_id
stringlengths 40
40
| text
stringlengths 0
10.2k
|
|---|---|
bdf67ee2a13931ca2d5eac458714ed98148d1b34 | अत्र वास्तविक-समय-प्रवेशेन-अवरोध-विशेषज्ञ-प्रणालीयाः एकं प्रतिमानं वर्णितम् अस्ति, यत् कम्प्युटर-दुरुपयोगस्य अन्य-प्रकारानां च अवरोध-प्रवेशेन, प्रवेश-प्रवेशेन च अवरोध-प्रणालीयाः समर्थः अस्ति । प्रणालीयाः प्रयोगस्य अपरंपराणां कृते प्रणालीयाः लेखापरीक्षायाः अभिलेखानां निरीक्षणं कृत्वा सुरक्षायाः उल्लंघनं ज्ञातुं शक्यते इति परिकल्पने एव अस्य मॉडलः आधारितः। वस्तुनि प्रति विषयेषु व्यवहारस्य प्रतिपादनाय मेट्रिकस् तथा सांख्यिकीय-आदर्शनात् प्रोफाल् अपि अस्ति, तथा लेखापरीक्षा-लेखनात् एव व्यवहारस्य ज्ञानं लभितुं तथा अप्राकृतिक-व्यवहारस्य अवलोकनाय नियमः अपि अस्ति । अयं प्रतिरूपः किमपि विशिष्टं प्रणाली, अनुप्रयोगाः वातावरणं, प्रणालीयाः असुरक्षितता, अथवा घुसपैठस्य प्रकारं, यावत् सामान्य-उद्देश्यस्य घुसपैठ-जागृत-विशेषज्ञ-प्रणालीयाः एकं रूपरेखां प्रददाति । |
eeb1a1e0cab8d809b5789d04418dc247dca956cc | ली, स्टोल्फो, मोक् च पूर्वम् अवरोधस्य अवलोकनार्थं ज्ञानं प्राप्तुं खननपरीक्षणस्य डाटाः उपयोगं कुर्वन्ति इति प्रतिवेदनम् अकरोत् । असिस्टन्स् नियमानां च आवृत्तिः च फज्झ् तर्कस्य सह समाहितः, अधिकं अमूर्तम् च लचीलं च पैटर्नं प्रविशन् अवलोकनाय निर्मातुम् शक्नोति, यतः अनेकानि परिमाणात्मकानि विशेषताः प्रविशन् अवलोकने सम्मिलिताः सन्ति, सुरक्षा च स्वयम् फज्झ् अस्ति। अस्मिन् लेखे, खननस्य अस्थिरसंयोगाणां नियमानां कृते पूर्वमेव प्रतिपादितं एल्गोरिदमस्य संशोधनं, अस्थिरप्रवृत्तिप्रकरणेषु अवधारणं च प्रस्तूयते, तथा अस्थिरप्रवृत्तिप्रकरणेषु खननस्य मूल एल्गोरिदमस्य प्रस्तुतिः च भवति । अस्मिन् प्रक्रियया सामान्यीकरणं योजयितुं, अन्यस्य तुल्यतया अधिकं योगदानं कर्तुं, एकस्य डाटाः उदाहरणं निरोधयितुं, अस्पष्टसंबद्धनस्य नियमानां उत्खननम् क्रियते । अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियेत, अस्मिन् प्रक्रियते प्रयोगात्मकपरिणामः अव्यवस्थितसंबद्धनविधिना तथा अव्यवस्थित आवृत्तिप्रकरणेन घुसपैठस्य पताकादिषु उपयोगितां दर्शयति । मस्यौदाः अद्यतनं संस्करणं अन्तराष्ट्रिय जर्नल अफ इन्टेलिजेन्स् सिस्टम्स्, खण्डः १५, सं. I, अगस्त् २००० |
0b07f84c22ce01309981a02c23d5cd1770cad48b | तालिका विभाजनं तालिकायाः लघुभागान् विभजते, येषु एकस्य अन्यास्यः अन्यास्यः अन्यास्यः अन्यास्यः अभिगमः, भण्डारणम्, च भवति । प्रश्नप्रदर्शनस्य सुधारेण तेषां पारम्परिकप्रयोगात् विभाजनाय रणनीतयः डाटाबेसप्रणालीनां समग्रप्रबन्धनक्षमता सुधारेण एकं शक्तिशालीं यन्त्रं अभवत् । तालिका विभाजनं प्रशासनिककार्यस्य सरलीकरणं करोति यथा - डाटा लोडिङ्ग, डाटा निष्कासन, डाटा बैकअप, सांख्यिकीय रखरखाव, तथा स्टोरेज प्रोविजनिङ्ग। क्वेरीभाषायाः विस्ताराः इदानीं अनुप्रयोगानां तथा उपयोगकर्ता क्वेरीनां कृते अनुसूचितानि भवन्ति यत् तेषां परिणामानि आगमिनि उपयोगे कथं विभक्तानि भवितव्याः । तथापि क्वेरी-अनुकूलन-प्रणालीः तालिका-विभाजनस्य उपयोगे तथा प्रयोक्तृ-नियन्त्रणेषु द्रुतगत्या प्रगतिः न कृतवती । अस्मिन् विषये नन्वेव प्रविधिः प्रवर्त्तते, येन एसक्यूएल क्वेरीस् य कृते कुशल योजनाः निर्मिताः भवितुं शक्नुवन्ति, यानि बहु-मार्गयुक्ताः अनुभागित-तालिकाः सम्मिलितानि भवन्ति । अस्मिन् प्रविधिः आज्ञावृत्तौ प्रयुक्ताः अधः-उपश्चेष्टकानां मध्ये सुलभतया समाविष्टुं रचनाः सन्ति । अस्मिन् PostgreSQL optimizer-मध्ये अस्मिन् प्रविधिः प्रवर्तकः अस्ति । अस्मिन् विषये विस्तृतं मूल्यांकनं दर्शयति यत् अस्मिन् विभाजने अवगतं अनुकूलनविधिः, न्यूनं अनुकूलनम् उपरि, योजनां निर्माति, यानि विद्यमानानां अनुकूलनकर्तॄणां योजनाभ्यः श्रेयस्करानि भवितुं शक्नुवन्ति। |
26d673f140807942313545489b38241c1f0401d0 | संसारे च अस्मिन् जीवने च डाटाः मात्रा नित्यं वर्धते, तथा च अस्य संख्या अनित्यम् अस्ति । वेका कार्यक्षेत्रं अत्याधुनिकं यन्त्रशिक्षणविधिं तथा डाटा पूर्वप्रक्रिया उपकरणानां संगठित संग्रहः अस्ति । एतेन विधिना सह अन्तर्क्रियायाः मूलभूतमार्गः आदेशसूत्रेण तेषां आह्वानम् अस्ति । तथापि, डाटा अन्वेषणार्थं, वितरितकम्प्युटिङ्ग-प्लटफर्मौ वृहत्-आकारे प्रयोगं कर्तुं, तथा स्ट्रीम-डाटा-प्रक्रियायाम् विन्यास-प्रकरणं कर्तुं सुलभः अन्तर्क्रियात्मकः ग्राफिकल-उपयोगकर्ता-संपर्कः उपलब्धः अस्ति । एते अन्तर्भागाः प्रयोगात्मकं डाटामाइनिङ्गं कर्तुं उन्नतपरिवेशं निर्म्यन्ते । वर्गीकरणं व्यापकप्रयोगाणाम् महत्त्वपूर्णं डाटा-माइनर्-प्रविधिः अस्ति । अयं विभिन्नप्रकारस्य डाटाः वर्गीकृतं करोति । अयं लेखः रेप्ट्री, सिम्पल कार्ट्, रान्दोम ट्री वर्गीकरणविधिना कार्यसम्पादनस्य मूल्यांकनं कर्तुम् कृतः अस्ति । अस् मिन् प्रतिवेदनम् भारतीय समाचारानां डाटासैट् -सम्बन् धेन आरईपीट्री, सिम्पल कार्ट् , रान् दम् ट्री इत्येषां वर्गीकरणानां तुलनात्मकं मूल्यांकनं कृतम् , येन साम्प्रदायिक-सकारात्मकतायाः दरं अधिकतमं कर्तुम्, असम्प्रदायिक-सकारात्मकतायाः दरं न्यूनं कर्तुम् च शक् नोमः । प्रसंस्करणार्थं वेका एपीआईः प्रयुक्तः। भारतीय समाचारपत्रस्य डाटासेटस्य पेपरस्य परिणामः अपि दर्शयति यत् रान्दम् ट्री-प्रकरणस्य कार्यक्षमता च रेप्ट्री-प्रकरणं, सिम्प्ल कार्ट-प्रकरणं च अपेक्षया उत्तमम् अस्ति। कुञ्जीशब्दः - सिम्प्ल कार्ट, रान्डम ट्री, रेप ट्री, वेका, WWW |
6e633b41d93051375ef9135102d54fa097dc8cf8 | अनन्तरं "संयुक्तशिक्षणम्" इत्यस्मिन् बहवः अभिरुचिः अभवन् - यानि पद्धतयः बहवः वर्गीकरणानि उत्पद्यन्ते तेषां परिणामान् एकत्रं कुर्वन्ति। वर्गीकरणवृक्षेषु द्विविधं प्रसिद्धं पद्धतौ (उदाहरणार्थः शापायर इतरेषु, १९९८) तथा ब्रेमन (१९९६) इति पद्धतौ (बैगिंग) अस्ति । वृक्षाः पूर्वं पूर्वं पूर्वानुमानिभिः अशुद्धतया पूर्वानुमानितानि बिन्दुानि अधिकं महत्त्वं ददति। अन्ते, पूर्वानुमानार्थं भारितमतं गृहीतं भवति । बैग्गिंग्-प्रकरणे क्रमेण वृक्षः पूर्वं वृक्षस्य आश्रयणेन न भवति - प्रत्ययः वृक्षः स्वतन्त्रतया निर्माणं करोति, डाटा-सेटस्य बूटस्ट्रैप-नमुनायाः उपयोगेन । अन्ते, साधारणबहुमतमतस्य मतं पूर्वानुमानार्थं गृहीतं भवति । Breiman (2001) इत्यनेन अवनतवनानि प्रस्तावितानि, यानि बैगिंग् प्रति अवनतत्वस्य अतिरिक्तं स्तरं योजयन्ति । प्रत्येकं वृक्षं भिन्नं बूटस्ट्रैप-प्रमाणं उपयुज्य निर्माणं कुर्वन् अपि, यादृच्छिक-वनानि वर्गीकरण-वृक्षस्य अथवा प्रतिगमन-वृक्षस्य निर्माणं परिवर्जयति । मानकवृक्षेषु प्रत्येकं नोडं सर्वपरिवर्तकानां मध्ये सर्वोत्तमं विभाजनं कृत्वा विभज्यते । अनियमितं वनम्, प्रत्येकं नोडं सर्वोत्तमं उपसमुच्चयं उपयुज्य विभज्यते, येन तदनु नोडस्य अनियमितं चयनं भवति । अयं किञ्चित् अव्यावहारिकः रणनीतिः अनेकेषु अन्यवर्गीकरणानां तुल्यम् अच्-प्रदर्शनं करोति, यथा भेदभावविश्लेषणम्, समर्थनवेक्टरमशीनानि, न्यूरल-जालानि च, तथा अतिसञ्चितानां विरुद्धं च दृढं भवति (Breiman, 2001) । एतदतिरिक्तं, अस्य प्रयोगस्य उपयोगं अति-अनुकूलं भवति, यतो हि तस्य केवलम् द्वयोः परिमाणयोः (प्रत्येक-अङ्गेषु यादृच्छिक-उपसमुच्चयेषु परिवर्तनीयानां सङ्ख्या, वनस्य वृक्षाणां सङ्ख्या च) उपयोगः भवति, तथा च एतेषां मूल्यानां प्रति अति-संवेदनशीलता नास्ति । randomForest-पैकटः Breiman and Cutler-प्रोग्राम्स् (http://www.stat.berkeley.edu/ users/breiman/) द्वारा निर्मितानां Fortran-प्रोग्राम्स् (प्रोग्राम्स्) प्रति R-संबन्धं प्रदत्तवान् । अयं लेखः आर-कार्यस्य उपयोगस्य च लक्षणानां संक्षिप्तं परिचयं ददाति । |
8cfe24108b7f73aa229be78f9108e752e8210c36 | यद्यपि व्यापारक्षेत्रेषु कालं यावत् डाटा माइन्निङ्गः सफलः अस्ति, तथापि उच्चशिक्षणे अस्य प्रयोगः अद्यापि अपेक्षाकृतं नूतनः अस्ति, यथा - अस्य उपयोगः डाटाः नवीनं, अनया च मूल्यवान् ज्ञानं प्राप्तुं च अभिप्रेतम् अस्ति । डाटा माइन्निङ्गस्य उपयोगेन एकं मॉडल-निर्माणं कृतम्, येन विद्यार्थिनां शैक्षणिकसफलतायाः निष्कर्षः प्राप्तुं शक्यते। तज्जुला विश्वविद्यालयस्य अर्थशास्त्रविभागस्य २०१०-२०११ शैक्षणिकवर्षस्य प्रथमवर्षेषु विद्यार्थिषु आयोजितं सर्वेक्षणं तथा नामाङ्कनकाले प्राप्तं तथ्यं च उपयोग्यतया विद्यार्थिनां यशः पूर्वानुमानार्थं विभिन्न-विधानां तथ्यानां च तुलना कृतम्। परीक्षायां उत्तीर्णस्य गुणैः एव यशः परिगणितः आसीत् । छात्राणां सामाजिक-जनसांख्यिकीय-परिवर्तकानां प्रभावः, माध्यमिक-विद्यालयात् प्रवेशपरीक्षायां प्राप्ताः फलाः, अध्ययनप्रति मनोवृत्तिः, यानि यशःप्रभावं कर्तुं शक्नुवन्ति, सर्वेषां विषये अध्ययनं कृतम् । भविष्यत्कालिकां अध्ययनक्रियां च सह संबद्धानि परिवर्तिकाः च परिगणयित्वा च, चक्षुर्बृद्धिः च, उच्चशिक्षणस्य निर्णयसहाय्यप्रणालीनां विकासस्य आधारम् एव एकं प्रतिमानम् निर्मातुम् शक्यते। |
cc5c84c1c876092e6506040cde7d2a5b9e9065ff | अस्मिन् लेखे निर्णयवृक्षस्य तथा बेयसन-जाल-अल्गोरिथमस्य सटीकतायाः तुलना कृता अस्ति, येन द्वयोः भिन्न-भिन्नानां शैक्षणिक-संस्थानां अध्येताणां शैक्षणिक-प्रदर्शनं भविष्यत् कर्तुं शक्यते: केन थो विश्वविद्यालयः (CTU), भियतनामस्य एकं बृहत् राष्ट्रीय-विश्वविद्यालयः, तथा एशियाई प्रौद्योगिकी संस्थानः (AIT), थाईलैण्डस्य लघुः अन्ताराष्ट्रिय-स्नातक-संस्थानः, येषु ८६ देशानां छात्रानि सन्ति । यद्यपि एतादृशानां द्वयोः छात्रसङ्ख्यानां विविधता अत्यन्तं भिन्नं अस्ति, तथापि छात्रानां प्रदर्शनस्य पूर्वानुमानार्थं डाटा-माइनिङ्ग-सामग्रीभिः समानं परिमाणं प्राप्तुं शक्यः - क्रमशः CTU/AIT-स्थाने 73/71% {fail, fair, good, very good} तथा 94/93% {fail, pass} । एते भविष्यवाणीः सीटीयू-महाविद्यालयस्य (६४% सटीकता) असफलतायाः विद्यार्थिनां च अभिज्ञापनं सहाय्यं च कर्तुम् अति उपयोगीः भवति, तथा एआईटी-महाविद्यालयस्य (८२% सटीकता) छात्रवृत्तिभ्यः अति उत्तमानां विद्यार्थिनां च चयनं कर्तुम् अपि उपयोगीः भवति । अस्मिन् विश्लेषणे निर्णयवृक्षः बेयस्-जालस्य तु ३-१२% अधिकं सटीकः आसीत् । एतेन अध्ययनैः विद्यार्थिनां प्रदर्शनस्य पूर्वानुमानं कर्तुं, डाटा माइन्निङ्ग-अल्गोरिथमस्य परिशुद्धतायाः तुलनां कर्तुं, तथा मुक्त-स्रोतसामग्रीनां परिपक्वतायाः प्रदर्शनं कर्तुं च युक्त्या ज्ञानं प्राप्नोति। |
9d0f09e343ebc9d5e896528273b79a1f13aa5c07 | |
2cb6d78e822ca7fd0e29670ec7e26e37ae3d3e8f | अस्मिन् लेखे एकं नवीनं कम्प्याक्टः कम तापस-कोफायर्ड सिरेमिक (LTCC) बैंडपास फिल्टर् (BPF) विस्तृत-स्टॉपबैंड् उच्च-चयनशीलताया सह प्रस्तुतम् अस्ति । प्रस्तावितस्य सर्किट्-प्रणालीयाः अन्तर्गतं द्वयोः λ<sub>g</sub>/4 ट्रांसमिशन-लाइन-रेजोनेटरयोः संयोजनं भवति । तृतीय-हार्मोनीय-वार्तिकात् शून्य-प्रसारण-क्षेत्रं (TZ) निर्मातुं एकं नवीनं भेदयुक्त-कप्लिकेशन-प्रकरणं कर्तुं एकं विशेषं युग्मन-क्षेत्रं चयनं कृतम् अस्ति । तन्त्रस्य विश्लेषणं कृत्वा, तन्त्रनिर्माणस्य निर्देशं वर्णितम् अस्ति । स्रोतः-भारः युग्मनं द्वौ TZs-ं पासबैंडस्य समीपे च एकं स्टॉपबैंड-मध्ये च निर्मातुं प्रयुक्तम् अस्ति । अतः अतिरिक्तं सर्किटं विना अपि विस्तृत-बण्ड-विरामं प्राप्तुं शक्यते । LTCC बहुस्तरीय संरचनायाः कारणात्, फिल्टर् आकारः 0.058 λ<sub>g</sub>×0.058 λ<sub>g</sub>×0.011 λ<sub>g</sub>, अथवा 2.63 मिमी × 2.61 मिमी × 0.5 मिमी भवति । ननु च, अपि इत्यत्र अपि इति पदस्य प्रयोगः न भवति। |
52c9eb70c55685b349126ed907e037f383673cf3 | अस्मिन् विषये अस्मिन् लेखे अमूर्तवेब-सारांशस्य नवीनं दृष्टिकोणं प्रस्तूयते, यत् समान-यूआरएल-पृष्ठानां सारं सामग्री-संरचना-द्वयतः समानं भवति । अस्मिन् विद्यमानानि यू.आर.एल. क्लस्टर्स् उपयुज्य प्रति क्लस्टर् शब्दग्राफानि निर्मातुं शक्नुमः, ये ज्ञातानि सारांशानि समाहितं कुर्वन्ति, यू.आर.एल. विशिष्टानि गुणानि बहिः कुर्यात् । URL-लक्षणैः परिणतम् अभवत्, अतः अस्मिन् विषये सारं विहितं यत्, कमतर-मूल्य-मार्गस्य शोधं विकोडन-चरणं कृत्वा, एकं संरचित-शिक्षण-कार्यम् क्रियते । अनेन प्रकारेण पूर्वम् प्रस्तावितानां वेब-समीकरणानां निष्कर्षणं न सम्भवति इति यू.आर.एल. क्लस्टर्स् इत्यस्य बहुसंख्यकानां प्रयोगानाम् प्रारम्भिकपरिणामः दर्शयति । |
8947ca4949fc66eb65f863dfb825ebd90ab01772 | पाठप्रक्रियायां बहुषु अनुप्रयोगेषु महत्पुरुषस्य प्रयासः आवश्यकः भवति, यतो हि तेषु वृहत्-लेख-सङ्ग्रहानां लेबलिङ् (सांख्यिकीय-आदर्शानां अध्ययनं कुर्वन्) अथवा तान् नियमान् अतिशयोक्तुं (ज्ञान-प्रौद्योगिकानाम् उपयोगे) शक्नुवन्ति । अस्मिन् कार्ये, वयं यन्त्रशिक्षणस्य पूरकत्वे स्वयमेव आविष्कृतानि पाठानि प्रति मानवस्य तर्कस्य उपयोगं करणीयं एकं संकरं वर्गीकरणं निर्मितम् कृत्वा, विधिनाम् अचूकतायाः संरक्षणं कृत्वा, एतस्य प्रयासस्य न्यूनकरणस्य मार्गं वर्णयामि। अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विष अपि च, यन्त्रशिक्षण-आधारितानां वर्गीकरणानां तुल्य-सङ्ख्यायां लेबल-प्रमाणानां प्रयोगेषु हाइब्रिड-पाठ-वर्गीकरण-प्रणालीयाः परिणामः स्पष्टतया अधिकः भवति। |
563384a5aa6111610ac4939f645d1125a5a0ac7f | अनन्तरं अनेकेषु क्षेत्रेषु यथा- विधिप्रवर्तनम्, सुरक्षाप्रयोजनम्, विडियो-सूचिकाङ्कनम् इत्यादयः अनेकेषु क्षेत्रेषु अनेकेषु अनुप्रयोगेषु स्वयमेव व्यक्तिरभिज्ञानं बहुप्रचयं प्राप्तम्। मुखं परिचयं कर्तुम् एव एकं महत्वपूर्णं तथा च अत्यन्तं चुनौतीपूर्णं तंत्रम् अस्ति यस् य कारणात् जनाः स्वयमेव परिचयं कुर्वन्ति। अद्यत्वे एव, न कश्चन प्रविधिः अस्ति, यत् सर्वप्रकारेण मुखं परिचयं कर्तुं समर्थं भवेत् । सामान्यतया, वयं निश्चयेन वक् स् यामः यत् मुखं परिचयं कर्तुम् प्रणालीयाः कार्यसम्पादनं विशेषाधिकाराणां निष्कर्षणं, तेषां समूहं च यथासंख्येयं वर्गीकरणं कर्तुम् अवलम्ब्यते। अतः अस्मिन् विषये विशेषणविच्छेदकस्य वर्गीकरणस्य च समीचीनविश्लेषणं करणीयम् । अस्मिन् लेखे, प्रधान-घटक-विश्लेषणम् (पीसीए) इत्यस्य उपयोगः विशेषण-विशोधनस्य प्रमुखं भूमिकं कर्तुम् भवति, तथा च एसवीएम-प्रकरणं चेह्नां विशेषाभिज्ञानस्य समस्यायाः निवारणार्थं प्रयुक्तम् अस्ति । ननु स्वरूपज्ञानस्य नवीनं वर्गीकरणं हेतुः समर्थनवेक्टरमशीनानि (SVM) प्रस्ताविताः सन्ति । अस्मिन् विधायां केम्ब्रिज-महाविद्यालयस्य मुख-प्रमाण-सूचीयां (Cambridge ORL Face database) ४०० चित्राणि सन्ति, येषु ४० जनाः सन्ति, येषु मुख-प्रदर्शनं, मुद्रा, मुख-विवरणं च भिन्न-भिन्नानि सन्ति। अत्र प्रयोगः कृतः अस्ति, यथा - रेखाङ्कितः (LSVM), बहुपदः (PSVM), तथा त्रिज्यामूल्यकारकः (RBFSVM) । अस्मिन् प्रयोगे प्रमाणं प्रदत्तम् यत् बहुपद-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार अस्मिन् विषये, एस.वी.एम.आधारितं अभिज्ञानं बहु-स्तरप्रवेशाय (एम.एल.पी.) वर्गीकरणस्य मानदण्डेन मानक-स्व-मुख-प्रवेशेन सह तुलनायाम् कृतम् । |
47daf9cc8fb15b3a4b7c3db4498d29a5a8b84c22 | 3D वस्तुवर्गीकरणं कम्प्युटरदृष्टिप्रवर्गस्य एकं न तुल्यमस्ति, यस्मिन् अनेकानि वास्तविक-विश्वस्य अनुप्रयोगानि सन्ति । अस्मिन् विषये त्रि-आयामिक-बहुभुज-जालानां वर्गीकरणं करणीयम्, यथा बहु-दृश्य-द्वितीय-चित्रानां रूप-परिवर्तनम् शिक्षणीयम् । 3D बहुभुजानां मेषानां कोर्पसस्य उपरि, प्रथमतः वयं एकसमानक्षेत्रे बहुविधदृष्टिषु आरजीबी तथा गहनताचित्रानां प्रतिपादनं कुर्मः। रङ्गे पूलकरणस्य उपयोगेन द्वौ विधौ द्वौ-आयामे दृश्यस्य स्वरूपस्य विकासं ज्ञातुम् प्रस्तावितौ। प्रथमतः, आरजीबी-डी इमेजस् य रेंडरकरणम् उपयुज्य गहन-परिवर्तनशील-संजालस्य (सीएनएन) आधारेण दृश्य-अपरिवर्तनशील-मॉडलान् प्रशिक्षितवन्तः प्रथमतः पूर्णतया सम्बद्ध-स्तर-सक्रियानि श्रेणीकृतवन्तः, अतः एतैः निष्कासित-विशेषणैः उत्क्रामति परिवर्तनं प्राप्तवन्तः। अस्य प्रक्रियायाः दौरानं प्राप्यमानानि परिमाणानि त्रि-आयामिक-आकारस्य प्रतिनिधित्वानि कुर्वन्ति । द्वितीयप्रकरणे, आरम्भात् एव दृश्यानां एकत्रिकरणं सिध्यति, यथा - रेन्डरित आरजीबी-डी इमेजेषु रङ्गीकरणमशीनं प्रत्यक्षं प्रयुक्तं भवति, यस्मात् एकत्रिकृतं द्वि-आयामिकं चित्रं निर्मितम् भवति, यं वयं ``3D आकार-चित्रं इति कथयामः । ततः सी.एन.एन. प्रतिरूपं नवप्रकारेण आर.जी.बी. तथा गहनतायाः स्वरूपे एव उपलभ्यन्ते, यानि बहुभुजस्य प्रकीर्ण भौमितीय संरचनायाः संकेताः सन्ति। ModelNet40 तथा ModelNet10 डाटासेटयोः प्रयोगाः प्रदर्शयन्ति यत् प्रस्तावितविधिः 3D आकारस्य अभिज्ञानस्य विद्यमान-अधुनिक-अल्गोरिथमानां निष्क्रियतायाः विषये नित्यम् उत्कृष्टतायाः प्रदत्तम् अस्ति । |
58156d27f80ee450ba43651a780ebd829b70c363 | कर्नेल-निरीक्षणस्य च संरक्षणे पूर्वं कृतानि अनुसन्धानि सम्भाव्य कर्नेल-आक्रमणेभ्यः सुरक्षा-साधनानि पृथक् कर्तुं हार्डवेअर-वर्चुअलाइजेशन-विस्तारणाः यथा उच्चतर-अधिकारयुक्तानि प्रणाली-सम्पदानाः व्यापकतया आश्रितानि सन्ति । एतेन प्रकारेण संरक्षणाय प्रयत्नाः वर्धन्ते, तथा अपि अधिकृतप्रणालीनां घटकानां कोडबेसस्य आकारः वर्धते, अतः सुरक्षायाः दुर्बलतायाः खतराः वर्धते। SKEE, यानि सिक्योर कर्नेल लेवल एक्झिक्युशन एन्वायरनमेंट् इत्यस्य अपभ्रंशानि, एतेन मूलभूतस्य समस्यायाः समाधानं भवति । स्कीइः एकं नवीनं प्रणाली अस्ति, यत् कर्नेलस्य समानं विशेषाधिकारस्तरं उपलभ्य पृथक्कृतं हलुके निष्पादनमहालेखां प्रददाति । एसकेईई-आधारं आर्म-प्लटफर्मानां कृते निर्मितम् अस्ति । अस्य मुख्यं लक्ष्यम् अस्ति कि उच्चतर-अधिकारयुक्त-सफ्टवेयरस्य सक्रियः सहभागः विना कर्नलस्य सुरक्षितं निरीक्षणं संरक्षणं च अनुमन्त्रयितुं । एसकेईई-संस्था पृथक्करणं सुनिश्चितं कर्तुम् नूतन-प्रविधिः प्रदत्तवती। इदम् एकं संरक्षितं पतेः स्थानं निर्माति यत् कर्नेलस्य कृते उपलभ्यते न भवति, यस्मिन् कर्नेलस्य च पृथक्कृतस्य वातावरणस्य च समानं विशेषाधिकारस्तरं भवति, अतः अस्य प्राप्तिः कठिना भवति । स्कीइः अस्य समस्यायाः समाधानं कर्नल्-अङ्गस्य स्मरणाय अनुवाद-तालिकायाः व्यवस्थापनं निवारयित्वा करोति । अतः कर्नेलः प्रणालीयाः स्मृति-निर्माणं परिवर्तयितुं स्की-इति परिवर्तयितुम् बाध्यः भवति । एवम् अपि, SKEE-संस्थायाः निरीक्षणेन एव, यत् अनुरोधितपरिवर्तनं संरक्षितपदेषु पृथक्करणं न बाधते। ओएस कर्नेलात् स्कीइ-संस्करणं कर्तुम् केवलं सु-नियन्त्रित-स्विच-गेट-द्वारा एव गन्तुं शक्यते । इयं स्विट् गेटः ध्यानपूर्वकम् एव निर्मिता अस्ति येन अस्य क्रमः परमाणु-निर्धारितः भवेत् । इदम् गुणः एकत्र गारन्टी करोति यत् एकं सम्भाव्यतया विकृतं कर्नलम् पृथक्करणं विकृतं कर्तुं स्विचिंग अनुक्रमं शोषणं कर्तुं न शक्नोति । यदि कर्नेलः एतेभ्यः गुणानाम् उल्लङ्घनं कर्तुम् प्रयतते, तर्हि संरक्षितं पतेः स्थानं न प्रदर्शयित्वा प्रणाली अपयशी भवति। SKEE-संस्थायाः सर्वेभ्यः ओएस-स्मृतिभ्यः अभिगमने अनुमतिं केवलं स्वीकृतवती। अतः अस्य उपयोगः कर्नेलमध्ये अप्रमाणितकोडं प्रक्षिप्य आक्रमणं कर्तुं न शक्यते। एतदपि अन्य प्रणालीगतानां घटनाणां अवरोधार्थं सहजतया विस्ताराय, विविधानां घुसपैठ-अवरोध-प्रमाणण-उपकरणेषु समर्थनं कर्तुं शक्यते । अस्मिन् लेखे स्की-प्रोटोटाइप्-प्रदर्शितम् अस्ति यत् ३२-बिट् एआरएमवी७ तथा ६४-बिट् एआरएमवी८ आर्किटेक्चरयोः कृते च चलति । कार्यसम्पादनस्य मूल्याङ्कनस्य परिणामः प्रदर्शयति यत् स्कीइ वास्तविक-संसारस्य प्रणालीभ्यः व्यावहारिकः समाधानः अस्ति । १ एतानि लेखकाः एतस्मिन् कार्ये समानरूपेण योगदानं कृतवन्तः । |
698902ce1a836d353d4ff955c826095e28506e05 | |
da09bc42bbf5421b119abea92716186a1ca3f02f | अस्मिन् नवप्रकारस्य परिचयः कृतः अस्मिन् "फज्जी आइडेंटिटी-बेस्ड एन्क्रिप्शन्" इति नामके "इडेंटिटी-बेस्ड एन्क्रिप्शन्" योजनायाः। फज्जी आईबीई-मध्ये अस्मिन् अस्मितायाः वर्णनात्मक-गुणानां समुच्चयम् अस्ति । एकं फज्झ् IBE योजना एकं निजी कुञ्जीं एकं identity, ω, एकं ciphertext decrypted with an identity, ω′, यदि च केवलं यदि identities ω and ω′ एकस्य अनस्य समीपे अस्ति यथा set overlap distance metric द्वारा माप्यते। एकं फज्झ् आयबीई योजनां उपयोगं कर्तुं शक्यते यत् एनक्रिप् ट् यम् कर्तुं बायोमेट्रिक इनपुटं उपयोगं कर्तुं शक्यते। अपि च अस्मिन् लेखे दर्शयितम् यत् फज्जी-आइबीई-संस्करणं अस्मिन् प्रकारस्य अनुप्रयोगे उपयुज्यते, यम् वयं "गुण-आधारित-संस्करणम्" इति कथयामः । अस्मिन् लेखे वयं फज्जी आईबीई योजनायाः द्वौ रचनाः प्रस्तूयमानाः। अस्मिन् रचनायां सन्देशस्य (अस्पष्ट) पहचानम् निर्मितुं बहुभिः गुणैः युक्तं एकं पहचान-आधारितं एन्क्रिप्शनं दृश्यते । अस् माकं आयबीई योजनाः दोषाः प्रतिरोधीः च सन्ति, तथा सहकारिणम् आक्रमणेभ्यः अपि सुरक्षितानि सन्ति। अपि च अस्मिन् मूलभूतसंरचनायां अनियमितं भविष्यं न भवति। अस्मिन् योजनायाः सुरक्षायाः प्रमाणं चयन-प्रमाण सुरक्षा-आदर्शनात् प्राप्नोति । |
b3baba6c34a2946b999cc0f6be6bb503d303073e | अस्मिन् लेखे एकं सरलं, नानपारामट्रिकं, सामान्यं च परीक्षणं वर्णितम् अस्ति यत् कोल्मोगोरोव-स्मिर्नोव-परीक्षणस्य आधारेण रसिवेर् अपरेटिन्ग-लक्षणं (आरओसी) कर्वेण समकक्षं भवति । सामान्यतया प्रयुक्तेषु प्रविधिषु यथा आरओसी वक्रान्तस्य अधः क्षेत्रं (एयूसी) तथा नीमन-पीयर्सन-विधिः च परीक्षणं वर्णितम् अस्ति । प्रथमतः के.एस.प्रश्लेषणं शून्यकल्पनायाः परीक्षणार्थं कथं प्रयुक्तं भवति इति पुनरावलोकयिष्यामः यत् वर्गीकरणकर्तृद्वारा पूर्वानुमानितानि वर्गचिह्नानि यादृच्छिकानि एव। अस्मिन् विषये, अहं अहं च अस्मिन् विषये, अहं अहं च अस्मिन् विषये, अहं अहं च अस्मिन् विषये, अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अहं अस्मिन् परीक्षणे भिन्न-भिन्न आरओसी वक्रानि विवक्षितानि भवन्तीति दर्शयति यदा एकं वक्रं अन्यं वक्रं वर्धयति, यदा वक्रः परस्परं विवक्षितः भवति, अतः एयूसी-द्वारा भेदः न भवति । अन्तराल-चित्रण-प्रविधिः ततः एव प्रदर्शयति यत् यद्यपि एयूसी-अन्तराल-चित्रण-प्रविधिः स्वस्य मर्यादाभिः युक्तः अस्ति, तथापि एयूसी-अन्तराल-चित्रण-प्रविधिः वर्गीकरणकर्तृक-कार्यप्रदर्शनस्य एकं प्रतिमान-स्वतन्त्रं, समन्वितं मापकं च भवितुं शक्नोति । |
090f4b588ba58c36a21eddd67ea33d59614480c1 | मम दृष्टिकोणः क्षीण-वाक्यात्मक-प्रकरण-आदर्शनात् तथा शब्दकोश-ज्ञान-आधारात् प्राप्ताः अनीक-सूचनाः च अवलम्ब्यते । अहं अपि दर्शयिष्यामि यत् कस् य प्रकारेण अनुच्छेदे च अनुनासिक-सीमायाः निर्धारणं विश्वसनीयम् भवति, स्थानीय-सम्बन्धायाः आधारात् निर्णय-प्रक्रियायाः उपयोगेन, यत् भाग-भाषण-टैगैः तथा संज्ञा-भागैः प्रतिपादितम् अस्ति । तत्पश्चात् सरलीकरणप्रक्रमे वाक्यरचनायाः भाषणस्य च परस्परसम्बन्धस्य औपचारिकतायाः प्रवर्तनं करोमि। अयं महत्वपूर्णः यतः पाठस्य व्यापकप्रदर्शने सुलभीकरणस्य उपयोगितायाः क्षयात् पुनर्लेखनस्य पाठस्य एकत्वस्य अभावः भवति । अहं वर्णयामि यत् वाक्यनिर्देशः, संकेतशब्दस्य चयनः, संदर्भप्रकृतिः, निर्धारकस्य चयनः, सर्वनामप्रयोगः इत्यादयः विविधाः जननविषयकाः समस्याः कथम् एव निराकृतुं शक्यते येन वाक्यविन्यासस्य सरलीकरणकाले संयोजक-अनाफोरिक-संयुक्त-सम्बन्धः संरक्षितुं शक्यते । वाक्यार्थस्य सरलीकरणस्य कृते मम विविधः प्राकृतभाषाप्रक्रियाः समस्याः, यथा- खंडस्य च अनुवाक्यानां च अभिज्ञापनम्, प्रत्ययस्य च समाधानम्, तथा संदर्भ-अभिव्यक्तिः निर्मातनम् च। अहं प्रत्येकं समस्यायाः समाधानं प्रति स्वस्य दृष्टिकोणस्य मूल्यांकनं करोमि, एवं मम वाक्यविन्यासस्य सरलीकरणस्य प्रणालीयाः समग्रं मूल्यांकनं करोमि। वाक्यार्थस्य सरलीकरणम्, ग्रन्थस्य व्याकरणिकम् जटिलतायाः घटादेः प्रक्रिया अस्ति, किन्तु तस्य सूचनायाः सामग्री तथा अर्थः अपि संरक्षितः अस्ति । वाक्यविन्यासस्य सरलीकरणस्य लक्ष्यम् एव यत् पाठं मानवपाठकानां कृते सुलभं भवेत्, अथवा प्रोग्राम्स् द्वारा प्रोसेसम् भवेत् । अस्मिन् कार्यपत्रे अहं वर्णयामि यत् कियत् प्रकारेण वाक्यविन्यासस्य सरलीकरणं क्षीण-गहन-विश्लेषणम्, हस्त-निर्मित-करणेन सरलीकरण-नियमानां लघु-सङ्ख्या च पाठस्य वाक्यविन्यास-पुनर्लेखनस्य प्रवचन-स्तरस्य विस्तृत-विश्लेषणं कृत्वा प्राप्तुं शक्यते । अहं सापेक्षपदानां, अनुबन्धानां, समन्वयानां, अधीनतायाः च उपचारं प्रददामि। अहं सापेक्षपदस्य तथा अपोजिटिभ-अन्वयस्य नवीन-प्रविधिं प्रस्तूयते। मम मतम् अस्ति यत् एते अनुलग्नकनिर्णयः न केवलं वाक्यार्थानाम् एव। |
a9a7168b5b45fcf63e7f8904f68f6a90f8062443 | |
6d7c6c8828c7ac91cc74a79fdc06b5783102a784 | अस्मिन् लेखे स्वास्थ्यसम्बद्धप्रयोगेषु सूक्ष्मवेगाभिज्ञानस्य (पूर्वरूपेण सैटिमो) कंपनीयाः क्रियाकलापानां विहङ्गमवर्णनं कृतम् अस्ति । विद्यमानानां उत्पादानां विशिष्ट अवशोषण-दर (SAR) मापनं तथा आरएफ सुरक्षायाः विवरणं दीयते । सूक्ष्मज्वरेषु स्तनरोगस्य निदानार्थं नवीनं प्रतिमाकरणविधिं विकासस्य प्रगतिः शीघ्रमेव सूचितं भविष्यति। |
0c1a55e0e02c1dbf6cf363ec022ca17925586e16 | अनुगमनं कुर्वन् यानानां परिचयः वायुः, जलीयः, उपजलः, भू-परिवेशः च स्वयमेव अवलोकनं कुर्वन् सूचनाप्रणालीनां प्रमुखः क्षमताः अस्ति, येन स्थितिजागरणं वर्धयितुं तथा परिचालनप्रयोक्तॄणां निर्णयसहाय्यं कर्तुम् शक्नोति। बेयसन-आधारितं पहचान-प्रणाली (आईडीसीपी) विभिन्न-स्रोतानां अनिश्चित-पदं संलग्नाय एक-अधिकालं साधयितुं एकं प्रभावशाली साधनं प्रदत्तम् अस्ति । प्रक्रिये विन्यासस्य कृते एकं प्रयोक्तृ-उन्मुखं दृष्टिकोणं प्रवर्तते, यया प्रचालकैः विभिन्नानां परिचालन-परिदृश्यानां मध्ये परिवर्तनशीलानां अभिज्ञापन-आवश्यकतां प्रति IDCP-प्रक्रियेण अनुकूलनम् कर्तुं शक्यते । संज्ञानात्मकमनोविज्ञानस्य निर्णयसिद्धान्तस्य च निष्कर्षाणां प्रयोगः बेयसन-प्रमाणानां पुनर्प्राप्तेः सुलभतायाः कारणं भवति। |
2636bff7d3bdccf9b39c5e1e7d86a77690f1c07d | इनामनिर्माणं एकं प्रभावशाली पद्धतिः अस्ति यत् आर.एल. (Reinforcement Learning) -मध्ये क्रेडिट-निर्देशस्य महत्वपूर्णं अपि च चुनौतीपूर्णं समस्याम् उपलक्ष्यम् । तथापि आकारनिर्माणकार्यक्रमेषु बहुविधं विशेषज्ञज्ञानं, हस्त-प्रौद्योगिकं च अपेक्षितम् अस्ति, तथा च समानाधिककार्यक्रमेषु समस्याः अपि वर्धन्ते। अस्मिन् लेखे, वयं कार्यानां वितरणं प्रति पुरस्कृत्य आकारणं विचारयामि, तथा च सामान्यं मेटा-लर्निंग-प्रणालीं प्रस्तावयामि, येन नव-निरूपितकार्यानां प्रति कुशल पुरस्कृत्य आकारणं स्वयमेव शिक्षयितुं, केवलं साझा राज्यक्षेत्रं गृहीत्वा, परन्तु कार्यक्षेत्रं न कर्तव्यं। प्रथमतः आदर्श-मुक्त आरएल-प्रकरणे श्रेयस्य विनियोगस्य दृष्ट्या सिद्धान्ततः उत्तमं प्रतिफल-निर्माणं प्राप्तुं शक्नुमः । अस्मिन् अनुच्छेदे, "मूल्य-आधारितम् मेटा-लर्निंग-अल्गोरिथमम्" इत्यस्य प्रयोगः क्रियते, येन इष्टतमं पुरस्कृत्यम् उत्कर्षयितुं पूर्वमेव प्रयुक्तं ज्ञानं प्राप्तुं शक्यते। पूर्वं कार्यम् ननु कार्यम् प्रत्यक्षं क्रियते, अथवा कार्यम् पूर्वं कार्यम् अनुकूलं भवति, कार्यम् अपि पूर्वं कार्यम् अनुकूलं भवति । अस् माभिः अस् माकं रूपणस्य प्रभावः दर्शयति यत् अस् माभिः शिक्षणाय प्रभावकारितायाः उल्लेखनीयं वर्धनं कृतम् , एवं विभिन् न परिस्थातौ व्याख्यायमानानि दृश्यानि निर्मिताः, विशेषरूपेण DQN-तः DDPG-यै सफलतायाः हस्तांतरणेन। |
0309ec1f0e139cc10090c4fefa08a83a2644530a | |
42771aede47980ae8eeebac246c7a8b941d11414 | अस्मिन् वर्गे, वैयक्तिकृतवेब-सर्चस्य वर्धनाय खोजपरिणामानां विविधतायाः पद्धतयः च प्रस्तूयन्ते। सामान्यं वैयक्तिकरणप्रयत्नं शीर्ष-एन-शोधपरिणामाणां पुनर्व्यवस्थाय भवति, येन प्रयोक्तृभिः प्राधान्यं प्राप्तुं शक्यते, अतः अधिकं प्रस्तूयते। पुनः क्रमेण परिगणनं कर्तुं प्रयोजकत्वम् आंशिकतया परिगणितानां परिणामानां संख्यायाः विविधतायाः कारणात् सीमितम् अस्ति । अस्मिन् विषये वयं त्रयः विधयः प्रस्तूयन्ते, येन शीर्षपरिणामानां विविधता वर्धयितुं तेषां प्रभावकारितायाः मूल्यांकनं च कर्तुं शक्यते। |
22a8979b53315fad7f98781328cc0326b5147cca | एकस्मिन् विषये कृत्रिम-संश्लेषण-मॉडलः प्रस्तावितः अस्ति। प्रशिक्षणस्य डाटा-सैट् प्राप्तुं, स्क्वायर माइक्रो-स्ट्रिप् ऐन्टेनास् का रेजोन्सन आवृत्तिः, क्यू-फैक्टर च अनुभविक सूत्रेण गणना भवति । ततः कटाक्षयुक्तकोणानां आकारं तथा उत्तम अक्षीय अनुपातयुक्तं कार्यवृत्तित्वं लभ्यते । लेवेनबर्ग-मार्क्वार्ट (LM) एल्गोरिदमस्य उपयोगेन त्रिविधं गुप्तस्तरयुक्तं जालम् प्रशिक्षितं भवति यत् तत् एकं सटीकं संश्लेषणमण्डलम् प्राप्तुं शक्नोति । अन्ततः विद्युतचुम्बकीयस्य अनुकरणस्य च परिणामाणां तुलनाद्वारा अस्य प्रतिमानस्य प्रमाणं प्राप्नोति । एतादृशम् अणुप्रमाणं सिङ्गल-फीड-सीपीएसएमए-प्रमाणं प्रत्यक्षं प्राप्तुं अतिप्रयोज्यमस्ति । |
93f962a46b24030bf4486a77b282f567529e7782 | अस्मिन् लेखे एएनएसआईएस एचएफएसएस-प्रणालीयाः १८० डिग्री रिंग् हाइब्रिड कप्लर-प्रणालीयाः उपयोगेन कम्प्याक्ट्-प्रणालीयाः शक्ति-कुशलयुक्ता ५ गीगाहर्ट्ज-बान्द्-पूर्ण-द्वैध-प्रणाली (एफडी) रचनाः प्रस्तूयते । प्रस्तावितस्य रचनायाः 57dB-अस्य उत्कृष्टस्य पृथक्करणस्य प्राप्तिः, युग्मकस्य उपरि स्थितयोः किञ्चित् विकिरणयुक्ताः ऐन्टेनाः परस्परं विनाशकारी हस्तक्षेपस्य लाभं गृहीत्वा, स्व-अवरोधस्य महतीं घटं प्राप्तुं शक्यते। इयं चलनं निष्क्रियम् अस्ति, अतः चलनं चलनं प्रति अनुकूलं चलनं कर्तुं अतिरिक्तं शक्तिः अपेक्षते । अपि च, इयं यन्त्रं अपेक्षितं परिचालनं प्रति अति सुलभं आकारं प्राप्नोति। अतः प्रस्तावितः एफडी-निर्माणः कम्पैक्टः, विद्युत्-कुशलः च अस्ति, यानि मोबाइल-उपकरणानि यथा सेलुलर-फोन अथवा टेबलेट/फैबलेट-उपकरणानि, आरएफ-संसाधनानां अधिकं लचीलाः, अधिकं च विनियोगः च भवति । |
023cc7f9f3544436553df9548a7d0575bb309c2e | अस्मिन् लेखे पाठस्य वर्गीकरणस्य सरलः कार्यक्षमः आधारः प्रस्तूयते । अस् माकं प्रयोगाः दर्शयन्ति यत् अस् माकं तेजस् य पाठ वर्गीकरणं तेजस् य पाठः प्रायः गहनशिक्षण वर्गीकरणानां समतुल्यः भवति, तत् परिमाणं द्रुतं भवति प्रशिक्षणं च मूल्याङ्कनं च कर्तुम् । अस्मिन् १० मिनिटे एव अस्मिन् बहु-अधिकालप्रणालीयां एक-बिलिन् शब्दानां विषये फास्टटेक्स्ट-प्रशिक्षणं कर्तुं शक्नुमः, तथा एक-मिनटे एव ३१२,००० वर्गानां मध्ये अधः-मिलिन् वाक्यं वर्गीकृतुं शक्नुमः । |
d80e7da055f9c25e29f732d0a829daf172eb1fa0 | अस्मिन् लेखे अस्मिन् विषये विस्तृतं साहित्यपरिचयं कृतम् अस्ति, यत् अस्मिन् विषये प्रश्नः अस्ति, अस्मिन् विषये अस्मिन् लेखे स्वास्थ्यसेवायाः प्रदायः, संगठनं च नवीनानि नवीनानि पद्धतयः कथं प्रसारयितुं, च निरन्तरं च कर्तुं शक्नुमः? अत्र सामग्री (संस्थायां नवोन्मेषस्य प्रसारस्य परिभाषणं च मापनम्) प्रक्रिया च (साहित्यस्य समीक्षा व्यवस्थितरूपेण पुनरुत्पादितरूपेण) विचार्यते । अस्मिन् लेखे (1) स्वास्थ्यसेवासंस्थासु नवोन्मेषप्रसारस्य विचारार्थं प्रमाण-आधारितं च नमुनाम् (2) स्पष्टं ज्ञान-अवकाशं यत्र अन्वेषणं केन्द्रितम् भवेत्, (3) स्वास्थ्यसेवा-नीति-प्रबन्धं च व्यवस्थिततया समीक्षाय प्रबलं च हस्तांतरणीयं पद्धतिं च चर्चाम् क्रियते। नमोऽनुसन्धानं च बहुविधपरिदृश्यैः व्यापकतया परीक्षणं करणीयम्। |
3343d1d78f2a14045b52b71428efaf43073d616d | लक्ष्यम् - वसायाम् वृद्धिः ऊर्जाविशेषेण आहारस्य उपभोगेन सह संबन्धितः अस्ति। अस्मिन् विषये अध्ययनं कृतम् यत् आहारात् प्राप्तं ऊर्जेन लब्धाः लब्धाः च न भवितुम् अर्हन्ति, इन्सुलिनप्रतिरोधः च न च चयापचयसंघातः। अस्मिन् अध्ययने वयस्काः > वा = २० वर्षस्य वयस्काः, १९९९-२००२ राष्ट्रीय स्वास्थ्य-आहार-परीक्षा सर्वेक्षणात् (n = ९,६८८) प्राप्ताः। आहारस्य ऊर्जाघनत्वस्य गणना केवलं खाद्यपदार्थानां आधारात् कृतम् । अस् माभिः बहुविध-प्रयोजकानां रेखात्मक-प्रतिक्रिया-आदर्शानां उपयोगेन आहार-ऊर्जा-घनता, लठ्ठता-मापनं (बीएमआई [किलोग्राम प्रति वर्गमीटर] च कमरपरिधि [सेंटीमीटर] च), ग्लुकेमिया, अथवा इन्सुलिनमियायाः स्वतन्त्रसम्बन्धं निर्धारितम् । अस्मिन् अनेकेषु विषयेषु पोयसन- प्रतिगमन- मॉडेलानि उपयुज्य आहार- ऊर्जे घनत्वे च् चयापचय- सिंड्रोम् इत्यस्य निर्धारणं निर्धारयन् राष्ट्रीय कोलेस्टेरिल- शिक्षा- कार्यक्रमः (वयस्काः उपचार- पटलः III) निर्धारयत् । परिणामः आहारस्य ऊर्जेन घनत्वम् स्वतन्त्ररूपेण च स्त्रियां उच्चतरं बीएमआई (बीटा = ०.४४ [९५% आईसी ०.१४- ०.७३]) सह संबद्धम् आसीत् तथा पुरुषेषु च लक्षणीयसम्बन्धः प्रतीयते (बीटा = ०.३७ [- ०.००७- ०.७४], पी = ०.०५४) । आहारस्य ऊर्जेन घनत्वेन स्त्रियां (बेटा = 1. 11 [0. 42- 1. 80]) तथा पुरुषाणां (बेटा = 1. 33 [0. 46- 2. 19]) कटिपरिधिः अधिकः आसीत् । आहारात् प्राप्ते ऊर्जे घनत्वम् अपि स्वतन्त्ररूपेण उच्चतरं उपवास- इन्सुलिनम् (बेटा = ०.६५ [०.१८- १.१२]) च चयापचय- सिन्ड्रोम् (प्रचलन- अनुपातः = १.१० [९५% CI १.०३- १.१७]) सह संबद्धम् आसीत् । निष्कर्षः आहारस्य ऊर्जेन परिमाणं अमेरिकायाः वयस्कां मध्ये मोटापे, उपवासस्य इन्सुलिनस्य उच्चतर स्तरं च चयापचयसंघातस्य च एकं स्वतन्त्रं पूर्वसूचकम् अस्ति । आहारस्य ऊर्जाघनत्वम् कमयितुं हस्तक्षेपस्य अध्ययनं आवश्यकम् अस्ति । |
3e597e492c1ed6e7bbd539d5f2e5a6586c6074cd | न्युरल मशीन् ट्रान्सलेशन (एनएमटी) इत्यस्य बहुसंख्यकानि रूपाणि क्रमेण एन्कोडर-डिकोडर-प्रणालीयाः आधारेण निर्मिताः सन्ति, यानि वाक्यार्थसूचनायाः उपयोगं न कुर्वन्ति । अस्मिन् लेखे अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे, अस्मिन् सूत्रे विशेषरूपेण, वयं प्रस्तावं करोमः (1) द्विदिशात्मकवृक्षसंकेतकः यः क्रमेण तथा वृक्षसंरचितं प्रतिनिधित्वं अपि शिक्षयति; (2) वृक्ष-कभरेज-मॉडलः यः स्रोत-पक्षस्य वाक्यरचनायाः अवलम्बनं करोति। अस्मिन् विषये प्रयोगे सिद्धम् अभवत् यत् अस्मिन् भाषायाः अनुक्रमिक-ध्यान-आदर्शनात् अधिकं प्रदर्शनं भवति, तथा च "बटम अप ट्री एन्कोडर" (Bottom-up tree encoder) तथा "शब्द-आवरणम्" (word coverage) इत्यनेन अधिकं बलम् उपलभ्यते । |
4e88de2930a4435f737c3996287a90ff87b95c59 | अनुक्रमस्य सूचनायाः कालान्तरे संरक्षणस्य तेषां श्रेष्ठतायाः कारणात्, दीर्घ-लघु-अवधि-स्मृतिः (LSTM) नेटवर्कः, अधिक जटिलः गणनाय एककयुक्तः पुनरावर्ती न्यूरल नेटवर्कः, विविधप्रकारेण अनुक्रम-मॉडेलिङ्ग-कार्यस्य दृढं फलं प्राप्तवान् अस्ति । इदानीं यावत् LSTM-संरचनायाः अन्वेषणं कृतम् अस्ति, सा केवलं रेखाङ्कित-संरचना अस्ति । तथापि, प्राकृतभाषायां वाक्यरचनात्मकं गुणं दृश्यते यत् स्वाभाविकरूपेण शब्देन वाक्यानि संयोजयति। अस्मिन् वृक्ष-एल.एस.टी.एम. इत्यस्य परिचयं क्रियते, यस्मिन् वृक्ष-संरचिते जाल-उपकरणे एल.एस.टी.एम. इत्यस्य सामान्यीकरणं क्रियते । TreeLSTM-संयन्त्रं विद्यमानानां सर्वाणि प्रणालीभ्यः च श्रेष्ठं कार्यं करोति । |
6411da05a0e6f3e38bcac0ce57c28038ff08081c | अर्थानुवादः दीर्घकालं यावत् तर्कितः अस्ति यत् अर्थसंरक्षणं प्रवर्त्तयितुं यन्त्रानुवादविधिना सामान्यीकरणस्य कार्यसम्पादनं च सुधारेण संभाव्यतया उपयोगीः अस्ति । अस्मिन् कार्ये, वयं प्रथमवारं मूलावाक्यानां (अर्थात्, अर्थ-भूमिकायाः प्रतिपादनेषु) उपदेश-तर्क-संरचनायाः सूचनां न्युरल-मशीन-अनुवादस्य अन्तर्गतं योजयामः । अस्मिन् ग्राफ-संवर्तन-जालानि (GCNs) उपयुज्य वाक्यसंकेतकानां अर्थ-प्रसङ्गं प्रवर्त्तयन्ति, तथा च आङ्ग्ल-जर्मन-भाषा-द्वयोः भाषा-अज्ञेय-सङ्केतक-सञ्ज्ञा-आधारस्य संस्करणानां तुल्यम् BLEU स्कोर्स्-सम्पादनं वर्धयति । |
9f291ce2d0fc1d76206139a40a859283674d8f65 | एनकोडर-डिकोडर-आर्किटेक्चर-आधारितस्य न्युरल मशीन् ट्रान्सलेशन-प्रणाले (एनएमटी) अद्यतनप्रदर्शनं प्राप्तम् अस्ति । अन्वेषकाः सिद्धयन् ति यत् शब्दस्तरस्य ध्यानं वाक्यानि स्तरस्य ध्यानं प्रति विस्तारयित्वा स्रोत-पक्षस्य वाक्यानि संरचनां समाविष्टं कृत्वा ध्यानस्य प्रतिमानं वर्धयितुं तथा आशाजनकम् उन्नतिं प्राप्तुं शक्नोति । तथापि, शब्दसंबन्धः, यः स्रोतवाक्यस्य उचिततया बोधनाय महत्त्वपूर्णः भवति, स सर्वदा क्रमेण न भवति (यथा - शब्दरचना) कदाचित् ते दीर्घ-दूरे भवितुं शक्नुवन्ति । दीर्घ-दूराश्रय-सम्बन्धाः स्पष्टरूपेण प्रतिपादयितुं वाक्यानि संरचनाः उत्तम-मार्गं न भवन्ति । अस्मिन् लेखे एनएमटी-प्रकरणे स्रोत-पक्षस्य दीर्घ-दूराश्रयतां समाहितं कर्तुं सरलम् किन्तु प्रभावशालीम् एकं पद्धतम् प्रस्तौम। अस्मिन् पद्धतिरेव निर्भरतावृक्षे आधारीकृतं प्रत्येकं स्रोतस्थलं वैश्विक-निर्भरता-संरचनाभिः समृद्धं करोति, यैः स्रोतवाक्यानां अन्तर्निहित-संश्लेषण-संरचनाः अधिकं सम्यक् प्राप्तुं शक्यते । अस्मिन् प्रयोगे चिनी-अङ्ग्रेजी-अङ्ग्रेजी-जापनी भाषायाः अनुवादकार्यक्रमाः प्रदर्शिताः, अस्मिन् प्रपञ्चस्य कार्यविधिः अत्याधुनिक-एसएमटी-एनएमटी-प्रारम्भिक-प्रकरणानां कार्यविधिं श्रेष्ठं करोति। |
d12c173ea92fc33dc276d1da90dc72a660f7ea12 | लिङ्क्ड डाटायाः मुख्यं उद्देश्यं लिङ्क्ड आङ्कनं च अस्ति, तथा अस्य लक्ष्यस्य प्राप्तिः अस्ति वा नास्ति इति मूल्यांकनार्थं एकं प्रमुखं कदमम् लिङ्क्ड आङ्कनं (LOD) क्लाउड डाटासेटस् मध्ये सर्वेषां लिङ्क्ड आङ्कनानां खोजः अस्ति । द्वयोः अथवा अधिकयोः डाटासेटयोः मध्ये सम्पर्काणि सामान्यं Entities, Triple, Literals, and Schema Elements इत्यनेन प्राप्तुं शक्यते, यत्रापि अधिकः सम्पर्काणि यूआरआई-सम्बन्धानां कारणात् भवितुं शक्नुवन्ति, यथा owl:sameAs, owl:equivalentProperty and owl:equivalentClass, यतः अनेके प्रकाशकाः एतेषां यूआरआई-सम्बन्धानां उपयोगं कुर्वन्ति, येन ते अन्य डाटासेटानां यूआरआई-सम्बन्धानां समानाः इति वक्तुं शक्नुवन्ति । तथापि, द्वयोः अपि डाटासेटयोः सम्बद्धं कनेक्टिविटी मापनं (अथवा सूचकाङ्कः) न उपलब्धः अस्ति, यैः डाटासेटस्य सम्पूर्णः सामग्री (उदाहरणार्थः एंटिटी, स्कीमा, ट्रिपल) अथवा स्लाईस (उदाहरणार्थः विशिष्ट एंटिटी कृते ट्रिपल) आच्छादितं भवति, यद्यपि ते सूचना समृद्धिकरणम्, डाटासेट डिस्कवरी च इतराणां कृते प्राधान्यप्रधानं महत्त्वं प्राप्नुवन्ति। सामान्यतया डाटासेटानां मध्ये सम्बन्धं लभणं सुलभं न भवति, यतः अत्र बहुसंख्यकाः LOD डाटासेटः विद्यन्ते, अतः समकक्षतासम्बन्धानां पारगमनिक-आनुरूपिक-समापनं गणनायाम् अपेक्षितम्, येन कनेक्शनः न गुम्यताम् । अतः अस्मिन् लेखे स्केलेबलः पद्धतिः एल्गोरिदमः च प्रयुक्ताः (क) समकक्षतासम्बन्धानां कृते पारगमनिक-सममित्री-समापनस्य गणनाय (ततः परं यत् ते डाटासेटयोः मध्ये अधिकं सङ्घटनं कर्तुं शक्नुवन्ति); (ख) डाटासेटानां सम्पूर्ण सामग्रीं समाहितं समर्पितं वैश्विक-अर्थ-जागृतं सूचकांकं निर्मातुं; (ग) द्वयोः अथवा अधिकानां डाटासेटानां मध्ये संपर्कं मापयितुं। अन्ततः अस्मिन् प्रस्तावितप्रयत्नस्य गतिः मूल्याङ्कितः भवति, अस्मिन् द्वयोः अरबानां त्रिगुणाधिकानां तुलनात्मकपरिणामानां विवरणं भवति। |
d6020bdf3b03f209174cbc8fb4ecbe6208eb9ff1 | अस्मिन् लेखके प्रथमलेखकस्य शोधकार्यालयस्य प्रतिविम्बं प्रस्तुतम्, यस्मिन् सूचनाप्रौद्योगिकीयाः (आईटी) संगठनात्मकपरिवर्तनस्य प्रभावस्य विषये शोधः बहुधा विहितः अस्ति । यद्यपि आयटी इत्यनेन सह संगठनात्मकपरिवर्तनं संबद्धं जातम्, तथापि संगठनात्मकसिद्धान्ते प्रविधिविषयकव्यवहारस्य अस्माकं ऐतिहासिकसमीक्षा सिद्धयति यत् संगठनात्मकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषयकविषय अयम् दुर्दैवकः परिणामः अस्ति यतः सूचनाप्रविधिप्रयोजनायाः भौतिकविशेष्यैः ते अन्यानि संगठनात्मकपरिवर्तनप्रयोजनाभ्यः पृथक् कुर्वन्ति । अस्मिन् विषये अस्मिन् विषये कार्यक्रमे आयटी-प्रभावस्य अध्ययनं पुनः प्रामाणिकं भवेत् इति उद्दिश्य, आयटी-प्रभावस्य लोपस्य कारणं ज्ञातुं तथा तत्र प्रतीयमानानि विकल्पानि प्रदत्तुं च, यत्र आयटी-प्रभावस्य प्रामाणिकतायाः अधिकं केन्द्रिकं सैद्धांतिकं भूमिका भवति । अस्मिन् विषये सामाजिक-तान्त्रिकदृष्टिः प्रयुक्ता अस्ति, यस् य अर्थः अस्मिन् विषये सामाजिक-भौतिकदृष्टिः विरचितः अस्ति, यतो हि अस्मिन् विषये भौतिक-आदिवस्तुषु तेषां सामाजिक-उपयोग-सम्बन्धिषु विषये अस्मिन् विषये प्राकृत-विषयकभेदः संरक्षितः अस्ति । अस्मिन् विश्लेषणे "सहायता" इति संकल्पना सामाजिक-तकनीकीदृष्टिः सह समन्वितः सम्बन्धात्मकः संकल्पना अस्ति । अस्मिन् विषये, "संस्थायाः दिनचर्यायाः सिद्धान्तः" इत्यस्य विस्ताराः प्रस्ताविताः सन्ति, येषु "दिनचर्या" इति ख्यातं जनकप्रणालीयां भौतिकवस्तुः अन्तर्भवति। एतैः योगदानैः आयटी-संस्थायाः प्रभावस्य अध्ययनस्य नवीनं अनुसंधान केन्द्रं रूपेण भौतिकतायाः अवलम्बनस्य अनेकानां चुनौतिकाणां मध्ये द्वयोः उदाहरणं दीयते । |
7039b7c97bd0e59693f2dc4ed7b40e8790bf2746 | अस्मिन् विषये न्युरल नेटवर्कस् य एकं मॉडेलं वर्णितम् अस्ति, यत् संयुक्तरूपेण ग्रन्थानां वितरितप्रतीकरणेन, ज्ञानमूलकानां (KB) संस्थासु च शिक्ष्यते। के.बी. इत्यस्मिन् पाठः दत्ताः अस्मिन् प्रस्तावितमण्डले पाठस्य कृते प्रासंगिकानां संस्थाणां भविष्यवाणीं कर्तुम् वयं प्रशिक्षणं दातुं शक्नुमः। अस्मिन् मॉडले सर्वसामान्यरूपेण एनएलपी-कार्यस्य विविधकार्यस्य सुलभतायाः आवश्यकता अस्ति । विकिपीडिया-स्थानेभ्यः प्राप्तेषु ग्रन्थेषु च एतादृशानां संस्थाणां टिप्पणीषु च उपयोगं कृत्वा वयं मॉडेलं प्रशिक्षितवन्तः। अस्मिन् विषये त्रिभिः महत्त्वपूर्णैः एनएलपी कार्यैः (अर्थात् वाक्य-पाठ-समानता, संस्था-सम्बन्धः, तथ्यात्मक-प्रश्न-उत्तरम्) मोडलस्य मूल्यांकनं कृतम् । अस्मिन् कार्यक्रमे, "अन्यत्र च" इत्यस्य प्रयोगः कृतः। अस् माकं कोड् च प्रशिक्षितानि मॉडेल् च आगमी शैक्षणिकशोधनाय सर्वसाधारणानां कृते उपलभ्यन्ते । |
42f75b297aed474599c8e598dd211a1999804138 | अस्मिन् आटोक्लास-प्रकरणे, उत्तमवर्गस्य निर्धारणे बायेसियन् पद्धतिद्वारा पूरितः, शास्त्रीयमिश्रण-आकारः आधारितः अप्रतिबंधित-वर्गीकरणस्य दृष्टिकोनः वर्णितः । अस्मिन् आटोक्लास प्रणालीयाः पश्चादपि गणितस्य विस्तृतं विवरणं दीयते । अस्मिन् विषये अस्मिन् लेखे स्पष्टरूपेण अवतरितम् अस्ति यत् वर्तमाने विद्यमाने विना पर्यवेक्षणे वर्गीकरणप्रणालीयाः प्रयोगे कस्यापि प्रकारेण अधिकतम उपयोगी परिणामः न प्राप्नोति । तयोः क्षेत्रज्ञानां तथा यन्त्रस्य च परस्परसम्पर्कः एव नन्वेवं ज्ञानं जनयति। उभयतः अनन्यः ज्ञानं तथा क्षमताः डाटाबेस विश्लेषणकार्यस्य कृते उपयुज्यन्ते, प्रत्येकं च परस्परं प्रभावकारिणं वर्धयति। अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् 6.1 परिचयः अयं अध्यायः डाटाबेस्-संस्थानाम् उपयुज्यमानानां सूचनायाः निष्कर्षणार्थं स्वयमेव वर्गीकरणप्रोग्राम् (AutoClass) -स्य उपयोगे अस्मिन् अनुभागे अस्मिन् अनुभागस्य अनुभवस्य सारांशः अस्ति । अत्र सामान्यतया स्वयमेव वर्गीकरणं, विशेषतया च AutoClass-प्रकरणं च मूलभूतानि सिद्धान्तानि च प्रस्तूयन्ते । अस्मिन् विषये अस्मिन् वर्गस्य स्वयमेव अभिप्रायस्य समस्या अस्ति (कदाचित् क्लस्टरिंगम् अथवा अनसुपेर्स्ड लर्निंगम् इति कथ्यते), न तु लेबलयुक्ते उदाहरणात् वर्गवर्णनस्य निर्मिती (सुपेर्स्ड लर्निंगम् इति कथ्यते) । कस्यचित् अर्थे, स्वचालित वर्गीकरणस्य लक्ष्यम् अस्ति डाटायां "प्राकृतिक" वर्गस्य अन्वेषणम् । एते वर्गः मूलभूतकारणसंयन्त्रं प्रतिपादयन्ति यानि केचन प्रकरणानि अन्यतमं प्रकरणं तुल्यतरं दर्शयन्ति । कारणान्तरप्रयोजनं तथात्वेन नमुनाप्रसङ्गाद् बोरिंग् इत्यपि भवति, अथवा क्षेत्रे नूतनं प्रमुखं अविष्कारं प्रतिपादयितुं शक्नोति। कदाचित् एते वर्गः क्षेत्रस्य विज्ञानाः अपि जानन्ति, किन्तु ऑटोक्लास-संस्थायाः न जानन्ति, अन्यत्र च |
32aea4c9fb9eb7cf2b6869efa83cf73420374628 | |
091778f43d947affb69dbccc2c3251abfa852ad2 | सिम्न्टिक फाईल सिस्टम् (अङ्ग्रेजीः Semantic file system) इति सूचना-संग्रहण-प्रणालिः अस्ति, यस्मिन् फाइल-प्रकार-विशिष्टं ट्रान्सड्यूसरं युक्तं भवति । विद्यमानानां वृक्षसंरचितानां फाइलसिस्टमप्रोटोकल्-अन्-अन्तर्गतानां संरचितानां प्रोटोकल्-अन्-अन्तर्गतानां संरचितानां प्रोटोकल्-अन्-अन्तर्गतानां संरचितानां प्रोटोकल्-अन्-अन्तर्गतानां संरचितानां प्रोटोकल्-अन्-अन्तर्गतानां संरचितानां प्रोटोकल्-अन्-अन्तर्गतानां संरचितानां प्रोटोकल्-अन्-अन्तर्गतानां विशेषेण सामग्री-आधारितानां प्रवेशानां कृते रचनां कृतम् अस्ति । विद्यमानानां फाइलसिस्टमप्रोटोकल्भिः सह सहत्वता वर्चुअल डाइरेक्टरी-संकल्पस्य प्रवर्तनद्वारा प्रदत्तः अस्ति । आभासी निर्देशिका नामानि क्वेरी इव व्याख्यायन्ते, अतः विद्यमानानां साफ्टवेयरानां सह सहानुभूतेः रूपे फाइलानां निर्देशिकाणां च लचीला सहसंबद्धतायाः उपयोगः भवति । फाइलसिस्टमस्य सामग्रीनां शीघ्रं गुण-आधारितं अभिगमं फाइलसिस्टमस्य वस्तुनां प्रमुख गुणानां स्वयमेव निष्कर्षणं तथा अनुक्रमणिका च क्रियते । फाइलस् तथा निर्देशिकास् य स्वयमेव अनुक्रमणिकाः "अर्थशास्त्रीयम्" इति कथ्यन्ते, यतः उपयोगकर्ता-प्रोग्राम् ब् य ट्रान्सड्यूसरस् अनुक्रमणिकाय गुणान् निष्कर्तुम् अद्यतनानां फाइलसिस्टम-वस्तुनां अर्थशास्त्रीय-सूचनाः उपयुज्यते । सिम्न्टिक-फाइल-सिस्टम्-अभियानस्य प्रयोगात्मक-परिणामः एव सिद्धान्तं समर्थयति यत् सिम्न्टिक-फाइल-सिस्टम्-आभियानं सूचना-सामग्री-सामग्री-प्रोग्राम्-आदेश-स्तर-प्रोग्राम्-आदेशानां कृते पारम्परिक-वृक्ष-संरचित-फाइल-सिस्टम्-आभरणं प्रति अधिकं प्रभावशाली स्मृता-अवधारणम् प्रदर्शयति । |
096db7e8d2b209fb6dca9c7495ac84405c40e507 | अस्मिन् लेखे नन् नेगेटिव् मैट्रिक्स् फैक्टरिजेशन् (NMF) कृते नूतनानि अल्टर्नेटिन्ग् लेस्ट स्क्वायरस् (ALS) एल्गोरिदमानि, तयोः विस्तारं 3D नन् नेगेटिव् टेन्सर् फैक्टरिजेशन् (NTF) कृते च प्रस्तूयन्ते, ये शोरस्य उपस्थितीयां दृढानि सन्ति, बहु-मार्गस्य ब्लाइण्ड् सोर्स् सेपरेशन् (BSS), बहु-संवेदी अथवा बहु-आयामिक-माह-विश्लेषणम्, तथा नन् नेगेटिव् न्युरल स्परस् कोडिङ्ग् च सम्मिलितानि बहवः सम्भाव्य-प्रयोगाः सन्ति । अस्मिन् सूत्रे स्थानीयप्रयोजनस्य कार्यस्य उपयोगः प्रस्ताव्यते, यस्मिन् समवर्ती अथवा क्रमिकः (एकैकतः) न्यूनकरणम् अति-निर्दिष्टं च प्रतिरूपं (प्रणालीयां स्रोतसाम् अपेक्षया कमः संवेदकः अस्ति) च प्रतिरूपं प्रति प्रतिरूपं प्रति प्रतिरूपं प्रति प्रतिबन्धं कृत्वा कार्यम् करोति । विस्तृतप्रयोगाणां परिणामः विकसितानां एल्गोरिदमानां वैधतायाः उच्चप्रदर्शनस्य च पुष्टिं करोति, विशेषतया बहु-स्तरिय-अध्यायिक-एनएमएफ-प्रकरणस्य उपयोगेन। प्रस्तावित-अल्गोरिदमस्य विस्तारः बहुआयामिक-विशिष्ट-विभागाणां विश्लेषणं तथा सुव्यवस्थित-विभागाणां विश्लेषणं च प्रस्तावितम् अस्ति । |
339888b357e780c6e80fc135ec48a14c3b524f7d | ब्लूम-फिल्टर् (Bloom filter) इति साध्याः स्थान-कुशलयुक्ताः यादृच्छिक-सूत्राणि सन्ति, ये सदस्यत्व-सम्बद्धाः प्रश्नानाम् समर्थनार्थं समूहस्य प्रतिनिधित्वं कुर्वन्ति । ब्लूम-फिल्टर्-प्रयोजनं मिथ्या-सङ्केतायाः अनुमतीं ददाति, किन्तु यदा त्रुटिसम्भाव्यतायाः नियन्त्रणं भवति तदा स्थान-संचयस्य लाभः प्रायः अधिकः भवति। १९७० तमवर्षेभ्यः आरभ्य डाटाबेस अनुप्रयोगेषु ब्लूम फिल्टर्स् उपयोगः जातः किन्तु हालसालै वर्षेषु एव ते नेटवर्किङ्ग साहित्यस्य मध्ये लोकप्रियम् अभवत् । अस्मिन् लेखे विभिन्नैः जालप्रश्नैः सह ब्लूम-फिल्टर्स् उपयोगः परिवर्तितः च इति विषये अध्ययनं कृतम् अस्ति, येन तेषां सम्यक् गणितीय-प्रयोजकीय-परिचयः प्राप्नोति, एवं भविष्यात् अपि तेषां उपयोगं कर्तुम् उत्प्रेरितं भवति। |
dc3e8bea9ef0c9a2df20e4d11860203eaf795b6a | सामान्यं गमनकाले उत्पद्यमानानां ग्राउण्ड रिएक्सन फोर्सेसानां प्रयोगाः व्यक्तिनां समयान्तरे अवलोकितानां फोर्सेसानां स्वरूपानुसारं वर्गीकरणं च कुर्वन्ति। एकं लक्षणं यत् ऊर्ध्वाधर भू-प्रतिक्रिया-शक्तीनां निष्कर्षणं कर्तुं शक्यते, सः शरीरस्य द्रव्यमानः अस्ति । अस्य एकस्य लक्षणस्य च लक्षणस्य शक्तिः अन्यस्य अध्ययनस्य तुल्यः अस्ति, यस्मिन् बहुविधं च जटिलं लक्षणं प्रयुक्तम् अस्ति । अयं अध्ययनः शरीरस्य द्रव्यमानस्य परिमाणं ज्ञातुं, (1) शरीरस्य द्रव्यमानस्य परिमाणं ज्ञातुं, (2) शरीरस्य द्रव्यमानस्य परिमाणं ज्ञातुं, (3) शरीरस्य द्रव्यमानस्य परिमाणं ज्ञातुं, शरीरस्य द्रव्यमानस्य परिमाणं ज्ञातुं, शरीरस्य द्रव्यमानस्य परिमाणं ज्ञातुं, शरीरस्य द्रव्यमानस्य परिमाणं ज्ञातुं च, शरीरस्य द्रव्यमानस्य परिमाणं ज्ञातुं, शरीरस्य द्रव्यमानस्य परिमाणं ज्ञातुं च समर्थं भवति। अस्मिन् परिणामे दर्शितम् यत् शरीरस्य द्रव्यमानं एकस्य सेकंदेन क्षिपेण १ किलोग्राममात्रं त्रुटिसहितं मापनीयम् । |
1b2f2bb90fb08d0e02eabb152120dbf1d6e5837e | अस्मिन् लेखे एका परिवारस्य न्युरल-नेटवर्क-प्रेरितानि रूपाणि, अनवरतशब्दाः प्रतिपादनेभ्यः गणनाय, एकाभाषीय-बहुभाषीय-पाठयोः उपयोगार्थं विशेषेण निर्मिताः सन्ति । अस्मिन् फ्रेमवर्के पूर्वम् अप्रतिविष्टरूपेण प्रशिक्षितानां प्रतिमानानां तुल्यम् अनुपालनं विना प्रशिक्षणं कर्तुं शक्नुमः, यानि पूर्वम् अप्रतिविष्टरूपेण प्रशिक्षितानां प्रतिमानानां तुल्यम् अनुवाक्यान् अर्थशास्त्रीयं च रचनां कृत्वा उच्चतरं परिशुद्धतां प्रदर्शयन्ति, बहुभाषिकं अर्थशास्त्रीयं च समानतामपि प्रदर्शयन्ति। अस्मिन् विषये अपि प्रदर्शिताः सन्ति यत् एते बहुभाषिकम् अन्तर्निहितं शब्दार्थसमानतायाः कृते अनुकूलितम् अस्ति, साङ्ख्यिकीय यन्त्रानुवादस्य प्रदर्शनं वर्धयितुं शक्यते यत् सा कथं शब्दानां व्यवहारं करोति, ये समांतरसूत्रेषु न सन्ति। |
396945dabf79f4a8bf36ca408a137d6e961306e7 | |
6010c2d8eb5b6c5da3463d0744203060bdcc07a7 | साल्मोन् लुस, लेपेओफ़्थेयरुस् साल्मोन्स् (क्रौयर्, १८३७), मत्स्यस्य इक्टोपारासिट्स् (ectoparasites) इति नामकः मत्स्यः, सः अटलांटिक-मत्स्यस्यस्य साल्मोन्स् (Salmo salar Linnaeus) -मत्स्यस्य-पालनस्य अर्थशास्त्रे महती क्षतिः करोति । मत्स्यपालनक्षेत्रेषु एल. साल्मोनिसस्य नियन्त्रणं बहुधा परजीवीनाशकैः औषधैः उपचारं कर्त्तव्यम् । रासायनिकनियन्त्रणस्य समस्याः प्रतिरोधस्य विकासस्य सम्भाव्यते, यत् ल. साल्मोनिस-मध्यम् अनेकेषु औषधवर्गानां कृते दस्तावेजकृतम् अस्ति, यथा ऑर्गेनोफोस्फेट्स, पायरेथ्रोइड्स, एवर्मक्टिन्स इत्यादि। एटीपी-बाध्यकारी (एटीपी-बाध्यकारी) कासटे (एबीसी) जीनपरिवारः सर्वजीवजातिषु प्राप्यते, एवं च अनेकेषु औषधप्रवाहवाहवाहकानाम् अन्तर्भवति, ये कर्करोगाणां रोगजनकां च प्रति औषधप्रतिरोधं ददाति। अपि च, केचन एबीसी-परिवाहकाः कीटनाशक-प्रतिरोधस्य प्रवर्तनं कुर्वन्ति इति ज्ञायते। यद्यपि अनेकेषु अध्ययनेषु एल. साल्मोनिस-जातिषु एबीसी-परिवाहकानां अध्ययनं कृतम् अस्ति, तथापि एबीसी-जातिपरिवारस्य कोऽपि व्यवस्थितः विश्लेषणं न अस्ति । अयं अध्ययनः एल. साल्मोनिस-जातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजातिजाति अपि च, बहु- चरण- आरएनए- ग्रन्थालये उच्च- पारगम्य आरएनए अनुक्रमण (आरएनए- सेक्) द्वारा निर्मितं परजीवी- ग्रन्थालये एबीसी- प्रथिनाः निर्दिष्टानि। जीनोम-प्रतिक्रिया-सङ्ख्या-द्वययोः अन्वेषणं कुलम् ३३ जीन-प्रतिक्रिया-सङ्ख्यायाः अभिज्ञापनं कृतम्, यानि एबीसी-प्रोटीनानां कोडानि सन्ति, यानि मध्ये ३ जीनोम-प्रतिक्रिया-सङ्ख्यायां च ४ प्रतिलिपि-सङ्ख्यायां च सन्ति । अष्टादश अनुक्रमं एबीसी उपपरिवारं प्रति समर्पितम्, यानि औषधवाहकानि सन्ति, यथा उपपरिवारः B (४ अनुक्रमः), C (११) तथा G (२) । एस्. साल्मोनिसस्य एबीसी जीनपरिवारस्य सदस्यानां सङ्ख्या अन्यैः अङ्गुलिपादानाम् सदस्यानां सङ्ख्यायाः न्यूनम् अस्ति इति अस्य परिणामः सूचितवान् । अस्मिन् अधोलिखिते एल. साल्मोनिस एबीसी जीनपरिवारस्य अध्ययनं साल्मोन् डिलुइसिन्ग एजन्ट्स् विषमतायां एबीसी ट्रांसपोर्टर्स् सम्भावित भूमिकायां तथा औषधप्रतिरोधकत्वस्य सम्भावितप्रयन्त्ररूपे अपि अन्वेषणस्य आधारम् उपदिशति । |
4a3235a542f92929378a11f2df2e942fe5674c0e | अस्मिन् लेखे अनसुपरीवेटेड न्युरल नेट बेस्ड इन्ट्रूजन डिटेक्टर (UNNID) प्रणालीयाः परिचयः कृतः, यस्मिन् अनसुपरीवेटेड न्युरल नेट्स् उपयोगेन नेटवर्क-आधारितम् इन्ट्रूजनम् आक्रमणं च अवलोक्यते । तन्त्रस्य अन्तर्गतं प्रशिक्षणं, परीक्षणं, अनियन्त्रितजालानां ट्युनिंगं च अस्ति, येन ते घुसपैठि-अवलोकनं कर्तुं उपयुज्यन्ते। अस्मिन् प्रणालीयाः उपयोगे द्वयोः प्रकारयोः अनियन्त्रित-अनुकूलात्मक-अनुनाद-सिद्धान्ताः (एआरटी) जालानि (एआरटी-१, एआरटी-२) परीक्षयाम् । परिणामानां आधारः इदम् एव यत्, एतादृशानि जालानि सामान्य-अतिव्याप्त-प्रवाहेषु कुशलतया वर्गीकृतुं शक्नुवन्ति । प्रणाली दुरुपयोगस्य अपवादस्य च अभिज्ञानस्य संकरं प्रयुज्यते, अतः ज्ञातानां आक्रमणप्रकारानां अपि अपवादानां रूपे नवीनानां आक्रमणप्रकारानां च अभिज्ञानं कर्तुं समर्थः भवति। |
10a9abb4c78f0be5cc85847f248d3e8277b3c810 | कम्प्युटिसन् प्राकृतिकभाषाशिक्षणस्य सम्मेलनाम् एकं साझा कार्यम् अस्ति, यत्र सहभागिनः समानं डाटा-सैट् उपयुज्य स्वस्य शिक्षाप्रणालीनां प्रशिक्षणं च कुर्वन्ति। २००६ तमे वर्षे यथा २००७ तमे वर्षे, तत्सामूहिककार्यम् आश्रय-विभाजनम् प्रति समर्पितम् आसीत्, अस्मिन् वर्षे बहुभाषिक-मार्गः तथा डोमेन-अनुकूलन-मार्गः अपि आसीत् । अस्मिन् लेखे वयं विभिन् नानां पटरिणां कर्तव्येषु निर्दिष्टाः, दशभाषाणां विद्यमानानां वृक्षानां आधारात् डाटा-सैट्स् (data sets) -ं कथं निर्मितम् इति च वर्णितवन्तः । अत्र च, वयं भागिषु प्रणालीषु विभिन् न प्रवृत्तयः वर्णयितुं, परीक्षणेन प्राप्ताः फलाः प्रतिवेदनं कृत्वा, तेषां प्रथमं विश्लेषणं च दातुं शक्नुमः । |
14626b05a5ec7ec2addc512f0dfa8db60d817c1b | अस्मिन् लेखे वयं बृहत्-आकारे नन्-कन्वेक्स-अनुकूलन-प्रश्नां कृते त्वरण-प्रविधिं अन्वेषयिष्यामः, विशेषतया गहन-तृण-जालानां विषये। अतिशयोक्तेः योजनाः श्लोकात्मकं अनुकूलनार्थं स्टोकास्टिक ग्रेडियन्ट् अवतरणं शीघ्रं कर्तुं एकं शास्त्रीयं पद्धतम् अस्ति, किन्तु सामान्यतया श्लोकात्मकं अनुकूलनार्थं न च तत् सुप्रयुक्तं भवति । अनन्तरं, अस्मिन् अन्तर्लेखनयोजनायां नन्-कन्वेक्स-अनुकूलनस्य त्वरणेन, अन्तर्लेखनयोजनायाः प्रयोगं प्रस्तावयति । अन्तर्पोलत्रोनस्य कारणं स्पष्टीकृत्य, अस्मिन् विषये पूर्णतया अनुभवात्मकं विश्लेषणं कृतम् । CIFAR-10 तथा ImageNet-संस्थानां अतिगहनानां DNNs-ानां (उदाहरणार्थम्, 98-स्तर-ResNet तथा 200-स्तर-ResNet) अनुभवात्मकपरिणामः दर्शयति यत् Interpolatron-ना गति-प्रमाणयुक्ता SGD-या च Adam-प्रमाणयुक्ताः अत्याधुनिकप्रणालयाम् अपेक्षया अतिशीघ्रं अभिसरणं कर्तुं शक्यते । अपि च, एंडर्सनस्य त्वरणम्, यत्र मिश्रणसङ्ख्यकानां गणना लघुतम-वर्गस्य अनुमानेन क्रियते, तत् कार्यसम्पादनस्य वर्धनाय अपि उपयोगं कर्तुं शक्यते । अन्तर्पोलट्रोन-प्रवेगः अपि सहजः अस्ति। अस्मिन् विषये अपि स्पष्टं यत् अन्तर्पोलत्रोनस्य नियमानुसारं रेखात्मकं संयोगः भवति । |
55baef0d54403387f5cf28e2ae1ec850355cf60a | केनस्, नील, रोथ, वू च [ICML २०१८] इत्यनेन सांख्यिकीय-व्यक्तिगत-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक-न्यायिक- समृद्ध उपसमूहस्य निष्पक्षता सांख्यिकीय निष्पक्षता प्रतिबन्धं (कथय, संरक्षितसमूहानां मध्ये मिथ्या-सकारात्मकता दरं समरूपं करोति) च्छिदति, किन्तु ततः एव निवेदयति यत् अयं प्रतिबन्धः विहित-विहित-विहित-वि-आकारेण कार्य-वर्गद्वारा परिभाषितः उपसमूहानां एकं अतीव-अन्त-विशालम् संग्रहम् प्रति धारयतु । तेषु एतादृशम् अल्गोरिदमः उपलभ्यते यत् सः निष्पक्षतायाः अवरोधं विना पूर्णतया शिक्षितुं प्राक् प्राक् प्राक् वाणीं प्राप्नोति । अस्मिन् लेखे, वयं केर्न्स् इतराणां एल्गोरिदमस्य व्यापकम् अनुभवात्मकम् मूल्यांकनम् कुर्वन्तः । चतुर्भिः वास्तविकैः डाटासैट्-संयमेन, येषु निष्पक्षतायाः चिन्ता भवति, वयं एल्गोरिदमस्य मूलभूतम् अभिसम्बन्धं अन्वेषयामः यदा ते शीघ्रं हेरिस्टिक्स-संयमेन शिक्षणाय ओराक्लस्-संयमेन प्रतिपादितं भवति, निष्पक्षतायाः च सटीकतायाः च व्यापार-विच्छेदं मापयामः, तथा च अस्य दृष्टिकोणस्य तुलनाः आगर्वल, बेगेल्ज़ायमर, दुडिक, लान्गफोर्ड, वाल्च[ICML 2018] इत्यस्य अलगोरिदमस्य सह क्रियते, यस्मिन् दुर्बलतरं, अधिकं पारम्परिकं च सीमागत निष्पक्षतायाः प्रतिबन्धं प्रवर्तते, यं व्यक्तिगत-संरक्षित-गुणैः परिभाषितम् अस्ति । अस्मिन् विषये सामान्यतया केर्नस्-परिवारस्य च विचारः अस्ति । अल्गोरिदमस्य समीपगतिं शीघ्रं भवति, निष्पक्षतायाः महत् लाभं लभ्यते, किन्तु परिशुद्धतायाः कृते किञ्चित् किञ्चित् खर्चं भवति, तथा च परिशुद्धतायाः अनुकूलनम् केवलम् अपरम् निष्पक्षतायाः अधीनं भवति, अतः वर्गीकरणकर्तृषु उपसमूहस्य असमानतायाः प्रभावेण परिणामाः भवन्ति। अस्मिन् विषये अनेके विश्लेषणानि दृश्यानि च सन्ति, यानि केनस् इतरेषां च व्यवहारस्य गतिशीलतायाः विषयाः सन्ति। एल्गोरिदमः सामान्यतया अस्मिन् एल्गोरिदमस्य वास्तविकसूत्राणां प्रभावः दृश्यते, तथा समृद्ध-उपसमूहस्य निष्पक्षतायाः व्यवहारिकः अर्थः अस्ति । |
6be461dd5869d00fc09975a8f8e31eb5f86be402 | कम्प्युटर-आनिमेशन-एजेन्ट्स् तथा रोबोट्सः मानव-कम्प्युटर-सम्पर्कस्य सामाजिक-आयामकम् आयामम् आनयन्ति, तथा च अस्माभिः दैनिक-जीवने कम्प्युटर-प्रयोगस्य नूतन-प्रकारेण विचारणं कर्त्तव्यम् । प्रत्यक्षसंचारः वास्तविकसमयप्रक्रिया भवति, यया च 40 मिलिसेकंदेषु कार्यम् भवति। अस्मिन् कालान्तरे अनिश्चिततायाः स्तरः महत् अस्ति, अतः मानवानां यन्त्रानां च कृते धीराः प्रतीकात्मक-निष्कर्षण-प्रक्रियाः न तु इन्द्रियाणां समृद्ध-संवेदनात्मक-अभिप्रायप्रमाणानां आधारेण अवलम्बनं आवश्यकम् अस्ति । अस्मिन् लेखे अस्मिन् प्रकारस्य अवधारणात्मक-प्राचीनस्य प्रगतिः प्रस्तूयते । प्रणाली स्वयमेव विडियोप्रवाहस्य अग्रभागं विजानाति तथा च तान् वास्तविकसमयस्य ७ आयामानां अनुरूपं निर्दिश्यते: तटस्थः, क्रोधः, घृतः, भयः, आनन्दः, दुःखः, आश्चर्यम्। मुखं विलोकयितुम् उपयोजयति विसर्गविलोकयितुः यन्त्रं, यानि प्रवर्धकप्रणालीभिः प्रशिक्षिताः सन्ति [१५,२]। मुखं विजानाति चेह-विजानाति चेह-विजानाति चेह-विजानाति चेह-विजानाति चेह-विजानाति चेह-विजानाति चेह-विजानाति चेह-विजानाति चेह-विजानाति चेह-विजानाति गबोर्-प्रतीकारः निर्मितः भवति, ततः एस.वी.एम. वर्गीकरणकर्तृणां बैंकद्वारा प्रसंस्कृतः भवति । एडाबूस्ट् च एस.वी.एम.स् च नवीनसंयोगः कार्यसम्पादनं वर्धयति। तन्त्रं कोह्-कान्डे-प्रमाणसूत्रे प्रस्थितं मुखं प्रदर्शयति इति परीक्षणं कृतम् [६] । ननु विषयानां सामान्यीकरणं कर्त्तुं सप्तविधं विहितं विकल्पं सिद्धम्। अधिकं रोचकं यत् वर्गीकरणस्य निष्कर्षेण समयस्य अनुक्रमे सुधावः परिवर्तनं भवति, येन पूर्णतया स्वयमेव तथा अप्रत्यक्षरूपेण मुख-अभिव्यक्तिरूपकानां गतिशीलतायाः कोडयितुं संभाव्यतया मूल्यवान् प्रतिनिधित्वं भवति । एतस्य प्रणालीः सोनीयाः ऐबो पालतू रोबोटः, एटीआर-या रोबोवी, च् यू एनिमेटरः च् अनेकप्रकारेषु प्लैटफर्मसु उपयुज्यमाना अस्ति । अद्यतनं अस्य प्रयोगस्य प्रयोगः स्वयमेव पठने, मानव-रोबोट-संपर्कस्य मूल्यांकनं च् क्रियते । |
15f932d189b13786ca54b1dc684902301d34ef65 | अत्र निम्न-शक्ति-प्रयुक्तं प्रकाश-विद्युत्-प्रयोजनं कर्तुं उच्च-कार्यक्षमं LLCC-प्रकारं प्रतिध्वनि-धातु-धातु-परिवर्तकम् विमर्शः कृतम् अस्ति । इयं प्रतिध्वनिः टंकस्य विविधाः रचनायाः संयन्त्रानां विषये अधोलिखितानि विषयाः अधोरेखितानि। इतः परं इन्वर्टरस्य तथा रेक्टिफायर ब्रिजस्य मृदु स्विचिंग् अपि विचार्यते । निर्माणस्य नियमानुसारं, एकं नवीनं आव्हानं संकल्पयितुं शक्यते, यथा, विद्युत्-स्रोत-उत्पादनेन LLCC-परिवर्तकस्य निर्माणम् । प्रतिध्वनि-तत्त्वानां स्थाने तेषां अनुपातः भवति, यथा - इन्दुक्थान्तरसंख्येयसम्बन्धे Ls/Lp इत्यनेन प्रथमं विग्रहस्य परिमाणं विवक्षितम् । अपि च, ट्रांसफर्मर-इण्डक्टर उपकरणस्य कृते प्राप्ते डिजाइन नियमः समग्र एलएलसी-डिजाइन-प्रणालीयां प्रत्यक्षं समाविष्टः अस्ति । रूपांतरकानां प्रकृतिः एवम् अस्ति, इन्दुकतायाः सम्बन्धः Ls/Lp केवलम् भूमित्राणां कार्यम् अस्ति, अतः अस्य रचनायाः परिमाणं भूमित्रेण प्रत्यक्षं विवक्षितम् अस्ति । प्रयोगाः परिणामः उच्चं दक्षताम् प्रदर्शयति। |
f13902eb6429629179419c95234ddbd555eb2bb6 | |
07d138a54c441d6ae9bff073025f8f5eeaac4da4 | बृहत्-अङ्केषु डाटाः प्रशिक्षिताः बृहत्-गहन-तृण-जालानि (डीएनएन) अद्यतन-प्रयत्नैः प्रतिमा-भाषण-विज्ञानाय कठिनानि कार्याणि निष्पादयन्ति। एतेषां डी.एन.एन.संस्थायाः प्रशिक्षणं बहुप्रतीकारिकानां यन्त्रानां समूहैः सह क्रियते, यतः प्रशिक्षणं बहुकालिनं भवति, कम्प्युट-प्रतीकारिकं च भवति। अतिविशालानां डी.एन.एन.संस्थानां प्रशिक्षणं कर्तुं, यन्त्रानां मध्ये प्रवर्तकानां विभाजनं क्रियते । अतिविशालानि डाटासैटानि प्रशिक्षणं शीघ्रं कर्तुं, बहुविधानि प्रतिरूपानि प्रशिक्षणस्य उदाहरणानां भिन्न-भिन्न उपसमुच्चयानां समानांतरं प्रशिक्षिताः भवन्ति, तथा च एकं वैश्विक-परिमिति-सेवकं एतेषु प्रतिरूपेषु समान-भारं धारयति । एवं च, DNN-प्रणालीयाः हार्डवेयरविशेषणानां च उपयोगे, मॉडेल-डाटा-विभाजनस्य च समग्रप्रणाली-प्रवन्धस्य च उचितः विकल्पः अतिप्रसङ्गः अस्ति । इदानीं एतेषु निर्णयेषु महत् क्षेत्रज्ञानाय, समयव्यययुक्ताय च अनुभवजन्य अवकाश अन्वेषणस्य आवश्यकता वर्तते । अस्मिन् लेखे प्रदर्शनस्य नमुनाः प्रवर्त्तन्ते, ये समग्रं वितरितप्रणालीयाः प्रदर्शनं, स्केलेबिलिटी च प्रति विभाजने तथा प्रोविजिनिङ्गस्य निर्णयेषु प्रभावं परिमाणं ददति । अपि च, वयं एतेन प्रदर्शनस्य प्रतिमानेन स्केलेबिलिटी ऑप्टिमाइजरं निर्मातुं प्रयोजयाम यत् इष्टतमं प्रणालीसंरचनां निर्धारयति यत् डीएनएन-प्रशिक्षणसमये न्यूनं करोति। अस् माभिः प्रदर्शनस्य प्रतिमानानि तथा स्केलबिलिटी अप्टिमाइजरः अत्याधुनिकं वितरितं डीएनएन-प्रशिक्षणप्रणालीं द्वौ बेंचमार्क-अनुप्रयोगेषु उपयुज्य मूल्याङ्कनं कृतम् । अस्मिन् परिणामे, अस्मिन् कार्यप्रदर्शनमण्डले डीएनएन-प्रशिक्षणकाले उच्चं अनुमानसङ्ख्यां प्राप्तुं शक्यते, अस्मिन् स्केलेबिलिटी-अनुकूलकस्य कृते सर्वोत्तमसंरचनाः चयनं क्रियते, येन वितरित-डीएनएन-प्रशिक्षणकाले न्यूनं भवति। |
eee686b822950a55f31d4c9c33d02c1942424785 | सार- अस्मिन् लेखे चतुर्थांश-तरङ्गपरिवर्तकस्य सह टी-जंक्शन-संयोजनस्य उपयोगेन 2x2 त्रिकोणीय-सूक्ष्म-पट्टी-पञ्च-अन्टेनायाः वर्णनम् कृतम् अस्ति । पच् ऐन्टेन्नेन दूरीकरणं च भोजनस्थानं समायोजनं च बण्डविड्थस्य प्राप्तिः भवति। बृहत् बान्द्विड्थ, उच्चं दिशात्मकता, न्यूनतमः आकारः च आवश्यकतायाः कारणात् २x२ त्रिकोणीय-सूक्ष्म-पट्टी-पञ्च-अन्टेना-सूत्रेषु T-जंक्शन-जालस्य च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् च् FR4 उपरि रचनां कृतम् एकं ऐन्टेन्नेन, तस्य विद्युत्-अन्तराणि (r) ४.४, हानि-संयोगः ०.०२, तथा मोटाः १.६ मिमीः। अनुकरणपरिणामाणां परिणामतः सिद्धम् अभवत् यत् आन्तर्-उपकरणस्य निर्देशकत्वम् १२.९१ डीबी, बैंडविड्थः १७३ मेगाहर्ट्स्, व्हीएसडब्लूआरः १.०७, टी-जंक्शन फीडिंग नेटवर्कः च अस्ति । प्रस्तावितस्य 2x2 त्रिकोणीयस्य सरणीयाः लाभः हलके वजनस्य, निर्मातनस्य साध्यायाः, एकस्तरस्य संरचनायाः, उच्चनिर्देशितायाः च लाभः अस्ति । कुञ्जीशब्दः बैंडविड्थः, कर्पोरेट फीडिंगः, रिटर्न लॉस, टी-जंक्शनः, वीएसडब्लूआरः। |
c707938422b60bf827ec161872641468ec1ffe00 | अस्मिन् अन्ते, अकारान्तः मार्कोव् निर्णयप्रकरणं भवति । अस्मिन् विषये अस्मिन् लेखे मुख्यं योगदानं तस्य आकारस्य प्रकृतिः वर्णनं अस्ति - सामान्यबहुलरूपः (एग्नीर् इत्येते, २०१०) । एतद् प्रदर्शनार्थं नीति-कार्य-मूल्य-संयोजकानां संरचनात्मकसम्बन्धस्य गुणानां प्रदर्शनं क्रियते, यथा रेखा-प्रमेयः, यस्मिन् रेखा-प्रमेयस्य वर्णनं क्रियते, यस्मिन् एकं राज्यं बाहेक अन्यत्र प्रतिबन्धितानां नीति-कार्य-मूल्य-संयोजकानाम् वर्णनं क्रियते। अथातः, अस्मिन् नवीनदृष्टिः उपयोगे दृश्यावलोकनं कृतम्, येन पुनरर्थकशिक्षण-अल्गोरिदमस्य गतिशीलतायाः ज्ञानं वर्धयितुं शक्नुमः। |
86854374c13516a8ad0dc28ffd9cd4be2bca9bfc | अलिकवर्षेषु समस्याषु रुचिः वर्धते, यत्र अवलोकित-तदर्थे अथवा लुप्त-स्थाने परिवर्तकेषु ज्ञात-रिमान्नीयन-बहुविधौ सीमितः भवति । क्रमेण डाटा विश्लेषणस्य कृते अपि अस्य रुचिः वर्धते, किन्तु क्रूड एल्गोरिदमः अपि प्रयुक्तः अस्ति: मन्टेकार्लो फिल्टर् अथवा क्रूर-शक्तिकरणम् । एतेन दृष्टान्तेन दुर्बलतया परिमाणं प्राप्नोति, तथा च स्पष्टतया अभावः दृश्यते - ननु काल्मान-फिल्टर्-प्रकरणस्य सामान्यरूपेण अनुरूपाः न युक्लिड-अन्य-क्षेत्रेषु विद्यन्ते । अस्मिन् लेखे अस्मिन् विषये प्रथमतः अस्मिन्नपरिवर्तनं, अनन्तरं अस्मिन्नकल्मान-फिल्टरं रीमन-विधौ सामान्यीकृत्य समस्यायाः निवारणम् क्रियते । यथा कल्मान-फिल्टर्-प्रकरणं गौस्-न्यूटन-प्रकरणस्य सदृशम् एकम् अनुकूलन-अल्गोरिथमम् इति द्रष्टुं शक्यते, तथैव अस्मिन् एल्गोरिथमम् सामान्य-उपयोगे विविध-प्रकरणानां अनुकूलन-संरचनां अपि ददाति । अस्मिन् अधोलिखितेषु विषयेषु, यथा, स्थैर्यस्य च अभिसम्बन्धस्य अध्ययनार्थं कृत्रिमसूत्राणां प्रयोगः, सह-विपर्यासविशेषणानां उपयोगेन क्षेत्रस्य अनुगमनस्य समस्या, सम्यक् अनुगमनस्य समस्या, माध्यमानुपातस्य अनुकूलनम्, तथा स्थिति-अनुकूलनस्य समस्याः, अस्मिन् विषये प्रस्तूयते । |
a075a513b2b1e8dbf9b5d1703a401e8084f9df9c | एकविस्तरीय-संकुचित-विद्युत-चुम्बकीय-प्रसारण-अवकाश (यूसी-ईबीजी) उपसर्गाः मुद्रित-एन्टेना-आकारेण पृष्ठ-तरङ्ग-उत्प्रेषणं कमयितुं प्रभावशाली उपायः इति सिद्धम् अभवत् । अयं लेखः यू.सी.-ई.बी.जी. उपस् थितके स्थितः सूक्ष्म-धातु-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्- परिणामः एलिमेन्टस् मध्ये परस्पर-संयुतात् घटः दर्शयति, तथा मुद्रित-एलिमेन्टस् सह चरणबद्ध-मात्राय अनुप्रयोगेषु "अन्ध-बिन्दु" समस्यायाः सम्भाव्यम् समाधानं ददाति । नवीनं च कुशलं यूसी-ईबीजी-आरे-संरचनां प्रस्तावयति । उच्चं विद्युतविद्युत्-स्थिरं उपरि 7/spl गुणाः/5 अवयवानां एकं प्रोब-आहारं पाट-अन्टेना चरणबद्ध-संयोजनं रचना, निर्माणं च परीक्षितम् । अनुकरणं च परिमाणं च परिणामेषु एरे केन्द्रस्य तत्वस्य सक्रिय रिटर्न लोस-अन्तर्गतस्य च सक्रिय-रूपस्य सुधारेण दर्शितम् । इष्टतमं प्रदर्शनं प्राप्तुं यत् व्यापारं क्रियते, तत् विषये चर्चा क्रियते। |
16a0fde5a8ab5591a9b2985f60a04fdf50a18dc4 | उपयोगकर्तायाः प्रमाणिकरणार्थं गमनं एकं कुशलं बायोमेट्रिक लक्षणं मान्यते। यद्यपि केचन अध्ययनानि सन्ति, येषु गमन-आधारित-प्रमाणन-प्रणालीषु गमन-आकार-आकार-आकारस्य संरक्षणाय कार्यम् आचरति, तथापि तेषु गमन-आकारस्य आंकडाणां न्यून-भेद-योग्यता, उच्च-विविधता च विचारणीया न भवति, यानि प्रस्तावित-प्रणालीनां सुरक्षा-प्रयोजकत्वे च महत्त्वपूर्णानि प्रभावानि कुर्वन्ति । अस्मिन् लेखे, अस्मिन् इनेरशियल-सेन्सर-आधारित-गति-क्रिप्टो-प्रणालीयाः पूर्वोक्त-अवगुणं निवारणम् आशयम् । विशेषरूपेण, वयं रेखागतभेदविश्लेषणस्य उपयोगं गमनप्रकरणानां भेदभावस्य वर्धनाय, तथा ग्रे कोड क्वांटिजेशनस्य उपयोगं उच्चभेदात्मकस्य स्थिरस्य द्विव्रीहिप्रकरणस्य निष्कर्षणार्थं कुर्मः। अस्मिन् प्रयोगे ३८ जनाः प्रयोगाः कृतवन्तः, अस्मिन् पद्धतिः हिताय क्रिप्टोप्रणालीयाः कार्यसम्पादनं सुरक्षा च महत् वर्धितम् । विशेषतया, अस्मिन् १४८-बिट् सुरक्षायाः सह ६×१०−५% (अर्थात् १६९८३ परीक्षणानां मध्ये १ असफलः) तथा ९.२% असत्यप्रतिषेधः प्राप्तः। |
d7fd575c7fae05e055e47d898a5d9d2766f742b9 | |
84ade3cb5b57624baee89d9e617bb5847ee07375 | |
9e5158222c911bec96d4f533cd0d7a1a0cff1731 | बहुक्रियायुक्ते सक्रिये विद्युतीय-निर्देशित-एन्टेना (AESA) प्रणालीनां कृते अग्रे प्रजनने आरएफ-संवेदक-मड्यूलानां कृते विभिन्न-कार्य-प्रणालानां संयोजनं आवश्यकं भवति, यथा रडार-इलेक्ट्रॉनिक-युद्ध-कार्य-प्रणालयः, संचार-डाटा-लिङ्कः च एकेन ऐन्टेना-फ्रंट-एन्ड-अन्तर्गतम् । ते सामान्यतया सी-बान्द्, एक्स-बान्द्, कु-बान्द् च कार्यन्ति, तथा च १० गीगाहर्ट्स्-बान्द्-अधिकस्य बैंडविड्थस्य आवश्यकता भवति । आधुनिक-प्रवृत्त-इलेक्ट्रिक-निर्देशित-एन्टेनाः निर्मातुं, प्रसारण-प्राप्त-मड्यूलः (टी/आर) कट्टर-आकार-आधारस्य आवश्यकतां पूरयितुम् आवश्यकाणि भवन्ति । भविष्यतः बहुक्रियाशीलः आरएफ संवेदकम् इदम् अवयवम् अवलम्ब्य अर्ध-तरङ्ग-लम्बाः एण्टेनानां ग्रिड-अन्तरं निर्धारयति, यैः भौतिक-चैनल-विस्तारः <12 मिमी अथवा तत् न्यूनम् अपि भवति, यस्मिन् उच्चतर-वार्ताः कार्यस्य अनुकूलेण बीम-निर्देशस्य आवश्यकताः भवति । एतानि ज्यामितीयानि आवश्यकतां पारयितुं एकं आशाजनकम् समाधानं समग्रम् एकधातुके सूक्ष्म-लघुतरङ्गसंयुक्त-संचिका (MMIC) चिपक्षेत्रस्य घटादिः अस्ति, यानि विशिष्टाः आरएफ-कार्यप्रणालयः, ये सामान्यतया विशिष्टाः एकीकृत-संचिकाः (ICs) मार्गे प्राप्ते भवन्ति, नूतनानि बहु-कार्यप्रणालया (MFC) MMICs-षु समाकलितानि भवन्ति । अनेन कार्यस्य अन्तर्गतं आगामी पीढीयाः आरएफ सेन्सर-मड्यूलानां कृते विभिन् नानि अवधारणाः, यानि केचन इदानीं अपि प्रवर्तन्ते, चर्चाः च कृताः सन्ति । |
77a9473256f6841d40cb9198feb5b91dccf9ffd1 | इत्थं विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडानां (LEDs) विद्युत्प्रकाशक-डयोडयो (LEDs) विद्युत्प्रकाशक-डयो (LEDs) विद्युत्प्रकाशक-डयो प्रस्तावितस्य एल.ई.डी. चालकस्य विद्युत्-विनाशकानां उपयोगः न भवति, अतः अस्य जीवनकालः लम्बः भवति। आउटपुट पावरः स्विचिंग फ्रिक्वेन्सीः समानुपातिकः भवति, यस्मात् LED-इन्द्रियाणां डिम्बिङ्गः भवति । २२ वटस्य एकं प्रोटोटाइपं प्रयुक्तं, प्रयोगाणां परिणामं च चर्चाम् अकरोत् । अस्य प्रोटोटाइपस्य शक्तिः ०.९९६, दक्षता ८९.५% आसीत् । ड्राइवरस्य आउटपुट पावरः ५३ कि.ह्झ्-तः ३० कि.ह्झ्-पर्यन्तं परिवर्तिततया परिवर्तिततया ४०%-अधिकं घटत इति च् अवगतम्। |
b5fe4731ff6a7a7f1ad8232186e84b1f944162e0 | क्रॉस-मीडिया हसिङ्गः, यस्मिन् विभिन्न-प्रकारेभ्यः डाटाः एकस्मिन् सामान्य-निम्न-आयामिक-हम्मिङ्ग-स्थानम् अन्तर्निहितं भवति, सः अलिकवर्षेषु विशेष-ध्यानं प्राप्तवान् । अनेन कारणात् (क) बहुविध-सामग्रीनां डाटाः व्यापकतया उपलभ्यन्ते, यथा, फ्लिकर-पृष्ठे विद्यमानानि वेब-चित्रानि ट्यागैः सह संबद्धानि सन्ति, (ख) क्रॉस-मीडिया पुनर्प्राप्तेः यथा, विशाल-आकारस्य डाटा-प्रक्रियायाः कृते हशिंग् प्रभावशालीः प्रविधिः अस्ति। गहनशिक्षणस्य अद्यतनप्रगतेः प्रेरणेन वयं बहु-मौद्रिक-संजाल-संयन्त्रानां आधारेण क्रॉस-मीडिया-हसिङ्-प्रक्रियायाः प्रस्तावः करोमः । (क) प्रासंगिक क्रॉस-मीडिया डाटायाः ह्यास-कोडः समानः, (ख) वर्ग-लक्षणानां भविष्यवाणीयै भेदभावः, (ग) क्रॉस-मीडिया सिम्न्टिफिक सम्बन्धानां सम्यक् अनुभूतम्, (ग) सिम्न्टिफिक भेदभावः। अस्मिन् प्रयोगे, यथार्थ-विश्वे द्वौ डाटा-सैट्स् प्रदर्शिताः यत् अस्मिन् पद्धतिषु अत्याधुनिक-विधिषु तुल्यम्, क्रॉस-मीडिया पुनः प्राप्तिः अधिकं भवति । |
9814dd00440b08caf0df96988edb4c56cfcf7bd1 | अत्र उच्चस्तरीयकार्यप्रयोजनं भवति, तथा च स्थानिकयोजनाकारस्य कृते पर्यावरणस्य विषये वैश्विकसूचनाः अपि उपलभ्यन्ते, अतः दीर्घकालिनं महत्पूर्णं वैश्विकयोजनायाः आवश्यकता न भवति । अत्र दर्शितम् यत् आकर्षकयुक्ते मार्गनिर्माणस्य परिणामः केवलं स्थानिकनिर्माणयुक्तेषु प्रणालीषु अधिकः भवति । सक्रियस्लैम-प्रक्रियायाः कारणं स्लैम-प्रक्रियायाः समये कुशल-मार्गानां योजनां कर्तुं स्वयमेव कार्यकर्तृ यन्त्रस्य कृते चुनौती वर्तते । रोबोटस्य, मानचित्रस्य, सेन्सरस्य च मापनस्य अनिश्चिततायाः, गतिशीलतायाः च गतिः च नियोजनप्रक्रमे विचारणीया भवति । अस्मिन् लेखे, सक्रिय-स्लैम-प्रश्नं इष्टतम-प्रयोजन-प्रश्नरूपेण विरचितम् अस्ति । नन्वेवं प्रविधिः प्रवर्तते यत् स्थानिकयोजनायोजनायाम् युक्तं आकर्षणं प्रयुक्तं भवति यथा - मॉडल प्रेडिक्टिव कण्ट्रोल (MPC) (अन्यथा - ए.पी.सी.सी. (MPC)) । (अङ्ग्रेजीयाम्) |
bc32313c5b10212233007ebb38e214d713db99f9 | वयस्काणां क्लिनिकल इलेक्ट्रोकार्डियोग्राफी (ईसीजी) सिग्नल प्रोसेसिंग टेक्निकानां च सामर्थ्ययुक्तं डिजिटल प्रोसेसरं यत्तु महत्वपूर्णं प्रगतिम् अभवत् तथापि नॉन-इन्वेसिव फ्युटल ईसीजी (एनआई-एफईसीजी) विश्लेषणम् अद्यापि प्रारम्भिकं वर्तते । Physionet/Computing in Cardiology Challenge 2013 इत्यनेन विज्ञानसमुदायस्य कृते FECG-प्रमाणानि सार्वजनिकं कृत्वा सिग्नलप्रक्रियाप्रकरणविधिनां मूल्यांकनं कृतवन्तः, एतेषु केचन मर्यादां निवारयन्ति। उच्चतरतरतरस्खलनं तथा मूलभूतप्रमाणं विहाय गमनं प्रतिरक्षितुं, प्रथमतः पेटस्य ECG-संकेतानां पूर्वप्रक्रिया बण्ड-पास-फिल्टरेण कृतम्। यदि आवश्यकं भवेत् तर्हि ५० अथवा ६० हर्ट्ज-संख्ये विद्युत्-अवरोधानां निवारणार्थं एकं नच-फिल्टर् उपयुज्यते । ततः मातृ- ई. सी. जी. निरस्तं कर्तुम् विभिन्न- स्रोत- पृथक्करण- तन्त्रं प्रयुक्तं पूर्वं सिग्नाल्स् सामान्यीकृतानि। एतेषु प्रविधिषु निम्नानि सामग्रिताः आसन् - टेम्प्लेट्सोब्ट्रेक्शन्, प्रधानम्/स्वतन्त्रम् अवयवविश्लेषणम्, विस्तारित-कल्मान-फिल्टर् च, एतेषु प्रविधिषु उपसमुच्चयस्य संयोजनम् च (FUSE-प्रविधिः) । भ्रूणस्य QRS- परीक्षणं पाण- टम्पकिन्स- QRS- डिटेक्टर- यन्त्रेण सर्वेषु अवशिष्टासु कृतम्, तथा च भ्रूणस्य हृदयादि- गतिः सुगमतरं भवति इति अवशिष्टाः च्यानलः चयनितः। FUSE- एल्गोरिदमः प्रशिक्षण- डाटा- समूहस्य सर्वेषु व्यक्तिगत- विधयः श्रेष्ठं प्रदर्शनं कृतम्। वैधता- परीक्षण- समूहयोः सर्वोत्तमं चॅलेंज स्कोरः ई१ = १७९.४४, ई२ = २०.७९, ई३ = १५३.०७, ई४ = २९.६२, ई५ = ४.६७ इति आसीत् । ई१, ई२ च प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः प्रतिद्वन्द्विताः परिणामैः प्रतीयते यत् भ्रूणस्य हृदयाघातस्य अनुमानस्य विद्यमानमानमान मानकप्रयोजनाः एकस्मिन् अनुमानकारकेण संलग्नाः भवितुं शक्नुवन्ति । अस्मिन् वर्णितानि मानकानि विधयः सर्वेषां कृते तुलनायाः साधनानि भवितुम् अस्मिन् उद्घोषः कृतः। |
09f13c590f19dce53dfd8530f8cbe8044cce33ed | अलिकवर्षेषु अनेकेषु युजर्-इण्टरफेस् उपकरणेषु भौतिकसम्पर्कस्य विविधतायाः व्यवस्थापनं कृतम् अस्ति । माइक्रोसफ्ट किनेक्ट कैमराः क्रान्तिकारी च उपयोगी गहन कैमरा अस्ति, यं इन्द्रियं वा गतिं अनुज्ञापयित्वा Xbox प्लेटफर्मस्य अन्तर्क्रियात्मक गेमिङ्गस्य नूतनं अनुभवं प्रददाति। अस्मिन् लेखे वयं माइक्रोसफ्ट-किनेक्ट-संवेदकस्य उपयोगेन क्वाड्रोटर एआर ड्रोनस्य नियमनस्य दृष्टिकोनं प्रस्तूयमानः। |
ca78c8c4dbe4c92ba90c8f6e1399b78ced3cf997 | अस्मिन् लेखे वयं प्रदर्शयिष्यामः यत् ध्यानम् आगतानां च संयुक्त वितरणस्य सरलः किरण-अवसरः अनुक्रमात् अनुक्रमात् शिक्षणाय सुलभः, सटीकः, च कुशलः ध्यान-प्रयन्त्रः अस्ति । अथ पद्धतिः कठोरध्यानस्य तीव्रतराणि, मृदुध्यानस्य च सहजतराणि च समाहितं करोति । अस्मिन् भाषायाः पञ्चाङ्गस्य च द्वयोः रूपशास्त्रीयविवर्तनकार्येषु विद्यमानानां ध्यान-प्रयन्त्रानां तुल्यम् बलेयु-प्रकरणं सहजं च सुसंगतं च भवति । |
abdb694ab4b1cb4f54f07ed16a657765ce8c47f5 | नवोन्मेषस्य लक्षणं च नवोन्मेषस्य ग्रहणं च तस्य सम्बन्धं च विषयेषु ७५ लेखानां समीक्षा च मेटा-विश्लेषणं च कृतम् । विश्लेषणस्य एकं भागं विद्यमानानां अध्ययनानां पद्धतिगतं प्रोफाल् निर्माणं तथा तथा च एकं परिकल्पिततमं दृष्टिकोणं प्रति तुलनाम् आसीत् । अध्ययनस्य द्वितीये भागे विद्यमानानां अनुभवात्मकानां निष्कर्षानां सामान्यतायाः, समन्वयाय च आकलनं कर्तुं मेटा-विश्लेषणात्मक-सांख्यिकीय-तंत्राणि प्रयुक्तानि। नवप्रवर्तनस्य च त्रयः लक्षणानि (अनुकूलता, सापेक्षः लाभः, जटिलता च) नवप्रवर्तनस्य स्वीकृतेः प्रति सर्वाधिकं सङ्गतिम् अकुर्वन् । क्षेत्रे भविष्यान् अनुसंधानार्थं प्रस्तावः कृतः। |
518fd110bbf86df5259fb99126173d626a2ff744 | अस्मिन् विषये, मोबाइल-मनिपुलेटरस् य यथा-व्यक्तिगत-रोबोटस् , एवम् असेंबली-लाइन-रोबोटस् य विषये, अभ्यासेन प्राधान्यं लभते इति समस्यायाः विषये विचारः कृतः। अस्मिन् विषये प्राधान्यं ज्ञापनीयम् अस्ति यत् प्रक्षेपवक्रस्य सरलायां ज्यामितीय-अवरोधानां अपेक्षा अधिकं जटिलम् अस्ति, ते विविध-वस्तुनां च पर्यावरणस्य अन्तःक्रियाणां च परिवेशद्वारा शासितः सन्ति । अस्मिन् विषये सहकारिणम् आनलाइन-शिक्षणम् प्रस्तावितम् यत् प्राधान्य-प्रशिक्षणस्य विषये विषये समृद्ध-परिवेशे उपदेशं कुर्यात् । अस्मिन् पद्धतिरेकस्य मुख्यं नवीनता प्रयोक्तृभ्यः अपेक्षितस्य अभिप्राये वर्तते: मानवप्रयोक्तृभ्यः प्रशिक्षणसूत्रेण उत्तमप्रभृतिः प्रदर्शनीयः न भवति, केवलं प्रवर्तकप्रभृतिः प्रदत्तं भवति, यस्मात् वर्तमानप्रणालीयाः प्रक्षेपणप्रभृतिः किंचित् वर्धते। अस्मिन् विषये अस्मिन् लेखे, "अतिव्यापकः" इत्यस्य प्रयोगः क्रियते। तथापि अस्मिन् एल्गोरिदमस्य सैद्धांतिकः अनुस्मारक-सीमा इष्टतम-प्रक्षेप-अल्गोरिदमस्य असम्प् टोटिक-दरैः सह मिलति । अस्मिन् लेखे वयं द्विविधं उच्चस्वतन्त्रतायुक्तं यन्त्रं, PR2 तथा Baxter, अवलम्बितवन्तः, तथा एव एव इत्थं वृद्धिशील-प्रतिपादकं प्रदानं कर्तुं त्रयः सहज-प्रयन्त्रानि प्रस्तुतवन्तः। अस्मिन् प्रयोगात्मकं मूल्यांकनं कृत्वा वयं द्वौ संदर्भसमृद्धौ स्थितौ गृहाण कर्तव्ये च किरणालयस्य चेकआउट-प्रकरणं विवक्ष्यामः, तथा च प्रदर्शयितवन्तः यत् उपयोगकर्ताः केवलं किञ्चिदपि प्रतिक्रियाभिः (केवल किञ्चिदपि क्षणैः) रोबोटं प्रशिक्षयितुं शक्नोति । |
9f927249d7b33b91ca23f8820e21b22a6951a644 | मिलिमीटरवेव-प्रणालीनां उच्च-प्रदान-दरं समर्थयितुं आधारस्थानकेषु च मोबाइल-प्रयोगकर्तृषु च वृहत्-एन्टेना-संयोजनानि अपेक्षन्ते । पूर्वं मिमीवेव-जालस्य कवरेज-प्रमाणं च अध्ययनं कृतम् आसीत्, यदा बेस-स्टेशन-संस्थायाः तथा मोबिल-बीम-फार्मिंग-वेक्टर-संस्थायाः पूर्वनिर्धारितानि भवन्ति, तदा अधिकतम-बीम-फार्मिंग-लाभं प्राप्नुवन्ति । तथापि बीम-फार्मिङ्ग/कम्बिन्न्ग् वेक्टरानां रचनाय प्रशिक्षणं अपेक्षते, यस्मात् एसआईएनआर-प्रवेशः तथा मिमी-वेव-प्रणालीनां गती अपि प्रभावितं भवति । अयं कार्यपत्रः एमएम-वेव सेलुलर नेटवर्कस् य प्रदर्शनं मूल्याङ्कं करोति, तत्रापि बीम प्रशिक्षणम्/संबद्धतायाः उपरि व्ययम् अपि विचारयति। प्रथमतः प्रात्यक्षिकसंयोगस्य प्रारम्भिकस्य प्रतिरूपस्य विकासः भवति, यस्मिन् प्रात्यक्षिकस्य परिमार्जनं तथा डाउनलिंक-नियन्त्रणस्य प्रायोगिकस्य पुनः उपयोगः भवति । बीम प्रशिक्षणस्य प्रभावः समाहितं कर्तुं, एकं नूतनं मेट्रिकम्, यं प्रभावीः विश्वासयोग्यः दरः इति कथ्यते, परिभाषितं च दत्तम्। स्टोकास्टिक ज्यामितिः उपयोगेण, एमएमवेव सेलुलर नेटवर्कस् य प्रभावशाली दरः द्वयोः विशेषप्रकरणेषु प्राप्तः भवति: निकट-अर्थोगनल् पाइलट् च पूर्ण पाइलट् पुनः उपयोगः च। विश्लेषणात्मक-अनुकरण-परिणामयोः द्वयोः महत्त्वपूर्णानां प्रश्नां उत्तरं दातुं ज्ञानं प्राप्नोति। प्रथमतः, एमएमवेव नेटवर्क प्रदर्शनस्य प्रति बीम एसोसिएशनस्य प्रभावः कः? तर्हि, आर्थोगोनल-अथवा पुनः प्रयोज्य-पाइलट-अन्तर्गतं प्रयोगं कर्तव्यम् अस्ति? परिणामः इदम् दर्शयति यत् यदि प्रयुक्तं बीम अतिविस्तृतं न भवेत् तर्हि पूर्णतः पायलटः पुनः उपयोगं कृत्वा आरम्भिक बीम प्रशिक्षणं लगभगं उत्तम बीम संरेखणम् इव भवति । |
6bd1f2782d6c8c3066d4e7d7e3afb995d79fa3dd | अर्थविभाजनविधिना प्रतिमायां प्रत्येकं पिक्सेलं एकं लेबलं निर्दिश्यते । आरजीबी-चित्रानां अर्थविभाजनं हालसालै गहनशिक्षणस्य कारणात् महत्त्वपूर्णतया उन्नतम् अभवत् । यतो हि अर्थविभाजनार्थं डाटासेटस्य निर्माणं कष्टकरं भवति, अतः वस्तु-विज्ञानाय डाटासेटस्य अपेक्षा एव डाटासेटः लघुः भवति । इदम् अर्थविभाजनार्थं गहन-तृणजालस्य प्रत्यक्ष-प्रशिक्षणं कठिनं करोति, यतः सः अति-उपयुक्तेः प्रवृत्तः भवति । एतदनुसारेण गहनशिक्षणस्य मोडलानि सामान्यतया वृहत्-आकारस्य चित्र-वर्गीकरणस्य डाटासेटानां पूर्व-प्रशिक्षिताः कन्वल्शनल-न्यूरल-नेटवर्काः उपयुजन्ति, ये ततः अर्थ-विभाजनार्थं परिष्कृतः भवति । नन्-आरजीबी-चित्रानां कृते इदानीं एतत् सम्भवं न भवति यतः नन्-आरजीबी-चित्रानां कृते वृहत्-स्तरस्य लेबलानि न सन्ति । अस्मिन् लेखे, वयं बहु-वर्णीय दूरदर्शनप्रतिमाणां अर्थविभाजनार्थं द्वौ गहन-तृणजालानि निर्मिताः। लक्ष्यसूत्रे प्रशिक्षणं कर्तुं पूर्वं वयं जालस्य प्रारम्भं बहुविध-विभागाय कृत्रिम-चित्रणैः सह कुर्मः। अस्मिन् विषये अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । अस्मिन् विषये कार्यम् अभवत् । |
9e9b8832b9e727d5f7a61cedfa4bdf44e8969623 | अत्र "शिक्षण-शिक्षण-आधारित-अनुकूलनम्" (टीएलबीओ) इति नामकः कुशलः अनुकूलनविधिः प्रस्तावितः अस्ति। प्रस्तूयते विधिः कक्षायां शिक्षकेभ्यः शिक्षिताः परिणामस्य प्रभावस्य आधारः अस्ति । अस्य पद्धतिः मूलभूतदर्शनं विस्तृतरूपेण व्याख्यातम् अस्ति । अनेकेषु निर्दिष्टप्रश्नेषु विभिन्नलक्षणैः सह पद्धतिप्रयोजनस्य प्रभावकारितायाः परीक्षणं क्रियते, एवं परिणामानां तुलना जनसङ्ख्या-आधारितानां पद्धतिभिः क्रियते। २०११ एल्सेवियर इंक. सर्वाधिकारः सुरक्षितः। |
3ca6ab58ae015860098d800a9942af9df4d1e090 | शोध-आधारित-ग्राफ-प्रश्नेषु, यथा लघु-पथानां तथा समरूप-उपग्राहानां खोजः स्मृत्या विलंब-कालस्य वर्चस्वम् अस्ति । यदि आगतग्राफं उचितं विभाजनं कर्तुं शक्यते, तर्हि वृहत् क्लस्टर-आधारितः कम्प्युटिङ्ग-प्लटफर्मः एतेषां प्रश्नानां उत्तरं दातुं शक्नोति । तथापि, आगतग्राफस्य प्रत्येकं शिरोबिन्दुषु कम्प्युट-बाउंड प्रोसेसिंग-प्रक्रियायाः अभावः, तथा च सततम् समीपेभ्यः प्रोसेसर-प्रक्रियायाः आवश्यकताः, प्रोसेसर-प्रक्रियायाः न्यूनतायाः निमित्तं भवति । अपि च, ग्राफवर्गानां यथा स्केल-मुक्तः सामाजिकजालानां स्थानिकतायाः अभावः अस्ति येन विभाजनाय स्पष्टतया प्रभावकारिणी भवेत् । बृहत् बहुधातुकम् (Masssive multithreading) इति एकं वैकल्पिकम् वास्तुप्रकरणम् अस्ति, यत्र एकं विशालम् साझा-स्मृतिः प्रोसेसरैः सह मिलति, येषु अनेकेषु धातुकर्मक्षेत्रेषु समर्थनार्थं अतिरिक्तं हार्डवेअरं विद्यते । प्रोसेसरस्य गतिः सामान्यतः सामान्यतया धीमतः भवति, तथैव डाटा केशः नास्ति । स्मृतिप्रतीक्षायाः न्यूनकरणस्य एव तु विशेषाधिक-प्रतीकानां यन्त्रानां कृते तदुपयोगः भवति । अयं प्रमेयः ग्राफ-शोधस्य समस्यायाः अनुरूपः अस्ति, यतः स्मृति-अनुरोधानां गणनायाः उच्चं अनुपातं बहु-धातुक-संयोजनद्वारा सह्यते । अस्मिन् लेखे, बहुधातुकग्रन्थालयम् (MTGL) - बहुधातुककम्प्युटरेषु सिम्न्टिकग्रन्थाणां प्रसंस्करणार्थं सामान्यग्राफ क्वेरी-सफ्टवेयरः प्रस्तूयते । इदानीं अयं ग्रन्थालयः क्रमेण यन्त्रैः क्रै एमटीए-२-यन्त्रैः च चलति, किन्तु सान्डियाः एकं रन्-टाइम् प्रणालीं विकासयति, येन एमटीजीएल-आधारितं कोडं सममितिकं बहुप्रसङ्गाणां कृते चलयितुं शक्यते। अस्मिन् विषये अनेकेषु विषयेषु बहु-धातुक-अल्गोरिदमः उप-ग्राफ-आकारान्तादि-अवधारणेन सह उपलभ्यन्ते । अस्मिन् अन्ते क्रै एमटीए-२ तथा ब्लू जीन/लाइट् इत्ययोः एस-टी-संपर्काणां प्रदर्शनस्य तुलनाः क्रियते । |
d4c65ee21bb8d64b8e4380f80ad856a1629b5949 | अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अङ्गस्य विभक्तिः अस्य संरचनायाः आधारः प्रसिद्धः द्विगुणः सममित्य्-अङ्गः अस्ति, यत्र धातुः पिण्डाः न सन्ति, पार्श्व-आउटपुटानि च एक-अङ्गम् कृताः सन्ति, येन एक-अङ्गम् प्रभावः प्राप्तुं शक्यते: ऊर्ध्वाङ्गी ध्रुवीकरणस्य समानाधिकरणम्, आकारस्य च अत्यन्तं महत्त्वपूर्णं न्यूनीकरणम् च। अपि च, पार्श्व-शाखायाः मार्गः न्यूनः अभवत् , अतः विभिन्न-ध्रुव-विभागाणां सम्मिलन-क्षय-समता भवति । इयं द्वितीया समरूपतायाः कारणात् ओर्थोगोनल-ध्रुवकरणयोः पृथक्करणं संरक्षितम् अस्ति । यांत्रिकदृष्ट्या दृष्ट्या प्रस्तावितसंयोगः ओर्थो-मोड-प्रवर्तकानां भागानां निर्मितीं तथा संयोजनं सरलं करोति, यस्मिन् कु-बान्द्-निर्माणं प्रदर्शितम् अस्ति, यस्मिन् १२.६-१८.२५ गीगाहर्ट्स्-बान्द्-संपूर्णः कु-बान्द् समाविष्टः अस्ति । प्रयोगादिप्रारम्भिकरूपेण प्रतिपादनप्रदेशे 28 डीबी-पेक्षा अधिकं प्रतिगमनं, तथा च 0.15 डीबी-पेक्षा न्यूनं प्रविशति-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षय-क्षयक्षय-क्षयक्षय-क्षयक्षय-क्षयक्षयक्षयक्षय-क्षयक्षयक्षयक्षयक्षय-क्षयक्षयक्षयक्षयक्षय-यक्षयक्षयक्षयक्षय |
db3259ae9e7f18a319cc24229662da9bf400221a | |
10dae7fca6b65b61d155a622f0c6ca2bc3922251 | |
5021c5f6d94ffaf735ab941241ab21e0c491ffa1 | MSER-संयोजनानि पुनः परिभाषिताः सन्ति, येन तेषां कार्यसम्पादनं सुदृढं भवेत् । प्रस्तावितस्य सिम्सेरस्य लक्षणानि (यथा- न केवलम् (MSERs) किमपि परिवर्तनं भवति, किन्तु तस्मिन् अपि प्रतिमायाः पुनः परिमाणं (स्लीपिंग) भवति । एतस्य संशोधनस्य सैद्धांतिकलाभानां चर्चा क्रियते । तयोः प्रयोगाः पूर्वमेव प्रमाणं ददति यत् एतादृशपरिवर्तनं MSER-णां मूलभूतगुणानां संरक्षणं करोति, यथा - एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एवम्+ एव विशेषरूपेण, बेन्चमार्क डाटासेटस् मध्ये प्राप्ताः परिणामः वर्णक-आधारिताः मिलनं तथा शब्द-आधारिताः मिलनं यावत्, यादृश-मूल्यानां महत्वपूर्णं वृद्धिं दर्शयति । सामान्यतया, सिमसरः विशेषतया विशालं दृश्यशब्दावलीयुक्तं प्रयोगं कुर्वन्ति, यथा - तयोः उपयोगः भविष्यतः भवति, येन वृहत्-आधारस्य डाटाबेस्स् मध्ये बोड-अर्थ-पूर्व-उपलब्धि-कार्यस्य गुणात्मकता वर्धयितुं शक्यते । |
e23c9687ba0bf15940af76b7fa0e0c1af9d3156e | उपभोग्य-इलेक्ट्रोनिक्स-उद्योगः $240 बिलियन-मूल्यस्य वैश्विक-उद्योगः अस्ति, यत्र अल्पसंख्यायाः अति-प्रतिस्पर्धात्मकः वैश्विक-अभिनयिनः सन्ति । अस्मिन् उद्योगे विश्वव्यापी पुरवठाश्रयाणां अनेके जोखिमानि वर्णितानि। उदाहरणार्थं, सामसुङ्ग इलेक्ट्रोनिक्स-संस्थायाः तथा अस्य सहायकसंस्थायाः सामसुङ्ग इलेक्ट्रोनिक्स यू.के. इत्यस्य कृते ये कदमः उपयुज्यमानाः सन्ति, ते एतेषां जोखिमानां निवारणार्थं उपयुज्यमानाः सन्ति । अस्मिन् विषये अस्मिन् लेखे जोखिमानां वर्णनं, तथा तात्पर्यनिवारणप्रयत्नां उदाहरणं च भविष्यत्कालस्य अनुसंधानस्य क्षेत्रेषु निर्दिष्टं पार्श्वभूमिकाम् उपलभ्यन्ते । |
2f52cbef51a6a8a2a74119ad821526f9e0b57b39 | SAP HANA डाटाबेसः SAP HANA Appliance-स्य केन्द्रं भवति, येन जटिलव्यापारविश्लेषणप्रक्रियाः, लेनदेन-समन्वितकार्यक्रमाणां सह सहकार्याणि कर्तुं शक्यते। अस्मिन् लेखे, वयं SAP HANA डेटाबेस्-संस्थानाम् मूलभूतविशेष्यकानां विवरणं करिष्यामः, अन्यशास्त्रीयसम्बन्धात्मक डाटाबेस्-प्रबन्धनप्रणालीभ्यः SAP HANA डाटाबेस्-संस्थानाम् भिन्नतायाः विशिष्टविशेष्यकानां विषये प्रकाशयितुं। तान्त्रिकदृष्ट्या SAP HANA डाटाबेसः बहुविधं डाटा प्रोसेसिंग इन्जिनं विभज्यते, यस्मिन् वितरितः क्वेरी प्रोसेसिंग वातावरणः अस्ति, येन डाटा प्रोसेसिंग-स्य पूर्ण-प्रदर्शनं भवति - क्लासिकल रिलेशनल डाटा-भ्यः, यानि रङ्गेषु स्तम्भ-आधारितौ भौतिक-प्रदर्शनौ समर्थयन्ति, ग्राफ-पाठ-प्रक्रियायां, अर्ध-असंरचित-डाटा-प्रबन्धनार्थं, एकस्मिन् प्रणालीयां। अधिकः अनुप्रयोग-उन्मुखः परिप्रेक्ष्यः, अस्मिन् SAP HANA-संरचना-सूत्रेण बहु-क्षेत्र-विशिष्टभाषाणां विशिष्ट-सहायता प्रदत्तम् अस्ति, येन अन्तर्निर्मित-सङ्ख्यायाः मूलतः कार्यान्वितानि व्यवसायिकानि कार्याणि सन्ति । SQL - यथा सम्बन्धिक डाटाबेस सिस्टम्स् - इत्यस्य भाषायाः सर्वकारेण सह सम्बद्धं भवति, अतः अद्यतनप्रयोगानां सर्वेषां आवश्यकतां पूरयितुं न शक्यते, यैः डाटा व्यवस्थापनस्तरस्य सह घनिष्ठं अन्तर्क्रियाम् अपेक्षते। अतः SAP HANA-संरचनालयः अन्तर्निहितं डाटा-प्रबन्धन-पटलम् उपयुज्य अनुप्रयोग-शब्दार्थशास्त्रस्य विनिमयम् अनुमन्त्रयति, यस्मात् क्वेरी-प्रकटीकरणं वर्धयितुं तथा व्यक्तिगत-अनुप्रयोग-संरचनालय-संरचनालय-सङ्ख्यां घटयितुं शक्यते । |
3a011bd31f1de749210b2b188ffb752d9858c6a6 | अस्मिन् विषये निर्णयसहायतायाः सुविधायाः विस्तारः महतीं परिष्कृतजालानां प्रति भवति, येषु बहुआयामिक-गुणानि जाल-सम्बद्धानि संस्थाः सन्ति, येन बहुआयामिक-जालानि इति कथयितुं शक्यते। डाटा वेयरहाउस-प्रौद्योगिकी च ओएलएपी (ऑनलाइन एनालिटिकल प्रोसेसिंग) प्रविधिः संबंधात्मक-तदन्त्रे निर्णयाय साहाय्यार्थं प्रभावशाली साधनं सिद्धम् अभवत् । तथापि, नव-अपि महत्त्वपूर्ण-बहु-आयामिक-जालानां व्यवस्थापनार्थं ते सुसज्जितं न सन्ति। अस्मिन् लेखे ग्राफ क्युब्-नाम् नवीनं डाटा वेयरहाउसिङ्ग-आदर्शं प्रस्तूयते, यं ओएलएपी-प्रश्नं बहुआयामिक-जालानां प्रभावकारिणया समर्थयति । नेटवर्कस् य गुणसंश्लेषणं तथा संरचनायाः सारांशं सम्यक् अवलम्ब्य ग्राफ क्यूबः पारम्परिकं डाटा क्यूबम् प्रतिरूपं विहाय केवलं संख्यात्मक-मूल्य-आधारितं समूह-द्वारा-संश्लेषणं करोति, अतः अधिकं ज्ञानयुक्तं तथा संरचना-समृद्धं समग्रं नेटवर्कम् प्रत्येकं बहु-आयामिक-स्थानं सम्भावयति । पारम्परिकं घनप्रकारं क्वेरीं कृत्वा, ओएलएपी क्वेरीनां नूतनं वर्गं क्रॉसबोइडं प्रवर्तते, यं बहुआयामिकजालानां कृते विशेषेण उपयोगीं भवति, यं पूर्वं अध्ययनं न कृतम् आसीत् । ग्राफ क्युब्-आकारस्य प्रयोगे बहुआयामिक-जालस्य विशिष्ट-लक्षणानि विद्यमान-अविद्या-युक्त-प्रविधिभिः सह संयोजयित्वा, ग्राफ क्युब्-आकारं प्रवर्तयितव्यम्। अस्मिन् विषये वयं बहुविधं प्रयोगं कुर्वन् अस्मद् जगतः तथ्याङ्कानां शृङ्खलायाः प्रयोगं कुर्वन् अस्मः, ग्राफ् क्युब् च महत् बहुआयामिक-जालानां निर्णयसहाय्यार्थं एकं सामर्थ्यं च कुशलं साधनं वर्तते। |
4b573416043cf9cff42cbb7b753993c907a2be4a | अनेके पारंपरिक-नवीनव्यापारिक-प्रयोगाः स्वभावेन ग्राफ-संरचित-तदर्थे डाटा-प्रबन्ध-स्तरात् ग्राफ-अवधारण-कार्य-प्रणालीभ्यः लाभं लभन्ति । गुणग्राह-आकारस्य डाटा-आकारः न केवलं योजनायाः लचीलापनं ददाति, अपितु डाटा-आकारस्य मेटाडाटा-आकारस्य च संयुक्त-प्रबन्धन-प्रक्रियायाः अपि अनुमतीं ददाति । सामान्यं ग्राफक्रियां प्रत्यक्षं डाटाबेस-इञ्जिन-मध्ये प्रवर्तयित्वा, तथा च तेषु सहज-संज्ञक-प्रोग्राम्मिङ्ग-इण्टरफेस-रूपेण, तथा च घोषणा-भाषायाम् अपि प्रदर्शयित्वा, जटिलं व्यावसायिक-अनुप्रयोग-तर्कम् अधिक-असरं च व्यक्तं कृत्वा, अत्यन्त-कार्यक्षमतया च निष्पादयितुं शक्यते । अस्मिन् लेखे वयं SAP HANA डाटाबेसस्य विस्तारार्थं आगतं कार्यम् वर्णितवन्तः। अस्मिन् विषये, SAP HANA सह अद्यतनव्यापारप्रयोगेषु दक्षं तथा सहजं डाटाप्रबन्धनप्लटफर्मं प्रदत्तुं वयं अग्रे कदमम् एव विलोक्यमः। |
16af753e94919ca257957cee7ab6c1b30407bb91 | |
cc75568885ab99851cc0e0ea5679121606121e5d | कार्यकुत्राणां प्रशिक्षणं च महत्प्रक्रिया भवति, विशेषज्ञानाः च आवश्यकताः अपि भवति। कमः स्वार्थः, कमः खर्चः च प्रशिक्षणस्य तन्त्रं न केवलं अस्मिन् कुत्राः सह अस्मिन् साझेदारीयां सुधरेत्, अपितु अस्मिन् कुत्राः कौशल्यस्य अधिकं लाभः प्राप्तुं अपि अस्मान् समर्थं करोति। अस् य सुगमयितुं, कुत्राणां प्रशिक्षणं अधिकं सटीकं कर्तुम्, कुत्राणां शरीर-क्षेत्र-जालम् (cBAN) निर्मितम् , येन संवेदनायाः प्रविधिः कम्प्युटरेटिभ् यः मॉडलिन् ग् या सह मिलित् वा कुत्राणां प्रशिक्षणं कर्तुम् शक् नोति। अस्मिन् प्रथमं चरणं कुत्राणां व्यवहारिकक्रियायाः दूरस्थं अवलोकनं कर्तुम् इनेरशियल मापन इकायाः (आईएमयू) उपयोगः कृतः। निर्णयवृक्षवर्गीकरणं तथा गुप्त मार्कोव-आदर्शं च स्थिरावस्थां (उपविष्टं, उभे, निपातितं, द्विपादं च भूयात् भोजनं च) तथा गतिशीलक्रियां (चलनं, सीढिर् आरोहणं, रम्पेन निपातनं च) कुत्रादिषु जलेषु विद्यमानस्य वायल्लेस-संवेदन-प्रणालीयाः द्रुतगतिमापकस्य तथा ज्योरस्कोप-मापकस्य च डेटायाः आधारात् अवलोकयितुं प्रयुक्तम् । ६ लेब्राडोर रेट्रीवर्स् च काई केनस् च डाटाः प्राप्ताः। IMU-स्थानस्य च अभिमुखतायाः विश्लेषणं स्थिर-गतिशील-क्रियायाः अनुज्ञायाः उच्च-वर्गीकरण-सटीकतायाः प्राप्तेः साहाय्यं कृतम् । |
694a40785f480cc0d65bd94a5e44f570aff5ea37 | मोबाइल-रोबोट् नेविगेशनस्य अनुसंधानं आन्तरिक-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहा यद्यपि ग्रिड-आधारित-विधिभिः सटीकानि मेट्रिक-नकाशानि निर्मिताः सन्ति, तथापि तेषां जटिलता बहुधा महत्-आकारस्य आन्तरिक-परिवेशेषु कुशल-योजनायाः समस्या-समाधानस्य च निषेधं करोति । अन्येषां तु स्थूलसूत्रेषु नकाशानां उपयोगः अधिकः भवति, तथापि सङ्गमस्थूलसूत्रेषु नकाशानां प्रयोगः महत् कठिनः भवति। अस्मिन् लेखे एकं दृष्टिकोणं वर्णितम् यत् द्वयोः परिदृश्ययोः एकीकरणं करोति: ग्रिड-आधारितः, टोपोलॉजिकलः च। ग्रिड-आधारितानि नक्शाः कृत्रिम-संयन्त्रानि (आर्टिफिशियल न्यूरल नेटवर्क) बेयसीयन-एकीकरणानि च उपयुज्यैव सिध्यन्ति । स्थूलसूत्रेषु नकाशानि ग्रिड-आधारितानि नकाशानि उपरि निर्म्यन्ते, यानि च समन्वितप्रदेशान् प्रति विभाजयेत्। अत्र प्रस्तुतम् दृष्टिकोणं द्वयोः परिदृश्ययोः संयोजनं कृत्वा - ग्रिड-आधारितं, स्थूल-आधारितं च - दुवयं श्रेष्ठं प्राप्नोति: सटीकता/समन्वयः, कार्यक्षमता च। अस्मिन् लेखे, बहु-कक्ष-स्थानेषु, जनसङ्ख्यायाः अतिसङ्ख्यया स्थितेषु स्थानेषु, सोनर-संवेदनेन युक्तं एकं चलतीयं यन्त्रं स्वयमेव कार्यकर्तुं यन्त्रस्य परिणामं ददाति। |
a512385be058b1e2e1d8b418a097065707622ecd | विश्वव्यापी कर्करोगाः भारः अधिकाः वर्धते, यतः विश्वस्य जनसंख्या वृद्धिरस्ति, विशेषतया धूमपानं, आर्थिकदृष्ट्या विकासशीलदेशेषु कर्करोगाः वर्धन्ते। २००८ तमे वर्षे ग्लोबोकान् २००८-अन्तर्गतस्य अनुमानानुसारं १२.७ मिलियनानां कर्करोगाणां सङ्ख्या, ७.६ मिलियनानां कर्करोगाणां मृत्युः च अभवत् । स्तनकर्करोगः सर्वाधिकः निदानं कर्करोगः, तथा च स्त्रीणां मध्ये कर्करोगात् मृत्युः प्रवर्तते, यतो हि अस्य रोगस्य 23% एव सर्वेषां कर्करोगाणां रोगाः सन्ति, तथा 14% कर्करोगात् मृत्युः च भवति । पुरुषानां मध्ये कर्करोगस्य अग्रणी स्थानं श्वसनकर्करोगः अस्ति, यस्मिन् १७% नवकर्करोगाः सन्ति, २३% च कर्करोगात् मृत्युः भवति । स्तनकर्करोगः इदानीं आर्थिकदृष्ट्या विकासशीलदेशानां स्त्रियां मध्ये कर्करोगेण मृत्युः कर्तुं प्रमुखः कारणः अस्ति, यत् पूर्वं दशकाब्दे गर्भाशयपित्तकस्य कर्करोगेन मृत्युः अधिकः आसीत् । अपि च, विकसनशीलदेशानां स्त्रियां मध्ये लङ्ग-कान्सरस्य मृत्युः गर्भाशय-नलिका-कान्सरस्य मृत्यु-भारः अपि उत्तमः अस्ति, उभयतः स्त्रियां मध्ये कर्करोग-मृत्युः ११% एव भवति । यद्यपि विकासशीलदेशानां मध्ये समग्रं कर्करोगादिप्रसङ्गाः विकसितदेशानां मध्ये उभयलिङ्गानां मध्ये द्रष्टव्याः अर्धं एव, तथापि समग्रं कर्करोगादिमृत्युदरं सामान्यतया समानम् अस्ति । विकसनशीलदेशेषु कर्करोगाः अधिकतरं न लभन्ते, यतः रोगस्य निदानं विलम्बितरूपेण भवति, एवं समयानुसारेण एवं मानक-चिकित्सायाः अपि अभावात् । विश्वव्यापीः कर्करोगाः महत् भागः कर्करोगस्य नियन्त्रणस्य विद्यमानानां ज्ञानानां उपयोगेन, तंबाकू-नियन्त्रणस्य, टीकाकरणस्य (यकृत-कण्ठरोगस्य, गर्भाशय-नलिका-कान्सरस्य), आरम्भिक-निदानस्य च उपचारस्य, शारीरिक-क्रियायाः, स्वस्थ-आहारस्य च प्रचारार्थं जनस्वास्थ्य-प्रचारस्य च कार्यक्रमानां कार्यान्वयनेन निरोधः कर्तुं शक्यते। क्लिनिक-वैद्य-जन-स्वास्थ्य-विद्येषु नीति-निर्मातासु च विश्वव्यापी-रूपेण एतानि तन्निराकरणाय त्वरितं कार्यं कर्तुं शक्नुवन्ति । |
37fa040ec0c4bc1b85f3ca2929445f3229ed7f72 | अस्मिन् विषये स्केच-आरएनएन-नामकम् एकं पुनरावर्ती तंत्रिकाजालम् (RNN) प्रस्तुतम् अस्ति, यं सामान्यवस्तुनां रेखाचित्रानां निर्माणं कर्तुं शक्नोति। अस्य प्रतिरूपस्य प्रशिक्षणं सहस्रशः क्रूड-मानव-चित्रित-चित्रैः क्रियते, ये शतशः वर्गस्य प्रतिनिधित्वं कुर्वन्ति । अस्मिन् विषये सशर्त-असशर्त-अवधारणस्य रचनायाः रूपरेखा दीयते, तथा वेक्टर-स्वरूपे समन्वित-अवधारणस्य रचनायाः निर्माणस्य नूतनानि सुदृढानि प्रशिक्षणविधिः वर्ण्यन्ते । |
a1a1c4fb58a2bc056a056795609a2be307b6b9bf | मेघ-संग्रहणम् शीघ्रमेव बहुषु सूचनाप्रविधिसंरचनासु आधारशिला अभवत्, यतो हि सः बहु-सङ्ख्यकानां डाटा-सम्बद्धाणां बैकअप-कार्यक्रमाणां, समक्रमण-कार्यक्रमाणां, आदान-प्रदानस्य च एकं निर्बाधं समाधानं भवति। तथापि, क्लाउडसेवाप्रदातेषु प्रयोक्तृदत्तस्य प्रत्यक्षनियन्त्रणस्य प्राधान्यं ददाति, बाह्य-उपक्रमस्य डाटायाः अखण्डता, संवेदनशीलसूचनायाः आकस्मिकं वा जानबूझकरं लीकः, प्रयोक्तृ-कार्यक्रमाणां प्रोफाइलिङ् इत्यादयः सुरक्षा-गोपनीयता-विषयाः चिन्ताः उत्पद्यन्ते । अपि च, यदि क्लाउड प्रदाता विश्वसनीयः अस्ति तर्हि बाह्यकर्तृकानां फाइलानां उपयोगं कुर्वन्तः प्रयोक्तारो दुर्भावनायुक्ताः कदाचित् कदाचित् च दुर्व्यवहारं कुर्वन्ति । ये चिन्तायाः विशेषतया संवेदनशीलप्रयोजनेषु यथा- व्यक्तिगतस्वास्थ्यप्रमाणपत्रेषु तथा क्रेडिट स्कोर्स् प्रणालीषु अतिमहत्त्वम् अस्ति । अस्मिन् विषये गोरम-नामके क्रिप्टोग्राफिक-प्रणालीः प्रस्तूयते, यया बहिःस्थानादि-प्रमाणानां गुप्ततायाः च सुरक्षाः भवति, अविश्वसनीय-सेवकाणां तथा दुर्भावनायुक्त-ग्राहकानां कृते, तथैव तथ्यानां अभिगमनायाः गुमनामतायाः तथा अनलिङ्क्-सम्बन्धस्य गारन्टीः भवति, तथा च डाटा-स्वामीभ्यः अन्य-ग्राहकानां कृते बहिःस्थानादि-प्रमाणानां साझाकरणं कर्तुम् अनुमतीं ददाति, तेषां कृते च्छिन्नरूपेण पठन-लेखन-अनुमतिं ददाति च। गोरम एव प्रथमः एव प्रणाली बाह्य-संरक्षणस्य कृते इत्येतत् विस्तृतं सुरक्षा-अनिवार्यता-सम्पत्तिं प्राप्तवान् । कार्यक्षमनिर्माणस्य प्रक्रमेण वयं द्वौ नूतनौ, सर्वसाधारणतया प्रयुज्यमानाः गुप्तकरणप्रणालयो विकसितवन्तः, अर्थात्, शफलस्य नपुंसक-ज्ञानस्य प्रमाणं, चमेलेन हस्ताक्षरे आधारीकृतं उत्तरदायित्वप्रणालयो, यानि वयं स्वतन्त्राः स्वार्थिनः मन्यन्ते। अस् माभिः अमेजन् एलिस् ट् कम् पुट क् लाउड् (एम् पुट् कम् पुट क् लाउड्) (ई सी २) इत्यस्मिन् गोरम् अवस्थितम् । अस् माभिः कार्यसम्पादनस्य स्केलबिलिटीः कार्यक्षमता च प्रदर्शिता । |
32527d9fcbfb0c84daf715d7e9a375f647b33c2c | |
269ed5ba525519502123b58472e069d77c5bda14 | अन्तर्क्रियात्मकप्रश्न-उत्तरप्रणाली (क्यूए) प्रायः अनवधानिक (अपूर्ण) प्रश्नां सामना करोति । ये नानार्थकप्रश्ने स्युः, यदि वार्तालापस्य परिचयः न भवेत् तर्हि प्रणालीयाः अर्थः न भवति । अतः अपूर्णप्रश्नस्य प्रसंस्करणार्थं प्रणाली वार्तालापस्य प्रसङ्गं विचारयितुम् आवश्यकी भवति । अस्मिन् कार्ये, वयं पुनरावर्ती न्यूरल नेटवर्क (RNN) आधारित एनकोडर-डिकोडर-नेटवर्कम् प्रस्तुतवन्तः, यत् अपूर्ण प्रश्न-संवाद-सम्बन्धि-सन्दर्भं प्राप्य पूर्णं (अभिप्रेतम्) प्रश्नं निर्मातुम् शक्नोति । आर.एन.एन. एन्कोडर-डिकोडर-जालानि लक्ष-लक्ष-वाक्य-समवेत-सङ्ग्रहेषु प्रशिक्षिताः सन्ति, तथापि एतद्-अवसरस्य वार्तालाप-तदर्थान् प्राप्तुं अति-कठिनम् अस्ति । अतः अस्मिन् मूलप्रश्ने द्वयोः पृथक् सरलीकृतप्रश्नेषु विघटनं प्रस्तावयति, यत्र प्रत्येकं समस्या एकां अमूर्तविषये केन्द्रितमस्ति। विशेषरूपेण, वयं अर्थविशिष्टा अनुक्रमिकायाः प्रतिरूपं सिद्धांशाय प्रतिरूपं, तथा वाक्यार्थविशिष्टा अनुक्रमिकायाः प्रतिरूपं च भाषायाः प्रतिरूपं सिद्धांशाय प्रतिरूपं शिक्षयाम। अस्मिन् विषये, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च। अस्मिन् मॉडले ३०.१५ इत्यस्य BLEU स्कोरः प्राप्तः, १८.५४ इत्यस्य तुल्यम्, यत् मानक RNN एन्कोडर-डिकोडर-मॉडलस्य उपयोगे प्राप्तम् । |
27099ec9ea719f8fd919fb69d66af677a424143b | विचार-तर्किक-अनुकूलात्मक-नियन्त्रणम् (एक्टी-आर; जे. आर. एन्डरसन & सी. लेबिरे, १९९८) अनेकेषु माड्यूलस् य रचनायां सिद्धान्तः उत्पद्यत, किन्तु एते माड्यूलस् य एकीकरणं कृत्वा समन्वितसंज्ञायाः उत्पादनं अपि स्पष्टं भवति । ए.सी.टी.आर. इत्यस्य विशेषप्रणालीनां उदाहरणानि एव अवधारण-मोटोरियम्, लक्ष्य-मोटोरियम्, घोषणा-स्मृति-मोटोरियम् च सन्ति । एतेषु विभागयोः पृथक् पृथक् प्रादेशः सन्ति। इमे माड्यूलः बफरमध्ये खण्डं स्थापयन्ति यत्र ते बफरमध्ये सूचनायाः स्वरूपं प्रति प्रतिक्रियां ददाति उत्पादनप्रणालीद्वारा अवलोकयितुं शक्नुवन्ति । एकस्मिन् स्थले वर्तमानसूत्रे प्रतिपादितं एकं उत्पादननियमं विवक्षितम् अस्ति । उपसंकेतकप्रक्रियायाः उपयोगः अग्निना नियमानां चयनं तथा कस्यचित् मॉड्यूलस्य आन्तरिकक्रियाणां मार्गदर्शनार्थं भवति । बहुषु शिक्षासु एते उपसंकेता प्रक्रियाः परिमार्जितानि भवन्ति । एतेन सूत्रेण च कार्यम् क्रियते इति दर्शयितुं अनेकानि सरलानि च जटिलानि अनुभवात्मकानि उदाहरणानि वर्णितानि। |
6fdbf20f50dfd6276d9b89e494f86fbcc7b0b9b7 | अस्मिन् प्रकरणे, 2×2 सूक्ष्म-धातु-धातु-धातूनां उप-धातूनां द्वारे विद्यमानः नवीनः विद्युतीय-अनुगमन-अन्टेना-सूत्रः निर्मितः। प्रत्येकं उप-सङ्ख्यायां काल-क्रम-चरण-भारणम् कृत्वा, परिणामी एका-चैनलस्य आउटपुटात् प्रत्येकं उप-सङ्ख्यायां व्याप्तिः चरण-वर्णः च प्राप्तुं शक्यते । प्रत्येकं पदान्ते विद्यमानस्य व्याप्तिः, चरणः च डिजिटल सिग्नलप्रक्रियाद्वारा योग-भेद-प्रकाशन-रूपस्य निर्मातुं उपयोगः कर्तुं शक्यते । एकविद्युत्प्रणालीयाः तुल्यरूपेण आरएफ-प्रमाणकस्य प्रयोगः न भवति, तथा च प्राप्ति-प्रणालीयाः संख्या ३-१-अपि भवति । एकं प्रूफ-ऑफ-कन्सेप्ट-प्रोटोटाइपं निर्मितं परीक्षितम् च । मापनं प्रतिफलः प्रस्तावितस्य योजनायाः वैधतायाः लाभस्य च पुष्टिम् अकरोत् । नलसंशोधनस्य प्रक्रियाः प्रदत्तः अस्ति। |
3701bdb05b6764b09a5735cdc3cb9c40736d9765 | अस्मिन् अधः स्टोकास्टिक एसिन्क्रोनस प्रोक्सिमल अल्टर्निन्ग लिनेरियस्ड मिनिमिमेशन (SAPALM) इति पद्धतिः प्रवर्तते, यस् य उपयोगेण नॉन-कन्वेक्स, नॉन-स्मूथ ऑप्टिमाइजेशन समस्याः हलन्तुं शक्यते। SAPALM प्रथमः असिन्क्रोनस-समान-अनुकूलन-विधिः अस्ति, यः प्रमाणरूपेण नान-कन्वेक्स-असमान-समस्यानां विशालवर्गस्य समीपगच्छति । अस्मिन् विषये SAPALM-प्रकरणं समकालिक-असमकालिक-प्रकरणानां मध्ये सर्वप्रसिद्धं समवर्गं प्रति लभते इति वयं प्रमाणं दातुं शक्नुमः । अस्मिन् विषये, अयम् उपरि-सीमाम् उपदिशति यत् कर्मिणः संख्यायाः विषये, येषु वयं रेखाङ्कित-गतिवर्धनम् अपेक्षयामः, ये तु कमतर-विघ्न-प्रश्नां कृते ज्ञात-सर्वोत्तम-सीमायां समं गच्छन्ति, तथा च प्रदर्शयति यत् व्यवहारतः SAPALM इत्यनेन रेखाङ्कित-गतिवर्धनम् प्राप्नोति । अस्मिन् अनेकेषु मैट्रिक्स-विभाजनप्रश्नेषु अत्याधुनिकप्रदर्शनं प्रदर्शितम् । |
5cd28cdc4c82f788dee27cb73d7d9280cf9c7343 | अस्मिन् लेखे हवाईचित्रानां उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उपरि उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप उप प्रत्येकं हवाईचित्रस्य ज्यामितीय गुणं तथा रङ्गविभाजनं सङ्केतुं एकं क्षेत्रसमीपग्राह (Region Adjacency Graph) (RAG) निर्मितं, वयं हवाईचित्रस्य श्रेणीसंज्ञां RAG-to-RAG मिलनं रूपेण प्रदत्ताः। ग्राफसिद्धान्तस्य आधारेण RAG-to-RAG मिलनम् तेषां सर्वेषां ग्राफलेटानां मिलनद्वारा क्रियते । ग्राफलेट-सम्बद्धप्रक्रियायाः प्रभावस्य प्राप्तिः, वयं विविध-आकारस्य ग्राफलेट-सम्बद्ध-सम्बद्ध-अल्गोरिदमस्य विकासं कुर्मः, येन समान-लम्बाय गुण-वेक्टरान् प्रति ग्राफलेट-सम्बद्ध-सम्बद्ध-सम्बद्धानि भिन्न-आकारस्य ग्राफलेट-सम्बद्धानि वेक्टरानि कर्नेल-सम्बद्धानि कर्तुं शक्नुमः। अस्य कर्नलस्य उपयोगः एव्.वी.एम. [8] वर्गीकरणकर्तृकस्य प्रशिक्षणार्थं एव भवति। प्रयोगाः परिणामः अस्मिन् पद्धतिरेकस्य अत्याधुनिकस्य वस्तु-दृश्य-पदं प्रतिपादयितुम् मॉडेलस्य प्रदर्शनं दर्शयति । |
b2dac341df54e5f744d5b6562d725d254aae8e80 | अस्मिन् अध्ययने सार्वजनिकरूपेण मुक्तं डाटा-सैट् संयोजयितुं एकीकरणार्थं मुक्तं MATLAB टूलबक् सम् उद्दिष्टम् अस्ति । इदम् दश जनानाम् उपलभ्यमानानि मानवक्रियायाः डाटासैटस् य त्वरमापकस्य सिग्नलान् सुलभतया उपलभ्यन्ते । डाटासेटः सुलभः अस्ति यतः OpenHAR-संस्थाने सर्वे डाटासेटः एकस्मिन् स्वरूपे सन्ति । अपि च, इकायाः, मापनक्षेत्रस्य, लेबलिः च एकरूपेण, शरीरस्थाने स्थितेः आईडीः च। अपि च, भिन्न-भिन्नानां नमुना-योगानां डाटा-समूहानां एकीकरणं घट-नमुनाकरणेन क्रियते । तथैव, दृश्यमानानि त्रुटयः, यथा-सन्सेन्सरस्य दिशाभ्रमः, ज्ञातुं डाटासेटस् दृश्यमानतया निरीक्षणीयः कृतः। OpenHAR इत्यनेन इमे दोषः परिष्कृत्य डाटासैट्स् पुनः प्रयोज्यम् वर्धते । ओपेनहार्-ग्रन्थेषु ६५ मिलियन-मात्राणि लेबलानि सन्ति । अयं त्रि-आयामिक-गतिगति-मापकानां २८०-घण्टाणां डाटायाः समतुल्यः अस्ति । अत्र २११ जनाः १७ दैनन्दिनक्रियाः कुर्वन् १४ भिन्नशरीरस्थितिसंस्कारेषु सेन्सरं परिधानं कुर्वन् आगतवन्तः । |
7347b4601078bd52eec80d5de29f801890f82de3 | एकं गयसेल्-संयुक्तं ब्रॉडबैंड् संयोजक-विभाजकम् प्रस्तावितम्, प्रदर्शितम् च अस्ति । नवम् अवधारणम् एकम् अनुबन्धित-रेखा-विभागेन रचनायाम् अवलम्बितम् अस्ति । नानाप्रकारेण बण्डविड्थस्य लक्षणीयप्रवर्धनं भवति, तथा च न्यून-हानिः, सरल-निर्मित-प्रयोजनः, लचीलापनः च वर्धते। 2. 5-8 GHz (105% fractional bandwidth) divider सह 0. 1 dB divider loss, तथा 3.4-10.2 GHz (100% fractional bandwidth) 0. 2 dB divider loss सह युग्मित-गयसेल् प्रदर्शनं कृतम् । |
a05d984443d62575c097ad65b747aae859a5f8b0 | बालानां मनोसामाजिकविकासस्य विषये विडियोखेलानां प्रभावः अद्यापि वादस्य केन्द्रस्थः वर्तते । १९४ बालकाः (७.२७-११.४३ वर्षम्; पुरुषः ९८) द्वौ कालद्वयेषु एकवर्षस्य अन्तरात् गेम्स् क्रीडने तेषां आवृत्तिः, हिंसात्मकानि गेम्स् क्रीडने तेषां प्रवृत्तिः, (क) सहकारिण एव (ख) प्रतिस्पर्धात्मकं क्रीडने च, तथैव, मातापितरौ स्वबालानां मनोसामाजिकस्वास्थ्यस्य विषये प्रतिवेदनं दत्तवन्तः । समयः १ क्रीडायाः कारणं भावनायाः समस्याः वर्धन्ते। हिंसात्मकं गेम् इनं मनोसामाजिकं परिवर्तनं न कृतम् । सहकारिणम् क्रीडनं सामाजिकव्यवहारस्य परिवर्तनैः सह संबद्धं न आसीत् । अन्ततः, प्रतिस्पर्धात्मकं क्रीडनं सामाजिकव्यवहारस्य घटः सह संबद्धः आसीत्, किन्तु केवलं तेषु बालकेषु, ये विडियो क्रीडां उच्चतरतरं क्रीडन्ति स्म। अतः गेम्स् प्रवृत्तिः अन्तर्मुखीकरणस्य वृद्धिः, न तु बहिर्मुखीकरणस्य, ध्यानस्य, अथवा सहपादपानां समस्यायाः वृद्धिः, हिंसात्मक गेम्स् प्रवृत्तिः बहिर्मुखीकरणस्य समस्यायाः वृद्धिः च न आसीत्, तथा च बालकाः प्रति सप्ताहम् ८ घण्टां यावत् यावत् गेम्स् क्रीडन्ति, अतः प्रवृत्तिः प्रतिस्पर्धायाम् गेम्स् प्रवृत्तिः सामाजिकव्यवहारस्य घटस्य हेतुः जोखिम कारकः भवितुम् शक्नोति । अस् माभिः तर्कः कृतः यत् पुनरुत्पादनाय आवश्यकता अस्ति, भविष् यप्रसङ्गेषु गेम् स् क्रीडायाः विभिन् न रूपेषु अधिकं भेदः करणीयः, येन अधिकं सामान्यीकृतं ज्ञानं प्राप् नुयुः। |
5a47e047d4d41b61204255e1b265d704b7f265f4 | बृहदङ्गाः शब्दः सर्वत्र विद्यमानः अभवत् । विद्यालयेषु, उद्योगेषु च माध्यमेषु च समानः उद्भवः अस्ति अतः एकं एकरूपं परिभाषा नास्ति, अनेकान् हितधारकाः विविधानि, बहुधा परस्परविरोधीनि च परिभाषाः प्रददाति । एकस्य सुसंगतस्य परिभाषायाः अभावः अस्पष्टतायाः कारणं भवति, तथा बृहद-तदन्ताः विषये चर्चायां बाधाः अपि भवन्ति। अस्मिन् लघुपत्रे विभिन्नानि परिभाषाणि संकलितानि सन्ति, येषु किञ्चिद् अनुकरणं प्राप्तम् अस्ति, तथा अन्यत्र अस्पष्टः शब्दः स्पष्टः संक्षिप्तः च भवति । |
7065e6b496af41bba16971246a02986f5e388860 | संघटनस्य क्षमतायाः व्यवस्थापनं च सुधारेण अनेकेषु संस्थासु महत्वपूर्णं जटिलं च विषयं वर्तते । प्रबन्धस्य समर्थनार्थं च सुधारेण च सामान्यतया कार्यसम्पादनस्य मूल्यांकनं क्रियते । संस्थायाः क्षमतायाः आकलनं कर्तुं एकं मार्गम् परिपक्वता-जालानां माध्यमात् भवति । परिपक्वताजालानां संरचना समानं यद्यपि, तेषां सामग्री भिन्नं भवति, बहुधा ते नवं निर्मिताः भवन्ति। अयं ग्रन्थः परिपक्वतादिग्रन्थाणां विकासार्थं एकं संदर्भं तथा मार्गदर्शकं ग्रन्थं च प्रदत्तवान् अस्ति । एतदर्थं २४ विद्यमानानि परिपक्ववसूत्रानि पुनर्मूल्यानि कृत्वा तेषां विकासस्य मार्गदर्शिकाः च प्रस्तावयन्ति । परिपक्वता रेटिङ्-आधारणेषु संस्थागतपरिवर्तनस्य सम्मिलितानां अनुमानानां विषये विशेषः महत्वः प्रदत्तः। प्रस्तावितस्य कार्यसूचकेषु चत्वारः चरणः सन्ति - योजना, विकास, मूल्यांकन, तथा रखरखावः। प्रत्येकं चरणं विकासस्य निर्णयस्य विविधां बिन्दुषु चर्चां करोति, यथा प्रक्रियाक्षेत्रानां चयनं, परिपक्वतास्तरं, तथा वितरणविधिः। औद्योगिकप्रक्रियायां मार्गचित्रस्य उपयोगितायाः उदाहरणं प्रदत्तम् अस्ति । मार्गचित्रं विद्यमानानां दृष्टिकोणानां मूल्यांकनार्थं अपि उपयोगं कर्तुं शक्यते। अथ पेपरस्य समापने, व्यवस्थापनप्रथायाः अनुसंधानस्य च प्रभावः प्रस्तूयते । |
5dd79167d714ff3907ffbba102b8e6fba49f053e | अस्मिन् विषये अधोलिखितं कार्यम्, डिजिटल वायरलेस कम्युनिकेशन्स् मध्ये उच्चतर-बिट्-रेटस् दक्षतया उपयोज्यतया बैंडविड्थ् दानाय अन्तिम-सीमायाः मूलभूततया अवगताय, एवं च एतेषां सीमायाः समीपगमनं कथं सम्भवति इति विचारयितुम् आवश्यकम् अस्ति । अस्मिन् लेखे बहु-तत्त्व-सूत्रे (MEA) प्रविधिः, यया स्थानिक-आकारः (केवल-काल-आकारः न) प्रसंस्कृतः भवति, विशिष्ट-अनुप्रयोगेषु वायर्ड-विहीन-क्षमतायाः सुधारेण। अस्मिन् लेखे, मूलभूत सूचनासिद्धान्तस्य परिणामानि प्रस्तूयन्ते, ये MEAs-नाम् अनवाय् रेस् लान्-संजालानां उपयोगे, अनवाय् रेस् संचारसंपर्काणां निर्माणे च महान् लाभः भविष्यति। अस्मिन् विषये महत्वपूर्णं प्रकरणं विवक्षणीयम्, यदा प्रसारणकर्तृकस्य च्यानलविशेषणम् उपलब्धं न भवति, किन्तु प्राप्तकर्तृकः रेली-अपिङ्गस्य अधीनं विशेषणम् जानाति (अनुसन्धानं करोति) । समग्रं प्रसारितशक्त्य् निश्चित्य MEA-प्रौद्योगिकया प्रदत्तं क्षमतेः परिमाणं दर्शयति, एवं द्रष्टव्यम् यत् SNR-प्रमाणं वर्धयित्वा क्षमतेः परिमाणं प्रसारक-ग्राहकयोः कृते एण्टेनैर् एलिन्ट्-संख्येय-संख्येययोः कृते वृहत्, तथापि व्यावहारिकः भवति । अस्मिन् विषये अन्वेषणं कृतम् यत् रेलीघ्-प्रकाराः आन्तर्-अङ्गानां मध्ये विद्यमानानि मार्गानि विलुप्तानि सन्ति, अतः अस्मिन् विषये उच्चसंभाव्यतायाः कारणात् असाधारणः क्षमताः उपलब्धः अस्ति । शान्नोन-आदिः सूत्रं प्रयुक्तं यत्, शान्नोन-आदिः सूत्रं प्रति ३ डीबी सिग्नल-रुद्रोः अनुपातस्य (एसएनआर) वृद्धिः प्रति एकम् अधिकम् बिट्/चक्रं दर्शयति, तद्वत् एमईए-आदिभिः तुलनाः क्रियते, अतः एन-बिट्/चक्रं प्रति ३ डीबी-वृद्धिः प्रति एसएनआर-वृद्धिः लगभगम् एव भवति । लघु-एन-संख्येयानाम् अपि अपि इदम् क्षमतायाः महतायाः उदाहरणम् अस्ति, यथा-एन-२, ४, १६ इत्यनेन प्रकरणैः, ययोः औसतः प्राप्तः एसएनआर २१ डीबीः अस्ति । ९९% च्यानलानां प्रति चक्रं क्षमता ७, १९, ८८ बिट् इत्येतानि सन्ति, यदि n = १ अस्ति तर्हि ९९% स्तरात् प्रति चक्रं क्षमताः केवलम् १.२ बिट् इत्येतानि भवन्ति । यदि च्छिन्नं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रतिपदं प्रति 19 बिट्/चक्रं n = 4 इत्यनेन 4.75 बिट्/प्रतीकः/आकारः भवति, 88 बिट्/चक्रं n = 16 इत्यनेन 5.5 बिट्/प्रतीकः/आकारः भवति। चयनं च उत्तमसंयोगाः च यथा मानकप्रयोजनाः, अन्ततः यत् संभवति तदपेक्षया कमपि दृश्यते । ननु कोडेकानां आविष्कारः आवश्यकः अस्ति यत् प्रतिज्ञां कृतं विशाल क्षमतायाः विशालं भागं प्राप्तुं शक्नुयात् । |
4f911fe6ee5040e6e46e84a9f1e211153943cd9b |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.