_id
stringlengths 40
40
| text
stringlengths 0
9.54k
|
|---|---|
6ae2dd7824f45d9c721c1e0fdc79250b85a598d2 | हालै ठूलो डाटामा भएको चासोले धेरै कम्पनीहरूले फर्म प्रदर्शन (एफपीईआर) बढाउन ठूलो डाटा एनालिटिक्स क्षमता (बीडीएसी) विकास गर्न नेतृत्व लिएका छन्। तर, केही कम्पनीहरूको लागि बीडीएसीले फाइदा गर्छ, तर अरूको लागि गर्दैन। यस्तो देखिन्छ कि धेरै थोरैले ठूलो डाटाको माध्यमबाट ठूलो प्रभाव प्राप्त गरेका छन्। यस चुनौतीलाई सम्बोधन गर्न, यस अध्ययनले संसाधन-आधारित सिद्धान्त (आरबीटी) र सामाजिक भौतिकवादको उलझन दृष्टिकोणमा आधारित बीडीएसी मोडेल प्रस्ताव गर्दछ। यस अध्ययनले बीडीएसीलाई एक श्रेणीबद्ध मोडेलको रूपमा देखाउँछ, जसमा तीन प्राथमिक आयामहरू (जस्तै, व्यवस्थापन, प्रविधि, र प्रतिभा क्षमता) र ११ उपआयामहरू (जस्तै, योजना, लगानी, समन्वय, नियन्त्रण, कनेक्टिभिटी, अनुकूलता, मोडुलरता, प्रविधि व्यवस्थापन ज्ञान, प्राविधिक ज्ञान, व्यवसायिक ज्ञान र सम्बन्ध ज्ञान) समावेश छन्। यी निष्कर्षहरूले उच्च-अर्डरको बीडीएसी मोडेलको इन्ट्याग्लमेन्ट अवधारणाको मूल्य र एफपीईआरमा यसको प्रभाव पुष्टि गर्दछ। यस अध्ययनले बीडीएसी एफपीईआर सम्बन्धमा विश्लेषणात्मक क्षमता र व्यापारिक रणनीतिलाई मिलाएर प्रभाव पार्ने उल्लेख्य प्रभावलाई पनि प्रकाश पार्छ। |
b8f2fb3975e15d13d12715ce53b37821a6214b9e | केही उदाहरणहरू क्रममा छन्। प्रकृतिमा सामान्यतया पाइने प्रणाली वास्तुकला हो: ढाँचा १: एउटा संस्थाले आफैं जस्तै धेरै संस्थाहरू उत्पादन गर्नका लागि कारण दिन्छ। एकै समयमा, यसले अर्को प्रकारको इकाई उत्पादन गर्न को लागी कारण गर्दछ जसले जटिल प्रणाली सिद्धान्तहरूको सन्दर्भमा वैज्ञानिक घटनाहरू बुझ्न वैज्ञानिक र शैक्षिक दुवै महत्त्वपूर्ण छ। विज्ञानका विभिन्न विधाका परिस्थितिहरू प्रायः एउटै सिद्धान्तद्वारा शासित हुन्छन्, र यसैले विधाहरूमा ज्ञानको स्थानान्तरणलाई बढावा दिँदा बहुमूल्य क्रस-फर्टीलाइजेशन र वैज्ञानिक एकीकरण सम्भव हुन्छ। यद्यपि यस प्रकारको स्थानान्तरणको प्रमाण ऐतिहासिक रूपमा विवादास्पद छ, विद्यार्थीहरूको प्रयोग र अवलोकनहरूले जटिल प्रणाली सिद्धान्तहरूको स्थानान्तरणलाई बढावा दिन शैक्षिक विधिहरू सुझाव दिन्छ। एउटा प्रभावकारी रणनीति भनेको विद्यार्थीहरूले सक्रिय रूपमा तत्वहरू र अन्तर्क्रियाको व्याख्या गर्नु हो जुन धारणामा आधारित परिदृश्यहरू हुन्। यस्तो व्याख्या सामान्य सिद्धान्तहरूसँगै केसहरूको प्रस्तुतीकरणको माध्यमबाट र विद्यार्थीहरूले केसहरूको कम्प्युटेशनल मोडेलहरू अन्वेषण र निर्माण गरेर सहज बनाउन सकिन्छ। यसबाट प्राप्त ज्ञान ठोस आधारमा आधारित हुन सक्छ तर यो दृष्टिकोणमा निर्भर हुन्छ र सामान्यीकरण गर्न सकिन्छ। हामी जटिल प्रणालीहरूको कम्प्युटेशनल र मानसिक मोडेलहरू समन्वय गर्ने विधिहरू, समझदारी र सामान्यीकरणलाई बढावा दिन आदर्शकरण र ठोसताको भूमिका, र स्थानान्तरणका लागि अन्य पूरक सैद्धान्तिक दृष्टिकोणहरूको बारेमा छलफल गर्दछौं। जटिल प्रणालीको बुझाइ 3 जटिल प्रणालीको सिद्धान्तको माध्यमबाट विद्यार्थीले सिकेको कुरालाई नयाँ परिस्थितिमा कहिले र कसरी स्थानान्तरण गर्छन् ? शिक्षा र संज्ञानात्मक विज्ञानको अगाडि यो एउटा सबैभन्दा महत्वपूर्ण प्रश्न हो। यसको सम्बोधन गर्नुको महत्त्वपूर्ण व्यावहारिक परिणाम छ, साथै सिकाइ, समानान्तर तर्क र वैचारिक प्रतिनिधित्वसँग सम्बन्धित गहिरो आधारभूत अनुसन्धान मुद्दाहरूलाई पनि छुन्छ। धेरै अनुसन्धानले विद्यार्थीहरूले आफूले सिकेको कुरालाई सहजै हस्तान्तरण गर्दैनन् भन्ने सुझाव दिन्छ, कम्तिमा सतहमा भिन्न डोमेनमा (डेटरम्यान, १ 199 1993;; गिक र होलोआक, १ 1980; १ 1983)) । यो चिन्ताजनक छ किनकि शिक्षकहरूले विद्यार्थीहरूले सान्दर्भिक नयाँ परिस्थितिहरूमा सिकेको कुरालाई लागू गर्नेछन् भन्ने आशामा सामग्री छनौट गर्छन्। हामी विश्वास गर्छौं कि विद्यार्थीहरूले वैज्ञानिक सिद्धान्तहरूलाई सतहमा भिन्न डोमेनहरूमा हस्तान्तरण गर्न सक्दछन्, र हामी यस विश्वासमा एक्लो छैनौं (ब्रान्सफोर्ड र श्वार्ट्ज, १ 1999 1999; जेकोबसन, २००१; जुड, १ 1908 ०;; साइमन, १ 1980०) । हाम्रो मुद्दा प्रस्तुत गर्न, हामी प्रकारका स्थानान्तरणहरू वर्णन गर्नेछौं जुन का लागि लड्न लायक छ। यी पहिचान गर्नु शैक्षिक प्रश्न मात्र होइन, वैज्ञानिक प्रश्न पनि हो। यसैले, हामी विज्ञानको एउटा नयाँ दृष्टिकोणको वर्णन गर्नेछौं जसले जटिल प्रणालीहरूलाई नियन्त्रण गर्ने सामान्य सिद्धान्तहरू अनुसार भिन्न क्षेत्रका घटनाहरूलाई एकताबद्ध गर्ने प्रयास गर्छ। विज्ञानको यो जटिल प्रणाली दृष्टिकोणले वैज्ञानिक समझ प्रदान गर्नका लागि अनौठो शैक्षिक अवसरहरू प्रदान गर्दछ जुन दुवै ठोस रूपमा आधारित छ तर यातायात योग्य छ। आधारभूत सामान्यीकरणको धारणा एक ओक्सिमोरोन जस्तो लाग्न सक्छ, तर यो हाम्रो स्थानान्तरणको विवरणको कुञ्जी हो। सामान्यीकरण व्यक्त गर्नका लागि समय-सम्मानित विधि प्रतीकात्मक औपचारिकताहरू जस्तै भविष्यवाणी तर्क वा बीजगणित प्रयोग गर्नु भएको छ। यी औपचारिकताहरूले विद्यार्थीलाई परिस्थितिको विशिष्टतालाई पार गर्न सक्षम पार्न सक्छ, तर उनीहरूले स्थितिको अन्तर्ज्ञानात्मक समझबाट उत्पन्न अमूर्तलाई विच्छेदन गर्ने जोखिम पनि चलाउँछन्। यसको सट्टामा, हामी सिकाउने र सिकाउने विधिहरू प्रस्ताव गर्दछौं जसले परिस्थिति निर्माणलाई बढावा दिन्छ जुन ठोस छ किनकि तिनीहरू अवधारणात्मक, समय र स्थानिक रूपमा आधारित छन्। तर, ती अझै पनि आदर्शकरणहरू हुन् किनकि परिस्थितिका धेरै तत्वहरूलाई बेवास्ता गरिन्छ वा अत्यधिक सरलीकृत गरिन्छ। यस लेखमा हामी निम्न चरणहरू मार्फत ग्राउन्ड सामान्यीकरण प्राप्त गर्न दृष्टिकोण विकास गर्नेछौं: १) १ वर्णन गर्नुहोस् १। स्थानान्तरणको अन्य दृष्टिकोणहरूसँग तुलनामा स्थित अमूर्तको धारणा पनि हेर्नुहोस्। जटिल प्रणालीहरू बुझ्दै 4 विज्ञानको जटिल प्रणालीहरूको प्रकृति, २) सामान्य जटिल प्रणाली सिद्धान्तहरूको उदाहरणहरू प्रदान गर्नुहोस् जुन धेरै केस स्टडीहरूमा देखा पर्दछ, 3) जटिल प्रणालीहरूको माध्यमबाट विज्ञान सिकाउने शैक्षिक लाभहरूको वर्णन गर्नुहोस्, 4) जटिल प्रणालीहरूको सम्बन्धमा स्थानान्तरण र सामान्यीकरणको महत्त्वको बारेमा छलफल गर्नुहोस्, 5) आधारभूत सिमुलेशनहरू मार्फत ग्राउन्ड सामान्यीकरण प्राप्त गर्नका लागि एक विधि प्रस्तुत गर्नुहोस्, 6) ग्राउन्ड सिमुलेशनबाट औपचारिकता केन्द्रित रणनीतिहरूमा सामान्यीकरणको तुलना गर्नुहोस्, र 7) कम्प्युटेशनल र मानसिक मोडेलहरू बीच समानताहरू, दुई प्रकारका मोडेलहरू जाल गर्न अनुमति दिने डिजाइन सिद्धान्तहरूको पहिचान गर्ने उद्देश्यका साथ। विज्ञानलाई जटिल प्रणाली सिद्धान्तहरूसित जोड्ने एउटा तरिका विज्ञानलाई अघि बढाउने हो। यस विवरण अनुसार, शैतान विवरणमा छ र वैज्ञानिकहरूको उचित पेशा यी विवरणहरूको खोजी गर्नु हो। विज्ञानको यो दृष्टिकोणलाई जोन होर्गनले सन् १९९६ मा आफ्नो पुस्तक द एंड अफ साइन्स मा सबैभन्दा जोडदार ढंगले चित्रण गरेका थिए। उनले तर्क गरे कि मौलिक वैज्ञानिक सिद्धान्त र खोजको युग बितिसकेको छ र अब आइन्स्टाइन, डार्विन र न्युटन जस्ता वैज्ञानिकहरूले अघि सारेका सिद्धान्तहरूको विवरणलाई परिष्कृत गर्न बाँकी छ। वैज्ञानिक विशेषज्ञताको तीव्र दरले होर्गनको तर्कलाई समर्थन गरेको देखिन्छ। हामी एउटा युगबाट गएका छौं जहाँ केवल प्रमुख वैज्ञानिक पत्रिकाहरू नेचर र साइन्स थिए विशेष पत्रिकाहरू जस्तै जर्नल अफ कन्ट्यामिनेन्ट हाइड्रोलोजी र जर्नल अफ शोल्डर र एल्बो सर्जरी, प्रत्येक धेरै भिन्न उप-विशेषज्ञताहरूको लागि छाता आउटलेटको साथ एक युगमा। वैज्ञानिक सल्लाहकार बोर्डमा उत्तरदाताहरूमध्ये आधाभन्दा बढीको विचारमा जीवविज्ञानीहरू संकीर्ण रूपमा परिभाषित जैविक क्षेत्रहरूमा विशेषज्ञता हासिल गरेर ठूलो चित्रको ट्र्याक गुमाइरहेका छन्। [पृष्ठ २३-मा भएको चित्र] वैज्ञानिकहरूको एउटा सानो समूहले विशेषज्ञता बढाउने प्रवृत्तिलाई उल्ट्याउने निर्णय गरेका छन्। तिनीहरूका सिद्धान्तहरू भौतिकदेखि जीवविज्ञानदेखि सामाजिक विज्ञानसम्मका धेरै वैज्ञानिक क्षेत्रहरूमा लागू हुन्छन्। यी सिद्धान्तहरू यी क्षेत्रहरूमा रूपक वा अस्पष्ट रूपमा लागू हुँदैन, किनकि शब्दहरू चक्रवात र फ्राक्टल प्रायः कला वा पारस्परिक सम्बन्धहरूमा लागू गरियो। जटिल प्रणालीका अनुसन्धानकर्ताहरूले जटिल प्रणालीलाई बुझ्नको लागि 5 भन्ने दाबी गर्छन् कि एउटै विशिष्ट सिद्धान्त, कहिलेकाहीं समीकरण वा कम्प्युटेशनल नियमहरूको सेटको रूपमा व्यक्त गर्न सकिन्छ, जस्तो देखिन्छ फरक घटना वर्णन गर्न सक्छ। जटिल प्रणालीहरूद्वारा, हामी प्रणालीहरूलाई बुझाउँछौं जसमा धेरै भिन्न तत्वहरू हुन्छन् जुन स्थानीय रूपमा अन्तरक्रिया गर्दछ, परिणामस्वरूप समयसँगै विश्वव्यापी रूपमा परिवर्तन हुने प्रणाली हुन्छ। विगत केही दशकहरूमा, जटिल प्रणाली सिद्धान्तको क्षेत्र द्रुत रूपमा विकास भइरहेको छ (बार-याम, १ 1997 1997;; हल्याण्ड, १ 1995 1995; काफम्यान, १ 199 1993;; वोल्फ्राम, २००२) । जटिल प्रणाली सिद्धान्त र विधिहरू अब विज्ञानको लागि विशिष्ट छन् र लगभग हरेक शैक्षिक अनुशासन र पेशामा फेला पार्न सकिन्छ (अमराल र ओट्टिनो, २००४; बाराबासी, २००२; डायरमेयर र मर्लो, २०००; एपस्टीन र एक्सटेल १ 1996 1996;; वोल्फ्राम, १ 1986) । सुरुमा यस्तो लाग्न सक्छ कि जटिल प्रणालीले प्राकृतिक र सामाजिक घटनाहरूको एउटा सानो अंशलाई प्रतिनिधित्व गर्छ। तर, यो क्षेत्रको गलत बुझाइ हो। कुनै कुरालाई जटिल प्रणाली वा जटिल घटना बनाउनु दृष्टिकोणको कुरा हो। यदि तपाईं जटिल प्रणालीको दृष्टिकोण लिनुहुन्छ, प्रणाली तत्वहरूको अन्तरक्रियामा ध्यान केन्द्रित गर्दै, तब प्रकृति र समाजमा लगभग हरेक प्रणालीलाई जटिल प्रणालीको रूपमा वर्णन गर्न सकिन्छ। यस दृष्टिकोणबाट हेर्दा, प्रणालीलाई जटिल प्रणाली सिद्धान्त र विधिहरूको प्रयोग गरेर विश्लेषण गर्न सकिन्छ। जटिल प्रणाली सिद्धान्तले धेरै सामान्य सिद्धान्तहरूको वर्णन गरेको छ जसले परम्परागत विषयहरूको विस्तृत विविधतामा प्राकृतिक र सामाजिक प्रणालीहरूको वर्णन गर्न सक्छ। |
4215c25c3757f5ac542bf0449ffd1ad55a11f630 | |
41ab8a3c6088eb0576ba65e114ebd37340c2bae1 | |
842301714c2513659a6814a7e9b5ae761136f9d8 | यस अध्यायमा, हामी ग्राफ डाटामा कुञ्जी शब्द खोजी गर्ने विधिहरू सर्वेक्षण गर्दछौं। कुञ्जी शब्द खोजले जटिल डाटा संरचनाबाट जानकारी पुनः प्राप्त गर्न सरल तर प्रयोगकर्ता-मैत्री इन्टरफेस प्रदान गर्दछ। धेरै वास्तविक जीवन डाटासेट रूखहरू र ग्राफहरू द्वारा प्रतिनिधित्व गरिएको छ, कुञ्जी शब्द खोजी विभिन्न प्रकारका डाटाको लागि एक आकर्षक संयन्त्र भएको छ। यस सर्वेक्षणमा, हामी स्कीमा ग्राफहरूमा कुञ्जी शब्द खोजी गर्ने विधिहरूको बारेमा छलफल गर्दछौं, जुन XML डाटा र रिलेशनल डाटाको लागि अमूर्त प्रतिनिधित्व हो, र स्कीमा-मुक्त ग्राफहरूमा कुञ्जी शब्द खोजी गर्ने विधिहरू। हाम्रो छलफलमा, हामी चार्टमा खोजशब्द खोजको तीन प्रमुख चुनौतीहरूमा ध्यान केन्द्रित गर्नेछौं। पहिलो, ग्राफमा खोजशब्द खोजको अर्थशास्त्र के हो, वा, खोजशब्द खोजको उत्तरको रूपमा के योग्य छ; दोस्रो, राम्रो उत्तर के हो, वा, कसरी उत्तरहरू क्रमबद्ध गर्ने; तेस्रो, कसरी कुशलतापूर्वक खोजशब्द खोज गर्ने। हामी केही समाधान नभएका चुनौतीहरूको बारेमा पनि छलफल गर्छौं र केही नयाँ अनुसन्धानका दिशाहरू प्रस्ताव गर्छौं। |
21813c61601a8537136488ce55a2c15669365ef9 | हामी व्यक्तिगत पृष्ठ रैंक वेक्टरहरू कडा त्रुटि सीमाहरू संग गणना गर्नका लागि सुधारिएको एल्गोरिथ्म दिन्छौं जुन कुनै पनि निश्चित सकारात्मक पूर्णांक p को लागि Ω ((n-p) को रूपमा सानो हुन सक्छ। सुधारिएको पृष्ठ रैंक एल्गोरिथ्म दिइएको ग्राफमा किनारहरूको मात्रात्मक श्रेणीकरण गणना गर्नका लागि महत्त्वपूर्ण छ। हामी दुई अन्तरसम्बन्धित समस्याहरू - ग्राफ स्पार्सिफिकेसन र ग्राफ विभाजनको जाँच गर्न किनारा श्रेणीकरण प्रयोग गर्नेछौं। हामी ग्राफ स्पार्सिफिकेसन र विभाजन एल्गोरिदमलाई संयोजन गर्न सक्छौं PageRank भेक्टरहरू प्रयोग गरेर सुधारिएको विभाजन एल्गोरिथ्म प्राप्त गर्नका लागि। |
71c3182fa122a1d6ccd4aa8eb9dccd95314b848b | आधुनिक समाजका विभिन्न पक्षहरूमा साइबर-फिजिकल प्रणाली (सीपीएस) को व्यापकता तीव्र गतिमा बढ्दै गएको छ। यसबाट सीपीएस विभिन्न प्रकारका आक्रमणका लागि बढ्दो आकर्षक लक्ष्यहरू हुन्छन्। हामी साइबर सुरक्षालाई सीपीएस सुरक्षाको अभिन्न अंग मान्छौं। यसबाहेक, साइबर सुरक्षाको दायरा बाहिर रहेका सीपीएस-विशिष्ट पक्षहरूको छानबिन गर्न आवश्यक छ। सबैभन्दा महत्त्वपूर्ण कुरा, साइबर-भौतिक डोमेन सीमा पार गर्न सक्षम आक्रमणहरूको विश्लेषण गर्नुपर्दछ। सीपीएसको यस्तो क्रस-डोमेन आक्रमणको लागि कमजोरता धेरै उदाहरणहरू द्वारा व्यावहारिक रूपमा प्रमाणित गरिएको छ, उदाहरणका लागि, हाल सबैभन्दा प्रसिद्ध स्टक्सनेट आक्रमण द्वारा। यस लेखमा, हामी सीपीएसमाथिको आक्रमणको वर्णनका लागि वर्गीकरणको प्रस्ताव गर्दछौं। प्रस्तावित वर्गीकरणले परम्परागत साइबर आक्रमणका साथै सीपीएसमा क्रस-डोमेन आक्रमणहरू प्रतिनिधित्व गर्न सक्षम छ। यसबाहेक, प्रस्तावित वर्गीकरणको आधारमा, हामी आक्रमण वर्गीकरण परिभाषित गर्दछौं। प्रस्तावित वर्गीकरणका धेरै सम्भावित अनुप्रयोग क्षेत्रहरू विस्तृत रूपमा छलफल गरिएका छन्। अन्य कुराहरुका साथै, यसको प्रयोग सीपीएसमाथि साहित्यमा ज्ञात आक्रमणको बारेमा ज्ञानको आधार स्थापित गर्नका लागि गर्न सकिन्छ। यसबाहेक, प्रस्तावित विवरण संरचनाले यी आक्रमणहरूको मात्रात्मक र गुणात्मक विश्लेषणलाई बढावा दिनेछ, जुन दुवै आवश्यक रूपमा सीपीएस सुरक्षा सुधार गर्नका लागि हो। |
237292e08fe45320e954377ebe2b7e08d08f1979 | |
9f7d7dc88794d28865f28d7bba3858c81bdbc3db | सुदृढीकरण सिकाइले स्वायत्त रोबोटहरूलाई न्यूनतम मानव हस्तक्षेपको साथ व्यवहारिक सीपहरूको ठूलो रेपर्टोरिय सिक्न सक्षम पार्ने प्रतिज्ञा गर्दछ। यद्यपि, सुदृढीकरण सिकाइको रोबोटिक अनुप्रयोगहरूले प्रायः वास्तविक भौतिक प्रणालीहरूको लागि व्यावहारिक प्रशिक्षण समय प्राप्त गर्ने पक्षमा सिकाइ प्रक्रियाको स्वायत्ततामा सम्झौता गर्दछ। यसमा सामान्यतया हातले डिजाइन गरिएको नीतिगत प्रतिनिधित्व र मानव-आपूर्ति गरिएको प्रदर्शनको परिचय समावेश छ। गहिरो सुदृढीकरण सिकाइले सामान्य उद्देश्यको तंत्रिका नेटवर्क नीतिहरू प्रशिक्षण गरेर यो सीमिततालाई कम गर्दछ, तर प्रत्यक्ष गहिरो सुदृढीकरण सिकाइ एल्गोरिदमको अनुप्रयोगहरू सिमुलेटेड सेटिंग्स र तुलनात्मक रूपमा सरल कार्यहरूमा सीमित छन्, तिनीहरूको स्पष्ट उच्च नमूना जटिलताको कारण। यस लेखमा, हामी देखाउँछौं कि हालैको गहिरो सुदृढीकरण सिकाउने एल्गोरिथ्म गहिरो क्यू-कार्यहरूको अफ-पलिसी प्रशिक्षणमा आधारित जटिल थ्रीडी हेरफेर कार्यहरूमा स्केल गर्न सकिन्छ र वास्तविक भौतिक रोबोटहरूमा प्रशिक्षण दिनको लागि पर्याप्त दक्षताका साथ गहिरो न्यूरल नेटवर्क नीतिहरू सिक्न सक्छ। हामीले यो देखाएका छौं कि प्रशिक्षण समयलाई थप घटाउन सकिन्छ यदि हामी धेरै रोबोटहरूमा एल्गोरिथ्मलाई समानान्तर बनाउँदछौं जसले उनीहरूको नीति अपडेटहरू एसिन्क्रोनस रूपमा साझा गर्दछ। हाम्रो प्रयोगात्मक मूल्यांकनले देखाउँछ कि हाम्रो विधिले सिमुलेसनमा विभिन्न थ्रीडी हेरफेर सीपहरू सिक्न सक्छ र कुनै पनि पूर्व प्रदर्शन वा म्यानुअल डिजाइन गरिएको प्रतिनिधित्व बिना वास्तविक रोबोटहरूमा जटिल ढोका खोल्ने सीप सिक्न सक्छ। |
de81d968a660df67a8984df6aa77cf88df77259f | हाल, एक अतिरिक्त घटक बिना एक शक्ति decoupling विधि एक चरण एसी गर्न DC कनवर्टर लागि प्रस्तावित छ, जो एक उडान संधारित्र DC / DC कनवर्टर (FCC) र भोल्टेज स्रोत इन्वर्टर (VSI) हुन्छन्। विशेष गरी, एफसीसीमा एउटा सानो फ्लाइङ क्यापेसिटर दुबै बूस्ट अपरेशन र डबल-लाइन-फ्रेक्वेंसी पावर रिपल रिडक्सनको लागि प्रयोग गरिन्छ। यसरी, ठूलो इलेक्ट्रोलाइटिक कन्डसेटरको प्रयोगबाट बच्नको लागि डीसी-लिंक कन्डसेटर मानलाई कम गर्न सकिन्छ। यसको अतिरिक्त, घटक डिजाइन, उदाहरणका लागि, बूस्ट इन्डक्टर र फ्लाइङ क्यापेसिटर, प्रस्तृत नियन्त्रण लागू गर्दा स्पष्ट गरिन्छ। प्रस्तावित नियन्त्रणको वैधता प्रमाणित गर्न १.५ किलोवाटको प्रोटोटाइप प्रयोग गरी प्रयोगहरू गरियो। प्रयोगात्मक नतिजाले प्रस्तावित नियन्त्रणको प्रयोगले डीसी-लिंक भोल्टेज लहरलाई 74.5% ले घटाएको छ र इन्भर्टर आउटपुट वर्तमानको कुल हार्मोनिक विकृति (THD) 5% भन्दा कम थियो। यसबाहेक, अधिकतम प्रणाली दक्षता 95.4% को 1.1 किलोवाट को एक लोड मा प्राप्त भएको थियो। अन्तमा, उच्च शक्ति घनत्व डिजाइन को Pareto अगाडि अनुकूलन द्वारा मूल्यांकन गरिएको छ। तीन पावर डिकुप्लेन्ग टोपोलोजीहरूको पावर घनत्वहरू तुलना गरिन्छ, जस्तै एक बूस्ट टोपोलोजी, एक बक टोपोलोजी, र प्रस्तावित टोपोलोजी। फलस्वरूप, प्रस्तावित टोपोलोजीले यहाँ विचार गरिएका टोपोलोजीहरूमध्ये सबैभन्दा उच्च शक्ति घनत्व (५.३ किलोवाट/डीएम३) प्राप्त गर्दछ। |
470a6b517b36ed5c8125f93bb8a82984e8835c55 | यस लेखमा, हामी एउटा नयाँ जेनेरिक छवि पूर्व-ग्रेडियन्ट प्रोफाइल पूर्व प्रयोग गरेर छवि सुपर-रिजोल्युसन दृष्टिकोण प्रस्ताव गर्दछौं, जुन छवि ग्रेडियन्टको आकार र तीक्ष्णता वर्णन गर्ने प्यारामिट्रिक पूर्व हो। धेरै प्राकृतिक चित्रहरूबाट सिकिएको ग्रेडियन्ट प्रोफाइल प्रयोग गरेर हामी छवि ग्रेडियन्टहरूमा एउटा बाधा प्रदान गर्न सक्छौं जब हामी कम रिजोल्युशन छविबाट उच्च रिजोल्युशन छवि अनुमान गर्छौं। यो सरल तर प्रभावकारी पूर्वसन्ध्याको साथ हामी अत्याधुनिक परिणामहरू उत्पादन गर्न सक्षम छौं। पुनः निर्माण गरिएको उच्च रिजोलुसन छवि स्पष्ट छ जबकि दुर्लभ घण्टी वा झिम्के कलाकृतिहरू छन्। |
857176d022369e963d3ff1be2cb9e1ca2f674520 | हामी ठूलो मात्रामा ज्ञान ग्राफ (KG) मा तर्क गर्न सिक्ने समस्याको अध्ययन गर्दछौं। विशेष गरी, हामी बहु-हप सम्बन्धात्मक मार्गहरू सिक्नको लागि एक उपन्यास सुदृढीकरण शिक्षा ढाँचा वर्णन गर्दछौं: हामी ज्ञान ग्राफ एम्बेडेडको आधारमा निरन्तर राज्यहरूको साथ नीति-आधारित एजेन्ट प्रयोग गर्दछौं, जसले यसको मार्ग विस्तार गर्न सबैभन्दा आशाजनक सम्बन्धको नमूना लिई KG भेक्टर स्पेसमा तर्क गर्दछ। यसअघिको कामको विपरित, हाम्रो दृष्टिकोणमा एक इनाम फंक्शन समावेश छ जसले सटीकता, विविधता, र दक्षतालाई ध्यानमा राख्छ। प्रयोगात्मक रूपमा, हामीले देखाउँछौं कि हाम्रो प्रस्तावित विधिले मार्ग-रैंकिंग आधारित एल्गोरिथ्म र ज्ञान ग्राफ इम्बेडिंग विधिहरू फ्रीबेस र कहिल्यै नटुट्ने भाषा सिक्ने डाटासेटमा प्रदर्शन गर्दछ। |
8597da33970c02df333d9d6520884c1ba3f5fb17 | हामी एउटा नयाँ गति ट्रयाकिङ प्रविधिको परिचय दिँदैछौं जसले उपभोक्ताको गहिराई सेन्सरद्वारा रेकर्ड गरिएको एकल दृश्य गहिराई इनपुटबाट गैर-कठोर ज्यामिति र गतिलाई पुनः निर्माण गर्न सक्छ। यो विचार अवलोकनमा आधारित छ कि धेरै जसो गैर-कठोर गतिहरू (विशेष गरी मानव-सम्बन्धित गतिहरू) आन्तरिक रूपमा स्पष्ट गति उप-स्थानमा संलग्न छन्। यस फाइदा लिन, हामी एक उपन्यास प्रस्ताव गर्दछौं <inline-formula> <tex-math notation="LaTeX"> $ L_0 $ </tex-math> <alternatives> <inline-graphic xlink: href="xu-ieq2-2688331.gif"/></alternatives></inline-formula> आधारित गति नियामक एक पुनरावर्ती समाधानकर्ताको साथ जसले स्पष्ट रूपमा स्थानीय विकृतिहरूलाई सीमित गर्दछ। <inline-formula><tex-math notation="LaTeX">$L_0$</tex-math> <alternatives><inline-graphic xlink:href="xu-ieq3-2688331.gif"/></alternatives></inline-formula> रणनीति उपलब्ध गैर-कठोर गति ट्र्याकिंग पाइपलाइनमा एकीकृत छ, र बिस्तारै ट्र्याकिंगको साथ अनलाइन आर्टिक्युलेट जोइन्ट जानकारी निकाल्छ, जसले परिणामहरूमा ट्र्याकिंग त्रुटिहरू सच्याउँछ। अनुलग्नकहरूको जानकारी निम्न ट्र्याकिङ प्रक्रियामा प्रयोग गरिन्छ ताकि ट्र्याकिङको शुद्धतामा सुधार गर्न र ट्र्याकिङ असफलता रोक्न सकिन्छ। मानव शरीरको जटिल गतिमा गरिएको व्यापक प्रयोगले अनुहार र हातको गतिले गति ट्रयाकिङमा बलियो र सटीकतामा सुधार ल्याएको देखाएको छ। |
f5bbdfe37f5a0c9728c9099d85f0799e67e3d07d | |
7d553ced76a668120cf524a0b3e633edfea426df | |
0b277244b78a172394d3cbb68cc068fb1ebbd745 | इन्टरनेटमा तेस्रो पक्षको साइटहरूद्वारा अधिक संवेदनशील डाटा साझा र भण्डारण गरिएपछि, यी साइटहरूमा भण्डार गरिएको डाटालाई एन्क्रिप्ट गर्ने आवश्यकता हुनेछ। डाटालाई एन्क्रिप्ट गर्ने एउटा कमजोरी भनेको यो छनोट गरेर मात्र साझा गर्न सकिन्छ (अर्थात्, अर्को पार्टीलाई तपाईंको निजी कुञ्जी दिने) । हामीले एउटा नयाँ क्रिप्टो प्रणालीको विकास गरेका छौं, जुन कि-पॉलिसी एट्रिब्युट-बेस्ड एन्क्रिप्शन (केपी-एबीई) भनिन्छ, जसले कि-पॉलिसी एट्रिब्युट-बेस्ड एन्क्रिप्शनको साझाकरणलाई सफा गर्छ। हाम्रो गुप्तिकरण प्रणालीमा, सिफरटेक्स्टहरू विशेषताहरूको सेटको साथ लेबल गरिएको हुन्छ र निजी कुञ्जीहरू पहुँच संरचनाहरूसँग सम्बन्धित हुन्छन् जसले नियन्त्रण गर्दछ कि सिफरटेक्स्टहरू प्रयोगकर्ताले डिक्रिप्ट गर्न सक्षम छ। हामी लेखापरीक्षण-लग जानकारी र प्रसारण एन्क्रिप्शन साझा गर्न हाम्रो निर्माण को applicability प्रदर्शन। हाम्रो निर्माणले निजी कुञ्जीहरूको प्रत्यायोजनलाई समर्थन गर्दछ जसले हाइरार्की पहिचान-आधारित एन्क्रिप्शन (HIBE) समावेश गर्दछ। |
48b7ca5d261de75f66bc41c1cc658a00c4609199 | हालसालै धेरै कामहरू सामाजिक मिडियाको विश्लेषणमा केन्द्रित छन् जुन मानिसहरूले चासोको विषयवस्तुको बारेमा के सोच्दछन् भन्ने महसुस गर्नका लागि हो, यद्यपि अझै पनि सामना गर्नुपर्ने धेरै चुनौतीहरू छन्। मूलतः समाचार लेख जस्ता अधिक नियमित प्रकारका पाठहरूको लागि डिजाइन गरिएको पाठ खानी प्रणालीहरूलाई फेसबुक पोष्टहरू, ट्वीट्स आदिसँग व्यवहार गर्न अनुकूलित गर्न आवश्यक पर्दछ। यस लेखमा हामी सामाजिक सञ्जालबाट राय खानीसँग सम्बन्धित विभिन्न मुद्दाहरूको बारेमा छलफल गर्नेछौं, र उनीहरूले प्राकृतिक भाषा प्रशोधन (एनएलपी) प्रणालीमा लगाउने चुनौतीहरू, हामीले धेरै फरक डोमेनहरूमा विकास गरेका दुई उदाहरण अनुप्रयोगहरूको साथ। अधिकांश राय खानी कार्यको विपरित, जसले मेशिन लर्निंग प्रविधिहरू प्रयोग गर्दछ, हामीले मोड्युलर नियममा आधारित दृष्टिकोण विकास गरेका छौं जसले सतह भाषाई विश्लेषण गर्दछ र अन्तिम राय ध्रुवीयता र स्कोर उत्पन्न गर्न धेरै भाषाई उप-घटकहरूमा निर्माण गर्दछ। |
2b7d5931a08145d9a501af9839fb9f8954c82c3c | फोटोभोल्टिक (पीवी) ग्रिड-कनेक्शन प्रणालीको कन्फिगरेसन सरल बनाउनको लागि, यस कागजले बक्स-बूस्ट डीसी-डीसी कन्भर्टर अपनाउने प्रस्ताव गर्दछ, र त्यसपछि लाइन-कम्युटेडको साथ एच-ब्रिज अनफोल्ड सर्किटको साथ जडानको माध्यमबाट एकल-चरण इन्भर्टर विकास गर्दछ। डीसी इनपुट-भोल्टेज र एसी आउटपुट-भोल्टेजको अवस्थाको आधारमा, प्रस्तावित सर्किटले चरण-डाउन वा चरण-अप इन्भर्टरको रूपमा कार्य गर्न सक्छ। यो व्यापक भोल्टेज-विचलन दायराको साथ अनुप्रयोगहरूको लागि उपयुक्त छ। उच्च आवृत्तिमा एउटा मात्र स्विच सञ्चालन हुने भएकाले दक्षता बढाउनका लागि स्विचिंग घाटालाई उल्लेखनीय रूपमा कम गर्न सकिन्छ। अन्तमा, एक प्रयोगशाला प्रोटोटाइप 110 Vrms / 60 हर्ट्ज आउटपुट भोल्टेज संग त्यसपछि सिमुलेटेड र तदनुसार प्रस्तावित इन्वर्टर को सम्भाव्यता प्रमाणित गर्न लागू गरिएको छ। |
373cf414cc038516a2cff11d7caafa3ff1031c6d | हालैको कामले देखाएको छ कि कसरी डेनोइजिंग र कन्ट्र्याक्टिव अटोकोडरहरूले डाटा-उत्पादक घनत्वको संरचनालाई अप्रत्यक्ष रूपमा कब्जा गर्दछ, जहाँ भ्रष्टाचारको आवाज गौसियन हो, पुनर्निर्माण त्रुटि वर्ग त्रुटि हो, र डाटा निरन्तर-मूल्यवान छ। यसले लान्जेभिन र मेट्रोपोलिस-हेस्टिङ्स एमसीएमसी प्रयोग गरेर यस निहित रूपमा सिकेको घनत्व प्रकार्यबाट नमूनाको लागि विभिन्न प्रस्तावहरू ल्याएको छ। यद्यपि, यो स्पष्ट थिएन कि कसरी नियमित स्वचालित एन्कोडरहरूको प्रशिक्षण प्रक्रियालाई अन्तर्निहित डाटा जेनरेटिंग वितरणको निहित अनुमानमा जडान गर्ने जब डाटा असतत हुन्छ, वा भ्रष्टाचार प्रक्रिया र पुनर्निर्माण त्रुटिहरूको अन्य रूपहरू प्रयोग गरेर। अर्को मुद्दा गणितीय औचित्य हो जुन केवल सानो भ्रष्टाचारको आवाजको सीमामा मान्य छ। हामी यहाँ समस्यामा फरक आक्रमण प्रस्ताव गर्दछौं, जसले यी सबै मुद्दाहरूसँग सम्बन्धित छः मनमाने (तर पर्याप्त हल्ला) भ्रष्टाचार, मनमाने पुनर्निर्माण हानि (लग-सम्भाव्यताको रूपमा देखिएको), दुबै असतत र निरन्तर-मूल्यवान चरहरू ह्यान्डल गर्ने, र गैर-अन्तिम भ्रष्टाचार शोर (वा गैर-अन्तिम संकुचित दण्ड) को कारण पूर्वाग्रह हटाउने। |
ee8c779e7823814a5f1746d883ca77b26671b617 | 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। [पृष्ठ २३-मा भएको चित्र] प्रकाशकहरूको सम्पर्क जानकारी http://www.jstor.org/journals/asl.html मा प्राप्त गर्न सकिन्छ। JSTOR प्रसारणको कुनै पनि भागको प्रत्येक प्रतिलिपिमा त्यस्ता प्रसारणको पर्दा वा छापिएको पृष्ठमा देखा पर्ने प्रतिलिपि अधिकार सूचना समावेश हुनुपर्दछ। |
5732afb98a2e5b2970344b255b7af10f5c363873 | |
554f6cc9cb9c64a25670eeb12827b803f3db2f71 | |
8db9e3f2384b032278ed9e9113021538ef4b9b94 | व्यंग्य अनलाइन समुदायमा व्यापक रूपमा प्रयोग हुने एक परिष्कृत प्रकारको भाषण कार्य हो। व्यंग्यको स्वचालित पहिचान, तथापि, एक उपन्यास कार्य हो। व्यंग्यको पहिचानले समीक्षा सारांश र श्रेणीकरण प्रणालीको प्रदर्शनमा योगदान दिन सक्छ। यस लेखमा एसएएसआई, एक उपन्यास अर्ध-पर्यवेक्षित एल्गोरिथ्मको परिचयको लागि प्रस्तुत गरिएको छ जसले उत्पाद समीक्षामा व्यंग्यात्मक वाक्यहरू चिन्न सक्छ। एसएएसआईको दुई चरण छन्: अर्ध-निरीक्षित ढाँचा अधिग्रहण, र व्यंग्य वर्गीकरण। हामीले विभिन्न पुस्तक र उत्पादनहरूका लागि अमेजनमा करिब ६६,००० समीक्षाहरूको डेटासेटमा प्रयोग गर्यौं। एउटा सुनौलो मानक प्रयोग गरेर जसमा प्रत्येक वाक्यलाई ३ जना टिप्पणीकारले ट्याग गरेका थिए, हामीले ७७ प्रतिशतको शुद्धता र ८३.१ प्रतिशतको स्मरण क्षमता प्राप्त गर्यौं व्यंग्यात्मक वाक्यहरूको पहिचान गर्नका लागि। हामीले केही बलियो विशेषताहरू पत्ता लगायौं जुन व्यंग्यात्मक अभिव्यक्तिहरूको विशेषता हो। तर, अधिक सूक्ष्म ढाँचामा आधारित विशेषताहरूको संयोजनले व्यंग्यको विभिन्न पक्षहरूको पहिचान गर्नमा बढी आशाजनक साबित भयो। हामी अनलाइन समुदाय र सामाजिक सञ्जालमा व्यंग्य प्रयोग गर्ने प्रेरणाको बारेमा पनि अनुमान लगाउँछौं। |
7a953aaf29ef67ee094943d4be50d753b3744573 | |
94f8a728a072b9b48b043a87b16619a052340421 | हालैका वायरलेस सेन्सर नेटवर्क प्रविधिले पानीको ग्रिडको स्वचालित अनुगमन र पानीको खपतको स्मार्ट मिटरिङ गर्न व्यावहारिक समाधान प्रदान गर्न सक्छ। तर, पानीको पाइपको छेउमा रहेका सेन्सर नोडहरू विद्युत ग्रिड सुविधाहरूमा पहुँच गर्न सक्दैनन्, उनीहरूको कामकाजका कारण आवश्यक ऊर्जा प्राप्त गर्न। यस अर्थमा, यो आधारभूत महत्वको छ कि नेटवर्क आर्किटेक्चरलाई यस्तो तरिकाले डिजाइन गर्न सकिन्छ कि न्यूनतम सम्भव शक्ति चाहिन्छ। यस लेखमा भविष्यमा पानीको स्मार्ट ग्रिडमा प्रयोग गर्नका लागि वायरलेस मिटरिङ बस प्रोटोकलको उपयुक्तताबारे अध्ययन गरिएको छ। |
25931b74f11f0ffdd18c3f81d3899c0efa710223 | यस लेखमा लगानीकर्ताको दृष्टिकोणबाट म्युचुअल फण्डको प्रदर्शनको विश्लेषण गरिएको छ। हामी पोर्टफोलियो-चयन समस्याको अध्ययन गर्छौं औसत-भिन्नता लगानीकर्ताको लागि जोखिम-मुक्त सम्पत्ति, सूचकांक कोष, र सक्रिय रूपमा प्रबन्धित म्युचुअल फण्डहरू बीच छनौट गर्न। यो समस्या समाधान गर्न हामी प्रदर्शन मूल्याङ्कनको बेयसियन विधि प्रयोग गर्छौं। हाम्रो दृष्टिकोणमा एउटा प्रमुख नवीनता भनेको व्यवस्थापन कौशलको बारेमा पूर्व विश्वासको एक फिक्स्ड सेटको विकास हो। त्यसपछि हामीले हाम्रो पद्धतिलाई १,४३७ म्युचुअल फण्डको नमूनामा लागू गर्यौं। हामी देख्छौं कि केही अत्यन्तै शंकास्पद पूर्व विश्वासहरूले सक्रिय प्रबन्धकहरूलाई आर्थिक रूपमा महत्त्वपूर्ण विनियोजन गर्दछ। "मलाई थाहा छ, म एक्लै बस्न सक्दिनँ, तर मसँग एउटा साथी छ जसले मलाई आफ्नो घरको कोठामा बस्न सल्लाह दिन्छ। म पनि उसलाई आफ्नो घरको कोठामा बस्न सल्लाह दिन्छु। म पनि उसलाई आफ्नो घरको कोठामा बस्न सल्लाह दिन्छु। म पनि उसलाई आफ्नो घरको कोठामा बस्न सल्लाह दिन्छु। म पनि उसलाई आफ्नो घरको कोठामा बस्न सल्लाह दिन्छु। म पनि उसलाई आफ्नो घरको कोठामा बस्न सल्लाह दिन्छु। म पनि उसलाई आफ्नो घरको कोठामा बस्न सल्लाह दिन्छु। म पनि उसलाई आफ्नो घरको कोठामा बस्न सल्लाह दिन्छु। वर्षौंदेखि धेरै विज्ञहरूले भनेका छन् कि लगानीकर्ताहरू कम लागतमा निष्क्रिय रूपमा प्रबन्धित सूचकांक कोषमा राम्रो हुनेछन्। हालैको इन्डेक्स फण्डको वृद्धि भए पनि सक्रिय प्रबन्धकहरूले अझै पनि म्युचुअल फण्डको सम्पत्तिको ठूलो हिस्सा नियन्त्रण गर्छन्। के यी सक्रिय प्रबन्धकहरूमध्ये कुनै एकले आफ्नो अतिरिक्त खर्चको लायक छ? के लगानीकर्ताहरूले सबै सक्रिय रूपमा प्रबन्धित म्युचुअल फण्डहरूबाट बच्नुपर्छ? जेन्सेन (१९६८) पछि, अधिकांश अध्ययनहरूले देखाए कि म्युचुअल फण्डको संसारले खर्च पछि आफ्नो बेन्चमार्क भन्दा राम्रो प्रदर्शन गर्दैन। अर्कोतर्फ, हालैका अध्ययनहरूले भविष्यमा हुने असामान्य घटनाहरू ~अल्फाहरू~ हुने गरेको पाइएको छ। विगतका प्रतिफल वा अल्फाको प्रयोग गरेर पूर्वानुमान गर्न सकिन्छ, विगतको कोष * बक्स र मेट्रिक वित्त विभाग, द वार्टन स्कूल, पेन्सिलभेनिया विश्वविद्यालयबाट हुन्। वाचर न्युयोर्क विश्वविद्यालयको स्टर्न स्कुलको वित्त विभागका हुन्। हामी निक बार्बेरिस, ग्यारी चेम्बरलेन, केन फ्रेन्च, विल गोट्जम्यान, कार्सटन हन्सेन, क्रिस जोन्स, टम नोक्स, टोनी लान्कास्टर, लुबुस पास्टर, आन्द्रे पेरोल्ड, स्टीव रोस, एन्ड्रे श्लेइफर, रोब स्ट्याम्बाउ, रेने स्टुलज, शेरीदान टिटम्यान, एक अज्ञात रेफ्री, र कोलम्बिया, वोर्टन, एनबीईआर, सन् १९९९ को एनबीईआर समर इन्स्टिच्युट, र सन् २००० को एएफए बैठकका सेमिनार सहभागीहरूलाई उपयोगी टिप्पणीका लागि धन्यवाद दिन्छौं। वचटरले वित्तीय सहयोगका लागि लेहमान ब्रदर्सलाई धन्यवाद दिएका छन्। 1 हालै, कार्ट ~ 1995 !, मल्कीएल ~ 1995 !, र डानियल एट अल। ~१९९७! सबैमा जीवित रहने पूर्वाग्रहबाट अपेक्षाकृत मुक्त नमूनाहरूमा आधुनिक प्रदर्शन-मूल्याङ्कन विधिहरू प्रयोग गरेर सानो वा शून्य औसत असामान्य रिटर्नहरू फेला पार्दछन्। 2 कार्लसन ~ 1970 !, लेमन र मोडस्ट ~ 1987 !, ग्रिनब्लाट र टिटम्यान ~ 1988, 1992 !, हेन्ड्रिक्स, पटेल र जेखौसर ~ 1993 !, गोट्जम्यान र इब्बोटसन ~ 1994 !, ब्राउन र गोट्जम्यान ~ 1995 !, एल्टन, ग्रूबर र ब्लेक ~ 1996 !, र कारहार्ट ~ 1997 !। THE JOURNAL OF FINANCE • खण्ड १. एल.वी.आई. • फेब्रुअरी २००१ |
f23ecb25c3250fc6e2d3401dc2f54ffd6135ae2e | यस विद्युत चुम्बकीय स्पेक्ट्रममा अझै पूर्ण रूपमा खोजी गर्न नसकिएको बढ्दो चासोलाई सम्बोधन गर्न मिलिमिटर वेभ र टेराहर्ट्ज (३०-१०,००० गीगाहर्ट्ज) प्रविधिहरूको विकासमा महत्त्वपूर्ण प्रगति भएको छ। यस आवृत्ति दायरामा विद्युत चुम्बकीय तरंगहरूको प्रकृति उच्च-रिजोल्युसन इमेजिंग अनुप्रयोगहरूको विकासको लागि उपयुक्त छ, आणविक-संवेदनशील स्पेक्ट्रोस्कोपिक उपकरणहरू, र अल्ट्राब्रडब्यान्ड वायरलेस संचार। यस लेखमा, मिलिमिटर-वेभ र टेराहर्ट्ज एन्टेना टेक्नोलोजीहरू विभिन्न प्लेटफर्महरूमा आधारित परम्परागत र गैर-परम्परागत समतल / गैर-समान एन्टेना संरचनाहरू सहित सिंहावलोकन गरिएको छ। एउटा आशाजनक प्राविधिक प्लेटफर्मको रूपमा, सब्सट्रेट-एकीकृत सर्किट (एसआईसी) ले बढ्दो ध्यान आकर्षित गर्दछ। विभिन्न सब्सट्रेट-एकीकृत वेवगाइड (एसआईडब्ल्यू) योजनाहरू र अन्य संश्लेषित गाइड प्रविधिहरू एन्टेना र एरेहरूको डिजाइनमा व्यापक रूपमा प्रयोग गरिएको छ। विभिन्न प्रकारका सब्सट्रेट-एन्टेना र बीमफर्मिङ नेटवर्कहरू विद्युतीय र मेकानिकल प्रदर्शनको सम्बन्धमा सैद्धान्तिक र प्रयोगात्मक परिणामहरूको सम्बन्धमा छलफल गरिन्छ। |
e2d634ee9e9abaca804b69af69a40cf00897b2d0 | |
36246ff904be7044ecd536d072b1388ea59aaf43 | बाल्यकालमा यौन दुर्व्यवहार (सीएसए) दक्षिण अफ्रिकी (एसए) बच्चाहरू बीच व्यापक छ, अझै जोखिम कारक र मनोवैज्ञानिक परिणामहरूमा डाटा सीमित र मिश्रित छ। हाम्रो युवा तनाव क्लिनिकमा पठाइएका पीडाग्रस्त बालबालिका र किशोरकिशोरीहरूको जनसांख्यिकीय, यौन दुर्व्यवहार, जीवनभरको पीडा र मनोवैज्ञानिक इतिहास प्राप्त गर्न अन्तर्वार्ता लिइएको थियो। ९४ जना सहभागी (५९ महिला, ३५ पुरुष; औसत उमेर १४.२५ [८.२५-१९] वर्ष) को तथ्याङ्क विश्लेषण गरियो। यौन दुर्व्यवहार ५३ प्रतिशत सहभागी (४२.५६ प्रतिशत महिला, १०.६३ प्रतिशत पुरुष) मा भएको थियो । ६४ प्रतिशत अपराधकर्तालाई उनीहरुले चिन्छन् । बहु-अध्यायीय तार्किक प्रतिगमन विश्लेषणले महिला लिङ्ग (पी = ०.००२) र एकल-आमा वा आमाबाबु परिवार (पी = ०.०१) लाई सीएसए (६२.५%) को महत्त्वपूर्ण पूर्वानुमानकर्ताको रूपमा प्रकट गर्यो। सीएसएले अन्य आघातको जोखिमको भविष्यवाणी गरेन। यौन दुर्व्यवहारमा परेका बालबालिकाको शारीरिक तथा भावनात्मक दुर्व्यवहारको उप-स्केल स्कोर र कुल सीटीक्यू स्कोर दुर्व्यवहारमा नपरेका बालबालिकाको तुलनामा धेरै बढी थियो । डिप्रेसन (३३%, एक्स २ = १०.८९, पी = ०.००१) र पीटीएसडी (६३.८%, एक्स २ = ४.७९, पी = ०.०३४) आघातको सबैभन्दा प्रचलित मनोवैज्ञानिक परिणाम थियो र दुवै सीएसएसँग महत्त्वपूर्ण रूपमा सम्बन्धित थियो। सीएसएको उच्च दरले पीटीएसडीको उच्च दरको भविष्यवाणी गरेको छ यो आघातग्रस्त नमूनामा। हामीले पत्ता लगाएका सम्बन्धहरू सीएसएको अन्तर्राष्ट्रिय अध्ययनसँग मिल्दोजुल्दो देखिन्छ र विकासोन्मुख देशहरूमा भविष्यमा सामाजिक सचेतना, रोकथाम र उपचार रणनीतिहरूमा ध्यान केन्द्रित गर्न प्रयोग गर्नुपर्दछ। |
af82f1b9fdee7e6f92fccab2e6f02816965bf937 | अल्जाइमर रोग (एडी) सबैभन्दा सामान्य प्रकारको डिमेन्शिया हो। अहिले एडीको कुनै उपचार छैन र रोगको प्रगतिलाई ढिलाइ गर्न सक्ने उपचारको विकासका लागि प्रारम्भिक निदान महत्त्वपूर्ण छ। मस्तिष्कको इमेजिंग अल्जाइमर रोगको लागि बायोमार्कर हुन सक्छ। एमआर इमेजको साथ धेरै कामहरूमा यो देखाइएको छ, तर PET जस्ता फंक्शनल इमेजिंगको मामलामा, एडी निदान गर्न उनीहरूको क्षमता निर्धारण गर्न थप अनुसन्धान आवश्यक छ, विशेष गरी हल्का संज्ञानात्मक कमजोरी (MCI) को प्रारम्भिक चरणमा। यस लेखमा हामी एडीएनआई डेटाबेसको पीईटी छविहरूको प्रयोगको अध्ययन गर्दछौं एडी र एमसीआईको निदानको लागि। हामी एक बूस्टिङ वर्गीकरण विधि अपनाउँछौं, सरल वर्गीकरणकर्ताहरूको मिश्रणमा आधारित एक प्रविधि, जसले खण्डको साथसाथै सुविधा चयन गर्दछ, यसैले उच्च आयामी समस्याहरूको लागि उपयुक्त छ। बूस्टिङ वर्गीकरणकर्ताले एडीको पहिचानमा ९०.९७ प्रतिशत र एमसीआईको पहिचानमा ७९.६३ प्रतिशतको शुद्धता हासिल गरेको छ। |
c23136a48527a20d6bfef019337ba4494077f7c5 | |
753c0ecd5b4951b94fcba2fbc30ede5499ae00f5 | यस लेखमा ४७० मेगाहर्जदेखि ७०० मेगाहर्जसम्मका स्पेक्ट्रम ब्यान्डमा सञ्चालित टेलिभिजन ह्वाइट स्पेस (टीभीडब्लूएस) मा आधारित आधार स्टेशनका लागि ब्रोडब्यान्ड एन्टेनाको डिजाइन र सिमुलेसन प्रस्तुत गरिएको छ। व्यापक ब्यान्डविथ प्रदान गर्ने प्रिन्टेड लग पिरोडिक डाइपोल एरे (एलपीडीए) को अवधारणालाई व्यापक ब्यान्ड एन्टेनाको लागि प्रयोग गरिएको छ। एन्टेना तत्वहरू εr = 4.4 र tan δ = 0.02 सँग कम लागतको FR4 सब्सट्रेटमा छापिएका छन्। यी तत्वहरू सब्सट्रेटको दुबै पक्षमा वैकल्पिक रूपमा छापिन्छन्। एन्टेनाको कुल मात्रा ३०३ × १६२.३ × १.६ मिमी३ हो। आकार कम गर्न, यस डिजाइनको लागि स्केलिंग कारक (τ) ०.89. is मानिन्छ र सापेक्षिक अन्तर (σ) ०.०54 को रूपमा छनौट गरिएको छ। एन्टेनालाई सबैभन्दा सानो तत्वको आधारमा खुवाइन्छ। एन्टेनाले VSWR को लागि 470 MHz-700 MHz को आवृत्ति दायरामा ≤ 2 को लागि एक प्रतिबाधा ब्यान्डविथ देखाउँदछ। यस एन्टेनाको लाभ सम्पूर्ण अपरेसन ब्यान्डमा ५.३ डीबी देखि ६.५ डीबीको बीचमा छ। विकिरण ढाँचाले ई र एच दुवै विमानमा समान विकिरण ढाँचाको साथ अन्तिम आगो व्यवहार देखाउँदछ अधिकतम अगाडि पछाडि लोब अनुपात (एफ / बी) 30 डीबीको साथ। |
426ccb6a700ac1dbe21484735fc182127783670b | हालैका वर्षहरूमा, राय खानीले अनुसन्धानको ठूलो ध्यान आकर्षित गरेको छ। यद्यपि, राय स्प्याम (वा नक्कली समीक्षा) पत्ता लगाउन सीमित काम गरिएको छ। यो समस्या वेब सर्चमा स्प्यामको जस्तै हो [१,९११] । यद्यपि समीक्षा स्प्याम पत्ता लगाउन गाह्रो छ किनकि नक्कली समीक्षाहरू पहिचान गर्न धेरै गाह्रो छ, यदि असम्भव छैन भने, तिनीहरूलाई म्यानुअल रूपमा पढेर। यस लेखमा एउटा सीमित समस्याको बारेमा चर्चा गरिएको छ, अर्थात् असामान्य समीक्षा ढाँचाहरूको पहिचान गर्ने जुन समीक्षकहरूको शंकास्पद व्यवहारको प्रतिनिधित्व गर्न सक्छ। हामी समस्यालाई अप्रत्यासित नियमहरू खोज्ने रूपमा प्रस्तुत गर्छौं। यो प्रविधि डोमेन स्वतन्त्र छ। यो प्रविधि प्रयोग गरेर हामीले अमेजन डटकमको समीक्षा डाटासेटको विश्लेषण गर्यौं र धेरै अनपेक्षित नियम र नियम समूहहरू भेट्टायौं जसले स्प्याम गतिविधिहरू दर्शाउँछ। |
0f0387d7207390dec305e09cdbbf4847e3c948e7 | हालैको प्रगतिले स्वचालित उपकरणहरू सिर्जना गर्न मद्दत गरेको छ जसले पर्यवेक्षित सिकाइ कार्यहरूमा मेशिन सिकाइ विशेषज्ञहरूसँग प्रतिस्पर्धा गर्न सक्छ। यस कार्यमा, हामी स्वतः-नेटको दुई संस्करण प्रस्तुत गर्दछौं, जसले स्वचालित रूपमा कुनै मानवीय हस्तक्षेप बिना गहिरो न्यूरोनल नेटवर्कहरू प्रदान गर्दछ। पहिलो संस्करण, स्वतः-नेट १.०, बेयसियन अनुकूलन विधि एसएमएसी प्रयोग गरेर प्रतियोगिता विजेता प्रणाली स्वतः स्किर्नबाट विचारहरूमा निर्माण गर्दछ र थियानोलाई आधारभूत गहिरो शिक्षा (डीएल) ढाँचाको रूपमा प्रयोग गर्दछ। हालैको Auto-Net 2.0 ले हालैको बेइजियन अप्टिमाइजेसन र हाइपरब्यान्डको संयोजनमा आधारित छ, जसलाई BOHB भनिन्छ, र PyTorch लाई DL फ्रेमवर्कको रूपमा प्रयोग गर्दछ। हाम्रो ज्ञानको सर्वश्रेष्ठ, स्वतः-नेट 1.0 मानव विशेषज्ञहरु विरुद्ध प्रतियोगिता डेटासेट जीत गर्न पहिलो स्वचालित-tuned तंत्रिका नेटवर्क थियो (पहिलो AutoML चुनौती को भाग को रूप मा) । थप अनुभविक परिणामहरूले देखाउँदछ कि Auto-Net 1.0 लाई Auto-sklearn सँग मिलाएर कुनै पनि दृष्टिकोणले एक्लै भन्दा राम्रो प्रदर्शन गर्न सक्छ, र त्यो Auto-Net 2.0 ले अझ राम्रो प्रदर्शन गर्न सक्छ। |
1ff3ebd402e29c3af7226ece7f1d716daf1eb4a9 | यस कागजातले दुई 32-तत्व SiGe-आधारित चरणबद्ध सरणीहरू बीच 64 GHz प्रसारण / प्राप्त संचार लिंक प्रस्तुत गर्दछ। एन्टेना तत्व एक श्रृंखला-खाने प्याच सरणी हो, जसले उचाई विमानमा दिशात्मकता प्रदान गर्दछ। प्रसारण एरेको परिणाममा EIRP 42 dBm हुन्छ, जबकि रिसीभ एरेले 33 dB को इलेक्ट्रोनिक लाभ प्रदान गर्दछ र प्रणाली NF < 8 dB T / R स्विच र एन्टेना घाटा सहित। एर्रेहरू सिजी चिपमा 5-बिट चरण शिफ्टर प्रयोग गरेर अजिमुथमा +/−50 ° मा स्क्यान गर्न सकिन्छ, जबकि धेरै कम साइडलोबहरू र लगभग आदर्श ढाँचा राख्दै। संचार लिंकले प्रसारण पक्षमा एउटा एर्रे र प्राप्त पक्षमा अर्को एर्रे प्रयोग गर्दछ, बाह्य मिक्सरहरू र IF एम्पलीफायरहरूको साथ। एक Keysight M8195A मनमानी तरंगफार्म जनरेटर प्रसारण पक्ष मा modulated तरंगफार्म उत्पन्न गर्न प्रयोग गरिन्छ र एक Keysight DSO804A थरथरानवाला प्राप्त IF संकेत demodulate गर्न प्रयोग गरिन्छ। विभिन्न स्क्यान कोण र मोड्युलेशन ढाँचाका लागि लिङ्क प्रदर्शन मापन गरिएको थियो। १६-क्यूएएम प्रयोग गरी १ जीबीपीएस र क्यूपीएसके प्रयोग गरी २ जीबीपीएसको डाटा रेट ३०० मिटरमा प्रदर्शन गरिएको छ। प्रणालीले १०० मिटरमा > ४ जीबीपीएस डाटा रेट र ∼५०० एमबीपीएस डाटा रेट ८०० मिटरमा पनि दिन्छ। |
2fb03a66f250a2c51eb2eb30344a13a5e4d8a265 | यस लेखमा एउटा निर्माण दृष्टिकोण र धेरै ठूलो, समतल सक्रिय इलेक्ट्रोनिक स्क्यान गरिएको एरे (एईएसए) को प्रयोगात्मक प्रमाणीकरणको बारेमा छलफल गरिएको छ। योजनाबद्ध एईएसए आर्किटेक्चरले एक्स-ब्यान्डमा 768 सक्रिय एन्टेना तत्वहरूको साथ एक मोनोलिथिक मुद्रित सर्किट बोर्ड (पीसीबी) प्रयोग गर्दछ। भौतिक रूपमा ठूलो एरेहरू उच्च तत्व गणनाको साथ निर्माण निर्माण, असेंबली र उपज विचारहरूको सम्बन्धमा छलफल गरिएको छ। ईएसए मापन सक्रिय एरे ढाँचा पनि प्रस्तुत गरिएको छ। |
5ec3ee90bbc5b23e748d82cb1914d1c45d85bdd9 | यस कागजातले क्यू-ब्यान्ड उपग्रह अनुप्रयोगहरूको लागि मानक ०.१८-म्याम सिजी बायोसीएमओएस टेक्नोलोजीमा १ 16-एलिमेन्ट चरणबद्ध-मशीन ट्रान्समिटर प्रदर्शन गर्दछ। ट्रान्समिटर एरे 4-बिट आरएफ चरण शिफ्टर र एक कर्पोरेट-फीड नेटवर्कको साथ सबै आरएफ वास्तुकलामा आधारित छ। एक १ः२ सक्रिय डिभाइडर र दुई १ः८ निष्क्रिय टी-जंक्शन डिभाइडरले कर्पोरेट-फीड नेटवर्क बनाउँछ, र क्षेत्रलाई कम गर्न निष्क्रिय डिभाइडरको लागि त्रि-आयामिक ढाकिएको प्रसारण लाइनहरू प्रयोग गरिन्छ। सबै संकेतहरू इनपुट र आउटपुट इन्टरफेस बाहेक चिप भित्र भिन्नतापूर्वक प्रशोधन गरिन्छ। चरणबद्ध-मशीन ट्रान्समिटरको परिणाम 12.5 dB औसत पावर लाभ प्रति च्यानल 42.5 GHz मा 3 dB लाभ ब्यान्डविथ 39.9-45.6 GHz को साथ हुन्छ। RMS लाभ भिन्नता <1.3 dB र RMS चरण भिन्नता < सबै 4-बिट चरण राज्यहरु को लागी 35-50 GHz मा छ। मापन गरिएको इनपुट र आउटपुट रिटर्न घाटा क्रमशः < -१० डीबी 36.6-50 GHz मा, र <-10 डीबी 37.6-50 GHz मा। मापन गरिएको शिखर-देखि-शिखर समूह ढिलाइ भिन्नता 40-45 GHz मा +mn 20 ps हो। आउटपुट P-1dB -5plusmn1.5 dBm हो र अधिकतम संतृप्त आउटपुट पावर -2.5plusmn1.5 dBm प्रति च्यानल हो 42.5 GHz मा। ट्रान्समिटरले सबै चरण राज्यहरूमा १.८ डीबी आरएमएस ग्यान बेमेल र सबै १६ विभिन्न च्यानलहरू बीच आरएमएस चरण बेमेलको < ७ डिग्री देखाउँछ। A - 30 dB सबैभन्दा खराब केस पोर्ट-टू-पोर्ट युग्मनलाई 30-50 GHz मा आसन्न च्यानलहरू बीच मापन गरिन्छ, र मापन गरिएको RMS लाभ र चरण विकारहरू अन्तर्-च्यानल युग्मनको कारण क्रमशः <0.15 dB र <1deg, 35-50 GHz मा। सबै मापनहरू कुनै चिपमा क्यालिब्रेसन बिना प्राप्त गरिन्छ। चिपले ५ भोल्टको आपूर्ति भोल्टेजबाट ७२० एमए खपत गर्छ र चिपको आकार २.६ गुणा ३.२ मिमी२ हुन्छ। |
a1b40af260487c00a2031df1ffb850d3bc368cee | मिमी-वेभ ब्यान्डमा अर्को पुस्ताको सेलुलर टेक्नोलोजी (5G) को विकास गर्न कम लागतको चरणबद्ध-मशीन ट्रांसीभरहरू आवश्यक पर्दछ। [1] बीमफर्मिङको फाइदाको साथ पनि, मोबाइल फार्म-फ्याक्टरमा ठाउँको सीमितताका कारण, स्वीकार्य PAE, LNA NF, र समग्र ट्रान्ससीभर पावर खपत कायम राख्दै TX आउटपुट पावर बढाउनु लिंक बजेट अनुमति योग्य मार्ग घाटा अधिकतम गर्न र ह्यान्डसेट केस तापमान कम गर्न महत्त्वपूर्ण छ। यसबाहेक, चरणबद्ध-मशीन ट्रांसीभरले दोहोरो-ध्रुवीकरण संचारलाई समर्थन गर्न सक्षम हुनुपर्दछ। ह्यान्डसेट वा प्रयोगकर्ता उपकरण (यूई) सक्रिय एन्टेनामा कम उर्जा खपतको लागि एनालग बेसब्यान्डमा एक आईएफ इन्टरफेस चाहिन्छ र ग्राहक परिसर उपकरण (सीपीई) वा बेस स्टेशन (बीएस) एन्टेना एरेहरूको लागि ट्रान्ससीभरहरूको एरेहरूको प्रयोग गर्न सक्षम गर्न कम-हानि आईएफ पावर-संयोजन / विभाजन नेटवर्कको साथ एन्टेना ब्याकप्लेनमा लागू गरिएको छ जुन बहु टाइल गरिएको एन्टेना मोड्युलहरू बोक्दछ। |
c1efd29ddb6cb5cf82151ab25fbfc99e20354d9e | शब्द प्रतिनिधित्वका लागि ग्लोबल भेक्टरहरू (ग्लोभ), जेफ्री पेनिंगटन एट अल द्वारा प्रस्तुत। शब्दहरूको भेक्टर प्रतिनिधित्वहरू सिक्नका लागि एक कुशल र प्रभावकारी विधि हो। अत्याधुनिक प्रदर्शन पनि नकारात्मक नमूना (SGNS) [2] संग स्किप-ग्राम द्वारा प्रदान गरिएको छ जुन word2vec उपकरणमा लागू गरिएको छ। यस नोटमा हामी दुई मोडेलको प्रशिक्षण उद्देश्यहरू बीच समानताहरू वर्णन गर्दछौं, र देखाउँदछौं कि SGNS को उद्देश्य GloVe को एक विशेष प्रकारको उद्देश्यसँग मिल्दोजुल्दो छ, यद्यपि तिनीहरूको लागत प्रकार्यहरू फरक तरिकाले परिभाषित छन्। |
b8090b7b7efa0d971d3e1174facea60129be09c6 | डाटा सेन्टरहरूको संख्या र आकार आश्चर्यजनक दरमा बढ्दैछ, जबकि परिचालन लागत, थर्मल व्यवस्थापन, आकार, र प्रदर्शन सम्बन्धित कम्प्युटि equipment उपकरणहरूमा पावर सबसिस्टमहरूको लागि ड्राइभि met मेट्रिक्स हुन जारी छ। यस कागजातले एक SiC- आधारित चरण-परिवर्तन पूर्ण ब्रिज (PSFB) कन्भर्टर प्रस्तुत गर्दछ जुन १० किलोवाट आउटपुट पावरको लागि डिजाइन गरिएको हो र डाटा सेन्टर अनुप्रयोगहरूमा लक्षित छ। डिजाइन दृष्टिकोण कन्भर्टरको दक्षता ट्यून गर्न र थर्मल व्यवस्थापन प्रणालीलाई कम गर्नमा केन्द्रित थियो, जसको परिणामस्वरूप उच्च घनत्व कन्भर्टर भयो। एक अद्वितीय तापीय व्यवस्थापन प्रणाली पनि प्रयोग गरिएको छ, जसको परिणामस्वरूप दुवैमा वृद्धि भएको शक्ति घनत्व र राम्रो तापीय व्यवस्थापन। यस कागजमा, यस कन्भर्टरको कार्यान्वयन विस्तृत रूपमा वर्णन गरिएको छ, साथै अनुभवजन्य परिणामहरू, दुबै विद्युतीय र थर्मल। |
4ddbeb946a4ff4853f2e98c547bb0b39cc6a4480 | मेटामटेरियल र एन्टेना प्रणालीमा यसको प्रयोगको बारेमा संक्षिप्त समीक्षा दिइएको छ। कृत्रिम चुम्बकीय कन्डक्टरहरू र विद्युतीय रूपमा सानो विकिरण र फैलाउने प्रणालीहरूमा जोड दिइएको छ। एकल नकारात्मक, डबल नकारात्मक, र शून्य-सूचकांक मेटामटेरियल प्रणालीहरू उनीहरूको आकार, दक्षता, ब्यान्डविथ, र दिशात्मकता विशेषताहरू हेरफेर गर्ने माध्यमको रूपमा छलफल गरिन्छ। कुञ्जी शब्दहरूः मेटामटेरियल्स, विद्युतीय रूपमा साना एन्टेनाहरू, जटिल मिडिया, कृत्रिम चुम्बकीय कन्डक्टरहरू |
967972821567b8a34dc058c9fbf60c4054dc3b69 | |
242377d7e76ad3371ed1814cf6f5249139e4b830 | खुला नवप्रवर्तन नवप्रवर्तन व्यवस्थापनको सबैभन्दा चर्चित विषयमध्ये एक बनेको छ। यस लेखमा खुला नवप्रवर्तन अवधारणाको बारेमा हाम्रो बुझाइको सीमाहरू पत्ता लगाउने उद्देश्य राखिएको छ। यस प्रकार मैले के (खुला नवप्रवर्तनको सामग्री), कहिले (सन्दर्भ निर्भरता) र कसरी (प्रक्रिया) को प्रश्नहरू सम्बोधन गरेको छु। खुला नवप्रवर्तन एउटा समृद्ध अवधारणा हो, जसलाई विभिन्न तरिकाले लागू गर्न सकिन्छ। खुला नवप्रवर्तनको सन्दर्भ निर्भरता कमै बुझिने विषयहरू मध्ये एक हो; प्रदर्शनलाई असर गर्ने आन्तरिक र बाह्य वातावरण विशेषताहरूमा थप अनुसन्धान आवश्यक छ। खुला नवप्रवर्तन प्रक्रिया खुला नवप्रवर्तनतर्फको संक्रमण र विभिन्न खुला नवप्रवर्तन अभ्यासहरू दुवैसँग सम्बन्धित छ। कुनै पनि नयाँ अवधारणाको रूपमा, प्रारम्भिक अध्ययनहरू सफल र प्रारम्भिक अवलम्बनकर्ताहरूमा केन्द्रित हुन्छन्, केस स्टडीमा आधारित हुन्छन्, र वर्णनात्मक हुन्छन्। तर, सुरुवाती कम्पनीहरूबाट सिकिएका सबै कुराहरू पछिल्ला कम्पनीहरूमा लागू हुन सक्दैनन्। केस स्टडी अनुसन्धानले चीजहरू कसरी काम गर्छन् भन्ने हाम्रो समझ बढाउँछ र महत्त्वपूर्ण घटनाहरू पहिचान गर्न हामीलाई सक्षम गर्दछ। प्रभावको श्रृंखला बुझ्नका लागि मार्ग मोडेलहरू निर्माण गर्न र सन्दर्भ निर्भरताहरूको लागि औपचारिक रूपमा परीक्षण गर्न कारकहरूको सापेक्ष महत्त्व निर्धारण गर्न ठूला नमूनाहरू समावेश गर्ने मात्रात्मक अध्ययनहरू द्वारा अनुसरण गरिनुपर्दछ। यद्यपि, प्रमाणले खुला नवप्रवर्तन धेरै फर्महरूको लागि र धेरै सन्दर्भहरूमा मूल्यवान अवधारणा भएको देखाउँदछ, कि यो यसको अन्तिम स्थानमा नवप्रवर्तन व्यवस्थापनमा फेला पार्न गइरहेको छ। & 2010 एल्सभियर लिमिटेड सबै अधिकार सुरक्षित। |
8fcffa267ed01e38e2280891c9f33bfa41771cad | क्रमबद्धता धेरै डाटाबेस अपरेसनको मूल हो, जस्तै अनुक्रमणिका सिर्जना, क्रमबद्ध-मर्ज जोइनहरू, र प्रयोगकर्ता-अनुरोध गरिएको आउटपुट क्रमबद्ध। विभिन्न प्रकारका कार्यहरू तीव्रता दिनको लागि GPU एक आशाजनक प्लेटफर्मको रूपमा देखा पर्दै छ, GPU मा क्रमबद्ध एक व्यवहार्य प्रयास बन्छ। विगत केही वर्षहरूमा, GPU मा क्रमबद्ध गर्नका लागि धेरै सुधारहरू प्रस्ताव गरिएको छ, जसले पहिलो रेडिक्स क्रमबद्ध कार्यान्वयनहरू निम्त्याउँछ जुन प्रति सेकेन्ड एक अरब भन्दा बढी 32-बिट कुञ्जीहरूको क्रमबद्ध दर प्राप्त गर्दछ। तर, अत्याधुनिक दृष्टिकोणहरू मेमोरी ब्यान्डविथ-बाँधिएका हुन्छन्, किनकि उनीहरूलाई सीपीयू-आधारित समकक्षहरूको तुलनामा धेरै मेमोरी स्थानान्तरणको आवश्यकता पर्दछ। हाम्रो कामले एउटा नयाँ दृष्टिकोण प्रस्ताव गरेको छ जसले मेमोरी ट्रान्सफरको मात्रालाई आधा घटाउँछ र यसैले मेमोरी ब्यान्डविथको सीमालाई धेरै हदसम्म हटाउँछ। ८ बाइट रेकर्डको २ गिगाबाइटको क्रमबद्ध गर्न सक्षम हुनु मात्र ५० मिलिसेकेन्डमा, हाम्रो दृष्टिकोणले २.३२ गुणा सुधार हासिल गर्दछ राज्यको अत्याधुनिक GPU-आधारित रेडिक्स क्रमबद्धमा समान वितरणको लागि, न्यूनतम गति कायम राख्दै १.६६ को एक कारक भन्दा कम छैन। इनपुटहरू सम्बोधन गर्न जुन कि त GPU मा अवस्थित छैन वा उपलब्ध उपकरण मेमोरी भन्दा बढी छ, हामी हाम्रो कुशल GPU क्रमबद्ध दृष्टिकोणमा पाइपलाइन हेटेरोजेनिक क्रमबद्ध एल्गोरिथ्मको साथ निर्माण गर्दछौं जसले पीसीआईई डाटा ट्रान्सफरसँग सम्बन्धित ओभरहेडलाई कम गर्दछ। 16 थ्रेडहरू चलाउने अत्याधुनिक सीपीयू-आधारित रेडिक्स क्रमबद्धको साथ अन्त-देखि-अन्त क्रमबद्ध प्रदर्शनको तुलना गर्दा, हाम्रो विषम दृष्टिकोणले क्रमशः एक झुकाव र एक समान वितरणको साथ 64 जीबी कुञ्जी-मान जोडी क्रमबद्ध गर्नका लागि 2.06-गुना र 1.53-गुना सुधार प्राप्त गर्दछ। |
b0c38ce8350927dd9cf3920f33f17b7bfc009c3b | |
81e0f458a894322baf170fa4d6fa8099bd055c39 | |
284db8df66ef94594ee831ff2b36f546e023953a | हामी दृश्य श्रेणी पहिचानलाई समानताहरू मापन गर्ने ढाँचामा विचार गर्दछौं, वा समकक्ष अवधारणात्मक दूरीहरू, कोटीहरूको प्रोटोटाइप उदाहरणहरूमा। यो दृष्टिकोण एकदम लचिलो छ, र रंग, बनावट, र विशेष रूपले आकारमा आधारित पहिचानलाई अनुमति दिन्छ, एक समान ढाँचामा। जबकि निकटतम छिमेकी वर्गीकरणकर्ताहरू यस सेटिंगमा प्राकृतिक छन्, तिनीहरू सीमित नमूनाको मामलामा उच्च भिन्नता (विभाजन-भिन्नता विघटनमा) को समस्याबाट ग्रस्त छन्। वैकल्पिक रूपमा, एक समर्थन भेक्टर मेशिनहरू प्रयोग गर्न सक्दछ तर तिनीहरू समय खपत अनुकूलन र जोडी दूरीको गणना समावेश गर्दछ। हामी यी दुई विधिहरूको हाइब्रिड प्रस्ताव गर्दछौं जुन बहु-वर्ग सेटिंगसँग स्वाभाविक रूपमा व्यवहार गर्दछ, दुवै प्रशिक्षण र रन-टाइममा उचित कम्प्युटेशनल जटिलता छ, र अभ्यासमा उत्कृष्ट परिणाम दिन्छ। यसको आधारभूत विचार भनेको क्वेरी नमूनाको नजिकका छिमेकीहरू खोज्नु र स्थानीय समर्थन भेक्टर मेसिनलाई तालिम दिनु हो जसले छिमेकीहरूको संग्रहमा दूरी प्रकार्यलाई सुरक्षित राख्छ। हाम्रो विधि ठूलो, बहु-वर्ग डाटा सेटहरूमा लागू गर्न सकिन्छ जसको लागि यसले नजिकको छिमेकी र समर्थन भेक्टर मेशिनहरूलाई पछाडि पार्छ, र जब समस्या समर्थन भेक्टर मेशिनहरूको लागि अस्थिर हुन्छ तब यो कुशल रहन्छ। दूरीका विभिन्न प्रकारका प्रकार्यहरू प्रयोग गर्न सकिन्छ र हाम्रा प्रयोगहरूले आकार र बनावट वर्गीकरणका लागि धेरै बेन्चमार्क डाटा सेटहरूमा अत्याधुनिक प्रदर्शन देखाउँछन् (एमएनआईएसटी, युएसपीएस, सीयूआरईटी) र वस्तु मान्यता (क्याल्टेक - १०१) । क्याल्टेक-१०१ मा हामीले सही वर्गीकरण दर ५९.०५% (±०.५६%) प्रति कक्षा १५ वटा प्रशिक्षण चित्रमा र ६६.२३% (±०.४८%) प्रति कक्षा ३० वटा प्रशिक्षण चित्रमा प्राप्त गरेका छौं। |
e5536c3033153fd18de13ab87428c204bb15818f | एम्बेडेड कम्प्युटिङ प्रणालीको अर्को पुस्ताले नयाँ चुनौतीहरूको सामना गर्नुपर्नेछ। प्रणालीहरू मुख्यतया स्वायत्त रूपमा कार्य गर्ने, परिवर्तनशील वातावरणमा गतिशील रूपमा अनुकूलन गर्ने र आवश्यक भएमा एक अर्कासँग अन्तरक्रिया गर्ने अपेक्षा गरिन्छ। यस्ता प्रणालीहरूलाई अर्गानिक भनिन्छ। जैविक कम्प्युटिङ प्रणाली स्वायत्त कम्प्युटिङ प्रणालीसँग मिल्दोजुल्दो हुन्छ। यसका अतिरिक्त अर्गानिक कम्प्युटिङ प्रणालीहरू प्रायः जीवनजस्तै व्यवहार गर्छन् र प्रकृति/जैविक घटनाबाट प्रेरित हुन्छन्। यस्ता प्रणालीहरूको डिजाइन र निर्माणले सफ्टवेयर इन्जिनियरिङ प्रक्रियामा नयाँ चुनौतीहरू ल्याउँछ। यस लेखमा हामी जैविक कम्प्युटिङ प्रणालीको डिजाइन, निर्माण र विश्लेषणका लागि एउटा ढाँचा प्रस्तुत गर्दछौं। यसले डिजाइन र निर्माणलाई सजिलो बनाउन सक्छ साथै यसलाई अर्ध-औपचारिक रूपमा जैविक गुणहरू परिभाषित गर्न प्रयोग गर्न सकिन्छ जस्तै आत्म-संरचना वा आत्म-अनुकूलन। हामी उत्पादन स्वचालनबाट वास्तविक संसारको केस स्टडीमा फ्रेमवर्कको चित्रण गर्दछौं। |
0c881ea63ff12d85bc3192ce61f37abf701fdf38 | हामी एउटा अर्ध-निरीक्षित मोडेल प्रस्ताव गर्छौं जसले छविहरूलाई खण्डित गर्दछ र धेरै थोरै लेबल गरिएका छविहरू र ठूलो असमान पाठको प्रयोग गरेर छवि क्षेत्रहरूलाई पाठ लेबलहरूमा सम्बन्धित गर्दछ। खेलकुदको फोटोहरू दिइएको छ, वस्तुहरू र पृष्ठभूमिमा पिक्सेल-स्तर लेबलिंग प्रदान गर्न आवश्यक छ कि यस खेलको बारेमा अखबार लेखहरूको सेट र एक देखि पाँच लेबल छविहरू। हाम्रो मोडेलले पाठको कर्पोरेसनमा शब्दहरूले निश्चित सन्दर्भ साझा गर्छन् र दृश्य वस्तुहरूसँग समानताहरू प्रस्तुत गर्दछ भन्ने अवलोकनबाट प्रेरित छ। हामी दृश्य शब्दहरू प्रयोग गरेर छविहरू वर्णन गर्छौं, नयाँ क्षेत्र-आधारित प्रतिनिधित्व। प्रस्तावित मोडेल कर्नेलिज्ड क्यानोनिकल सहसंबंध विश्लेषणमा आधारित छ जसले दृश्य र पाठ शब्दहरू बीचको म्यापिङ पत्ता लगाउँदछ तिनीहरूलाई लुकेको अर्थ स्पेसमा प्रोजेक्ट गरेर। कर्नेलहरू सन्दर्भ र विशेषण सुविधाहरूबाट सम्बन्धित दृश्य र पाठ डोमेन भित्र व्युत्पन्न हुन्छन्। हामी हाम्रो विधिलाई चुनौतीपूर्ण डाटासेटमा लागू गर्छौं र टेक्स्टल सुविधाहरूको लागि न्यूयोर्क टाइम्सका लेखहरूमा भर पर्दछौं। हाम्रो मोडेलले एनोटेसनमा अत्याधुनिकलाई पछाडि पार्छ। विभाजनमा यो अन्य विधिहरूसँग तुलनात्मक रूपमा तुलना गर्दछ जुन अधिक लेबल गरिएको प्रशिक्षण डाटा प्रयोग गर्दछ। |
a6af22306492b0830dd1002ad442cc0b53f14b25 | कम आवाज प्रवर्धक बाहेक, राडार प्रणालीका सबै सक्रिय र निष्क्रिय घटकहरू पूर्ण रूपमा एकल सीएमओएस चिपमा एकीकृत छन्। रडार सेन्सर चिपले मुद्रित सर्किट बोर्डमा प्याकेजिङ र प्रसारण र प्राप्त गर्ने एन्टेनाहरू जोडेर एक वयस्क मानिसको श्वासप्रश्वास र मुटुको धड्कनको दर पत्ता लगाउन सफलतापूर्वक प्रदर्शन गरिएको छ। यस कागजातले सम्पर्कविहीन जीवन संकेत पत्ता लगाउन ५.८ गीगाहर्ज राडार सेन्सर चिप प्रस्तुत गर्दछ। सेन्सर चिप डिजाइन र निर्माण TSMC 0.18 μm CMOS 1P6M प्रक्रियामा गरिएको छ। |
1a6c9d9165fe77b3b8b974f57ca1e11d0326903a | यस लेखमा एडीएस सफ्टवेयर प्रयोग गरी आईआरएनएसएस र गागन अनुप्रयोगहरूको लागि स्लिटको साथ त्रिकोणात्मक फ्र्याक्टल प्याच एन्टेना डिजाइन गरिएको छ। भारतले स्थान निर्धारणका लागि भारतीय क्षेत्रीय नेभिगेसन उपग्रह प्रणाली (आईआरएनएसएस) नामक उपग्रह आधारित नेभिगेसन प्रणालीको विकास गर्ने योजना बनाएको छ। प्रयोगकर्ता क्षेत्रमा आईआरएनएसएस एन्टेनाको डिजाइन अपरिहार्य छ। भारतको जीपीएस प्रणालीमा आधारित उपग्रह आधारित प्रणाली जीपीएस एडेड एण्ड जियो एग्मेन्टेड नेभिगेसन (गगन) ले एसिया-प्रशान्त क्षेत्रमा निर्दोष नेभिगेसन सहयोग प्रदान गर्ने अपेक्षा गरिएको छ। इच्छित एन्टेना ईरेक्ट्रिक स्थिर εr = 4.8 र सब्सट्रेट मोटाई h = 3.05 मिमी मा जानबूझेर गरिएको छ। एन्टेनाको फिड स्थान परिपत्र ध्रुवीकरण उत्पादन गर्न चयन गरिएको छ। एन्टेनामा आत्म-समान गुणले बहु-ब्यान्ड अनुनाद आवृत्तिहरू प्रदर्शन गर्दछ। यी विशिष्टताहरू आवृत्ति L5 (1175 MHz), L1 (1575.42 MHz) र S (2492.08 MHz) मा पूरा गर्नुपर्दछ। |
0d3de784c0a418d2c6eefdfcbc8f5a93da97af7e | का-ब्यान्डमा द्विदिशात्मक मोबाइल उच्च डाटा दर उपग्रह संचारमा बढ्दो चासोले समर्पित एन्टेना ट्र्याकिङ प्रणाली र फिडहरूको विकासको आवश्यकता पर्दछ। यस लेखमा हामी एक मोबाइल उपग्रह संचार जमिन टर्मिनल लागि एक Cassegrain रिफ्लेक्टर एन्टेना संग मुद्रित सर्किट बोर्ड आधारित एक कम्प्याक्ट फिड संरचना वर्णन। नयाँ संरचनाले डबल सर्कुलर पोलराइजेशन कम्युनिकेशन मोडका साथै मल्टीमोड मोनोपल्से ट्र्याकिङका लागि टीएम०१ मोड प्रदान गर्दछ। यो युग्मक, जमिनमा जोडिएको कोप्लेनार लाइनबाट परिपत्र वेभगाइडमा सावधानीपूर्वक मिल्दो संक्रमणमा आधारित छ, २०GHz र G०GHz मा कार्यरत छ, का-ब्यान्डमा डाउनलिंक र अपलिंक फ्रिक्वेन्सी दायरा कभर गर्न। यो कार्यले आपतकालीन परिदृश्यमा भू-मोबाइल संचारका लागि उपग्रह टर्मिनलको विकासमा योगदान पुर्याउँछ। |
9ab4883c0ee0db114a81eb3f47bde38a1270c590 | परिवर्तन तीव्र गतिमा भइरहेको छ र हामी बस्ने प्रणालीको जटिलता बढ्दो छ। परिवर्तन बढ्दो मानवजातिको परिणाम हो। जटिलता बढ्दै जाँदा मानव क्रियाकलापको अप्रत्याशित साइड इफेक्ट पनि बढ्दै जान्छ, जसले जटिलतालाई एउटा दुष्चक्रमा थप बढाउँछ। धेरै विद्वानहरूले प्रणालीगत सोच को विकासको आह्वान गर्छन् जसले बुद्धिमानीपूर्वक व्यवस्थापन गर्ने हाम्रो क्षमतामा सुधार ल्याउन सक्छ। तर मानिसहरुले कसरी जटिल गतिशील प्रणालीमा र त्यसबारे सिक्ने गर्छन् ? सिक्ने एउटा प्रतिक्रिया प्रक्रिया हो जसमा हाम्रा निर्णयहरुले वास्तविक संसारलाई परिवर्तन गर्छन्, हामी संसारको बारेमा जानकारी प्राप्त गर्छौं, र नयाँ जानकारीको प्रयोग गरेर हामीले गरेका निर्णयहरु र ती निर्णयहरुलाई प्रेरित गर्ने मानसिक मोडेलहरु परिमार्जन गर्छौं। दुर्भाग्यवश, सामाजिक क्रियाकलापको संसारमा विभिन्न अवरोधहरूले यी सिकाइ प्रतिक्रियाहरूलाई काम गर्नबाट रोक्दछ, गलत र हानिकारक व्यवहार र विश्वासहरूलाई निरन्तरता दिने अनुमति दिँदै। सिक्ने बाधाहरूमा प्रणालीहरूको गतिशील जटिलता, अपर्याप्त र अस्पष्ट परिणाम प्रतिक्रिया, व्यवस्थित फिडब्याकको गलत धारणा जहाँ हाम्रो संज्ञानात्मक नक्साले महत्त्वपूर्ण प्रतिक्रिया प्रक्रियाहरू, ढिलाइ, स्टक र प्रवाहहरू, र जटिल प्रणालीहरूको विशेषता गैर-रेखीयताहरू, हाम्रो संज्ञानात्मक नक्साको गतिशीलतालाई मानसिक रूपमा अनुकरण गर्न असमर्थता, कमजोर अन्तर-व्यक्तिगत र संगठनात्मक अनुसन्धान कौशल, र कमजोर वैज्ञानिक तर्क कौशल समावेश गर्दछ। जटिल प्रणालीको बारेमा सिक्ने तरिकालाई बढाउन यी सबै बाधाहरूको समाधान गर्नु आवश्यक छ। जटिल गतिशील प्रणालीमा र यसको बारेमा सिक्ने प्रभावकारी विधिहरू समावेश गर्नुपर्दछ (१) सहभागीको ज्ञान प्राप्त गर्न, अभिव्यक्त गर्न र धारणालाई पुनः फ्रेम गर्न, र ती धारणाहरूबाट समस्याको प्रतिक्रिया संरचनाको नक्सा सिर्जना गर्न; (२) ती नक्साहरूको गतिशीलता मूल्या assess्कन गर्न र नयाँ नीतिहरूको परीक्षण गर्न सिमुलेशन उपकरणहरू र व्यवस्थापन उडान सिम्युलेटरहरू; र ()) वैज्ञानिक तर्क कौशल सुधार गर्न, समूह प्रक्रियालाई सुदृढ पार्न र व्यक्ति र टोलीहरूको लागि रक्षात्मक दिनचर्यालाई पार गर्न। |
c0a2293809917839047c7ec98d942777ca426e57 | सूचना प्रविधिको सबैभन्दा उन्नत विकासलाई समेट्ने उद्यम प्रणालीहरू (ईएस) अधिकांश संगठनहरूमा सामान्य स्थिरता बनिरहेका छन्। तर, कसरी एसईले संगठनात्मक चपलता (ओए) लाई असर गर्छ भन्ने विषयमा कम अनुसन्धान भएको छ र विद्यमान अनुसन्धान अस्पष्ट नै छ । एसईले ओएमा सकारात्मक योगदान दिन सक्छ भन्ने दृष्टिकोणबाट, यो अनुसन्धानले सैद्धान्तिक आधारित मोडेल विकास र प्रस्तावित मोडेलको कठोर अनुभवजन्य अनुसन्धान मार्फत महत्वपूर्ण अनुसन्धान अन्तरहरू हटाएको छ र एसईको ओएमा प्रभावको लागि अनुभवजन्य प्रमाण र अन्तर्दृष्टि प्रदान गरेको छ। अष्ट्रेलिया र न्यूजील्याण्डका १७९ ठूला संगठनहरूबाट संकलन गरिएको तथ्याङ्कमा आधारित अनुभवजन्य परिणामहरूले देखाउँछ कि संगठनहरूले दुई तरिकाले आफ्नो ईएसबाट चपलता प्राप्त गर्न सक्छन्: ईएस सक्षम क्षमताहरू निर्माण गर्न ईएस सक्षम क्षमताहरू विकास गरेर जुन उनीहरूको प्रमुख सेन्सिङ र प्रतिक्रिया प्रक्रियाहरू डिजिटाइज गर्दछ; र जब ईएस सक्षम सेन्सिङ र प्रतिक्रिया क्षमताहरू अपेक्षाकृत अशांत वातावरणमा पigned्क्तिबद्ध हुन्छन्। |
2e64b370a86bcdaac392ca078f41f5bbe8d0307f | यस लेखमा डिजेल, ग्रिड बिजुली र सौर्य ऊर्जामा आधारित सिंचाई प्रणालीका लागि विभिन्न बांग्लादेशी बालीहरूको सिंचाई लागतको तुलनात्मक चित्र प्रस्तुत गरिएको छ। यो अध्ययन २७ प्रकारका बालीमा गरिएको छ। यी सबै बालीहरूको पानीको मात्राको बारेमा सबै डाटा संकलन गरिएको थियो। त्यसपछि तीन अलग अलग प्रकारका पम्प (सौर, डीजल, इलेक्ट्रिक) समान रेटिंग पावरको साथ छनौट गरिएको छ अर्थात् पाँच अश्वशक्ति विभिन्न बालीका लागि विशेष क्षेत्रफल प्राप्त पानीको मात्राबाट गणना गरिन्छ। त्यसपछि अन्ततः १० वर्षको लागतको गणना गरियो। अध्ययनले पत्ता लगायो कि सम्पूर्ण बालीको ग्रिडबाट संचालित सिंचाई लागत सौर्य ऊर्जाबाट संचालित सिंचाई लागत भन्दा कम छ किनकि पछिल्लो ठूलो प्राथमिक लगानीसँग सम्बन्धित छ। यस अध्ययनले प्याज, गाजर, चिल, टमाटर, मकै, लसुन, गोभी, अदरक, हल्दी, कद्दू, फूलगोभी, लेडी फिंगर, केले, पपाया र भुइँमुलगायत अधिकांश बालीका लागि सौर्य ऊर्जाको साथ सिंचाई पनि पत्ता लगायो। यसको सट्टामा सिंचाई प्रणालीका तीन प्रकारहरूमा धेरै खर्च हुन्छ। [५] यो पनि स्पष्ट छ कि आलु, कपास, सोयाबीन, सूर्यमुखी, स्ट्रबेरी, लेन्टल, सरसों जस्ता केही बालीहरूको सौर्य ऊर्जाको साथ सिंचाई डिजेल संचालित सिंचाईको तुलनामा धेरै आकर्षक छ। |
4420fca3cb722ad0478030c8209b550cd7db8095 | बढ्दो वृद्ध जनसंख्या, दीर्घ रोगको प्रसार र निरन्तर बढ्दो स्वास्थ्य सेवा लागतको कारण स्वास्थ्य सेवा प्रणालीमा परम्परागत अस्पताल केन्द्रित प्रणालीबाट व्यक्ति केन्द्रित प्रणालीमा मौलिक रूपान्तरण भइरहेको छ। हालको र नयाँ विकासले यो परिदृश्य परिवर्तनमा आमूल प्रभाव पार्नेछ। पहिरनयोग्य चिकित्सा प्रणालीमा भएको प्रगतिले स्वास्थ्य सेवाको पहुँच र किफायतीतालाई सक्षम पार्नेछ, ताकि शारीरिक अवस्थालाई केवल छिटपुट क्षणिकमा मात्र होइन तर विस्तारित समयका लागि निरन्तर अनुगमन गर्न सकिन्छ, जसले रोगको प्रारम्भिक पहिचान र स्वास्थ्य खतराहरूको लागि समयमै प्रतिक्रिया सम्भव बनाउँदछ। यस लेखमा पी-हेल्थका लागि पहिरनयोग्य चिकित्सा प्रणालीको क्षेत्रमा हालसम्म भएका विकासहरूको समीक्षा गरिएको छ। यस कागजातमा जीवनका महत्त्वपूर्ण संकेतहरू र जैव रासायनिक चरहरूको निरन्तर र गैर-आक्रमणकारी मापनका लागि प्रविधिहरू सक्षम पार्ने, बुद्धिमान बायोमेडिकल कपडा र शरीर क्षेत्र नेटवर्कमा प्रगति, गति कलाकृतिको कटौतीका लागि दृष्टिकोण, पहिरनयोग्य ऊर्जा फसलका लागि रणनीतिहरू, र पहिरनयोग्य चिकित्सा उपकरणहरूको मूल्यांकनका लागि मानक प्रोटोकलहरूको स्थापना यी प्रविधिहरूको क्लिनिकल अनुप्रयोगहरूको उदाहरणहरूको साथ प्रस्तुत गरिएको छ। |
5c3fb7e2ffc8b312b20bae99c822d427d0dc003d | यस कार्यले वायरलेस अन्डरग्राउन्ड सेन्सर नेटवर्क (डब्लुयूएसएन) को अवधारणा प्रस्तुत गर्दछ। WUSN हरू विभिन्न प्रकारका अवस्थाहरू अनुगमन गर्न प्रयोग गर्न सकिन्छ, जस्तै कृषि अनुप्रयोगहरूको लागि माटो गुणहरू र वातावरणीय अनुगमनको लागि विषाक्त पदार्थहरू। भूमिगत अवस्थाको अनुगमन गर्ने विद्यमान विधिहरू भन्दा फरक, जुन तार मार्फत सतहमा जडित गाडिएका सेन्सरहरूमा निर्भर गर्दछ, WUSN उपकरणहरू पूर्ण रूपमा भूमिगत तैनाथ गरिन्छ र कुनै तार जडानको आवश्यकता पर्दैन। [पृष्ठ २३-मा भएको चित्र] यसले विद्यमान भूमिगत सेन्सिङ समाधानहरूको तुलनामा उनीहरूको प्रयोग धेरै सरल बनाउँछ। तर, माटो वा चट्टान जस्ता घना पदार्थ भित्रको ताररहित सञ्चार हावाको तुलनामा निकै चुनौतीपूर्ण छ। यो कारक, WUSN उपकरणहरू उत्खनन र रिचार्ज गर्न कठिनाईको कारण ऊर्जा संरक्षण गर्न आवश्यकताको साथ संयुक्त, संचार प्रोटोकलहरू पुनः डिजाइन गर्न आवश्यक छ कि सकेसम्म कुशल हुन। यस कार्यले WUSNs को लागी अनुप्रयोग र डिजाइन चुनौतिहरु को एक व्यापक सिंहावलोकन प्रदान गर्दछ, भूमिगत संचार च्यानल को लागी चुनौतीहरु भूमिगत लिंक मा मार्ग घाटा को भविष्यवाणी गर्न को लागी विधिहरु सहित, र संचार प्रोटोकल स्ट्याक को प्रत्येक तह मा चुनौतीहरु। 2006 एल्सभियर B.V. सबै अधिकार सुरक्षित। |
45adc16c4111bcc5201f721d2d573dc8206f8a79 | स्वचालितकरणको अर्थ मानिसहरूलाई प्रतिस्थापन गर्नु होइन; यसको ठीक उल्टो हो। बढ्दो रूपमा, मानिसहरूलाई जटिल र सामान्यतया ठूला-ठूला प्रणालीहरूमा स्वचालितसँग अन्तर्क्रिया गर्न भनिएको छ, जसमा विमान र हवाई यातायात नियन्त्रण, आणविक उर्जा, निर्माण संयंत्रहरू, सैन्य प्रणाली, घरहरू, र अस्पतालहरू समावेश छन्। यो प्रणाली डिजाइनर वा मानव अपरेटर / स्वचालन पर्यवेक्षक को लागी एक सजिलो वा त्रुटि मुक्त कार्य छैन, विशेष गरी कम्प्युटर टेक्नोलोजी कहिल्यै परिष्कृत हुन्छ। यस समीक्षाले हालैका अनुसन्धान र यस क्षेत्रमा चुनौतीहरूको रूपरेखा दिन्छ, जसमा वर्गीकरण र मानव-स्वचालित अन्तरक्रियाको गुणात्मक मोडेलहरू; स्वचालन-सम्बन्धित दुर्घटनाहरूको वर्णन र अनुकूली स्वचालनको अध्ययन; र सामाजिक, राजनीतिक, र नैतिक मुद्दाहरू। |
848644136ee9190ce8098615e5dd60c70a660628 | यस लेखमा, हामी अर्गानिक सब्सट्रेट प्याकेजमा सिरेमिक इन्टरकनेक्ट ब्रिज प्रयोग गरेर एक राम्रो पिच बहु चिप विषम एकीकरण समाधानको वास्तुकला र प्रदर्शन वर्णन गर्दछौं। हामी आईओ घनत्व वृद्धि र संकेत अखण्डता मा विद्युत उच्च गति प्रदर्शन को सुधार यो उपन्यास एकीकरण योजना मार्फत प्राप्त गर्न सकिन्छ, जहाँ साना सिरेमिक तत्व मा घने तामा routings interconnect पुल रूपमा सेवा गर्दै छन्। सिरेमिक ब्रिजको प्रयोग गर्दा लागत र सिग्नल डिटेन्सन सिलिकन ब्रिज वा सब्सट्रेटमा वेफर इन्टरपोसेरको तुलनामा धेरै राम्रो हुन्छ । |
0690ba31424310a90028533218d0afd25a829c8d | डीप कन्भोल्युसनल न्युरल नेटवर्क (डीसीएनएन) ले हालै उच्च स्तरको दृष्टि कार्यहरूमा कला प्रदर्शनको स्थिति देखाएको छ, जस्तै छवि वर्गीकरण र वस्तु पत्ता लगाउने। यस कार्यले पिक्सेल-स्तर वर्गीकरणको कार्यलाई सम्बोधन गर्न DCNNs र सम्भावित ग्राफिकल मोडेलहरूबाट विधिहरू एकसाथ ल्याउँदछ (जसलाई "सेमेन्टिक छवि विभाजन" पनि भनिन्छ) । हामी देखाउँछौं कि DCNNs को अन्तिम तहमा प्रतिक्रियाहरू वस्तुको सटीक विभाजनको लागि पर्याप्त स्थानीयकृत छैनन्। यो धेरै अपरिवर्तनीय गुणहरूको कारण हो जुन DCNNs उच्च स्तरका कार्यहरूको लागि राम्रो बनाउँदछ। हामी गहिरो नेटवर्कको यो खराब स्थानीयकरण सम्पत्तीलाई पूर्ण रूपमा जडित सशर्त र्यान्डम फिल्ड (सीआरएफ) सँग अन्तिम डीसीएनएन तहमा प्रतिक्रियाहरू संयोजन गरेर पार गर्छौं। गुणात्मक रूपमा, हाम्रो DeepLab प्रणालीले सेगमेन्ट सीमाहरूलाई स्थानीयकरण गर्न सक्दछ जुन पूर्ववर्ती विधिहरू भन्दा बाहिरको स्तरमा छ। परिमाणात्मक रूपमा, हाम्रो विधिले PASCAL VOC-2012 अर्थपूर्ण छवि विभाजन कार्यमा नयाँ राज्य-कला सेट गर्दछ, परीक्षण सेटमा 71.6% IOU शुद्धतामा पुग्छ। हामी यी परिणामहरू कसरी कुशलतापूर्वक प्राप्त गर्न सकिन्छ भनेर देखाउँदछौं: सावधानीपूर्वक नेटवर्क पुनः उद्देश्य र वेभलेट समुदायबाट होल एल्गोरिथ्मको एक उपन्यास अनुप्रयोगले आधुनिक GPU मा 8 फ्रेम प्रति सेकेन्डमा न्यूरल नेट प्रतिक्रियाहरूको घना गणना गर्न अनुमति दिन्छ। |
bfb5f142d0eb129fa66616685a84ce055ad8f071 | हामी प्रयोगकर्ताहरूलाई आहारको अभिलेख राख्न सहयोग गर्ने एउटा प्रणाली प्रस्तुत गर्छौं, जसले दुई फरक परिदृश्यमा उनीहरूको फोनमा खिचिएका तस्बिरहरूबाट खाना पहिचान गर्दछ। पहिलो परिदृश्यमा, "सन्दर्भमा खाना" भनिन्छ, हामी प्रयोगकर्ताको जीपीएस जानकारीको प्रयोग गरेर कुन रेस्टुरेन्टमा खाना खाँदैछ भनेर निर्धारण गर्छौं, यसैले पहिचान गर्नका लागि श्रेणीहरू मेनुमा वस्तुहरूको सेटमा सीमित गर्दछौं। यस्तो सन्दर्भले हामीलाई प्रयोगकर्तालाई उनीहरूको खानाको बारेमा सटीक क्यालोरी जानकारी रिपोर्ट गर्न पनि अनुमति दिन्छ, किनकि रेस्टुरेन्ट चेनहरूले भागहरू मानकीकृत गर्न र प्रत्येक खानाको आहार जानकारी प्रदान गर्दछ। दोस्रो परिदृश्यमा, "जंगली खाना" भनिन्छ हामी पकाएको खानालाई तस्विरबाट चिन्न खोज्छौं जुन कुनै पनि ठाउँमा खिचिएको हुन सक्छ। हामीले दुवै परिदृश्यमा खाना पहिचानको बारेमा विस्तृत प्रयोगहरू गर्यौं, हाम्रो दृष्टिकोणको व्यवहार्यता प्रदर्शन गर्दै, नयाँ परिचय गरिएको डाटासेटमा १०५ हजार छविहरू ५०० खाद्य श्रेणीहरूको लागि। |
1f9ede76dbbd6caf7e3877918fae0d421c6f180c | |
3a932716ed323b247a828bd0fd8ae9b2ee0197b2 | संघ नियमहरूको खोज डाटाबेस खानीको एउटा महत्त्वपूर्ण समस्या हो। संघ नियमहरू खोज्नको लागि हालको एल्गोरिदमले विश्लेषण गरिएको डाटाबेसमा धेरै पासहरू आवश्यक गर्दछ, र स्पष्ट रूपमा I / O ओभरहेडको भूमिका धेरै ठूलो डाटाबेसहरूको लागि धेरै महत्त्वपूर्ण छ। हामी नयाँ एल्गोरिदम प्रस्तुत गर्दछौं जसले डाटाबेस गतिविधिलाई धेरै कम गर्दछ। विचार एक यादृच्छिक नमूना छनोट गर्न को लागी हो, यस नमूना को उपयोग गरेर सबै संघ नियमहरु लाई सम्भवतः सम्पूर्ण डाटाबेसमा राख्नु पर्छ, र त्यसपछि डाटाबेस को बाँकी संग परिणामहरु प्रमाणित गर्न। यस प्रकार एल्गोरिदमले नमूनामा आधारित अनुमानहरू होइन, सटीक संघ नियमहरू उत्पादन गर्दछ। यो दृष्टिकोण, तथापि, सम्भावनावादी छ, र ती दुर्लभ अवस्थामा जहाँ हाम्रो नमूना विधिले सबै संघ नियमहरू उत्पादन गर्दैन, हराइरहेको नियमहरू दोस्रो पासमा फेला पार्न सकिन्छ। हाम्रो प्रयोगले देखाउँछ कि प्रस्तावित एल्गोरिदमहरूले केवल एक डाटाबेस पासमा धेरै कुशलतापूर्वक सम्बन्ध नियमहरू फेला पार्न सक्छन्। |
780e2631adae2fb3fa43965bdeddc0f3b885e20d | हामी खानी संघ नियमहरूको समस्यालाई ठूलो सम्बन्ध तालिकामा प्रस्तुत गर्दछौं जसमा दुवै मात्रात्मक र वर्गीय विशेषताहरू छन्। यस्तो सम्बन्धको एउटा उदाहरण "५० र ६० वर्ष उमेरका १०% विवाहित व्यक्तिको कम्तीमा २ वटा कार हुन्छ" हुन सक्छ। हामी गुणको मानलाई राम्रोसँग विभाजन गरेर र त्यसपछि आवश्यक भएमा आसन्न विभाजनहरू संयोजन गरेर मात्रात्मक विशेषताहरूसँग व्यवहार गर्छौं। हामी आंशिक पूर्णताको उपायहरू प्रस्तुत गर्दछौं जसले विभाजनको कारण हराएको जानकारीलाई मात्रात्मक बनाउँदछ। यस प्रविधिको प्रत्यक्ष प्रयोगले धेरै समान नियमहरू उत्पन्न गर्न सक्छ। हामी यो समस्यालाई "अपेक्षित भन्दा ठूलो मूल्य" ब्याज मापन प्रयोग गरेर आउटपुटमा रोचक नियमहरू पहिचान गर्न प्रयोग गर्दछौं। हामी यस्तो मात्रात्मक सम्बन्ध नियमहरू खानीको लागि एल्गोरिथ्म दिन्छौं। अन्तमा, हामी वास्तविक जीवन डाटासेटमा यो दृष्टिकोण प्रयोगको परिणाम वर्णन गर्दछौं। |
586ed71b41362ef55e92475ff063a753e8536afe | एसोसिएसन खानीले अक्सर अक्सर आइटमसेट र एसोसिएसन नियमहरूको अनावश्यक रूपमा ठूलो सेट प्राप्त गर्न सक्छ। हालैका अध्ययनहरूले एउटा रोचक विकल्प प्रस्ताव गरेका छन्: बारम्बार बन्द वस्तु सेटहरू र उनीहरूको सम्बन्धित नियमहरू खानी गर्ने, जुन संघ खानीको रूपमा समान शक्ति छ तर प्रस्तुत गर्न नियमहरूको संख्यालाई उल्लेखनीय रूपमा कम गर्दछ। यस कागजमा, हामी तीन प्रविधिको विकासको साथ बन्द वस्तुसेट खननको लागि एक कुशल एल्गोरिथ्म, CLOSET प्रस्ताव गर्दछौंः (१) क्यान्डिडेट जेनेरेसन बिना बन्द वस्तुसेट खननको लागि संकुचित, बारम्बार ढाँचा रूख एफपी-ट्री संरचना लागू गर्दै, (२) बारम्बार बन्द वस्तुसेटहरू द्रुत रूपमा पहिचान गर्न एकल प्रि-एक्स पथ कम्प्रेसन प्रविधिको विकास गर्दै, र (३) ठूला डाटाबेसमा स्केलेबल खननको लागि विभाजन-आधारित प्रक्षेपण संयन्त्रको अन्वेषण गर्दै। हाम्रो प्रदर्शन अध्ययनले देखाउँछ कि क्लोजट ठूलो डाटाबेसहरूमा कुशल र स्केलेबल छ, र पहिले प्रस्तावित विधिहरू भन्दा छिटो छ। |
0728ea2e21c8a24b51d14d5878c9485c5b11b52f | |
fb4e92e1266898152058f9b1f24acd8226ed9249 | यस लेखमा हामी घटनाहरूको लगमा बारम्बार हुने व्यवहारका ढाँचाहरू पत्ता लगाउने एउटा विधि वर्णन गर्छौं। हामी यी ढाँचाहरूलाई स्थानीय प्रक्रिया मोडेलको रूपमा व्यक्त गर्छौं। स्थानीय प्रक्रिया मोडेल खनन प्रक्रिया खोज र एपिसोड / अनुक्रमिक ढाँचा खनन बीचमा अवस्थित हुन सक्छ। यस कागजमा प्रस्तुत गरिएको प्रविधिले क्रमबद्ध रचना, समवर्तीता, छनौट र लूप जस्ता व्यवहारिक ढाँचाहरू सिक्न सक्षम छ, जस्तै प्रक्रिया खानीमा। यद्यपि, हामी सुरुदेखि अन्त्यसम्मका मोडेलहरूमा हेर्दैनौं, जसले प्रक्रिया खोजबाट हाम्रो दृष्टिकोणलाई भिन्न गर्दछ र एपिसोड / अनुक्रमिक ढाँचा खानीमा लिंक सिर्जना गर्दछ। हामी स्थानीय प्रक्रिया मोडेलहरू निर्माण गर्नका लागि वृद्धिशील प्रक्रिया प्रस्ताव गर्दछौं जुन तथाकथित प्रक्रिया रूखहरूमा आधारित बारम्बार ढाँचाहरू क्याप्चर गर्दछ। हामी पाँच गुणस्तर आयाम र स्थानीय प्रक्रिया मोडेल लागि सम्बन्धित मेट्रिक्स प्रस्ताव, एक घटना लग दिइएको. हामी केही गुणस्तर आयामहरूको लागि एकसमानता गुणहरू देखाउँदछौं, जुन स्थानीय प्रक्रिया मोडेल खोजको छिटो छिटो सक्षम पार्दछ। हामी एउटा वास्तविक जीवनको केस स्टडीको माध्यमबाट देखाउँछौं कि स्थानीय ढाँचाहरूको खानीले हामीलाई प्रक्रियाहरूमा अन्तरदृष्टि प्राप्त गर्न अनुमति दिन्छ जहाँ नियमित सुरुदेखि अन्तसम्म प्रक्रिया खोज प्रविधिहरू मात्र असंगठित, फूल-जस्तो, मोडेलहरू सिक्न सक्षम छन्। |
606b2c57cfed7328dedf88556ac657e9e1608311 | परम्परागत इन्टरनेटमा असफलता र विश्वासको धेरै केन्द्रीय बिन्दुहरू छन्, जस्तै (a) डोमेन नाम प्रणाली (DNS) सर्भरहरू, (b) सार्वजनिक कुञ्जी पूर्वाधार, र (c) केन्द्रीयकृत डाटा स्टोरहरूमा भण्डारण गरिएको अन्त प्रयोगकर्ता डाटा। हामी नयाँ इन्टरनेटको डिजाइन र कार्यान्वयन प्रस्तुत गर्दछौं, जसलाई ब्लकस्ट्याक भनिन्छ, जहाँ प्रयोगकर्ताहरूले रिमोट सर्भरहरूमा विश्वास गर्नुपर्दैन। हामी नेटवर्कको बीचबाट कुनै पनि विश्वासको बिन्दु हटाउँछौं र महत्वपूर्ण डाटाको सम्बन्ध सुरक्षित गर्न ब्लकचेन प्रयोग गर्छौं। ब्लकस्ट्याकले पहिचान, खोज र भण्डारणका लागि सेवाहरू कार्यान्वयन गर्दछ र अन्तर्निहित ब्लकचेनहरूको असफलतामा बाँच्न सक्छ। ब्लकस्ट्याकको डिजाइन तीन वर्षको अनुभवबाट ठूलो ब्लकचेनमा आधारित उत्पादन प्रणालीबाट सूचित गरिएको छ। ब्लकस्ट्याकले परम्परागत इन्टरनेट सेवाहरूको तुलनामा तुलनात्मक प्रदर्शन प्रदान गर्दछ र परम्परागत इन्टरनेटमा अति आवश्यक सुरक्षा र विश्वसनीयता अपग्रेड सक्षम गर्दछ। |
317072c8b7213d884f5b2d4d3133368d17c412ab | यस पत्रमा ब्रडब्यान्ड सब्सट्रेट एकीकृत वेव गाइड गुहा-समर्थित स्लट एन्टेनाको लागि एक उपन्यास डिजाइन प्रविधि प्रदर्शन गरिएको छ। सामान्यतया साँघुरो आयताकार स्लटको सट्टा, ब्वाइ-टाई आकारको स्लट प्रयोग गरी बैंडविड्थको प्रदर्शन बढाइएको छ। स्लट आकारको परिमार्जनले गुहामा बलियो लोडिङ प्रभाव उत्पन्न गर्न मद्दत गर्दछ र दुई नजिकको हाइब्रिड मोडहरू उत्पन्न गर्दछ जसले ब्रडब्यान्ड प्रतिक्रिया प्राप्त गर्न मद्दत गर्दछ। स्लट एन्टेनाले एकल सब्सट्रेटमा पातलो गुहा समर्थन (उचाई <.०३λ०) समावेश गर्दछ र यसैले मध्यम लाभको साथ एकतर्फी विकिरण विशेषताहरू देखाउँदै कम प्रोफाइलको समतल कन्फिगरेसन कायम गर्दछ। एक निर्मित प्रोटोटाइप पनि प्रस्तुत गरिएको छ जसले १.०३ गीगाहर्ट्ज (९.४%) को ब्यान्डविथ देखाउँदछ, ब्यान्डविथमा ३.७ डीबीआईको लाभ, १५ डीबी फ्रन्ट-टु-बैक अनुपात, र क्रस-ध्रुवीकरण स्तर -१८ डीबी भन्दा कम देखाउँदछ। |
4255bbd10e2a1692b723f8b40f28db7e27b06de9 | यद्यपि सुपरिवेक्षित शिक्षामा निष्पक्षताका बारेमा बढ्दो साहित्य छ, तर अनुगमनविहीन शिक्षामा निष्पक्षतालाई समावेश गर्ने विषयमा कम अध्ययन भएको छ। यस लेखमा मुख्य घटक विश्लेषण (पीसीए) को सन्दर्भमा निष्पक्षताको अध्ययन गरिएको छ। हामी पहिलो आयाम कम गर्नका लागि निष्पक्षता परिभाषित गर्छौं, र हाम्रो परिभाषालाई व्याख्या गर्न सकिन्छ कि यदि संरक्षित वर्ग (जस्तै, जाति वा लि gender्ग) को बारेमा जानकारी आयाम-कम डाटा पोइन्टहरूबाट अनुमान गर्न सकिदैन भने एक कटौती निष्पक्ष छ। अर्को, हामी उत्तल अनुकूलन सूत्रहरू विकास गर्छौं जसले पीसीए र कर्नेल पीसीएको निष्पक्षता (हाम्रो परिभाषाको सम्मानमा) सुधार गर्न सक्छ। यी सूत्रहरू अर्ध-परिभाषित कार्यक्रमहरू हुन्, र हामी तिनीहरूको प्रभावकारिता प्रदर्शन गर्दछौं धेरै डाटासेटहरू प्रयोग गरेर। हामी कसरी हाम्रो दृष्टिकोण प्रयोग गर्न सकिन्छ प्रदर्शन गरेर निष्कर्ष निकाल्छौं (आयुको सम्बन्धमा) स्वास्थ्य डेटाको उचित क्लस्टरिंग प्रदर्शन गर्न जुन स्वास्थ्य बीमा दरहरू सेट गर्न प्रयोग गर्न सकिन्छ। |
4e85e17a9c74cd0dbf66c6d673eaa9161e280b18 | एक म्याट्रिक्स S 2 R rn C ((A) को लागि उप-स्थान एम्बेडिंग प्रदान गर्दछ यदि kSAxk 2 2 = (1 ± ") kAxk 2 2 , 8x 2 R d। यस्तो म्याट्रिक्स S ले कम विकृति एम्बेडिंग प्रदान गर्दछ, र यसलाई (1 ± ") ` 2-उप-स्थान एम्बेडिंग भनिन्छ। एउटा ∀2-उपस्थान सम्मिलित प्रयोग गरेर, एक SA 2 R rd को सट्टा A 2 R nd को साथ काम गर्न सक्छ। सामान्यतया r n, त्यसैले हामी एउटा सानो म्याट्रिक्ससँग काम गरिरहेका छौं जसले धेरै एल्गोरिदमहरूको समय/अन्तरिक्ष जटिलतालाई कम गर्छ। तथापि ध्यान दिनुहोस् कि निश्चित रूपमा r d भन्दा ठूलो हुनु आवश्यक छ यदि हामी सम्पूर्ण उप-स्थान R d को बारेमा कुरा गर्दैछौं भने। [११] ध्यान दिनुहोस् कि उप-स्थान सम्मिलन C ((A) को लागि विशेष आधारमा निर्भर हुँदैन, यसको मतलब यदि हामीसँग म्याट्रिक्स U छ जुन C ((A) को लागि एक orthonormal आधार हो, तब Ux ले Ax को रूपमा समान उप-स्थान दिन्छ। यसैले यदि S A को लागि एक एम्बेडिंग हो, यो U को लागि पनि एक एम्बेडिंग हुनेछ। विचार गरौं ... र्यान्डम प्रोजेक्सन निम्न-रैंक म्याट्रिक्स अनुमानको लागि प्रयोग गरिने विधिहरूको अर्को वर्ग हो। एक यादृच्छिक प्रक्षेपण एल्गोरिथ्मले डाटा पोइन्टहरू उच्च आयामी स्पेस R n बाट कम आयामी उप-स्पेस R r (r n) मा यादृच्छिक म्याट्रिक्स S 2 R rn प्रयोग गरेर प्रोजेक्ट गर्दछ। यादृच्छिक नक्साङ्कनको मुख्य विचार जोन्सन-लिन्डेनस्ट्रॉस लेम्माबाट आएको हो [1] (हामी पछि विस्तारमा व्याख्या गर्नेछौं) जसले भन्छ "यदि भेक्टर स्पेसमा बिन्दुहरू उपयुक्त उच्च आयामको अनियमित रूपमा चयन गरिएको उप-स्थानमा प्रक्षेपण गरिन्छ भने, तब बिन्दुहरू बीचको दूरी लगभग संरक्षित हुन्छ"। अनियमित प्रक्षेपण विधिहरू कम्प्युटेशनल रूपमा कुशल छन् र उच्च-आयामी डाटासेटको आयाम-कम गर्नका लागि पर्याप्त रूपमा व्यावहारिक रूपमा सही छन्। यसबाहेक, धेरै ज्यामितीय एल्गोरिदमको जटिलता आयाममा महत्त्वपूर्ण रूपमा निर्भर गर्दछ, पूर्व-प्रसंस्करणको रूपमा अनियमित प्रक्षेपण लागू गर्नु धेरै डाटा खनन अनुप्रयोगहरूमा सामान्य कार्य हो। स्तम्भ नमूना विधिहरूको विपरित, जुन कम-रैंक उप-स्थानको अनुमान गर्न डेटा पहुँच गर्न आवश्यक छ, अनियमित प्रक्षेपणहरू डेटा बेवास्ता गर्दछन्, किनकि तिनीहरूको गणनामा केवल एक अनियमित म्याट्रिक्स S समावेश छ। हामी आधारभूत अवधारणाहरू र परिभाषाहरू अनियमित प्रक्षेपण प्रविधिहरू बुझ्न आवश्यक छ। परिभाषा १ (स्तम्भ स्थान) एउटा म्याट्रिक्स A 2 R nd (n > d) विचार गर्नुहोस्। ध्यान दिनुहोस् कि एक सबै भेक्टरहरू x 2 R d मा दायरा हुन्छ , Ax A को स्तम्भहरूको सबै रैखिक संयोजनहरूमा दायरा हुन्छ र यसैले R n को एक d-आयामी उप-स्थान परिभाषित गर्दछ , जसलाई हामी A को स्तम्भ स्थानको रूपमा उल्लेख गर्दछौं र यसलाई C ((A) द्वारा दर्शाउँछौं। परिभाषा २ (` २-उप-स्थान सम्मिलन) |
01dfe1868e8abc090b1485482929f65743e23743 | मोबाइल रोबोटको मुख्य कार्य भनेको अज्ञात वातावरणमा अन्वेषण गर्नु हो। सिक्ने-आधारित अन्वेषण विधिहरू, कन्भोल्युसनल न्यूरल नेटवर्कहरू सहित, सुविधा निकासीको लागि मानव-डिजाइन गरिएको तर्क बिना उत्कृष्ट रणनीतिहरू प्रदान गर्दछ। [1] तर परम्परागत अनुगमन गरिएको सिकाइ एल्गोरिदमले डाटासेटको लेबलिंग कार्यमा धेरै प्रयासहरू खर्च गर्दछन्। प्रशिक्षण सेटमा समावेश नभएका दृश्यहरू पनि प्रायः अपरिचित हुन्छन्। हामी आरजीबी-डी सेन्सरबाट मात्र गहिराई जानकारीको साथ भित्री वातावरणमा मोबाइल रोबोटहरूको अन्वेषणको लागि गहिरो सुदृढीकरण शिक्षा विधि प्रस्ताव गर्दछौं। डीप क्यू-नेटवर्क फ्रेमवर्क [2] को आधारमा, कच्चा गहिराई छविलाई सबै चल आदेशहरूसँग सम्बन्धित क्यू मानहरूको अनुमान गर्नको लागि मात्र इनपुटको रूपमा लिइन्छ। नेटवर्कको वजनको प्रशिक्षण अन्त-देखि-अन्तसम्म हुन्छ। मनमानी ढंगले निर्माण गरिएको सिमुलेसन वातावरणमा, हामीले देखाइदियौं कि रोबोटलाई चाँडै अपरिचित दृश्यहरूमा अनुकूलित गर्न सकिन्छ कुनै मानव निर्मित लेबलिंग बिना। यसको अतिरिक्त, विशेषता प्रतिनिधित्वको ग्रहणशील क्षेत्रहरूको विश्लेषणको माध्यमबाट, गहिरो सुदृढीकरण शिक्षाले दृश्यहरूको पारगम्यताको अनुमान गर्न कन्भोल्युसनल नेटवर्कहरूलाई उत्प्रेरित गर्दछ। परीक्षणको नतिजाको तुलना गहिरो शिक्षा [1] वा सुदृढीकरण शिक्षा [3] मा आधारित अन्वेषण रणनीतिहरूको साथ छुट्टै गरिन्छ। सिमुलेटेड वातावरणमा मात्र तालिम दिए पनि वास्तविक संसारको वातावरणमा प्रयोगात्मक नतिजाले देखाउँछ कि रोबोट कन्ट्रोलरको संज्ञानात्मक क्षमता सुपरिवेक्षित विधिको तुलनामा नाटकीय रूपमा सुधारिएको छ। हामी विश्वास गर्छौ यो पहिलो पटक हो कि कच्चा सेन्सर जानकारी प्रयोग गरी अन्त-देखि-अन्त गहिरो सुदृढीकरण शिक्षाको माध्यमबाट मोबाइल रोबोटहरूको लागि संज्ञानात्मक अन्वेषण रणनीति निर्माण गर्न प्रयोग गरिएको छ। |
20a773041aa5667fbcf5378ac87cad2edbfd28b7 | डीबीपेडिया परियोजना विकिपीडियाबाट संरचित जानकारी निकाल्न र यो जानकारी वेबमा पहुँचयोग्य बनाउनको लागि एक सामुदायिक प्रयास हो। यसबाट प्राप्त DBpedia ज्ञान आधारमा हाल २.६ मिलियन भन्दा बढी संस्थाहरूको वर्णन गरिएको छ। यी प्रत्येक संस्थाका लागि, DBpedia ले विश्वव्यापी रूपमा अद्वितीय पहिचानकर्ता परिभाषित गर्दछ जुन वेबमा संस्थाको समृद्ध आरडीएफ विवरणमा डेरेफरेन्स गर्न सकिन्छ, 30 भाषाहरूमा मानव-पठनीय परिभाषाहरू सहित, अन्य स्रोतहरूसँग सम्बन्ध, चार अवधारणा पदानुक्रममा वर्गीकरण, विभिन्न तथ्यहरू साथै डाटा-स्तर लिंकहरू अन्य वेब डाटा स्रोतहरूमा जसले संस्थाको वर्णन गर्दछ। पछिल्लो वर्ष, डाटा प्रकाशकहरूको बढ्दो संख्याले डाटा स्तर लिंकहरू सेट गर्न थालेका छन् DBpedia संसाधनहरू, DBpedia लाई उभरिरहेको डाटाको वेबको लागि केन्द्रीय इन्टरलिinking्क हब बनाउँदै। हाल, DBpedia वरिपरि अन्तरसम्बन्धित डाटा स्रोतहरूको वेबले लगभग 4.7 अरब जानकारी प्रदान गर्दछ र भौगोलिक जानकारी, व्यक्ति, कम्पनीहरू, चलचित्रहरू, संगीत, जीन, औषधि, पुस्तकहरू, र वैज्ञानिक प्रकाशनहरू जस्ता डोमेनहरू समावेश गर्दछ। यस लेखमा DBpedia ज्ञानको आधारको निकासीको वर्णन गरिएको छ, वेबमा अन्य डाटा स्रोतहरूसँग DBpedia को अन्तरसम्बन्धको वर्तमान स्थिति, र DBpedia वरिपरि डाटाको वेबलाई सजिलो बनाउने अनुप्रयोगहरूको एक सिंहावलोकन दिन्छ। |
744eacc689e1be16de6ca1f386ea3088abacad49 | हामी ठूलो ओडब्लुएल अनुप्रयोगहरूमा प्रयोगको सम्बन्धमा सिमेन्टिक वेब ज्ञान आधार प्रणालीहरूको बेन्चमार्किंगको लागि हाम्रो विधि वर्णन गर्दछौं। हामी लेहाइ विश्वविद्यालय बेन्चमार्क (LUBM) लाई यस्तो बेन्चमार्क कसरी डिजाइन गर्ने भन्ने उदाहरणको रूपमा प्रस्तुत गर्दछौं। LUBM मा विश्वविद्यालय डोमेनको लागि एक अन-टोलजी, सिंथेटिक OWL डाटा मनमाने आकारमा स्केलेबल, चौध विस्तारित प्रश्नहरू विभिन्न गुणहरूको प्रतिनिधित्व गर्दछ, र धेरै प्रदर्शन मेट्रिक्स। LUBM विभिन्न तर्क क्षमता र भण्डारण संयन्त्रहरू संग प्रणाली मूल्यांकन गर्न प्रयोग गर्न सकिन्छ। हामीले यसलाई दुई मेमोरीमा आधारित प्रणाली र दुई प्रणालीको मूल्यांकन गरेर देखाउँछौं जुन स्थायी भण्डारणको साथ छ। |
92862e13ceb048d596d05b5c788765649be9d851 | सेवा अस्वीकार आक्रमणको वितरित प्रकृतिको कारण, वायरलेस सेन्सर नेटवर्क (डब्लुएसएन) मा परम्परागत घुसपैठ पत्ता लगाउने प्रणाली प्रयोग गरेर यस्तो खराब व्यवहार पहिचान गर्न अत्यन्त चुनौतीपूर्ण छ। वर्तमान कागजमा, एक जैविक-प्रेरित विधि प्रस्तुत गरिएको छ, अर्थात् सहकारी आधारित फजी कृत्रिम प्रतिरक्षा प्रणाली (Co-FAIS) । यो मानव प्रतिरक्षा प्रणालीको खतरा सिद्धान्तबाट व्युत्पन्न मोड्युलर आधारित रक्षा रणनीति हो। एजेन्टहरू एक अर्कासँग काम गर्छन् र सेन्सर व्यवहारको असामान्यतालाई गणना गर्नका लागि सन्दर्भ एन्टिजेन मान (सीएभी) वा आक्रमणकर्ताहरूको सन्दर्भमा र सुरक्षा प्रतिक्रियाको लागि फजी सक्रियता थ्रेसहोल्ड अपडेट गर्नुहोस्। यस्तो बहु-नोड परिस्थितिमा, स्निफर मोड्युल प्याकेट कम्पोनेन्टहरूको विश्लेषण गरेर र अर्को तहमा लग फाइल पठाएर डाटा अडिट गर्न सिंक नोडमा अनुकूल हुन्छ। फज्जी दुरुपयोग डिटेक्टर मोड्युल (एफएमडीएम) खतरा संकेतहरूको स्रोतहरू पहिचान गर्न खतरा डिटेक्टर मोड्युलसँग एकीकृत हुन्छ। संक्रमित स्रोतहरू फजी क्यू-लर्निंग खोप मोड्युल (एफक्यूभीएम) मा प्रसारित हुन्छन् विशेष गरी, प्रणाली क्षमताहरू बढाउन आवश्यक कार्यका लागि। सहकारी निर्णय मोड्युल (Co-DMM) ले खतरा डिटेक्टर मोड्युललाई फजी क्यू-लर्निंग खोप मोड्युलसँग मिलाएर इष्टतम रक्षा रणनीतिहरू उत्पादन गर्दछ। प्रस्तावित मोडेलको प्रदर्शनको मूल्याङ्कन गर्न, कम ऊर्जा अनुकूलन क्लस्टरिंग पदानुक्रम (एलईएसीएच) एक नेटवर्क सिम्युलेटर प्रयोग गरेर सिमुलेटेड गरिएको थियो। यस मोडेललाई पछि यसको दक्षता र व्यवहार्यता प्रदर्शन गर्न अन्य विद्यमान सफ्ट कम्प्युटि methods विधिहरू जस्तै फजी तर्क नियन्त्रक (एफएलसी), कृत्रिम प्रतिरक्षा प्रणाली (एआईएस), र फजी क्यू-लर्निंग (एफक्यूएल) सँग तुलना गरिएको थियो। प्रस्तावित विधिले पहिचानको शुद्धता र पारम्परिक अनुभवजन्य विधिहरूको तुलनामा आक्रमणहरू विरुद्ध सफल रक्षा दर प्रदर्शनमा सुधार ल्याउँछ। & २०१४ एल्सभियर लिमिटेड सबै अधिकार सुरक्षित। |
c286ba73f645535d19e085bdaa713a0bb9cb1ddc | यस कागजातमा, एक एक्स-ब्यान्ड १ × sub सब्सट्रेट एकीकृत वेभगाइड (एसआईडब्ल्यू) पावर डिभाइडर डिजाइन प्रस्तुत गरिएको छ। डिजाइन गरिएको एसआईडब्ल्यू पावर डिभाइडरले प्रत्येक आउटपुट पोर्टमा समान चरण वितरणको साथ समान आयाम प्रदान गर्दछ। यसको पनि सन्तुष्टिकरण कार्य ब्यान्डविथ र कम सम्मिलन हानि छ। यसको अतिरिक्त, ईएम सिमुलेसनको परिणाममा देखाइए अनुसार डिजाइन आवृत्तिमा रिटर्न हानि लगभग २५ डीबी हुन्छ। |
81d51bf638a6a7c405e1e1d461ae979f83fd929b | |
9f27c7cd7a66f612c4807ec6e9a90d6aafd462e8 | गहिराईले आरजीबीलाई वस्तुको मात्रा र दृश्यको लेआउटको बारेमा उपयोगी संकेतहरूसँग पूरक गर्न सक्छ। तर, आरजीबी-डी छवि डाटासेटहरू अझै पनि गहिरो कन्भोल्युसनल न्यूरल नेटवर्कहरू (सीएनएनहरू) लाई प्रत्यक्ष रूपमा प्रशिक्षण दिनको लागि धेरै सानो छ, विशाल मोनोमोडल आरजीबी डाटासेटहरूको विपरित। आरजीबी-डी पहिचानमा पहिलेका कामहरूले सामान्यतया आरजीबी र गहिराई डाटाका लागि दुई अलग नेटवर्कहरू संयोजन गर्दछ, ठूलो आरजीबी डाटासेटको साथ पूर्व-प्रशिक्षित र त्यसपछि सम्बन्धित लक्ष्य आरजीबी र गहिराई डाटासेटमा ठीक ट्यून गरिएको। यी दृष्टिकोणहरूको धेरै सीमितताहरू छन्ः १) केवल आरजीबी डाटाबाट सिकेको कम-स्तर फिल्टरहरू प्रयोग गर्नुहोस्, यसैले गहिराई-विशिष्ट ढाँचाको सही प्रयोग गर्न सक्षम नहुने, र २) आरजीबी र गहिराई सुविधाहरू केवल उच्च स्तरमा मात्र संयोजन गरिन्छ तर विरलै कम स्तरमा। यस कागजमा, हामी एक ढाँचा प्रस्ताव गर्दछौं जसले दुबै ज्ञानलाई ठूलो आरजीबी डाटासेटबाट प्राप्त गर्दछ जुन सीमित गहिराई डाटाबाट सिकेको गहिराई-विशिष्ट संकेतहरूसँग मिलेर अधिक प्रभावकारी बहु-स्रोत र बहु-मोडल प्रतिनिधित्वहरू प्राप्त गर्दछ। हामी बहु-मोडल संयोजन विधि प्रस्ताव गर्दछौं जसले विभिन्न स्रोत मोडेलहरू र लक्षित मोडलिटीहरूबाट तहहरूको भेदभावपूर्ण संयोजनहरू चयन गर्दछ, कार्यको उच्च-स्तर गुणहरू र दुवै मोडलिटीहरूको आन्तरिक निम्न-स्तर गुणहरू दुवै कब्जा गर्दछ। |
1986349b2df8b9d4064453d169d69ecfde283e27 | विवाद रोचक कथाको एउटा अनिवार्य तत्व हो। यस लेखमा हामी द्वन्द्वको एक कथागत परिभाषालाई परिचालन गर्छौं र यो परिभाषालाई समावेश गर्नका लागि स्थापित कथा योजना प्रविधिहरू विस्तार गर्दछौं। द्वन्द्व आंशिक क्रम कारण लिङ्क योजना एल्गोरिथ्म (CPOCL) कारणिक ध्वनि र चरित्र विश्वसनीयता कायम राख्दै योजनामा कथागत द्वन्द्व उत्पन्न गर्न अनुमति दिन्छ। हामी पनि परिभाषित गर्छौं सात आयामको द्वन्द्व यस एल्गोरिथ्मको ज्ञान प्रतिनिधित्वको सन्दर्भमा। पहिलो तीन-सहभागी, कारण, र अवधि-अन्तर मानहरू हुन् जसले क्रमशः "को? " "किन? " र "कहिले? " प्रश्नहरूको उत्तर दिन्छ। अन्तिम चार-सन्तुलन, प्रत्यक्षता, दांव, र समाधान- निरन्तर मानहरू हुन् जसले लेखकको उद्देश्यको आधारमा द्वन्द्वहरू चयन गर्न प्रयोग गर्न सकिने महत्त्वपूर्ण कथा गुणहरू वर्णन गर्दछ। हामी दुई अनुभवजन्य अध्ययनको नतिजा पनि प्रस्तुत गर्दछौं जसले यी कथा घटनाहरूको हाम्रो परिचालनलाई मान्य गर्दछ। अन्तमा, हामी विभिन्न प्रकारका कथाहरू प्रदर्शन गर्दछौं जुन सीपीओसीएलले सात आयामहरूमा सीमितताका आधारमा उत्पादन गर्न सक्दछ। |
2766913aabb151107b28279645b915a3aa86c816 | यस लेखमा व्याख्यामा आधारित सिकाइ (ईबीएल) र अनुभवको माध्यमबाट समस्या समाधान गर्ने प्रदर्शनमा सुधार ल्याउने यसको भूमिकाको बारेमा उल्लेख गरिएको छ। प्रेरक प्रणालीहरूको विपरीत, जुन धेरै उदाहरणहरूबाट सामान्य गुणहरू हटाएर सिक्छन्, EBL प्रणालीहरूले वर्णन गर्दछ किन एक विशेष उदाहरण अवधारणाको उदाहरण हो। स्पष्टीकरणहरू त्यसपछि परिचालन मान्यता नियमहरूमा रूपान्तरण गरिन्छ। मूलतः, ईबीएल दृष्टिकोण विश्लेषणात्मक र ज्ञान-गहन छ, जबकि प्रेरक विधिहरू अनुभवजन्य र ज्ञान-गरीब छन्। यस लेखमा आधारभूत EBL विधि र PRODIGY समस्या समाधान प्रणालीको साथ तिनीहरूको एकीकरणको विस्तारमा केन्द्रित छ। प्रोडिगीको ईबीएल विधि विशेष रूपमा खोज नियन्त्रण नियमहरू प्राप्त गर्न डिजाइन गरिएको हो जुन जटिल कार्य डोमेनहरूको लागि कुल खोज समय घटाउन प्रभावकारी हुन्छ। डोमेन-विशिष्ट खोज नियन्त्रण नियमहरू सफल समस्या समाधान निर्णयहरू, महँगो असफलताहरू, र अप्रत्याशित लक्ष्य अन्तर्क्रियाबाट सिकिन्छ। धेरै सिकाइ रणनीतिहरू घोषणात्मक तरिकामा निर्दिष्ट गर्ने क्षमताले ईबीएललाई प्रदर्शन सुधारको लागि सामान्य प्रविधिको रूपमा सेवा गर्न सक्षम गर्दछ। प्रोडिगीको ईबीएल विधि विश्लेषण गरिएको छ, धेरै उदाहरणहरू र प्रदर्शन परिणामहरूसँग चित्रण गरिएको छ, र ईबीएल र समस्या समाधानको एकीकरणका लागि अन्य विधिहरूसँग तुलना गरिएको छ। वर्तमान ठेगाना: कृत्रिम बुद्धिमत्ता अनुसन्धान शाखा, नासा एम्स अनुसन्धान केन्द्र, स्टर्लिंग फेडरल सिस्टम, मेल स्टप २४४-१७, मोफेट फिल्ड सीए ९४०३५। यो अनुसन्धान रक्षा उन्नत अनुसन्धान परियोजना एजेन्सी (डीओडी) द्वारा प्रायोजित थियो, एआरपीए अर्डर नं। 4976, संशोधन 20, अनुबंध संख्या F33615-87-C-1499, एयर फोर्स एभियोनिक्स प्रयोगशाला द्वारा अनुगमन, आंशिक रूपमा नेवल रिसर्च अफिस द्वारा अनुबंध N00014-84-K-0345 (N91) र N00014-86-K-0678-N123, आंशिक रूपमा नासा द्वारा अनुबंध NCC 2-463, आंशिक रूपमा सेना अनुसन्धान संस्थान द्वारा अनुबंध MDA903-85-C-0324, उप-अनुबंध 487650-25537 को माध्यमबाट क्यालिफोर्निया विश्वविद्यालय, इरविन, र निजी संस्थाहरूको सानो योगदानबाट आंशिक रूपमा। यस दस्तावेजमा समावेश विचार र निष्कर्ष लेखकहरूको हो र यसको व्याख्या आधिकारिक नीतिहरूको प्रतिनिधित्वको रूपमा व्याख्या गर्नु हुँदैन, या त व्यक्त वा निहित, DARPA, ONR, NASA, ARI, वा अमेरिकी सरकारको। पहिलो र पाँचौं लेखकलाई एटी एण्ड टी बेल ल्याब्स पीएच.डी. ले सहयोग गरेको थियो। छात्रवृत्तिहरू। तालिका |
516bd2e2bfc7405568f48560e02154135616374c | कथा र विशेष गरी कथा-कथा मानव अनुभवको एउटा महत्वपूर्ण हिस्सा हो। फलस्वरूप, कथाको बारेमा तर्क गर्न सक्ने कम्प्युटेशनल प्रणालीहरू अधिक प्रभावकारी संचारकर्ताहरू, मनोरन्जनात्मक, शिक्षकहरू, र प्रशिक्षकहरू हुन सक्छन्। कम्प्युटेशनल कथा तर्कको एउटा मुख्य चुनौती कथा निर्माण हो, अर्थपूर्ण घटना अनुक्रमको स्वचालित सिर्जना। कथाको सफलतामा तर्क र सौन्दर्य दुवै पक्षको भूमिका हुन्छ। [पृष्ठ २३-मा भएको चित्र] हामी तर्क गर्छौं कि कथाका निम्न दुई विशेषताहरू सार्वभौमिक छन्: (क) कथानकको तार्किक कारण प्रगति, र (ख) चरित्रको विश्वसनीयता। चरित्रको विश्वसनीयता भनेको दर्शकले चरित्रले गरेका कार्यहरूले दर्शकको अविश्वासको निलम्बनमा नकारात्मक प्रभाव पार्दैन भन्ने धारणा हो। विशेष गरी, पात्रहरू दर्शकहरूले जानबूझेर एजेन्टहरू हुन बुझ्नुपर्दछ। यस लेखमा, हामी कथाको पीढी समस्या समाधान गर्न एक प्रविधिको रूपमा परिष्कृत खोजको प्रयोगको अन्वेषण गर्दछौं - चरित्र कार्यहरूको ध्वनि र विश्वासयोग्य अनुक्रम फेला पार्न जुन प्रारम्भिक विश्व राज्यलाई विश्व राज्यमा रूपान्तरण गर्दछ जसमा लक्ष्य प्रस्तावहरू राख्छन्। हामी एक उपन्यास परिष्कृत खोज योजना एल्गोरिथ्म वर्णन गर्दछौं - इरादा-आधारित आंशिक अर्डर कारण लि Link्क (आईपीओसीएल) योजनाकार - कि, कारण ध्वनि प्लट प्रगति सिर्जना गर्नुको साथै, सम्भव चरित्र लक्ष्यहरू पहिचान गरेर चरित्रको इरादाको बारेमा कारणहरू उनीहरूको कार्यहरू र योजना संरचनाहरू सिर्जना गर्ने कारणहरू उनीहरूको लक्ष्यहरूमा प्रतिबद्ध छन्। हामी एक अनुभवजन्य मूल्यांकनको परिणाम प्रस्तुत गर्दछौं जसले देखाउँदछ कि आईपीओसीएल एल्गोरिथ्म द्वारा उत्पन्न कथा योजनाहरूले परम्परागत आंशिक-क्रम योजनाकारहरू द्वारा उत्पन्न योजनाहरू भन्दा चरित्र आशयको दर्शकहरूको समझलाई समर्थन गर्दछ। |
444e8aacda5f06d2a6c5197c89567638eaccb677 | सूचना प्रविधिको बढ्दो महत्वका साथ सूचना सुरक्षाका लागि पर्याप्त उपायहरूको तत्काल आवश्यकता छ। सूचना सुरक्षाको व्यवस्थित व्यवस्थापन सूचना प्रविधि व्यवस्थापनको सबैभन्दा महत्त्वपूर्ण पहलमध्ये एक हो। कमसेकम गोपनीयता र सुरक्षा उल्लंघन, धोखाधडी लेखा अभ्यास, र आईटी प्रणालीमा आक्रमणको बारेमा रिपोर्टहरू सार्वजनिक भएदेखि, संगठनहरूले भौतिक र सूचना सम्पत्तिको सुरक्षाको लागि आफ्नो जिम्मेवारीहरू मान्यता दिएका छन्। सुरक्षा मापदण्डहरूलाई दिशानिर्देश वा ढाँचाको रूपमा प्रयोग गर्न सकिन्छ पर्याप्त सूचना सुरक्षा व्यवस्थापन प्रणाली (आईएसएमएस) को विकास र मर्मतका लागि। आईएसओ/आईईसी २७०००, २७००१ र २७००२ अन्तर्राष्ट्रिय मापदण्डहरू हुन् जुन बढ्दो मान्यता र अपनन प्राप्त गर्दैछन्। तिनीहरू सूचना सुरक्षाको लागि विश्वभरका संगठनहरूको साझा भाषाको रूपमा उल्लेख गरिएको छ। [1] आईएसओ/आईईसी २७००१ को साथ कम्पनीहरूले आफ्नो आईएसएमएसलाई तेस्रो पक्ष संगठन द्वारा प्रमाणित गर्न सक्छन् र यसरी आफ्ना ग्राहकहरूलाई उनीहरूको सुरक्षा उपायहरूको प्रमाण देखाउन सक्छन्। |
54eed22ff377dcb0472c8de454b1261988c4a9ac | यातायात सुरक्षा विश्वभरि गम्भीर समस्या हो। धेरै सडक दुर्घटनाहरू सामान्यतया चालकको असुरक्षित ड्राइभिङ्ग व्यवहारसँग सम्बन्धित हुन्छन्, जस्तैः ड्राइभिङ गर्दा खाने। यस कार्यमा, हामी एक दृष्टि-आधारित समाधान प्रस्ताव गर्दछौं चालकको व्यवहारलाई पहिचान गर्नका लागि कन्भोल्युसनल न्यूरल नेटवर्कमा आधारित। विशेष गरी, एक छवि दिइएको छ, छाला जस्तो क्षेत्रहरू गौसियन मिक्सचर मोडेल द्वारा निकालिन्छ, जुन गहिरो कन्भोल्युसनल न्यूरल नेटवर्क मोडेलमा पठाइन्छ, अर्थात् आर * सीएनएन, कार्य लेबलहरू उत्पन्न गर्न। छाला जस्तो क्षेत्रहरू पर्याप्त भेदभाव क्षमताको साथ प्रशस्त अर्थपूर्ण जानकारी प्रदान गर्न सक्षम छन्। साथै, आर*सीएनएनले अन्तिम कार्यको मान्यतालाई सहज बनाउनका लागि उम्मेदवारहरूबाट सबैभन्दा जानकारीमूलक क्षेत्रहरू चयन गर्न सक्षम छ। हामीले प्रस्तावित विधिहरू दक्षिणपूर्वी विश्वविद्यालयको ड्राइभिङ-पोष्टर डाटासेटमा परीक्षण गरेका थियौं र डाटासेटमा औसत प्रेसिजन (एमएपी) ९७.७६% प्राप्त गरेका थियौं जसले प्रस्तावित विधि ड्राइभरहरूको कार्य पहिचानमा प्रभावकारी छ भन्ने प्रमाणित गर्दछ। |
79f026f743997ab8b5251f6e915a0a427576b142 | मिलिमिटर वेभ संचारले आगामी दशकमा हुने ट्राफिक वृद्धिलाई रोक्नको लागि भविष्यमा हुने ५जी मोबाइल नेटवर्कमा महत्वपूर्ण भूमिका खेल्ने अपेक्षा गरिएको छ। यस्ता प्रणालीहरूले मोबाइल टर्मिनल, पहुँच बिन्दु वा ब्याकहाउल/फ्रन्टहाउल स्तरहरूमा प्रयोग हुने एन्टेना प्रविधिहरूलाई गम्भीर चुनौती दिनेछन्। यस लेखमा लेखकहरूले हालैमा उच्च डाटा रेट ६० गीगाहर्ज सञ्चारका लागि एकीकृत एन्टेना, एन्टेना एरे र उच्च निर्देशकत्व अर्ध-अप्टिकल एन्टेनाको डिजाइनमा प्राप्त उपलब्धिहरूको बारेमा जानकारी दिएका छन्। |
04ee77ef1143af8b19f71c63b8c5b077c5387855 | प्राकृतिक भाषा प्रशोधनमा अधिकांश कार्यहरू भाषा इनपुटमा उत्तर (QA) समस्याहरूको प्रश्नमा राख्न सकिन्छ। हामी गतिशील मेमोरी नेटवर्क (डीएमएन) लाई प्रस्तुत गर्छौं, एक एकीकृत न्यूरल नेटवर्क फ्रेमवर्क जसले इनपुट अनुक्रम र प्रश्नहरू प्रशोधन गर्दछ, अर्थपूर्ण र एपिसोडिक मेमोरीहरू बनाउँछ, र सान्दर्भिक उत्तरहरू उत्पन्न गर्दछ। प्रश्नहरूले पुनरावर्ती ध्यान प्रक्रियालाई ट्रिगर गर्दछ जसले मोडेललाई अघिल्लो पुनरावृत्तिको परिणाममा ध्यान केन्द्रित गर्न अनुमति दिन्छ। यी परिणामहरू त्यसपछि उत्तरहरू उत्पन्न गर्न पदानुक्रमित पुनरावर्ती अनुक्रम मोडेलमा तर्क गरिन्छ। डीएमएनलाई अन्त-देखि-अन्तसम्म तालिम दिन सकिन्छ र विभिन्न प्रकारका कार्यहरू र डाटासेटहरूमा कलाको परिणामहरू प्राप्त गर्दछः प्रश्न उत्तर (फेसबुकको बीएबीआई डाटासेट), भाषण ट्यागिंगको अंशको लागि अनुक्रम मोडलि ((डब्ल्यूएसजे-पीटीबी), कोररेफरेन्स रिजोलुसन (क्विजबोल डाटासेट) र भावना विश्लेषणको लागि पाठ वर्गीकरण (स्ट्यानफोर्ड सेन्टिमेन्ट ट्रीबैंक) । यो मोडेल विशेष रूपमा प्रशिक्षित शब्द भेक्टर प्रतिनिधित्वहरूमा निर्भर गर्दछ र कुनै स्ट्रिंग मिलान वा म्यानुअल ईन्जिनियर सुविधाहरूको आवश्यकता पर्दैन। |
165db9e093be270d38ac4a264efff7507518727e | मेशिन लर्निंग अनुसन्धानको एक दीर्घकालीन लक्ष्य तर्क र प्राकृतिक भाषामा लागू हुने विधिहरू उत्पादन गर्नु हो, विशेष गरी एक बुद्धिमान संवाद एजेन्ट निर्माण गर्नु। त्यो लक्ष्यको दिशामा भएको प्रगतिलाई मापन गर्न, हामी प्रश्नको उत्तरको माध्यमबाट पढ्ने समझको मूल्याङ्कन गर्ने प्रोक्सी कार्यहरूको सेटको उपयोगिताको लागि तर्क गर्छौं। हाम्रो कार्यले धेरै तरिकाले समझलाई मापन गर्छ: के एउटा प्रणालीले तथ्यहरूको श्रृंखला, सरल प्रेरण, कटौती र अरु धेरै मार्फत प्रश्नहरूको उत्तर दिन सक्छ। यी कार्यहरू कुनै पनि प्रणालीको लागि पूर्व शर्तको रूपमा डिजाइन गरिएको छ जुन मानवसँग कुराकानी गर्न सक्षम छ। हामी विश्वास गर्छौं कि धेरै विद्यमान सिकाउने प्रणालीहरू हाल तिनीहरूलाई समाधान गर्न सक्दैनन्, र यसैले हाम्रो उद्देश्य यी कार्यहरूलाई सीप सेटमा वर्गीकृत गर्नु हो, ताकि अनुसन्धानकर्ताहरूले आफ्ना प्रणालीहरूको असफलताहरू पहिचान गर्न सक्दछन् (र त्यसपछि सुधार गर्न सक्दछन्) । हामीले हालै प्रस्तुत गरिएको मेमोरी नेटवर्क मोडेललाई पनि विस्तार र सुधार गरेका छौं, र यो केही समाधान गर्न सक्षम छ, तर सबै होइन, कार्यहरू। |
17357530b7aae622162da73d3b796c63b557b3b3 | प्राकृतिक वा प्राविधिक प्रणालीहरूको हाम्रो बुझाइको अन्तिम प्रमाण तिनीहरूलाई नियन्त्रण गर्ने हाम्रो क्षमतामा प्रतिबिम्बित हुन्छ। यद्यपि नियन्त्रण सिद्धान्तले ईन्जिनियर र प्राकृतिक प्रणालीहरूलाई इच्छित राज्यतर्फ निर्देशित गर्न गणितीय उपकरणहरू प्रदान गर्दछ, जटिल स्व-संगठित प्रणालीहरू नियन्त्रण गर्न ढाँचाको अभाव छ। यहाँ हामी विश्लेषणात्मक उपकरणहरू विकास गर्छौं जुन मनमाने जटिल निर्देशित नेटवर्कको नियन्त्रणको अध्ययन गर्नका लागि, समय-निर्भर नियन्त्रणको साथ ड्राइभर नोडहरूको सेट पहिचान गर्दै जुन प्रणालीको सम्पूर्ण गतिशीलतालाई मार्गदर्शन गर्न सक्दछ। हामी यी उपकरणहरू धेरै वास्तविक नेटवर्कहरूमा लागू गर्दछौं, पत्ता लगाउँदछौं कि ड्राइभर नोडहरूको संख्या मुख्य रूपमा नेटवर्कको डिग्री वितरण द्वारा निर्धारित गरिन्छ। हामी देखाउँछौं कि धेरै वास्तविक जटिल प्रणालीहरूमा देखा पर्ने विरल असमान नेटवर्कहरू नियन्त्रण गर्न सबैभन्दा गाह्रो हुन्छ, तर त्यो घना र समान नेटवर्कहरू केही ड्राइभर नोडहरू प्रयोग गरेर नियन्त्रण गर्न सकिन्छ। प्रति-अभिप्रायका रूपमा, हामी पाउँछौं कि दुवै मोडेल र वास्तविक प्रणालीहरूमा ड्राइभर नोडहरू उच्च-डिग्री नोडहरूबाट बच्न चाहन्छन्। |
8ff18d710813e5ea50d05ace9f07f48006430671 | हामी हाइड्रोसेन्स टेक्नोलोजीमा हाम्रो अघिल्लो कामको विस्तारित विश्लेषण प्रस्तुत गर्दछौं, जुन घरको पानी प्रयोग गतिविधिहरू स्वचालित रूपमा विच्छेदन गर्न कम लागत र सजिलैसँग स्थापना गर्न मिल्ने एकल-पोइन्ट प्रेशर सेन्सर हो (फ्रोहलिच एट अल, २००)) । हामी यस कार्यमा विस्तार गर्दै छौं अवस्थित र उदीयमान पानी विघटन प्रविधिहरूको सर्वेक्षण प्रदान गरेर, हाम्रो दृष्टिकोणको पछाडि अपरेशनको सिद्धान्तको अधिक विस्तृत वर्णन, र विस्तारित विश्लेषण खण्ड जुन तातो बनाम चिसो पानी भल्भ प्रयोग वर्गीकरण र दुई वर्गीकरण दृष्टिकोणहरू बीचको तुलना समावेश गर्दछः Froehlich et al मा प्रयोग गरिएको टेम्प्लेट-आधारित मिलान योजना। (2009) [५३] र एक नयाँ स्टोकास्टिक दृष्टिकोण एक लुकेको मार्कोभ मोडेल प्रयोग गरेर। हामी दुवै भल्भ र फिक्स्चर स्तरमा पानी घटनाहरू पहिचान गर्न 90% भन्दा बढी शुद्धता संग सफल छन् भनेर देखाउँछौं। हामी हाम्रो प्रयोगात्मक पद्धति र खुला समस्याहरू भविष्यमा छलफलको साथ निष्कर्ष निकाल्छौं। © २०१० एल्सभियर बी.भी. सबै अधिकार सुरक्षित। |
d4d5a73c021036dd548f5fbe71dbdabcad378e98 | यस कागजातले एक क्षणिक घटना वर्गीकरण योजना, प्रणाली पहिचान प्रविधि, र गैर-अवरोधक लोड अनुगमनमा प्रयोगको लागि कार्यान्वयनको वर्णन गर्दछ। यी प्रविधिहरू मिलेर एउटा यस्तो प्रणाली बनाउँछ जसले सञ्चालन तालिका निर्धारण गर्न सक्छ र एसी वा डीसी विद्युत वितरण प्रणालीमा जोडिएका भारहरूको भौतिक मोडेलहरूको प्यारामिटरहरू फेला पार्न सक्छ। अनुगमन प्रणालीमा सामान्य हार्डवेयरको मात्र आवश्यकता हुन्छ र वितरण प्रणालीमा केन्द्रीय स्थानमा स्थापित न्यूनतम संख्यामा सेन्सरहरूबाट संकेतलाई विच्छेदन गरेर व्यक्तिगत ट्रान्जिन्टहरू पहिचान गर्दछ। एसी र डीसी प्रणालीहरूको लागि कार्यान्वयन विवरण र क्षेत्र परीक्षणहरू प्रस्तुत गरिएको छ। |
3556c846890dc0dbf6cd15ebdcd8932f1fdef6a2 | कम्प्युटर र सेन्सर नेटवर्कको प्रयोग गरी प्रभावकारी र अप्रत्यक्ष रूपमा प्रयोगकर्ताहरूको व्यवहारलाई उनीहरूको वातावरणमा अनुमान गर्न व्यापक कम्प्युटिङको एक प्रमुख पक्ष हो। यसमा कुन गतिविधि प्रयोगकर्ताहरूले गरिरहेका छन्, कसरी गरिरहेका छन्, र यसको वर्तमान चरणको अनुमान लगाउने समावेश छ। वृद्धवृद्धाको हेरचाहमा दैनिक जीवनका गतिविधिहरूको पहिचान र रेकर्ड गर्नु एउटा महत्त्वपूर्ण समस्या हो। एडीएल अनुमानको लागि नयाँ प्रतिमानले रेडियो-फ्रिक्वेन्सी-पहिचान टेक्नोलोजी, डाटा खानी, र सम्भावितता अनुमान इन्जिनलाई एडीएलहरू पहिचान गर्न प्रयोग गर्दछ, जुन व्यक्तिहरूले प्रयोग गर्ने वस्तुहरूमा आधारित छ। हामी यी चुनौतीहरूको समाधान गर्ने एउटा दृष्टिकोण प्रस्ताव गर्छौं र केही प्रकारका एडीएल निगरानीलाई स्वचालित बनाउनमा आशाजनक देखिन्छ। हाम्रो मुख्य अवलोकन यो हो कि व्यक्तिले एडीएल प्रदर्शन गर्दा प्रयोग गर्ने वस्तुहरूको अनुक्रमले एडीएलको पहिचान र यसको कार्यान्वयनको गुणस्तर दुवैको विशेषता दिन्छ। त्यसैले हामीले प्रोएक्टिभ एक्टिभिटी टूलकिट (प्रोएक्ट) विकास गरेका छौं । |
fdec38019625fbcffc9debb804544cce6630c3ac | आधुनिक व्यापारिक वातावरणमा कम्पनीहरूले ज्ञान, सञ्जाल र नवीन क्षमता जस्ता अमूर्त सम्पत्तिको समूहबाट पर्याप्त र दिगो प्रतिस्पर्धात्मक लाभ प्राप्त गर्ने मान्यता बढ्दो छ। यस्तो अमूर्त सम्पत्तिको प्रतिफल मापन गर्न अब प्रबन्धकहरूको लागि अनिवार्य भएको छ। यस लेखमा बजारमा भएको नाफाको मापनबारे चर्चा गरिएको छ। हामी पहिले यो कार्यलाई उच्च व्यवस्थापन प्राथमिकतामा पार्ने अवस्थाहरूको बारेमा छलफल गर्नेछौं। त्यसपछि हामी सामान्य व्यवस्थापन र मार्केटिङ दुवैमा हालसम्म गरिएको मापन प्रयासहरूको बारेमा छलफल गर्नेछौं। त्यसपछि हामी एक वैचारिक ढाँचा प्रदान गर्दछौं जसले मापन प्रयासहरूलाई ऐतिहासिक परिप्रेक्ष्यमा राख्छ। हामी मार्केटिङ मेट्रिक्सको भविष्य कहाँ छ भन्ने विषयमा छलफल गरेर निष्कर्ष निकाल्छौं। © २००६ एल्सभियर इंक. सबै अधिकार सुरक्षित। |
0cfd5a7c6610e0eff2d277b419808edb32d93b78 | |
592fc3377e8b590a457d8ffaed60b71730114347 | विगत बीस वर्षदेखि स्टोकास्टिक सर्च एल्गोरिदममा चासोको तीव्र वृद्धि भएको छ, विशेष गरी ती भौतिक र जीवविज्ञानमा प्राकृतिक प्रक्रियाबाट प्रेरित छन्। जटिल व्यावहारिक अनुकूलन समस्या र विभिन्न क्षेत्रहरूबाट लिइएको सम्बन्धित खोज अनुप्रयोगहरूमा प्रभावशाली परिणामहरू प्रदर्शन गरिएको छ, तर यी एल्गोरिदमहरूको सैद्धान्तिक समझ कमजोर छ। यो आंशिक रूपमा परिणामको लागि पर्याप्त ध्यान दिएका छैनन् कि परिणामहरू देखाउँदै छन् केही मौलिक सीमितताहरू विश्वव्यापी खोज एल्गोरिदममा, तथाकथित सहित कुनै निः शुल्क लन्च प्रमेय। यस लेखमा यी परिणामहरूको विस्तार गरिएको छ र खोज एल्गोरिदमको डिजाइनका लागि र उपयोगी प्रतिनिधित्वहरूको निर्माणका लागि उनीहरूको केही प्रभावहरू निकालेको छ। यसबाट प्राप्त हुने अन्तर्दृष्टिले डोमेन ज्ञानको शोषण गरेर विशेष समस्या वर्गहरूमा एल्गोरिदम र प्रतिनिधित्वहरू अनुकूलन गर्न ध्यान केन्द्रित गर्दछ। यसले भविष्यको प्रमुख अनुसन्धान एजेन्डाको रूपमा यस्तो ज्ञानलाई व्यवस्थित रूपमा कसरी प्रयोग गर्न सकिन्छ भन्नेबारे राम्रो सैद्धान्तिक समझ प्राप्त गर्नुको मौलिक महत्वलाई उजागर गर्दछ। |
c4ea9066db2e73a7ddfa8643277bfd2948eebfe0 | |
7758a1c9a21e0b8635a5550cfdbebc40b22a41a6 | |
bf48f1d556fdb85d5dbe8cfd93ef13c212635bcf | यस कार्यमा, हामी नयाँ रोबोट सिकाउने ढाँचा प्रस्ताव गर्छौं जसलाई न्यूरल टास्क प्रोग्रामिङ (एनटीपी) भनिन्छ, जसले प्रदर्शन र न्यूरल प्रोग्राम इन्डक्सनबाट केही-शट सिकाउने विचारलाई जोड्छ। एनटीपीले इनपुटको रूपमा कार्य विशिष्टता लिन्छ (उदाहरणका लागि, कार्यको भिडियो प्रदर्शन) र यसलाई पुनरावर्ती रूपमा सूक्ष्म उप-कार्य विशिष्टताहरूमा विघटन गर्दछ। यी विशिष्टताहरू एक पदानुक्रमित तंत्रिका कार्यक्रममा खुवाइन्छ, जहाँ तल्लो-स्तरका कार्यक्रमहरू कल गर्न योग्य सबरूटिनहरू हुन् जुन वातावरणसँग अन्तर्क्रिया गर्दछन्। हामीले तीनवटा रोबोट मनिपुलेसन कार्यमा हाम्रो विधिलाई प्रमाणित गरेका छौं। एनटीपीले पदानुक्रमिक र संरचनात्मक संरचनाहरू प्रदर्शन गर्ने क्रमिक कार्यहरूमा बलियो सामान्यीकरण प्राप्त गर्दछ। प्रयोगात्मक परिणामहरूले देखाउँछ कि एनटीपीले बढ्दो लम्बाई, चर टोपोलोजीहरू, र परिवर्तनशील उद्देश्यहरूको साथमा अप्रत्याशित कार्यहरूमा राम्रोसँग सामान्यीकरण गर्न सिक्छ। |
bbe657fbc16cbf0ceaebd596cea5b3915f4eb39c | एक विस्तृत ब्यान्ड कोर्नर-ट्रन्क्टेड आयताकार गोलाकार ध्रुवीकरण अनुप्रयोगहरूमा प्रयोगको लागि स्ट्याक्ड प्याच एन्टेना प्रस्ताव गरिएको थियो। यस लेखमा प्रस्तावित एन्टेनाको अक्षीय अनुपात ३ डीबी भन्दा कम र वीएसडब्लूआर २: १ भन्दा कम भएको छ, जुन वायरलेस संचार अनुप्रयोगहरूमा प्रयोगको लागि २५% ब्यान्डविथमा प्राप्त गर्न सकिन्छ। र यो एन्टेनाले उच्च लाभ, कम साइड लोबहरू र परम्परागत माइक्रोस्ट्रिप प्याच एन्टेनाको तुलनामा व्यापक ब्यान्डविथ प्राप्त गर्न सक्छ। |
15a2c58b29c5a84a134d1504faff528101321f21 | वर्गीकरण पद्धतिमा हालैको सबैभन्दा महत्त्वपूर्ण विकासहरूमध्ये एक हो (फ्रेन्ड र स्पाइरे, १९९६, स्पाइरे र सिंगर, १९९८) । धेरै वर्गीकरण एल्गोरिदमको प्रदर्शन प्रायः इनपुट डाटाको पुनः तौल गरिएका संस्करणहरूमा अनुक्रमिक रूपमा लागू गरेर नाटकीय रूपमा सुधार गर्न सकिन्छ, र यसैले उत्पादित वर्गीकरणकर्ताहरूको अनुक्रमको तौल गरिएको बहुमत भोट लिने। हामी यो रहस्यमय घटनालाई राम्रोसँग ज्ञात सांख्यिकीय सिद्धान्तहरू अर्थात् थपात्मक मोडलिङ 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। बहु-वर्ग सामान्यीकरणहरू बहु-वर्ग सम्भावनामा आधारित हुन्छन् जुन हालै प्रस्तावित बहु-वर्ग सामान्यीकरणहरूको तुलनामा प्रदर्शन प्रदर्शन गर्दछ जुन प्रायः अवस्थाहरूमा बढ्दो छ, र केहीमा धेरै उच्च छ। हामी सुझाव दिन्छौं कि बढावाको लागि एउटा सानो परिमार्जन गरियो जसले गणनालाई कम गर्न सक्छ, प्रायः १० देखि ५० को कारकहरूद्वारा। अन्तमा, हामी यी अन्तरदृष्टिलाई निर्णय रूखलाई बढावा दिने वैकल्पिक सूत्रको उत्पादन गर्न प्रयोग गर्छौं। यो दृष्टिकोण, बेस्ट-प्रथम ट्रन्क्टेड ट्री इन्डक्सनमा आधारित छ, प्रायः राम्रो प्रदर्शनको लागि नेतृत्व गर्दछ, र समग्र निर्णय नियमको व्याख्यायोग्य वर्णन प्रदान गर्न सक्छ। यो कम्प्युटिङका हिसाबले पनि धेरै छिटो छ , जसले यसलाई ठूलो मात्रामा डाटा माइनिङको लागि उपयुक्त बनाएको छ । |
35b86ef854c728da5f905ae9fb09dbbcf59a0cdd | यस कागजातले सीएमओएस ट्रान्जिस्टर, एकीकृत निष्क्रिय र सर्किट ब्लकहरूको डिजाइन र मोडेलिंगलाई मिलिमिटर-वेव (मिमी-वेव) आवृत्तिहरूमा वर्णन गर्दछ। १३०-एनएम सीएमओएस ट्रान्जिस्टरको उच्च आवृत्ति प्रदर्शनमा परजीवीहरूको प्रभावको अनुसन्धान गरिएको छ, र १ 135 जीएचजेडको शिखर एफ / सबम्याक्स / इष्टतम उपकरण लेआउटको साथ प्राप्त गरिएको छ। प्रेरक गुणस्तर कारक (Q/sub L/) लाई प्रसारण लाइनहरूको लागि अधिक प्रतिनिधि मेट्रिकको रूपमा प्रस्ताव गरिएको छ, र मानक सीएमओएस ब्याक-एन्ड प्रक्रियाको लागि, कोप्लेनार वेवगाइड (सीपीडब्ल्यू) लाइनहरू माइक्रोस्ट्रिप लाइनहरूको तुलनामा उच्च Q/sub L/ भएको निर्धारण गरिन्छ। एमएम-वेभ आवृत्तिहरूमा सक्रिय र निष्क्रिय घटकहरूको सही मोडेलिंगका लागि प्रविधिहरू प्रस्तुत गरिएको छ। प्रस्तावित विधिलाई दुईवटा ब्रोडब्यान्ड एमएम-वेभ सीएमओएस एम्पलीफायर डिजाइन गर्न प्रयोग गरिएको थियो जुन ४० गीगाहर्ट्ज र ६० गीगाहर्ट्जमा काम गर्दछ। ४०-जीएचजेड एम्पलीफायरले १.५-भोल्टको आपूर्तिबाट २४ एमए खपत गर्ने ४०-जीएचजेड एम्पलीफायरले १.५-भोल्टको आपूर्तिबाट २४ एमए खपत गर्ने ४०-जीएचजेड एम्पलीफायरले १.५-जीएचजेड एम्पलीफायरको पीक प्राप्त गर्दछ। ६०-जीएचजेड एम्पलीफायरले पीक प्राप्त गर्दछ। एस/सब २१/रडार = १२ डीबी, आउटपुट पी/सब १डीबी/ = +२.० डीबीएम, एनएफ = ८.८ डीबी, र १.५-भोल्टको आपूर्तिबाट ३६ एमए खपत गर्दछ। एम्प्लिफायरहरू मानक १ 130०-एनएम-metal धातु तह बल्क-सीएमओएस प्रक्रियामा निर्माण गरिएको थियो, जसले देखाउँदछ कि जटिल एमएम-वेभ सर्किटहरू आजको मुख्यधारा सीएमओएस टेक्नोलोजीहरूमा सम्भव छ। |
0a06201d7d0f60d775b2e8d3b100026190081db8 | कृषिमा वृद्धि यो धेरै महत्त्वपूर्ण छ किनकि ७० प्रतिशतभन्दा बढी जनसंख्या भारतमा कृषिमा निर्भर छ। यसको अर्थ यो ठूलो संख्यामा मानिसहरूलाई खुवाउँछ। वनस्पतिजन्य रोगले मानिसलाई प्रत्यक्ष वा अप्रत्यक्ष रूपमा स्वास्थ्य वा आर्थिक रूपमा पनि असर गर्छ। यी वनस्पति रोगहरूको पहिचान गर्न हामीलाई द्रुत स्वचालित तरिका चाहिन्छ। रोगहरूको विश्लेषण विभिन्न डिजिटल छवि प्रसंस्करण प्रविधिहरूद्वारा गरिन्छ। यस लेखमा हामीले विभिन्न डिजिटल इमेज प्रोसेसिंग प्रविधिहरूको बारेमा सर्वेक्षण गरेका छौं जसले वनस्पति रोगहरूको पहिचान गर्न सक्छ। |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.