको मात्रा, शोर, च्यानल क्षमता र सूचना प्रसारणको दरको मात्र जाँच गरिनेछ। हालका लेखकहरू (४,११,२०,२२) द्वारा तयार गरिएका यी अवधारणाहरूसँग सामान्य परिचितता मानिन्छ। सटिक रुपमा भन्नुपर्दा, हामी मानवको मोटर प्रणालीको अध्ययन गर्न सक्दैनौं व्यवहारको स्तरमा यसको सम्बन्धित संवेदी संयन्त्रहरूबाट अलग। हामी केवल सम्पूर्ण रिसेप्टर-न्युरल-इफेक्टर प्रणालीको व्यवहारको विश्लेषण गर्न सक्छौं। कसरी- |
64305508a53cc99e62e6ff73592016d0b994afd4 | आरडीएफलाई अर्थपूर्ण वेब र डाटा आदानप्रदानको लागि डाटा एन्कोड गर्न बढ्दो प्रयोग भइरहेको छ। आरडीएफ डाटा व्यवस्थापन सम्बन्धी धेरै कामहरू विभिन्न दृष्टिकोणहरू अनुसरण गर्दै आएका छन्। यस लेखमा हामी यी कार्यहरूको एक सिंहावलोकन प्रदान गर्दछौं। यस समीक्षामा केन्द्रीकृत समाधानहरू (जसलाई गोदाम दृष्टिकोण भनिन्छ), वितरित समाधानहरू, र लिंक गरिएको डाटाको लागि क्वेरी गर्न विकसित गरिएको प्रविधिहरू विचार गरिन्छ। प्रत्येक वर्गमा थप वर्गीकरणहरू प्रदान गरिएको छ जसले पाठकहरूलाई विभिन्न दृष्टिकोणहरूको पहिचान विशेषताहरू बुझ्न मद्दत गर्दछ। |
6162ab446003a91fc5d53c3b82739631c2e66d0f | |
29f5ecc324e934d21fe8ddde814fca36cfe8eaea | परिचय स्तन क्यान्सर (बीसी) महिलाहरूमा हुने सबैभन्दा सामान्य क्यान्सर हो, जसले जीवनको कुनै न कुनै चरणमा लगभग १० प्रतिशत महिलाहरूलाई असर गर्छ। हालका वर्षहरूमा, घटना दर बढ्दै जान्छ र डाटाले देखाउँदछ कि निदान पछि पाँच बर्ष पछि जीवन रक्षा दर 88% छ र निदान पछि १० बर्ष पछि 80% [1]। स्तन क्यान्सरको प्रारम्भिक पूर्वानुमान अनुगमन प्रक्रियामा सबैभन्दा महत्त्वपूर्ण कार्य हो। डाटा माइनिङ विधिहरूले गलत सकारात्मक र गलत नकारात्मक निर्णयहरूको संख्या कम गर्न मद्दत गर्न सक्छ [२,३]। फलस्वरूप, नयाँ विधिहरू जस्तै डाटाबेसमा ज्ञान खोज (KDD) चिकित्सा अनुसन्धानकर्ताहरूको लागि लोकप्रिय अनुसन्धान उपकरण भएको छ जसले ठूलो संख्यामा भ्यारीएबलहरू बीच ढाँचा र सम्बन्धहरू पहिचान गर्न र शोषण गर्न खोज्छन्, र डाटासेटमा भण्डार गरिएको ऐतिहासिक केसहरूको प्रयोग गरेर रोगको नतिजाको भविष्यवाणी गर्दछ। [4] |
261e841c8e0175586fb193b1a199cefaa8ecf169 | कसरी गहिरो शिक्षालाई कार्यहरूमा लागू गर्ने जस्ता कार्यहरू जस्तै रूपात्मक पुनः झर्ने, जसले अर्को स्ट्रिंग प्राप्त गर्न स्टोकास्टिक रूपमा एउटा स्ट्रिंग सम्पादन गर्दछ? यस्तो अनुक्रम-देखि-अनुक्रम कार्यहरूको लागि हालसालैको दृष्टिकोण भनेको इनपुट स्ट्रिङलाई भेक्टरमा कम्प्रेस गर्नु हो जुन त्यसपछि पुनरावर्ती न्यूरल नेटवर्कहरू प्रयोग गरेर आउटपुट स्ट्रिङ उत्पन्न गर्न प्रयोग गरिन्छ। यसको विपरीत, हामी परम्परागत वास्तुकलालाई राख्न प्रस्ताव गर्दछौं, जसले सबै सम्भावित आउटपुट स्ट्रि sc स्कोर गर्न सीमित-राज्य ट्रान्सड्यूसर प्रयोग गर्दछ, तर पुनरावर्ती नेटवर्कहरूको मद्दतले स्कोरिंग प्रकार्य बढाउन। द्विदिशात्मक LSTM को स्ट्याकले इनपुट स्ट्रिंगलाई बायाँबाट दायाँ र दायाँबाट बायाँ पढ्छ, ताकि इनपुट सन्दर्भलाई सारांश गर्न सकियो जसमा ट्रान्सड्यूसर आर्क लागू हुन्छ। हामीले यी सिकिएका विशेषताहरूलाई ट्रान्सड्युसरसँग मिलाएर सम्भाव्यता वितरणलाई समरूप आउटपुट स्ट्रिङहरूमा परिभाषित गर्छौं, एक भारित परिमित-राज्य स्वचालितको रूपमा। यसले सुविधाहरूको हात-ईन्जिनियरि reduce घटाउँछ, सिकेका सुविधाहरूलाई इनपुट स्ट्रि inमा असीमित सन्दर्भको जाँच गर्न अनुमति दिन्छ, र अझै गतिशील प्रोग्रामिंग मार्फत सटीक अनुमान गर्न अनुमति दिन्छ। हामी हाम्रो विधिलाई मोर्फोलोजिकल रिइन्फ्लेक्सन र लेमेटिजेसनको कार्यहरूमा चित्रण गर्दछौं। |
8f69384b197a424dfbd0f60d7c48c110faf2b982 | |
014b191f412f8496813d7c358ddd11d8512f2005 | उच्च रिजोल्युसनको छवि राडारले एकल अवलोकनबाट विस्तारित वस्तुहरूको गति र गतिको दिशा अनुमान गर्न नयाँ अवसरहरू खोल्दछ। रडार सेन्सरले केवल रेडियल वेग मात्र मापन गर्दछ, ट्र्याकिङ प्रणाली सामान्यतया वस्तुको वेग भेक्टर निर्धारण गर्न प्रयोग गरिन्छ। स्थिर वेग धेरै फ्रेम पछि अनुमान गरिएको छ, जसको परिणामस्वरूप क्रस-ट्राफिक जस्ता केही परिस्थितिहरूमा प्रतिक्रिया दिनको लागि समयको महत्वपूर्ण हानि हुन्छ। निम्न कागजातले विस्तारित लक्ष्यको वेग वेक्टर निर्धारण गर्न एक बलियो र मोडेल-मुक्त दृष्टिकोण प्रस्तुत गर्दछ। कलमान फिल्टरको विपरित, यसले समय र स्थानमा डाटा एसोसिएसनको आवश्यकता पर्दैन। यसको वेग वेक्टरको तत्काल (~ 50 ms) र पूर्वाग्रह मुक्त अनुमान सम्भव छ। हाम्रो दृष्टिकोणले संकेतमा शोर र व्यवस्थित भिन्नताहरू (उदाहरणका लागि, पाङ्ग्राहरूको माइक्रो-डोप्लर) ह्यान्डल गर्न सक्छ। यो रेडियल वेगमा मात्र होइन, अझिमथ स्थितिमा पनि राडार सेन्सरको मापन त्रुटिहरूसँग व्यवहार गर्न अनुकूलित गरिएको छ। यस विधिको शुद्धता धेरै राडार सेन्सरहरूको फ्युजनद्वारा बढाइएको छ। |
ad6d5e4545c60ec559d27a09fbef13fa538172e1 | उन्नत चालक सहायता प्रणाली र स्वायत्त ड्राइभिङ्गमा, राडारमा आधारित विश्वसनीय वातावरण धारणा र वस्तु ट्र्याकिङ मौलिक छ। उच्च रिजोल्युसनको राडार सेन्सरले प्रायः प्रति वस्तु धेरै मापनहरू प्रदान गर्दछ। यस मामलामा परम्परागत बिन्दु ट्र्याकिङ एल्गोरिदमहरू अब लागू हुँदैनन्, विस्तारित वस्तु ट्र्याकिङका लागि नयाँ दृष्टिकोणहरू पछिल्ला केही वर्षहरूमा देखा पर्यो। यद्यपि, तिनीहरू मुख्यतया लिडर अनुप्रयोगहरूको लागि डिजाइन गरिएको छ वा रडारहरूको अतिरिक्त डोप्लर जानकारी छोड्छ। डोप्लर सूचना प्रयोग गर्ने क्लासिक रडार आधारित ट्र्याकिङ विधिहरू प्रायः समानान्तर यातायातको बिन्दु ट्र्याकिङका लागि डिजाइन गरिएको हुन्छ । यस कागजातमा प्रस्तुत मापन मोडेल लगभग आयताकार आकारका सवारी साधनहरूलाई समानान्तर र क्रस ट्राफिक सहित मनमाने ट्राफिक परिदृश्यहरूमा ट्र्याक गर्न विकसित गरिएको छ। यो किनेमेटिक अवस्थाको अतिरिक्त, वस्तुको ज्यामितीय अवस्था निर्धारण र ट्र्याक गर्न अनुमति दिन्छ। डोप्लर जानकारीको प्रयोग मोडेलको एउटा महत्त्वपूर्ण घटक हो। यसबाहेक, यसको लागि नाप पूर्व प्रशोधन, डाटा क्लस्टरिङ, वा डाटा एसोसिएसनको आवश्यकता पर्दैन। वस्तु ट्र्याकिङका लागि मापन मोडेलमा अनुकूलित राओ-ब्ल्याकवेलिज्ड पार्टिकल फिल्टर (आरबीपीएफ) प्रस्तुत गरिएको छ। |
965f8bb9a467ce9538dec6bef57438964976d6d9 | मेकअप र लुकाइएको उपस्थिति अन्तर्गत समान विषयहरू पहिचान गर्दा स्वचालित मानव अनुहार पहिचान एल्गोरिदमको शुद्धता महत्त्वपूर्ण रूपमा गिरावट आउन सक्छ। सुरक्षा र निगरानीमा बढ्दो बाधाहरूले मास्क लगाएका र/वा मेकअप भएका अनुहारहरूको अनुहार पहिचान एल्गोरिदमबाट बढ्दो सटीकता आवश्यक छ। यस कागजले अनुहारको छविहरूको लागि एक नयाँ डाटाबेस प्रस्तुत गर्दछ जुन लुकाइएको र मेकअप उपस्थितिहरू अन्तर्गत छ। यो डेटाबेसमा ४१० विभिन्न विषयका २४६० छविहरू छन् र वास्तविक वातावरणमा प्राप्त गरिएको छ, मेकअपमा केन्द्रित छ र कोभेरिएटहरू लुकाउँछ र प्रत्येक छविको लागि आधारभूत सत्य (आँखाको चश्मा, गोगल, मुसहर, दाह्री) प्रदान गर्दछ। यसले विकसित एल्गोरिदमहरूलाई अनुहार पहिचानको क्रममा यस्तो महत्त्वपूर्ण लुकाउने विशेषता पहिचान गर्न स्वचालित रूपमा तिनीहरूको क्षमताको मात्रा निर्धारण गर्न सक्षम गर्दछ। हामी दुई लोकप्रिय व्यावसायिक मिलानकर्ताहरू र भर्खरका प्रकाशनहरूबाट तुलनात्मक प्रयोगात्मक परिणामहरू पनि प्रस्तुत गर्दछौं। हाम्रो प्रयोगात्मक परिणामले यी अनुहारहरूलाई स्वचालित रूपमा चिन्नका लागि यी मिलानकर्ताहरूको क्षमतामा उल्लेखनीय प्रदर्शन गिरावटलाई सुझाव दिन्छ। हामीले यी मेल खाने व्यक्तिहरुको अनुहार पहिचान गर्ने क्षमताको पनि विश्लेषण गरेका छौं। प्रयोगात्मक नतिजाले यी सह-परिवर्तनहरूको अन्तर्गत अनुहार पहिचान गर्न चुनौतीहरू औंल्याउँछ। सार्वजनिक डोमेनमा यो नयाँ डेटाबेसको उपलब्धताले मेकअप र लुकाइएको अनुहार पहिचान गर्न धेरै आवश्यक अनुसन्धान र विकासलाई अगाडि बढाउन मद्दत गर्नेछ। |
f8e32c5707df46bfcd683f723ad27d410e7ff37d | |
32c8c7949a6efa2c114e482c830321428ee58d70 | यस लेखमा अत्याधुनिक GPU-आधारित उच्च-थ्रुपुट कम्प्युटि systems प्रणालीहरूको क्षमताहरूको बारेमा छलफल गरिएको छ र कम्प्युटि research अनुसन्धान समुदायले सम्बोधन गर्न सक्ने उच्च-प्रभाव क्षेत्रहरूलाई हाइलाइट गर्दै एकल-चिप समानान्तर-कम्प्युटि systems प्रणालीलाई मापन गर्नका लागि चुनौतीहरूलाई विचार गर्दछ। एनभिडिया रिसर्चले यी चुनौतीहरूको समाधान गर्न खोज्ने एक विविधीकृत उच्च-प्रदर्शन कम्प्युटिङ प्रणालीको लागि एक वास्तुकलाको अनुसन्धान गरिरहेको छ। |
8890bb44abb89601c950eb5e56172bb58d5beea8 | लक्ष्य-उन्मुख संवाद नीति सिक्ने सामान्यतया सुपरिवेक्षित सिकाइ एल्गोरिदमहरूसँग अफलाइन वा सुदृढीकरण शिक्षा (आरएल) सँग अनलाइन गरिन्छ। यसबाहेक, कम्पनीहरूले ग्राहकहरू र प्रशिक्षित मानव एजेन्टहरू बीचको संवाद ट्रान्सक्रिप्टहरूको ठूलो मात्रा जम्मा गरेपछि, एन्कोडर-डेकोडर विधिहरूले लोकप्रियता प्राप्त गरेको छ किनकि एजेन्टको अभिव्यक्तिलाई प्रत्यक्ष रूपमा निरीक्षणको रूपमा व्यवहार गर्न सकिन्छ अभिव्यक्ति-स्तर एनोटेशनको आवश्यकता बिना। यद्यपि, यस्तो दृष्टिकोणको एक सम्भावित दोष यो हो कि तिनीहरू संवाद-स्तरका विचारहरूको विचार बिना नै अर्को एजेन्ट अभिव्यक्ति उत्पन्न गर्दछन्। यस चिन्तालाई समाधान गर्न, यस कागजातले अन-एनोटेटेड कोर्पोराबाट सिक्नको लागि अफलाइन आरएल विधि वर्णन गर्दछ जुन दुबै कथन र संवाद स्तरमा लक्ष्य-उन्मुख नीतिलाई अनुकूलन गर्न सक्दछ। हामी नयाँ इनाम फंक्शनको परिचय दिन्छौं र नीतिगत र नीतिगत ढाँचा दुवैको प्रयोग गरी नीतिलाई अनलाइन प्रयोगकर्ताको अन्तरक्रिया वा स्पष्ट राज्य स्थान परिभाषाको आवश्यकता बिना नै अफलाइन सिक्न सक्छौं। |
589d84d528d353a382a42e5b58dc48a57d332be8 | रटगर्स एंकल एक स्टुअर्ट प्लेटफर्म-प्रकारको ह्याप्टिक इन्टरफेस हो जुन पुनर्वासमा प्रयोगको लागि डिजाइन गरिएको हो। यो प्रणालीले भर्चुअल रियालिटीमा आधारित अभ्यासको प्रतिक्रियामा बिरामीको खुट्टामा ६ डिग्री फ्रिडिटी (डीओएफ) को प्रतिरोधात्मक शक्ति प्रदान गर्दछ। रटगर्स एंकल कन्ट्रोलरमा एक एम्बेडेड पेंटियम बोर्ड, वायमेटिक सोलेनोइड भल्भ, भल्भ कन्ट्रोलर, र सम्बन्धित सिग्नल कन्डिसन इलेक्ट्रोनिक्स समावेश छ। हाम्रो केस स्टडीमा प्रयोग गरिएको पुनर्स्थापना अभ्यासमा भर्चुअल विमानलाई लूपहरू मार्फत पाइलट गर्नु पर्दछ। अभ्यास कठिनाई लूपको संख्या र प्लेसमेन्ट, भर्चुअल वातावरणमा विमानको गति, र ह्याप्टिक इन्टरफेसले प्रदान गरेको प्रतिरोधको डिग्रीको आधारमा चयन गर्न सकिन्छ। अभ्यास डेटा पारदर्शी रूपमा भण्डारण गरिन्छ, वास्तविक समयमा, एक ओरेकल डाटाबेसमा। यी डाटामा व्यायामको क्रममा खुट्टाको स्थिति, बल र मेकानिकल काम र त्यसपछिका पुनर्वास सत्रहरू समावेश छन्। पूरा गरिएका लूपहरूको संख्या र त्यो गर्न लागिएको समय पनि अनलाइन भण्डारण गरिएको छ। यो प्रणाली प्रयोग गरेर स्ट्रोक भएको नौ महिनापछि एक बिरामीको केस स्टडी प्रस्तुत गरिएको छ। परिणामले देखाए कि, छ वटा पुनर्वास सत्रहरूमा, बिरामीले बल र सहनशीलताको क्लिनिकल मापनमा सुधार गरे, जुन रुटगर्स टकले मापन गरेको टोक र पावर आउटपुट वृद्धिसँग राम्रोसँग मेल खान्छ। सिमुलेसनको समयमा कार्यको सटीकता र समन्वयमा पनि उल्लेखनीय सुधार भएको थियो र बिरामीको हिँड्ने र सीढी चढ्ने क्षमतामा पनि सुधार भएको थियो। |
67161d331d496ad5255ad8982759a1c853856932 | यस लेखमा बाढीको विपत्तिबाट जनतालाई सचेत गराउन बाढीको पूर्व चेतावनी प्रणालीको वास्तुकलाको प्रस्ताव गरिएको छ। जोखिमको मूल्याङ्कन गर्नका लागि सही तथ्याङ्क संकलन गर्ने, खतरा निगरानी सेवाको विकास गर्ने, जोखिमसँग सम्बन्धित सूचनाको सञ्चार गर्ने र समुदायमा प्रतिक्रिया क्षमताको उपस्थिति गराउने जस्ता चारवटा तत्वहरूबीच सम्बन्ध स्थापित गरी प्रभावकारी प्रारम्भिक चेतावनी प्रणालीको विकास गर्नुपर्छ। यो परियोजनाले पानीको सतहको निगरानीलाई वायरलेस सेन्सर नेटवर्कको प्रयोग गरेर टाढाबाट गर्ने काममा ध्यान केन्द्रित गरेको छ। यस परियोजनाले सेन्सरबाट कम्प्युटरमा डाटा पठाउन वा सम्बन्धित पीडितलाई उनीहरूको मोबाइल फोन मार्फत प्रत्यक्ष रूपमा सचेत गराउन ग्लोबल सिस्टम फर मोबाइल कम्युनिकेशन (जीएसएम) र छोटो सन्देश सेवा (एसएमएस) को पनि प्रयोग गर्दछ। प्रस्तावित वास्तुकलालाई कार्य प्रणालीमा विकास गर्न सकिन्छ भन्ने आशा छ, जसले समुदायलाई फाइदा पुग्नेछ र बाढीको विपत्तिमा जीवन बचाउनको लागि सावधानीपूर्वक कार्य गर्नेछ। |
a5de09243b4b12fc4bcf4db56c8e38fc3beddf4f | हालैका अध्ययनहरूले देखाउँछन् कि उद्यम सामाजिक प्रणाली (ईएसएस) को कार्यान्वयनले संगठनहरूलाई सामाजिक व्यवसायको नयाँ प्रतिमानमा स्थानान्तरण गर्नेछ जसको परिणामस्वरूप ठूलो आर्थिक प्रतिफल र प्रतिस्पर्धात्मक लाभ हुनेछ। सामाजिक उद्यमले काम गर्ने र संगठित गर्ने पूर्ण रूपमा नयाँ तरिका सिर्जना गर्दछ जसको विशेषता सामाजिक सहयोग, अन्तर्निहित ज्ञानको आदानप्रदान, स्वैच्छिक रूपमा सामूहिक सहभागिता, केही नाम मात्र। यस प्रकार, ईएसएसको कार्यान्वयनले काम गर्ने र व्यवस्थित गर्ने नयाँ तरिकाको विशिष्टतालाई सम्बोधन गर्नुपर्दछ। तर, ठूला उद्यममा यी प्रणालीहरूको कार्यान्वयनबारे ज्ञानको अभाव छ। यस कार्यपत्रको उद्देश्य ईएसएस कार्यान्वयनको शासन मोडेलको अध्ययन गर्नु हो। नर्वेको विश्वकै अग्रणी ऊर्जा कम्पनी स्टेटक्राफ्टमा सामाजिक इन्ट्रानेटको कार्यान्वयनको अनुसन्धान गर्न एउटा केस स्टडी गरिएको छ। स्ट्रीम को शासन मोडेलले कर्पोरेट संचार, मानव संसाधन र आईटी बीचको घनिष्ठ सहयोग र उत्तरदायित्वमा जोड दिन्छ, जसले ईएसएस कार्यान्वयनको शासनमा प्रतिमान परिवर्तनलाई जनाउँछ। कार्यान्वयनमा भएका फाइदा र चुनौतीहरूको पनि पहिचान गरिएको छ। अध्ययनमा प्राप्त ज्ञान र अन्तर्दृष्टिका आधारमा कम्पनीलाई ईएसएस कार्यान्वयनको शासन सुधार गर्न सहयोग पुर्याउने सिफारिसहरू प्रस्ताव गरिएको छ। अध्ययनले ईएसएस कार्यान्वयनको शासनमा ज्ञान/कौशल प्रदान गर्दछ। |
5ca6217b3e8353778d05fe58bcc5a9ea79707287 | हरेक सरकारको एजेन्डामा ई-गभर्नेन्सको पनि समावेश छ। धेरै सरकारहरूले यसको महत्त्वपूर्ण प्रभाव र सरकारी सञ्चालनमा प्रभावलाई अँगालेका छन्। प्रविधि मन्त्रको रूपमा सर्वव्यापी भएकोले सरकारले सेवाहरूको गुणस्तर, राम्रो पारदर्शिता र ठूलो उत्तरदायित्व बढाउनका लागि आफ्ना एजेन्सीहरू र विभागहरूमा ई-सरकार नीति सुरु गर्ने निर्णय गरेको छ। मलेसियाको सन्दर्भमा, सरकार ई-सरकारको लहरबाट प्रेरित छ, किनकि यसको स्थापनाले सार्वजनिक सेवा वितरणको गुणस्तर सुधार गर्न सक्छ, र यसको आन्तरिक अपरेसनहरू पनि। यस गुणात्मक अध्ययनले ई-सरकार पहलहरूको कार्यान्वयनको अवस्थालाई एक केस स्टडीको रूपमा अन्वेषण गर्नेछ, र दक्षिण कोरियाली सरकारलाई बेन्चमार्क अध्ययनको रूपमा प्रयोग गरेर यी निष्कर्षहरूको तुलनात्मक मूल्यांकन पनि प्रदान गर्नेछ, ई-सरकारमा यसको उत्कृष्ट प्रदर्शनलाई ध्यानमा राख्दै। यस अध्ययनको निष्कर्षले सार्वजनिक प्रशासनको दृष्टिकोणको सम्बन्धमा सुधारका लागि सम्भावित क्षेत्रहरूलाई उजागर गर्नेछ र यस तुलनात्मक दृष्टिकोणबाट पनि, मलेसियाले ई-सरकार परियोजनाहरूको सफलता सुनिश्चित गर्न दक्षिण कोरियाको अभ्यासबाट केही पाठहरू सिक्न सक्छ। |
2b2c30dfd3968c5d9418bb2c14b2382d3ccc64b2 | डीबीपेडिया विकिपीडियाबाट संरचित जानकारी निकाल्न र यो जानकारी वेबमा उपलब्ध गराउनको लागि एक सामुदायिक प्रयास हो। DBpedia ले तपाईंलाई विकिपीडियाबाट प्राप्त डाटासेटको विरुद्धमा परिष्कृत प्रश्नहरू सोध्न र वेबमा अन्य डाटासेटलाई विकिपीडिया डाटामा लिंक गर्न अनुमति दिन्छ। हामी DBpedia डाटासेटको निकासी वर्णन गर्दछौं, र कसरी परिणाम जानकारी मानव र मेशिन खपतको लागि वेबमा प्रकाशित हुन्छ। हामी DBpedia समुदायबाट केही उदीयमान अनुप्रयोगहरूको वर्णन गर्दछौं र वेबसाइट लेखकहरूले कसरी DBpedia सामग्रीलाई उनीहरूको साइटहरूमा सुविधा पुर्याउन सक्छन् भनेर देखाउँदछौं। अन्तमा, हामी वेबमा अन्य खुला डाटासेटहरूसँग DBpedia को अन्तरसम्बन्धको वर्तमान स्थिति प्रस्तुत गर्दछौं र कसरी DBpedia खुला डाटाको उदीयमान वेबको लागि केन्द्रको रूपमा काम गर्न सक्दछ। |
92930f4279b48f7e4e8ec2edc24e8aa65c5954fd | हामी बैंक ग्राहकहरूको प्रोफाइलिंगको लागि डाटा माइनिङ दृष्टिकोण प्रस्तुत गर्दछौं ताकि एन्टी-मनी लाउन्डरिंग अपरेसनहरूको पत्ता लगाउने प्रक्रियालाई समर्थन गर्न सकियोस्। हामी पहिले समग्र प्रणाली वास्तुकला प्रस्तुत गर्दछौं, र त्यसपछि यस कागजको लागि सान्दर्भिक घटकमा ध्यान केन्द्रित गर्दछौं। हामीले एउटा वित्तीय संस्थाको वास्तविक संसारको डाटामा गरिएको प्रयोगको विवरण दिएका छौं, जसले हामीलाई ग्राहकहरूलाई समूहमा बाँड्न र वर्गीकरण नियमहरूको सेट उत्पन्न गर्न अनुमति दियो। हामी स्थापित ग्राहक प्रोफाइल र उत्पन्न वर्गीकरण नियमहरूको प्रासंगिकताको बारेमा छलफल गर्दछौं। परिभाषित समग्र एजेन्ट-आधारित वास्तुकला अनुसार, यी नियमहरू संदिग्ध लेनदेनको संकेतको लागि जिम्मेवार बुद्धिमान एजेन्टहरूको ज्ञान आधारमा समावेश गरिनेछ। |
8985000860dbb88a80736cac8efe30516e69ee3f | स्मार्ट होम सेन्सरको प्रयोग गरी मानव गतिविधि पहिचान स्मार्ट वातावरणमा सर्वव्यापी कम्प्युटि ofको आधार हो र वातावरण सहायता प्राप्त जीवनको क्षेत्रमा गहन अनुसन्धान भइरहेको विषय हो। डाटा सेटको बढ्दो मात्राले मेशिन लर्निंग विधिहरूको आवश्यकता पर्दछ। यस लेखमा, हामी एक गहिरो शिक्षा मोडेल प्रस्तुत गर्दछौं जसले कुनै पनि पूर्व ज्ञानको प्रयोग बिना मानव गतिविधिहरूलाई वर्गीकृत गर्न सिक्छ। यस उद्देश्यका लागि, लामो छोटो अवधिको मेमोरी (एलएसटीएम) रिकर्सिभ न्यूरल नेटवर्क तीन वास्तविक विश्व स्मार्ट होम डाटासेटमा लागू गरिएको थियो। यी प्रयोगहरूको परिणामले देखाउँछ कि प्रस्तावित दृष्टिकोणले सटीकता र प्रदर्शनको सन्दर्भमा अवस्थितहरूलाई पार गर्दछ। |
b31f0085b7dd24bdde1e5cec003589ce4bf4238c | डोमेन अनुकूलन (डीए) स्थानान्तरण शिक्षा हो जसको उद्देश्य स्रोत र लक्ष्य बीच डाटा वितरण बेमेलको बावजुद स्रोत डाटाबाट लक्षित डाटामा प्रभावकारी भविष्यवाणी सिक्नु हो। हामी यस कागजमा क्रस-डोमेन भिजुअल मान्यताको लागि एक उपन्यास अनसुर्जित डीए विधि प्रस्तुत गर्दछौं जसले एकै साथ सैद्धान्तिक रूपमा स्थापित त्रुटि सीमाको तीन सर्तहरूलाई अनुकूलित गर्दछ। विशेष गरी, प्रस्तावित डीए विधिले लुकेको साझा सुविधा उप-स्थानको खोजी गर्दछ जहाँ स्रोत डोमेन र लक्षित डोमेन बीच डाटा वितरणको भिन्नता मात्र कम हुँदैन किनकि धेरै जसो अत्याधुनिक डीए विधिहरूले गर्दछ, तर अन्तर-वर्ग दूरी पनि बढाइन्छ भेदभावपूर्ण शिक्षालाई सजिलो बनाउन। यसबाहेक, प्रस्तावित डीए विधिले साझा उप-स्थानमा प्राप्त सुविधाहरूबाट कक्षा लेबलहरू विरलै रिग्रेसन गर्दछ जबकि स्रोत डाटामा पूर्वानुमान त्रुटिहरूलाई कम गर्दै र स्रोत र लक्ष्य बीच लेबल स्थिरता सुनिश्चित गर्दछ। नकारात्मक ज्ञानको स्थानान्तरणबाट बच्नका लागि डाटाका आउटलाइरहरू पनि लेखा गरिन्छ। विस्तृत प्रयोग र गहन विश्लेषणले प्रस्तावित डीए विधिको प्रभावकारिता प्रमाणित गर्दछ जुन मानक डीए बेन्चमार्कहरूमा लगातार अत्याधुनिक डीए विधिहरू भन्दा राम्रो प्रदर्शन गर्दछ, अर्थात् १२ क्रस-डोमेन छवि वर्गीकरण कार्यहरू। |
b9bc9a32791dba1fc85bb9d4bfb9c52e6f052d2e | उच्च-आयामिक कन्फिगरेसन स्पेसमा एकल-क्वेरी पथ योजना समस्याहरू समाधान गर्नका लागि एक सरल र कुशल अनियमित एल्गोरिथ्म प्रस्तुत गरिएको छ। यो विधिले दुईवटा द्रुत-अन्वेषण गर्ने र्यान्डम ट्रीहरू (आरआरटी) को वृद्धिशील निर्माण गरेर काम गर्दछ जुन सुरु र लक्ष्य कन्फिगरेसनमा जडान गरिएको छ। प्रत्येक रूखले आफ्नो वरिपरिको ठाउँको अन्वेषण गर्दछ र एक अर्काको नजिक पनि जान्छ सरल लोभी हेरिस्टिकको प्रयोगद्वारा। यद्यपि मूल रूपमा मानव हातको लागि गति योजना गर्न डिजाइन गरिएको थियो (एक 7-DOF गतिज श्रृंखलाको रूपमा मोडेल गरिएको) टक्कर-मुक्त समात्ने र हेरफेर कार्यहरूको स्वचालित ग्राफिक एनिमेसनको लागि, एल्गोरिथ्म सफलतापूर्वक विभिन्न मार्ग योजना समस्याहरूमा लागू गरिएको छ। कम्प्युटिङ उदाहरणहरू 2D र 3D मा कठोर वस्तुहरूको लागि टकराव-मुक्त गतिहरू उत्पन्न गर्ने, र 3D कार्यक्षेत्रमा 6-DOF PUMA हातको लागि टकराव-मुक्त हेरफेर गतिहरू समावेश गर्दछ। केही आधारभूत सैद्धान्तिक विश्लेषण पनि प्रस्तुत गरिएको छ। |
d967d9550f831a8b3f5cb00f8835a4c866da60ad | |
6a686b525a84a87ca3e4d90a6704da8588e84344 | यो संचार एक क्रमबद्ध चरण-आहार नेटवर्क प्रयोग गरी एक चौडा ब्यान्ड गोलाकार ध्रुवीकृत (सीपी) 2 × 2 पैच सरणी प्रस्तुत गर्दछ। तीन अपरेटिङ मोडहरू संयोजन गरेर, अक्षीय अनुपात (एआर) र प्रतिरोध ब्यान्डविथ दुवैलाई बढाइएको छ र अघिल्लो प्रकाशित अनुक्रमिक-खाद्य एकल-तह प्याच सरणीहरूको भन्दा व्यापक छ। यी तीन सीपी सञ्चालन मोडहरू ट्यून गरिएका छन् र प्याच तत्वहरूको ट्रंक गरिएका कुनाहरू र अनुक्रमिक चरणको फिडिंग नेटवर्कलाई अनुकूलन गरेर मेल खान्छन्। प्रस्तावित प्याच एरेको एउटा प्रोटोटाइप प्रयोगात्मक रूपमा डिजाइनको प्रमाणिकरण गर्नका लागि निर्माण गरिएको छ। मापन गरिएको -१०-डीबी प्रतिरोध ब्यान्डविथ १.०३ गीगाहर्ट्ज (५.२०-६.२३ गीगाहर्ट्ज) हो, र मापन गरिएको ३-डीबी एआर ब्यान्डविथ ०.७ गीगाहर्ट्ज (५.२५-५.९५ गीगाहर्ट्ज) हो, वा १२.७% जुन ५.५ गीगाहर्ट्जको केन्द्र आवृत्तिसँग मेल खान्छ। मापन गरिएको शिखर लाभ लगभग १२ डीबीआईसी हो र एआर ब्यान्डविथ भित्र लाभ भिन्नता 3 डीबीआईसी भन्दा कम छ। |
d97e3655f50ee9b679ac395b2637f6fa66af98c7 | ऊर्जा संरक्षणको लागि एक रणनीतिको रूपमा फिडब्याकको अध्ययन ३० वर्षभन्दा बढी समयदेखि भइरहेको छ, अध्ययनहरूले व्यापक रूपमा भिन्न परिणामहरू रिपोर्ट गरेका छन्। साहित्य समीक्षाले सुझाव दिएको छ कि प्रतिक्रियाको प्रभावकारिता कसरी र कसलाई प्रदान गरिएको छ भन्नेमा निर्भर गर्दछ; अझै प्रदान गरिएको प्रतिक्रियाको प्रकार र अध्ययन पद्धति दुबैमा भिन्नताले निष्कर्ष निकाल्न गाह्रो बनाएको छ। हालको लेखले विगतका सैद्धान्तिक र अनुभवजन्य अनुसन्धानलाई विश्लेषण गर्दछ जुन दुबै प्रतिक्रिया र प्रो-पर्यावरण व्यवहारमा असम्बन्धित मुद्दाहरूको पहिचान गर्नका लागि हो, र ऊर्जा प्रयोगको बारेमा प्रतिक्रिया कहिले र कसरी सबैभन्दा प्रभावकारी हुन्छ भन्ने बारे परिकल्पनाहरूको सेट परीक्षण गर्न १ 1976 2010 र २०१० बीच प्रकाशित 42२ प्रतिक्रिया अध्ययनहरूको मेटा-विश्लेषण प्रयोग गर्दछ। परिणामहरूले संकेत गर्दछ कि प्रतिक्रिया समग्र प्रभावकारी छ, r = .071, p <.001, तर प्रभावहरूमा महत्त्वपूर्ण भिन्नताका साथ (r -०.०80० देखि .480० सम्म भिन्न भयो) । उपचारका विभिन्न भेरिएबलहरूले यो सम्बन्धलाई कम गर्ने देखिएको थियो, जसमा आवृत्ति, माध्यम, तुलना सन्देश, अवधि, र अन्य हस्तक्षेपहरूसँगको संयोजन (जस्तै, लक्ष्य, प्रोत्साहन) समावेश छन्। समग्रमा, परिणामहरूले ऊर्जा संरक्षणलाई बढावा दिनको लागि एक आशाजनक रणनीतिको रूपमा प्रतिक्रियाको थप प्रमाण प्रदान गर्दछ र सुझाव दिन्छ कि भविष्यका अनुसन्धानहरू कसरी र कसको लागि प्रतिक्रिया सबैभन्दा प्रभावकारी छ भन्ने कुराको अन्वेषण गर्नका लागि केन्द्रित हुनुपर्दछ। |
697754f7e62236f6a2a069134cbc62e3138ac89f | |
ee654db227dcb7b39d26bec7cc06e2b43b525826 | |
54e7e6348fc8eb27dd6c34e0afbe8881eeb0debd | विज्ञान, कला र संस्कृतिको सीमाभन्दा बाहिर विस्तारित, सामग्रीमा आधारित मल्टिमिडिया सूचना पुनः प्राप्तिले विश्वभरिका विभिन्न प्रकारका मिडियामा खोज्नका लागि नयाँ प्रतिमान र विधिहरू प्रदान गर्दछ। यस सर्वेक्षणमा सामग्रीमा आधारित मल्टिमिडिया सूचना पुनः प्राप्ति सम्बन्धी १०० भन्दा बढी भर्खरका लेखहरूको समीक्षा गरिएको छ र हालको अनुसन्धान दिशाहरूमा उनीहरूको भूमिकाको बारेमा छलफल गरिएको छ जसमा ब्राउजि and र खोजी प्रतिमान, प्रयोगकर्ता अध्ययन, प्रभावकारी कम्प्युटि,, शिक्षा, अर्थपूर्ण प्रश्नहरू, नयाँ सुविधाहरू र मिडिया प्रकारहरू, उच्च प्रदर्शन अनुक्रमणिका, र मूल्यांकन प्रविधिहरू समावेश छन्। हामी वर्तमान प्रविधिको आधारमा भविष्यका लागि प्रमुख चुनौतीहरूको बारेमा छलफल गर्छौं। |
2902e0a4b12cf8269bb32ef6a4ebb3f054cd087e | कार्य-सम्बन्धित गणितीय मोडेलको अनुकूलन गर्नु तथ्याङ्क र सिकाइ क्षेत्रमा सबैभन्दा आधारभूत विधिहरू मध्ये एक हो। यद्यपि, सामान्यतया डिजाइन गरिएको योजनाबद्ध पुनरावृत्तिहरू वास्तविक-विश्व अनुप्रयोगहरूमा जटिल डाटा वितरणहरूको अनुसन्धान गर्न गाह्रो हुन सक्छ। हालै, प्रशिक्षण गहिरो प्रसार (अर्थात्, नेटवर्क) केही विशेष कार्यहरूमा आशाजनक प्रदर्शन प्राप्त गरेको छ। दुर्भाग्यवश, विद्यमान सञ्जालहरू प्रायः हेरिस्टिक तरिकामा निर्माण गरिन्छ, यसैले सिद्धान्तमा आधारित व्याख्या र ठोस सैद्धान्तिक समर्थनको अभाव हुन्छ। यस कार्यमा, हामी यी विभिन्न संयन्त्रहरू (जस्तै, मोडेल अनुकूलन र गहिरो प्रसार) बीचको खाडलहरू पुग्नको लागि प्रोप्यागेसन र अप्टिमाइजेसन आधारित डीप मोडेल (पीओडीएम) नामको नयाँ प्रतिमान प्रदान गर्दछौं। एकातिर, हामी मोडेल अनुकूलनका लागि गहिरो प्रशिक्षण प्राप्त समाधानकर्ताको रूपमा PODM प्रयोग गर्छौं। विद्यमान नेटवर्कमा आधारित पुनरावृत्तिको विपरीत, जसमा प्रायः सैद्धान्तिक अनुसन्धानको अभाव हुन्छ, हामी चुनौतीपूर्ण गैर-उपमण्डल र गैर-स्मूथ परिदृश्यहरूमा PODM का लागि कडा कन्भर्जेन्स विश्लेषण प्रदान गर्दछौं। अर्कोतर्फ, मोडेलको बाध्यतालाई कम गरेर र अन्त-देखि-अन्त प्रशिक्षण प्रदान गरेर, हामी डोमेन ज्ञान (मोडेलको रूपमा तयार पारिएको) र वास्तविक डाटा वितरण (नेटवर्कहरू द्वारा सिकेको) लाई एकीकृत गर्न PODM-आधारित रणनीति पनि विकास गर्दछौं, जसको परिणामस्वरूप वास्तविक विश्व अनुप्रयोगहरूको लागि चुनौतीपूर्ण सामान्य एसेम्बल फ्रेमवर्क हुन्छ। विस्तृत प्रयोगहरूले हाम्रो सैद्धान्तिक परिणामहरूको पुष्टि गर्दछ र यी अत्याधुनिक दृष्टिकोणहरूको तुलनामा पीओडीएमको श्रेष्ठता प्रदर्शन गर्दछ। |
5dca5aa024f513801a53d9738161b8a01730d395 | अज्ञात वातावरणको नक्सा निर्माण गर्ने र त्यस नक्सालाई नेभिगेसनका लागि प्रयोग गर्ने कार्य मोबाइल रोबोटिक्स अनुसन्धानको केन्द्रीय समस्या हो। यस लेखमा सोनरको प्रयोग गरेर समसामयिक नक्साङ्कन र स्थानीयकरण (सीएमएल) कसरी गर्ने भन्ने समस्यालाई सम्बोधन गरिएको छ। स्टोकास्टिक म्यापिङ सीएमएलको एउटा विशेषतामा आधारित दृष्टिकोण हो जसले विस्तारित कलम्यान इटरलाई सवारी स्थानियकरण र वातावरणीय म्यापिङ समावेश गर्न सामान्यीकृत गर्दछ। हामी स्टोकास्टिक म्यापिङको कार्यान्वयनको वर्णन गर्दछौं जसले नक्सामा नयाँ सुविधाहरू सुरु गर्न, नक्सा सुविधाहरूमा मापनहरू मेल खान, र पुरानो सुविधाहरू मेटाउन ढिलाइ भएको निकटतम छिमेकी डाटा एसोसिएसन रणनीति प्रयोग गर्दछ। हामी अनुकूलनशील अनुभूतिका लागि एक मेट्रिक प्रस्तुत गर्छौं जुन फिशर सूचनाको आधारमा परिभाषित हुन्छ र नक्सामा सवारी साधनको त्रुटि दीर्घवृत्त र सुविधा अनुमानहरूको क्षेत्रहरूको योगलाई प्रतिनिधित्व गर्दछ। पूर्वानुमानित सेन्सर रिडिङ र अपेक्षित डेड-रेकउन्टिङ त्रुटिहरू रोबोटको प्रत्येक सम्भावित कार्यको लागि मेट्रिक अनुमान गर्न प्रयोग गरिन्छ, र सबैभन्दा कम लागत (अर्थात् अधिकतम जानकारी) दिने कार्य चयन गरिन्छ। यो प्रविधि सिमुलेसन, हावामा सोनर प्रयोग र पानीमुनि सोनर प्रयोगको माध्यमबाट प्रदर्शन गरिएको छ। परिणामहरू १) गतिको अनुकूली नियन्त्रण र २) गति र स्क्यानिङको अनुकूली नियन्त्रणको लागि देखाइएका छन्। यो वाहनले वातावरणमा विभिन्न वस्तुहरूको चयनात्मक अन्वेषण गर्छ। यो अनुकूलन एल्गोरिथ्मको प्रदर्शन सीधा रेखा गति र अनियमित गति भन्दा उत्कृष्ट छ। |
5eb1e4bb87b0d99d62f171f1eede90c98bf266ab | ताररहित संवेदक नेटवर्कमा ऊर्जा समस्या समाधान गर्नका लागि ताररहित उर्जा प्रसारण एउटा आशाजनक प्रविधि हो। यस्तो प्रविधिलाई प्रभावकारी बनाउन, नेटवर्क भित्र यात्रा गर्न चार्जर बोक्ने सवारी साधनको आवश्यकता पर्छ। अर्कोतर्फ, यो राम्रोसँग मान्यता प्राप्त छ कि एक मोबाइल बेस स्टेशनले एक निश्चित भन्दा महत्वपूर्ण फाइदा प्रदान गर्दछ। यस लेखमा, हामी वायरलेस चार्जिंग वाहनमा मोबाइल बेस स्टेशनको सह-स्थानको रोचक समस्याको अनुसन्धान गर्छौं। हामी एक अनुकूलन समस्या अध्ययन गर्छौं जसले संयुक्त रूपमा यात्रा मार्ग, रोक्ने बिन्दुहरू, चार्ज गर्ने तालिका, र प्रवाह मार्गलाई अनुकूलित गर्दछ। हाम्रो अध्ययन दुई चरणमा गरिन्छ। पहिलो, हामी एक आदर्श समस्याको अध्ययन गर्छौं जुन शून्य यात्रा समय मान्दछ, र यस आदर्श समस्याको लागि एक प्रमाणित निकट-अनुकूल समाधान विकास गर्दछ। दोस्रो चरणमा, हामी कसरी शून्य यात्रा समयको साथ व्यावहारिक समाधान विकास गर्ने र यस समाधान र मूल समस्याको अज्ञात इष्टतम समाधान बीचको प्रदर्शन अन्तरलाई मात्रात्मक रूपमा देखाउँदछौं। |
229547ed3312ee6195104cdec7ce47578f92c2c6 | यस लेखमा फर्महरूको गतिशील क्षमताले कसरी उद्योग भित्र भिन्न फर्म प्रदर्शनको उदयको लागि लेखा लिन सक्छ भन्ने कुराको अन्वेषण गरिएको छ। रणनीतिक र संगठनात्मक सिद्धान्त दुवैबाट अन्तर्दृष्टि संश्लेषण गर्दै, गतिशील क्षमताहरूको चार प्रदर्शन-सम्बन्धित विशेषताहरू प्रस्ताव गरिएको छः गतिशील क्षमता तैनातीको समय, वैकल्पिक स्रोत कन्फिगरेसनहरूको खोजीको रूपमा नक्कल, गतिशील क्षमता तैनातीको लागत, र गतिशील क्षमताहरू तैनाती गर्न सिक्ने। यी विशेषताहरूले कसरी भिन्न फर्म प्रदर्शनको उदयमा योगदान पुर्याउँछन् भन्ने सुझाव दिँदै सैद्धान्तिक प्रस्तावहरू विकास गरिन्छ। एउटा औपचारिक मोडेल प्रस्तुत गरिएको छ जसमा गतिशील क्षमतालाई परिवर्तनको फर्मको विकासवादी प्रक्रियालाई निर्देशित गर्ने दिनचर्याको सेटको रूपमा मोडेल गरिएको छ। मोडेलको सिमुलेसनले गतिशील क्षमताको प्रयोगको माध्यमबाट परिवर्तनको प्रक्रियामा अन्तरदृष्टि प्रदान गर्दछ, र सैद्धान्तिक प्रस्तावहरूको परिष्कृत गर्न अनुमति दिन्छ। यस अध्ययनको एउटा रोचक निष्कर्ष यो हो कि यदि गतिशील क्षमताहरू फर्महरूमा समान छन् भने पनि, यदि गतिशील क्षमताको लागत र समय फर्महरूमा फरक छ भने फर्महरूमा बलियो प्रदर्शन भिन्नताहरू उत्पन्न हुन सक्छ। |
b533b13910cc0de21054116715988783fbea87cc | इन्टरनेटको प्रयोगले सूचनाको सुरक्षालाई अझ महत्त्वपूर्ण बनाएको छ। इन्टरनेटमा आक्रमणको विरुद्धमा प्रयोग हुने इन्ट्रुसन डिटेक्सन सिस्टम (आईडीएस) को प्रयोगले कम्प्युटर नेटवर्कमा सुरक्षा प्रदान गर्दछ। अर्को तरिकामा, केही डाटा माइनिङ प्रविधिहरूले पनि घुसपैठ पत्ता लगाउन योगदान पुर्याउँछन्। घुसपैठ पत्ता लगाउन प्रयोग गरिने केही डाटा माइनिङ प्रविधिलाई दुई वर्गमा वर्गीकृत गर्न सकिन्छ: दुरुपयोग घुसपैठ पत्ता लगाउने र विसंगति घुसपैठ पत्ता लगाउने। दुरुपयोगले सधैं प्रणालीको ज्ञात संवेदनशीलताको शोषण गर्ने ज्ञात आक्रमण र हानिकारक गतिविधिहरूलाई जनाउँछ। सामान्यतया, असामान्य को अर्थ सामान्यतया यस्तो गतिविधि हो जसले घुसपैठको संकेत गर्न सक्छ। यस लेखमा, घुसपैठ पत्ता लगाउन डाटा माइनिङ प्रविधिको प्रयोग गर्ने २३ वटा सम्बन्धित लेखहरूको तुलना गरिएको छ। हाम्रो कामले डाटा माइनिङ र सफ्ट कम्प्युटिङ प्रविधिहरू जस्तै आर्टिफिसियल न्युरल नेटवर्क (एएनएन), सपोर्ट भेक्टर मेसिन (एसवीएम) र मल्टिभेरिएट एडाप्टिभ रिग्रेसन स्पाइलिन (एमएआरएस) आदिमा एक सिंहावलोकन प्रदान गर्दछ। यस कागजमा आईडीएस डाटा माइनिङ प्रविधि र घुसपैठ पत्ता लगाउन प्रयोग गरिने टुपलको तुलना गरिएको छ। ती २३ सम्बन्धित कागजातहरूमा, ७ वटा अनुसन्धान कागजातहरूले एएनएन र ४ वटाले एसवीएम प्रयोग गर्छन्, किनकि एएनएन र एसवीएम अन्य मोडेल र संरचनाहरू भन्दा बढी भरपर्दो हुन्छन्। यसको अतिरिक्त, ८ अनुसन्धानले DARPA1998 ट्यूपल प्रयोग गर्दछ र १३ अनुसन्धानले KDDCup1999 प्रयोग गर्दछ, किनभने मानक ट्यूपलहरू अन्य भन्दा धेरै विश्वसनीय छन्। अहिलेको समयमा कुनै पनि उत्तम घुसपैठ पत्ता लगाउने मोडेल छैन। तर, यस लेखमा घुसपैठ पत्ता लगाउने विषयमा भविष्यमा हुने अनुसन्धानका बारेमा चर्चा गरिनेछ। कुञ्जी शब्दहरू- घुसपैठ पत्ता लगाउने, डाटा खानी, एएनएन |
a69fd2ad66791ad9fa8722a3b2916092d0f37967 | यसबाहेक, उदाहरणका लागि शहरी लेआउट टुक्राहरू मिश्रण गर्ने क्षमताले नयाँ सिंथेटिक सामग्री उत्पन्न गर्न एक शक्तिशाली तरिका प्रदान गर्दछ। हामीले हाम्रो प्रणालीलाई शहरी योजनाहरू बनाउँदै प्रदर्शन गरेका छौं, उदाहरणका लागि, वास्तविक संसारका शहरहरूबाट केही टुक्राहरू प्रयोग गरेर, प्रत्येक शहरमा सयौंदेखि हजारौंसम्म ब्लकहरू र पार्सलहरू छन्। हामी उदाहरणका साथ सहरी योजनाको संश्लेषण गर्नका लागि एक अन्तरक्रियात्मक प्रणाली प्रस्तुत गर्दछौं। हाम्रो विधिले एकै साथ संरचनामा आधारित संश्लेषण र छविमा आधारित संश्लेषण दुवै कार्य गर्दछ जसले पूर्ण शहरी लेआउट उत्पन्न गर्दछ जहाँ एक सम्भावित सडक सञ्जाल र हवाई दृश्य छविहरू छन्। हाम्रो दृष्टिकोणले वास्तविक विश्वका शहरी क्षेत्रहरूको संरचना र छवि डाटा र एक संश्लेषण एल्गोरिथ्म प्रयोग गर्दछ धेरै उच्च-स्तर अपरेशनहरू प्रदान गर्नका लागि उदाहरणका साथ जटिल लेआउटहरू सजिलै र अन्तर्क्रियात्मक रूपमा उत्पन्न गर्न। प्रयोगकर्ताले निम्न स्तरको संरचनात्मक विवरणहरूको बारेमा चिन्ता नगरी जडान, विस्तार र मिश्रण जस्ता कार्यहरूको अनुक्रमद्वारा नयाँ शहरी लेआउटहरू सिर्जना गर्न सक्दछ। |
9b8be6c3ebd7a79975067214e5eaea05d4ac2384 | हामी देखाउँछौं कि ढाँचाको अवतरण स्थानीय न्यूनतमकर्तामा नजिकिन्छ, लगभग निश्चित रूपमा अनियमित आरम्भिकरणको साथ। यो गतिशील प्रणाली सिद्धान्तबाट स्थिर बहुविध प्रमेय लागू गरेर प्रमाणित गरिएको छ। |
75235e03ac0ec643e8a784f432e6d1567eea81b7 | खानी डाटा प्रवाह विगत दशकमा अनुसन्धान चासोको केन्द्र बिन्दु भएको छ। हार्डवेयर र सफ्टवेयरको विकासले यस अनुसन्धान क्षेत्रको महत्त्वमा योगदान पुर्याएको छ किनकि यसले पहिले भन्दा छिटो डाटा उत्पादनको परिचय दिन्छ। यी द्रुत गतिमा उत्पन्न हुने डाटालाई डाटा स्ट्रिम भनिन्छ। क्रेडिट कार्ड लेनदेन, गुगल सर्च, शहरमा फोन कलहरू, र अन्य धेरै सामान्य डाटा स्ट्रिमहरू हुन्। धेरै महत्वपूर्ण अनुप्रयोगहरूमा, यो स्ट्रिमिङ डाटालाई वास्तविक समयमा विश्लेषण गर्न अपरिहार्य छ। परम्परागत डाटा माइनिङ प्रविधिले डाटा स्ट्रीम माइनिङको आवश्यकता पूरा गर्न सकेको छैन। अनियमितता, अनुमान र अनुकूलन नयाँ प्रविधिहरू विकास गर्न वा बाहिर निस्कनेहरूलाई स्ट्रिमिङ वातावरणमा सञ्चालन गर्न सक्षम पार्न व्यापक रूपमा प्रयोग गरिएको छ। यस लेखमा डाटा स्ट्रीम माइनिङको क्षेत्रमा मुख्य उपलब्धिहरू र प्रविधिको अवस्थाको समीक्षा गरिएको छ। भविष्यका विचारहरू पनि प्रस्तुत गरिएका छन्। C © २०११ विले पेरीडिकल्स, इंक। |
2327ad6f237b37150e84f0d745a05565ebf0b24d | बिटकोइन पहिलो डिजिटल मुद्रा हो जुन व्यापक रूपमा अपनाइएको छ। जब भुक्तानी छद्म नामहरू बीच गरिन्छ, बिट सिक्काले कडा गोपनीयता ग्यारेन्टीहरू प्रस्ताव गर्न सक्दैनः भुक्तानी लेनदेन सार्वजनिक विकेन्द्रीकृत खातामा रेकर्ड गरिएको छ, जहाँबाट धेरै जानकारी घटाउन सकिन्छ। शून्य सिक्का (मिर्स एट अल, आईईईई एस एन्ड पी २०१३) ले भुक्तानीको उत्पत्तिबाट लेनदेनलाई विच्छेदन गरेर यी गोपनीयता मुद्दाहरूको केही समाधान गर्दछ। तर, यसले अझै पनि भुक्तानीको गन्तव्य र रकम प्रकट गर्दछ र यसको कार्यक्षमता सीमित छ। यस लेखमा, हामी पूर्ण-स्तरको डिजिटल मुद्राको निर्माण गर्छौं जुन कि गोपनीयताको ग्यारेन्टीको साथमा आधारित छ। हाम्रो परिणामले ज्ञानको शून्य-ज्ञान संक्षिप्त गैर-अन्तरक्रियात्मक तर्क (zk-SNARKs) मा हालैका प्रगतिहरूलाई लाभ उठाउँछ। पहिलो, हामी विकेन्द्रीकृत अज्ञात भुक्तानी योजनाहरू (डीएपी योजनाहरू) को निर्माण र निर्माण गर्दछौं। एक डीएपी योजनाले प्रयोगकर्ताहरूलाई एक अर्कालाई निजी रूपमा भुक्तानी गर्न सक्षम गर्दछः सम्बन्धित लेनदेनले भुक्तानीको उत्पत्ति, गन्तव्य, र स्थानान्तरण गरिएको रकम लुकाउँछ। हामी निर्माणको सुरक्षाको औपचारिक परिभाषा र प्रमाण प्रदान गर्दछौं। दोस्रो, हामी शून्य नगद निर्माण गर्छौं, हाम्रो डीएपी योजनाको व्यावहारिक उदाहरण। शून्य नगदमा, लेनदेन १ केबी भन्दा कम हुन्छ र प्रमाणित गर्न 6 एमएस भन्दा कम लाग्छ - कम अज्ञात शून्य सिक्का भन्दा परिमाणको अर्डर अधिक कुशल र सादा बिट सिक्कासँग प्रतिस्पर्धी। |
3d08280ae82c2044c8dcc66d2be5a72c738e9cf9 | म हाइब्रिड म्याट्रिक्स फैक्टराइजेशन मोडेल प्रस्तुत गर्दछु जसले प्रयोगकर्ता र वस्तुहरूलाई उनीहरूको सामग्री सुविधाहरू लुकेका कारकहरूको रैखिक संयोजनको रूपमा प्रतिनिधित्व गर्दछ। यो मोडेलले कोल्ड स्टार्ट वा स्पाइक इन्टरएक्शन डाटा परिदृश्यमा (प्रयोगकर्ता र आइटम मेटाडाटा दुवै प्रयोग गरेर) दुवै सहयोगी र सामग्री-आधारित मोडेललाई पछाडि पार्छ, र कम्तिमा पनि एक शुद्ध सहयोगी म्याट्रिक्स फैक्टराइजेशन मोडेलको रूपमा प्रदर्शन गर्दछ जहाँ अन्तरक्रिया डेटा प्रशस्त छ। यसको अतिरिक्त, मोडेलद्वारा उत्पादित फिचर इम्बेडिङले शब्द सम्मिलित गर्ने दृष्टिकोणलाई सम्झाउने तरिकामा अर्थपूर्ण जानकारीलाई एन्कोड गर्दछ, जसले तिनीहरूलाई सम्बन्धित कार्यहरूको दायराको लागि उपयोगी बनाउँदछ जस्तै ट्याग सिफारिसहरू। |
25d1a2c364b05e0db056846ec397fbf0eacdca5c | म्याट्रिक्स कारककरणमा आधारित विधिहरू डायडिक डाटा विश्लेषणमा लोकप्रिय हुन्छन्, जहाँ एउटा मौलिक समस्या, उदाहरणका लागि, कागजात क्लस्टरिंग वा सह-क्लस्टरिंग शब्दहरू र कागजातहरू शब्द-दस्तावेज म्याट्रिक्स दिईएको छ। गैर-नकारात्मक म्याट्रिक्स ट्रि-फ्याक्टरिजेसन (एनएमटीएफ) सह-क्लस्टरिंगको लागि एक आशाजनक उपकरणको रूपमा देखा पर्दछ, सबै कारक म्याट्रिक्स गैर-नकारात्मक हुन प्रतिबन्धित भएको साथ 3-कारक अपघटन एक्स यूएसवी खोज्दै, अर्थात्, यू पी ०; एस पी ०; वी पी ०: यस कागजातमा हामी orthogonal NMTF को लागि गुणात्मक अपडेटहरू विकास गर्दछौं जहाँ एक्स यूएसवी orthogonality constraints, UU 1⁄4 I; र VV 1⁄4 I को साथ अनुसरण गरिएको छ, स्टीफेल मनिफोल्डमा सही ढाँचाको शोषण गर्दै। विभिन्न कागजात डाटा सेटमा प्रयोगहरू देखाउँछन् कि हाम्रो विधि कागजात क्लस्टरिंगको लागि राम्रोसँग काम गर्दछ र शब्दहरू र कागजातहरू सह-क्लस्टरिंग मार्फत बहुभाषी शब्दहरू प्रकट गर्न उपयोगी छ। २०१० एल्सभियर लिमिटेड सबै अधिकार सुरक्षित। |
461ac81b6ce10d48a6c342e64c59f86d7566fa68 | यस प्रकाशनमा पुनः छापिएका लेखहरू छन् जसको प्रतिलिपि अधिकार आईईईईको स्वामित्वमा छैन। यी लेखहरूको पूर्ण पाठ IEEE Xplore मा उपलब्ध छैन। |
c03fb606432af6637d9d7d31f447e62a855b77a0 | यद्यपि त्यहाँ प्रमाण छ कि शैक्षिक रूपमा सफल विद्यार्थीहरू आफ्नो अध्ययनमा संलग्न छन्, विद्यार्थी संलग्नतालाई स्पष्ट रूपमा परिभाषित गर्न गाह्रो भएको छ। विद्यार्थीको संलग्नतालाई सामान्यतया दुई आयामहरू, सामाजिक र शैक्षिकको रूपमा व्याख्या गरिन्छ। सामाजिक सञ्जाल र डिजिटल प्रविधिहरूको तीव्र प्रयोगले विद्यार्थीहरूको सहभागिता बढाउनका लागि उनीहरूको प्रयोगमा बढ्दो चासो सुनिश्चित गरेको छ। यस लेखमा पहिलो वर्षका मनोविज्ञानका विद्यार्थीहरूको समूहमा फेसबुकको प्रयोगको अध्ययन गरिएको छ र रिपोर्ट गरिएको छ कि यद्यपि अधिकांश विद्यार्थीहरू (९४%) का फेसबुक खाताहरू छन् र फेसबुकमा औसतमा एक घण्टा खर्च गर्छन्, प्रयोग मुख्यतया सामाजिक रूपमा पाइएको छ। व्यक्तित्वका कारकहरूले प्रयोग ढाँचामा प्रभाव पारेका थिए, अधिक विवेकशील विद्यार्थीहरूले कम विवेकशील विद्यार्थीहरूको तुलनामा फेसबुक कम प्रयोग गर्ने प्रवृत्ति राख्थे। यस लेखमा तर्क गरिएको छ कि सामाजिक संलग्नतालाई बढावा दिनको सट्टा शैक्षिक संलग्नता बढाउन सक्ने तरिकाले फेसबुकले ध्यान भंग गर्ने प्रभावको रूपमा काम गर्ने बढी सम्भावना छ। |
171071069cb3b58cfe8e38232c25bfa99f1fbdf5 | अनलाइन सामाजिक सञ्जाल साइटहरूले आफूलाई प्रस्तुत गर्ने एउटा नयाँ तरिका देखाएका छन्। यो साइबर सामाजिक उपकरणले व्यक्तित्व र पहिचानको जाँच गर्नका लागि नयाँ विश्लेषणको साइट प्रदान गर्दछ। हालको अध्ययनले सामाजिक सञ्जाल वेभसाइट फेसबुक डटकममा कसरी नार्सिज्म र आत्मसम्मान प्रकट हुन्छ भन्ने कुराको अध्ययन गरेको छ । योर्क विश्वविद्यालयमा १०० फेसबुक प्रयोगकर्ताहरूबाट आत्मसम्मान र आत्म-रिपोर्टहरू संकलन गरियो। सहभागी वेब पृष्ठहरू पनि आत्म-प्रचार सामग्री सुविधाहरूमा आधारित कोड गरिएको थियो। सम्बन्ध विश्लेषणले देखाएको छ कि व्यक्तिहरू उच्च मा मादकता र कम आत्मसम्मान मा अधिक अनलाइन गतिविधि साथै केही आत्म-प्रचार सामग्री संग सम्बन्धित थिए। फेसबुकका प्रयोगकर्ताहरूले प्रस्तुत गर्ने सामग्रीमा लैंगिक भिन्नताले प्रभाव पार्ने पाइएको छ। सामाजिक सञ्जाल वेब साइटहरूमा आत्म-सम्मान र आत्म-सम्मानको प्रभाव र भविष्यका अनुसन्धान दिशाहरू छलफल गरिन्छ। |
5e30227914559ce088a750885761adbb7d2edbbf | इन्टरनेटमा सामाजिक सञ्जालहरू पछि, तिनीहरू आश्चर्यचकित हुन्छन् जब उनीहरूका आमाबाबुले तिनीहरूको पत्रिकाहरू पढ्छन्। युवाहरूले अनलाइनमा राखेको व्यक्तिगत जानकारीले समुदायहरू आक्रोशित छन् र कलेजहरूले विद्यार्थीहरूको गतिविधि क्याम्पस भित्र र बाहिर ट्र्याक गर्छन्। किशोर र विद्यार्थीहरूले आफ्नो व्यक्तिगत जानकारी पोष्ट गर्दा त्यसको असर पर्छ। यस लेखमा सामाजिक सञ्जालमा गोपनीयताका मुद्दाहरूको बारेमा चर्चा गरिनेछ। यसमा गोपनीयता विरोधाभास, निजी बनाम सार्वजनिक स्थान र सामाजिक सञ्जाल गोपनीयताका मुद्दाहरूको बारेमा चर्चा गरिनेछ। अन्तमा, यसले प्रस्तावित गोपनीयता समाधानहरू र गोपनीयता विरोधाभास समाधान गर्न मद्दत गर्नका लागि लिने कदमहरूको बारेमा छलफल गर्नेछ। |
6c394f5eecc0371b43331b54ed118c8637b8b60d | विस्तृत पृथक्करण प्रदर्शन प्राप्त गर्न बहु-अनुभाग पावर डिभाइडरको एक उपन्यास डिजाइन सूत्र प्राप्त गरिएको छ। यो सूत्र सिंगल टर्मिनेटेड फिल्टर डिजाइन सिद्धान्तमा आधारित छ । यस लेखमा प्रस्तावित डिजाइन सूत्रको वैधता देखाउन बहु-खण्ड शक्ति विभाजकको धेरै सिमुलेशन र प्रयोगात्मक परिणामहरू प्रस्तुत गरिएको छ। प्रयोगहरूले बहु-अष्टक पृथक्करण विशेषताको साथ बहु-खण्ड शक्ति विभाजकको उत्कृष्ट प्रदर्शन देखाउँदछ। |
d12e3606d94050d382306761eb43b58c042ac390 | विद्यार्थीहरूको सफलता (वा असफलता) लाई बुझ्ने कारकहरू रोचक र चुनौतीपूर्ण समस्या हो। केन्द्रीयकृत स्थान परीक्षण र भविष्यका शैक्षिक उपलब्धिहरू सम्बन्धित अवधारणाहरू मानिन्छ, स्थान परीक्षणको पछाडि सफलताका कारकहरूको विश्लेषणले शैक्षिक उपलब्धिलाई बुझ्न र सम्भावित रूपमा सुधार गर्न मद्दत गर्दछ। यस अध्ययनमा टर्कीको माध्यमिक शिक्षा संक्रमण प्रणालीबाट ठूलो र सुविधा सम्पन्न डाटासेट प्रयोग गरेर हामीले माध्यमिक शिक्षा प्लेसमेन्ट टेस्ट परिणामहरूको भविष्यवाणी गर्न मोडेलहरू विकास गरेका छौं, र ती भविष्यवाणी मोडेलहरूमा संवेदनशीलता विश्लेषण प्रयोग गरेर हामीले सबैभन्दा महत्त्वपूर्ण भविष्यवाणीकर्ताहरू पहिचान गरेका छौं। परिणामले देखाए कि C5 निर्णय रूख एल्गोरिथ्म होल्ड-आउट नमूनामा 95% शुद्धताका साथ उत्तम भविष्यवाणीकर्ता हो, त्यसपछि समर्थन भेक्टर मेशिनहरू (%१% शुद्धताका साथ) र कृत्रिम न्यूरल नेटवर्कहरू (%%% शुद्धताका साथ) । लजिस्टिक रिग्रेसन मोडेलहरू चार मध्ये सबैभन्दा कम सटीक र समग्र शुद्धता 82% को रूपमा बाहिर आयो। संवेदनशीलता विश्लेषणले विद्यार्थीको अघिल्लो परीक्षाको अनुभव, छात्रवृत्ति प्राप्त गरेको, विद्यार्थीको दाजुभाइको संख्या, अघिल्लो वर्षको ग्रेड पोइन्ट औसत स्थान निर्धारण परीक्षाको नतिजाको सबैभन्दा महत्त्वपूर्ण भविष्यवाणी गर्ने कारकहरूमध्ये एक हो भन्ने कुरा प्रकट गरेको छ। २०१२ एल्सभियर लिमिटेड सबै अधिकार सुरक्षित। |
75859ac30f5444f0d9acfeff618444ae280d661d | बहु-बायोमेट्रिक प्रणालीहरू धेरै ठूला-ठूला बायोमेट्रिक अनुप्रयोगहरूमा (उदाहरणका लागि, एफबीआई-आईएएफआईएस, भारतमा यूआईडीएआई प्रणाली) बढ्दो रूपमा प्रयोग भइरहेको छ किनकि उनीहरूसँग युनिबायोमेट्रिक प्रणालीहरूको तुलनामा कम त्रुटि दर र ठूलो जनसंख्या कभरेज जस्ता धेरै फाइदाहरू छन्। तथापि, बहु-बायोमेट्रिक प्रणालीहरूले प्रत्येक प्रयोगकर्ताको लागि बहु-बायोमेट्रिक टेम्प्लेटहरू (जस्तै, औंठाछाप, आइरिस, र अनुहार) को भण्डारण आवश्यक छ, जसको परिणामस्वरूप प्रयोगकर्ताको गोपनीयता र प्रणाली सुरक्षामा जोखिम बढेको छ। व्यक्तिगत टेम्प्लेटहरूको सुरक्षा गर्ने एउटा तरिका भनेको बायोमेट्रिक क्रिप्टो प्रणाली प्रयोग गरेर सम्बन्धित टेम्प्लेटबाट उत्पन्न सुरक्षित स्केच मात्र भण्डारण गर्नु हो। यस कार्यका लागि धेरै स्केचहरू भण्डारण गर्नु आवश्यक छ। यस लेखमा हामी सुविधा-स्तरको फ्युजन फ्रेमवर्क प्रस्ताव गर्दछौं जसले प्रयोगकर्ताको बहु टेम्प्लेटहरूलाई एकै साथ सुरक्षित स्केचको रूपमा सुरक्षित गर्दछ। हाम्रो मुख्य योगदानहरू निम्न हुन्: (१) दुई प्रसिद्ध बायोमेट्रिक क्रिप्टो प्रणालीहरू, अर्थात्, फजी भल्ट र फजी प्रतिबद्धता प्रयोग गरेर प्रस्तावित सुविधा-स्तर फ्यूजन फ्रेमवर्कको व्यावहारिक कार्यान्वयन, र (२) दुई फरक डाटाबेस (एक वास्तविक र एक भर्चुअल बहु-मोडल डाटाबेस) मा आधारित प्रस्तावित बहु-बायोमेट्रिक क्रिप्टो प्रणालीहरूमा मिलान सटीकता र सुरक्षा बीचको व्यापार-अफको विस्तृत विश्लेषण, प्रत्येकमा तीन सबैभन्दा लोकप्रिय बायोमेट्रिक मोडलिटीहरू छन्, अर्थात्, फिंगरप्रिन्ट, आइरिस, र अनुहार। प्रयोगात्मक परिणामले देखाउँछ कि यहाँ प्रस्तावित दुवै बहुबायोमेट्रिक क्रिप्टो प्रणालीहरू उनीहरूको युनिबायोमेट्रिक समकक्षहरूको तुलनामा उच्च सुरक्षा र मिलान प्रदर्शन छ। |
98e03d35857f66c34fa79f3ea0dd2b4e3b670044 | |
65227ddbbd12015ba8a45a81122b1fa540e79890 | वेब पेजको महत्व मूलतः एउटा व्यक्तिपरक कुरा हो, जुन पाठकको रुचि, ज्ञान र दृष्टिकोणमा निर्भर हुन्छ। तर वेब पृष्ठहरूको सापेक्ष महत्वको बारेमा अझै धेरै कुरा भन्न सकिन्छ। यस लेखमा पेज र्याङ्कको वर्णन गरिएको छ, जुन वेब पेजहरूलाई वस्तुगत र यान्त्रिक रूपमा मूल्याङ्कन गर्ने एउटा विधि हो, जसले मानिसहरूको रुचि र ध्यानलाई मापन गर्छ। हामी पेजरन्कलाई एउटा आदर्श वेब सर्फरसँग तुलना गर्छौं । हामी कसरी धेरै पृष्ठहरूको लागि PageRank गणना गर्न सकिन्छ भनेर देखाउँछौं। र, हामी कसरी पेजरङ्कलाई खोज र प्रयोगकर्ता नेभिगेसनमा लागू गर्ने भन्ने देखाउँछौं। |
0a202f1dfc6991a6a204eaa5e6b46d6223a4d98a | कुनै पनि सुविधामा आधारित दृष्टि प्रणालीले काम गर्न सक्दैन जबसम्म राम्रो सुविधाहरू पहिचान गर्न र फ्रेमबाट फ्रेममा ट्र्याक गर्न सकिँदैन। यद्यपि ट्र्याकिङ आफैमा ठूलो समस्या समाधान भएको छ, तर राम्रोसँग ट्र्याक गर्न सकिने र संसारमा भौतिक बिन्दुहरूसँग मेल खाने सुविधाहरू छनौट गर्न अझै गाह्रो छ। हामी एउटा विशेषता चयन मापदण्ड प्रस्ताव गर्छौं जुन निर्माण द्वारा इष्टतम छ किनकि यो ट्र्याकरले कसरी काम गर्छ भन्नेमा आधारित छ, र एक सुविधा अनुगमन विधि जसले ओक्ल्युसनहरू, डिस्कोक्ल्युसनहरू, र सुविधाहरू पत्ता लगाउन सक्छ जुन विश्वमा बिन्दुहरूसँग मेल खाँदैन। यी विधिहरू नयाँ ट्र्याकिङ एल्गोरिथ्ममा आधारित छन् जसले अघिल्लो न्यूटन-राफसन शैली खोज विधिहरू विस्तार गर्दछ जुन नयाँ छवि रूपान्तरण अन्तर्गत काम गर्दछ। हामी धेरै सिमुलेसन र प्रयोगहरूद्वारा प्रदर्शनको परीक्षण गर्छौं। |
4f640c1338840f3740187352531dfeca9381b5c3 | खानीको क्रमबद्ध ढाँचाको समस्या हालै [AS95] मा प्रस्तुत गरिएको थियो। हामीलाई अनुक्रमको डेटाबेस दिइएको छ, जहाँ प्रत्येक अनुक्रम लेनदेनको सूची हो जुन लेनदेन-समय द्वारा क्रमबद्ध छ, र प्रत्येक लेनदेन वस्तुहरूको सेट हो। समस्या सबै अनुक्रमिक ढाँचाहरू प्रयोगकर्ता-निर्दिष्ट न्यूनतम समर्थनको साथ पत्ता लगाउनु हो, जहाँ ढाँचाको समर्थन डाटा-अनुक्रमहरूको संख्या हो जुन ढाँचा समावेश गर्दछ। अनुक्रमिक ढाँचाको एउटा उदाहरण हो, %% ग्राहकहरूले एउटा लेनदेनमा _BAR_Foundation र _BAR_Ringworld खरिद गरे, त्यसपछि _BAR_Second Foundation पछिल्लो लेनदेनमा खरिद गरे। हामी समस्यालाई निम्नानुसार सामान्यीकरण गर्छौं। पहिलो, हामी समयको सीमा थप्छौं जसले न्यूनतम र/वा अधिकतम समय अवधि निर्दिष्ट गर्दछ जुन ढाँचामा आसन्न तत्वहरू बीच हुन्छ। दोस्रो, हामी अनुक्रमिक ढाँचाको एउटा तत्वमा वस्तुहरू एउटै लेनदेनबाट आउनुपर्ने प्रतिबन्धलाई कम गर्छौं, यसको सट्टामा वस्तुहरू लेनदेनको सेटमा उपस्थित हुन अनुमति दिन्छ जसको लेनदेन समय प्रयोगकर्ता-निर्दिष्ट समय विन्डो भित्र हुन्छ। तेस्रो, वस्तुहरूमा प्रयोगकर्ता-परिभाषित वर्गीकरण (एक पदानुक्रम हो) दिइएको छ, हामी अनुक्रमिक ढाँचाहरूलाई वर्गीकरणको सबै स्तरहरूमा वस्तुहरू समावेश गर्न अनुमति दिन्छौं। हामी प्रस्तुत गर्छौ जीएसपी, एउटा नयाँ एल्गोरिथ्म जसले यी सामान्यीकृत अनुक्रमिक ढाँचाहरू पत्ता लगाउँछ। सिन्थेटिक र वास्तविक जीवन डेटा प्रयोग गरेर अनुभविक मूल्यांकनले संकेत गर्दछ कि GSP [AS95] मा प्रस्तुत AprioriAll एल्गोरिथ्म भन्दा धेरै छिटो छ। जीएसपी डाटा-अनुक्रमको संख्यासँग रैखिक रूपमा स्केल हुन्छ, र औसत डाटा-अनुक्रम आकारको सम्बन्धमा धेरै राम्रो स्केल-अप गुणहरू छन्। साथै, कम्प्युटर विज्ञान विभाग, विस्कन्सिन विश्वविद्यालय, म्याडिसन। |
4282abe7e08bcfb2d282c063428fb187b2802e9c | फिलर प्रयोग गर्ने बिरामीको संख्यामा क्रमशः वृद्धि हुँदै जाँदा गैर-चिकित्सा व्यवसायी वा अनुभवहीन चिकित्सकले उपचार गर्ने बिरामीको संख्या पनि बढ्दै गएको छ। हामी यहाँ २ जना बिरामीहरूको रिपोर्ट गर्छौं जसले फिलर इन्जेक्सन प्राप्त गरेपछि तीव्र जटिलताहरू अनुभव गरे र एडिपोज- व्युत्पन्न स्टेम सेल (एडीएससी) थेरापीको साथ सफलतापूर्वक उपचार गरियो। केस १ एक २३ वर्षीया महिला बिरामी थिइन् जसले आफ्नो निधार, ग्लाबेला र नाकमा फिलर (रेस्टिलाइन) इन्जेक्सन प्राप्त गरे। इन्जेक्सनको एक दिनपछि ३×३ सेन्टिमिटर छालाको नेक्रोसिस भएको जलन देखियो । केस २ एक ३० वर्षीया महिला थिइन् जसले एक निजी क्लिनिकमा आफ्नो नाकको ढुंगा र टुप्पोमा हाइलुरोनिक एसिड जेल (जुभेडरम) को फिलर इन्जेक्सन प्राप्त गरेकी थिइन्। हरेक बिरामीको पेटको छालामुनिको टिश्युबाट निकालेको एडीएससी युक्त घोललाई छालामुनि र छालाको सतहमा घाउमा इन्जेक्सन गरिएको थियो । थप उपचार बिना नै घाउ निको भयो। निरन्तर अनुगमनको साथ, दुबै बिरामीहरूले केवल राम्रो रैखिक निशानहरू अनुभव गरे postoperatively 6 महिना। एडिपसबाट प्राप्त स्टेम सेल प्रयोग गरेर हामीले फिलर इन्जेक्सनपछि छालाको नेक्रोसिसको तीव्र जटिलतालाई सफलतापूर्वक उपचार गर्यौं, जसको परिणाम धेरै कम स्कारिङ भयो, र थप सन्तोषजनक परिणामहरू घाउ निको पार्नमा मात्र प्राप्त गरिएन, तर सौन्दर्यमा पनि। |
3198e5de8eb9edfd92e5f9c2cb325846e25f22aa | |
bdf434f475654ee0a99fe11fd63405b038244f69 | पुनरावृत्ति पूर्वानुमान स्कोरहरू संयुक्त राज्य अमेरिका भरमा सयौं हजार कैदीहरूको लागि सजाय र पर्यवेक्षण निर्धारण गर्न प्रयोग गरिन्छ। पुनरावृत्ति भविष्यवाणी स्कोरको एक यस्तो जनरेटर हो उत्तरपोइन्टको सुधारात्मक अपराधी व्यवस्थापन प्रोफाइलिंग वैकल्पिक प्रतिबन्ध (COMPAS) स्कोर, क्यालिफोर्निया र फ्लोरिडा जस्ता राज्यहरूमा प्रयोग गरिएको, जुन विगतका अनुसन्धानहरूले निष्पक्षताको केही मापनका अनुसार कालो कैदीहरूको बिरूद्ध पूर्वाग्रह देखाएको छ। यो जातीय पूर्वाग्रहलाई रोक्नको लागि, हामी एउटा विरोधी-प्रशिक्षित न्यूरोनल नेटवर्क प्रस्तुत गर्छौं जसले पुनरावृत्तिलाई पूर्वानुमान गर्छ र जातीय पूर्वाग्रह हटाउनका लागि प्रशिक्षित छ। जब हामी हाम्रो मोडलको नतिजालाई कम्पाससँग तुलना गर्छौं, हामी पूर्वानुमानात्मक शुद्धता प्राप्त गर्छौं र निष्पक्षताको तीन उपायहरूमध्ये दुईमा पुग्न नजिक पुग्छौं: समानता र सम्भावनाको समानता। हाम्रो मोडेल कुनै पनि भविष्यवाणी र जनसांख्यिकीयमा सामान्यीकृत गर्न सकिन्छ। यो अनुसन्धानले पुनरावृत्ति भविष्यवाणी जस्ता उच्च-ब्याज वास्तविक-विश्व अनुप्रयोगमा वैज्ञानिक प्रतिकृति र सरलीकरणको उदाहरण प्रदान गर्दछ। |
33fad977a6b317cfd6ecd43d978687e0df8a7338 | यो कागजले सैद्धान्तिक रूपमा धेरै सरल, तर कुशल, बहु-रिजोल्युसन दृष्टिकोण प्रस्तुत गर्दछ ग्रे-स्केल र रोटेशन इन्भेरिएन्ट बनावट वर्गीकरण स्थानीय बाइनरी ढाँचा र नमूना र प्रोटोटाइप वितरणको गैर-परमिट्री भेदभावमा आधारित। यो विधिले मान्यता दिन्छ कि निश्चित स्थानीय बाइनरी ढाँचाहरू, जसलाई एकसमान भनिन्छ, स्थानीय छवि बनावटको मौलिक गुणहरू हुन् र तिनीहरूको घटना हिस्टोग्राम एक धेरै शक्तिशाली बनावट सुविधा साबित भएको छ। हामी एक सामान्यीकृत ग्रे-स्केल र रोटेशन इन्भेरिएन्ट अपरेटर प्रस्तुतीकरण प्राप्त गर्दछौं जसले कोणीय अन्तरिक्षको कुनै पनि क्वांटिजेसन र कुनै पनि स्थानिक रिजोलुसनको लागि auniformo ढाँचा पत्ता लगाउन अनुमति दिन्छ र बहु-रिजोलुसन विश्लेषणको लागि बहु अपरेटरहरू संयोजन गर्न एक विधि प्रस्तुत गर्दछ। प्रस्तावित दृष्टिकोण ग्रे-स्केल भिन्नताहरूको सन्दर्भमा धेरै बलियो छ किनकि अपरेटर, परिभाषा अनुसार, ग्रे स्केलको कुनै पनि मोनोटोनिक रूपान्तरणको बिरूद्ध अपरिवर्तनीय छ। अर्को फाइदा कम्प्युटेशनल सरलता हो किनकि अपरेटरलाई सानो छिमेक र लुकअप टेबलमा केही अपरेशनहरूसँग महसुस गर्न सकिन्छ। रोटेशन इन्भेरियन्सको वास्तविक समस्यामा प्राप्त उत्कृष्ट प्रयोगात्मक परिणामहरू, जहाँ वर्गीकरणकर्तालाई एक विशेष रोटेशन कोणमा प्रशिक्षण दिइन्छ र अन्य रोटेशन कोणबाट नमूनाहरूसँग परीक्षण गरिन्छ, यो देखाउँदछ कि राम्रो भेदभाव साधारण रोटेशन इन्भेरियन्ट स्थानीय बाइनरी ढाँचाहरूको घटना तथ्या .्कको साथ प्राप्त गर्न सकिन्छ। यी अपरेटरहरूले स्थानीय छवि बनावटको स्थानिक कन्फिगरेसनको विशेषता दिन्छ र प्रदर्शनलाई रोटेशन इन्भेरिएन्ट भेरियन्स उपायहरूसँग मिलाएर थप सुधार गर्न सकिन्छ जुन स्थानीय छवि बनावटको कन्ट्रास्टको विशेषता हो। यी अर्थागोनल उपायहरूको संयुक्त वितरणहरू घुमाउने अपरिवर्तनीय बनावट विश्लेषणको लागि धेरै शक्तिशाली उपकरणहरू देखाइएका छन्। अनुक्रमणिका शब्दहरू: ननपारामेट्रिक, बनावट विश्लेषण, आउटटेक्स, ब्रोडाट्ज, वितरण, हिस्टोग्राम, कन्ट्रास्ट। |
8ade5d29ae9eac7b0980bc6bc1b873d0dd12a486 | |
12a97799334e3a455e278f2a995a93a6e0c034bf | यस कागजातले चिनियाँ शब्द विभाजनको लागि एक इम्बेडिंग मिलान दृष्टिकोण प्रस्ताव गर्दछ, जसले परम्परागत अनुक्रम लेबलिंग फ्रेमवर्कलाई सामान्य बनाउँदछ र वितरित प्रतिनिधित्वहरूको फाइदा लिन्छ। प्रशिक्षण र पूर्वानुमान एल्गोरिदमहरू रैखिक-समय जटिलता छ। प्रस्तावित मोडेलको आधारमा, एक लोभी सेग्मेन्टर विकसित र बेंचमार्क कर्पोरेसनमा मूल्या .्कन गरिएको छ। प्रयोगहरूले देखाउँछ कि हाम्रो लोभी सेग्मेन्टरले अघिल्लो न्यूरल नेटवर्कमा आधारित शब्द सेग्मेन्टरहरू भन्दा सुधारिएको परिणाम प्राप्त गर्दछ, र यसको प्रदर्शन राज्य-को-कला विधिहरूसँग प्रतिस्पर्धी हो, यसको सरल सुविधा सेट र प्रशिक्षणको लागि बाह्य स्रोतहरूको अभावको बाबजुद। |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.