_id
stringlengths 40
40
| text
stringlengths 0
12.9k
|
|---|---|
bdf67ee2a13931ca2d5eac458714ed98148d1b34 | ایک حقیقی وقت گھسنے کا پتہ لگانے کے ماہر نظام کا ایک ماڈل بیان کیا جاتا ہے جو کمپیوٹر کے غلط استعمال کے توڑنے ، دخول اور دیگر اقسام کا پتہ لگانے کے قابل ہے۔ ماڈل اس مفروضے پر مبنی ہے کہ سسٹم کے استعمال کے غیر معمولی نمونوں کے لئے سسٹم کے آڈٹ ریکارڈ کی نگرانی کرکے سیکیورٹی کی خلاف ورزیوں کا پتہ لگایا جاسکتا ہے۔ ماڈل میں میٹرکس اور شماریاتی ماڈلز کے لحاظ سے اشیاء کے حوالے سے مضامین کے رویے کی نمائندگی کرنے کے لئے پروفائلز شامل ہیں ، اور آڈٹ ریکارڈوں سے اس رویے کے بارے میں معلومات حاصل کرنے اور غیر معمولی رویے کا پتہ لگانے کے لئے قواعد۔ یہ ماڈل کسی خاص نظام، ایپلی کیشن ماحول، سسٹم کی کمزوری یا گھسنے کی قسم سے آزاد ہے، اس طرح ایک عمومی مقصد گھسنے کا پتہ لگانے کے ماہر نظام کے لئے ایک فریم ورک فراہم کرتا ہے۔ |
eeb1a1e0cab8d809b5789d04418dc247dca956cc | لی ، اسٹولفو ، اور موک نے پہلے ہی مداخلت کا پتہ لگانے کے لئے علم حاصل کرنے کے لئے کان کنی کے آڈٹ ڈیٹا کے لئے ایسوسی ایشن کے قواعد اور تعدد کے واقعات کے استعمال کی اطلاع دی ہے۔ ایسوسی ایشن کے قواعد اور فجی منطق کے ساتھ تعدد کے واقعات کو ضم کرنے سے گھسنے کا پتہ لگانے کے لئے زیادہ تجریدی اور لچکدار نمونہ پیدا ہوسکتا ہے ، کیونکہ گھسنے کا پتہ لگانے میں بہت ساری مقداری خصوصیات شامل ہیں اور سیکیورٹی خود ہی دھندلا ہے۔ ہم ماؤنٹ فجی ایسوسی ایشن کے قواعد کے لئے پہلے سے ہی رپورٹ کردہ الگورتھم کی ایک ترمیم پیش کرتے ہیں، فجی تعدد ایپیسوڈ کے تصور کی وضاحت کرتے ہیں، اور ماؤنٹ فجی تعدد ایپیسوڈ کے لئے ایک اصل الگورتھم پیش کرتے ہیں. ہم نے ایک ڈیٹا مثال دوسروں سے زیادہ شراکت سے روکنے کے لئے دھندلا ایسوسی ایشن قوانین کی کان کنی کے لئے طریقہ کار کو ایک normalization قدم شامل. ہم نے بھی دھندلا تعدد اقساط سیکھنے کے لئے کان کنی تعدد اقساط کے لئے طریقہ کار کو تبدیل. تجرباتی نتائج گھسنے کا پتہ لگانے میں فجی ایسوسی ایشن قوانین اور فجی تعدد کے واقعات کی افادیت کو ظاہر کرتے ہیں۔ مسودہ: انٹرنیشنل جرنل آف انٹیلجنٹ سسٹمز، جلد 15، نمبر میں شائع کردہ تازہ ترین ورژن. I، اگست 2000 3 |
0b07f84c22ce01309981a02c23d5cd1770cad48b | ٹیبل پارٹیشننگ ایک ٹیبل کو چھوٹے حصوں میں تقسیم کرتی ہے جس تک رسائی حاصل کی جاسکتی ہے ، ذخیرہ کی جاسکتی ہے ، اور ایک دوسرے سے آزاد برقرار رکھی جاسکتی ہے۔ استفسار کی کارکردگی کو بہتر بنانے میں ان کے روایتی استعمال سے ، تقسیم کی حکمت عملی ڈیٹا بیس سسٹم کی مجموعی انتظامی صلاحیت کو بہتر بنانے کے لئے ایک طاقتور طریقہ کار میں تیار ہوئی ہے۔ ٹیبل پارٹیشننگ انتظامی کاموں کو آسان بناتا ہے جیسے ڈیٹا لوڈنگ ، ہٹانا ، بیک اپ ، اعدادوشمار کی بحالی ، اور اسٹوریج کی فراہمی۔ استفسار زبان کی توسیع اب ایپلی کیشنز اور صارف کے سوالات کی وضاحت کرنے کی اجازت دیتی ہے کہ ان کے نتائج کو مزید استعمال کے لئے کس طرح تقسیم کیا جانا چاہئے۔ تاہم، استفسار کی اصلاح کی تکنیکوں کے استعمال اور ٹیبل تقسیم کے صارف کے کنٹرول میں تیزی سے ترقی کے ساتھ رفتار نہیں رکھا ہے. ہم اس خلا کو حل کرتے ہیں نئی تکنیک تیار کرتے ہیں تاکہ ایس کیو ایل سوالات کے لئے موثر منصوبے تیار کیے جاسکیں جس میں تقسیم شدہ میزوں پر ملٹی وے جوائن شامل ہوں۔ ہماری تکنیکوں کو نیچے سے اوپر تک کے استفسار آپٹیمائزر میں آسانی سے شامل کرنے کے لئے ڈیزائن کیا گیا ہے جو آج کل وسیع پیمانے پر استعمال میں ہیں۔ ہم نے پوسٹ گری ایس کیو ایل آپٹیمائزر میں ان تکنیکوں کی پروٹو ٹائپنگ کی ہے۔ ایک وسیع تشخیص سے پتہ چلتا ہے کہ ہماری تقسیم سے آگاہ اصلاح کی تکنیک ، کم اصلاح کے اوور ہیڈ کے ساتھ ، منصوبے تیار کرتے ہیں جو موجودہ اصلاح کاروں کے تیار کردہ منصوبوں سے بہتر مقدار کے آرڈر ہوسکتے ہیں۔ |
26d673f140807942313545489b38241c1f0401d0 | دنیا میں اور ہماری زندگیوں میں ڈیٹا کی مقدار میں مسلسل اضافہ ہوتا ہے اور اس کی کوئی حد نہیں ہے. ویکا ورک بینچ جدید ترین مشین لرننگ الگورتھم اور ڈیٹا پری پروسیسنگ ٹولز کا ایک منظم مجموعہ ہے۔ ان طریقوں کے ساتھ بات چیت کا بنیادی طریقہ کمانڈ لائن سے ان کو بلا کر ہے. تاہم، ڈیٹا کی تلاش کے لئے آسان انٹرایکٹو گرافیکل صارف انٹرفیس فراہم کی جاتی ہیں، تقسیم شدہ کمپیوٹنگ پلیٹ فارمز پر بڑے پیمانے پر تجربات قائم کرنے کے لئے، اور سٹریم ڈیٹا پروسیسنگ کے لئے ترتیب کو ڈیزائن کرنے کے لئے. یہ انٹرفیس تجرباتی ڈیٹا مائننگ کے لئے ایک اعلی درجے کی ماحول کا قیام. درجہ بندی وسیع ایپلی کیشنز کے ساتھ ایک اہم ڈیٹا کان کنی کی تکنیک ہے. یہ مختلف قسم کے ڈیٹا کی درجہ بندی کرتا ہے. یہ کاغذ REPTree، سادہ ٹوکری اور RandomTree درجہ بندی الگورتھم کی کارکردگی کا جائزہ لینے کے لئے کیا گیا ہے. اس مقالے میں ہندوستانی خبروں کے ڈیٹا سیٹ کے تناظر میں درجہ بندی کرنے والے REPTree ، سادہ کارٹ اور رینڈم ٹری کا تقابلی جائزہ لینے کا مقصد ہے تاکہ حقیقی مثبت شرح کو زیادہ سے زیادہ کیا جاسکے اور غلط مثبت شرح کو کم سے کم کیا جاسکے۔ پروسیسنگ کے لئے ویکا API استعمال کیا گیا تھا. ہندوستانی خبروں کے ڈیٹا سیٹ پر کاغذ کے نتائج سے یہ بھی ظاہر ہوتا ہے کہ رینڈم ٹری کی کارکردگی اور درستگی آر ای پی ٹری ، اور سادہ کارٹ سے بہتر ہے۔ کلیدی الفاظ- سادہ کارٹ ، رینڈم ٹری ، REPTree ، ویکا ، WWW |
6e633b41d93051375ef9135102d54fa097dc8cf8 | حال ہی میں "جماعت سیکھنے" میں بہت دلچسپی ہوئی ہے - ایسے طریقوں جو بہت سے درجہ بندی پیدا کرتے ہیں اور ان کے نتائج کو جمع کرتے ہیں. دو معروف طریقوں کو فروغ دینے (مثال کے طور پر، دیکھیں، Shapire et al.، 1998) اور بیگنگ Breiman (1996) درجہ بندی کے درختوں. فروغ دینے میں، مسلسل درختوں کو پہلے سے ہی پیشن گوئی کی طرف سے غلط طور پر پیش گوئی پوائنٹس کو اضافی وزن دیتا ہے. آخر میں، ایک وزن ووٹ کی پیشن گوئی کے لئے لیا جاتا ہے. بیگنگ میں ، متواتر درخت پہلے والے درختوں پر منحصر نہیں ہوتے ہیں۔ ہر ایک کو ڈیٹا سیٹ کے بوٹ اسٹراپ نمونہ کا استعمال کرتے ہوئے آزادانہ طور پر بنایا جاتا ہے۔ آخر میں، ایک سادہ اکثریت ووٹ کی پیشن گوئی کے لئے لیا جاتا ہے. Breiman (2001) نے بے ترتیب جنگلات کی تجویز پیش کی ، جو بیگنگ میں بے ترتیب کی ایک اضافی پرت شامل کرتی ہے۔ اعداد و شمار کے مختلف بوٹسٹریپ نمونہ کا استعمال کرتے ہوئے ہر درخت کی تعمیر کے علاوہ ، بے ترتیب جنگلات اس بات کو تبدیل کرتے ہیں کہ درجہ بندی یا رجعت درختوں کی تعمیر کیسے کی جاتی ہے۔ معیاری درختوں میں ، ہر نوڈ کو تمام متغیرات میں بہترین تقسیم کا استعمال کرتے ہوئے تقسیم کیا جاتا ہے۔ ایک بے ترتیب جنگل میں، ہر نوڈ کو اس نوڈ میں بے ترتیب طور پر منتخب کردہ پیش گوئی کے سبسیٹ کے درمیان بہترین استعمال کرتے ہوئے تقسیم کیا جاتا ہے. یہ کچھ حد تک متضاد حکمت عملی بہت سے دوسرے درجہ بندی کے مقابلے میں بہت اچھی کارکردگی کا مظاہرہ کرتی ہے ، بشمول امتیازی تجزیہ ، سپورٹ ویکٹر مشینیں اور نیورل نیٹ ورکس ، اور اوور فٹنگ کے خلاف مضبوط ہے (بریمان ، 2001) ۔ اس کے علاوہ، یہ اس معنی میں بہت صارف دوست ہے کہ اس میں صرف دو پیرامیٹرز ہیں (ہر نوڈ میں بے ترتیب سبسیٹ میں متغیرات کی تعداد اور جنگل میں درختوں کی تعداد) ، اور عام طور پر ان کی اقدار پر بہت حساس نہیں ہے. رینڈم فارسٹ پیکیج بریمن اور کٹلر کے فورٹران پروگراموں کے لئے ایک آر انٹرفیس فراہم کرتا ہے (http://www.stat.berkeley.edu/ users/breiman/ پر دستیاب ہے) ۔ یہ مضمون آر افعال کے استعمال اور خصوصیات کا ایک مختصر تعارف فراہم کرتا ہے۔ |
8cfe24108b7f73aa229be78f9108e752e8210c36 | اگرچہ ڈیٹا مائننگ کو کاروباری دنیا میں کچھ عرصے سے کامیابی کے ساتھ نافذ کیا گیا ہے ، لیکن اعلی تعلیم میں اس کا استعمال ابھی نسبتا new نیا ہے ، یعنی ، اس کے بعد سے ، اس کی ترقی کے لئے بہت سے اقدامات کیے گئے ہیں۔ اس کا استعمال ڈیٹا سے نئے اور ممکنہ طور پر قیمتی علم کی شناخت اور نکالنے کے لئے ہے۔ ڈیٹا مائننگ کا استعمال کرتے ہوئے مقصد ایک ایسا ماڈل تیار کرنا تھا جس سے طلباء کی تعلیمی کامیابی کا نتیجہ اخذ کیا جاسکے۔ طلباء کی کامیابی کی پیش گوئی کے دوران ڈیٹا مائننگ کے مختلف طریقوں اور تکنیک کا موازنہ کیا گیا ، جو کہ یونیورسٹی آف توزلا ، فیکلٹی آف اکنامکس ، تعلیمی سال 2010-2011 کے موسم گرما کے سمسٹر کے دوران منعقدہ سروے سے جمع کردہ اعداد و شمار کو لاگو کرتے ہوئے ، پہلے سال کے طلباء اور اندراج کے دوران لیا گیا ڈیٹا۔ کامیابی کا جائزہ امتحان میں پاسنگ گریڈ کے ساتھ لیا گیا تھا۔ طلباء کے سماجی آبادیاتی متغیرات کے اثرات، ہائی اسکول اور داخلہ امتحان سے حاصل کردہ نتائج، اور مطالعہ کے بارے میں رویے جو کامیابی پر اثر انداز کر سکتے ہیں، سب کی تحقیقات کی گئی تھیں. مستقبل میں ہونے والی تحقیقات میں مطالعہ کے عمل سے وابستہ متغیرات کی نشاندہی اور ان کا جائزہ لینے کے ساتھ ساتھ نمونہ میں اضافہ کے ساتھ ، ایک ایسا ماڈل تیار کرنا ممکن ہوگا جو اعلی تعلیم میں فیصلہ سازی کے نظام کی ترقی کی بنیاد کے طور پر کھڑا ہوگا۔ |
cc5c84c1c876092e6506040cde7d2a5b9e9065ff | اس مقالے میں دو بہت مختلف تعلیمی اداروں میں انڈر گریجویٹ اور پوسٹ گریجویٹ طلباء کی تعلیمی کارکردگی کی پیش گوئی کے لئے فیصلہ درخت اور بیسیئن نیٹ ورک الگورتھم کی درستگی کا موازنہ کیا گیا ہے۔ کین تھو یونیورسٹی (سی ٹی یو) ، ویتنام میں ایک بڑی قومی یونیورسٹی۔ اور ایشین انسٹی ٹیوٹ آف ٹکنالوجی (اے آئی ٹی) ، تھائی لینڈ میں ایک چھوٹا بین الاقوامی پوسٹ گریجویٹ انسٹی ٹیوٹ جو 86 مختلف ممالک کے طلباء کو راغب کرتا ہے۔ اگرچہ ان دو طلباء کی آبادیوں کا تنوع بہت مختلف ہے ، ڈیٹا مائننگ ٹولز طلباء کی کارکردگی کی پیش گوئی کے لئے اسی طرح کی درستگی کی سطح حاصل کرنے میں کامیاب رہے: 73/71٪ {کامیاب ، منصفانہ ، اچھا ، بہت اچھا} اور 94/93٪ {کامیاب ، پاس} کے لئے CTU / AIT میں بالترتیب۔ یہ پیش گوئیاں سی ٹی یو میں ناکام طلباء کی شناخت اور مدد کرنے کے لئے سب سے زیادہ مفید ہیں (۶۴٪ درست) ، اور اے آئی ٹی میں اسکالرشپ کے لئے بہت اچھے طلباء کا انتخاب کرنے کے لئے (۸۲٪ درست) ۔ اس تجزیہ میں ، فیصلہ درخت بائیسیئن نیٹ ورک کے مقابلے میں مستقل طور پر 3-12٪ زیادہ درست تھا۔ ان کیس اسٹڈیز کے نتائج سے طالب علموں کی کارکردگی کی درست پیش گوئی کرنے کی تکنیکوں میں بصیرت ملتی ہے ، ڈیٹا مائننگ الگورتھم کی درستگی کا موازنہ کرتے ہیں ، اور اوپن سورس ٹولز کی پختگی کا مظاہرہ کرتے ہیں۔ |
9d0f09e343ebc9d5e896528273b79a1f13aa5c07 | |
2cb6d78e822ca7fd0e29670ec7e26e37ae3d3e8f | یہ کاغذ ایک ناول کمپیکٹ کم درجہ حرارت کوفیرڈ سیرامک (ایل ٹی سی سی) بینڈ پاس فلٹر (بی پی ایف) پیش کرتا ہے جس میں وسیع اسٹاپ بینڈ اور اعلی انتخابی صلاحیت ہے۔ مجوزہ سرکٹ دو منسلک λ < ذیلی > g < ذیلی > / 4 ٹرانسمیشن لائن resonators پر مشتمل ہے. ایک خصوصی جوڑنے کا علاقہ تیسری ہارمونک فریکوئنسی پر ٹرانسمیشن زیرو (TZ) پیدا کرنے کے لئے ایک نئی امتیازی جوڑنے کی منصوبہ بندی کو پورا کرنے کے لئے منتخب کیا جاتا ہے. طریقہ کار کا تجزیہ کیا جاتا ہے اور ڈیزائن ہدایات بیان کی جاتی ہیں. ذریعہ-لوڈ جوڑنے کو پاس بینڈ کے قریب دو TZs اور اسٹاپ بینڈ میں ایک پیدا کرنے کے لئے متعارف کرایا گیا ہے۔ اس طرح، وسیع stopband اضافی سرکٹس کے بغیر حاصل کیا جا سکتا ہے. LTCC کثیر پرت ڈھانچے کی وجہ سے ، فلٹر کا سائز 0.058 λ <sub> g <sub> × 0.058 λ <sub> g <sub> × 0.011 λ <sub> g <sub> ، یا 2.63 ملی میٹر × 2.61 ملی میٹر × 0.5 ملی میٹر ہے۔ LTCC BPF کے مظاہرہ کے لئے تخروپن اور ماپا نتائج مجوزہ ڈیزائن کی توثیق کرنے کے لئے پیش کر رہے ہیں. |
52c9eb70c55685b349126ed907e037f383673cf3 | ہم تجریدی ویب خلاصہ کرنے کے لئے ایک ناول نقطہ نظر کی تجویز کرتے ہیں جس کا مشاہدہ اس مشاہدے پر مبنی ہے کہ اسی طرح کے یو آر ایل کے خلاصے مواد اور ساخت دونوں میں ایک جیسے ہوتے ہیں۔ ہم موجودہ یو آر ایل کلسٹرز کا فائدہ اٹھاتے ہیں اور ہر کلسٹر ورڈ گراف تیار کرتے ہیں جو یو آر ایل مخصوص صفات کو خارج کرتے ہوئے معروف خلاصوں کو جوڑتے ہیں۔ نتیجے میں ٹوپولوجی ، یو آر ایل کی خصوصیات پر مشروط ، ہمیں ڈس کوڈنگ مرحلے کے طور پر کم سے کم لاگت والے راستے کی تلاش کا استعمال کرتے ہوئے ایک منظم سیکھنے کے کام کے طور پر خلاصہ مسئلہ ڈالنے کی اجازت دیتا ہے۔ یو آر ایل کلسٹرز کی ایک بڑی تعداد پر ابتدائی تجرباتی نتائج سے پتہ چلتا ہے کہ یہ نقطہ نظر پہلے سے تجویز کردہ ویب خلاصہ کرنے والوں سے بہتر کارکردگی کا مظاہرہ کرنے میں کامیاب ہے۔ |
8947ca4949fc66eb65f863dfb825ebd90ab01772 | ٹیکسٹ پروسیسنگ میں بہت سے ایپلی کیشنز کو بڑے دستاویز مجموعوں کو لیبل لگانے کے لئے (جب اعداد و شمار کے ماڈل سیکھنے) یا ان سے قواعد کو بڑھانے کے لئے (علم انجینئرنگ کا استعمال کرتے وقت) اہم انسانی کوشش کی ضرورت ہوتی ہے. اس کام میں ، ہم اس کوشش کو کم کرنے کے لئے ، طریقوں کی درستگی کو برقرار رکھتے ہوئے ، ایک ہائبرڈ درجہ بندی کرنے والے کی تعمیر کے ذریعے بیان کرتے ہیں جو مشین لرننگ کی تکمیل کے لئے خود بخود دریافت شدہ متن کے نمونوں پر انسانی استدلال کا استعمال کرتا ہے۔ ایک معیاری جذبات درجہ بندی ڈیٹا سیٹ اور حقیقی گاہکوں کی رائے کے اعداد و شمار کا استعمال کرتے ہوئے، ہم اس نتیجے میں تکنیک کے نتیجے میں ایک مخصوص درجہ بندی کی درستگی حاصل کرنے کے لئے ضروری انسانی کوشش میں نمایاں کمی کا مظاہرہ کرتے ہیں. اس کے علاوہ، ہائبرڈ متن درجہ بندی بھی مشین سیکھنے کی بنیاد پر درجہ بندی کے مقابلے میں درستگی میں ایک اہم فروغ میں نتائج جب لیبل ڈیٹا کی ایک موازنہ رقم استعمال کیا جاتا ہے. |
563384a5aa6111610ac4939f645d1125a5a0ac7f | لوگوں کی خودکار شناخت کو حالیہ برسوں کے دوران بہت توجہ ملی ہے کیونکہ اس کے بہت سے ایپلی کیشنز مختلف شعبوں جیسے قانون نافذ کرنے والے اداروں ، سیکیورٹی ایپلی کیشنز یا ویڈیو انڈیکسنگ میں ہیں۔ چہرے کی شناخت لوگوں کی خودکار شناخت کے لیے ایک اہم اور بہت مشکل تکنیک ہے۔ آج تک، کوئی ایسی تکنیک نہیں ہے جو تمام حالات اور مختلف ایپلی کیشنز کے لئے ایک مضبوط حل فراہم کرے جو چہرے کی شناخت کا سامنا کر سکتی ہے. عام طور پر، ہم اس بات کو یقینی بنا سکتے ہیں کہ چہرے کی شناخت کے نظام کی کارکردگی کا تعین اس بات سے ہوتا ہے کہ کس طرح خصوصیت ویکٹر کو بالکل نکالنا ہے اور انہیں ایک گروپ میں درست طریقے سے درجہ بندی کرنا ہے۔ لہذا، یہ ہمیں خاصیت extractor اور classifier کے قریب سے دیکھنے کے لئے ضروری ہے. اس کاغذ میں، اصول جزو تجزیہ (پی سی اے) خصوصیت نکالنے میں ایک اہم کردار ادا کرنے کے لئے استعمال کیا جاتا ہے اور ایس وی ایمز چہرے کی شناخت کے مسئلے سے نمٹنے کے لئے استعمال کیا جاتا ہے. سپورٹ ویکٹر مشینیں (SVMs) حال ہی میں پیٹرن کی شناخت کے لئے ایک نئے درجہ بندی کے طور پر تجویز کیا گیا ہے. ہم کیمبرج ORL چہرے ڈیٹا بیس پر SVMs کی صلاحیت کی وضاحت کرتے ہیں، جس میں 40 افراد کی 400 تصاویر شامل ہیں، جس میں اظہار، پوز اور چہرے کی تفصیلات میں کافی اعلی درجے کی تغیرات شامل ہیں. استعمال ہونے والے ایس وی ایم میں لکیری (ایل ایس وی ایم) ، پولینومیل (پی ایس وی ایم) ، اور شعاعی بیس فنکشن (آر بی ایف ایس وی ایم) ایس وی ایم شامل ہیں۔ ہم تجرباتی ثبوت فراہم کرتے ہیں جو ظاہر کرتے ہیں کہ پولینومیل اور ریڈیل بیس فنکشن (آر بی ایف) ایس وی ایم او آر ایل فیس ڈیٹا سیٹ پر لکیری ایس وی ایم سے بہتر کارکردگی کا مظاہرہ کرتے ہیں جب دونوں کو تمام درجہ بندی کے خلاف ایک کے ساتھ استعمال کیا جاتا ہے۔ ہم نے ایس وی ایم پر مبنی شناخت کا موازنہ ملٹی لیئر پرسیپٹران (ایم ایل پی) درجہ بندی کے معیار کا استعمال کرتے ہوئے معیاری ایجن فیس نقطہ نظر سے بھی کیا۔ |
47daf9cc8fb15b3a4b7c3db4498d29a5a8b84c22 | 3D آبجیکٹ کی درجہ بندی کمپیوٹر ویژن میں ایک غیر معمولی کام ہے جس میں بہت سے حقیقی دنیا کی ایپلی کیشنز شامل ہیں. ہم نے 3D کثیرالاضلاع میشوں کو درجہ بندی کرنے کا مسئلہ پیش کیا ہے کیونکہ ملٹی ویو 2D تصاویر سے ظاہری شکل کا ارتقاء سیکھنا ہے۔ 3D کثیرالاضلاع میشوں کے ایک کورپس کو دیکھتے ہوئے، ہم سب سے پہلے ایک یکساں دائرے پر متعدد نقطہ نظر سے متعلق RGB اور گہرائی کی تصاویر فراہم کرتے ہیں. درجہ بندی کے مجموعہ کا استعمال کرتے ہوئے، ہم 2D خیالات کی ظاہری شکل کو سیکھنے کے لئے دو طریقوں کی تجویز کرتے ہیں. سب سے پہلے، ہم ایک گہری کنولول نیورل نیٹ ورک (سی این این) پر مبنی نقطہ نظر کے غیر متغیر ماڈل کو تربیت دیتے ہیں اور پیش کردہ آرجیبی ڈی تصاویر کا استعمال کرتے ہوئے اور پہلی مکمل طور پر منسلک پرت کی سرگرمیوں کو درجہ بندی کرنے اور اس طرح، ان نکالا خصوصیات کے ارتقاء پر قبضہ کرنے کے لئے سیکھتے ہیں. اس عمل کے دوران سیکھے گئے پیرامیٹرز کو 3D شکل کی نمائندگی کے طور پر استعمال کیا جاتا ہے. دوسرے طریقہ میں، ہم نے رینڈرنگ مشین کو استعمال کرتے ہوئے کے آغاز سے خیالات کے مجموعی کو سیکھنے کے لئے براہ راست RGB-D تصاویر کو پیش کیا، جس مجموعی 2D تصاویر ہم ``3D شکل تصاویر کے طور پر جس کا نام پیدا کرتا ہے. " اس کے بعد ہم RGB اور گہرائی دونوں کے لئے اس ناول شکل نمائندگی پر سی این این ماڈل سیکھتے ہیں جو کثیرالاضلاع کی نمایاں ہندسی ساخت کو کوڈ کرتی ہے۔ ماڈل نیٹ 40 اور ماڈل نیٹ 10 ڈیٹا سیٹ پر تجربات سے پتہ چلتا ہے کہ تجویز کردہ طریقہ کار 3D شکل کی شناخت میں موجودہ جدید ترین الگورتھم کو مستقل طور پر آگے بڑھاتا ہے۔ |
58156d27f80ee450ba43651a780ebd829b70c363 | کارنل مانیٹرنگ اور تحفظ پر پچھلی تحقیق وسیع پیمانے پر اعلی مراعات یافتہ سسٹم اجزاء پر انحصار کرتی ہے ، جیسے ہارڈ ویئر ورچوئلائزیشن ایکسٹینشنز ، ممکنہ کارنل حملوں سے سیکیورٹی ٹولز کو الگ تھلگ کرنے کے لئے۔ ان طریقوں سے بحالی کی کوشش اور کوڈ بیس سائز دونوں میں اضافہ ہوتا ہے ، جس کے نتیجے میں سیکیورٹی کے خطرات کا خطرہ بڑھ جاتا ہے۔ ایس کے ای ای، جو سیکور کرنل لیول ایکزیکیوشن انوائرمنٹ کے لئے کھڑا ہے، اس بنیادی مسئلہ کو حل کرتا ہے. ایس کی ای ایک نیا نظام ہے جو ایک الگ تھلگ ہلکا پھلکا عملدرآمد ماحول فراہم کرتا ہے جو کرنل کے اسی استحقاق کی سطح پر ہے۔ SKEE کو کموڈیٹی ARM پلیٹ فارم کے لئے ڈیزائن کیا گیا ہے۔ اس کا بنیادی مقصد اعلی مراعات یافتہ سافٹ ویئر کی فعال شرکت کے بغیر کارن کی محفوظ نگرانی اور تحفظ کی اجازت دینا ہے۔ SKEE تنہائی کی ضمانت کے لئے نئی تکنیکوں کا ایک مجموعہ فراہم کرتا ہے۔ یہ ایک محفوظ ایڈریس کی جگہ بناتا ہے جو کرنل تک رسائی حاصل نہیں ہے، جو کرنل اور الگ تھلگ ماحول دونوں کو ایک ہی استحقاق کی سطح کا اشتراک کرتے وقت حاصل کرنے کے لئے مشکل ہے. ایس کی ای اس چیلنج کو حل کرتا ہے جس سے کارنیل کو اپنے میموری ترجمہ کی میزوں کا انتظام کرنے سے روکتا ہے۔ اس طرح، نظام کی میموری ترتیب کو تبدیل کرنے کے لئے کارن کو SKEE پر سوئچ کرنے پر مجبور کیا جاتا ہے. اس کے نتیجے میں، SKEE اس بات کی تصدیق کرتا ہے کہ درخواست کی گئی ترمیم محفوظ ایڈریس کی جگہ کے الگ تھلگ ہونے سے سمجھوتہ نہیں کرتی ہے. OS کارنر سے SKEE کو سوئچنگ صرف ایک اچھی طرح سے کنٹرول سوئچ گیٹ کے ذریعے گزرتا ہے. یہ سوئچ گیٹ احتیاط سے ڈیزائن کیا گیا ہے تاکہ اس کے عملدرآمد کا تسلسل ایٹمی اور تعیناتی ہو۔ یہ خصوصیات مشترکہ ضمانت ہے کہ ایک ممکنہ طور پر سمجھوتہ شدہ کارنل کو استحصال نہیں کر سکتا ہے سوئچنگ ترتیب کو سمجھوتہ کرنے کے لئے تنہائی. اگر کرنل ان خصوصیات کی خلاف ورزی کرنے کی کوشش کرتا ہے تو ، یہ صرف محفوظ ایڈریس اسپیس کو بے نقاب کیے بغیر نظام کو ناکام بنائے گا۔ SKEE خصوصی طور پر پورے OS میموری کی رسائی کی اجازت کو کنٹرول کرتا ہے. اس طرح، یہ حملوں کو روکتا ہے جو جوڑ میں غیر تصدیق شدہ کوڈ انجکشن کرنے کی کوشش کرتے ہیں. اس کے علاوہ، یہ آسانی سے مختلف مداخلت کا پتہ لگانے اور سالمیت کی تصدیق کے اوزار کی حمایت کرنے کے لئے دوسرے نظام کے واقعات کو روکنے کے لئے توسیع کی جا سکتی ہے. یہ کاغذ ایک SKEE پروٹوٹائپ پیش کرتا ہے جو 32 بٹ ARMv7 اور 64 بٹ ARMv8 فن تعمیر دونوں پر چلتا ہے۔ کارکردگی کی تشخیص کے نتائج سے پتہ چلتا ہے کہ SKEE حقیقی دنیا کے نظام کے لئے ایک عملی حل ہے. 1یہ مصنفین اس کام میں برابر حصہ ڈالتے ہیں |
698902ce1a836d353d4ff955c826095e28506e05 | |
da09bc42bbf5421b119abea92716186a1ca3f02f | ہم ایک نئی قسم کی شناخت پر مبنی خفیہ کاری متعارف کروا رہے ہیں جسے ہم فجی شناخت پر مبنی خفیہ کاری کہتے ہیں۔ فزی آئی بی ای میں ہم شناخت کو وضاحتی صفات کے سیٹ کے طور پر دیکھتے ہیں۔ ایک فجی IBE سکیم ایک شناخت، ω کے لئے ایک نجی کلید کی اجازت دیتا ہے، ایک شناخت، ω′ کے ساتھ خفیہ کردہ ایک ciphertext کو ڈیکریپٹ کرنے کے لئے، اگر اور صرف اس صورت میں اگر شناخت ω اور ω′ ایک دوسرے کے قریب ہیں جیسا کہ set اوورلیپ فاصلے میٹرک کی طرف سے ماپا جاتا ہے. ایک فجی آئی بی ای اسکیم کو شناخت کے طور پر بائیو میٹرک ان پٹ کا استعمال کرتے ہوئے خفیہ کاری کو قابل بنانے کے لئے لاگو کیا جاسکتا ہے۔ فجی آئی بی ای اسکیم کی غلطی رواداری کی خاصیت بالکل وہی ہے جو بائیو میٹرک شناخت کے استعمال کی اجازت دیتی ہے ، جو فطری طور پر ہر بار جب ان کا نمونہ لیا جاتا ہے تو کچھ شور ہوتا ہے۔ اس کے علاوہ، ہم ظاہر کرتے ہیں کہ فزی-آئی بی ای کو ایک قسم کے ایپلی کیشن کے لئے استعمال کیا جا سکتا ہے جسے ہم وصف پر مبنی خفیہ کاری کہتے ہیں. اس کاغذ میں ہم فجی IBE منصوبوں کی دو تعمیرات پیش کرتے ہیں. ہماری تعمیرات کو کئی صفات کے تحت پیغام کے شناخت پر مبنی خفیہ کاری کے طور پر دیکھا جاسکتا ہے جو (فجی) شناخت کی تشکیل کرتی ہے۔ ہمارے IBE منصوبوں دونوں غلطی روادار اور مخلوط حملوں کے خلاف محفوظ ہیں. اس کے علاوہ، ہماری بنیادی تعمیر بے ترتیب اوراکلز کا استعمال نہیں کرتا. ہم سلیکٹو-ID سیکورٹی ماڈل کے تحت ہماری اسکیموں کی سیکورٹی کو ثابت کرتے ہیں. |
b3baba6c34a2946b999cc0f6be6bb503d303073e | اس مقالے میں ایک ترمیم شدہ کولموگوروف-سمیرنوف (کے ایس) ٹیسٹ کی بنیاد پر ریسیور آپریٹنگ خصوصیت (آر او سی) منحنی خطوط کی مساوات کا ایک سادہ ، غیر پیرامیٹرک اور عام ٹیسٹ بیان کیا گیا ہے۔ ٹیسٹ عام طور پر استعمال ہونے والی تکنیک جیسے آر او سی وکر کے نیچے ایریا (اے یو سی) اور نیمان-پیئرسن طریقہ کار کے سلسلے میں بیان کیا گیا ہے۔ ہم سب سے پہلے جائزہ لیں گے کہ کس طرح کے ایس ٹیسٹ کو نل مفروضوں کی جانچ کرنے کے لئے استعمال کیا جاتا ہے کہ درجہ بندی کے ذریعہ پیش گوئی کردہ کلاس لیبلز بے ترتیب سے بہتر نہیں ہیں۔ اس کے بعد ہم ایک وقفہ نقشہ سازی کی تکنیک تجویز کرتے ہیں جو ہمیں دو کے ایس ٹیسٹ استعمال کرنے کی اجازت دیتا ہے تاکہ صفر مفروضے کی جانچ کی جاسکے کہ دو درجہ بندی کرنے والوں میں آر او سی منحنی خطوط ہیں جو مساوی ہیں۔ ہم اس ٹیسٹ کے مختلف ROC منحنی خطوط دونوں جب ایک منحنی خطوط دوسرے پر غلبہ اور جب منحنی خطوط کراس اور اس طرح AUC کی طرف سے امتیازی نہیں کر رہے ہیں امتیازی سلوک کرتا ہے کہ ظاہر. اس کے بعد وقفہ نقشہ سازی کی تکنیک کا استعمال کیا جاتا ہے کہ یہ ظاہر کرنے کے لئے کہ، اگرچہ AUC اس کی حدود ہے، یہ درجہ بندی کی کارکردگی کا ماڈل آزاد اور مربوط پیمانہ ہوسکتا ہے. |
090f4b588ba58c36a21eddd67ea33d59614480c1 | میرے نقطہ نظر ایک سطحی تقریر کے ماڈل پر انحصار کرتے ہیں اور ایک لغوی علم کی بنیاد سے حاصل کردہ معلومات پر. میں یہ بھی دکھاتا ہوں کہ کس طرح شق اور اپوزیشن کی حدود کو مقامی سیاق و سباق پر مبنی فیصلہ سازی کے طریقہ کار کا استعمال کرتے ہوئے قابل اعتماد طریقے سے طے کیا جاسکتا ہے ، جس کی نمائندگی تقریر کے حصے کے ٹیگ اور اسم کے ٹکڑوں سے کی جاتی ہے۔ پھر میں نے ان تعاملات کو باضابطہ بنایا جو کہ ترکیب اور گفتگو کے درمیان ہوتا ہے یہ اہم ہے کیونکہ متن کو وسیع تر سامعین تک رسائی حاصل کرنے میں نحوی سادگی کی افادیت کو کمزور کیا جاسکتا ہے اگر دوبارہ تحریر شدہ متن میں ہم آہنگی کا فقدان ہے۔ میں بیان کرتا ہوں کہ جملے کی ترتیب ، اشارہ لفظ کا انتخاب ، حوالہ دینے والے اظہار کی نسل ، تعین کرنے والے انتخاب اور ضمیر کے استعمال جیسے مختلف نسل کے مسائل کو کس طرح حل کیا جاسکتا ہے تاکہ نحو کے دوران کنجیکٹو اور انافوریک ہم آہنگی کے تعلقات کو محفوظ کیا جاسکے۔ نحوی آسان بنانے کے لیے، مجھے مختلف قدرتی زبان کے پروسیسنگ کے مسائل سے نمٹنا پڑا، بشمول شق اور اپوزیشن کی شناخت اور منسلک، ضمیر کی قرارداد اور حوالہ دینے والے اظہار کی نسل۔ میں ہر مسئلے کو حل کرنے کے لئے اپنے نقطہ نظر کا انفرادی طور پر جائزہ لیتا ہوں، اور اپنے نحو کے آسان نظام کی مجموعی تشخیص بھی پیش کرتا ہوں. نحوی آسان کاری ایک متن کی نحوی پیچیدگی کو کم کرنے کا عمل ہے ، جبکہ اس کے معلوماتی مواد اور معنی کو برقرار رکھنا ہے۔ نحوی سادگی کا مقصد انسانی قارئین کے لئے متن کو سمجھنے میں آسان بنانا ہے ، یا پروگراموں کے ذریعہ اس پر عملدرآمد کرنا ہے۔ اس مقالے میں ، میں نے وضاحت کی ہے کہ کس طرح نحوی سادگی کو سطحی مضبوط تجزیہ ، ہاتھ سے تیار کردہ آسان بنانے کے قواعد کا ایک چھوٹا سا سیٹ اور نحوی طور پر متن کو دوبارہ لکھنے کے خطاب کی سطح کے پہلوؤں کا تفصیلی تجزیہ استعمال کرکے حاصل کیا جاسکتا ہے۔ میں رشتہ دار شقوں، apposition، ہم آہنگی اور ماتحت کی ایک علاج پیش کرتے ہیں. میں رشتہ دار شق اور اپوزیٹو منسلک کے لئے نئی تکنیک پیش کرتا ہوں. میرا کہنا ہے کہ یہ منسلک فیصلے خالص طور پر نحوی نہیں ہیں. |
a9a7168b5b45fcf63e7f8904f68f6a90f8062443 | |
6d7c6c8828c7ac91cc74a79fdc06b5783102a784 | اس مضمون میں کمپنی مائکروویو ویژن، پہلے سے Satimo، صحت سے متعلق ایپلی کیشنز پر مبنی کی سرگرمیوں کا ایک جائزہ فراہم کرتا ہے. مخصوص جذب کی شرح (SAR) کی پیمائش اور RF حفاظت کے لحاظ سے موجودہ مصنوعات کی تفصیل سے وضاحت کی جاتی ہے. مائکروویو کا استعمال کرتے ہوئے چھاتی کی بیماری کا پتہ لگانے کے لئے ایک نئی امیجنگ موڈالٹی کی ترقی کی پیشرفت جلد ہی رپورٹ کی جائے گی۔ |
0c1a55e0e02c1dbf6cf363ec022ca17925586e16 | ٹریک شدہ اشیاء کی شناخت فضائی ، سطح اور زیر زمین (سمندری) ، اور زمینی ماحول کے لئے خودکار نگرانی اور انفارمیشن سسٹم کی ایک اہم صلاحیت ہے ، جو حالات سے آگاہی کو بہتر بناتی ہے اور آپریشنل صارفین کو فیصلہ سازی کی حمایت فراہم کرتی ہے۔ شناخت کے اعداد و شمار کو جوڑنے کا بییسین پر مبنی عمل (IDCP) مختلف ذرائع سے غیر یقینی شناخت کی نشاندہی کے امتزاج کے لئے ایک موثر آلہ فراہم کرتا ہے۔ عمل کی ترتیب کے لئے ایک صارف پر مبنی نقطہ نظر متعارف کرایا جاتا ہے، جس میں آپریٹرز کو مختلف آپریشنل منظرناموں میں شناخت کی ضروریات کو تبدیل کرنے کے لئے IDCP کو اپنانے کے قابل بناتا ہے. علمی نفسیات اور فیصلہ سازی کے نظریے سے نتائج کا اطلاق بیسیئن ڈیٹا کی بازیافت تک اچھی رسائی فراہم کرتا ہے اور آپریشنل ماہرین کو ترتیب آسانی سے قابل عمل بناتا ہے۔ |
2636bff7d3bdccf9b39c5e1e7d86a77690f1c07d | انعام کی تشکیل Reinforcement Learning (RL) میں کریڈٹ تفویض کے اہم لیکن مشکل مسئلہ سے نمٹنے کے لئے سب سے زیادہ مؤثر طریقوں میں سے ایک ہے. تاہم ، شکل دینے والے افعال کو ڈیزائن کرنے میں عام طور پر بہت زیادہ ماہر علم اور ہینڈ انجینئرنگ کی ضرورت ہوتی ہے ، اور متعدد اسی طرح کے کاموں کو حل کرنے کی وجہ سے مشکلات کو مزید بڑھایا جاتا ہے۔ اس مقالے میں ، ہم کاموں کی تقسیم پر انعام کی تشکیل پر غور کرتے ہیں ، اور خود بخود نئے نمونہ والے کاموں پر موثر انعام کی تشکیل کو سیکھنے کے لئے ایک عمومی میٹا لرننگ فریم ورک کی تجویز کرتے ہیں ، صرف مشترکہ ریاست کی جگہ کو فرض کرتے ہیں لیکن ضروری طور پر ایکشن اسپیس نہیں کرتے ہیں۔ ہم سب سے پہلے ماڈل فری RL میں کریڈٹ تفویض کے لحاظ سے نظریاتی طور پر زیادہ سے زیادہ اجر کی تشکیل حاصل کرتے ہیں. پھر ہم ایک قدر پر مبنی میٹا سیکھنے الگورتھم کی تجویز کرتے ہیں بہترین انعام کی تشکیل پر ایک مؤثر پیشگی نکالنے کے لئے. سابقہ براہ راست نئے کاموں پر لاگو کیا جاسکتا ہے ، یا کچھ درجے کی تازہ کاریوں کے اندر کام کو حل کرتے ہوئے ، پچھلے کام کے مطابق ڈھال لیا جاسکتا ہے۔ ہم نے نمایاں طور پر بہتر سیکھنے کی کارکردگی اور مختلف ترتیبات میں تشریحاتی تصورات کے ذریعے اپنے تشکیل کی تاثیر کا مظاہرہ کیا ، خاص طور پر ڈی کیو این سے ڈی ڈی پی جی میں کامیاب منتقلی۔ |
0309ec1f0e139cc10090c4fefa08a83a2644530a | |
42771aede47980ae8eeebac246c7a8b941d11414 | ہم ذاتی نوعیت کی ویب تلاش کو بہتر بنانے کے لئے تلاش کے نتائج کو متنوع کرنے کے طریقوں کو پیش کرتے ہیں اور ان کا جائزہ لیتے ہیں۔ ایک عام شخصی کاری کے نقطہ نظر میں سب سے اوپر N تلاش کے نتائج کو دوبارہ درجہ بندی کرنا شامل ہے تاکہ دستاویزات کو صارف کی طرف سے ترجیح دی جاسکتی ہے. ری رینکنگ کی افادیت جزوی طور پر تعداد اور نتائج کے تنوع کی طرف سے محدود ہے. ہم سب سے اوپر کے نتائج کی تنوع میں اضافہ اور ان طریقوں کی تاثیر کا اندازہ کرنے کے تین طریقوں کی تجویز. |
22a8979b53315fad7f98781328cc0326b5147cca | ایک مصنوعی اعصابی نیٹ ورک پر مبنی ترکیب ماڈل ایک فیڈ سرکلر پولرائزڈ مربع مائکرو اسٹراپ اینٹینا (سی پی ایس ایم اے) کے ڈیزائن کے لئے تجویز کیا گیا ہے جس میں ٹرنک کونے ہیں۔ تربیت کے اعداد و شمار کے سیٹ حاصل کرنے کے لئے، مربع مائکرو پٹی اینٹینا کی گونج فریکوئنسی اور Q فیکٹر تجرباتی فارمولوں کی طرف سے شمار کیا جاتا ہے. پھر truncated کونوں کے سائز اور بہترین محوری تناسب کے ساتھ آپریشن کی تعدد حاصل کر رہے ہیں. لیون برگ-مارکوارڈٹ (ایل ایم) الگورتھم کا استعمال کرتے ہوئے ، تین پوشیدہ پرتوں والے نیٹ ورک کو درست ترکیب ماڈل حاصل کرنے کے لئے تربیت دی جاتی ہے۔ آخر میں، ماڈل الیکٹرو میگنیٹک تخروپن اور پیمائش کے ساتھ اس کے نتائج کا موازنہ کرکے توثیق کی جاتی ہے. یہ اینٹینا انجینئرز کے لئے انتہائی مفید ہے براہ راست پیچ جسمانی طول و عرض حاصل کرنے کے لئے سنگل فیڈ CPSMA کے ساتھ truncated کونوں. |
93f962a46b24030bf4486a77b282f567529e7782 | یہ کاغذ 180 ڈگری انگوٹی ہائبرڈ جوڑنے والا استعمال کرتے ہوئے ANSYS HFSS میں ایک کمپیکٹ اور بجلی کی بچت 5 گیگاہرٹج ان بینڈ فل ڈپلیکس (ایف ڈی) ڈیزائن پیش کرتا ہے۔ مجوزہ ڈیزائن 57dB کی ایک بہترین تنہائی کو جوڑنے والے سے منسلک دو تابکاری اینٹینا کے درمیان تباہ کن مداخلت کا فائدہ اٹھاتے ہوئے حاصل کرتا ہے ، جس کے نتیجے میں خود مداخلت میں ایک بڑی کمی واقع ہوتی ہے۔ ڈیزائن غیر فعال ہے اور اس طرح انکولی چینل تخمینہ کے لئے اضافی طاقت کی ضرورت پر قابو پاتا ہے. اس کے علاوہ، یہ آپریشن کی مطلوبہ تعدد کے لئے ایک بہت قابل عمل جسمانی سائز ہے. اس طرح تجویز کردہ ایف ڈی ڈیزائن کمپیکٹ اور توانائی سے موثر ہے ، جو موبائل آلات میں استعمال کیا جاسکتا ہے ، جیسے سیل فون یا ٹیبلٹ / فابلیٹ ڈیوائسز کم آر ایف وسائل کی زیادہ لچکدار اور زیادہ سے زیادہ گنجائش کے ل.۔ |
023cc7f9f3544436553df9548a7d0575bb309c2e | یہ کاغذ متن کی درجہ بندی کے لئے ایک سادہ اور موثر بیس لائن کی تلاش کرتا ہے. ہمارے تجربات سے پتہ چلتا ہے کہ ہمارے فاسٹ ٹیکسٹ درجہ بندی کرنے والے فاسٹ ٹیکسٹ کی درستگی کے لحاظ سے اکثر گہری سیکھنے والے درجہ بندی کرنے والوں کے برابر ہوتی ہے، اور تربیت اور تشخیص کے لئے کئی آرڈر زیادہ تیز ہوتی ہے۔ ہم ایک معیاری کثیر کور سی پی یو کا استعمال کرتے ہوئے دس منٹ سے بھی کم وقت میں ایک ارب سے زیادہ الفاظ پر فاسٹ ٹیکسٹ کی تربیت کر سکتے ہیں، اور ایک منٹ سے بھی کم وقت میں 312K کلاسوں میں سے نصف ملین جملوں کی درجہ بندی کر سکتے ہیں۔ |
d80e7da055f9c25e29f732d0a829daf172eb1fa0 | اس مضمون میں اس سوال پر ایک وسیع ادب کا جائزہ لیا گیا ہے کہ ہم صحت کی خدمات کی فراہمی اور تنظیم میں جدت طرازی کو کیسے پھیلا سکتے ہیں اور اسے برقرار رکھ سکتے ہیں۔ یہ دونوں مواد پر غور کرتا ہے (تنظیموں میں جدت طرازی کے پھیلاؤ کی وضاحت اور پیمائش) اور عمل (منتظم اور دوبارہ قابل طریقہ میں ادب کا جائزہ لینے). اس مضمون میں (1) صحت کی خدمت کی تنظیموں میں بدعات کے پھیلاؤ پر غور کرنے کے لئے ایک محتاط اور ثبوت پر مبنی ماڈل ، (2) واضح علم کے خلا جہاں مزید تحقیق پر توجہ دی جانی چاہئے ، اور (3) صحت کی خدمت کی پالیسی اور انتظام کے منظم جائزہ لینے کے لئے ایک مضبوط اور منتقلی طریقہ کار پر تبادلہ خیال کیا گیا ہے۔ ماڈل اور طریقہ دونوں کو وسیع پیمانے پر مختلف سیاق و سباق میں جانچنا چاہئے۔ |
3343d1d78f2a14045b52b71428efaf43073d616d | مقصد موٹاپے کی بڑھتی ہوئی شرح توانائی سے بھرپور غذا کے استعمال سے منسلک ہے۔ ہم نے جانچ کی کہ کیا غذائی توانائی کی کثافت موٹاپا اور اس سے متعلقہ امراض بشمول انسولین مزاحمت اور میٹابولک سنڈروم سے منسلک ہے۔ تحقیق کا ڈیزائن اور طریقۂ کار ہم نے ایک کراس سیکشنل مطالعہ کیا جس میں 1999-2002 نیشنل ہیلتھ اینڈ نیوٹریشن امتحان سروے (ن = 9،688) سے 20 سال کی عمر کے امریکی بالغوں کے قومی نمائندہ اعداد و شمار کا استعمال کیا گیا تھا۔ غذائی توانائی کی کثافت صرف کھانے کی بنیاد پر شمار کیا گیا تھا. ہم نے کثیر متغیر لکیری رجعت ماڈل کی ایک سیریز کا استعمال کیا غذا میں توانائی کی کثافت، موٹاپا کی پیمائش (بی ایم آئی [کلوگرام فی مربع میٹر] اور کمر کا دائرہ [سینٹی میٹر] میں) ، گلائکیمیا، یا انسولینیمیا کے درمیان آزاد تعلق کا تعین کرنے کے لئے۔ ہم نے غذائی توانائی کی کثافت اور میٹابولک سنڈروم کے درمیان آزاد ایسوسی ایشن کا تعین کرنے کے لئے ملٹی ویریٹائٹ پوئسسن ریگریشن ماڈل کا استعمال کیا جیسا کہ نیشنل کولیسٹرول اور ایجوکیشن پروگرام (بالغ علاج پینل III) کی طرف سے بیان کیا گیا ہے۔ نتائج غذا میں توانائی کی کثافت کا آزاد اور نمایاں طور پر خواتین میں زیادہ BMI کے ساتھ تعلق تھا (بیٹا = 0. 44 [95% CI 0. 14- 0. 73]) اور مردوں میں نمایاں تعلق کی طرف مائل (بیٹا = 0. 37 [- 0. 007 سے 0. 74] ، P = 0. 054) ۔ غذائی توانائی کی کثافت خواتین (بیٹا = 1. 11 [0. 42- 1. 80]) اور مردوں (بیٹا = 1. 33 [0. 46- 2. 19) میں زیادہ کمر کے دائرے کے ساتھ منسلک کیا گیا تھا. غذائی توانائی کی کثافت بھی آزادانہ طور پر بڑھتی ہوئی روزہ انسولین (بیٹا = 0. 65 [0. 18-1. 12]) اور میٹابولک سنڈروم (پروینس تناسب = 1. 10 [95% CI 1. 03- 1. 17]) کے ساتھ منسلک کیا گیا تھا. نتیجہ غذائی توانائی کی کثافت موٹاپے، روزہ انسولین کی سطح میں اضافہ، اور امریکی بالغوں میں میٹابولک سنڈروم کی ایک آزاد پیش گوئی ہے. غذائی توانائی کی کثافت کو کم کرنے کے لئے مداخلت کے مطالعہ کی ضرورت ہے. |
3e597e492c1ed6e7bbd539d5f2e5a6586c6074cd | زیادہ تر نیورل مشین ٹرانسلیشن (این ایم ٹی) ماڈل ترتیب انکوڈر-ڈکوڈر فریم ورک پر مبنی ہیں ، جو نحوی معلومات کا کوئی استعمال نہیں کرتا ہے۔ اس مقالے میں، ہم نے واضح طور پر ماخذ کی طرف syntactic درختوں کو شامل کر کے اس ماڈل کو بہتر بنانے. مزید خاص طور پر، ہم تجویز کرتے ہیں (1) ایک دو طرفہ درخت انکوڈر جو ترتیب اور درخت ساختہ نمائندگی دونوں کو سیکھتا ہے؛ (2) ایک درخت کا احاطہ ماڈل جو توجہ کو ماخذ کی طرف سے نحو پر منحصر کرتا ہے. چینی انگریزی ترجمہ پر تجربات ہمارے تجویز کردہ ماڈل تسلسل توجہ ماڈل کے ساتھ ساتھ ایک مضبوط بیس لائن کے ساتھ ایک نیچے سے اوپر درخت انکوڈر اور لفظ کوریج سے بہتر کارکردگی کا مظاہرہ کرتے ہیں.1 |
4e88de2930a4435f737c3996287a90ff87b95c59 | وقت کے ساتھ ترتیب کی معلومات کو محفوظ رکھنے کی ان کی اعلی صلاحیت کی وجہ سے ، لانگ شارٹ ٹرم میموری (ایل ایس ٹی ایم) نیٹ ورکس ، ایک قسم کے بار بار چلنے والے نیورل نیٹ ورک جس میں زیادہ پیچیدہ کمپیوٹیشنل یونٹ ہوتا ہے ، نے مختلف قسم کے ترتیب ماڈلنگ کاموں پر مضبوط نتائج حاصل کیے ہیں۔ اب تک دریافت کیا گیا واحد بنیادی LSTM ڈھانچہ ایک لکیری سلسلہ ہے. تاہم، قدرتی زبان میں ایسی نحو کی خصوصیات ہوتی ہیں جو الفاظ کو جملوں میں قدرتی طور پر جوڑ دیتی ہیں۔ ہم درخت-LSTM متعارف کراتے ہیں، درخت ساختہ نیٹ ورک ٹاپولوجیوں کے لئے ایل ایس ٹی ایم کی ایک عمومی. ٹری ایل ایس ٹی ایمز تمام موجودہ نظاموں اور مضبوط ایل ایس ٹی ایم بیس لائنوں کو دو کاموں پر بہتر کارکردگی کا مظاہرہ کرتے ہیں: دو جملوں کے معنوی تعلق کی پیش گوئی (سیمیول 2014 ، ٹاسک 1) اور جذبات کی درجہ بندی (اسٹینفورڈ سینٹیمنٹ ٹری بینک) ۔ |
6411da05a0e6f3e38bcac0ce57c28038ff08081c | سیمنٹک نمائندگیوں کو طویل عرصے سے اس معنی کے تحفظ کو نافذ کرنے اور مشین ترجمہ کے طریقوں کی عمومی کارکردگی کو بہتر بنانے کے لئے ممکنہ طور پر مفید قرار دیا گیا ہے۔ اس کام میں ، ہم سب سے پہلے ہیں جو ماخذ جملوں (یعنی ، معنوی کردار کی نمائندگی) کے پیش گوئی-دلائل کی ساخت کے بارے میں معلومات کو اعصابی مشین ترجمہ میں شامل کرتے ہیں۔ ہم گراف کنوولیشنل نیٹ ورکس (جی سی این) کا استعمال کرتے ہیں تاکہ جملے کے انکوڈروں میں معنوی تعصب کو انجیکشن کیا جاسکے اور انگریزی-جرمن زبان کے جوڑے پر لسانی-اجنوسٹک اور سنٹیکس ویئر ورژن پر BLEU اسکور میں بہتری حاصل کی جاسکے۔ |
9f291ce2d0fc1d76206139a40a859283674d8f65 | این ایم ٹی کی بنیاد پر انکوڈر-ڈکوڈر فن تعمیر نے حال ہی میں ریاست کی جدید ترین کارکردگی حاصل کی ہے. محققین نے ثابت کیا ہے کہ ماخذ کی طرف سے جملے کی ساخت کو شامل کرکے الفاظ کی سطح پر توجہ کو جملے کی سطح پر توجہ دینے سے توجہ کے ماڈل کو بڑھاوا دیا جاسکتا ہے اور امید افزا بہتری حاصل کی جاسکتی ہے۔ تاہم، لفظ انحصار جو صحیح طور پر ایک ذریعہ جملہ کو سمجھنے کے لئے اہم ہو سکتا ہے ہمیشہ مسلسل فیشن میں نہیں ہے (یعنی. کبھی کبھی وہ طویل فاصلے پر ہو سکتا ہے. جملے کے ڈھانچے واضح طور پر طویل فاصلے انحصار ماڈلنگ کے لئے بہترین طریقہ نہیں ہیں. اس مقالے میں ہم NMT میں ماخذ کی طرف سے طویل فاصلے پر انحصار کو شامل کرنے کے لئے ایک سادہ لیکن مؤثر طریقہ تجویز کرتے ہیں. انحصار درختوں پر مبنی ہمارا طریقہ ہر ماخذ ریاست کو عالمی انحصار ڈھانچے سے مالا مال کرتا ہے ، جو ماخذ جملوں کے موروثی نحوی ڈھانچے کو بہتر طور پر پکڑ سکتا ہے۔ چینی-انگریزی اور انگریزی-جاپانی ترجمہ کے کاموں پر تجربات سے پتہ چلتا ہے کہ ہمارے تجویز کردہ طریقہ کار کو ریاستی آرٹ SMT اور NMT بیس لائنوں سے باہر نکلتا ہے. |
d12c173ea92fc33dc276d1da90dc72a660f7ea12 | منسلک ڈیٹا کا بنیادی مقصد لنک اور انضمام ہے ، اور اس مقصد کی تشخیص کے لئے ایک اہم قدم یہ ہے کہ آیا اس مقصد کو حاصل کیا گیا ہے ، منسلک اوپن ڈیٹا (LOD) کلاؤڈ ڈیٹا سیٹوں کے مابین تمام روابط تلاش کرنا ہے۔ دو یا دو سے زیادہ ڈیٹا سیٹ کے درمیان رابطے کو عام اداروں، ٹرپل، لٹریلز، اور سکیم عناصر کے ذریعہ حاصل کیا جاسکتا ہے، جبکہ زیادہ کنکشن یو آر آئی کے درمیان مساوات کے تعلقات کی وجہ سے ہوسکتے ہیں، جیسے owl:sameAs، owl:equivalentProperty اور owl:equivalentClass، کیونکہ بہت سے پبلشرز اس طرح کے مساوات کے تعلقات کا استعمال کرتے ہیں، اس بات کا اعلان کرتے ہیں کہ ان کے یو آر آئی دیگر ڈیٹا سیٹ کے یو آر آئی کے برابر ہیں. تاہم ، دو سے زیادہ ڈیٹا سیٹ شامل کرنے والی کنیکٹوٹی کی پیمائش (اور انڈیکس) دستیاب نہیں ہیں ، جو ڈیٹا سیٹوں کے پورے مواد (جیسے ، اداروں ، اسکیما ، ٹرپل) یا سلائسز (جیسے ، ایک مخصوص ہستی کے لئے ٹرپل) کا احاطہ کرتے ہیں ، حالانکہ وہ متعدد حقیقی دنیا کے کاموں کے لئے بنیادی اہمیت کے حامل ہوسکتے ہیں ، جیسے انفارمیشن افزودگی ، ڈیٹا سیٹ دریافت اور دیگر۔ عام طور پر ، ڈیٹا سیٹوں کے مابین روابط تلاش کرنا آسان کام نہیں ہے ، کیونکہ ایل او ڈی ڈیٹا سیٹوں کی ایک بڑی تعداد موجود ہے اور مساوات کے تعلقات کی منتقلی اور متناسب بندش کا حساب لگانا چاہئے تاکہ رابطوں کو غائب نہ کیا جاسکے۔ اس وجہ سے ، ہم توسیع پذیر طریقوں اور الگورتھم متعارف کراتے ہیں ، (ا) مساوات کے تعلقات کے لئے منتقلی اور متناسب بندش کے حساب کتاب کو انجام دینے کے لئے (چونکہ وہ ڈیٹا سیٹوں کے مابین زیادہ رابطے پیدا کرسکتے ہیں) ؛ (ب) وقف عالمی معنویت سے آگاہ انڈیکس کی تعمیر کے لئے جو ڈیٹا سیٹوں کے پورے مواد کا احاطہ کرتے ہیں؛ اور (c) دو یا زیادہ ڈیٹا سیٹوں کے مابین رابطے کی پیمائش کے لئے۔ آخر میں، ہم تجویز کردہ نقطہ نظر کی رفتار کا اندازہ کرتے ہیں، جبکہ ہم دو ارب سے زائد ٹرپل کے لئے تقابلی نتائج کی رپورٹ کرتے ہیں. |
d6020bdf3b03f209174cbc8fb4ecbe6208eb9ff1 | ہم پہلے مصنف کے تحقیقی کیریئر پر ایک پس منظر کی عکاسی کے ساتھ شروع کرتے ہیں، جو بڑے حصے میں تنظیمی تبدیلی کے لئے انفارمیشن ٹیکنالوجی (آئی ٹی) کے اثرات کے بارے میں تحقیق کے لئے وقف ہے. اگرچہ آئی ٹی طویل عرصے سے تنظیمی تبدیلی کے ساتھ منسلک کیا گیا ہے، تنظیم کے نظریہ میں ٹیکنالوجی کے علاج کے ہمارے تاریخی جائزہ سے پتہ چلتا ہے کہ تنظیموں کے مادی پہلوؤں کو نظریہ کی ترقی کے پس منظر میں آسانی سے غائب ہوسکتا ہے. یہ ایک بدقسمتی سے نتیجہ ہے کیونکہ آئی ٹی اقدامات کی مادی خصوصیات انہیں دیگر تنظیمی تبدیلی کے اقدامات سے ممتاز کرتی ہیں۔ ہمارا مقصد آئی ٹی کے اثرات کے مطالعے میں اس کی گمشدگی کی وجوہات کا سراغ لگانا اور ایسے اختیارات پیش کرنا ہے جس میں آئی ٹی کی اہمیت زیادہ مرکزی نظریاتی کردار ادا کرتی ہے۔ ہم ایک سماجی تکنیکی نقطہ نظر کو اپناتے ہیں جو سخت سماجی مادی نقطہ نظر سے مختلف ہے کیونکہ ہم مادی فن تعمیر اور ان کے استعمال کے سماجی سیاق و سباق کے درمیان آنٹولوجیکل فرق کو برقرار رکھنا چاہتے ہیں. ہمارا تجزیہ سماجی تکنیکی نقطہ نظر کے مطابق ایک رشتہ دار تصور کے طور پر "قابل" کے تصور کا استعمال کرتے ہوئے جاری ہے. پھر ہم تنظیمی معمولات کے نظریہ کی توسیع کی تجویز کرتے ہیں جو معمولات کے نام سے جانا جاتا پیداواری نظام میں مادی فن تعمیرات کو شامل کرتے ہیں۔ یہ شراکتیں آئی ٹی کے تنظیمی اثرات کے مطالعہ میں ایک نئی تحقیق کے مرکز کے طور پر مادیت کو اپنانے میں موروثی بہت سے چیلنجوں میں سے دو کی مثال پیش کرتی ہیں. |
7039b7c97bd0e59693f2dc4ed7b40e8790bf2746 | ہم ایک نیورل نیٹ ورک ماڈل کی وضاحت کرتے ہیں جو مشترکہ طور پر متن اور علم کی بنیاد (KB) اداروں کی تقسیم شدہ نمائندگیوں کو سیکھتا ہے. کے بی میں ایک متن دیا، ہم نے اپنے مجوزہ ماڈل کی تربیت متن سے متعلقہ ہیں کہ اداروں کی پیشن گوئی کرنے کے لئے. ہمارا ماڈل عام طور پر تیار کیا گیا ہے تاکہ مختلف این ایل پی کاموں کو آسانی سے حل کیا جا سکے۔ ہم نے متن کے ایک بڑے کورپس اور ان کی ہستی تشریحات وکی پیڈیا سے نکالا کا استعمال کرتے ہوئے ماڈل کی تربیت. ہم نے تین اہم این ایل پی کاموں پر ماڈل کا جائزہ لیا (یعنی، جملے کی متنی مماثلت، ادارے سے منسلک، اور فیکٹوڈ سوال کا جواب) جس میں غیر نگرانی اور نگرانی کی ترتیبات دونوں شامل ہیں. اس کے نتیجے میں، ہم نے ان تینوں کاموں پر جدید ترین نتائج حاصل کیے. ہمارے کوڈ اور تربیت یافتہ ماڈل عوامی طور پر مزید تعلیمی تحقیق کے لئے دستیاب ہیں. |
42f75b297aed474599c8e598dd211a1999804138 | ہم آٹو کلاس کی وضاحت کرتے ہیں ، جو کلاسیکی مرکب ماڈل پر مبنی غیر نگرانی شدہ کلاسیکیشن کا ایک نقطہ نظر ہے ، جس میں زیادہ سے زیادہ کلاسوں کا تعین کرنے کے لئے بائیشین طریقہ کار کی تکمیل کی گئی ہے۔ ہم آٹو کلاس نظام کے پیچھے ریاضی کی ایک اعتدال پسند تفصیلی نمائش شامل ہیں. ہم اس بات پر زور دیتے ہیں کہ کوئی بھی موجودہ غیر نگرانی شدہ درجہ بندی کا نظام زیادہ سے زیادہ مفید نتائج پیدا نہیں کرسکتا جب اکیلے کام کیا جاتا ہے۔ یہ ڈومین ماہرین اور ماڈل کی جگہ پر تلاش کرنے والی مشین کے مابین تعامل ہے ، جو نیا علم پیدا کرتا ہے۔ دونوں ڈیٹا بیس کے تجزیہ کے کام میں منفرد معلومات اور صلاحیتیں لاتے ہیں، اور ہر ایک دوسرے کی اہلیت کو بڑھا دیتا ہے. ہم پیچیدہ حقیقی دنیا کے ڈیٹا بیس کے لئے آٹو کلاس کے کئی ایپلی کیشنز کے ساتھ اس نقطہ کی وضاحت کرتے ہیں، اور نتیجے میں کامیابیوں اور ناکامیوں کی وضاحت کرتے ہیں. 6.1 تعارف یہ باب ڈیٹا بیس سے مفید معلومات نکالنے کے لئے خودکار درجہ بندی پروگرام (آٹو کلاس) کے استعمال میں ہمارے تجربے کا خلاصہ ہے۔ یہ بھی اصولوں عام طور پر خود کار طریقے سے درجہ بندی کی بنیاد پر، اور خاص طور پر آٹو کلاس کا ایک خاکہ دیتا ہے. ہم لیبل مثالوں سے کلاس کی وضاحت کی نسل کے بجائے اعداد و شمار میں کلاسوں کی خودکار دریافت (کبھی کبھی کلسٹرنگ ، یا غیر نگرانی سیکھنے کہا جاتا ہے) کے مسئلے سے متعلق ہیں (جسے نگرانی سیکھنے کہا جاتا ہے) ۔ کچھ معنی میں، خود کار طریقے سے درجہ بندی کا مقصد اعداد و شمار میں "قدرتی" کلاسوں کو دریافت کرنا ہے. یہ کلاس بنیادی سبب ساز میکانزم کو ظاہر کرتی ہے جس کی وجہ سے کچھ معاملات باقی معاملات کے مقابلے میں ایک دوسرے سے زیادہ ملتے جلتے ہیں۔ اسباب کے طریقہ کار کے طور پر بورنگ ہو سکتا ہے کے طور پر اعداد و شمار میں نمونہ تعصب, یا reeect کر سکتے ہیں کچھ اہم نئی دریافت میں ڈومین. کبھی کبھی، ان کلاسوں میدان میں ماہرین کو اچھی طرح سے جانا جاتا تھا، لیکن آٹو کلاس کے لئے نامعلوم، اور دیگر اوقات |
32aea4c9fb9eb7cf2b6869efa83cf73420374628 | |
091778f43d947affb69dbccc2c3251abfa852ad2 | ایک سیمانٹک فائل سسٹم ایک معلومات اسٹوریج سسٹم ہے جو فائل ٹائپ مخصوص ٹرانسڈوسروں کے ساتھ فائلوں سے صفات کو خود بخود نکال کر سسٹم کے مواد تک لچکدار ایسوسی ایٹ رسائی فراہم کرتا ہے۔ ایسوسی ایٹ رسائی موجودہ درخت ساختہ فائل سسٹم پروٹوکول کے لئے ایک قدامت پسند توسیع کے ذریعہ فراہم کی جاتی ہے ، اور پروٹوکول کے ذریعہ جو خاص طور پر مواد پر مبنی رسائی کے لئے ڈیزائن کیا گیا ہے۔ موجودہ فائل سسٹم پروٹوکول کے ساتھ مطابقت ایک مجازی ڈائرکٹری کے تصور کو متعارف کرانے کی طرف سے فراہم کی جاتی ہے. مجازی ڈائرکٹری کے ناموں کو سوالات کے طور پر تشریح کیا جاتا ہے، اور اس طرح موجودہ سافٹ ویئر کے ساتھ مطابقت پذیر انداز میں فائلوں اور ڈائرکٹریوں کو لچکدار ایسوسی ایشن تک رسائی فراہم کرتی ہے. فائل سسٹم کے مواد تک تیز رفتار وصف پر مبنی رسائی فائل سسٹم آبجیکٹ کی کلیدی خصوصیات کی خودکار نکالنے اور انڈیکسنگ کے ذریعہ نافذ کی جاتی ہے۔ فائلوں اور ڈائریکٹریوں کی خودکار انڈیکسنگ کو "سیمانٹک" کہا جاتا ہے کیونکہ صارف پروگرام قابل ٹرانسڈوسر انڈیکسنگ کے لئے خصوصیات کو نکالنے کے لئے تازہ ترین فائل سسٹم آبجیکٹ کے سیمنٹکس کے بارے میں معلومات کا استعمال کرتے ہیں۔ ایک سیمنٹک فائل سسٹم پر عمل درآمد سے تجرباتی نتائج اس مقالے کی حمایت کرتے ہیں کہ سیمنٹک فائل سسٹم معلومات کے اشتراک اور کمانڈ لیول پروگرامنگ کے لئے روایتی درخت ساختہ فائل سسٹم کے مقابلے میں زیادہ موثر اسٹوریج تجرید پیش کرتے ہیں۔ |
096db7e8d2b209fb6dca9c7495ac84405c40e507 | اس مقالے میں ہم غیر منفی میٹرکس فیکٹرائزیشن (این ایم ایف) کے لئے نئے متبادل کم سے کم چوکور (اے ایل ایس) الگورتھم اور ان کی توسیع 3D غیر منفی ٹینسر فیکٹرائزیشن (این ٹی ایف) کے لئے پیش کرتے ہیں جو شور کی موجودگی میں مضبوط ہیں اور ان میں بہت سے ممکنہ ایپلی کیشنز ہیں ، جن میں ملٹی وے بلائنڈ سورس علیحدگی (بی ایس ایس) ، ملٹی سنسنی یا کثیر جہتی ڈیٹا تجزیہ ، اور غیر منفی اعصابی کم کوڈنگ شامل ہیں۔ ہم مقامی لاگت کے افعال کو استعمال کرنے کی تجویز کرتے ہیں جن کے بیک وقت یا ترتیب (ایک ایک کرکے) کم سے کم ہونے سے ایک بہت ہی آسان ALS الگورتھم ہوتا ہے جو کچھ کم سے کم پابندیوں کے تحت کام کرتا ہے دونوں کے لئے ایک کم سے کم (ایک ایسا نظام جس میں ذرائع سے کم سینسر ہیں) اور زیادہ سے زیادہ مقرر کردہ ماڈل. وسیع تجرباتی نتائج نے خاص طور پر کثیر پرت درجہ بندی NMF کے استعمال کے ساتھ تیار کردہ الگورتھم کی صداقت اور اعلی کارکردگی کی تصدیق کی ہے۔ مجوزہ الگورتھم کی کثیر جہتی اسپارس جزو تجزیہ اور ہموار جزو تجزیہ تک توسیع کی بھی تجویز کی گئی ہے۔ |
339888b357e780c6e80fc135ec48a14c3b524f7d | بلوم فلٹر ایک سادہ جگہ موثر بے ترتیب ڈیٹا ڈھانچہ ہے جس میں رکنیت کے سوالات کی حمایت کرنے کے لئے ایک سیٹ کی نمائندگی کی جاتی ہے۔ بلوم فلٹرز غلط مثبت کو اجازت دیتے ہیں لیکن جگہ کی بچت اکثر اس خرابی سے زیادہ ہوتی ہے جب غلطی کی امکان کو کنٹرول کیا جاتا ہے. بلوم فلٹرز 1970 کی دہائی سے ڈیٹا بیس ایپلی کیشنز میں استعمال ہورہے ہیں ، لیکن حالیہ برسوں میں ہی وہ نیٹ ورکنگ ادب میں مقبول ہوئے ہیں۔ اس مقالے کا مقصد یہ ہے کہ ان طریقوں کا جائزہ لیا جائے جس میں بلوم فلٹرز کو مختلف نیٹ ورک کے مسائل میں استعمال اور ترمیم کی گئی ہے ، جس کا مقصد ان کو سمجھنے اور مستقبل کی ایپلی کیشنز میں ان کے استعمال کو فروغ دینے کے لئے ایک متحد ریاضی اور عملی فریم ورک فراہم کرنا ہے۔ |
dc3e8bea9ef0c9a2df20e4d11860203eaf795b6a | عام چلنے کے دوران پیدا ہونے والی زمینی رد عمل کی قوتیں حال ہی میں وقت کے ساتھ مشاہدہ کی جانے والی قوتوں کے نمونہ کی بنیاد پر افراد کی شناخت اور / یا درجہ بندی کرنے کے لئے استعمال کی گئی ہیں۔ ایک خصوصیت جو عمودی زمین رد عمل کی قوتوں سے نکالی جاسکتی ہے وہ جسمانی وزن ہے۔ اس واحد خصوصیت میں شناخت کی طاقت ہے جو دیگر مطالعات کے مقابلے میں ہے جو متعدد اور زیادہ پیچیدہ خصوصیات کا استعمال کرتی ہے۔ اس مطالعہ سے شناخت میں جسمانی وزن کے کردار کو سمجھنے میں مدد ملتی ہے (1) اس کی درستگی اور درستگی کی مقدار جس کے ساتھ جسمانی وزن عمودی زمین رد عمل کی قوتوں کا استعمال کرتے ہوئے حاصل کیا جاسکتا ہے ، (2) چلنے کے تجزیے کے سلسلے میں پہلے سے مطالعہ کی گئی آبادی سے زیادہ بڑے پیمانے پر جسمانی وزن کی تقسیم کی مقدار ، اور (3) جسمانی وزن کو ایک کمزور بایومیٹرک کے طور پر استعمال کرنے والے نظاموں کی متوقع شناخت کی صلاحیتوں کی مقدار۔ ہمارے نتائج سے پتہ چلتا ہے کہ جسمانی وزن کی پیمائش ایک سیکنڈ کے ایک حصے میں کی جا سکتی ہے جس میں 1 کلوگرام سے بھی کم معیاری انحراف کی غلطی ہوتی ہے۔ |
1b2f2bb90fb08d0e02eabb152120dbf1d6e5837e | ہم مسلسل لفظ نمائندگیوں کی کمپیوٹنگ کے لئے نیورل نیٹ ورک سے متاثر ماڈل کے ایک خاندان پیش کرتے ہیں، خاص طور پر ایک زبانی اور کثیر زبانی متن دونوں کو استحصال کرنے کے لئے ڈیزائن کیا گیا ہے. یہ فریم ورک ہمیں ایمبیڈینس کی غیر نگرانی شدہ تربیت انجام دینے کی اجازت دیتا ہے جو غیر نگرانی شدہ انداز میں تربیت یافتہ ماڈلز کے مقابلے میں نحوی اور معنوی کمپوزٹیبلٹی کے ساتھ ساتھ کثیر لسانی معنوی مماثلت پر زیادہ درستگی کا مظاہرہ کرتی ہے۔ ہم یہ بھی ظاہر کرتے ہیں کہ اس طرح کے کثیر لسانی سرایت، semantic مماثلت کے لئے مرضی کے مطابق، یہ متوازی اعداد و شمار میں موجود نہیں الفاظ کو ہینڈل کرنے کے لئے کس طرح کے حوالے سے شماریاتی مشین ترجمہ کی کارکردگی کو بہتر بنانے کے کر سکتے ہیں. |
396945dabf79f4a8bf36ca408a137d6e961306e7 | |
6010c2d8eb5b6c5da3463d0744203060bdcc07a7 | سالمن کی لسی ، لیپوفھیٹیرس سالمنس (کرئیر ، 1837) ، مچھلی کے ایکٹو پیراسیٹس ہیں جو اٹلانٹک سالمن کی زراعت میں اہم معاشی نقصان کا سبب بنتے ہیں ، سالمو سالار لینیئس ، 1758۔ مچھلی کے فارموں میں ایل. سالمنس کے کنٹرول کا انحصار بڑی حد تک اینٹی پرجیوی ادویات کے ساتھ علاج پر ہے۔ کیمیائی کنٹرول سے متعلق ایک مسئلہ مزاحمت کی ترقی کا امکان ہے ، جو ایل۔ سالمنس میں کئی دواؤں کی کلاسوں کے لئے دستاویزی ہے جس میں آرگنوفاسفیٹ ، پائریٹروئڈز اور ایورمیکٹین شامل ہیں۔ اے ٹی پی بائنڈنگ کیسٹ (اے بی سی) جین سپر فیملی تمام بائیوٹا میں پائی جاتی ہے اور اس میں منشیات کے بہاؤ ٹرانسپورٹرز کی ایک حد شامل ہے جو کینسر اور پیتھوجینز کے خلاف منشیات کی مزاحمت فراہم کرسکتی ہے۔ اس کے علاوہ، کچھ اے بی سی ٹرانسپورٹرز کیڑے مار ادویات کے خلاف مزاحمت میں ملوث ہونے کے لئے تسلیم کیا جاتا ہے. اگرچہ کئی مطالعات میں ایل. سالمنس میں اے بی سی ٹرانسپورٹرز کی تحقیقات کی گئی ہیں ، اس پرجاتیوں کے لئے اے بی سی جین فیملی کا کوئی منظم تجزیہ موجود نہیں ہے۔ اس تحقیق میں ایل سالمنس میں اے بی سی جینوں کا جینوم وسیع سروے پیش کیا گیا ہے جس کے لئے ، ایل سی سالمنس جینوم کی ہومولوجی سرچنگ کے ذریعے اے بی سی سپر فیملی ممبروں کی شناخت کی گئی تھی۔ اس کے علاوہ، ABC پروٹین کی شناخت کثیر مرحلے RNA لائبریری کی ہائی تھرو پٹ آر این اے ترتیب (آر این اے سیک) کی طرف سے پیدا کی گئی پرجیوی کے حوالہ ٹرانسکرپٹوم میں کی گئی تھی۔ جینوم اور ٹرانسکرپٹوم دونوں کی تلاش نے مجموعی طور پر 33 جین / ٹرانسکرپٹس کی شناخت کی اجازت دی جو اے بی سی پروٹین کے لئے کوڈنگ کرتے ہیں ، جن میں سے 3 صرف جینوم میں اور 4 صرف ٹرانسکرپٹوم میں نمائندگی کی گئی تھیں۔ آٹھ سیکنڈوں کو اے بی سی ذیلی خاندانوں کو تفویض کیا گیا تھا جن میں منشیات کی منتقلی کے حامل افراد شامل ہیں، یعنی ذیلی خاندان بی (4 تسلسل) ، سی (11) اور جی (2). نتائج سے پتہ چلتا ہے کہ ایل سالمونس کے اے بی سی جین خاندان میں دوسرے آرٹروپڈ کے لئے ریکارڈ کردہ ممبروں سے کم ممبران ہیں۔ ایل سالمنس اے بی سی جین سپر فیملی کا موجودہ سروے سمندری سالمن کے ڈیلوسنگ ایجنٹوں کی زہریلا پن میں اے بی سی ٹرانسپورٹرز کے ممکنہ کردار اور منشیات کے خلاف مزاحمت کے ممکنہ طریقہ کار کے طور پر مزید تحقیق کی بنیاد فراہم کرے گا۔ |
4a3235a542f92929378a11f2df2e942fe5674c0e | اس کاغذ میں غیر نگرانی نیورل نیٹ پر مبنی انٹروژن ڈیٹیکٹر (یو این این آئی ڈی) سسٹم متعارف کرایا گیا ہے ، جو غیر نگرانی نیورل نیٹ ورکس کا استعمال کرتے ہوئے نیٹ ورک پر مبنی مداخلت اور حملوں کا پتہ لگاتا ہے۔ اس نظام میں تربیت، جانچ اور غیر نگرانی والے نیٹ ورکس کی ٹننگ کی سہولیات موجود ہیں جو گھسنے کا پتہ لگانے میں استعمال ہوں گی۔ اس نظام کا استعمال کرتے ہوئے ہم نے دو قسم کے غیر نگرانی والے انکولی گونج نظریہ (اے آر ٹی) نیٹ ورکس (اے آر ٹی -1 اور اے آر ٹی - 2) کا تجربہ کیا۔ نتائج کی بنیاد پر، اس طرح کے نیٹ ورک کو مؤثر طریقے سے نیٹ ورک ٹریفک کو عام اور مداخلت میں درجہ بندی کر سکتا ہے. یہ نظام غلط استعمال اور خرابی کا پتہ لگانے کے طریقوں کا ایک ہائبرڈ استعمال کرتا ہے ، لہذا یہ معلوم حملوں کی اقسام کے ساتھ ساتھ نئے حملوں کی اقسام کو خرابی کے طور پر بھی پہچان سکتا ہے۔ |
10a9abb4c78f0be5cc85847f248d3e8277b3c810 | کمپیوٹیشنل نیچرل لینگویج لرننگ پر کانفرنس میں ایک مشترکہ کام ہے ، جس میں شرکاء اپنے سیکھنے کے نظام کو ایک ہی ڈیٹا سیٹ پر تربیت دیتے ہیں اور جانچتے ہیں۔ 2007 میں، 2006 میں کے طور پر، مشترکہ کام ایک کثیر لسانی پٹری اور ایک ڈومین موافقت پٹری دونوں کے ساتھ اس سال، انحصار تجزیہ کرنے کے لئے وقف کیا گیا ہے. اس مقالے میں ہم مختلف ٹریکز کے کاموں کی وضاحت کرتے ہیں اور بیان کرتے ہیں کہ کس طرح دس زبانوں کے لئے موجودہ درختوں کے بینکوں سے ڈیٹا سیٹ بنائے گئے تھے. اس کے علاوہ، ہم حصہ لینے والے نظام کے مختلف نقطہ نظر کی خصوصیات، ٹیسٹ کے نتائج کی رپورٹ، اور ان کے نتائج کا ایک پہلا تجزیہ فراہم کرتے ہیں. |
14626b05a5ec7ec2addc512f0dfa8db60d817c1b | اس کاغذ میں ہم گہرے نیورل نیٹ ورکس پر خصوصی توجہ کے ساتھ بڑے پیمانے پر غیر convex اصلاح کے مسائل کے لئے تیز رفتار تکنیک کی تلاش. ایکسٹراپولیشن اسکیم ایک کلاسیکی نقطہ نظر ہے جو محور اصلاح کے لئے اسٹاکسٹک گریڈینٹ نزول کو تیز کرنے کے لئے ہے ، لیکن یہ عام طور پر غیر محور اصلاح کے لئے اچھی طرح سے کام نہیں کرتا ہے۔ متبادل طور پر ، ہم غیر محور اصلاح کو تیز کرنے کے لئے ایک انٹروپولیشن اسکیم تجویز کرتے ہیں اور اس طریقہ کار کو انٹروپولٹرون کہتے ہیں۔ ہم انٹرپولٹرون کے پیچھے کی حوصلہ افزائی کی وضاحت کرتے ہیں اور ایک مکمل تجرباتی تجزیہ کرتے ہیں. CIFAR-10 اور امیج نیٹ پر بڑی گہرائیوں کے ڈی این این (جیسے ، 98 پرت ریسنیٹ اور 200 پرت ریسنیٹ) کے تجرباتی نتائج سے پتہ چلتا ہے کہ انٹرپولٹرون جدید ترین طریقوں جیسے ایس جی ڈی کے ساتھ رفتار اور ایڈم سے کہیں زیادہ تیزی سے متفق ہوسکتا ہے۔ مزید برآں ، اینڈرسن کی تیز رفتار ، جس میں اختلاط کے ضارب کم سے کم مربع تخمینے کے ذریعہ شمار کیے جاتے ہیں ، کو بھی کارکردگی کو بہتر بنانے کے لئے استعمال کیا جاسکتا ہے۔ انٹرپولٹران اور اینڈرسن کی تیز رفتار دونوں کو لاگو کرنے اور ٹون کرنے میں آسان ہے. ہم نے بھی ظاہر ہے کہ Interpolatron بعض باقاعدگی مفروضوں کے تحت لکیری کنورجنس کی شرح ہے. |
55baef0d54403387f5cf28e2ae1ec850355cf60a | کیرنز، نیل، روتھ، اور وو [آئی سی ایم ایل 2018] نے حال ہی میں امیر ذیلی گروپ کی انصاف کے تصور کی تجویز پیش کی ہے جس کا مقصد اعداد و شمار اور انفرادی تصورات کے درمیان فرق کو ختم کرنا ہے۔ امیر ذیلی گروپ انصاف ایک شماریاتی انصاف کی پابندی کا انتخاب کرتا ہے (کہتے ہیں ، محفوظ گروپوں میں غلط مثبت شرحوں کو مساوی بناتا ہے) ، لیکن پھر پوچھتا ہے کہ یہ پابندی ایک افادیت سے زیادہ یا لامحدود طور پر بڑے بڑے مجموعہ پر برقرار رکھتی ہے جس کی وضاحت کی گئی ہے VC طول و عرض کے ساتھ افعال کی ایک کلاس. وہ اس پابندی کے تابع سیکھنے کی ضمانت دینے والے الگورتھم کو دیتے ہیں ، اس شرط کے تحت کہ اس میں انصاف کی پابندی کی غیر موجودگی میں کامل سیکھنے کے لئے اوریکلز تک رسائی حاصل ہو۔ اس مقالے میں ، ہم کیرنز اور ساتھیوں کے الگورتھم کا ایک وسیع تجرباتی جائزہ لیتے ہیں۔ چار حقیقی ڈیٹا سیٹوں پر جن کے لئے انصاف ایک تشویش ہے ، ہم الگورتھم کے بنیادی تقابلی کی تحقیقات کرتے ہیں جب سیکھنے کے اوریکلز کی جگہ تیز رفتار ہیوریسٹکس کے ساتھ مثال دی جاتی ہے ، انصاف اور درستگی کے مابین تجارت کی پیمائش کرتے ہیں ، اور اس نقطہ نظر کا موازنہ اگروال ، بیگلزیمر ، ڈوڈک ، لینگ فورڈ ، اور والچ [آئی سی ایم ایل 2018] کے حالیہ الگورتھم سے کرتے ہیں ، جو انفرادی محفوظ صفات کے ذریعہ بیان کردہ کمزور اور زیادہ روایتی حاشیہ انصاف کی پابندیوں کو نافذ کرتا ہے۔ ہم عام طور پر، کیرنز اور دیگر میں یہ پاتے ہیں. الگورتھم تیزی سے متفق ہوتا ہے ، درستگی کے لئے ہلکے اخراجات کے ساتھ انصاف میں بڑے فوائد حاصل کیے جاسکتے ہیں ، اور صرف حاشیہ انصاف کے تابع درستگی کو بہتر بنانا اہم ذیلی گروپ کی ناانصافی کے ساتھ درجہ بندی کرنے والوں کا باعث بنتا ہے۔ ہم نے بھی تجزیہ کی ایک بڑی تعداد فراہم کرتے ہیں اور کیرنز اور ال کی حرکیات اور رویے کی تصورات. الگورتھم. مجموعی طور پر ہم اس الگورتھم کو حقیقی اعداد و شمار پر موثر اور امیر ذیلی گروپ انصاف کو عملی طور پر قابل عمل تصور کے طور پر تلاش کرتے ہیں. |
6be461dd5869d00fc09975a8f8e31eb5f86be402 | کمپیوٹر سے متحرک ایجنٹ اور روبوٹ انسانی کمپیوٹر کے ساتھ تعامل کو ایک سماجی جہت دیتے ہیں اور ہمیں اس بارے میں نئے طریقوں سے سوچنے پر مجبور کرتے ہیں کہ کمپیوٹر کو روزمرہ کی زندگی میں کیسے استعمال کیا جاسکتا ہے۔ چہرے سے چہرہ مواصلات ایک حقیقی وقت کے عمل میں کام کر رہا ہے ایک وقت کے پیمانے پر کے حکم میں 40 ملی سیکنڈ. اس وقت کے پیمانے پر غیر یقینی صورتحال کی سطح کافی ہے ، جس کی وجہ سے انسانوں اور مشینوں کے لئے آہستہ آہستہ علامتی استنباط کے عمل کی بجائے حسی امیر ادراک پر انحصار کرنا ضروری ہے۔ اس مقالے میں ہم ایک ایسے ادراکاتی ابتدائی پر پیش رفت پیش کرتے ہیں. نظام خود کار طریقے سے ویڈیو سٹریم میں سامنے چہرے کا پتہ لگاتا ہے اور ان کو 7 طول و عرض کے حوالے سے حقیقی وقت میں کوڈ کرتا ہے: غیر جانبدار، غصہ، نفرت، خوف، خوشی، غم، حیرت. چہرے فائنڈر بڑھانے کی تکنیک کے ساتھ تربیت یافتہ خصوصیت ڈٹیکٹرز کے ایک جھرن کو ملازمت دیتا ہے [15, 2]. چہرے کا پتہ لگانے والا چہرے کا پتہ لگانے والے کے ذریعہ پائے جانے والے تصویری پیچ وصول کرتا ہے۔ پیچ کی ایک گبور نمائندگی تشکیل دی جاتی ہے اور پھر SVM درجہ بندی کے بینک کی طرف سے عملدرآمد کیا جاتا ہے. Adaboost اور SVM کی ایک ناول مجموعہ کارکردگی کو بہتر بناتا ہے. اس نظام کا تجربہ Cohn-Kanade کے اعداد و شمار کے سیٹ پر کیا گیا تھا جس میں چہرے کے اظہار کو پیش کیا گیا تھا۔ [6] ایک 7 راستہ مجبور انتخاب کے لئے نئے مضامین کو عمومی کارکردگی درست. سب سے زیادہ دلچسپ بات یہ ہے کہ درجہ بندی کے نتائج وقت کے ساتھ ساتھ آسانی سے تبدیل ہوتے ہیں، جو مکمل طور پر خود کار طریقے سے اور غیر معمولی انداز میں چہرے کے اظہار کی متحرک کوڈ کو ممکنہ طور پر قیمتی نمائندگی فراہم کرتی ہے. اس نظام کو سونی کے ایبو پالتو روبوٹ ، اے ٹی آر کے روبو وی ، اور سی یو انیمیٹر سمیت مختلف قسم کے پلیٹ فارمز پر تعینات کیا گیا ہے ، اور اس وقت اس کے اطلاق کے لئے اس کا جائزہ لیا جارہا ہے جس میں خودکار پڑھنے والے ٹیوٹر ، انسان روبوٹ کی بات چیت کا جائزہ شامل ہے۔ |
15f932d189b13786ca54b1dc684902301d34ef65 | اس مقالے میں کم طاقت والے فوٹوولٹک ایپلی کیشن کے لئے اعلی کارکردگی کا ایل ایل سی سی قسم کا گونج ڈی سی ڈی سی کنورٹر پر تبادلہ خیال کیا گیا ہے۔ ریزنانس ٹینک کے مختلف ڈیزائن کے طریقہ کار پر زور دیا جاتا ہے. ایک ہی وقت میں انورٹر کے ساتھ ساتھ ریکٹیفائر پل کے نرم سوئچنگ پر غور کیا جاتا ہے. ڈیزائن کے قواعد کے بارے میں ، ایک نیا چیلنج حل کیا گیا ہے جس میں وولٹیج ماخذ آؤٹ پٹ کے ساتھ ایل ایل سی سی کنورٹر ڈیزائن کیا گیا ہے۔ گونج عناصر کے بجائے، ان کے تناسب، مثال کے طور پر. inductances کے تناسب Ls/Lp سب سے پہلے ڈیزائن پیرامیٹرز کے طور پر غور کیا جاتا ہے. اس کے علاوہ، ٹرانسفارمر انڈکٹر آلہ کے لئے حاصل کردہ ڈیزائن اصول براہ راست مجموعی LLCC ڈیزائن میں فٹ بیٹھتا ہے. ٹرانسفارمرز کی نوعیت کی وجہ سے، یعنی انڈکٹینس Ls/Lp کا رشتہ صرف جیومیٹری کا فنکشن ہے، اس ڈیزائن پیرامیٹر کو براہ راست جیومیٹری کے ذریعہ سمجھا جاتا ہے۔ تجرباتی نتائج اعلی کارکردگی کا مظاہرہ کرتے ہیں. |
f13902eb6429629179419c95234ddbd555eb2bb6 | |
07d138a54c441d6ae9bff073025f8f5eeaac4da4 | بڑے پیمانے پر اعداد و شمار پر تربیت یافتہ بڑے گہرے نیورل نیٹ ورک (ڈی این این) ماڈلز نے حال ہی میں مشکل کاموں پر بہترین درستگی حاصل کی ہے ، جیسے تصویر اور تقریر کی شناخت۔ ان ڈی این این کو کاموڈٹی مشینوں کے کلسٹر کا استعمال کرتے ہوئے تربیت دینا ایک وعدہ نقطہ نظر ہے کیونکہ تربیت وقت طلب اور کمپیوٹنگ کی گہری ہے۔ انتہائی بڑے ڈی این این کی تربیت کو قابل بنانے کے لئے، ماڈل مشینوں کے درمیان تقسیم کیا جاتا ہے. بہت بڑے ڈیٹا سیٹوں پر تربیت کو تیز کرنے کے لئے ، متعدد ماڈل نقلیں تربیت کے مثالوں کے مختلف ذیلی سیٹوں پر متوازی طور پر تربیت دی جاتی ہیں جس میں ایک عالمی پیرامیٹر سرور ان نقلوں میں مشترکہ وزن برقرار رکھتا ہے۔ ماڈل اور ڈیٹا پارٹیشننگ اور مجموعی نظام کی فراہمی کے لئے صحیح انتخاب DNN اور تقسیم شدہ نظام ہارڈ ویئر کی خصوصیات پر بہت زیادہ انحصار کرتا ہے. ان فیصلوں کے لئے فی الحال اہم ڈومین مہارت اور وقت طلب تجرباتی ریاست خلائی ریسرچ کی ضرورت ہے۔ اس کاغذ میں کارکردگی کے ماڈل تیار کیے گئے ہیں جو مجموعی طور پر تقسیم شدہ نظام کی کارکردگی اور اسکیل ایبلٹی پر ان تقسیم اور فراہمی کے فیصلوں کے اثرات کی مقدار کو بیان کرتے ہیں۔ اس کے علاوہ، ہم ان کارکردگی کے ماڈل کو ایک اسکیل ایبلٹی آپٹیمائزر بنانے کے لئے استعمال کرتے ہیں جو مؤثر طریقے سے بہترین نظام کی ترتیب کا تعین کرتا ہے جو ڈی این این ٹریننگ کا وقت کم سے کم کرتا ہے. ہم دو بینچ مارک ایپلی کیشنز پر ایک جدید ترین تقسیم شدہ ڈی این این ٹریننگ فریم ورک کا استعمال کرتے ہوئے اپنے کارکردگی کے ماڈل اور اسکیل ایبلٹی آپٹیمائزر کا جائزہ لیتے ہیں۔ نتائج سے پتہ چلتا ہے کہ ہمارے کارکردگی کے ماڈل ڈی این این ٹریننگ ٹائم کا اندازہ اعلی تخمینہ کی درستگی کے ساتھ کرتے ہیں اور ہمارے اسکیل ایبلٹی آپٹیمائزر صحیح طریقے سے بہترین تشکیلات کا انتخاب کرتے ہیں ، تقسیم شدہ ڈی این این کے ٹریننگ ٹائم کو کم سے کم کرتے ہیں۔ |
eee686b822950a55f31d4c9c33d02c1942424785 | خلاصہ- اس مقالے میں کوارٹر ویو ٹرانسفارمر کے ساتھ ٹی جنکشن کا استعمال کرتے ہوئے 2 x 2 مثلث مائکرو اسٹراپ پیچ اینٹینا کی وضاحت کی گئی ہے۔ پیچ اینٹینا میں فاصلے کو منظم کرکے اور فیڈ پوزیشن کو ایڈجسٹ کرکے ، بینڈوتھ حاصل کی جاسکتی ہے اور ایک صف کا استعمال کرکے ، سمت کو بڑھا دیا جاتا ہے۔ بڑی بینڈوتھ ، اعلی سمت اور کم سے کم سائز کی ضرورت کے نتیجے میں 2 x 2 مثلث مائکرو اسٹراپ پیچ اینٹینا صف کی تشکیل ہوتی ہے جو ٹی جنکشن نیٹ ورک کے ساتھ 5.5 گیگا ہرٹز پر کام کرتی ہے۔ ایک FR4 سبسٹریٹ پر ڈیزائن کیا گیا ایک اینٹینا جس میں ڈائی الیکٹرک مستقل (r) 4.4 تھا ، نقصان ٹینجینٹ 0.02 اور موٹائی 1.6 ملی میٹر تھی۔ تخروپن کے نتائج سے پتہ چلتا ہے کہ ڈیزائن کردہ اینٹینا میں 12.91 ڈی بی اور بینڈوڈتھ 173 میگاہرٹز ہے جس میں وی ایس ڈبلیو آر 1.07 ٹی جنکشن فیڈنگ نیٹ ورک کا استعمال کرتے ہوئے ہے۔ تجویز کردہ 2 x 2 مثلث صف ہلکے وزن، تعمیر کی سادگی، ایک پرت کی ساخت، اور اعلی directivity کا فائدہ ہے. کلیدی لفظ بینڈوتھ، کارپوریٹ فیڈنگ، واپسی کا نقصان، ٹی جنکشن، وی ایس ڈبلیو آر۔ |
c707938422b60bf827ec161872641468ec1ffe00 | ہم محدود ریاست میں قدر افعال کی جگہ کی جیومیٹرک اور ٹوپولوجیکل خصوصیات قائم کرتے ہیںمارکوف فیصلہ سازی کے عمل. ہماری اہم شراکت اس کی شکل کی نوعیت کی خصوصیت ہے: ایک عام پولیٹپ (ایگنر اور دیگر، 2010) ۔ اس نتیجے کو ظاہر کرنے کے لئے ، ہم پالیسیوں اور ویلیو افعال کے مابین ساختی تعلقات کی متعدد خصوصیات کی نمائش کرتے ہیں جس میں لائن تھیوریم بھی شامل ہے ، جس سے یہ ظاہر ہوتا ہے کہ پالیسیوں کے ویلیو افعال ایک ریاست کے علاوہ تمام پر پابند ہیں ایک لائن سیگمنٹ کی وضاحت کرتے ہیں۔ آخر میں، ہم اس نئے نقطہ نظر کو استعمال کرتے ہیں تاکہ تعیناتی سیکھنے کے الگورتھم کی حرکیات کی تفہیم کو بڑھانے کے لئے بصیرت متعارف کرایا جا سکے. |
86854374c13516a8ad0dc28ffd9cd4be2bca9bfc | حالیہ برسوں میں مسائل میں دلچسپی بڑھ رہی ہے، جہاں مشاہدہ کردہ اعداد و شمار یا پوشیدہ ریاست متغیرات ایک معروف ریمانیئن کثیر میں محدود ہیں. ترتیب ڈیٹا تجزیہ میں یہ دلچسپی بھی بڑھ رہی ہے، لیکن بلکہ خام الگورتھم لاگو کیا گیا ہے: یا تو مونٹی کارلو فلٹر یا برتن فورس discretisations. یہ نقطہ نظر خراب پیمانے پر ہیں اور واضح طور پر ایک لاپتہ خلا کو ظاہر کرتے ہیں: غیر ایوکلیڈین ڈومینز میں کلمان فلٹرز کے لئے کوئی عام اینالاگ فی الحال دستیاب نہیں ہیں. اس مقالے میں ، ہم پہلے غیر مہکنے والی تبدیلی کو عام کرکے اور پھر غیر مہکنے والی کالمن فلٹر کو ریمانین manifolds میں عام کرکے اس مسئلے کو حل کرتے ہیں۔ جیسا کہ کالمان فلٹر کو گاس نیوٹن طریقہ کار سے ملتے جلتے اصلاحی الگورتھم کے طور پر دیکھا جاسکتا ہے ، ہمارا الگورتھم بھی manifolds پر ایک عمومی مقصد کی اصلاح کا فریم ورک فراہم کرتا ہے۔ ہم مضبوطی اور کنورجنس کا مطالعہ کرنے کے لئے مصنوعی اعداد و شمار پر تجویز کردہ طریقہ کار کی وضاحت کرتے ہیں ، ایک خطے سے باخبر رہنے کے مسئلے پر کووریئنس خصوصیات کا استعمال کرتے ہوئے ، ایک مربوط ٹریکنگ مسئلہ ، ایک اوسط قدر کی اصلاح اور ایک پوزیشن کی اصلاح کا مسئلہ۔ |
a075a513b2b1e8dbf9b5d1703a401e8084f9df9c | یونی پلینر کمپیکٹ برقی مقناطیسی بینڈ گیپ (یو سی- ای بی جی) سبسٹریٹ کو پرنٹ اینٹینا جیومیٹریوں میں سطح کی لہر کی حوصلہ افزائی کو کم کرنے کے لئے ایک مؤثر اقدام ثابت کیا گیا ہے۔ یہ کاغذ ایک UC-EBG substrate میں سرایت ایک microstrip اینٹینا مرحلے کے صف کی کارکردگی کی تحقیقات. نتائج عناصر کے درمیان باہمی جوڑ میں کمی کو ظاہر کرتے ہیں اور طباعت شدہ عناصر کے ساتھ مرحلے والے صف کی ایپلی کیشنز میں "بھوت مقامات" کے مسئلے کا ممکنہ حل فراہم کرتے ہیں۔ ایک ناول اور موثر UC-EBG صف ترتیب تجویز کی جاتی ہے. ایک اعلی dielectric مسلسل substrate پر 7 / spl اوقات / 5 عناصر کی ایک تحقیقات کھلایا پیچ اینٹینا مرحلے صف ڈیزائن کیا گیا تھا، تعمیر اور تجربہ کیا. تخروپن اور پیمائش کے نتائج میں اضافہ دکھایا گیا ہے فعال واپسی نقصان اور صف کے مرکز عنصر کے فعال پیٹرن. زیادہ سے زیادہ کارکردگی حاصل کرنے کے لئے استعمال ہونے والے تجارت پر تبادلہ خیال کیا جاتا ہے. |
16a0fde5a8ab5591a9b2985f60a04fdf50a18dc4 | چلنے کو صارف کی تصدیق کے لئے ایک موثر بایومیٹرک خصوصیت سمجھا جاتا ہے۔ اگرچہ کچھ مطالعہ ہیں جو چلنے والے ماڈل / ماڈل کو چلنے والے بنیاد پر تصدیق کے نظام میں محفوظ کرنے کے کام سے نمٹنے کے لئے ہیں، وہ چلنے والے اعداد و شمار کی کم امتیاز اور اعلی تغیر کو مدنظر نہیں رکھتے ہیں جو تجویز کردہ نظام کی حفاظت اور عملی طور پر نمایاں طور پر متاثر کرتی ہے. اس کاغذ میں، ہم inertia-سینسر کی بنیاد پر چلنے cryptosystem میں مذکورہ بالا کمی کو حل کرنے پر توجہ مرکوز. خاص طور پر، ہم چلنے کے سانچوں کی امتیازی سلوک کو بڑھانے کے لئے لکیری امتیازی سلوک تجزیہ کا فائدہ اٹھاتے ہیں، اور اعلی امتیازی اور مستحکم بائنری سانچے کو نکالنے کے لئے گرے کوڈ کوانٹائزیشن. 38 مختلف صارفین پر تجرباتی نتائج سے ظاہر ہوا کہ ہمارے تجویز کردہ طریقہ کار نے چلنے والے کرپٹ نظام کی کارکردگی اور سیکیورٹی کو نمایاں طور پر بہتر بنایا ہے۔ خاص طور پر ، ہم نے 6 × 10-5٪ (یعنی ، 16983 مقدمات میں 1 ناکام) اور 9.2٪ کی غلط مسترد کی شرح 148 بٹ سیکیورٹی کے ساتھ حاصل کی۔ |
d7fd575c7fae05e055e47d898a5d9d2766f742b9 | |
84ade3cb5b57624baee89d9e617bb5847ee07375 | |
9e5158222c911bec96d4f533cd0d7a1a0cff1731 | ملٹی فنکشن فعال الیکٹرانک طور پر ہدایت کردہ اینٹینا (AESA) سسٹم کے لئے اگلی نسل کے RF سینسر ماڈیولز کو مختلف آپریٹنگ طریقوں کا ایک مجموعہ درکار ہوگا ، جیسے ریڈار ، الیکٹرانک وارفیئر (ای ڈبلیو) فعالیتیں اور ایک ہی اینٹینا فرنٹ اینڈ کے اندر مواصلات / ڈیٹا لنکس۔ وہ عام طور پر سی بینڈ، ایکس بینڈ اور کیو بینڈ میں کام کرتے ہیں اور 10 گیگاہرٹج سے زیادہ بینڈوڈتھ کی ضرورت ہوتی ہے. جدید فعال الیکٹرانک طور پر ہدایت کردہ اینٹینا کی حقیقت کے لئے، ٹرانسمیشن / وصول (T / R) ماڈیولز کو سخت جیومیٹری کی ضروریات سے ملنا ہوگا. ان مستقبل کے ملٹی فنکشن RF سینسر ماڈیولز کے لئے ایک اہم چیلنج نصف طول موج اینٹینا گرڈ اسپیسنگ کی طرف سے حکم دیا جاتا ہے، جس میں جسمانی چینل کی چوڑائی < 12 ملی میٹر یا اس سے بھی کم ہوتی ہے، اس پر منحصر ہے کہ بیم کی طرف اشارہ کرنے والے ضروریات کے ساتھ آپریشن کی سب سے زیادہ تعدد. ان جیومیٹری کے تقاضوں پر قابو پانے کے لئے ایک وعدہ حل کل مونوولٹک مائکروویو انٹیگریٹڈ سرکٹ (ایم ایم آئی سی) چپ کے علاقے کو کم کرنا ہے ، جو انفرادی آر ایف فعالیتوں کو مربوط کرکے حاصل کیا جاتا ہے ، جو عام طور پر انفرادی مربوط سرکٹس (آئی سی) کے ذریعہ حاصل کیا جاتا ہے ، نئے ملٹی فنکشنل (ایم ایف سی) ایم ایم آئی سی میں۔ اس کام میں مختلف تصورات ، جن میں سے کچھ پہلے ہی نافذ ہیں ، اگلی نسل کے ایف ایف سینسر ماڈیولز کی طرف تبادلہ خیال کیا جائے گا اور اس کی وضاحت کی جائے گی۔ |
77a9473256f6841d40cb9198feb5b91dccf9ffd1 | یہ کاغذ بجلی کے فیکٹر اصلاح (پی ایف سی) اور زیرو وولٹیج سوئچنگ (زی وی ایس) کے ساتھ روشنی خارج کرنے والے ڈیوڈ (ایل ای ڈی) کو بجلی دینے کے لئے ایک ڈیمبل چارج پمپ ڈرائیور پیش کرتا ہے۔ مجوزہ ایل ای ڈی ڈرائیور الیکٹرولائٹک کیپسیٹرز کا استعمال نہیں کرتا ہے ، جو ایک اعلی مفید زندگی فراہم کرتا ہے ، اور یہ موجودہ سینسر کی ضرورت کے بغیر اوپن لوپ کنٹرول میں آؤٹ پٹ کرنٹ کو مستحکم کرسکتا ہے ، جس سے لاگت کم ہوتی ہے۔ آؤٹ پٹ پاور سوئچنگ فریکوئنسی کے متناسب ہے ، جو ایل ای ڈی کو ڈیمنگ کرنے کی اجازت دیتا ہے۔ 22 واٹ کے ساتھ ایک پروٹوٹائپ لاگو کیا گیا تھا اور تجرباتی نتائج پر تبادلہ خیال کیا گیا تھا. پروٹوٹائپ 0.996 کی طاقت فیکٹر اور 89.5٪ کی کارکردگی پیش کی. ڈرائیور آؤٹ پٹ پاور کو سوئچنگ فریکوئنسی کے ذریعے 40 فیصد سے زیادہ کم کیا گیا تھا جبکہ 53 کلو ہرٹز سے 30 کلو ہرٹز تک مختلف ہوتا ہے اور کنورٹر زیڈ وی ایس میں کام کرتا رہا ہے۔ |
b5fe4731ff6a7a7f1ad8232186e84b1f944162e0 | کراس میڈیا ہیشنگ ، جو مختلف طریقوں سے ڈیٹا کو ایک مشترکہ کم جہتی ہیمنگ اسپیس میں سرایت کرکے کراس میڈیا بازیافت کرتی ہے ، نے حالیہ برسوں میں گہری توجہ مبذول کرائی ہے۔ یہ حقائق کی طرف سے حوصلہ افزائی کی جاتی ہے) کثیر ماڈل ڈیٹا وسیع پیمانے پر ہے، مثال کے طور پر، فلکر پر ویب تصاویر ٹیگ کے ساتھ منسلک ہیں، اور ب) ہیشنگ بڑے پیمانے پر اعلی جہتی ڈیٹا پروسیسنگ کی طرف ایک مؤثر تکنیک ہے، جو بالکل کراس میڈیا کی بازیابی کی صورت حال ہے. گہری سیکھنے میں حالیہ پیشرفت سے متاثر ہوکر ، ہم کراس میڈیا ہیشنگ نقطہ نظر کی تجویز کرتے ہیں جو ملٹی موڈل نیورل نیٹ ورکس پر مبنی ہے۔ سیکھنے کے مقصد میں محدود کرکے a) متعلقہ کراس میڈیا ڈیٹا کے لئے ہیش کوڈز ایک جیسے ہوں ، اور b) کلاس لیبل کی پیش گوئی کے لئے ہیش کوڈز امتیازی سلوک کرنے والے ، سیکھے ہوئے ہیمنگ اسپیس سے توقع کی جاتی ہے کہ وہ کراس میڈیا سیمنٹک تعلقات کو اچھی طرح سے پکڑ سکے اور معنوی طور پر امتیازی سلوک کرے۔ دو حقیقی دنیا کے ڈیٹا سیٹ پر تجربات سے پتہ چلتا ہے کہ ہمارے نقطہ نظر کو اعلی درجے کی ریاست کے ساتھ موازنہ کر کراس میڈیا بازیافت کی کارکردگی حاصل ہے. |
9814dd00440b08caf0df96988edb4c56cfcf7bd1 | ایک کشش اعلی سطح کے کام کے ارادے فراہم کرتا ہے اور مقامی منصوبہ ساز کے لئے ماحول کے بارے میں عالمی معلومات کو شامل کرتا ہے، اس طرح طویل افقوں کے ساتھ مہنگی عالمی منصوبہ بندی کی ضرورت کو ختم کرتا ہے. یہ ظاہر ہوتا ہے کہ ایک کشش کے ساتھ راستے کی منصوبہ بندی کے نتیجے میں نظام کے مقابلے میں بہتر کارکردگی ہوتی ہے جس میں صرف مقامی منصوبہ بندی ہوتی ہے فعال SLAM ایک خود مختار روبوٹ کے لئے چیلنج بناتا ہے کہ وہ SLAM عمل کے ساتھ بیک وقت موثر راستوں کی منصوبہ بندی کرے۔ روبوٹ، نقشہ اور سینسر کی پیمائش کی غیر یقینی صورتحال، اور متحرک اور تحریک کی پابندیاں منصوبہ بندی کے عمل میں غور کرنے کی ضرورت ہے. اس کاغذ میں، فعال SLAM مسئلہ ایک زیادہ سے زیادہ راستے کی منصوبہ بندی کے مسئلے کے طور پر وضع کیا جاتا ہے. ایک نئی تکنیک متعارف کرایا جاتا ہے جو ایک جذباتی کو مقامی منصوبہ بندی کی حکمت عملیوں کے ساتھ مل کر استعمال کرتا ہے جیسے ماڈل پیشن گوئی کنٹرول (اکا. اس مسئلے کو حل کرنے کے لئے. |
bc32313c5b10212233007ebb38e214d713db99f9 | بالغوں کی کلینیکل الیکٹروکارڈیوگرافی (ای سی جی) سگنل پروسیسنگ تکنیک اور ڈیجیٹل پروسیسرز کی طاقت میں اہم پیشرفت کے باوجود ، غیر ناگوار جنین ای سی جی (این آئی- ایف ای سی جی) کا تجزیہ ابھی بھی ابتدائی مراحل میں ہے۔ فزیونیٹ/کمپیوٹنگ ان کارڈیالوجی چیلنج 2013 ان میں سے کچھ حدود کو حل کرتا ہے جس میں سائنسی برادری کو سگنل پروسیسنگ تکنیک کے جائزے کے لئے ایف ای سی جی ڈیٹا کا ایک سیٹ عوامی طور پر دستیاب کیا جاتا ہے۔ پیٹ کے ای سی جی سگنلوں کو پہلے بینڈ پاس فلٹر کے ساتھ پہلے سے پروسیس کیا گیا تھا تاکہ اعلی تعدد اور بیس لائن واندر کو ہٹا دیا جاسکے۔ ایک notch فلٹر 50 ہرٹز یا 60 ہرٹز پر طاقت مداخلت کو دور کرنے کے لئے اگر ضرورت ہو تو لاگو کیا گیا تھا. اس کے بعد ماؤں کے ای سی جی کو منسوخ کرنے کے لئے مختلف ماخذ علیحدگی کی تکنیکوں کو لاگو کرنے سے پہلے سگنل کو معمول پر لایا گیا تھا. ان تکنیکوں میں شامل ہیں: ٹیمپلیٹ گھٹاؤ، اہم / آزاد جزو تجزیہ، توسیع کالمین فلٹر اور ان طریقوں کے ذیلی سیٹ کا ایک مجموعہ (FUSE طریقہ). پین اور ٹامپکنز کیو آر ایس ڈیٹیکٹر کا استعمال کرتے ہوئے تمام بقایا پر فیوٹل کیو آر ایس کا پتہ لگانا کیا گیا اور فیوٹل دل کی شرح کے ہموار وقت کی سیریز کے ساتھ بقایا چینل کا انتخاب کیا گیا۔ ایف یو ایس ای الگورتھم نے تربیت کے اعداد و شمار کے سیٹ پر تمام انفرادی طریقوں سے بہتر کارکردگی کا مظاہرہ کیا۔ توثیق اور ٹیسٹ سیٹ پر ، بہترین چیلنج اسکور حاصل ہوئے تھے E1 = 179.44 ، E2 = 20.79 ، E3 = 153.07 ، E4 = 29.62 اور E5 = 4.67 واقعات 1-5 کے لئے بالترتیب FUSE طریقہ کار کا استعمال کرتے ہوئے۔ یہ چیلنج میں حصہ لینے والی 53 بین الاقوامی ٹیموں میں سے E1 اور E2 کے لئے بہترین چیلنج اسکور اور E3 ، E4 اور E5 کے لئے تیسرا اور دوسرا بہترین چیلنج اسکور تھے۔ نتائج سے یہ ظاہر ہوا کہ جنین کی دل کی دھڑکن کے تخمینے کے لیے موجودہ معیاری طریقوں کو تخمینے لگانے والوں کو ایک ساتھ ملا کر بہتر بنایا جا سکتا ہے۔ ہم نے ہر ایک کے لئے بینچ مارکنگ کی اجازت دینے کے لئے اوپن سورس کوڈ فراہم کرتے ہیں معیاری نقطہ نظر بیان. |
09f13c590f19dce53dfd8530f8cbe8044cce33ed | حالیہ برسوں میں، بہت سے صارف انٹرفیس آلات مختلف قسم کے جسمانی تعاملات کو منظم کرنے کے لئے ظاہر ہوتے ہیں. مائیکروسافٹ کنیکٹ کیمرا ایک انقلابی اور مفید گہرائی کیمرا ہے جو اشاروں یا حرکت کا پتہ لگانے کے ذریعے ایکس بکس پلیٹ فارم پر انٹرایکٹو گیمنگ کا نیا صارف تجربہ فراہم کرتا ہے۔ اس کاغذ میں ہم مائیکروسافٹ Kinect سینسر کا استعمال کرتے ہوئے Quadrotor AR.Drone کنٹرول کرنے کے لئے ایک نقطہ نظر پیش کرتے ہیں. |
ca78c8c4dbe4c92ba90c8f6e1399b78ced3cf997 | اس مقالے میں ہم یہ ظاہر کرتے ہیں کہ توجہ اور آؤٹ پٹ کے مابین مشترکہ تقسیم کا ایک سادہ بیم تخمینہ ترتیب سے ترتیب سیکھنے کے لئے ایک آسان ، درست اور موثر توجہ کا طریقہ کار ہے۔ یہ طریقہ سخت توجہ میں تیز توجہ کے فوائد اور نرم توجہ کے نفاذ کی آسانی کو جوڑتا ہے۔ پانچ ترجمے اور دو مورفولوجیکل انفیکشن کے کاموں میں ہم نے موجودہ توجہ کے میکانزم کے مقابلے میں BLEU میں آسان اور مستقل فوائد دکھائے ہیں۔ |
abdb694ab4b1cb4f54f07ed16a657765ce8c47f5 | 75 مضامین کا جائزہ اور میٹا تجزیہ کیا گیا جو جدت طرازی کی خصوصیات اور جدت طرازی کو اپنانے اور اس پر عمل درآمد سے متعلق تھے۔ تجزیہ کا ایک حصہ موجودہ مطالعات کا ایک طریقہ کار پروفائل تعمیر کرنے پر مشتمل تھا، اور اس کے مقابلے میں ایک فرضی بہترین نقطہ نظر کے ساتھ. مطالعہ کے دوسرے حصے میں میٹا تجزیاتی شماریاتی تکنیکوں کو موجودہ تجرباتی نتائج کی عمومی اور مستقل مزاجی کا اندازہ کرنے کے لئے استعمال کیا گیا تھا۔ تین جدت کی خصوصیات (مطابقت، رشتہ دار فائدہ، اور پیچیدگی) جدت کو اپنانے کے لئے سب سے زیادہ مسلسل اہم تعلقات تھے. اس علاقے میں مستقبل کی تحقیق کے لئے تجاویز پیش کی گئیں۔ |
518fd110bbf86df5259fb99126173d626a2ff744 | ہم موبائل manipulators کے لئے trajectories پر ترجیحات سیکھنے کے مسئلے پر غور ذاتی روبوٹ اور اسمبلی لائن روبوٹ جیسے. ہم جو ترجیحات سیکھتے ہیں وہ سڑکوں پر سادہ جیومیٹرک پابندیوں سے زیادہ پیچیدہ ہیں۔ وہ بجائے مختلف اشیاء اور ماحول میں انسانی تعامل کے آس پاس کے سیاق و سباق کے ذریعہ حکومت کرتے ہیں۔ ہم ایک کو ایکٹو آن لائن سیکھنے کے فریم ورک کی تجویز کرتے ہیں جو سیاق و سباق سے بھرپور ماحول میں ترجیحات کی تعلیم کے لیے ہو۔ ہمارے نقطہ نظر کی اہم نیاپن صارف سے توقع کی رائے کی قسم میں ہے: انسانی صارف کو تربیت کے اعداد و شمار کے طور پر زیادہ سے زیادہ راستے کا مظاہرہ کرنے کی ضرورت نہیں ہے، لیکن صرف اس کے لئے iteratively کے نظام کی طرف سے فی الحال تجویز کردہ راستے پر تھوڑا سا بہتر راستے فراہم کرنے کی ضرورت ہے. ہم اس بات پر زور دیتے ہیں کہ یہ شریک ترجیحی آراء زیادہ سے زیادہ رفتار کے مظاہرے کے مقابلے میں زیادہ آسانی سے حاصل کی جاسکتی ہے۔ بہر حال، ہمارے الگورتھم کی نظریاتی افسوس کی حدود زیادہ سے زیادہ رفتار الگورتھم کے asymptotic شرح سے ملتی ہیں. ہم نے اپنے الگورتھم کو دو اعلی درجے کی آزادی والے روبوٹ پر لاگو کیا، PR2 اور بکسٹر، اور اس طرح کے اضافی آراء فراہم کرنے کے لئے تین بدیہی میکانزم پیش کرتے ہیں. ہمارے تجرباتی تشخیص میں ہم نے دو سیاق و سباق سے بھرپور سیٹنگز ، گھریلو کام اور گروسری اسٹور چیک آؤٹ پر غور کیا ، اور دکھایا کہ صارفین صرف کچھ فیڈ بیک کے ساتھ روبوٹ کو تربیت دینے کے قابل ہیں (صرف چند منٹ لگتے ہیں) ۔ |
9f927249d7b33b91ca23f8820e21b22a6951a644 | ملی میٹر ویو (ایم ایم ویو) سیلولر سسٹم کی اعلی ڈیٹا کی شرح کو فعال کرنے کے لئے بیس اسٹیشنوں اور موبائل صارفین دونوں پر بڑے اینٹینا صفوں کو تعینات کرنے کی ضرورت ہے۔ ملی میٹر ویو سیلولر نیٹ ورکس کی کوریج اور شرح پر پہلے کام اس معاملے پر مرکوز تھا جب بیس اسٹیشنوں اور موبائل بیم فارمیٹنگ ویکٹر کو زیادہ سے زیادہ بیم فارمیٹنگ فوائد کے لئے پہلے سے ڈیزائن کیا گیا ہو۔ بیم بنانے / جوڑنے والے ویکٹرز کو ڈیزائن کرنے کے لئے ، تربیت کی ضرورت ہوتی ہے ، جو ایس آئی این آر کوریج اور ملی میٹر ویو سسٹم کی شرح دونوں کو متاثر کرسکتی ہے۔ یہ کاغذ بیم تربیت / ایسوسی ایشن اوور ہیڈ کے لئے اکاؤنٹنگ جبکہ ملی میٹر ویو سیلولر نیٹ ورک کی کارکردگی کا اندازہ کرتا ہے. سب سے پہلے، ابتدائی بیم ایسوسی ایشن کے لئے ایک ماڈل بیم sweeping اور نیچے لنک کنٹرول پائلٹ دوبارہ استعمال کی بنیاد پر تیار کیا جاتا ہے. بیم تربیت کے اثرات کو شامل کرنے کے لئے، ایک نئی میٹرک، مؤثر قابل اعتماد شرح کہا جاتا ہے، کی وضاحت اور اپنایا جاتا ہے. اسٹاکسٹک جیومیٹری کا استعمال کرتے ہوئے ، ملی میٹر ویو سیلولر نیٹ ورکس کی موثر شرح دو خصوصی معاملات کے لئے حاصل کی جاتی ہے: قریب سے آرتھوگونل پائلٹ اور مکمل پائلٹ دوبارہ استعمال۔ تجزیاتی اور تخروپن کے نتائج دو اہم سوالات کے جوابات میں بصیرت فراہم کرتے ہیں۔ سب سے پہلے، ایم ایم ویو نیٹ ورک کی کارکردگی پر بیم ایسوسی ایشن کا کیا اثر ہے؟ پھر، کیا orthogonal یا دوبارہ استعمال شدہ پائلٹ کو ملازمت دی جائے؟ نتائج سے پتہ چلتا ہے کہ جب تک استعمال شدہ بیم بہت وسیع نہیں ہوتے ہیں ، مکمل پائلٹ دوبارہ استعمال کے ساتھ ابتدائی بیم ٹریننگ بیم کی سیدھ میں تقریبا as اچھی ہے۔ |
6bd1f2782d6c8c3066d4e7d7e3afb995d79fa3dd | ایک سیمنٹک طبقاتی الگورتھم کو ایک تصویر میں ہر پکسل کو ایک لیبل تفویض کرنا ضروری ہے. حال ہی میں، گہری سیکھنے کی وجہ سے آرجیبی امیجری کی معنوی تقسیم نمایاں طور پر آگے بڑھ گئی ہے. چونکہ سیمنٹک طبقہ بندی کے لئے ڈیٹا سیٹ بنانا محنتی ہے ، لہذا یہ ڈیٹا سیٹ آبجیکٹ کی شناخت کے ڈیٹا سیٹوں سے نمایاں طور پر چھوٹے ہوتے ہیں۔ اس سے براہ راست معنوی تقسیم کے لئے گہرے اعصابی نیٹ ورک کو تربیت دینا مشکل ہوجاتا ہے ، کیونکہ اس میں زیادہ فٹ ہونے کا خطرہ ہوگا۔ اس سے نمٹنے کے لئے ، گہری سیکھنے کے ماڈل عام طور پر بڑے پیمانے پر امیج کی درجہ بندی کے ڈیٹا سیٹوں پر پہلے سے تربیت یافتہ کنولوشنل نیورل نیٹ ورکس کا استعمال کرتے ہیں ، جو پھر معنوی تقسیم کے لئے ٹھیک ہوجاتے ہیں۔ غیر آر جی بی امیجری کے لئے ، یہ فی الحال ممکن نہیں ہے کیونکہ بڑے پیمانے پر لیبل والے غیر آر جی بی ڈیٹا سیٹ موجود نہیں ہیں۔ اس مقالے میں ہم نے دو گہرے نیورل نیٹ ورک تیار کیے ہیں جو ملٹی سپیکٹرم ریموٹ سینسنگ امیجری کی معنوی تقسیم کے لیے ہیں۔ ہدف کے ڈیٹا سیٹ پر تربیت سے پہلے، ہم نیٹ ورک کو بڑی مقدار میں مصنوعی کثیر سپیکٹرم امیجری کے ساتھ شروع کرتے ہیں. ہم نے دکھایا کہ یہ نمایاں طور پر حقیقی دنیا کی ریموٹ سینسنگ امیجری پر نتائج کو بہتر بناتا ہے، اور ہم نے ایک نیا ریاستی آرٹ نتیجہ قائم کیا ہے Hamlin Beach State Park Dataset پر. |
9e9b8832b9e727d5f7a61cedfa4bdf44e8969623 | اس مقالے میں عالمی حل تلاش کرنے کے لئے بڑے پیمانے پر غیر لکیری اصلاح کے مسائل کے لئے ایک موثر اصلاح کا طریقہ ٹیچنگ لرننگ بیسڈ آپٹیمائزیشن (ٹی ایل بی او) تجویز کیا گیا ہے۔ تجویز کردہ طریقہ کار ایک کلاس میں سیکھنے والوں کی پیداوار پر استاد کے اثر و رسوخ کے اثر پر مبنی ہے. طریقہ کار کا بنیادی فلسفہ تفصیل سے بیان کیا گیا ہے۔ اس طریقہ کار کی افادیت مختلف خصوصیات کے ساتھ بہت سے بینچ مارک مسائل پر تجربہ کیا جاتا ہے اور نتائج کو آبادی پر مبنی دیگر طریقوں کے ساتھ موازنہ کیا جاتا ہے. 2011 ایلسیویئر انکارپوریشن تمام حقوق محفوظ ہیں۔ |
3ca6ab58ae015860098d800a9942af9df4d1e090 | تلاش پر مبنی گراف سوالات ، جیسے مختصر راستے اور آئو مورفک سب گرافس تلاش کرنا ، میموری تاخیر سے غلبہ رکھتے ہیں۔ اگر ان پٹ گراف کو مناسب طریقے سے تقسیم کیا جاسکتا ہے تو ، بڑے کلسٹر پر مبنی کمپیوٹنگ پلیٹ فارم ان سوالات کو چلا سکتے ہیں۔ تاہم ، ان پٹ گراف کے ہر نوک پر کمپیوٹ باؤنڈ پروسیسنگ کی کمی اور پڑوسیوں کو بازیافت کرنے کی مستقل ضرورت سے پروسیسر کا کم استعمال ہوتا ہے۔ اس کے علاوہ، گراف کلاس جیسے پیمانے پر مفت سوشل نیٹ ورکس کو تقسیم کرنے کے لئے واضح طور پر مؤثر بنانے کے لئے مقامی طور پر کمی نہیں ہے. بڑے پیمانے پر ملٹی تھریڈنگ ایک متبادل فن تعمیراتی نمونہ ہے ، جس میں ایک بڑی مشترکہ میموری پروسیسرز کے ساتھ مل جاتی ہے جس میں بہت سارے تھریڈ سیاق و سباق کی حمایت کرنے کے لئے اضافی ہارڈ ویئر ہوتا ہے۔ پروسیسر کی رفتار عام طور پر معمول سے سست ہے، اور کوئی ڈیٹا کیش نہیں ہے. میموری کی تاخیر کو کم کرنے کے بجائے ، ملٹی تھریڈڈ مشینیں اسے برداشت کرتی ہیں۔ یہ نمونہ گراف تلاش کے مسئلے کے ساتھ اچھی طرح سے سیدھا ہے ، کیونکہ کمپیوٹنگ کے لئے میموری کی درخواستوں کا اعلی تناسب ملٹی تھریڈنگ کے ذریعہ برداشت کیا جاسکتا ہے۔ اس مقالے میں ، ہم ملٹی تھریڈڈ گراف لائبریری (ایم ٹی جی ایل) ، ملٹی تھریڈڈ کمپیوٹرز پر سیمنٹک گرافس کی پروسیسنگ کے لئے عمومی گراف استفسار سافٹ ویئر متعارف کراتے ہیں۔ یہ لائبریری فی الحال سیریل مشینوں اور کری ایم ٹی اے 2 پر چلتی ہے ، لیکن سینڈیا ایک رن ٹائم سسٹم تیار کررہی ہے جو ایم ٹی جی ایل پر مبنی کوڈ کو ہم آہنگ ملٹی پروسیسرز پر چلانے کے قابل بنائے گی۔ ہم منسلک اجزاء کے لئے ایک ملٹی تھریڈڈ الگورتھم اور غیر عین مطابق سب گراف آئو مورفزم کے لئے ایک نیا ہیورسٹک بھی متعارف کراتے ہیں۔ ہم بڑے پیمانے پر آزاد گرافوں پر ان اور دیگر بنیادی گراف الگورتھم کی کارکردگی کا جائزہ لیتے ہیں۔ ہم سی-ٹی کنیکٹوٹی کے لئے کری ایم ٹی اے 2 اور بلیو جین / لائٹ کے مابین کارکردگی کے موازنہ کے ساتھ اختتام پذیر ہیں۔ |
d4c65ee21bb8d64b8e4380f80ad856a1629b5949 | ایک ویو گائیڈ ڈویڈر جو کہ فولڈڈ سائیڈرل آرمز کے ساتھ ہے، براڈ بینڈ آرتھو موڈ ٹرانسڈوسروں میں ڈبل آرتھو لینیر پولرائزیشنز کو الگ کرنے کے لیے پیش کیا گیا ہے۔ ڈھانچہ ایک معروف ڈبل ہم آہنگی جنکشن پر مبنی ہے، جہاں دھاتی پنوں کو ختم کر دیا گیا ہے اور ضمنی نتائج ایک مشترکہ اثر حاصل کرنے کے لئے جوڑ دیا گیا ہے: عمودی قطبی کاری کے لئے مماثلت اور ایک بہت اہم سائز میں کمی. اس کے علاوہ، چونکہ پس منظر کی شاخوں کے لئے راستہ کم ہو گیا ہے، مختلف polarizations کے لئے اندراج نقصانات متوازن ہیں. آرتھوگونل پولرائزیشن کے درمیان تنہائی جوڑ کی ڈبل ہم آہنگی کی وجہ سے برقرار رکھی جاتی ہے۔ مکینیکل نقطہ نظر سے ، مجوزہ جنکشن آرتھو موڈ ٹرانسڈوسر حصوں کی ایک آسان تیاری اور اسمبلی کی اجازت دیتا ہے ، جسے کیو بینڈ ڈیزائن کے ساتھ دکھایا گیا ہے ، جو 12.6 سے 18.25 گیگا ہرٹز تک پورے کیو بینڈ کو ڈھکتا ہے۔ تجرباتی پروٹوٹائپ نے دونوں قطبی کاریوں کے لئے ڈیزائن بینڈ میں 28 ڈی بی سے بہتر اور 0.15 ڈی بی سے کم اندراج نقصان کا پیمائش کیا ہے۔ |
db3259ae9e7f18a319cc24229662da9bf400221a | |
10dae7fca6b65b61d155a622f0c6ca2bc3922251 | |
5021c5f6d94ffaf735ab941241ab21e0c491ffa1 | MSER خصوصیات کو میچنگ اور بازیافت کے کاموں میں ان کی کارکردگی کو بہتر بنانے کے لئے دوبارہ بیان کیا گیا ہے۔ مجوزہ سمسر خصوصیات (یعنی اسکیل غیر حساس MSERs) انتہائی علاقوں ہیں جو نہ صرف حد کی تبدیلیوں (MSERs کی طرح) کے تحت زیادہ سے زیادہ مستحکم ہیں بلکہ ، اضافی طور پر ، تصویر کی دوبارہ پیمائش (سست) کے تحت۔ اس طرح کی ترمیم کے نظریاتی فوائد پر تبادلہ خیال کیا جاتا ہے. یہ بھی ابتدائی طور پر تجرباتی طور پر تصدیق کی جاتی ہے کہ اس طرح کی ترمیم MSERs کی بنیادی خصوصیات کو برقرار رکھتا ہے، یعنی. خصوصیات کی اوسط تعداد ، تکرار اور کمپیوٹیشنل پیچیدگی (جو استعمال شدہ ترازو کی تعداد سے صرف ضرب سے بڑھتی ہے) ، جبکہ کارکردگی (عام سی بی وی آئی آر میٹرکس کے ذریعہ ماپا جاتا ہے) میں نمایاں طور پر بہتری آسکتی ہے۔ خاص طور پر ، بینچ مارک ڈیٹا سیٹوں کے نتائج میں یاد رکھنے والی اقدار میں نمایاں اضافہ ہوا ہے ، دونوں ڈیسکٹر پر مبنی مماثلت اور لفظ پر مبنی مماثلت کے ل. عام طور پر، SIMSERs بڑے بصری الفاظ کے ساتھ استعمال کے لئے خاص طور پر موزوں لگتے ہیں، مثال کے طور پر. وہ بڑے پیمانے پر ڈیٹا بیس میں بی او ڈبلیو پری ریٹریول آپریشنز کے معیار کو بہتر بنانے کے لئے مستقبل میں لاگو کیا جا سکتا ہے. |
e23c9687ba0bf15940af76b7fa0e0c1af9d3156e | صارفین کے الیکٹرانکس کی صنعت ایک 240 ارب ڈالر کی عالمی صنعت ہے جس میں بہت کم تعداد میں انتہائی مسابقتی عالمی کھلاڑی ہیں۔ ہم اس صنعت میں کسی بھی عالمی سپلائی چین سے وابستہ بہت سے خطرات کی وضاحت کرتے ہیں۔ مثال کے طور پر ہم نے ان اقدامات کی فہرست بھی دی ہے جو سام سنگ الیکٹرانکس اور اس کی ذیلی کمپنی سام سنگ الیکٹرانکس برطانیہ نے ان خطرات کو کم کرنے کے لیے کیے ہیں۔ خطرات کی ہماری وضاحت اور تخفیف کی کوششوں کی مثال مستقبل کی تحقیق کے علاقوں کی نشاندہی کرنے کے لئے پس منظر فراہم کرتی ہے. |
2f52cbef51a6a8a2a74119ad821526f9e0b57b39 | SAP HANA ڈیٹا بیس کو ٹرانزیکشن کے مطابق آپریشنل ورک لوڈ کے ساتھ مل کر پیچیدہ کاروباری تجزیاتی عمل کی حمایت کرنے کے لئے SAP HANA ایپلی کیشن کے بنیادی طور پر پوزیشن میں رکھا گیا ہے. اس کاغذ کے اندر، ہم SAP ہانا ڈیٹا بیس کی بنیادی خصوصیات کی وضاحت کرتے ہیں، ان مخصوص خصوصیات پر زور دیتے ہیں جو SAP ہانا ڈیٹا بیس کو دوسرے کلاسیکی رشتہ دار ڈیٹا بیس مینجمنٹ سسٹم سے مختلف کرتے ہیں. تکنیکی پہلو پر ، ایس اے پی ہانا ڈیٹا بیس میں ڈیٹا پروسیسنگ کے پورے میدان کو فراہم کرنے کے لئے ایک تقسیم شدہ استفسار پروسیسنگ ماحول کے ساتھ متعدد ڈیٹا پروسیسنگ انجن شامل ہیں۔ کلاسیکی رشتہ دار ڈیٹا سے جو ایک ہی نظام کے اندر نیم اور غیر منظم ڈیٹا مینجمنٹ کے لئے گراف اور ٹیکسٹ پروسیسنگ تک ہائبرڈ انجن میں قطار اور کالم پر مبنی جسمانی نمائندگی دونوں کی حمایت کرتا ہے۔ ایک زیادہ درخواست پر مبنی نقطہ نظر سے ، ہم مقامی طور پر نافذ کردہ کاروباری افعال کے بلٹ ان سیٹ کے ساتھ متعدد ڈومین مخصوص زبانوں کے SAP HANA ڈیٹا بیس کے ذریعہ فراہم کردہ مخصوص مدد کی خاکہ پیش کرتے ہیں۔ SQL - رشتہ دار ڈیٹا بیس کے نظام کے لئے lingua franca کے طور پر - اب جدید ایپلی کیشنز کی تمام ضروریات کو پورا کرنے کے لئے غور نہیں کیا جا سکتا، جس میں ڈیٹا مینجمنٹ پرت کے ساتھ سخت بات چیت کی ضرورت ہوتی ہے. لہذا ، ایس اے پی ہانا ڈیٹا بیس بنیادی ڈیٹا مینجمنٹ پلیٹ فارم کے ساتھ ایپلی کیشن سیمنٹکس کے تبادلے کی اجازت دیتا ہے جس کا استحصال استفسار کی اظہار کو بڑھانے اور انفرادی ایپلی کیشن سے ڈیٹا بیس راؤنڈ ٹرپس کی تعداد کو کم کرنے کے لئے کیا جاسکتا ہے۔ |
3a011bd31f1de749210b2b188ffb752d9858c6a6 | ہم بڑے نفیس نیٹ ورکس کی طرف فیصلہ سازی کی حمایت کی سہولیات کو بڑھانے پر غور کر رہے ہیں، جس پر کثیر جہتی صفات نیٹ ورک اداروں سے منسلک ہوتے ہیں، اس طرح نام نہاد کثیر جہتی نیٹ ورک تشکیل دیتے ہیں. ڈیٹا گودام اور او ایل اے پی (آن لائن تجزیاتی پروسیسنگ) ٹیکنالوجی نے رشتہ دار اعداد و شمار پر فیصلے کی حمایت کے لئے موثر اوزار ثابت کیا ہے. تاہم، وہ نئے ابھی تک اہم کثیر جہتی نیٹ ورک کو ہینڈل کرنے کے لئے اچھی طرح سے لیس نہیں ہیں. اس کاغذ میں، ہم گراف کیوب، ایک نیا ڈیٹا گودام ماڈل متعارف کرایا ہے کہ بڑے کثیر جہتی نیٹ ورک پر مؤثر طریقے سے OLAP سوالات کی حمایت کرتا ہے. دونوں صفات کے مجموعی اور نیٹ ورک کی ساخت کا خلاصہ دونوں کو مدنظر رکھتے ہوئے ، گراف مکعب روایتی ڈیٹا مکعب ماڈل سے آگے بڑھتا ہے جس میں صرف عددی قدر پر مبنی گروپ بائیز شامل ہوتے ہیں ، اس طرح ہر ممکنہ کثیر جہتی جگہ کے اندر زیادہ بصیرت اور ساخت سے مالا مال مجموعی نیٹ ورک کا نتیجہ ہوتا ہے۔ روایتی کیوبائڈ سوالات کے علاوہ ، او ایل اے پی سوالات کی ایک نئی کلاس ، کراس بوئڈ متعارف کروائی گئی ہے جو کثیر جہتی نیٹ ورکس میں منفرد طور پر مفید ہے اور اس سے پہلے اس کا مطالعہ نہیں کیا گیا ہے۔ ہم گراف کیوب کو لاگو کرتے ہیں کثیر جہتی نیٹ ورکس کی خصوصی خصوصیات کو موجودہ اچھی طرح سے مطالعہ شدہ ڈیٹا کیوب تکنیکوں کے ساتھ جوڑ کر۔ ہم حقیقی دنیا کے ڈیٹا سیٹ کی ایک سیریز پر وسیع تجرباتی مطالعہ انجام دیتے ہیں اور گراف کیوب بڑے کثیر جہتی نیٹ ورکس پر فیصلے کی حمایت کے لئے ایک طاقتور اور موثر آلہ دکھایا گیا ہے. |
4b573416043cf9cff42cbb7b753993c907a2be4a | بہت سے روایتی اور نئے کاروباری ایپلی کیشنز بنیادی طور پر گرافسٹرکچرڈ ڈیٹا کے ساتھ کام کرتے ہیں اور اس وجہ سے گراف خلاصوں اور ڈیٹا مینجمنٹ پرت میں فراہم کردہ کارروائیوں سے فائدہ اٹھاتے ہیں۔ پراپرٹی گراف ڈیٹا ماڈل نہ صرف اسکیما لچک پیش کرتا ہے بلکہ ڈیٹا اور میٹا ڈیٹا کو مشترکہ طور پر منظم اور پروسیسنگ کی بھی اجازت دیتا ہے۔ عام گراف آپریشنز کو براہ راست ڈیٹا بیس انجن میں نافذ کرنے اور ان دونوں کو بدیہی پروگرامنگ انٹرفیس اور ایک اعلاناتی زبان کی شکل میں بے نقاب کرنے سے ، پیچیدہ کاروباری اطلاق کی منطق کو زیادہ آسانی سے بیان کیا جاسکتا ہے اور بہت موثر انداز میں عملدرآمد کیا جاسکتا ہے۔ اس کاغذ میں ہم گراف ڈیٹا کی حمایت کے ساتھ SAP ہانا ڈیٹا بیس کو بڑھانے کے لئے ہمارے جاری کام کی وضاحت کرتے ہیں. ہم اس کو SAP HANA کے ساتھ جدید کاروباری ایپلی کیشنز کے لئے ایک موثر اور بدیہی ڈیٹا مینجمنٹ پلیٹ فارم فراہم کرنے کے راستے پر ایک اگلے قدم کے طور پر دیکھتے ہیں. |
16af753e94919ca257957cee7ab6c1b30407bb91 | |
cc75568885ab99851cc0e0ea5679121606121e5d | کام کرنے والے کتوں کی تربیت اور ان سے نمٹنا ایک مہنگا عمل ہے اور اس کے لیے خصوصی مہارت اور تکنیک درکار ہوتی ہے۔ کم ذہنی اور کم لاگت کی تربیت کی تکنیک نہ صرف ان کتوں کے ساتھ ہماری شراکت داری کو بہتر بنائے گی بلکہ ہمیں ان کی مہارتوں سے زیادہ موثر طریقے سے فائدہ اٹھانے کے قابل بنائے گی۔ اس کی سہولت کے لیے ہم ایک کتے کے جسم کے علاقے کے نیٹ ورک (سی بی اے این) کی ترقی کر رہے ہیں تاکہ سینسنگ ٹیکنالوجی اور کمپیوٹیشنل ماڈلنگ کو یکجا کیا جا سکے تاکہ ہینڈلرز کو کتے کی تربیت کے لیے زیادہ درست تشریح فراہم کی جا سکے۔ اس کے پہلے قدم کے طور پر، ہم نے کینوں کی رویے کی سرگرمی کا دور دراز سے پتہ لگانے کے لئے غیر فعال پیمائش یونٹس (آئی ایم یو) کا استعمال کیا۔ فیصلہ درخت درجہ بندی اور پوشیدہ مارکوف ماڈل کا استعمال جامد پوزیشنوں (بیٹھنے ، کھڑے ، لیٹ ، دو ٹانگوں پر کھڑے اور زمین سے کھاتے ہوئے) اور متحرک سرگرمیوں (چلنے ، سیڑھیاں چڑھنے اور ریمپ سے نیچے چلنے) کا پتہ لگانے کے لئے کیا گیا تھا ، جو ایکسلرومیٹر اور گیروسکوپ کے اعداد و شمار کی ہیوریسٹک خصوصیات پر مبنی ہے جو کتے کی جیکٹ پر تعینات وائرلیس سینسنگ سسٹم کے ذریعہ فراہم کی جاتی ہے۔ 6 لیبرڈور ریٹریورز اور ایک کائی کین سے ڈیٹا اکٹھا کیا گیا تھا۔ IMU مقام اور واقفیت کا تجزیہ جامد اور متحرک سرگرمی کی شناخت کے لئے اعلی درجہ بندی کی درستگی حاصل کرنے میں مدد ملی. |
694a40785f480cc0d65bd94a5e44f570aff5ea37 | موبائل روبوٹ نیویگیشن پر تحقیق نے انڈور ماحول کی نقشہ سازی کے لئے دو اہم نمونہ تیار کیے ہیں: گرڈ پر مبنی اور ٹوپولوجیکل۔ اگرچہ گرڈ پر مبنی طریقوں سے درست میٹرک نقشے تیار ہوتے ہیں ، لیکن ان کی پیچیدگی اکثر بڑے پیمانے پر انڈور ماحول میں موثر منصوبہ بندی اور مسئلے کو حل کرنے سے روکتی ہے۔ دوسری طرف ، ٹوپولوجیکل نقشے ، زیادہ موثر طریقے سے استعمال کیے جاسکتے ہیں ، پھر بھی بڑے پیمانے پر ماحول میں درست اور مستقل ٹوپولوجیکل نقشے سیکھنا کافی مشکل ہے۔ یہ کاغذ ایک نقطہ نظر بیان کرتا ہے جو دونوں نمونوں کو ضم کرتا ہے: گرڈ پر مبنی اور ٹوپولوجیکل۔ گرڈ پر مبنی نقشے مصنوعی نیورل نیٹ ورکس اور بیسی انضمام کا استعمال کرتے ہوئے سیکھے جاتے ہیں۔ ٹوپولوجی نقشے گرڈ پر مبنی نقشوں کے اوپر پیدا ہوتے ہیں، مؤخر الذکر کو مربوط علاقوں میں تقسیم کرکے. دونوں نمونوں کو یکجا کرکے - گرڈ پر مبنی اور ٹوپولوجیکل - ، یہاں پیش کردہ نقطہ نظر دونوں دنیاؤں میں سے بہترین حاصل کرتا ہے: درستگی / مستقل مزاجی اور کارکردگی۔ اس کاغذ میں ایک موبائل روبوٹ کو خود مختار طریقے سے کام کرنے کے لئے نتائج فراہم کیے گئے ہیں جو آبادی والے کثیر کمرے کے ماحول میں سونار سینسر سے لیس ہیں. |
a512385be058b1e2e1d8b418a097065707622ecd | کینسر کا عالمی بوجھ بڑھتا جا رہا ہے جس کی بڑی وجہ دنیا کی آبادی کی بڑھتی عمر اور بڑھتی آبادی ہے۔ اس کے ساتھ ساتھ معاشی طور پر ترقی پذیر ممالک میں کینسر کا سبب بننے والے طرز عمل کو اپنانے کی بڑھتی ہوئی تعداد ہے، خاص طور پر سگریٹ نوشی۔ گلوبوکان 2008 کے تخمینوں کی بنیاد پر ، 2008 میں کینسر کے تقریبا 12.7 ملین کیسز اور 7.6 ملین کینسر کی اموات کا اندازہ لگایا گیا ہے۔ ان میں سے ، 56٪ کیسز اور 64٪ اموات معاشی طور پر ترقی پذیر دنیا میں واقع ہوئی ہیں۔ خواتین میں کینسر کی موت کی سب سے بڑی وجہ اور سب سے زیادہ تشخیص شدہ کینسر چھاتی کا کینسر ہے، جو کینسر کے کل کیسز میں 23 فیصد اور کینسر سے ہونے والی اموات میں 14 فیصد ہے۔ مردوں میں پھیپھڑوں کا کینسر کینسر کا سب سے بڑا مقام ہے، جو کینسر کے کل نئے کیسز میں سے 17 فیصد اور کینسر سے ہونے والی اموات میں سے 23 فیصد ہے۔ اب معاشی طور پر ترقی پذیر ممالک میں خواتین میں کینسر کی موت کی سب سے بڑی وجہ بھی چھاتی کا کینسر ہے، پچھلی دہائی کے مقابلے میں یہ تبدیلی ہے جس کے دوران کینسر کی موت کی سب سے عام وجہ بچہ دانی کا کینسر تھا۔ اس کے علاوہ ترقی پذیر ممالک میں خواتین میں پھیپھڑوں کے کینسر کی شرح اموات اتنی ہی زیادہ ہے جتنی گردن کے کینسر کی شرح، جہاں ہر ایک کی وجہ سے خواتین میں کینسر کی اموات کی تعداد 11 فیصد ہے۔ اگرچہ ترقی پذیر دنیا میں کینسر کی مجموعی شرح ترقی یافتہ دنیا میں دونوں جنسوں میں پائے جانے والے نصف ہے، کینسر کی مجموعی شرح اموات عام طور پر اسی طرح کی ہوتی ہے۔ کینسر کی بقا ترقی پذیر ممالک میں غریب ہوتی ہے، زیادہ تر ممکنہ طور پر تشخیص کے مرحلے میں اور بروقت اور معیاری علاج تک محدود رسائی کے ایک مجموعہ کی وجہ سے. کینسر کے عالمی بوجھ کا ایک اہم حصہ کینسر کے کنٹرول کے موجودہ علم کے اطلاق اور تمباکو نوشی کے کنٹرول، ویکسینیشن (جگر اور cervical کینسر کے لئے) ، اور ابتدائی پتہ لگانے اور علاج کے ساتھ ساتھ عوامی صحت کی مہمات کے ذریعے روک دیا جا سکتا ہے جس میں جسمانی سرگرمی اور صحت مند غذائی اجزاء کی حوصلہ افزائی ہوتی ہے. کلینکس، صحت عامہ کے پیشہ ور افراد اور پالیسی ساز عالمی سطح پر اس طرح کی مداخلت کے اطلاق کو تیز کرنے میں فعال کردار ادا کرسکتے ہیں۔ |
37fa040ec0c4bc1b85f3ca2929445f3229ed7f72 | ہم پیش کرتے ہیں sketch-rnn، ایک بار بار چلنے والا نیورل نیٹ ورک (RNN) جو عام اشیاء کی اسٹروک پر مبنی ڈرائنگ بنانے کے قابل ہے۔ اس ماڈل کو ہزاروں خام انسانی پینٹ تصاویر پر تربیت دی جاتی ہے جو سینکڑوں طبقات کی نمائندگی کرتی ہیں۔ ہم مشروط اور غیر مشروط خاکہ نسل کے لئے ایک فریم ورک کی خاکہ پیش کرتے ہیں ، اور ویکٹر فارمیٹ میں مربوط خاکہ ڈرائنگ پیدا کرنے کے لئے نئے مضبوط تربیت کے طریقوں کی وضاحت کرتے ہیں۔ |
a1a1c4fb58a2bc056a056795609a2be307b6b9bf | کلاؤڈ اسٹوریج تیزی سے بہت سے آئی ٹی انفراسٹرکچر کا ایک بنیادی پتھر بن گیا ہے ، جو بیک اپ ، ہم وقت سازی اور بڑی مقدار میں ڈیٹا کے اشتراک کے لئے ایک ہموار حل تشکیل دیتا ہے۔ کلاؤڈ سروس فراہم کرنے والوں کے براہ راست کنٹرول میں صارف کے ڈیٹا کو ڈالنے سے ، بیرونی اعداد و شمار کی سالمیت ، حساس معلومات کے حادثاتی یا جان بوجھ کر رساو ، صارف کی سرگرمیوں کی پروفائلنگ اور اسی طرح سے متعلق سیکیورٹی اور رازداری کے خدشات پیدا ہوتے ہیں۔ مزید برآں، یہاں تک کہ اگر کلاؤڈ فراہم کنندہ قابل اعتماد ہے، آؤٹ سورس فائلوں تک رسائی حاصل کرنے والے صارفین بدنیتی پر مبنی اور غلط رویہ کرسکتے ہیں. یہ خدشات خاص طور پر حساس ایپلی کیشنز جیسے ذاتی صحت کے ریکارڈ اور کریڈٹ اسکور سسٹم میں سنجیدہ ہیں. اس مسئلے سے نمٹنے کے لئے ، ہم گورام ، ایک خفیہ کاری کا نظام پیش کرتے ہیں جو آؤٹ سورسڈ ڈیٹا کی رازداری اور سالمیت کی حفاظت کرتا ہے دونوں کے حوالے سے ایک ناقابل اعتماد سرور اور بدنیتی پر مبنی کلائنٹ ، اس طرح کے ڈیٹا تک رسائی کی گمنامی اور غیر منسلک کی ضمانت دیتا ہے ، اور ڈیٹا کے مالک کو آؤٹ سورسڈ ڈیٹا کو دوسرے کلائنٹس کے ساتھ بانٹنے کی اجازت دیتا ہے ، انہیں انتخابی طور پر پڑھنے اور لکھنے کی اجازت دیتا ہے۔ گورام پہلا نظام ہے جو آؤٹ سورسڈ اسٹوریج کے لئے سیکیورٹی اور پرائیویسی خصوصیات کی اتنی وسیع رینج حاصل کرتا ہے۔ ایک موثر تعمیر کے ڈیزائن کے عمل میں، ہم نے دو نئے، عام طور پر قابل اطلاق خفیہ کاری کے منصوبوں کو تیار کیا، یعنی، شفل کے صفر علم ثبوت اور ایک احتساب کی تکنیک پر مبنی ایک اکاؤنٹنگ تکنیک، جس میں ہم آزاد دلچسپی رکھتے ہیں. ہم نے ایمیزون لچکدار کمپیوٹ کلاؤڈ (ای سی 2) میں گورام کو نافذ کیا اور کارکردگی کی تشخیص کا مظاہرہ کیا جس سے ہماری تعمیر کی توسیع اور کارکردگی کا مظاہرہ کیا گیا۔ |
32527d9fcbfb0c84daf715d7e9a375f647b33c2c | |
269ed5ba525519502123b58472e069d77c5bda14 | ایک انٹرایکٹو سوال جواب (QA) نظام اکثر غیر سنجیدہ (نامکمل) سوالات کا سامنا کرتا ہے. یہ غیر سنجیدہ سوالات نظام کے لئے معنی نہیں بن سکتے ہیں جب صارف ان سے بات چیت کے سیاق و سباق کے بغیر پوچھتا ہے۔ نظام اس طرح اکاؤنٹ میں بات چیت کے سیاق و سباق کو لے کرنے کی ضرورت ہے نامکمل سوال پر عملدرآمد کرنے کے لئے. اس کام میں ، ہم ایک بار بار چلنے والے نیورل نیٹ ورک (آر این این) پر مبنی انکوڈر ڈیکوڈر نیٹ ورک پیش کرتے ہیں جو ایک نامکمل سوال اور گفتگو کے تناظر میں ، ایک مکمل (منصوبہ بند) سوال پیدا کرسکتا ہے۔ RNN انکوڈر ڈیکوڈر نیٹ ورکس کو اچھی طرح سے کام کرنے کے لئے دکھایا گیا ہے جب لاکھوں جملے کے ساتھ متوازی کورپس پر تربیت دی جاتی ہے، تاہم اس طول و عرض کے بات چیت کے اعداد و شمار کو حاصل کرنا انتہائی مشکل ہے. لہذا ہم اصل مسئلہ کو دو الگ الگ آسان مسائل میں تقسیم کرنے کی تجویز کرتے ہیں جہاں ہر مسئلہ ایک تجرید پر مرکوز ہوتا ہے۔ خاص طور پر، ہم ایک سیمانٹک ترتیب ماڈل کو سیمانٹک پیٹرن سیکھنے کے لیے تربیت دیتے ہیں، اور ایک نحوی ترتیب ماڈل کو لسانی پیٹرن سیکھنے کے لیے۔ ہم مزید ایک مجموعہ ماڈل پیدا کرنے کے لئے نحو اور معنوی ترتیب ماڈل کو اکٹھا. ہمارے ماڈل کو ایک معیاری RNN انکوڈر ڈیکوڈر ماڈل کا استعمال کرتے ہوئے 18.54 کے مقابلے میں 30.15 کے BLEU سکور حاصل کرتا ہے. |
27099ec9ea719f8fd919fb69d66af677a424143b | سوچ کے عقلی (ACT-R؛ J. R. Anderson & C. Lebiere، 1998) کے انکولی کنٹرول ایک نظریہ میں تیار ہوا ہے جس میں متعدد ماڈیولز شامل ہیں لیکن یہ بھی بتاتا ہے کہ یہ ماڈیول مربوط ادراک پیدا کرنے کے لئے کس طرح مربوط ہیں۔ ادراک-موٹر ماڈیولز ، ہدف ماڈیول ، اور اعلان میموری ماڈیول ACT-R میں خصوصی نظاموں کی مثالوں کے طور پر پیش کیے گئے ہیں۔ یہ ماڈیولز الگ الگ کورٹیکل علاقوں سے وابستہ ہیں۔ یہ ماڈیولز بٹس کو بفرز میں رکھتے ہیں جہاں ان کا پتہ لگانے کے لئے ایک پروڈکشن سسٹم کی طرف سے پتہ لگایا جاسکتا ہے جو بفرز میں معلومات کے نمونوں کا جواب دیتا ہے۔ کسی بھی وقت، موجودہ پیٹرن کا جواب دینے کے لئے ایک واحد پیداوار اصول منتخب کیا جاتا ہے. سب سمبولیک عمل فائر کرنے کے قواعد کے انتخاب کے ساتھ ساتھ کچھ ماڈیولز کے اندرونی آپریشنز کی رہنمائی کرنے کا کام کرتے ہیں۔ سیکھنے کا زیادہ تر حصہ ان سب سمبولیک عملوں کی موافقت شامل ہے۔ ان ماڈیولز کے الگ الگ اور کنسرٹ میں کام کرنے کے طریقے کو واضح کرنے کے لئے متعدد سادہ اور پیچیدہ تجرباتی مثالیں بیان کی گئی ہیں۔ |
6fdbf20f50dfd6276d9b89e494f86fbcc7b0b9b7 | ہم نے ایک ناول الیکٹرانک ٹریکنگ اینٹینا صف ڈیزائن اور تجربہ کیا ہے جو 2 × 2 مائکرو اسٹراپ ذیلی صفوں سے تشکیل دی گئی ہے۔ ہر ذیلی صف پر وقت کی ترتیب مرحلے کے وزن کے ذریعے، ہر ذیلی صف پر طول و عرض اور مرحلے کو نتیجے میں واحد چینل کی پیداوار سے بحال کیا جا سکتا ہے. ہر صف پر طول و عرض اور مرحلے کو ڈیجیٹل سگنل پروسیسنگ کی طرف سے رقم اور فرق تابکاری پیٹرن پیدا کرنے کے لئے استعمال کیا جا سکتا ہے. مونوپلس سسٹم کے مقابلے میں ، ایف آر موازنہ کو ختم کردیا گیا ہے اور وصول کرنے والے چینلز کی تعداد 3 سے کم کرکے 1 کردی گئی ہے۔ ایک ثبوت کے تصور پروٹوٹائپ تیار اور تجربہ کیا گیا تھا. پیمائش کے نتائج نے مجوزہ اسکیم کی صداقت اور فوائد کی تصدیق کی. چینل اصلاح کے طریقہ کار دی گئی ہے. |
3701bdb05b6764b09a5735cdc3cb9c40736d9765 | ہم اسٹاکسٹک اسینکرونس پروکسیمل الٹرنیٹنگ لکیری کم سے کم (SAPALM) طریقہ متعارف کراتے ہیں ، جو غیر محور ، غیر ہموار اصلاح کے مسائل کو حل کرنے کے لئے بلاک کوآرڈینیٹ اسٹاکسٹک پروکسیمل گریڈینٹ طریقہ ہے۔ SAPALM پہلا غیر متزلزل متوازی اصلاح کا طریقہ ہے جو غیر محور ، غیر ہموار مسائل کی ایک بڑی کلاس پر ثابت ہوتا ہے۔ ہم ثابت کرتے ہیں کہ SAPALM اس مسئلے کی کلاس پر ہم وقت ساز یا غیر ہم وقت ساز طریقوں کے درمیان - کنورجنس کی بہترین معروف شرحوں سے مماثل ہے۔ ہم کارکنوں کی تعداد پر اوپری حدود فراہم کرتے ہیں جن کے لئے ہم ایک لکیری رفتار کو دیکھنے کی توقع کر سکتے ہیں، جو کم پیچیدہ مسائل کے لئے سب سے بہتر حد تک ملتے ہیں، اور ظاہر کرتے ہیں کہ عملی طور پر SAPALM اس لکیری رفتار کو حاصل کرتا ہے. ہم کئی میٹرکس factorization مسائل پر ریاست کے فن کی کارکردگی کا مظاہرہ. |
5cd28cdc4c82f788dee27cb73d7d9280cf9c7343 | یہ کاغذ ہوائی تصاویر سے نکالا مماثلت گرافلیٹ (یعنی، چھوٹے منسلک subgraphs) کی بنیاد پر ہوائی تصویر اقسام کو تسلیم کرنے کے لئے ایک طریقہ پیش کرتا ہے. ہر فضائی تصویر کی ہندسی پراپرٹی اور رنگ کی تقسیم کو انکوڈ کرنے کے لئے ایک علاقہ ملحقہ گراف (RAG) کی تعمیر کرکے ، ہم فضائی تصویر کی قسم کی پہچان کو RAG-to-RAG مماثلت کے طور پر ڈالتے ہیں۔ گراف تھیوری کی بنیاد پر ، RAG-to-RAG میچنگ ان کے متعلقہ تمام گرافلیٹس کو ملاتے ہوئے کی جاتی ہے۔ ایک مؤثر گرافلیٹ میچنگ عمل کی طرف ، ہم مختلف سائز کے گرافلیٹس کو ایک ہی لمبائی کے فیچر ویکٹر میں منتقل کرنے اور ان فیچر ویکٹر کو ایک کارنیل میں مزید مربوط کرنے کے لئے ایک کثیر الجہتی ایمبیڈنگ الگورتھم تیار کرتے ہیں۔ یہ کارنیل فضائی تصویر زمرے کی شناخت کے لئے ایک SVM [8] classifier تربیت کرنے کے لئے استعمال کیا جاتا ہے. تجرباتی نتائج ہمارے طریقہ کار کئی ریاست کے آرٹ اعتراض / منظر تسلیم ماڈل outperforms ظاہر. |
b2dac341df54e5f744d5b6562d725d254aae8e80 | اس مطالعہ میں اوپن ہار متعارف کرایا گیا ہے، عوامی طور پر کھلی ڈیٹا سیٹ کو یکجا کرنے اور متحد کرنے کے لئے ایک مفت میٹاب ٹول بکس. یہ دس عوامی طور پر کھلے انسانی سرگرمی کے اعداد و شمار کے سیٹ کے تیز رفتار سگنل تک آسان رسائی فراہم کرتا ہے. ڈیٹا سیٹ تک رسائی آسان ہے کیونکہ اوپن ہار تمام ڈیٹا سیٹ ایک ہی شکل میں فراہم کرتا ہے۔ اس کے علاوہ، یونٹس، پیمائش کی حد اور لیبلز متحد ہیں، ساتھ ساتھ، جسم کی پوزیشن IDs. اس کے علاوہ، مختلف نمونے لینے کی شرح کے ساتھ ڈیٹا سیٹ downsampling کا استعمال کرتے ہوئے متحد کر رہے ہیں. اس کے علاوہ، ڈیٹا سیٹ کو بصری طور پر معائنہ کیا گیا ہے تاکہ ظاہر غلطیوں کو تلاش کیا جا سکے، جیسے غلط سمت میں سینسر. اوپن ہار ان غلطیوں کو ٹھیک کرکے ڈیٹا سیٹوں کی دوبارہ استعمال میں بہتری لاتا ہے۔ مجموعی طور پر اوپن ہار میں 65 ملین سے زیادہ لیبل والے ڈیٹا کے نمونے شامل ہیں۔ یہ 280 گھنٹے سے زیادہ کے اعداد و شمار کے برابر ہے 3D accelerometers سے. اس میں 211 مطالعاتی مضامین کے اعداد و شمار شامل ہیں جو 17 روزانہ انسانی سرگرمیوں کو انجام دیتے ہیں اور 14 مختلف جسمانی پوزیشنوں میں سینسر پہنتے ہیں. |
7347b4601078bd52eec80d5de29f801890f82de3 | ایک جوڑا ہوا گیسلا براڈبینڈ کمبینر/ڈیویڈر تجویز کیا گیا ہے اور اس کا مظاہرہ کیا گیا ہے۔ نئے تصور ڈیزائن میں ایک جوڑا لائن طبقہ کا استعمال کرتے ہوئے پر انحصار کرتا ہے. کم نقصان، ڈیزائن کی آسانی، اور لچک کو برقرار رکھنے کے دوران بینڈوڈتھ میں اہم بہتری کا احساس ہوا ہے. جوڑا ہوا- گیسل 2.5 - 8 گیگا ہرٹز (105٪ فریکشنل بینڈوتھ) ڈویڈر کے ساتھ 0.1 ڈی بی ڈویڈر نقصان کے ساتھ ، اور 3.4 - 10.2 گیگا ہرٹز (100٪ فریکشنل بینڈوتھ) کے ساتھ 0.2 ڈی بی ڈویڈر نقصان کے ساتھ مظاہرہ کیا جاتا ہے۔ |
a05d984443d62575c097ad65b747aae859a5f8b0 | بچوں کی نفسیاتی ترقی پر ویڈیو گیمز کے اثرات بحث کا مرکز ہیں۔ ایک سال کے وقفے سے دو وقتوں پر ، 194 بچوں (7.27-11.43 سال کی عمر؛ مرد = 98) نے اپنی گیمنگ فریکوئنسی ، اور پرتشدد ویڈیو گیمز کھیلنے کے ان کے رجحانات ، اور کھیلنے کے لئے (ا) تعاون اور (ب) مسابقتی طور پر رپورٹ کیا؛ اسی طرح ، والدین نے اپنے بچوں کی نفسیاتی صحت کی اطلاع دی۔ وقت پر کھیلنا جذباتی مسائل میں اضافے سے منسلک تھا۔ تشدد پر مبنی گیمنگ نفسیاتی تبدیلیوں سے منسلک نہیں تھی. تعاون سے کھیلنے کا تعلق سماجی رویے میں تبدیلیوں سے نہیں تھا۔ آخر میں، مسابقتی گیمنگ سماجی رویے میں کمی کے ساتھ منسلک کیا گیا تھا، لیکن صرف ان بچوں میں جو اعلی تعدد کے ساتھ ویڈیو گیمز کھیلتے تھے. اس طرح ، گیمنگ کی تعدد اندرونی لیکن بیرونی نہیں ، توجہ ، یا ہم مرتبہ کے مسائل میں اضافے سے متعلق تھی ، پرتشدد گیمنگ بیرونی مسائل میں اضافے سے وابستہ نہیں تھی ، اور بچوں کے لئے جو ہر ہفتے تقریبا 8 گھنٹے یا اس سے زیادہ کھیلتے ہیں ، اکثر مسابقتی گیمنگ پروسوشل سلوک میں کمی کے لئے خطرہ عنصر ہوسکتا ہے۔ ہم اس بات پر زور دیتے ہیں کہ نقل کی ضرورت ہے اور مستقبل کی تحقیق کو بہتر طور پر گیمنگ کے مختلف اقسام کے درمیان بہتر فرق کرنا چاہئے تاکہ زیادہ واضح اور عام بصیرت حاصل کی جاسکے۔ |
5a47e047d4d41b61204255e1b265d704b7f265f4 | بگ ڈیٹا کی اصطلاح ہر جگہ موجود ہے. تعلیمی اداروں، صنعت اور میڈیا کے درمیان مشترکہ اصل کی وجہ سے کوئی واحد متحد تعریف نہیں ہے، اور مختلف اسٹیک ہولڈرز متنوع اور اکثر متضاد تعریفیں فراہم کرتے ہیں. ایک مستقل تعریف کی کمی مبہمات متعارف کراتا ہے اور بڑے اعداد و شمار سے متعلق گفتگو میں رکاوٹ پیدا کرتا ہے۔ اس مختصر مضمون میں مختلف تعریفوں کو جو کچھ حد تک ٹریکشن حاصل کر چکے ہیں اور دوسری صورت میں مبہم اصطلاح کی واضح اور جامع تعریف فراہم کرنے کی کوشش کی گئی ہے۔ |
7065e6b496af41bba16971246a02986f5e388860 | تنظیم کی صلاحیتوں کا انتظام اور بہتری بہت سے کمپنیوں کے لئے ایک اہم اور پیچیدہ مسئلہ ہے. مینجمنٹ کی حمایت اور بہتری کو فعال کرنے کے لئے، کارکردگی کا جائزہ عام طور پر استعمال کیا جاتا ہے. تنظیم کی صلاحیتوں کا اندازہ لگانے کا ایک طریقہ پختگی گرڈ کے ذریعہ ہے. جبکہ پختگی گرڈ ایک مشترکہ ڈھانچہ کا اشتراک کر سکتے ہیں، ان کے مواد مختلف ہے اور بہت اکثر وہ نئے تیار کر رہے ہیں. یہ کاغذ دونوں ایک ریفرنس نقطہ اور میچوری گرڈ کی ترقی کے لئے رہنمائی پیش کرتا ہے. یہ 24 موجودہ میچوریٹی گرڈز کا جائزہ لینے اور ان کی ترقی کے لئے ایک روڈ میپ کی تجویز کی طرف سے حاصل کیا جاتا ہے. جائزہ لینے کے خاص طور پر میچوریٹی درجہ بندی کی تشکیل میں تنظیمی تبدیلی کے بارے میں سرایت مفروضوں پر زور دیتا ہے. تجویز کردہ روڈ میپ میں چار مراحل شامل ہیں: منصوبہ بندی، ترقی، تشخیص اور بحالی۔ ہر مرحلے میں ترقی کے لئے فیصلہ کن پوائنٹس کی ایک بڑی تعداد پر تبادلہ خیال کیا جاتا ہے، جیسے عمل کے علاقوں کا انتخاب، پختگی کی سطح، اور ترسیل کے طریقہ کار. صنعتی عمل میں روڈ میپ کی افادیت کو ظاہر کرنے کے لئے ایک مثال فراہم کی جاتی ہے. روڈ میپ کا استعمال موجودہ طریقوں کا جائزہ لینے کے لئے بھی کیا جاسکتا ہے۔ اس مقالے کے اختتام پر انتظامی عمل اور تحقیق کے لیے اس کے اثرات بیان کیے گئے ہیں۔ |
5dd79167d714ff3907ffbba102b8e6fba49f053e | یہ کاغذ ڈیجیٹل وائرلیس مواصلات میں اعلی بٹ کی شرح کی بینڈوتھ موثر ترسیل کی حتمی حدود کی بنیادی تفہیم کی ضرورت سے حوصلہ افزائی کی جاتی ہے اور یہ بھی دیکھنے کے لئے شروع کرنے کے لئے کہ ان حدود کو کس طرح قریب لایا جاسکتا ہے۔ ہم ملٹی عنصر آرری (ایم ای اے) ٹیکنالوجی کے استحصال کی جانچ کرتے ہیں ، جو کچھ ایپلی کیشنز میں وائرلیس صلاحیتوں کو بہتر بنانے کے لئے صرف جگہ کی جہت (نہ صرف وقت کی جہت) پر کارروائی کر رہا ہے۔ خاص طور پر، ہم کچھ بنیادی معلومات نظریہ کے نتائج پیش کرتے ہیں جو وائرلیس LANs میں MEAs کا استعمال کرتے ہوئے اور وائرلیس مواصلاتی لنکس کی تعمیر کے لئے تعمیر کرنے کے عظیم فوائد کا وعدہ کرتے ہیں. ہم اہم کیس کا جائزہ لیتے ہیں جب چینل کی خصوصیت ٹرانسمیٹر پر دستیاب نہیں ہوتی ہے لیکن وصول کنندہ اس خصوصیت کو جانتا ہے (ٹریکس) جو ریلی فائیڈنگ کے تابع ہے۔ مجموعی طور پر منتقل کردہ طاقت کو مقرر کرتے ہوئے، ہم ایم ای اے ٹیکنالوجی کی طرف سے پیش کردہ صلاحیت کا اظہار کرتے ہیں اور ہم دیکھتے ہیں کہ کس طرح صلاحیت SNR بڑھانے کے ساتھ ٹرانسمیٹر اور وصول کنندہ دونوں پر اینٹینا عناصر کی ایک بڑی لیکن عملی تعداد کے لئے پیمانے پر ہے. ہم اینٹینا عناصر کے درمیان آزاد ریلیھ دھندلا راستے کے معاملے کی تحقیقات اور اعلی امکان غیر معمولی صلاحیت کے ساتھ دستیاب ہے کہ تلاش. بیس لائن n = 1 کیس کے مقابلے میں ، جو شانن کے کلاسیکی فارمولے کے ذریعہ سگنل سے شور تناسب (SNR) میں ہر 3 ڈی بی ایل اضافے کے لئے ایک اور بٹ / سائیکل کے طور پر پیمانہ کرتا ہے ، خاص طور پر MEAs کے ساتھ ، اسکیلنگ تقریبا almost کی طرح ہے n مزید بٹس / سائیکل SNR میں ہر 3 ڈی بی ایل اضافے کے لئے۔ یہ صلاحیت کتنی بڑی ہے، یہاں تک کہ چھوٹے n کے لئے، n = 2، 4 اور 16 کے مقدمات کو 21 ڈی بی کی اوسط وصول شدہ ایس این آر کے ساتھ لے لو. 99 فیصد سے زیادہ چینلز کے لئے صلاحیت بالترتیب 7، 19 اور 88 بٹس / سائیکل ہے، جبکہ اگر n = 1 99٪ کی سطح پر صرف 1.2 بٹ / سائیکل ہے. مثال کے طور پر ایک علامت کی شرح چینل بینڈوتھ کے برابر ہے، کیونکہ یہ بٹس / علامت / طول و عرض ہے جو سگنل کے برج کے لئے متعلقہ ہے، یہ اعلی صلاحیت غیر معقول نہیں ہیں. 19 بٹس / n = 4 کے لئے سائیکل 4.75 بٹس / علامت / طول و عرض کے برابر ہے جبکہ 88 بٹس / n = 16 کے لئے سائیکل 5.5 بٹس / علامت / طول و عرض کے برابر ہے. معیاری نقطہ نظر جیسے انتخاب اور زیادہ سے زیادہ مجموعہ کو کم از کم دیکھا جاتا ہے جب اس کے مقابلے میں جو آخر میں ممکن ہو گا. نئے کوڈیک ایجاد کرنے کی ضرورت ہے وعدہ کی بڑی صلاحیت کا ایک بھاری حصہ کا احساس کرنے کے لئے. |
4f911fe6ee5040e6e46e84a9f1e211153943cd9b |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.