_id
stringlengths 40
40
| text
stringlengths 0
12.9k
|
|---|---|
45c56dc268a04c5fc7ca04d7edb985caf2a25093 | متفرق امکانات کی تقسیم کے ساتھ عام پیرامیٹر تخمینہ کے طریقوں کو پیش کرتا ہے ، جو متن ماڈلنگ میں خاص دلچسپی کا حامل ہے۔ زیادہ سے زیادہ امکان ، بعد میں اور بیسیئن تخمینہ سے شروع کرتے ہوئے ، مرکزی تصورات جیسے کنجگیٹ ڈسٹری بیوشن اور بیسیئن نیٹ ورکس کا جائزہ لیا جاتا ہے۔ ایک درخواست کے طور پر ، پوشیدہ ڈریچلیٹ الاٹمنٹ (ایل ڈی اے) کے ماڈل کی تفصیل سے وضاحت کی گئی ہے جس میں گیبس سیمپلنگ پر مبنی تخمینہ لگانے والے الگورتھم کا مکمل اخذ کیا گیا ہے ، جس میں ڈریچلیٹ ہائپر پیرامیٹر تخمینہ کی بحث بھی شامل ہے۔ تاریخ: ورژن 1: مئی 2005 ، ورژن 2.4: اگست 2008۔ |
9e463eefadbcd336c69270a299666e4104d50159 | |
2e268b70c7dcae58de2c8ff7bed1e58a5e58109a | یہ مصنف کی کتاب ڈائنامک پروگرامنگ اینڈ آپٹیمل کنٹرول، جلد، کے باب 4 کا ایک تازہ ترین ورژن ہے۔ II، چوتھا ایڈیشن، ایتھنا سائنسی، 2012. اس میں نئے مواد شامل ہیں، اور اس میں کافی حد تک نظر ثانی اور توسیع کی گئی ہے (اس کا سائز دوگنا سے زیادہ ہو گیا ہے) ۔ نئے مواد کا مقصد کئی ماڈلز کا ایک متحد علاج فراہم کرنا ہے، جن میں سے سبھی معاہدے کی ساخت کی کمی ہے جو باب 1 اور 2 کے ڈسکاؤنٹ مسائل کی خصوصیت ہے: مثبت اور منفی لاگت کے ماڈل، تعیناتی بہترین کنٹرول (جیسے انکولی DP) ، اسٹاکسٹک مختصر ترین راستے کے ماڈل، اور خطرے سے حساس ماڈل. یہاں نئے مواد کا خلاصہ ہے: |
6d596cb55d99eae216840090b46bc5e49d7aeea5 | ہم دو نئی تکنیکوں کو لگانے کی تجویز کرتے ہیں بوجھ عدم توازن کا سامنا کرنا پڑتا ہے جب لکیری نظام کے حل کے لئے متعلقہ گھنے میٹرکس فیکٹرائزیشن میں نام نہاد نظر آنے والے میکانزم کو لاگو کرنا پڑتا ہے. دونوں تکنیک اس منظر نامے کو نشانہ بناتی ہیں جہاں فیکٹرائزیشن کے دوران دو تھریڈ ٹیمیں تشکیل دی جاتی ہیں / چالو کی جاتی ہیں ، ہر ٹیم کے ساتھ عملدرآمد کی ایک آزاد ٹاسک / شاخ انجام دینے کا انچارج ہوتا ہے۔ پہلی تکنیک دو کاموں کے درمیان کارکنوں کی تقسیم (ڈبلیو ایس) کو فروغ دیتی ہے ، جس سے پہلے کام کرنے والے کام کے موضوعات کو زیادہ مہنگے کام کے استعمال کے لئے دوبارہ مختص کیا جاسکتا ہے۔ دوسری تکنیک ایک تیز کام کو تکمیل کے سست کام کو انتباہ کرنے کی اجازت دیتی ہے ، دوسرے کام کی ابتدائی خاتمے (ای ٹی) کو نافذ کرتی ہے ، اور فیکٹرائزیشن کے طریقہ کار کو اگلی تکرار میں ہموار منتقلی کرتی ہے۔ بنیادی لکیری الجبرا کے ذیلی پروگراموں کے ایک نئے نرم تھریڈ سطح پر عمل درآمد کے ذریعے دونوں میکانزموں کی مثال دی گئی ہے ، اور ان کے فوائد کو جزوی محور کے ساتھ ایل یو فیکٹرائزیشن کے نفاذ کے ذریعے دکھایا گیا ہے جس میں آگے کی نظر سے اضافہ کیا گیا ہے۔ خاص طور پر، ہمارے تجرباتی نتائج ایک انٹیل-Xeon نظام کے ساتھ 12 cores کے فوائد WS + ET، رپورٹ مسابقتی کارکردگی کے مقابلے میں ایک کام متوازی رن ٹائم کی بنیاد پر حل کے ساتھ مجموعہ کے فوائد ظاہر. |
7157dda72073ff66cc2de6ec5db056a3e8b326d7 | 25 26 27 28 29 30 31 32 33 34 35 36 مضمون کی تاریخ: موصول 13 فروری 2012 میں موصول نظر ثانی شدہ شکل میں 18 مارچ 2013 کو قبول 4 اپریل 2013 دستیاب آن لائن xxxx |
66903e95f84767a31beef430b2367492ac9cc750 | مقصد یہ مضامین کی ایک سیریز میں دوسرا ہے جو 18 سال کی عمر تک نیوزی لینڈ کے 1,000 سے زائد بچوں کی پیدائش کے ایک گروپ میں بچوں کے جنسی استحصال (سی ایس اے) کی پھیلاؤ، ارتباط اور نتائج کی وضاحت کرتا ہے۔ اس مضمون میں 18 سال کی عمر میں سی ایس اے کی رپورٹوں اور 18 سال کی عمر میں ڈی ایس ایم-IV تشخیصی درجہ بندی کے درمیان انجمنوں کی جانچ پڑتال کی گئی ہے۔ طریقہ کار نیوزی لینڈ کے بچوں کی پیدائش کے ایک گروپ کا مطالعہ پیدائش سے لے کر 16 سال کی عمر تک کے سالانہ وقفوں پر کیا گیا تھا۔ 18 سال کی عمر میں 16 سال کی عمر سے پہلے کی سی ایس اے کی رجحاناتی رپورٹیں اور بیک وقت ماپا گیا نفسیاتی علامات حاصل کی گئیں۔ نتائج جن لوگوں نے CSA رپورٹ کیا ان میں ان لوگوں کے مقابلے میں بڑے ڈپریشن، اضطراب کی خرابی، طرز عمل کی خرابی، مادہ کے استعمال کی خرابی اور خودکشی کے طرز عمل کی شرح زیادہ تھی (p < .002) ۔ سی ایس اے کی حد اور خرابی کے خطرے کے درمیان مستقل تعلقات تھے ، جن میں سی ایس اے کی اطلاع دینے والوں میں جنسی تعلقات شامل تھے جن میں خرابی کا سب سے زیادہ خطرہ تھا۔ یہ نتائج برقرار رہے جب نتائج کو مستقبل کے لحاظ سے ماپا گیا بچپن کے خاندان اور متعلقہ عوامل کے لئے ایڈجسٹ کیا گیا تھا۔ CSA اور غیر بیک وقت ماپا خرابیوں کے درمیان اسی طرح لیکن کم واضح تعلقات پائے گئے تھے۔ نتائج سے پتہ چلتا ہے کہ سی ایس اے ، اور خاص طور پر شدید سی ایس اے ، نوجوان بالغوں میں نفسیاتی خرابی کے بڑھتے ہوئے خطرے سے منسلک تھا یہاں تک کہ جب مستقبل میں ماپا جانے والے الجھن والے عوامل کے لئے مناسب اجازت دی گئی تھی۔ |
8df383aae16ce1003d57184d8e4bf729f265ab40 | ایک نئے مائکرو اسٹراپ لائن فیڈڈ براڈ بینڈ سرکلر پولرائزڈ (سی پی) انیولر رنگ سلاٹ اینٹینا (اے آر ایس اے) کا ڈیزائن تجویز کیا گیا ہے۔ موجودہ رنگ سلاٹ اینٹینا کے مقابلے میں ، یہاں ڈیزائن کردہ اے آر ایس اے کے پاس بہت زیادہ سی پی بینڈوتھ ہیں۔ مجوزہ ڈیزائن کی اہم خصوصیات میں وسیع تر رنگ سلاٹ ، ایک جوڑے کی گرائونڈڈ ٹوپی کی شکل کے پیچ ، اور ایک مسخ شدہ مڑے ہوئے فیڈنگ مائکرو اسٹراپ لائن شامل ہیں۔ ایل اور ایس بینڈ میں ایف آر 4 سبسٹریٹ کا استعمال کرتے ہوئے ڈیزائن کردہ اے آر ایس اے میں بالترتیب 3 ڈی بی محوری تناسب بینڈوتھ (اے آر بی ڈبلیو) 46٪ اور 56٪ تک ہیں ، جبکہ ایل بینڈ میں آر ٹی 5880 سبسٹریٹ کا استعمال کرتے ہوئے ، 65٪۔ ان 3 ڈی بی محوری تناسب بینڈ میں ، VSWR ≤ 2 کے ساتھ مائبادا مماثلت بھی حاصل کی جاتی ہے۔ |
95e873c3f64a9bd8346f5b5da2e4f14774536834 | ایک سبسٹریٹ انٹیگریٹڈ ویو گائیڈ (SIW) ایچ طیارے سیکٹرل ہارن اینٹینا ، جس میں نمایاں طور پر بہتر بینڈوتھ ہے ، پیش کیا گیا ہے۔ ایک tapered رینگ، کثیر پرت substrate کے اندر اندر کی طرف flared دیوار پر vias کی ایک سادہ انتظام پر مشتمل، آپریشنل بینڈوڈتھ بڑھانے کے لئے متعارف کرایا جاتا ہے. اینٹینا ڈھانچے کے لئے پھیلانے والی لہر فراہم کرنے کے لئے ایک سادہ فیڈ ترتیب کی تجویز کی جاتی ہے۔ مجوزہ اینٹینا دو معروف مکمل لہر پیکجوں، Ansoft HFSS اور CST مائکروویو سٹوڈیو، الگ الگ عددی طریقوں پر مبنی کی طرف سے simulated ہے. تخروپن کے نتائج کے درمیان قریبی اتفاق رائے تک پہنچ جاتا ہے. ڈیزائن کردہ اینٹینا 18-40 گیگاہرٹج کی پوری تعدد کی حد کے لئے اچھی تابکاری کی خصوصیات اور کم VSWR ، 2.5 سے کم دکھاتا ہے۔ |
12a376e621d690f3e94bce14cd03c2798a626a38 | یہ کاغذ بصری آبجیکٹ کا پتہ لگانے کے لئے مشین سیکھنے کے نقطہ نظر کی وضاحت کرتا ہے جو تصاویر کو انتہائی تیزی سے پروسیس کرنے اور اعلی پتہ لگانے کی شرح حاصل کرنے کے قابل ہے۔ اس کام کو تین اہم شراکت سے ممتاز کیا گیا ہے۔ پہلا ایک نئی تصویر کی نمائندگی کا تعارف ہے جسے "انٹیگریل امیج" کہا جاتا ہے جو ہمارے ڈیٹیکٹر کے ذریعہ استعمال ہونے والی خصوصیات کو بہت تیزی سے حساب کرنے کی اجازت دیتا ہے۔ دوسرا ایک سیکھنے کا الگورتھم ہے ، جو ایڈابوسٹ پر مبنی ہے ، جو بڑی تعداد میں سے اہم بصری خصوصیات کی ایک چھوٹی سی تعداد کا انتخاب کرتا ہے اور انتہائی موثر درجہ بندی کرنے والوں کو حاصل کرتا ہے۔ [1] تیسری شراکت ایک cascade میں تیزی سے زیادہ پیچیدہ classifiers کو یکجا کرنے کے لئے ایک طریقہ ہے جس میں تصویر کے پس منظر کے علاقوں کو تیزی سے ضائع کرنے کی اجازت دیتا ہے جبکہ وعدہ آبجیکٹ جیسے علاقوں پر زیادہ حساب کتاب خرچ کرتے ہیں. آبشار کو ایک مخصوص توجہ مرکوز کرنے والے طریقہ کار کے طور پر دیکھا جاسکتا ہے جو پچھلے طریقوں کے برعکس شماریاتی ضمانت فراہم کرتا ہے کہ ضائع شدہ علاقوں میں دلچسپی کی چیز کا امکان نہیں ہے۔ چہرے کا پتہ لگانے کے شعبے میں نظام کا پتہ لگانے کی شرح بہترین سابقہ نظاموں کے مقابلے میں ہے۔ ریئل ٹائم ایپلی کیشنز میں استعمال کیا جاتا ہے ، ڈیٹیکٹر 15 فریم فی سیکنڈ پر چلتا ہے بغیر کسی تصویر کے فرق یا جلد کے رنگ کا پتہ لگانے کا سہارا لیا جائے۔ |
51f0e3fe5335e2c3a55e673a6adae646f0ad6e11 | سماجیات کے ماہرین اکثر سماجی عمل کو متغیرات کے درمیان تعامل کے طور پر ماڈل کرتے ہیں۔ ہم ایک متبادل نقطہ نظر کا جائزہ لیتے ہیں جو سماجی زندگی کو ان کے موصول ہونے والے اثر و رسوخ کے جواب میں ایک دوسرے پر اثر انداز ہونے والے انکولی ایجنٹوں کے مابین تعامل کے طور پر ماڈل کرتا ہے۔ یہ ایجنٹ پر مبنی ماڈل (اے بی ایم) ظاہر کرتے ہیں کہ کس طرح سادہ اور پیش گوئی کی جانے والی مقامی تعاملات واقف لیکن پراسرار عالمی نمونوں کو جنم دے سکتے ہیں ، جیسے معلومات کا پھیلاؤ ، اصولوں کا ظہور ، کنونشنوں کا ہم آہنگی ، یا اجتماعی کارروائی میں شرکت۔ ابھرتی ہوئی سماجی نمونہ بھی غیر متوقع طور پر ظاہر ہوسکتے ہیں اور پھر اسی طرح ڈرامائی طور پر تبدیل یا غائب ہوسکتے ہیں، جیسا کہ انقلابات، مارکیٹ کے حادثات، فیڈ اور کھانے کی بے چینی میں ہوتا ہے. اے بی ایم نظریاتی فائدہ اٹھاتے ہیں جہاں دلچسپی کے عالمی نمونوں میں انفرادی صفات کی مجموعی سے زیادہ ہیں ، لیکن ایک ہی وقت میں ، ابھرتی ہوئی نمونہ کو رشتہ دار سطح پر مائکرو فاؤنڈیشنز کے نیچے سے اوپر تک متحرک ماڈل کے بغیر سمجھا نہیں جاسکتا ہے۔ ہم کمپیوٹیشنل سماجیات میں عوامل سے اداکاروں کی تبدیلی کے ایک مختصر تاریخی خاکہ کے ساتھ شروع کرتے ہیں جو ظاہر کرتا ہے کہ کس طرح ایجنٹ پر مبنی ماڈلنگ بنیادی طور پر کمپیوٹر تخروپن کے پہلے سماجیاتی استعمال سے مختلف ہے. اس کے بعد ہم نے حالیہ شراکت کا جائزہ لیا جس میں مقامی تعامل سے باہر سماجی ڈھانچے اور سماجی ترتیب کے ابھرتے ہوئے پر توجہ دی گئی ہے۔ اگرچہ سماجیات نے اس نئی طریقہ کار کی تعریف میں دیگر سماجی علوم سے پیچھے رہ گیا ہے، ایک مخصوص سماجیاتی شراکت ہمارے جائزہ لینے والے کاغذات میں واضح ہے. سب سے پہلے، نظریاتی دلچسپی متحرک سماجی نیٹ ورک پر توجہ مرکوز کرتی ہے جو شکل اور ایجنٹ کی بات چیت کی طرف سے شکل دی جاتی ہے. دوسرا، اے بی ایمز مجازی تجربات انجام دینے کے لئے استعمال کیا جاتا ہے جو نیٹ ورک ٹوپولوجی، سماجی استحکام، یا مقامی نقل و حرکت جیسے ساختی عوامل کو سنبھالنے کے ذریعے میکروسوشیالوجی نظریات کی جانچ پڑتال کرتے ہیں. ہم اس جائزے کو اس نقطہ نظر کی امیر سماجیاتی صلاحیت کو پورا کرنے کے لئے سفارشات کی ایک سیریز کے ساتھ ختم کرتے ہیں. |
b73cdb60b2fe9fb317fca4fb9f5e1106e13c2345 | |
aa0c01e553d0a1ab40c204725d13fe528c514bba | انسانوں اور روبوٹس کے درمیان روانی اور محفوظ تعاملات کے لیے دونوں شراکت داروں کو ایک دوسرے کے اقدامات کا اندازہ لگانا ضروری ہے۔ انسانی ارادے کے استنباط کے لئے ایک عام نقطہ نظر نگرانی کے درجہ بندی کے ساتھ معروف مقاصد کی طرف مخصوص راستے کو ماڈل کرنا ہے. تاہم، یہ نقطہ نظر ممکنہ مستقبل کی نقل و حرکت کو مدنظر نہیں رکھتے ہیں اور نہ ہی وہ متحرک اشارے کا استعمال کرتے ہیں، جیسے پڑھنے کے قابل اور پیش گوئی کی تحریک. ان طریقوں کی رکاوٹ عام انسانی حرکت کا درست ماڈل کی کمی ہے۔ اس کام میں، ہم ایک مشروط تغیراتی آٹو انکوڈر پیش کرتے ہیں جو ماضی کے فریموں کی ایک کھڑکی دی گئی مستقبل کی انسانی تحریک کی ایک کھڑکی کی پیشن گوئی کرنے کے لئے تربیت یافتہ ہے. آر جی بی گہرائی کی تصاویر سے حاصل کردہ اسکلیٹ ڈیٹا کا استعمال کرتے ہوئے ، ہم یہ ظاہر کرتے ہیں کہ کس طرح اس غیر نگرانی والے نقطہ نظر کو 1660 ملی سیکنڈ تک آن لائن تحریک کی پیش گوئی کے لئے استعمال کیا جاسکتا ہے۔ اس کے علاوہ ، ہم ہدف کے مخصوص ٹریننگ ڈیٹا کے استعمال کے بغیر تحریک کے آغاز کے بعد پہلے 300-500 ملی سیکنڈ کے اندر آن لائن ہدف کی پیش گوئی کا مظاہرہ کرتے ہیں۔ ہمارے امکانات کے نقطہ نظر کا فائدہ ممکنہ مستقبل کی تحریکوں کے نمونے لینے کا امکان ہے. آخر میں، ہم تحقیقات کرتے ہیں کہ کس طرح تحریکوں اور متحرک اشارے سیکھے گئے کم جہتی manifold پر نمائندگی کی جاتی ہیں. |
cbbf72d487f5b645d50d7d3d94b264f6a881c96f | یہ کاغذ 65nm CMOS ٹیکنالوجی میں ڈبلیو بینڈ میں پہلی مکمل طور پر پر چپ مربوط توانائی کٹائی اور rectenna پیش کرتا ہے. ڈیزائن ایک مرحلے ڈکسن وولٹیج ضارب پر مبنی ہیں. ریکٹنا میں ایک چپ انٹیگریٹڈ ڈپول اینٹینا ہوتا ہے جس میں سبسٹریٹ کے نیچے ایک عکاس ہوتا ہے تاکہ سمت اور احساس شدہ فائدہ کو بڑھاوا دیا جاسکے۔ توانائی کا کٹائی کرنے والا اور ریکٹنا 94 گیگاہرٹج پر بالترتیب 10 فیصد اور 2 فیصد کی طاقت تبادلوں کی کارکردگی حاصل کرتے ہیں۔ اسٹینڈ اکیلے فصل کاٹنے والے پیڈ سمیت صرف 0.0945mm2 پر قبضہ کرتا ہے، جبکہ مکمل طور پر مربوط rectenna 0.48mm2 کی ایک کم از کم چپ علاقے پر قبضہ کرتا ہے. |
30667550901b9420e02c7d61cdf8fa7d5db207af | |
6cdb6ba83bfaca7b2865a53341106a71e1b3d2dd | سوشل میڈیا ہر جگہ موجود ہے اور اس کا انتظام کرنے کی ضرورت ہے جیسے میڈیا کی دیگر تمام شکلوں کو تنظیمیں اپنے مقاصد کو پورا کرنے کے لئے استعمال کرتی ہیں۔ تاہم ، سوشل میڈیا بنیادی طور پر کسی بھی روایتی یا دوسرے آن لائن میڈیا سے مختلف ہے کیونکہ ان کے سوشل نیٹ ورک کی ساخت اور مساویانہ نوعیت کی وجہ سے ہے۔ ان اختلافات کو مناسب تجزیہ اور بعد میں انتظام کے لئے ایک لازمی شرط کے طور پر ایک الگ پیمائش کے نقطہ نظر کی ضرورت ہوتی ہے. صحیح سوشل میڈیا میٹرکس تیار کرنے اور بعد میں مناسب ڈیش بورڈز کی تعمیر کے لئے ، ہم تین نئے اجزاء پر مشتمل ایک ٹول کٹ فراہم کرتے ہیں۔ سب سے پہلے، ہم نظریاتی طور پر ایک جامع فریم ورک تیار کرتے ہیں اور تجویز کرتے ہیں جو مارکیٹنگ، نفسیات اور سماجیات کے نظریات پر مبنی سوشل میڈیا کے اہم عناصر کو ڈھکتا ہے۔ ہم ان عناصر کی حمایت اور تفصیل جاری رکھتے ہیں - یعنی محرکات، مواد، نیٹ ورک کی ساخت، اور سماجی کردار اور تعاملات - حالیہ تحقیقی مطالعات کے ساتھ. دوسرا، ہمارے نظریاتی فریم ورک، ادب کا جائزہ لینے اور عملی تجربے کی بنیاد پر، ہم نو ہدایات تجویز کرتے ہیں جو مناسب سوشل میڈیا میٹرکس کو ڈیزائن کرنے اور ایک معقول سوشل میڈیا ڈیش بورڈ کی تعمیر کے لئے قیمتی ثابت ہوسکتی ہیں. تیسری، فریم ورک اور ہدایات کی بنیاد پر ہم انتظامی مضمرات حاصل کرتے ہیں اور مستقبل کی تحقیق کے لئے ایک ایجنڈا تجویز کرتے ہیں. © 2013 براہ راست مارکیٹنگ تعلیمی فاؤنڈیشن، انکارپوریٹڈ. ایلسیویئر انکارپوریشن کے ذریعہ شائع کیا گیا ہے۔ تمام حقوق محفوظ ہیں۔ |
3c9598a2be80a88fccecde80e6f266af7907d7e7 | |
ab3d0ea202b2641eeb66f1d6a391a43598ba22b9 | یہاں پر ریینفورسمینٹ لرننگ (آر ایل) کو مشینوں کے نیورل کنٹرولرز کی ایک موافقت کی تکنیک کے طور پر سمجھا جاتا ہے۔ مقصد یہ ہے کہ ایکٹر-نقاد الگورتھم کو اضافی پس منظر کے حساب کتاب کی قیمت پر ، اسی معیار کی پالیسیاں حاصل کرنے کے لئے ایجنٹ ماحول کے تعامل کی کم ضرورت ہو۔ ہم تجربے کی تکرار کی روح میں اس مقصد کو حاصل کرنے کا ارادہ رکھتے ہیں. ایک بدلتی پالیسی کی بہتری کی سمت کا اندازہ لگانے کا طریقہ، سابقہ تجربے پر مبنی، یہاں ضروری ہے. ہم ایک تجویز پیش کرتے ہیں جو اہم نمونے لینے کا استعمال کرتا ہے. ہم اس قسم کے تخمینہ کی تعصب کی حدود حاصل کرتے ہیں اور ثابت کرتے ہیں کہ یہ تعصب asymptotically غائب ہو جاتا ہے. تجرباتی مطالعہ میں ہم کلاسیکی ActorCritic کے لئے ہمارے نقطہ نظر کا اطلاق اور سیکھنے کی رفتار میں 20 گنا اضافہ حاصل. |
71e258b1aeea7a0e2b2076a4fddb0679ad2ecf9f | "انٹرنیٹ آف تھنگس" (آئی او ٹی) آلات اور سافٹ ویئر کے لئے غیر معمولی پیمانے پر معلومات کا اشتراک کرنے کے مواقع کھولتا ہے. تاہم، اس طرح کے ایک بڑے باہم منسلک نیٹ ورک کے نظام ڈویلپرز اور صارفین کے لئے نئے چیلنجز کا سامنا ہے. اس مضمون میں ، ہم آئی او ٹی سسٹم کی ایک پرتوں والی فن تعمیر کی تجویز کرتے ہیں۔ اس ماڈل کا استعمال کرتے ہوئے، ہم ہر پرت کے چیلنجوں کی شناخت اور اندازہ کرنے کی کوشش کرتے ہیں. ہم نے بھی کئی موجودہ ٹیکنالوجی پر تبادلہ خیال کیا جو اس فن تعمیر کو محفوظ بنانے کے لئے استعمال کیا جا سکتا ہے. |
61f4f67fc0e73fa3aef8628aae53a4d9b502d381 | انفارمیشن زیادہ سے زیادہ GAN (InfoGAN) جنریٹر کی پیداوار کو اس کے ان پٹ کے ایک جزو سے جوڑتا ہے جسے پوشیدہ کوڈز کہا جاتا ہے۔ آؤٹ پٹ کو اس ان پٹ جزو سے منسلک کرنے پر مجبور کرکے، ہم آؤٹ پٹ نمائندگی کی کچھ خصوصیات کو کنٹرول کر سکتے ہیں۔ یہ مشہور طور پر مشکل ہے کہ جب GAN میں امتیازی اور جنریٹر کو مشترکہ طور پر تربیت دی جائے تو نیش توازن تلاش کرنا مشکل ہے۔ ہم انفوگین کا استعمال کرتے ہوئے تصاویر پیدا کرنے کے لئے کچھ کامیاب اور ناکام ترتیب کو بے نقاب کرتے ہیں. تفسیر متغیرات پیداواری ماڈل میں مفید ہیں. جنریٹو ایڈوسیریل نیٹ ورکس (جی اے این) جنریٹو ماڈل ہیں جو ان کی ان پٹ میں لچکدار ہیں۔ |
41289566ac0176dced2312f813328ad4c0552618 | موبائل پلیٹ فارمز کی مقبولیت، اینڈرائیڈ کی بڑی مارکیٹ شیئر، اور اینڈرائیڈ مارکیٹ کی کھلتا ہے اس سے میلویئر حملوں کا ایک گرم ہدف بنتا ہے۔ ایک بار جب میلویئر نمونہ کی نشاندہی کی گئی ہے تو ، اس کے بدنیتی پر مبنی ارادے اور اندرونی کام کو فوری طور پر ظاہر کرنا انتہائی ضروری ہے۔ اس مقالے میں ہم DroidScope، ایک Android تجزیہ پلیٹ فارم پیش کرتے ہیں جو ورچوئلائزیشن پر مبنی میلویئر تجزیہ کی روایت کو جاری رکھتا ہے. موجودہ ڈیسک ٹاپ میلویئر تجزیہ پلیٹ فارم کے برعکس ، ڈرائڈ اسکوپ بیک وقت اور بغیر کسی رکاوٹ کے OSlevel اور جاوا سطح دونوں سیمنٹکس کی تعمیر نو کرتا ہے۔ اپنی مرضی کے مطابق تجزیہ کی سہولت کے ل D ، ڈرائیڈ اسکوپ تین درجے والے اے پی آئیز کو برآمد کرتا ہے جو اینڈروئیڈ ڈیوائس کی تین سطحوں کی عکاسی کرتے ہیں: ہارڈ ویئر ، او ایس اور ڈالفک ورچوئل مشین۔ DroidScope کے اوپر، ہم نے مزید تجزیہ کے اوزار کو تیار کیا تاکہ تفصیلی مقامی اور ڈولوک ہدایات کے نشانات، پروفائل API سطح کی سرگرمی، اور ٹریک معلومات کو لیک کرنے کے لئے تیار کیا جاوا اور مقامی اجزاء دونوں کے ذریعے استعمال کرتے ہوئے تجزیہ تجزیہ. یہ ٹولز حقیقی دنیا کے میلویئر نمونے کا تجزیہ کرنے میں موثر ثابت ہوئے ہیں اور مناسب حد تک کم کارکردگی کے اوور ہیڈ میں مبتلا ہیں۔ |
05ca17ffa777f64991a8da04f2fd03880ac51236 | اس مقالے میں ہم خطرے کی نشاندہی کے نشانات پیدا کرنے کے مسئلے کا جائزہ لیتے ہیں۔ ایک خطرے کے نشان سے کسی خاص خطرے کے تمام استحصال سے ملتا ہے ، یہاں تک کہ پولیمورفک یا میٹامورفک مختلف حالتوں سے بھی۔ ہمارا کام سابقہ نقطہ نظر سے الگ ہوجاتا ہے جس میں پروگرام کے سیمنٹکس اور استحصال کے سیمنٹکس یا نحو کی بجائے ایک نمونہ استحصال کے ذریعہ استعمال ہونے والی کمزوری پر توجہ دی جاتی ہے۔ ہم نے ایک زبان کی وضاحت ایک کمزوری کے semantics دکھانے کے جس میں تمام اور صرف ان پٹ ہے کہ کمزوری کا استحصال. ایک خطرے کی علامت خطرے کی زبان کی نمائندگی (مثال کے طور پر، ایک باقاعدہ اظہار) ہے. استحصال پر مبنی دستخطوں کے برعکس جن کی غلطی کی شرح صرف معلوم ٹیسٹ کیسز کے لئے تجرباتی طور پر ماپا جاسکتی ہے ، کسی خطرے سے دوچار دستخط کی کیفیت کو تمام ممکنہ آدانوں کے لئے باضابطہ طور پر مقدار میں شمار کیا جاسکتا ہے۔ ہم ایک کمزور دستخط کی ایک رسمی تعریف فراہم کرتے ہیں اور کمزور دستخطوں کو تخلیق کرنے اور مماثل کرنے کی کمپیوٹیشنل پیچیدگی کی تحقیقات کرتے ہیں. ہم بھی منظم طریقے سے ڈیزائن خلا میں دریافت خطرے کی علامات. ہم خطرے سے دستخط تخلیق میں تین مرکزی مسائل کی نشاندہی کرتے ہیں: خطرے سے دستخط ان پٹ کے سیٹ کی نمائندگی کرتا ہے جو خطرے سے بچنے کے لئے استعمال کیا جاسکتا ہے، خطرے کی کوریج (یعنی، خطرے سے متعلق پروگرام کے راستوں کی تعداد) جو دستخط تخلیق کے دوران ہمارے تجزیہ کے تابع ہے، اور کس طرح ایک خطرے سے دستخط ایک دیئے گئے نمائندگی اور کوریج کے لئے پیدا کیا جاتا ہے. ہم نئے ڈیٹا فلو تجزیہ اور موجودہ تکنیکوں کی نئی اپنانے کی تجویز کرتے ہیں جیسے خود کار طریقے سے پیدا کرنے کے لئے پابندی کا حل خطرے کی نشاندہی. ہم نے اپنی تکنیک کی جانچ کے لئے ایک پروٹو ٹائپ نظام بنایا ہے۔ ہمارے تجربات سے پتہ چلتا ہے کہ ہم خود کار طریقے سے ایک واحد استحصال کا استعمال کرتے ہوئے ایک کمزور دستخط پیدا کر سکتے ہیں جو پچھلے استحصال پر مبنی دستخطوں سے کہیں زیادہ اعلی معیار کا ہے۔ اس کے علاوہ، ہماری تکنیک کئی دیگر سیکورٹی ایپلی کیشنز ہے، اور اس طرح آزاد دلچسپی کا ہو سکتا ہے |
6fece3ef2da2c2f13a66407615f2c9a5b3737c88 | اس کاغذ میں ایک متحرک کنٹرولر ڈھانچہ اور ایک منظم ڈیزائن طریقہ کار کو متفرق وقت ہائبرڈ نظام کو مستحکم کرنے کے لئے تجویز کیا گیا ہے. مجوزہ نقطہ نظر کنٹرول Lyapunov افعال (CLFs) کے تصور پر مبنی ہے، جس میں، جب دستیاب ہو، ایک مستحکم ریاست فیڈ بیک کنٹرول قانون ڈیزائن کرنے کے لئے استعمال کیا جا سکتا ہے. عام طور پر ، ہائبرڈ متحرک نظاموں کے لئے ایک سی ایل ایف کی تعمیر جس میں مسلسل اور مجرد دونوں ریاستیں شامل ہیں ، خاص طور پر غیر معمولی مجرد حرکیات کی موجودگی میں انتہائی پیچیدہ ہے۔ لہذا، ہم ایک ہائبرڈ کنٹرول Lyapunov تقریب کے ناول تصور متعارف کرایا، جس میں ایک مجرد اور CLF کی ایک مسلسل حصہ کی ساخت ڈیزائن کی اجازت دیتا ہے، اور ہم رسمی طور پر ثابت ہے کہ ایک ہائبرڈ CLF کے وجود ایک کلاسیکی CLF کے وجود کی ضمانت دیتا ہے. ایک ہائبرڈ CLF synthesize کرنے کے لئے ایک تعمیراتی طریقہ کار، ایک مخصوص کنٹرولر کے ساتھ ہائبرڈ نظام کی حرکیات کو بڑھانے کی طرف سے فراہم کی جاتی ہے. ہم یہ ظاہر کرتے ہیں کہ یہ ترکیب کا طریقہ کار ایک متحرک کنٹرولر کی طرف جاتا ہے جسے ایک پیچھے ہٹنے والے افق کنٹرول حکمت عملی کے ذریعہ نافذ کیا جاسکتا ہے ، اور یہ کہ اس سے وابستہ اصلاح کا مسئلہ ہائبرڈ سسٹم کی ایک عام طبقے کے لئے عددی طور پر قابل عمل ہے ، جو حقیقی دنیا کی ایپلی کیشنز میں مفید ہے۔ کلاسیکی ہائبرڈ ریکجنگ افق کنٹرول الگورتھم کے مقابلے میں ، مجوزہ نقطہ نظر میں عام طور پر بند لوپ سسٹم کے غیر سنجیدہ استحکام کی ضمانت کے لئے ایک مختصر پیش گوئی افق کی ضرورت ہوتی ہے ، جس سے کمپیوٹیشنل بوجھ میں کمی واقع ہوتی ہے ، جیسا کہ دو مثالوں کے ذریعہ دکھایا گیا ہے۔ |
3b3c153b09495e2f79dd973253f9d2ee763940a5 | مشین سیکھنے کے طریقوں کی اطلاق اکثر دستیاب لیبل ڈیٹا کی مقدار اور ان پٹ ڈیٹا ویکٹر کے لئے اچھی اندرونی نمائندگی اور اچھی مماثلت کی پیمائش پیدا کرنے کے لئے de signer کی صلاحیت (یا نااہلی) کی طرف سے محدود ہے. اس مقالے کا مقصد ان دو حدود کو کم کرنا ہے جس میں اندرونی نمائندگیوں اور غیر متغیر خصوصیت کے درجہ بندیوں کو غیر لیبل والے اعداد و شمار سے سیکھنے کے لئے الگورتھم کی تجویز پیش کی گئی ہے۔ یہ طریقوں روایتی نگرانی سیکھنے الگورتھم سے باہر جاتے ہیں، اور غیر نگرانی، اور نیم نگرانی سیکھنے پر انحصار کرتے ہیں. خاص طور پر، اس کام میں "گہری سیکھنے" طریقوں پر توجہ مرکوز کی جاتی ہے، درجہ بندی کے ماڈل کو تربیت دینے کے لئے تکنیک اور اصولوں کا ایک مجموعہ. درجہ بندی کے ماڈل خصوصیت درجہ بندی پیدا کرتے ہیں جو مشاہدہ کردہ ڈیٹا متغیرات کے درمیان پیچیدہ غیر لکیری انحصار کو جامع اور موثر انداز میں حاصل کرسکتے ہیں۔ تربیت کے بعد، ان طریقوں کو حقیقی وقت کے نظام میں استعمال کیا جا سکتا ہے کیونکہ وہ غیر لکیری تبدیلیوں کے تسلسل کے ذریعے ان پٹ کے بہت تیزی سے آگے پھیلانے کی طرف سے نمائندگی کا حساب لگاتے ہیں. لیبل لگا دیا گیا ڈیٹا کی کمی روایتی نگرانی الگورتھم کے استعمال کی اجازت نہیں دیتا ہے جب، ہر پرت کے درجہ بندی کے unsupervised یا نیم نگرانی الگورتھم کا استعمال کرتے ہوئے نیچے سے شروع ہونے والے ترتیب میں تربیت دی جا سکتی ہے. ایک بار جب ہر پرت کو تربیت دی گئی ہے، پورے نظام کو آخر میں آخر میں ایک موڈ میں ٹھیک کیا جا سکتا ہے. ہم کئی unsu pervised الگورتھم تجویز کرتے ہیں جو اس طرح کی خصوصیت درجہ بندیوں کو تربیت دینے کے لئے بلڈنگ بلاک کے طور پر استعمال کیا جا سکتا ہے. ہم الگورتھم کی تحقیقات کرتے ہیں جو کم سے کم مکمل نمائندگی پیدا کرتے ہیں اور کچھ تبدیلیاں جو معلوم اور سیکھے ہوئے تبدیلیوں کے لئے غیر متغیر ہیں. یہ الگورتھم توانائی کے استعمال کے ساتھ ڈیزائن کیا گیا ہے- |
447ce2aecdf742cf96137f8bf7355a7404489178 | اس خط میں، ملی میٹر کی لہر (ایم ایم ڈبلیو) کے لئے ایک نئی قسم کی وسیع بینڈ سبسٹریٹ مربوط ویو گائیڈ (SIW) گہا کی حمایت شدہ پیچ اینٹینا اور صف کی تحقیقات اور لاگو کی جاتی ہے. مجوزہ اینٹینا ایک مستطیل پیچ سے بنا ہے جس میں ایک پیچھے کی طرف SIW کھوکھلی ہے۔ بینڈوتھ اور تابکاری کی کارکردگی کو بڑھانے کے لئے، گہا اس کے TE210 موڈ پر گونج کرنے کے لئے ڈیزائن کیا گیا ہے. مجوزہ اینٹینا کی بنیاد پر، ایک 4 × 4 صف بھی ڈیزائن کیا گیا ہے. مجوزہ اینٹینا اور صف دونوں معیاری پرنٹ شدہ سرکٹ بورڈ (پی سی بی) عمل کے ساتھ تیار کیے گئے ہیں ، جن میں پلینار سرکٹس کے ساتھ آسانی سے انضمام کا فائدہ ہے۔ ماپا بینڈوتھ (gadgadS11gad ≤ -10 dB) اینٹینا عنصر کی 15 فیصد سے زیادہ ہے، اور اینٹینا صف کی ہے کہ تقریبا 8.7 فیصد ہے. ماپا چوٹی حاصلات عنصر کے لئے 6.5 dBi اور 17.8 dBi کے لئے صف ہیں، اور اسی طرح کے تخروپن تابکاری کی کارکردگی 83.9٪ اور 74.9٪ ہیں. مجوزہ اینٹینا اور صف ملی میٹر لہر ایپلی کیشنز کے لئے اس کی وسیع بینڈ ، اعلی کارکردگی ، کم قیمت ، کم پروفائل ، وغیرہ کی خوبیوں کی وجہ سے وعدہ کن ہے۔ |
429d0dd7192450e2a52a8ae7f658a5d99222946e | اس مقالے میں کمپیکٹ ، کم لاگت اور اعلی تابکاری کی کارکردگی اینٹینا ڈھانچہ ، پلانر ویو گائیڈ ، سبسٹریٹ انٹیگریٹڈ ویو گائیڈ (SIW) ، ڈائی الیکٹرک ریزونیٹر اینٹینا (DRA) پیش کیا گیا ہے۔ چونکہ ایس آئی ڈبلیو ایک اعلی کیو ویو گائیڈ ہے اور ڈی آر اے کم نقصان کا ریڈی ایٹر ہے ، لہذا ایس آئی ڈبلیو-ڈی آر اے ملی میٹر ویو بینڈ پر اعلی تابکاری کی کارکردگی کے ساتھ ایک بہترین اینٹینا سسٹم تشکیل دیتا ہے ، جہاں کنڈکٹر نقصان غالب ہوتا ہے۔ اینٹینا کی کارکردگی پر مختلف اینٹینا پیرامیٹرز کے اثرات کا مطالعہ کیا جاتا ہے. ملی میٹر-لہر بینڈ میں دو مختلف سلاٹ واقفیت پر مبنی SIW-DRA کے لئے تجرباتی اعداد و شمار متعارف کرایا اور ہمارے مجوزہ اینٹینا ماڈل کی توثیق کرنے کے لئے HFSS نتائج کے ساتھ موازنہ کیا جاتا ہے. ایک اچھا معاہدہ حاصل کیا جاتا ہے. SIW-DRA واحد عنصر کے لئے ماپا فائدہ 5.51 ڈی بی، 19 ڈی بی زیادہ سے زیادہ کراس پولرائزڈ تابکاری کی سطح، اور 95 فیصد سے زیادہ کی مجموعی طور پر شمار (HFSS کا استعمال کرتے ہوئے تخروپن) تابکاری کی کارکردگی کا مظاہرہ کیا. |
0cb2e8605a7b5ddb5f3006f71d19cb9da960db98 | جدید ڈیپ نیورل نیٹ ورکس میں بہت سی پیرامیٹرز ہوتی ہیں، جس کی وجہ سے ان کو تربیت دینا بہت مشکل ہوتا ہے۔ ہم ڈی ایس ڈی کی تجویز کرتے ہیں، ایک گھنے-تھوڑے-گہرے ٹریننگ فلو، گہرے نیورل نیٹ ورکس کو باقاعدہ بنانے اور بہتر اصلاح کی کارکردگی کو حاصل کرنے کے لئے. پہلے مرحلے میں ہم ایک گھنے نیٹ ورک کو تربیت دیتے ہیں تاکہ وہ کنکشن وزن اور اہمیت سیکھ سکے۔ ایس (سپرسی) مرحلے میں ، ہم نیٹ ورک کو باقاعدہ بناتے ہیں ، چھوٹے وزن کے ساتھ غیر اہم کنکشنوں کو کاٹ کر اور نیٹ ورک کو دوبارہ تربیت دیتے ہیں جس میں کمزوری کی پابندی دی گئی ہے۔ آخری ڈی (دوبارہ ڈینس) مرحلے میں ، ہم کم سے کم پابندی کو ہٹا کر ماڈل کی صلاحیت میں اضافہ کرتے ہیں ، صفر سے پٹھے ہوئے پیرامیٹرز کو دوبارہ شروع کرتے ہیں اور پورے گھنے نیٹ ورک کو دوبارہ ٹرین کرتے ہیں۔ تجربات سے پتہ چلتا ہے کہ ڈی ایس ڈی کی تربیت سی این این ، آر این این اور ایل ایس ٹی ایم کی ایک وسیع رینج کے لئے تصویری درجہ بندی ، کیپشن جنریشن اور تقریر کی شناخت کے کاموں پر کارکردگی کو بہتر بنا سکتی ہے۔ امیج نیٹ پر ، ڈی ایس ڈی نے گوگل نیٹ کی ٹاپ 1 کی درستگی میں بالترتیب 1.1٪ ، وی جی جی 16 4.3٪ ، ریس نیٹ 18 1.2٪ اور ریس نیٹ 50 1.1٪ کی طرف سے بہتری لائی۔ ڈبلیو ایس جے 93 ڈیٹا سیٹ پر ، ڈی ایس ڈی نے ڈیپ اسپیچ اور ڈیپ اسپیچ 2 ڈبلیو ای آر کو 2.0٪ اور 1.1٪ تک بہتر بنایا۔ فلکر-8K ڈیٹا سیٹ پر ، ڈی ایس ڈی نے نیورل ٹاک بلیو اسکور کو 1.7 سے زیادہ بہتر بنایا۔ DSD عملی طور پر استعمال کرنا آسان ہے: تربیت کے وقت ، DSD صرف ایک اضافی ہائپر پیرامیٹر کا سامنا کرتا ہے: ایس مرحلے میں اسپارسیٹی تناسب۔ ٹیسٹنگ وقت، DSD نیٹ ورک فن تعمیر کو تبدیل نہیں کرتا یا کسی بھی نتیجے میں اوور ہیڈ کا سامنا نہیں کرتا. ڈی ایس ڈی تجربات کی مستقل اور اہم کارکردگی میں اضافہ بہترین مقامی زیادہ سے زیادہ تلاش کرنے کے لئے موجودہ تربیت کے طریقوں کی ناکافی کو ظاہر کرتا ہے ، جبکہ ڈی ایس ڈی بہتر حل تلاش کرنے کے لئے موثر انداز میں اعلی اصلاح کی کارکردگی حاصل کرتا ہے۔ ڈی ایس ڈی ماڈل ڈاؤن لوڈ کرنے کے لئے دستیاب ہیں https://songhan.github.io/DSD. |
6fd329a1e7f513745e5fc462f146aa80c6090a1d | پہننے کے قابل سینسرز کے استعمال سے حاصل کردہ ریکارڈنگ میں غلط اعداد و شمار کی نشاندہی خاص طور پر اہم ہے کیونکہ موبائل مریضوں سے حاصل کردہ اعداد و شمار ، عام طور پر ، غیر متحرک مریضوں سے حاصل کردہ اعداد و شمار سے زیادہ شور ہے۔ اس مقالے میں ، ہم سگنل کوالٹی انڈیکس (ایس کیو آئی) پیش کرتے ہیں ، جس کا مقصد یہ جائزہ لینا ہے کہ آیا قابل اعتماد دل کی شرح (ایچ آر) الیکٹروکارڈیوگرام (ای سی جی) اور فوٹو پلےٹیسموگرام (پی پی جی) سگنل سے حاصل کی جاسکتی ہے جو پہننے کے قابل سینسرز کا استعمال کرتے ہوئے جمع کی جاتی ہیں۔ الگورتھم کو دستی طور پر لیبل کردہ ڈیٹا پر توثیق کی گئی تھی۔ ای سی جی کے لئے 94 فیصد اور پی پی جی کے لئے 91 فیصد اور 95 فیصد کی حساسیت اور خاصیت حاصل کی گئی تھی. اس کے علاوہ، ہم SQI کے دو ایپلی کیشنز کی تجویز کرتے ہیں. سب سے پہلے، ہم اس بات کا مظاہرہ کرتے ہیں کہ، ایک توانائی کی بچت کی حکمت عملی کے لئے ایک ٹرگر کے طور پر SQI کا استعمال کرتے ہوئے، یہ ای سی جی کے لئے 94٪ اور پی پی جی کے لئے 93٪ تک ریکارڈنگ وقت کو کم کرنے کے لئے ممکن ہے صرف درست اہم نشان کے اعداد و شمار کے کم سے کم نقصان کے ساتھ. دوسرا، ہم یہ ظاہر کرتے ہیں کہ پی پی جی سے سانس کی شرح (آر آر) کے تخمینے میں غلطی کو کم کرنے کے لئے ایس کیو آئی کا استعمال کیسے کیا جاسکتا ہے۔ دونوں ایپلی کیشنز کی کارکردگی کا اندازہ ہسپتال کے مریضوں پر کلینیکل مطالعہ سے جمع کردہ اعداد و شمار پر کیا گیا تھا جو بغیر کسی مدد کے چلنے کے قابل تھے۔ |
ef8070a37fb6f0959acfcee9d40f0b3cb912ba9f | گزشتہ تین دہائیوں کے دوران، انفارمیشن سسٹم (آئی ایس) تحقیق کے اندر ایک طریقہ کار کے تنوع تیار کیا ہے. مختلف مضامین اور بہت سے تحقیقی کمیونٹیز اس بحث میں حصہ لیتے ہیں۔ تاہم، ایک ہی تحقیقی موضوع پر کام کرنا یا ایک ہی رجحان کا مطالعہ کرنا لازمی طور پر باہمی تفہیم کو یقینی نہیں بناتا ہے. خاص طور پر اس کثیرالجہتی اور بین الاقوامی تناظر میں، مختلف محققین کی طرف سے بنایا گیا علمی مفروضے بنیادی طور پر مختلف ہو سکتے ہیں. ان مفروضوں کا کافی اثر پڑتا ہے کہ کس طرح تصورات جیسے اعتبار، وشوسنییتا، معیار اور تحقیق کی سختی کو سمجھا جاتا ہے. اس طرح، علمی مفروضوں کی وسیع پیمانے پر اشاعت، اثر میں، تقریبا لازمی ہے. لہذا، اس کاغذ کا مقصد ایک epistemological فریم ورک ہے جو منظم طریقے سے آئی ایس تحقیق میں epistemological مفروضات کا تجزیہ کرنے کے لئے استعمال کیا جا سکتا ہے تیار کرنے کے لئے ہے. آئی ایس ریسرچ پیراڈائمز کی شناخت اور درجہ بندی کرنے کی کوشش کرنے کے بجائے ، اس تحقیق کا مقصد آئی ایس کے تناظر میں علمیات کی جامع بحث کرنا ہے۔ اس میں مختلف آئی ایس کے طریقوں اور طریقوں کے درمیان مماثلتوں کے ساتھ ساتھ اختلافات کی نشاندہی کرنے کے لئے بنیاد کی تعمیر میں حصہ لینے کی کوشش کی جاتی ہے. علمی فریم ورک کو ظاہر کرنے کے لئے، تصوراتی ماڈلنگ کے لئے اتفاق رائے پر مبنی تشریحاتی نقطہ نظر ایک مثال کے طور پر استعمال کیا جاتا ہے. |
25e989b45de04c6086364b376d29ec11008360a3 | انسان ترقی کے ابتدائی مراحل میں اپنے بنیادی جسمانی تصورات حاصل کرتا ہے، اور زندگی بھر میں ان کی بدیہی طبیعیات کو فروغ دینے اور بڑھانے کے لئے جاری رہتا ہے کیونکہ وہ زیادہ سے زیادہ اور مختلف متحرک ماحول کے سامنے آتے ہیں. ہم ایک درجہ بندی بیزین فریم ورک متعارف کرانے کے لئے کہ کس طرح لوگوں کو کئی سطحوں پر جسمانی پیرامیٹرز سیکھ سکتے ہیں کی وضاحت کرنے کے لئے. نظریاتی حصول کے پچھلے بیسیئن ماڈلز کے برعکس (ٹیننبوم ، کیمپ ، گریفتھس ، اور گڈمین ، 2011) ، ہم زیادہ اظہار خیال امکانات کے ساتھ کام کرتے ہیں پروگرام کی نمائندگی وقت کے ساتھ ساتھ پھیلنے والے متحرک مناظر میں اشیاء کے باہمی تعامل کو کنٹرول کرنے والی قوتوں اور خصوصیات کو سیکھنے کے لئے موزوں ہے۔ ہم نے اپنے ماڈل کا موازنہ انسانی سیکھنے والوں سے کیا ایک مشکل کام جس میں مختصر فلموں میں دی گئی نئی مائیکرو ورلڈز میں متعدد جسمانی پیرامیٹرز کا اندازہ لگایا جاتا ہے۔ اس کام کے لیے لوگوں کو ایک ساتھ متعدد باہم تعامل کرنے والے طبعی قوانین اور خصوصیات کے بارے میں استدلال کرنا پڑتا ہے۔ لوگ عام طور پر اس ماحول میں سیکھنے کے قابل ہوتے ہیں اور اپنے فیصلوں میں مستقل مزاج ہوتے ہیں۔ ابھی تک وہ بھی لوگوں کو اس کمپیوٹنگ کا مطالبہ مسئلہ محدود کمپیوٹنگ وسائل کے ساتھ حل کرنے میں بنا سکتے ہیں کے اندازوں کی نشاندہی کرنے کے لئے منظم غلطیوں کو بنانے. ہم دو تخمینے تجویز کرتے ہیں جو اوپر سے نیچے بیسیئن نقطہ نظر کی تکمیل کرتے ہیں۔ ایک تخمینہ ماڈل زیادہ نیچے سے اوپر کی خصوصیت پر مبنی استنباط اسکیم پر انحصار کرتا ہے۔ دوسرا تخمینہ جسمانی پیرامیٹر کی جگہ میں تلاش کے لئے اس کے نقطہ نظر کے طور پر خصوصیت پر مبنی استنباط لے کر، نیچے سے اوپر اور اوپر سے نیچے کے نقطہ نظر کی طاقت کو یکجا کرتا ہے. |
6f0144dc7ba19123ddce8cdd4ad0f6dc36dd4ef2 | بین الاقوامی ہدایات میں صنفی ڈیسفوریا (جی ڈی) کے حامل نوجوانوں میں پبلشمنٹ کو دبانے کے لئے گونڈوٹروپین ریلیزنگ ہارمون (جی این آر ایچ) ایگونسٹ کے استعمال کی سفارش کی گئی ہے۔ اس بارے میں بہت کم معلوم ہے کہ صنفی ڈیسفورک نوعمروں نے خود اس ابتدائی طبی مداخلت کے بارے میں کیا سوچا ہے۔ موجودہ مطالعہ کا مقصد (1) بلوغت کے خاتمے کے استعمال کے بارے میں نیدرلینڈ میں صنفی ڈیسفورک نوجوانوں کے خیالات کو واضح کرنا تھا۔ (2) یہ دریافت کرنا کہ کیا صنفی ڈیسفورک نوجوانوں کے خیالات علاج معالج ٹیموں میں کام کرنے والے پیشہ ور افراد سے مختلف ہیں ، اور اگر ایسا ہے تو کس معنی میں۔ یہ ایک کوالٹیٹو مطالعہ تھا جس کا مقصد ابتدائی علاج کے بارے میں صنفی ڈیسفورک نوجوانوں کے خیالات کی نشاندہی کرنا تھا۔ ایک کے علاوہ تمام 13 نوجوانوں کو بلوغت کی روک تھام کے ساتھ علاج کیا گیا تھا؛ پانچ نوجوان ٹرانس لڑکیوں اور آٹھ ٹرانس لڑکوں تھے. ان کی عمریں 13 سے 18 سال کے درمیان تھیں، جن کی اوسط عمر 16 سال اور 11 ماہ تھی اور ان کی اوسط عمر 17 سال اور 4 ماہ تھی۔ بعد میں، نوجوانوں کے خیالات کا موازنہ GD کے ساتھ نوجوانوں کا علاج کرنے والے کلینیشن کے خیالات کے ساتھ کیا گیا تھا. صنفی ڈیسفورک نوعمروں کے ساتھ انٹرویوز سے ، تین موضوعات سامنے آئے: (1) بلوغت کو دبانے کے لئے مناسب عمر کی نچلی حد کیا ہے اس کا تعین کرنے میں دشواری۔ زیادہ تر نوجوانوں کو مناسب عمر کی حد کی وضاحت کرنا مشکل تھا اور اسے ایک معمہ سمجھا؛ (2) بلوغت کے دباؤ کے طویل مدتی اثرات پر اعداد و شمار کی کمی. زیادہ تر نوجوانوں نے بتایا کہ طویل مدتی اعداد و شمار کی کمی نے انہیں بلوغت کے خاتمے سے روکنے سے نہیں روکا اور نہ ہی روک سکے گا۔ (3) سماجی سیاق و سباق کا کردار ، جس کے لئے دو ذیلی موضوعات تھے: (ا) میڈیا میں ، ٹیلی ویژن اور انٹرنیٹ پر توجہ میں اضافہ۔ (ب) ایک مسلط شدہ دقیانوسی تصور۔ کچھ نوجوانوں نے سماجی ماحول کے کردار کے بارے میں مثبت رائے ظاہر کی، لیکن دوسروں نے اس کے بارے میں شکوک و شبہات کا اظہار کیا۔ طبی ماہرین کے مقابلے میں، نوجوانوں کو اکثر ان کے علاج کے خیالات میں زیادہ محتاط تھے. GD میں بلوغت کے خاتمے کے استعمال پر بحث کرتے وقت صنف ڈیسفورک نوجوانوں کو آواز دینا ضروری ہے۔ دوسری صورت میں، پیشہ ور افراد ان کے اصل خیالات کی بجائے نوجوانوں کی رائے کے بارے میں مفروضوں پر مبنی کام کرسکتے ہیں. ہم دیگر ممالک میں صنفی ڈیسفورک نوجوانوں سے زیادہ کوالٹیٹی ریسرچ ڈیٹا اکٹھا کرنے کی حوصلہ افزائی کرتے ہیں۔ |
446573a346acdbd2eb8f0527c5d73fc707f04527 | |
6e6f47c4b2109e7824cd475336c3676faf9b113e | ہم یہ فرض کرتے ہیں کہ بصری طور پر وضاحتی زبان کمپیوٹر ویژن کے محققین کو دنیا کے بارے میں معلومات فراہم کرتی ہے، اور معلومات کے بارے میں کہ لوگ دنیا کو کس طرح بیان کرتے ہیں۔ اس ماخذ سے ممکنہ فائدہ آج آسانی سے دستیاب زبان کے اعداد و شمار کی بہت بڑی مقدار کی وجہ سے زیادہ اہم بنا دیا جاتا ہے. ہم ایک ایسا نظام پیش کرتے ہیں جو تصاویر سے قدرتی زبان کی وضاحتیں خود بخود پیدا کرتا ہے جو بڑے پیمانے پر متن کے اعداد و شمار اور کمپیوٹر ویژن سے شناخت الگورتھم کو تجزیہ کرنے سے حاصل کردہ اعدادوشمار دونوں کا استحصال کرتا ہے۔ یہ نظام تصاویر کے لئے متعلقہ جملے پیدا کرنے میں بہت مؤثر ہے. یہ بھی وضاحتیں جو خاص طور پر زیادہ سے زیادہ مخصوص تصویر مواد سے متعلق ہیں پیدا کرتا ہے. |
9a0fff9611832cd78a82a32f47b8ca917fbd4077 | |
9e5a13f3bc2580fd16bab15e31dc632148021f5d | اس کاغذ میں ایک کم پروفائل سبسٹریٹ مربوط ویو گائیڈ (SIW) گہا حمایت شدہ سلاٹ اینٹینا کی بینڈوتھ بڑھا ہوا طریقہ پیش کیا گیا ہے۔ بینڈوتھ میں اضافہ ایک ہی وقت میں دو ہائبرڈ طریقوں کو ایس آئی ڈبلیو کی حمایت یافتہ گہا میں متحرک کرکے اور مطلوبہ تعدد کی حد میں ان کو ضم کرکے حاصل کیا جاتا ہے۔ یہ دو ہائبرڈ طریقوں، جن کے غالب شعبوں SIW گہا کے مختلف نصف حصوں میں واقع ہیں، اور resonances کے دو مختلف مجموعے ہیں. اس ڈیزائن کے طریقہ کار کو تجربات کے ذریعے توثیق کی گئی ہے. پہلے پیش کردہ ایس آئی ڈبلیو گہا حمایت یافتہ سلاٹ اینٹینا کے مقابلے میں ، مجوزہ اینٹینا کی کسر رکاوٹ بینڈوتھ میں 1.4 فیصد سے بڑھ کر 6.3 فیصد تک اضافہ کیا گیا ہے۔ اس کے فائدہ اور تابکاری کی کارکردگی میں بھی قدرے بہتری آئی ہے 6.0 ڈی بی آئی اور 90٪ ، اور اس کے ایس آئی ڈبلیو گہا کا سائز تقریبا 30 فیصد کم کردیا گیا ہے۔ مجوزہ اینٹینا کم کراس پولرائزیشن کی سطح اور اعلی سامنے سے پیچھے کا تناسب ظاہر کرتا ہے۔ یہ اب بھی کم پروفائل ، کم تیاری کی لاگت ، اور پلینر سرکٹس کے ساتھ آسان انضمام کے فوائد کو برقرار رکھتا ہے۔ |
4c68e7eff1da14003cc7efbfbd9a0a0a3d5d4968 | پس منظر نفاذ سائنس نے نظریاتی نقطہ نظر کے زیادہ استعمال کی طرف ترقی کی ہے تاکہ بہتر تفہیم اور وضاحت فراہم کی جاسکے کہ نفاذ کیسے اور کیوں کامیاب ہوتا ہے یا ناکام ہوتا ہے۔ اس مضمون کا مقصد ایک ایسا درجہ بندی تجویز کرنا ہے جو نفاذ سائنس میں نظریات، ماڈلز اور فریم ورک کی مختلف اقسام کے درمیان فرق کرتا ہے، تاکہ نفاذ تحقیق اور عمل میں متعلقہ نقطہ نظر کے مناسب انتخاب اور اطلاق کی سہولت فراہم کی جاسکے اور نفاذ کے محققین کے مابین بین الکلیاتی مکالمے کو فروغ دیا جاسکے۔ عمل درآمد سائنس میں استعمال ہونے والے نظریاتی نقطہ نظر کے تین بنیادی مقاصد ہیں: تحقیق کو عملی طور پر ترجمہ کرنے کے عمل کی وضاحت اور / یا رہنمائی کرنا (عمل کے ماڈل) ؛ سمجھنے اور / یا وضاحت کرنا کہ عمل درآمد کے نتائج پر کیا اثر انداز ہوتا ہے (بنیادی فریم ورک ، کلاسیکی نظریات ، عمل درآمد کے نظریات) ؛ اور عمل درآمد کا جائزہ لینا (تجزیہ فریم ورک) ۔ اس مضمون میں تین بنیادی مقاصد کے حصول کے لئے نظریاتی نقطہ نظر کی پانچ اقسام کی تجویز کی گئی ہے۔ یہ زمرہ جات ہمیشہ ادب میں الگ الگ اقسام کے نقطہ نظر کے طور پر تسلیم نہیں کیے جاتے ہیں. اگرچہ کچھ نظریات، ماڈل اور فریم ورک کے درمیان اوورلوپ ہے، متعلقہ نقطہ نظر کے انتخاب کو آسان بنانے کے لئے اختلافات کے بارے میں شعور اہم ہے. زیادہ تر تعیناتی فریم ورک کو لاگو کرنے کی کوششوں کو انجام دینے کے لئے محدود "کس طرح" کی حمایت فراہم کی جاتی ہے کیونکہ تعیناتی عام طور پر ایک عمل درآمد کے عمل کو ہدایت کرنے کے لئے کافی تفصیل فراہم کرنے کے لئے بہت عام ہیں. اور جبکہ تحقیق کو عملی طور پر ترجمہ کرنے کے لئے رکاوٹوں اور فعال کرنے والوں کو حل کرنے کی اہمیت کا ذکر بہت سے عمل کے ماڈل میں کیا جاتا ہے ، ان ماڈلز میں نفاذ کی کامیابی سے وابستہ مخصوص متعین عوامل کی نشاندہی یا منظم طریقے سے ڈھانچہ نہیں کیا جاتا ہے۔ اس کے علاوہ، عمل کے ماڈل کو عمل درآمد کی کوششوں کی ایک وقتی ترتیب کو تسلیم کرتی ہے، جبکہ تعیناتی فریم ورک واضح طور پر عمل درآمد کے عمل کے نقطہ نظر کو نہیں لیتے ہیں. |
00a7370518a6174e078df1c22ad366a2188313b5 | آپٹیکل بہاؤ مقامی طور پر شمار نہیں کیا جاسکتا ہے ، کیونکہ کسی نقطہ پر امیج سیکوینس سے صرف ایک آزاد پیمائش دستیاب ہے ، جبکہ بہاؤ کی رفتار میں دو اجزاء ہیں۔ ایک دوسری پابندی کی ضرورت ہے. آپٹیکل فلو پیٹرن تلاش کرنے کا ایک طریقہ پیش کیا گیا ہے جس میں یہ فرض کیا گیا ہے کہ چمک کے پیٹرن کی ظاہری رفتار تقریبا تصویر میں ہر جگہ آسانی سے مختلف ہوتی ہے۔ ایک بار بار عمل درآمد دکھایا گیا ہے جو مصنوعی تصویر کے سلسلے کی ایک بڑی تعداد کے لئے آپٹیکل بہاؤ کا کامیابی سے حساب لگاتا ہے. الگورتھم مضبوط ہے کہ یہ تصویر کے سلسلے کو سنبھال سکتا ہے جو جگہ اور وقت میں کافی حد تک مقدار میں ہیں. یہ چمک کی سطح اور اضافی شور کی مقدار کے لئے بھی غیر حساس ہے. مثالیں شامل ہیں جہاں تصویر میں واحد پوائنٹس یا لائنوں کے ساتھ ہموار کی مفروضے کی خلاف ورزی کی جاتی ہے۔ |
2315fc6c2c0c4abd2443e26a26e7bb86df8e24cc | ہم نے ایک بڑے، گہرے کنوولوشن نیورل نیٹ ورک کو ImageNet LSVRC-2010 مقابلہ میں 1.2 ملین اعلی ریزولوشن تصاویر کو 1000 مختلف کلاسوں میں درجہ بندی کرنے کے لئے تربیت دی۔ ٹیسٹ کے اعداد و شمار پر، ہم نے بالترتیب 37.5 فیصد اور 17.0 فیصد کے سب سے اوپر 1 اور سب سے اوپر 5 غلطی کی شرح حاصل کی، جو پچھلے ریاست کے آرٹ سے کافی بہتر ہے. نیورل نیٹ ورک ، جس میں 60 ملین پیرامیٹرز اور 650،000 نیورون ہیں ، پانچ کنوولوشنل پرتوں پر مشتمل ہے ، جن میں سے کچھ کی پیروی میکس پولنگ پرتوں کے ساتھ ہوتی ہے ، اور تین مکمل طور پر منسلک پرتیں حتمی 1000 وے نرم میکس کے ساتھ ہوتی ہیں۔ تربیت کو تیز کرنے کے لیے، ہم نے غیر سیر شدہ نیورونز اور ایک بہت ہی موثر GPU پر عمل درآمد کا استعمال کیا جو کہ کنولوشن آپریشن ہے۔ مکمل طور پر منسلک تہوں میں overfitting کو کم کرنے کے لئے ہم نے حال ہی میں تیار باقاعدگی سے طریقہ کار کو "ڈراپ آؤٹ" کہا جاتا ہے جو بہت مؤثر ثابت ہوا. ہم نے اس ماڈل کی ایک قسم کو آئی ایل ایس وی آر سی 2012 کے مقابلے میں بھی داخل کیا اور جیتنے والے ٹاپ 5 ٹیسٹ کی غلطی کی شرح 15.3٪ حاصل کی ، اس کے مقابلے میں 26.2٪ دوسری بہترین اندراج کے ذریعہ حاصل کی گئی۔ |
1bc49abe5145055f1fa259bd4e700b1eb6b7f08d | ہم SummaRuNNer، دستاویزات کی نکالنے خلاصہ کے لئے ایک بار پھر نیورل نیٹ ورک (RNN) کی بنیاد پر ترتیب ماڈل پیش کرتے ہیں اور یہ ظاہر کرتے ہیں کہ یہ ریاست سے بہتر یا فن کے مقابلے میں کارکردگی کو حاصل کرتا ہے. ہمارے ماڈل کے بہت قابل تشریح ہونے کا اضافی فائدہ ہے، کیونکہ یہ اس کی پیش گوئیوں کو بصری طور پر توڑنے کی اجازت دیتا ہے جیسے معلومات کے مواد، نمایاں اور نیاپن کی تجریدی خصوصیات کی طرف سے توڑ دیا گیا ہے. ہمارے کام کی ایک اور نئی شراکت ہمارے نکالنے والے ماڈل کی تجریدی تربیت ہے جو صرف انسانی پیدا کردہ حوالہ خلاصوں پر تربیت دے سکتی ہے، جملے کی سطح پر نکالنے والے لیبلز کی ضرورت کو ختم کرتی ہے. |
3e4bd583795875c6550026fc02fb111daee763b4 | اس مقالے میں، ہم گہرے نیورل نیٹ ورکس کا استعمال کرتے ہیں چہرے کے خاکوں کو الٹ کرنے کے لیے فوٹو حقیقت پسندانہ چہرے کی تصاویر کو جوڑنے کے لیے۔ ہم سب سے پہلے ایک نیم تخروپن ڈیٹا سیٹ تعمیر کرتے ہیں جس میں کمپیوٹر سے تیار کردہ چہرے کے خاکوں کی ایک بہت بڑی تعداد ہوتی ہے جس میں مختلف طرزیں اور اس کے مطابق چہرے کی تصاویر موجود غیر محدود چہرے کے ڈیٹا سیٹوں کو بڑھا کر۔ پھر ہم ماڈل کو تربیت دیتے ہیں جو کمپیوٹر سے تیار کردہ خاکوں اور ہاتھ سے تیار کردہ خاکوں دونوں پر جدید ترین نتائج حاصل کرتے ہیں۔ گہری سیکھنے میں حالیہ پیشرفتوں کا فائدہ اٹھاتے ہوئے جیسے بیچ معمول پر لانا ، گہری بقایا سیکھنا ، ادراک کے نقصانات اور اسٹاکسٹک اصلاح ہمارے نئے ڈیٹا سیٹ کے ساتھ مل کر۔ ہم آخر میں ہمارے ماڈل کی ممکنہ ایپلی کیشنز کو فنون لطیفہ اور فارنزک آرٹس میں ظاہر کرتے ہیں۔ موجودہ پیچ پر مبنی نقطہ نظر کے برعکس، ہمارے گہرے نیورل نیٹ ورک پر مبنی نقطہ نظر کو جنگلی میں چہرے کے خاکے کو تبدیل کرکے فوٹو ریئلسٹک چہرے کی تصاویر کو ترکیب کرنے کے لئے استعمال کیا جاسکتا ہے۔ |
2fd9f4d331d144f71baf2c66628b12c8c65d3ffb | درجہ بندی کے طریقہ کار میں فروغ دینے میں سب سے اہم حالیہ ترقیات میں سے ایک ہے. فروغ دینے کے کام کی تربیت کے اعداد و شمار کے reweighted ورژن کے لئے ترتیب سے ایک درجہ بندی الگورتھم کا اطلاق اور پھر اس طرح سے تیار classifiers کے تسلسل کی ایک وزن اکثریت ووٹ لینے کی طرف سے. بہت سے درجہ بندی الگورتھم کے لئے، یہ سادہ حکمت عملی کارکردگی میں ڈرامائی بہتری میں نتائج. ہم یہ ظاہر کرتے ہیں کہ یہ بظاہر پراسرار رجحان کو اچھی طرح سے معلوم اعداد و شمار کے اصولوں کے لحاظ سے سمجھا جا سکتا ہے، یعنی اضافی ماڈلنگ اور زیادہ سے زیادہ امکانات. دو کلاس کے مسئلے کے لئے ، زیادہ سے زیادہ برنولی امکانات کو معیار کے طور پر استعمال کرتے ہوئے لاجسٹک پیمانے پر اضافی ماڈلنگ کے تخمینے کے طور پر دیکھا جاسکتا ہے۔ ہم زیادہ براہ راست تخمینے تیار کرتے ہیں اور ظاہر کرتے ہیں کہ وہ فروغ دینے کے تقریبا ایک جیسے نتائج پیش کرتے ہیں. ملٹی کلاس عامہ کی بنیاد پر ملٹیومل امکانات حاصل کیے جاتے ہیں جو زیادہ تر حالات میں فروغ دینے کے دوسرے حال ہی میں مجوزہ کثیر کلاس عامہ کے مقابلے میں کارکردگی کا مظاہرہ کرتے ہیں ، اور کچھ میں بہت بہتر ہیں۔ ہم ایک معمولی ترمیم کو فروغ دینے کی تجویز کرتے ہیں جو اکثر 10 سے 50 کے عوامل کی طرف سے حساب کو کم کرسکتے ہیں. آخر میں، ہم ان بصیرتوں کو فیصلہ کرنے والے درختوں کو فروغ دینے کے لئے ایک متبادل فارمولیشن تیار کرنے کے لئے استعمال کرتے ہیں. یہ نقطہ نظر ، بہترین پہلے ٹنکڈ ٹری انڈکشن پر مبنی ہے ، اکثر بہتر کارکردگی کا باعث بنتا ہے ، اور مجموعی فیصلے کے اصول کی تشریح کی وضاحت فراہم کرسکتا ہے۔ یہ کمپیوٹیشنل طور پر بھی بہت تیز ہے ، جس سے یہ بڑے پیمانے پر ڈیٹا مائننگ ایپلی کیشنز کے لئے زیادہ موزوں ہے۔ |
573ae3286d050281ffe4f6c973b64df171c9d5a5 | ہم بے ترتیبی مناظر میں اشیاء کی مختلف کلاسوں کی ایک بڑی تعداد کا پتہ لگانے کے مسئلہ پر غور. روایتی نقطہ نظر کی ضرورت ہوتی ہے مختلف درجہ بندی کی بیٹری کو تصویر پر لاگو کرنا، متعدد مقامات اور پیمانوں پر. یہ سست ہوسکتا ہے اور بہت سارے ٹریننگ ڈیٹا کی ضرورت پڑسکتی ہے کیونکہ ہر درجہ بندی کرنے والے کو بہت سے مختلف تصویری خصوصیات کا حساب کتاب کی ضرورت ہوتی ہے۔ خاص طور پر ، آزادانہ طور پر تربیت یافتہ پتہ لگانے والوں کے لئے ، (چلانے کا وقت) کمپیوٹیشنل پیچیدگی اور (تربیتی وقت) نمونہ پیچیدگی پیمانے پر لکیری طور پر پتہ لگانے کے لئے کلاسوں کی تعداد کے ساتھ۔ ہم ایک ملٹی ٹاسک سیکھنے کے طریقہ کار کو پیش کرتے ہیں ، جو فیصلہ سازی کے اسٹمپس پر مبنی ہے ، جو مشترکہ خصوصیات کو تلاش کرکے کمپیوٹیشنل اور نمونہ کی پیچیدگی کو کم کرتا ہے جو کلاسوں (اور / یا نظاروں) میں مشترک ہوسکتے ہیں۔ ہر کلاس کے لئے ڈٹیکٹرز آزادانہ طور پر بجائے مشترکہ طور پر تربیت دی جاتی ہیں. ایک دیئے گئے کارکردگی کی سطح کے لئے، مطلوبہ خصوصیات کی کل تعداد اور، اس وجہ سے، درجہ بندی کے رن ٹائم کی لاگت، کلاسوں کی تعداد کے ساتھ تقریبا لاگت سے پیمانے پر پیمانے پر مشاہدہ کیا جاتا ہے. مشترکہ تربیت کے ذریعہ منتخب کردہ خصوصیات عام کنارے کی طرح کی خصوصیات ہیں ، جبکہ ہر کلاس کو الگ الگ تربیت دینے کے ذریعہ منتخب کردہ خصوصیات زیادہ مخصوص ہوتی ہیں۔ عام خصوصیات بہتر عام اور نمایاں طور پر کثیر کلاس اعتراض کا پتہ لگانے کے کمپیوٹیشنل لاگت کو کم |
1e75a3bc8bdd942b683cf0b27d1e1ed97fa3b4c3 | گاوسی عمل ریاستی خلائی ماڈل میں نامعلوم حرکیات کے پہلے مفروضوں کی لچکدار وضاحت کی اجازت دیتا ہے۔ ہم گاوسی عمل ریاست خلائی ماڈل میں موثر بیزیئن سیکھنے کے لئے ایک طریقہ کار پیش کرتے ہیں ، جہاں نمائندگی کو سابقہ کووریئنس ڈھانچے سے اخذ کردہ تخمینہ ایجن فنکشنز کے ایک سیٹ پر پروجیکٹ کرکے تشکیل دیا جاتا ہے۔ ماڈل کے اس خاندان کے تحت سیکھنے کو احتیاط سے تیار ذرہ MCMC الگورتھم کا استعمال کرتے ہوئے کیا جا سکتا ہے. یہ اسکیم کمپیوٹیشنل طور پر موثر ہے اور پھر بھی مسئلے کے مکمل طور پر بیسیئن علاج کی اجازت دیتا ہے۔ روایتی نظام کی شناخت کے اوزار یا موجودہ سیکھنے کے طریقوں کے مقابلے میں، ہم مسابقتی کارکردگی اور ماڈل میں غیر یقینی صورتحال کی قابل اعتماد مقدار کو ظاہر کرتے ہیں. |
142a799aac35f3b47df9fbfdc7547ddbebba0a91 | ہم رنگ کے اعداد و شمار میں ماڈل پر مبنی 6D پوز کی اصلاح کے لئے ایک نیا نقطہ نظر پیش کرتے ہیں. ہم نے ایک گہری نیورل نیٹ ورک کو ٹرانسلیشن اور روٹیشن اپ ڈیٹ کی پیش گوئی کرنے کے لیے سکھایا ہے۔ بنیادی طور پر، ہم ایک نیا بصری نقصان تجویز کرتے ہیں جو کسی بھی واضح ظہور ماڈل کی تعریف سے بچنے کے لئے، اعتراض کے contours سیدھ میں لانا کی طرف سے پوزیشن اپ ڈیٹ چلاتا ہے. پچھلے کام کے برعکس ہمارا طریقہ کار خط و کتابت سے پاک ، تقسیم سے پاک ہے ، جو غائب کو سنبھال سکتا ہے اور ہندسیاتی ہم آہنگی کے ساتھ ساتھ بصری مبہمات سے بھی بے خبر ہے۔ اس کے علاوہ، ہم کسی نہ کسی طرح ابتدائی طور پر شروع کرنے کی طرف ایک مضبوط مضبوطی کا مشاہدہ کرتے ہیں. یہ نقطہ نظر حقیقی وقت میں چل سکتا ہے اور 3D ICP کے قریب آنے والی پوزیشن کی درستگی پیدا کرتا ہے جس میں گہرائی کے اعداد و شمار کی ضرورت نہیں ہوتی ہے۔ مزید برآں، ہمارے نیٹ ورک خالص طور پر مصنوعی اعداد و شمار سے تربیت یافتہ ہیں اور http://campar.in.tum پر اصلاح کے کوڈ کے ساتھ ساتھ شائع کیا جائے گا. de/Main/FabianManhardt دوبارہ پیدا کرنے کی صلاحیت کو یقینی بنانے کے لئے. |
046bf6fb90438335eaee07594855efbf541a8aba | شہروں میں تیزی سے ترقی نے بہت سے لوگوں کی زندگیوں کو جدید بنایا ہے لیکن اس سے بڑے مسائل بھی پیدا ہوئے ہیں، جیسے ٹریفک جام، توانائی کی کھپت اور آلودگی۔ شہری کمپیوٹنگ کا مقصد ان مسائل کو حل کرنا ہے جو شہروں میں پیدا ہونے والے اعداد و شمار کا استعمال کرتے ہوئے (مثال کے طور پر، ٹریفک بہاؤ، انسانی نقل و حرکت، اور جغرافیائی اعداد و شمار). شہری کمپیوٹنگ شہری سینسنگ، ڈیٹا مینجمنٹ، ڈیٹا تجزیات، اور سروس فراہم کرنے کو لوگوں کی زندگیوں، شہر کے آپریشن کے نظام، اور ماحول کی ایک غیر معمولی اور مسلسل بہتری کے لئے ایک بار پھر عمل میں جوڑتا ہے. شہری کمپیوٹنگ ایک بین الضابطہ میدان ہے جہاں کمپیوٹر سائنس روایتی شہر سے متعلقہ شعبوں سے ملتی ہے ، جیسے نقل و حمل ، سول انجینئرنگ ، ماحولیات ، معیشت ، ماحولیات ، اور معاشرتی علوم شہری جگہوں کے تناظر میں۔ یہ مضمون سب سے پہلے شہری کمپیوٹنگ کے تصور کو متعارف کراتا ہے، اس کے عام فریم ورک اور کمپیوٹر سائنس کے نقطہ نظر سے اہم چیلنجوں پر تبادلہ خیال کرتا ہے. دوسرا، ہم شہری کمپیوٹنگ کی ایپلی کیشنز کو سات زمروں میں درجہ بندی کرتے ہیں، جس میں شہری منصوبہ بندی، نقل و حمل، ماحول، توانائی، سماجی، معیشت، اور عوامی حفاظت اور سیکورٹی شامل ہیں، ہر زمرے میں نمائندہ منظرنامے پیش کرتے ہیں. تیسری بات، ہم عام ٹیکنالوجیز کا خلاصہ پیش کرتے ہیں جو شہری کمپیوٹنگ میں درکار ہیں، چار حصوں میں، جو شہری سینسنگ، شہری ڈیٹا مینجمنٹ، مختلف اعداد و شمار کے درمیان علم فیوژن، اور شہری ڈیٹا کی بصری شکل کے بارے میں ہیں۔ آخر میں، ہم شہری کمپیوٹنگ کے مستقبل پر ایک نقطہ نظر دیتے ہیں، کچھ تحقیقی موضوعات کی تجویز کرتے ہیں جو کسی طرح کمیونٹی میں غائب ہیں. |
970b4d2ed1249af97cdf2fffdc7b4beae458db89 | روزانہ تقریباً ایک ارب آن لائن ویڈیوز دیکھنے کے ساتھ، کمپیوٹر ویژن تحقیق میں ابھرتی ہوئی نئی سرحد ویڈیو میں شناخت اور تلاش ہے۔ اگرچہ ہزاروں تصویری زمروں پر مشتمل بڑے پیمانے پر اسکیل ایبل جامد امیج ڈیٹا سیٹوں کے جمع اور تشریح کے لئے بہت زیادہ کوششیں کی گئیں ہیں ، لیکن انسانی عمل کے ڈیٹا سیٹ بہت پیچھے رہ گئے ہیں۔ موجودہ کارروائی کے اعتراف کے ڈیٹا بیس میں تقریباً دس مختلف کارروائیوں کی اقسام ہیں جو کافی کنٹرول شدہ حالات کے تحت جمع کی گئی ہیں۔ ان ڈیٹا سیٹوں پر جدید ترین کارکردگی اب حد سے قریب ہے اور اس طرح نئے بینچ مارکس کے ڈیزائن اور تخلیق کی ضرورت ہے۔ اس مسئلے کو حل کرنے کے لیے ہم نے 51 ایکشن زمروں کے ساتھ اب تک کا سب سے بڑا ایکشن ویڈیو ڈیٹا بیس اکٹھا کیا، جس میں مجموعی طور پر تقریباً 7,000 دستی طور پر تشریح شدہ کلپس موجود ہیں جو ڈیجیٹائزڈ فلموں سے لے کر یوٹیوب تک مختلف ذرائع سے نکالی گئی ہیں۔ ہم اس ڈیٹا بیس کا استعمال کرتے ہیں دو نمائندہ کمپیوٹر ویژن سسٹم کی کارکردگی کا اندازہ کرنے کے لئے عمل کی شناخت اور مختلف حالات جیسے کیمرے کی تحریک، نقطہ نظر، ویڈیو معیار اور بندش کے تحت ان طریقوں کی مضبوطی کی تلاش. |
3087289229146fc344560478aac366e4977749c0 | حال ہی میں معلومات کے نظریے کو استعمال کیا گیا ہے تاکہ انسان کی صلاحیت کو کچھ حسی، ادراک اور ادراک- موٹر افعال میں اس سے زیادہ واضح طور پر بیان کیا جا سکے (5, 10, 13, 15, 17, 18). اس مقالے میں پیش کردہ تجربات سے یہ نظریہ انسانی موٹر سسٹم تک پھیلتا ہے۔ اس وقت صرف بنیادی تصورات، معلومات کی مقدار، شور، چینل کی صلاحیت، اور معلومات کی منتقلی کی شرح کی قابل اطلاقیت کا جائزہ لیا جائے گا. حالیہ مصنفین (4,11, 20, 22) کی طرف سے تیار کردہ ان تصورات کے ساتھ عام واقفیت فرض کی جاتی ہے. ہم انسان کے موٹر سسٹم کا مطالعہ نہیں کر سکتے۔ ہم صرف پورے ریسیپٹر-نیورل-effector نظام کے رویے کا تجزیہ کر سکتے ہیں. کس طرح- |
64305508a53cc99e62e6ff73592016d0b994afd4 | آر ڈی ایف کو تیزی سے سیمنٹک ویب اور ڈیٹا ایکسچینج کے لئے ڈیٹا کوڈ کرنے کے لئے استعمال کیا جا رہا ہے. مختلف طریقوں کے بعد آر ڈی ایف ڈیٹا مینجمنٹ سے متعلق بہت سارے کام ہوئے ہیں۔ اس مقالے میں ہم ان کاموں کا ایک جائزہ فراہم کرتے ہیں۔ اس جائزے میں مرکزی حل (جس کو گودام کے نقطہ نظر کے طور پر کہا جاتا ہے) ، تقسیم شدہ حل، اور تکنیکوں پر غور کیا گیا ہے جو منسلک ڈیٹا کو تلاش کرنے کے لئے تیار کیا گیا ہے. ہر زمرے میں مزید درجہ بندی فراہم کی جاتی ہے جو قارئین کو مختلف نقطہ نظر کی شناخت کی خصوصیات کو سمجھنے میں مدد ملے گی. |
6162ab446003a91fc5d53c3b82739631c2e66d0f | |
29f5ecc324e934d21fe8ddde814fca36cfe8eaea | تعارف خواتین میں چھاتی کا کینسر (بی سی) سب سے عام کینسر ہے، جو ان کی زندگی کے کچھ مراحل میں تمام خواتین کے تقریبا 10 فیصد کو متاثر کرتا ہے. حالیہ برسوں میں ، واقعات کی شرح میں اضافہ ہوتا رہتا ہے اور اعداد و شمار سے پتہ چلتا ہے کہ تشخیص سے پانچ سال بعد زندہ رہنے کی شرح 88٪ اور تشخیص سے 10 سال بعد 80٪ ہے۔ [1] ابتدائی پیش گوئی چھاتی کے کینسر کی پیروی کے عمل میں سب سے اہم کام میں سے ایک ہے. ڈیٹا مائننگ کے طریقوں سے غلط مثبت اور غلط منفی فیصلوں کی تعداد کو کم کرنے میں مدد مل سکتی ہے [2,3،4] نتیجے کے طور پر، نئے طریقوں جیسے ڈیٹا بیس میں علم کی دریافت (KDD) طبی محققین کے لئے ایک مقبول تحقیقی آلہ بن گیا ہے جو بڑی تعداد میں متغیرات کے درمیان پیٹرن اور تعلقات کی شناخت اور استحصال کرنے کی کوشش کرتے ہیں، اور ڈیٹا بیس میں ذخیرہ کردہ تاریخی مقدمات کا استعمال کرتے ہوئے بیماری کے نتائج کی پیش گوئی کرتے ہیں. |
261e841c8e0175586fb193b1a199cefaa8ecf169 | کسی کو گہری سیکھنے کو مورفولوجیکل ری انفلکشن جیسے کاموں پر کیسے لاگو کرنا چاہئے ، جو ایک تار کو دوسرے کو حاصل کرنے کے لئے اسٹاکسٹک طور پر ترمیم کرتا ہے؟ اس طرح کے تسلسل سے تسلسل کے کاموں کے لئے ایک حالیہ نقطہ نظر ان پٹ تار کو ایک ویکٹر میں کمپریس کرنا ہے جو پھر بار بار اعصابی نیٹ ورکس کا استعمال کرتے ہوئے آؤٹ پٹ تار پیدا کرنے کے لئے استعمال ہوتا ہے۔ اس کے برعکس، ہم روایتی فن تعمیر کو برقرار رکھنے کا مشورہ دیتے ہیں، جو تمام ممکنہ آؤٹ پٹ سٹرنگز کو اسکور کرنے کے لئے ایک محدود ریاست ٹرانسمیٹر کا استعمال کرتا ہے، لیکن بار بار نیٹ ورک کی مدد سے اسکورنگ کی تقریب کو بڑھانے کے لئے. دو طرفہ LSTMs کا ایک ڈھیر ان پٹ تار کو بائیں سے دائیں اور دائیں سے بائیں سے پڑھتا ہے ، تاکہ ان پٹ سیاق و سباق کا خلاصہ کیا جاسکے جس میں ٹرانسڈوسر آرک لاگو ہوتا ہے۔ ہم نے ان سیکھا خصوصیات کے ساتھ ٹرانسڈوسر کے ساتھ مل کر ایک احتمال تقسیم کی وضاحت کرنے کے لئے سیدھے آؤٹ پٹ تاروں پر، ایک وزن بند ریاست آٹومیٹن کی شکل میں. یہ خصوصیات کے ہاتھ انجینئرنگ کو کم کرتا ہے، سیکھا خصوصیات ان پٹ سٹرنگ میں غیر محدود سیاق و سباق کی جانچ پڑتال کرنے کی اجازت دیتا ہے، اور اب بھی متحرک پروگرامنگ کے ذریعے عین مطابق استنباط کی اجازت دیتا ہے. ہم مورفولوجیکل ری انفلکشن اور لیمٹائزیشن کے کاموں پر اپنے طریقہ کار کی وضاحت کرتے ہیں۔ |
8f69384b197a424dfbd0f60d7c48c110faf2b982 | |
014b191f412f8496813d7c358ddd11d8512f2005 | اعلی ریزولوشن امیج ریڈارز ایک ہی مشاہدے سے توسیع شدہ اشیاء کی رفتار اور تحریک کی سمت کا اندازہ لگانے کے لئے نئے مواقع کھولتے ہیں۔ چونکہ ریڈار سینسر صرف شعاعی رفتار کی پیمائش کرتے ہیں، لہذا عام طور پر کسی چیز کی رفتار ویکٹر کا تعین کرنے کے لئے ٹریکنگ سسٹم استعمال کیا جاتا ہے. ایک مستحکم رفتار کے بعد کئی فریموں میں ابتدائی اندازہ لگایا جاتا ہے، جس کے نتیجے میں بعض حالات جیسے کراس ٹریفک کے رد عمل کے لئے وقت کا ایک اہم نقصان ہوتا ہے. مندرجہ ذیل کاغذ ایک توسیع ہدف کی رفتار ویکٹر کا تعین کرنے کے لئے ایک مضبوط اور ماڈل مفت نقطہ نظر پیش کرتا ہے. کالمان فلٹر کے برعکس ، اس میں وقت اور جگہ میں ڈیٹا ایسوسی ایشن کی ضرورت نہیں ہے۔ اس کی رفتار ویکٹر کی ایک فوری (~ 50 ایم ایس) اور تعصب مفت تخمینہ ممکن ہے. ہمارا نقطہ نظر سگنل میں شور اور منظم تغیرات (مثال کے طور پر، پہیوں کے مائیکرو ڈوپلر) کو سنبھال سکتا ہے. یہ ریڈار سینسر کی پیمائش کی غلطیوں سے نمٹنے کے لئے بہتر بنایا گیا ہے نہ صرف شعاعی رفتار میں ، بلکہ ازموت پوزیشن میں بھی۔ اس طریقہ کار کی درستگی میں اضافہ متعدد ریڈار سینسرز کے فیوژن سے ہوتا ہے۔ |
ad6d5e4545c60ec559d27a09fbef13fa538172e1 | ڈرائیور کی مدد کے جدید نظام اور خود مختار ڈرائیونگ میں ، رڈار پر مبنی قابل اعتماد ماحول کا ادراک اور آبجیکٹ ٹریکنگ بنیادی ہے۔ ہائی ریزولوشن ریڈار سینسر اکثر فی اعتراض متعدد پیمائش فراہم کرتے ہیں. چونکہ اس معاملے میں روایتی پوائنٹ ٹریکنگ الگورتھم اب قابل اطلاق نہیں ہیں ، توسیع شدہ آبجیکٹ ٹریکنگ کے لئے نئے نقطہ نظر پچھلے کچھ سالوں میں سامنے آئے ہیں۔ تاہم ، وہ بنیادی طور پر لیڈار ایپلی کیشنز کے لئے ڈیزائن کیے گئے ہیں یا ریڈار کی اضافی ڈوپلر معلومات کو چھوڑ دیتے ہیں۔ ڈوپلر معلومات کا استعمال کرتے ہوئے کلاسیکی ریڈار کی بنیاد پر ٹریکنگ کے طریقوں کو زیادہ تر متوازی ٹریفک کے نقطہ نظر سے باخبر رہنے کے لئے ڈیزائن کیا گیا ہے. اس کاغذ میں پیش کی پیمائش ماڈل متوازی اور کراس ٹریفک سمیت صوابدیدی ٹریفک منظرنامے میں تقریبا مستطیل شکل کی گاڑیوں کو ٹریک کرنے کے لئے تیار کیا گیا ہے. متحرک حالت کے علاوہ ، یہ اعتراض کی ہندسی حالت کا تعین اور اس کا سراغ لگانے کی اجازت دیتا ہے۔ ڈوپلر معلومات کا استعمال ماڈل میں ایک اہم جزو ہے. اس کے علاوہ، یہ نہ تو پیمائش پری پروسیسنگ، ڈیٹا کلسٹرنگ، اور نہ ہی واضح ڈیٹا ایسوسی ایشن کی ضرورت ہوتی ہے. آبجیکٹ ٹریکنگ کے لئے، ایک راؤ بلیک ویلیزڈ ذرہ فلٹر (RBPF) پیمائش ماڈل کے مطابق ڈھال دیا گیا ہے. |
965f8bb9a467ce9538dec6bef57438964976d6d9 | میک اپ اور نقاب پوش ظاہری شکل کے تحت ایک ہی مضامین کو پہچانتے ہوئے خودکار انسانی چہرے کی شناخت کے الگورتھم کی درستگی نمایاں طور پر کم ہوسکتی ہے۔ بہتر سیکیورٹی اور نگرانی پر بڑھتی ہوئی پابندیوں کی وجہ سے نقاب پوش اور/یا میک اپ کے تحت چہروں کے لیے چہرے کی شناخت کے الگورتھم سے بہتر درستگی کی ضرورت ہے۔ یہ کاغذ چہرے کی تصاویر کے لئے ایک نیا ڈیٹا بیس پیش کرتا ہے اور اس طرح کے covariates کے تحت چہرے کی شناخت الگورتھم کی ترقی. اس ڈیٹا بیس میں 410 مختلف مضامین کی 2460 تصاویر ہیں اور یہ حقیقی ماحول کے تحت حاصل کی گئی ہے ، میک اپ اور نقاب پوش کووریٹیٹس پر توجہ مرکوز کرتی ہے اور ہر تصویر کے لئے زمینی حقیقت (آنکھوں کی شیشے ، چشمیں ، مونچھیں ، داڑھی) بھی فراہم کرتی ہے۔ اس سے تیار کردہ الگورتھم کو چہرے کی شناخت کے دوران اس طرح کے اہم نقاب پوش صفت کی شناخت کے ل automatically ان کی صلاحیت کو خود بخود مقدار میں بڑھانے کے قابل بناسکتا ہے۔ ہم دو مشہور تجارتی میچروں اور حالیہ اشاعتوں سے تقابلی تجرباتی نتائج بھی پیش کرتے ہیں۔ ہمارے تجرباتی نتائج ان میچروں کی صلاحیت میں نمایاں کارکردگی کی خرابی کا مشورہ دیتے ہیں ان چہروں کو خود بخود پہچاننے میں۔ ہم ان میچرز سے چہرے کا پتہ لگانے کی درستگی کا بھی تجزیہ کرتے ہیں۔ تجرباتی نتائج ان مشترکہ متغیرات کے تحت چہروں کو پہچاننے میں چیلنجوں کو اجاگر کرتے ہیں۔ اس نئے ڈیٹا بیس کی عوامی ڈومین میں دستیابی میک اپ اور نقاب پوش چہروں کو پہچاننے میں بہت ضروری تحقیق اور ترقی کو آگے بڑھانے میں مدد کرے گی۔ |
f8e32c5707df46bfcd683f723ad27d410e7ff37d | |
32c8c7949a6efa2c114e482c830321428ee58d70 | اس مضمون میں جدید ترین GPU پر مبنی ہائی تھرو پٹ کمپیوٹنگ سسٹم کی صلاحیتوں پر تبادلہ خیال کیا گیا ہے اور سنگل چپ متوازی کمپیوٹنگ سسٹم کو بڑھانے کے چیلنجوں پر غور کیا گیا ہے ، جس میں اعلی اثر والے علاقوں کو اجاگر کیا گیا ہے جن پر کمپیوٹنگ ریسرچ کمیونٹی توجہ دے سکتی ہے۔ اینویڈیا ریسرچ ایک غیر متوازن اعلی کارکردگی کا کمپیوٹنگ سسٹم کے لئے ایک فن تعمیر کی تحقیقات کر رہا ہے جو ان چیلنجوں کو حل کرنے کی کوشش کرتا ہے. |
8890bb44abb89601c950eb5e56172bb58d5beea8 | مقصد پر مبنی ڈائیلاگ پالیسی سیکھنا عام طور پر نگرانی سیکھنے الگورتھم کے ساتھ آف لائن یا تقویت سیکھنے (آر ایل) کے ساتھ آن لائن کیا جاتا ہے۔ اس کے علاوہ ، چونکہ کمپنیاں صارفین اور تربیت یافتہ انسانی ایجنٹوں کے مابین مکالمے کی نقل کی بھاری مقدار جمع کرتی ہیں ، تو انکوڈر-ڈکوڈر طریقوں نے مقبولیت حاصل کی ہے کیونکہ ایجنٹ کے بیانات کو براہ راست نگرانی کے طور پر سنبھال لیا جاسکتا ہے بغیر بیان کی سطح کے تشریحات کی ضرورت کے۔ تاہم، اس طرح کے نقطہ نظر کی ایک ممکنہ خرابی یہ ہے کہ وہ ڈائیلاگ کی سطح پر غور کے بغیر اگلے ایجنٹ کے بیان کو پیدا کرتے ہیں. اس تشویش کو حل کرنے کے لئے ، اس کاغذ میں غیر منقولہ کارپوریشنوں سے سیکھنے کے لئے ایک آف لائن آر ایل طریقہ کار کی وضاحت کی گئی ہے جو بیان اور مکالمہ دونوں سطح پر مقصد پر مبنی پالیسی کو بہتر بنا سکتی ہے۔ ہم ایک ناول انعام فنکشن متعارف کراتے ہیں اور پالیسی آف لائن سیکھنے کے لئے پالیسی اور پالیسی سے باہر دونوں پالیسی گریڈینٹ کا استعمال کرتے ہیں بغیر آن لائن صارف کی بات چیت یا ریاست کی جگہ کی واضح تعریف کی ضرورت ہوتی ہے۔ |
589d84d528d353a382a42e5b58dc48a57d332be8 | روٹرز ٹخنوں ایک سٹیورٹ پلیٹ فارم کی قسم کی ہپٹک انٹرفیس ہے جو بحالی میں استعمال کے لئے ڈیزائن کیا گیا ہے. یہ نظام مریض کے پاؤں پر چھ ڈگری آزادی (ڈی او ایف) مزاحمتی قوتیں فراہم کرتا ہے ، ورچوئل رئیلٹی پر مبنی مشقوں کے جواب میں۔ روٹجرز اینکل کنٹرولر میں ایک ایمبیڈڈ پینٹیم بورڈ ، نیومیٹک سولوئڈ والوز ، والو کنٹرولرز ، اور متعلقہ سگنل کنڈیشنگ الیکٹرانکس شامل ہیں۔ ہمارے کیس اسٹڈی میں استعمال ہونے والی بحالی کی مشق میں لوپ کے ذریعے ایک مجازی ہوائی جہاز کو پائلٹ کرنا شامل ہے۔ مشق کی دشواری کا انتخاب لوپس کی تعداد اور جگہ ، مجازی ماحول میں ہوائی جہاز کی رفتار ، اور ہپٹک انٹرفیس کے ذریعہ فراہم کردہ مزاحمت کی ڈگری کی بنیاد پر کیا جاسکتا ہے۔ مشق کے اعداد و شمار کو شفاف طریقے سے، حقیقی وقت میں، ایک اوریکل ڈیٹا بیس میں محفوظ کیا جاتا ہے. یہ اعداد و شمار ٹخنوں کی پوزیشن، قوتوں اور مشق کے دوران میکانی کام پر مشتمل ہیں، اور بعد میں بحالی کے سیشنوں پر. مکمل لوپس کی تعداد اور وقت یہ بھی آن لائن محفوظ کر رہے ہیں ایسا کرنے کے لئے لیا. اس نظام کا استعمال کرتے ہوئے ایک مریض کے نو ماہ بعد ایک کیس اسٹڈی پیش کی جاتی ہے. نتائج سے پتہ چلتا ہے کہ، چھ بحالی سیشنوں کے دوران، مریض کی طاقت اور برداشت کے کلینیکل اقدامات میں بہتری آئی ہے، جو روٹرز ٹخنوں کی طرف سے ماپا torque اور طاقت کی پیداوار میں اضافہ کے ساتھ اچھی طرح سے مطابقت رکھتا ہے. اس کے علاوہ مریض کی کام کی درستگی اور ہم آہنگی میں نمایاں بہتری آئی اور مریض کی چلنے اور سیڑھیاں چڑھنے کی صلاحیت میں بھی بہتری آئی۔ |
67161d331d496ad5255ad8982759a1c853856932 | اس مقالے میں سیلاب کے خطرات سے عوام کو آگاہ کرنے کے لئے سیلاب سے متعلق ابتدائی انتباہ کے نظام کے لئے فن تعمیر کی تجویز دی گئی ہے۔ خطرے کی تشخیص کے لئے درست اعداد و شمار جمع کرنے، خطرے کی نگرانی کی خدمات کی ترقی، خطرے سے متعلق معلومات پر مواصلات اور کمیونٹی کے ردعمل کی صلاحیتوں کے وجود کے درمیان لنکس کے ساتھ ایک مؤثر ابتدائی انتباہ کا نظام تیار کیا جانا چاہئے. یہ منصوبہ پانی کی سطح کی ریموٹ مانیٹرنگ پر مرکوز ہے جو وائرلیس سینسر نیٹ ورک کا استعمال کرتا ہے۔ اس منصوبے میں گلوبل سسٹم فار موبائل کمیونیکیشن (جی ایس ایم) اور مختصر پیغام سروس (ایس ایم ایس) کا استعمال بھی کیا گیا ہے تاکہ سینسر سے ڈیٹا کمپیوٹرز تک پہنچایا جاسکے یا متعلقہ متاثرین کو ان کے موبائل فون کے ذریعے براہ راست الرٹ کیا جاسکے۔ امید ہے کہ مجوزہ فن تعمیر کو مزید ترقی دی جا سکتی ہے ایک کام کرنے والے نظام میں، جو کمیونٹی کے لئے فائدہ مند ہو گا اور سیلاب کی آفت کی صورت میں زندگی بچانے کے لئے احتیاطی کارروائی کے طور پر کام کرے گا. |
a5de09243b4b12fc4bcf4db56c8e38fc3beddf4f | حالیہ مطالعات سے یہ ظاہر ہوتا ہے کہ انٹرپرائز سوشل سسٹم (ایس ایس ایس) کے نفاذ سے تنظیموں کو سماجی کاروبار کے نئے نمونہ میں منتقل کیا جائے گا جس کے نتیجے میں زبردست معاشی منافع اور مسابقتی فائدہ ہوگا۔ سماجی کاروبار کام کرنے اور منظم کرنے کا ایک مکمل طور پر نیا طریقہ پیدا کرتا ہے جس کی خصوصیت سماجی تعاون، اندرونی علم کا اشتراک، رضاکارانہ طور پر بڑے پیمانے پر شرکت، صرف چند ناموں کا نام ہے. اس طرح، ای ایس ایس کے نفاذ کو کام کرنے اور منظم کرنے کے نئے طریقے کی منفردیت سے نمٹنے کے لئے چاہئے. تاہم، ان بڑے انٹرپرائز کے نظام کے نفاذ کے بارے میں علم کی کمی ہے. اس مقالے کا مقصد ای ایس ایس کے نفاذ کے گورننس ماڈل کا مطالعہ کرنا ہے۔ ایک کیس اسٹڈی کی جاتی ہے جس میں سٹیٹ کرافٹ میں سماجی انٹرنٹ کے نفاذ کی تحقیقات کی جاتی ہے جسے اسٹریم کہا جاتا ہے، جو ناروے میں دنیا کی معروف توانائی کمپنی ہے۔ Stream کے گورننس ماڈل کارپوریٹ مواصلات، انسانی وسائل اور آئی ٹی کے درمیان قریبی تعاون اور احتساب پر زور دیتا ہے، جس میں ای ایس ایس کو لاگو کرنے کے گورننس میں نمونہ تبدیلی کا مطلب ہے. اس کے نفاذ کے فوائد اور چیلنجز کی بھی نشاندہی کی گئی ہے۔ اس تحقیق میں حاصل کردہ علم اور بصیرت کی بنیاد پر، کمپنی کو ای ایس ایس کے نفاذ کے گورنمنٹ کو بہتر بنانے میں مدد کرنے کے لئے سفارشات کی تجویز کی جاتی ہے. اس مطالعہ میں ای ایس ایس کے نفاذ کے گورننس کے بارے میں علم / مہارت کا تعاون ہے۔ |
5ca6217b3e8353778d05fe58bcc5a9ea79707287 | ای-گورنمنٹ ہر حکومت کے ایجنڈے کا حصہ بن گیا ہے. بہت سی حکومتوں نے اس کے اہم اثرات اور حکومتی کارروائیوں پر اثر انداز کیا ہے. جیسے جیسے ٹیکنالوجی کا منتر زیادہ ہر جگہ پھیلتا جارہا ہے، حکومت نے اپنی ایجنسیوں اور محکموں میں ای گورنمنٹ پالیسی کا آغاز کرنے کا فیصلہ کیا ہے تاکہ خدمات کے معیار کو بہتر بنایا جاسکے، بہتر شفافیت اور زیادہ سے زیادہ احتساب ہو۔ ملائیشیا کے لئے، حکومت ای حکومت کی لہر سے حوصلہ افزائی کرتا ہے، کیونکہ اس کی تشکیل عوامی خدمات کی فراہمی کے معیار کو بہتر بنا سکتی ہے، اور اس کے اندرونی آپریشن بھی. اس کوالٹیٹو مطالعہ میں ای گورنمنٹ کے اقدامات کے نفاذ کی حیثیت کا ایک کیس اسٹڈی کے طور پر جائزہ لیا جائے گا اور ای گورنمنٹ میں اس کی شاندار کارکردگی کو دیکھتے ہوئے جنوبی کوریا کی حکومت کو ایک بینچ مارک اسٹڈی کے طور پر استعمال کرتے ہوئے ان نتائج کا تقابلی جائزہ بھی فراہم کیا جائے گا۔ اس مطالعہ کے نتائج عوامی انتظامیہ کے نقطہ نظر کے سلسلے میں بہتری کے لئے ممکنہ علاقوں کو اجاگر کریں گے اور اس موازنہ نقطہ نظر سے بھی، ملائیشیا ای حکومت کے منصوبوں کی کامیابی کو یقینی بنانے کے لئے جنوبی کوریا کے طریقوں سے کچھ سبق سیکھ سکتا ہے. |
2b2c30dfd3968c5d9418bb2c14b2382d3ccc64b2 | ڈی بی پیڈیا ایک کمیونٹی کی کوشش ہے کہ وہ ویکیپیڈیا سے منظم معلومات نکالے اور اس معلومات کو ویب پر دستیاب کرے۔ ڈی بی پیڈیا آپ کو ویکیپیڈیا سے حاصل کردہ ڈیٹا سیٹوں کے خلاف نفیس سوالات پوچھنے اور ویب پر موجود دیگر ڈیٹا سیٹوں کو ویکیپیڈیا کے ڈیٹا سے جوڑنے کی اجازت دیتا ہے۔ ہم ڈی بی پیڈیا ڈیٹا سیٹ کے نکالنے کی وضاحت کرتے ہیں، اور کس طرح نتیجے میں معلومات انسانی اور مشین کے استعمال کے لئے ویب پر شائع کی جاتی ہے. ہم ڈی بی پیڈیا کمیونٹی سے کچھ ابھرتی ہوئی ایپلی کیشنز کی وضاحت کرتے ہیں اور دکھاتے ہیں کہ ویب سائٹ کے مصنفین اپنی سائٹوں میں ڈی بی پیڈیا کے مواد کو کس طرح سہولت فراہم کرسکتے ہیں۔ آخر میں ، ہم ویب پر دوسرے اوپن ڈیٹا سیٹوں کے ساتھ ڈی بی پیڈیا کو باہم جوڑنے کی موجودہ حیثیت پیش کرتے ہیں اور اس بات کی خاکہ پیش کرتے ہیں کہ ڈی بی پیڈیا کس طرح کھلے اعداد و شمار کے ابھرتے ہوئے ویب کے لئے ایک بنیادی حیثیت کا کام کرسکتا ہے۔ |
92930f4279b48f7e4e8ec2edc24e8aa65c5954fd | ہم نے پیسے کی دھلائی کے خلاف کارروائیوں کا پتہ لگانے کے عمل کی حمایت کرنے کے لئے بینک کے گاہکوں پروفائلنگ کے لئے ایک ڈیٹا کان کنی نقطہ نظر پیش کرتے ہیں. ہم سب سے پہلے مجموعی نظام فن تعمیر پیش کرتے ہیں، اور پھر اس کاغذ کے لئے متعلقہ جزو پر توجہ مرکوز کرتے ہیں. ہم نے ایک مالیاتی ادارے کے حقیقی دنیا کے اعداد و شمار پر کئے گئے تجربات کی تفصیلات دی ہیں، جس نے ہمیں کلائنٹس کو کلسٹرز میں گروپ کرنے کی اجازت دی اور پھر درجہ بندی کے قواعد کا ایک سیٹ تیار کیا۔ ہم قائم کلائنٹ پروفائلز اور پیدا درجہ بندی کے قوانین کی مطابقت پر تبادلہ خیال. ایجنٹ پر مبنی فن تعمیر کے مطابق ، ان قوانین کو انٹیلجنٹ ایجنٹوں کے علم کی بنیاد میں شامل کیا جائے گا جو مشکوک لین دین کی نشاندہی کے لئے ذمہ دار ہیں۔ |
8985000860dbb88a80736cac8efe30516e69ee3f | سمارٹ ہوم سینسرز کا استعمال کرتے ہوئے انسانی سرگرمی کی شناخت سمارٹ ماحول میں ہر جگہ کمپیوٹنگ کی بنیادوں میں سے ایک ہے اور ماحول میں معاون زندگی کے میدان میں ایک موضوع شدید تحقیق سے گزر رہا ہے. اعداد و شمار کی بڑھتی ہوئی مقدار مشین سیکھنے کے طریقوں کی ضرورت ہوتی ہے. اس مقالے میں، ہم ایک گہری سیکھنے کے ماڈل متعارف کرایا ہے کہ کسی بھی پہلے سے علم کا استعمال کرتے ہوئے بغیر انسانی سرگرمیوں کی درجہ بندی کرنے کے لئے سیکھتا ہے. اس مقصد کے لئے ، ایک طویل قلیل مدتی میموری (ایل ایس ٹی ایم) بار بار چلنے والا نیورل نیٹ ورک تین حقیقی دنیا کے سمارٹ ہوم ڈیٹا سیٹوں پر لاگو کیا گیا تھا۔ ان تجربات کے نتائج سے پتہ چلتا ہے کہ تجویز کردہ نقطہ نظر درستگی اور کارکردگی کے لحاظ سے موجودہ افراد سے بہتر ہے. |
b31f0085b7dd24bdde1e5cec003589ce4bf4238c | ڈومین موافقت (ڈی اے) منتقلی سیکھنے ہے جس کا مقصد ماخذ اور ہدف کے مابین ڈیٹا کی تقسیم کی عدم مطابقت کے باوجود ماخذ کے اعداد و شمار سے ہدف کے اعداد و شمار پر ایک موثر پیش گوئی کرنا ہے۔ ہم اس کاغذ میں کراس ڈومین بصری شناخت کے لئے ایک ناول غیر نگرانی ڈی اے طریقہ پیش کرتے ہیں جو ایک ہی وقت میں نظریاتی طور پر قائم غلطی کی حد کے تین شرائط کو بہتر بناتا ہے۔ خاص طور پر ، مجوزہ ڈی اے طریقہ کار ایک پوشیدہ مشترکہ خصوصیت کی ذیلی جگہ کو تکرار سے تلاش کرتا ہے جہاں نہ صرف ماخذ ڈومین اور ہدف ڈومین کے مابین ڈیٹا کی تقسیم میں فرق کم ہوتا ہے جیسا کہ زیادہ تر جدید ترین ڈی اے طریقوں میں ہوتا ہے ، بلکہ امتیازی تعلیم کی سہولت کے ل inter کلاسوں کے مابین فاصلے میں بھی اضافہ ہوتا ہے۔ اس کے علاوہ، مجوزہ ڈی اے طریقہ کار مشترکہ ذیلی جگہ میں حاصل کردہ خصوصیات سے کم از کم کلاس لیبلز کو کم کرتا ہے جبکہ ماخذ ڈیٹا پر پیشن گوئی کی غلطیوں کو کم سے کم کرنے اور ماخذ اور ہدف کے درمیان لیبل کی مستقل مزاجی کو یقینی بناتا ہے. اعداد و شمار کے آؤٹ لیئرز کو بھی منفی علم کے منتقلی سے بچنے کے لئے اکاؤنٹنگ کیا جاتا ہے. جامع تجربات اور گہرائی سے تجزیہ تجویز کردہ ڈی اے طریقہ کار کی تاثیر کی تصدیق کرتا ہے جو معیاری ڈی اے بینچ مارکس پر مسلسل جدید ترین ڈی اے طریقوں سے بہتر کارکردگی کا مظاہرہ کرتا ہے ، یعنی 12 کراس ڈومین امیج کی درجہ بندی کے کام۔ |
b9bc9a32791dba1fc85bb9d4bfb9c52e6f052d2e | ایک سادہ اور موثر بے ترتیب الگورتھم اعلی جہتی ترتیب والے خالی جگہوں میں ایک ہی استفسار راستے کی منصوبہ بندی کے مسائل کو حل کرنے کے لئے پیش کیا گیا ہے۔ یہ طریقہ کار شروع اور ہدف کی تشکیل میں جڑیں دو تیزی سے تلاش کرنے والے رینڈم ٹری (آر آر ٹی) کی تعمیر کے ذریعہ کام کرتا ہے۔ درختوں میں سے ہر ایک اپنے ارد گرد کی جگہ کی تلاش کرتا ہے اور ایک دوسرے کی طرف بھی ایک سادہ لالچی ہیورسٹک کے استعمال کے ذریعے آگے بڑھتا ہے۔ اگرچہ اصل میں تصادم سے پاک گرفت اور ہیرا پھیری کے کاموں کی خودکار گرافک حرکت پذیری کے لئے انسانی بازو (ایک 7-DOF کیینیمیٹک چین کے طور پر ماڈل کردہ) کے لئے تحریکوں کی منصوبہ بندی کرنے کے لئے ڈیزائن کیا گیا تھا ، لیکن الگورتھم کو کامیابی کے ساتھ مختلف قسم کے راستے کی منصوبہ بندی کے مسائل پر لاگو کیا گیا ہے۔ کمپیوٹرائزڈ مثالوں میں 2D اور 3D میں سخت اشیاء کے لئے تصادم سے پاک تحریکیں پیدا کرنا ، اور 3D ورک اسپیس میں 6 DOF PUMA بازو کے لئے تصادم سے پاک ہیرا پھیری کی تحریکیں شامل ہیں۔ کچھ بنیادی نظریاتی تجزیہ بھی پیش کیا جاتا ہے. |
d967d9550f831a8b3f5cb00f8835a4c866da60ad | |
6a686b525a84a87ca3e4d90a6704da8588e84344 | یہ مواصلات ایک ترتیب مرحلے فیڈنگ نیٹ ورک کا استعمال کرتے ہوئے ایک وسیع بینڈ سرکلر پولرائزڈ (سی پی) 2 × 2 پیچ صف پیش کرتا ہے. تین آپریٹنگ طریقوں کو یکجا کرکے ، محوری تناسب (اے آر) اور مائبادا بینڈوتھ دونوں کو بڑھا دیا گیا ہے اور پچھلے شائع ہونے والے ترتیب سے کھلنے والے سنگل پرت پیچ صفوں کے مقابلے میں وسیع تر ہے۔ ان تینوں CP آپریٹنگ طریقوں کو پیچ عناصر کے ٹرنک کونے اور ترتیب وار مرحلے کے فیڈنگ نیٹ ورک کو بہتر بنانے کے ذریعے ٹونٹ اور میچ کیا جاتا ہے۔ تجرباتی طور پر ڈیزائن کی توثیق کرنے کے لئے مجوزہ پیچ صف کا ایک پروٹوٹائپ بنایا گیا ہے۔ ماپا -10-ڈی بی مائبادا بینڈوتھ 1.03 گیگاہرٹج (5.20-6.23 گیگاہرٹج) ہے ، اور ماپا 3-ڈی بی اے آر بینڈوتھ 0.7 گیگاہرٹج (5.25-5.95 گیگاہرٹج) ہے ، یا 12.7٪ جو 5.5 گیگاہرٹج کی مرکزی تعدد کے مطابق ہے۔ پیمائش چوٹی فائدہ کے بارے میں 12 dBic ہے اور فائدہ تغیر AR بینڈوڈتھ کے اندر اندر 3 dB سے کم ہے. |
d97e3655f50ee9b679ac395b2637f6fa66af98c7 | فیڈ بیک کا مطالعہ 30 سال سے زیادہ عرصے سے توانائی کے تحفظ کو فروغ دینے کی حکمت عملی کے طور پر کیا گیا ہے ، جس میں مطالعات کے وسیع پیمانے پر مختلف نتائج کی اطلاع دی گئی ہے۔ ادب کے جائزوں سے یہ بات سامنے آئی ہے کہ آراء کی تاثیر کا انحصار اس بات پر ہے کہ یہ کس طرح اور کس کو فراہم کی جاتی ہے۔ تاہم ، فراہم کردہ آراء کی قسم اور مطالعہ کے طریقہ کار دونوں میں تغیرات نے نتائج اخذ کرنا مشکل بنا دیا ہے۔ موجودہ مضمون میں ماضی میں نظریاتی اور تجرباتی تحقیق کا تجزیہ کیا گیا ہے جس میں غیر حل شدہ مسائل کی نشاندہی کرنے کے لئے آراء اور ماحولیاتی رویے دونوں پر تجزیہ کیا گیا ہے ، اور توانائی کے استعمال کے بارے میں آراء کب اور کیسے سب سے زیادہ موثر ہے اس کے بارے میں مفروضوں کے ایک سیٹ کی جانچ کرنے کے لئے 1976 اور 2010 کے درمیان شائع ہونے والے 42 آراء کے مطالعے کا میٹا تجزیہ استعمال کیا گیا ہے۔ نتائج سے پتہ چلتا ہے کہ فیڈ بیک مجموعی طور پر موثر ہے ، r = .071 ، p < .001 ، لیکن اثرات میں نمایاں تغیر کے ساتھ (r - - 080 سے .480 تک مختلف تھا) ۔ علاج کے متعدد متغیرات کو اس رشتے کو اعتدال پسند کرنے کے لئے پایا گیا ، بشمول تعدد ، میڈیم ، موازنہ پیغام ، مدت ، اور دوسرے مداخلتوں کے ساتھ مجموعہ (جیسے ، مقصد ، ترغیب) ۔ مجموعی طور پر، نتائج توانائی کے تحفظ کو فروغ دینے کے لئے ایک وعدہ حکمت عملی کے طور پر رائے کے مزید ثبوت فراہم کرتے ہیں اور ایسے علاقوں کی تجویز کرتے ہیں جن میں مستقبل کی تحقیق کو یہ پتہ لگانے کے لئے توجہ دینا چاہئے کہ کس طرح اور کس کے لئے رائے سب سے زیادہ مؤثر ہے. |
697754f7e62236f6a2a069134cbc62e3138ac89f | |
ee654db227dcb7b39d26bec7cc06e2b43b525826 | |
54e7e6348fc8eb27dd6c34e0afbe8881eeb0debd | سائنس، آرٹ اور ثقافت کی حدود سے باہر توسیع، مواد پر مبنی ملٹی میڈیا معلومات کی بازیابی دنیا بھر میں میڈیا کی بے شمار قسم کے ذریعے تلاش کرنے کے لئے نئے نمونہ اور طریقوں فراہم کرتا ہے. اس سروے میں مواد پر مبنی ملٹی میڈیا معلومات کی بازیافت کے بارے میں 100+ حالیہ مضامین کا جائزہ لیا گیا ہے اور موجودہ تحقیقی سمتوں میں ان کے کردار پر تبادلہ خیال کیا گیا ہے جس میں براؤزنگ اور سرچ نمونہ ، صارف کے مطالعے ، جذباتی کمپیوٹنگ ، سیکھنے ، معنوی سوالات ، نئی خصوصیات اور میڈیا کی اقسام ، اعلی کارکردگی انڈیکسنگ ، اور تشخیص کی تکنیک شامل ہیں۔ ہم جدید ٹیکنالوجی کی بنیاد پر مستقبل کے بڑے چیلنجوں پر تبادلہ خیال کرتے ہیں۔ |
2902e0a4b12cf8269bb32ef6a4ebb3f054cd087e | کام سے متعلق ریاضیاتی ماڈل کو بہتر بنانا اعدادوشمار اور سیکھنے کے علاقوں میں سب سے بنیادی طریقہ کار میں سے ایک ہے۔ تاہم، عام طور پر ڈیزائن کردہ اسکیمیٹک تکراریں حقیقی دنیا کی ایپلی کیشنز میں پیچیدہ ڈیٹا کی تقسیم کی تحقیقات کرنا مشکل ہوسکتی ہیں. حال ہی میں، گہری پروپیگنڈے (یعنی، نیٹ ورکس) کی تربیت نے کچھ خاص کاموں میں وعدہ کیا ہے. بدقسمتی سے، موجودہ نیٹ ورک اکثر ہیوریٹک طریقوں میں تعمیر کیے جاتے ہیں، اس طرح اصولوں کی تشریحات اور ٹھوس نظریاتی حمایت کی کمی ہے. اس کام میں ، ہم ان مختلف میکانزموں (یعنی ، ماڈل کی اصلاح اور گہری پھیلاؤ) کے مابین فرق کو ختم کرنے کے لئے ایک نیا نمونہ فراہم کرتے ہیں ، جس کا نام پروپیگنڈہ اور اصلاح پر مبنی گہری ماڈل (پی او ڈی ایم) ہے۔ ایک طرف، ہم ماڈل کی اصلاح کے لئے ایک گہری تربیت یافتہ solver کے طور پر PODM کا استعمال. ان موجودہ نیٹ ورک پر مبنی تکرار سے مختلف ، جو اکثر نظریاتی تحقیقات سے محروم رہتے ہیں ، ہم چیلنجنگ غیر محور اور غیر ہموار منظرناموں میں پی او ڈی ایم کے لئے سخت تقابلی تجزیہ فراہم کرتے ہیں۔ دوسری طرف، ماڈل پابندیاں نرمی اور آخر سے آخر تک تربیت انجام دینے کی طرف سے، ہم نے بھی ڈومین علم (ماڈل کے طور پر وضع) اور حقیقی ڈیٹا کی تقسیم (نیٹ ورک کی طرف سے سیکھا) کو ضم کرنے کے لئے ایک PODM کی بنیاد پر حکمت عملی تیار، حقیقی دنیا کی ایپلی کیشنز کو چیلنج کرنے کے لئے ایک عام مجموعہ فریم ورک کے نتیجے میں. وسیع تجربات ہمارے نظریاتی نتائج کی تصدیق اور ان ریاست کے آرٹ کے نقطہ نظر کے خلاف PODM کی برتری کا مظاہرہ. |
5dca5aa024f513801a53d9738161b8a01730d395 | نامعلوم ماحول کا نقشہ بنانا اور اس نقشے کو نیویگیشن کے لئے استعمال کرنا موبائل روبوٹکس تحقیق میں ایک مرکزی مسئلہ ہے۔ اس کاغذ میں سونار کا استعمال کرتے ہوئے موافقت سے ہم آہنگ نقشہ سازی اور مقامیت (سی ایم ایل) انجام دینے کے مسئلے پر توجہ دی گئی ہے۔ اسٹوکسٹک میپنگ سی ایم ایل کے لئے ایک خصوصیت پر مبنی نقطہ نظر ہے جو گاڑی کی مقامیت اور ماحولیاتی نقشہ سازی کو شامل کرنے کے لئے توسیع شدہ کالمان ایلٹر کو عام کرتی ہے۔ ہم اسٹاکسٹک میپنگ کے نفاذ کی وضاحت کرتے ہیں جو نقشے میں نئی خصوصیات کو شروع کرنے ، نقشے کی خصوصیات سے پیمائشوں کا موازنہ کرنے اور پرانی خصوصیات کو حذف کرنے کے لئے تاخیر سے قریب ترین پڑوسی ڈیٹا ایسوسی ایشن حکمت عملی کا استعمال کرتا ہے۔ ہم انکولی سینسنگ کے لئے ایک میٹرک متعارف کرایا ہے جس میں فشیر کی معلومات کے لحاظ سے مقرر کیا جاتا ہے اور گاڑی کی غلطی ellipses کے علاقوں اور نقشے میں خصوصیت تخمینوں کا مجموعہ کی نمائندگی کرتا ہے. پیش گوئی سینسر ریڈنگ اور متوقع مردہ حساب کی غلطیوں کا استعمال روبوٹ کی ہر ممکنہ کارروائی کے لئے میٹرک کا اندازہ لگانے کے لئے کیا جاتا ہے ، اور اس کارروائی کا انتخاب کیا جاتا ہے جس سے کم سے کم لاگت (یعنی زیادہ سے زیادہ معلومات) حاصل ہوتی ہے۔ اس تکنیک کو نقالی ، ہوا میں سونار تجربات ، اور پانی کے اندر سونار تجربات کے ذریعے مظاہرہ کیا جاتا ہے۔ نتائج دکھائے گئے ہیں 1) تحریک کے انکولی کنٹرول اور 2) تحریک اور اسکیننگ کے انکولی کنٹرول کے لئے. گاڑی ماحول میں منتخب طور پر مختلف اشیاء کی تلاش کرنے کی کوشش کرتا ہے. اس انکولی الگورتھم کی کارکردگی کو سیدھی لائن تحریک اور بے ترتیب تحریک سے بہتر دکھایا گیا ہے۔ |
5eb1e4bb87b0d99d62f171f1eede90c98bf266ab | وائرلیس پاور ٹرانسفر وائرلیس سینسر نیٹ ورک میں بنیادی طور پر توانائی کے مسائل کو حل کرنے کے لئے ایک وعدہ ٹیکنالوجی ہے. اس ٹیکنالوجی کو موثر انداز میں کام کرنے کے لیے، نیٹ ورک کے اندر سفر کرنے کے لیے چارجر لے جانے کے لیے ایک گاڑی کی ضرورت ہوتی ہے۔ دوسری طرف، یہ اچھی طرح سے تسلیم کیا گیا ہے کہ ایک موبائل بیس اسٹیشن ایک فکسڈ ایک کے مقابلے میں اہم فوائد پیش کرتا ہے. اس کاغذ میں، ہم وائرلیس چارج گاڑی پر موبائل بیس اسٹیشن co-locating کے ایک دلچسپ مسئلہ کی تحقیقات. ہم ایک اصلاحی مسئلہ کا مطالعہ کرتے ہیں جو مشترکہ طور پر سفر کے راستے، رکنے والے پوائنٹس، چارج شیڈول، اور بہاؤ روٹنگ کو بہتر بناتا ہے. ہمارا مطالعہ دو مراحل میں کیا جاتا ہے. سب سے پہلے، ہم ایک مثالی مسئلہ کا مطالعہ کرتے ہیں جو سفر کے صفر وقت کو فرض کرتا ہے، اور اس مثالی مسئلے کے لئے ایک ثابت قریب بہترین حل تیار کرتا ہے. دوسرے مرحلے میں ، ہم دکھاتے ہیں کہ کس طرح غیر صفر سفر کے وقت کے ساتھ ایک عملی حل تیار کیا جائے اور اس حل اور اصل مسئلے کے نامعلوم بہترین حل کے مابین کارکردگی کے فرق کی مقدار کو ظاہر کیا جائے۔ |
229547ed3312ee6195104cdec7ce47578f92c2c6 | اس مقالے میں یہ دریافت کیا گیا ہے کہ کس طرح فرموں کی متحرک صلاحیتیں کسی صنعت کے اندر اندر مختلف فرم کی کارکردگی کے ظہور کے لئے اکاؤنٹ لے سکتی ہیں۔ حکمت عملی اور تنظیمی نظریہ دونوں سے بصیرت کو ترکیب کرتے ہوئے ، متحرک صلاحیتوں کی چار کارکردگی سے متعلق خصوصیات کی تجویز کی گئی ہے: متحرک صلاحیت کی تعیناتی کا وقت ، متبادل وسائل کی تشکیل کی تلاش کے حصے کے طور پر نقالی ، متحرک صلاحیت کی تعیناتی کی لاگت ، اور متحرک صلاحیتوں کو تعینات کرنا سیکھنا۔ نظریاتی تجاویز تیار کی جاتی ہیں کہ یہ خصوصیات کس طرح مختلف فرم کی کارکردگی کے ظہور میں حصہ لیتے ہیں. ایک رسمی ماڈل پیش کیا جاتا ہے جس میں متحرک صلاحیت کو معمولات کے ایک سیٹ کے طور پر ماڈل کیا جاتا ہے جو تبدیلی کے فرم کے ارتقائی عمل کی رہنمائی کرتا ہے. ماڈل کی تخروپن متحرک صلاحیت کی تعیناتی کے ذریعے تبدیلی کے عمل میں بصیرت دیتا ہے، اور نظریاتی تجاویز کی اصلاح کی اجازت دیتا ہے. اس مطالعہ کے دلچسپ نتائج میں سے ایک یہ ہے کہ یہاں تک کہ اگر متحرک صلاحیتوں میں کمپنیوں کے درمیان مساوی ہیں، تو مضبوط کارکردگی کے اختلافات میں کمپنیوں کے درمیان پیدا ہوسکتی ہے اگر متحرک صلاحیت کی تعیناتی کی لاگت اور وقت مختلف ہوتی ہے. |
b533b13910cc0de21054116715988783fbea87cc | ان دنوں عوامی اور تجارتی خدمات کی بڑھتی ہوئی تعداد انٹرنیٹ کے ذریعے استعمال کیا جاتا ہے، تاکہ معلومات کی سیکورٹی میں زیادہ اہم مسئلہ بن جاتا ہے سماج کی معلومات کے خلاف استعمال کیا جاتا ہے حملوں کے خلاف انٹروژن کا پتہ لگانے کے نظام (آئی ڈی ایس) کمپیوٹر نیٹ ورکس کے لئے محفوظ. ایک اور طرح سے ، کچھ ڈیٹا مائننگ تکنیک بھی مداخلت کا پتہ لگانے میں معاون ہیں۔ گھسنے کا پتہ لگانے کے لئے استعمال ہونے والی کچھ ڈیٹا مائننگ تکنیک کو دو کلاسوں میں درجہ بندی کیا جاسکتا ہے: غلط استعمال گھسنے کا پتہ لگانا اور غیر معمولی گھسنے کا پتہ لگانا۔ غلط استعمال ہمیشہ معلوم حملوں اور نقصان دہ سرگرمیوں سے مراد ہے جو نظام کی معلوم حساسیت کا استحصال کرتے ہیں۔ غیر معمولی عام طور پر ایک عام طور پر سرگرمی کا مطلب ہے جو مداخلت کی نشاندہی کرنے میں کامیاب ہے. اس مقالے میں ، گھسنے کا پتہ لگانے کے لئے ڈیٹا مائننگ تکنیک کے استعمال سے متعلق 23 متعلقہ کاغذات کے مابین موازنہ کیا گیا ہے۔ ہمارے کام میں ڈیٹا مائننگ اور سافٹ کمپیوٹنگ تکنیک جیسے مصنوعی نیورل نیٹ ورک (اے این این) ، سپورٹ ویکٹر مشین (ایس وی ایم) اور ملٹی ویریٹیٹ انکولی رجریشن سپلائن (ایم اے آر ایس) وغیرہ پر ایک جائزہ فراہم کیا گیا ہے۔ اس کاغذ میں آئی ڈی ایس ڈیٹا مائننگ تکنیک اور مداخلت کا پتہ لگانے کے لئے استعمال ہونے والے ٹپلوں کے مابین موازنہ دکھایا گیا ہے۔ ان 23 متعلقہ کاغذات میں، 7 تحقیقی کاغذات اے این این کا استعمال کرتے ہیں اور 4 ایس وی ایم کا استعمال کرتے ہیں، کیونکہ اے این این اور ایس وی ایم دیگر ماڈل اور ڈھانچے سے زیادہ قابل اعتماد ہیں. اس کے علاوہ، 8 ریسرچ DARPA1998 ٹپل استعمال کرتے ہیں اور 13 ریسرچ KDDCup1999 استعمال کرتے ہیں، کیونکہ معیاری ٹپل دوسروں کے مقابلے میں زیادہ قابل اعتماد ہیں. موجودہ وقت میں کوئی بہترین گھسنے کا پتہ لگانے کا ماڈل نہیں ہے. تاہم، مستقبل میں انٹریشن کا پتہ لگانے کے لئے تحقیق کی سمتوں کو اس کاغذ میں تلاش کیا جانا چاہئے. کلیدی الفاظ- مداخلت کا پتہ لگانا، ڈیٹا مائننگ، اے این این |
a69fd2ad66791ad9fa8722a3b2916092d0f37967 | مزید برآں ، مثال کے طور پر شہری ترتیب کے ٹکڑوں کو ملا دینے کی صلاحیت نئے مصنوعی مواد کو پیدا کرنے کا ایک طاقتور طریقہ فراہم کرتی ہے۔ ہم نے اپنے نظام کو شہروں کے نمونہ ٹکڑوں کا استعمال کرتے ہوئے شہری ترتیب پیدا کرکے مظاہرہ کیا ہے کئی حقیقی دنیا کے شہروں سے، ہر ایک سے سینکڑوں سے ہزاروں تک شہر کے بلاکس اور پارسلوں سے. ہم مثال کے طور پر شہری ترتیب کو ترکیب کرنے کے لئے ایک انٹرایکٹو نظام پیش کرتے ہیں. ہمارا طریقہ کار ایک ہی وقت میں ساخت پر مبنی ترکیب اور تصویر پر مبنی ترکیب دونوں انجام دیتا ہے تاکہ ایک مکمل شہری ترتیب پیدا کی جا سکے جس میں ایک قابل اعتماد سڑک کا نیٹ ورک اور فضائی نظارہ کی تصاویر ہوں۔ ہمارا نقطہ نظر حقیقی دنیا کے شہری علاقوں کی ساخت اور تصویری ڈیٹا اور ایک ترکیب الگورتھم کا استعمال کرتا ہے تاکہ مثال کے طور پر پیچیدہ ترتیب کو آسانی سے اور انٹرایکٹو طور پر پیدا کرنے کے لئے متعدد اعلی سطح کے آپریشن فراہم کیے جائیں۔ صارف نئے شہری ترتیب کو ایک ترتیب کے عمل کی طرف سے تشکیل دے سکتا ہے جیسے کم سطح کی ساختی تفصیلات کے بارے میں فکر مند ہونے کے بغیر شامل، توسیع، اور مرکب. |
9b8be6c3ebd7a79975067214e5eaea05d4ac2384 | ہم کہ گرڈینٹ نزول ایک مقامی minimizer، تقریبا بے ترتیب initialization کے ساتھ یقینی طور پر converges دکھاتے ہیں. یہ ثابت کیا گیا ہے مستحکم متعدد تھیوریم کو متحرک نظام کے نظریہ سے لاگو کرکے۔ |
75235e03ac0ec643e8a784f432e6d1567eea81b7 | کان کنی کے اعداد و شمار کے سلسلے میں گزشتہ دہائی میں تحقیق کی دلچسپی کا ایک مرکز رہا ہے. ہارڈ ویئر اور سافٹ ویئر کی ترقی نے پہلے سے کہیں زیادہ تیزی سے ڈیٹا جنریشن متعارف کرانے کے ذریعہ تحقیق کے اس شعبے کی اہمیت میں حصہ لیا ہے۔ یہ تیزی سے پیدا ہونے والے اعداد و شمار کو ڈیٹا سٹریم کہا جاتا ہے. کریڈٹ کارڈ کے لین دین، گوگل سرچ، شہر میں فون کالز، اور بہت سے دوسرے عام ڈیٹا کے بہاؤ ہیں. بہت سے اہم ایپلی کیشنز میں، یہ حقیقی وقت میں اس سٹریمنگ ڈیٹا کا تجزیہ کرنے کے لئے ناگزیر ہے. روایتی ڈیٹا مائننگ تکنیک ڈیٹا سٹریم مائننگ کی ضروریات کو پورا کرنے میں ناکام رہی ہیں۔ بے ترتیب ، تخمینہ اور موافقت کو نئی تکنیک تیار کرنے یا باہر نکلنے والوں کو اپنانے میں بڑے پیمانے پر استعمال کیا گیا ہے تاکہ وہ اسٹریمنگ ماحول میں کام کرسکیں۔ اس کاغذ میں ڈیٹا سٹریم کان کنی کے علاقے میں اہم سنگ میل اور فن کی حالت کا جائزہ لیا گیا ہے. مستقبل کی بصیرت بھی پیش کی جاتی ہے. C © 2011 وائل پریڈکلز، انکارپوریٹڈ |
2327ad6f237b37150e84f0d745a05565ebf0b24d | بٹ سکے پہلی ڈیجیٹل کرنسی ہے جس نے وسیع پیمانے پر اپنانے کو دیکھا ہے۔ جبکہ ادائیگیوں کو چھپاؤ ناموں کے درمیان کیا جاتا ہے، بٹ سکے مضبوط رازداری کی ضمانت پیش نہیں کر سکتا: ادائیگی کے لین دین کو عوامی غیر مرکزی کتاب میں ریکارڈ کیا جاتا ہے، جس سے بہت سے معلومات کو ختم کیا جا سکتا ہے. زیرو سکے (میئرز اور دیگر ، آئی ای ای ای ایس اینڈ پی 2013) ادائیگی کی اصل سے لین دین کو منسلک کرکے ان میں سے کچھ رازداری کے مسائل سے نمٹتا ہے۔ تاہم، یہ اب بھی ادائیگیوں کے مقامات اور مقدار کو ظاہر کرتا ہے، اور فعالیت میں محدود ہے. اس مقالے میں، ہم ایک مکمل لیجر پر مبنی ڈیجیٹل کرنسی کی تعمیر کرتے ہیں جس میں مضبوط رازداری کی ضمانتیں ہیں. ہمارے نتائج صفر علم میں حالیہ پیشرفتوں کا فائدہ اٹھاتے ہیں علم کی جامع غیر انٹرایکٹو دلائل (زک- ایس این اے آر کے) ۔ سب سے پہلے، ہم غیر مرکزی شدہ گمنام ادائیگی کے نظام (ڈی اے پی کے نظام) کو وضع اور تعمیر کرتے ہیں. ڈی اے پی اسکیم صارفین کو نجی طور پر ایک دوسرے کو براہ راست ادائیگی کرنے کے قابل بناتی ہے: اسی ٹرانزیکشن میں ادائیگی کی اصل ، منزل اور منتقل شدہ رقم پوشیدہ ہے۔ ہم تعمیر کی حفاظت کی رسمی تعریفیں اور ثبوت فراہم کرتے ہیں. دوسرا، ہم زیرو کیش بناتے ہیں، ہمارے ڈی اے پی اسکیم کی تعمیر کا ایک عملی مثال۔ زیرو کیش میں ، لین دین 1 کلو بائٹ سے کم ہے اور تصدیق کرنے میں 6 ملی میٹر سے بھی کم وقت لگتا ہے - کم گمنام زیرو سکے سے زیادہ موثر اور سادہ بٹ سکے کے ساتھ مسابقتی۔ |
3d08280ae82c2044c8dcc66d2be5a72c738e9cf9 | میں ایک ہائبرڈ میٹرکس فیکٹرائزیشن ماڈل پیش کرتا ہوں جو صارفین اور اشیاء کو ان کے مواد کی خصوصیات کے لکیری مجموعوں کے طور پر پیش کرتا ہے. یہ ماڈل کولڈ اسٹارٹ یا کم تعامل والے ڈیٹا کے منظرناموں (صارف اور آئٹم میٹا ڈیٹا دونوں کا استعمال کرتے ہوئے) میں باہمی تعاون اور مواد پر مبنی ماڈل دونوں سے بہتر کارکردگی کا مظاہرہ کرتا ہے ، اور کم از کم خالص باہمی تعاون والے میٹرکس فیکٹرائزیشن ماڈل کے ساتھ ساتھ جہاں تعامل کا ڈیٹا کثرت سے ہوتا ہے۔ اس کے علاوہ، ماڈل کی طرف سے تیار کردہ خصوصیت کی سرایت الفاظ کے سرایت کے نقطہ نظر کی یاد دہانی کے راستے میں سیمنٹک معلومات کو کوڈ کرتی ہے، انہیں متعلقہ کاموں کی ایک حد کے لئے مفید بناتا ہے جیسے ٹیگ کی سفارشات. |
25d1a2c364b05e0db056846ec397fbf0eacdca5c | میٹرکس فیکٹرائزیشن پر مبنی طریقوں کو ڈائیڈک ڈیٹا تجزیہ میں مقبول بنانا ہے، جہاں ایک بنیادی مسئلہ، مثال کے طور پر، دستاویز کلسٹرنگ یا شریک کلسٹرنگ الفاظ اور دستاویزات کو ایک اصطلاح دستاویز میٹرکس دیا جاتا ہے. غیر منفی میٹرکس ٹرائی فیکٹرائزیشن (این ایم ٹی ایف) کو کلسٹرنگ کے لئے ایک وعدہ آلہ کے طور پر ابھرتا ہے ، جس میں تمام فیکٹر میٹرکس کو غیر منفی ہونے کے لئے محدود کرنے کے ساتھ 3 فیکٹر کی خرابی X یو ایس وی کی تلاش کی جاتی ہے ، یعنی ، یو پی 0؛ ایس پی 0؛ وی پی 0: اس کاغذ میں ہم آرتھوگونل این ایم ٹی ایف کے لئے ضربی اپ ڈیٹ تیار کرتے ہیں جہاں ایکس یو ایس وی کو آرتھوگونالٹی پابندیوں ، یو یو 1⁄4 آئی کے ساتھ تعاقب کیا جاتا ہے اور وی وی 1⁄4 آئی ، اسٹفیل مانیفولڈز پر سچے گرڈینٹس کا استحصال کرتے ہیں۔ مختلف دستاویز کے اعداد و شمار کے سیٹوں پر تجربات سے ظاہر ہوتا ہے کہ ہمارا طریقہ دستاویز کلسٹرنگ کے لئے اچھی طرح سے کام کرتا ہے اور الفاظ اور دستاویزات کے ساتھ ساتھ کلسٹرنگ کے ذریعے polysemous الفاظ کو ظاہر کرنے میں مفید ہے. 2010 ایلسیویئر لمیٹڈ۔ تمام حقوق محفوظ ہیں۔ |
461ac81b6ce10d48a6c342e64c59f86d7566fa68 | اس اشاعت میں دوبارہ شائع شدہ مضامین شامل ہیں جن کے لئے آئی ای ای کاپی رائٹ نہیں رکھتا ہے۔ ان مضامین کے لئے مکمل متن IEEE Xplore پر دستیاب نہیں ہے. |
c03fb606432af6637d9d7d31f447e62a855b77a0 | اگرچہ اس بات کا ثبوت موجود ہے کہ تعلیمی طور پر کامیاب طلباء اپنی تعلیم میں مصروف ہیں ، لیکن طلباء کی مصروفیت کی واضح تعریف کرنا مشکل ہے۔ طالب علموں کی مصروفیت عام طور پر دو جہتوں، سماجی اور تعلیمی ہونے کے طور پر سمجھا جاتا ہے. سوشل میڈیا اور ڈیجیٹل ٹیکنالوجیز کو تیزی سے اپنانے سے طلباء کی مصروفیت کو بہتر بنانے کے لئے ان کے استعمال میں دلچسپی بڑھ گئی ہے۔ اس مقالے میں پہلی سال کے نفسیات کے طالب علموں کے گروپ میں فیس بک کے استعمال کا جائزہ لیا گیا ہے اور بتایا گیا ہے کہ اگرچہ زیادہ تر طلباء (94٪) کے پاس فیس بک اکاؤنٹ تھے اور وہ فیس بک پر اوسطا ایک گھنٹہ فی دن گزارتے تھے ، لیکن استعمال زیادہ تر سماجی تھا۔ شخصیت کے عوامل نے استعمال کے نمونوں کو متاثر کیا، زیادہ سنجیدہ طلباء کم سنجیدہ طلباء کے مقابلے میں فیس بک کا استعمال کرتے ہیں. اس مقالے میں یہ استدلال کیا گیا ہے کہ ، اس طرح سے معاشرتی مصروفیت کو فروغ دینے کے بجائے جو تعلیمی مصروفیت میں اضافہ کرسکتا ہے ، ایسا لگتا ہے کہ فیس بک کو ایک پریشان کن اثر کے طور پر کام کرنے کا زیادہ امکان ہے۔ |
171071069cb3b58cfe8e38232c25bfa99f1fbdf5 | سوشل نیٹ ورکنگ سائٹس نے اپنے آپ کو ظاہر کرنے کا ایک بالکل نیا طریقہ دریافت کیا ہے۔ یہ سائبر سماجی ٹول شخصیت اور شناخت کی جانچ پڑتال کے لئے تجزیہ کی ایک نئی سائٹ فراہم کرتا ہے۔ موجودہ مطالعہ کا جائزہ لیا گیا ہے کہ کس طرح نرگسیت اور خود اعتمادی سماجی نیٹ ورکنگ ویب سائٹ فیس بک ڈاٹ کام پر ظاہر ہوتی ہے۔ خود اعتمادی اور خود غرض شخصیت کی خود رپورٹیں 100 فیس بک صارفین سے یورک یونیورسٹی میں جمع کی گئیں۔ شرکاء کے ویب صفحات کو بھی خود پروموشنل مواد کی خصوصیات کی بنیاد پر کوڈ کیا گیا تھا۔ ہم آہنگی کے تجزیوں سے پتہ چلا کہ نرگسیت میں زیادہ افراد اور خود اعتمادی میں کم افراد زیادہ آن لائن سرگرمی کے ساتھ ساتھ کچھ خود پروموشنل مواد سے متعلق تھے۔ صنفی اختلافات کو انفرادی فیس بک صارفین کی طرف سے پیش کردہ خود پروموشنل مواد کی قسم پر اثر انداز کرنے کے لئے پایا گیا تھا. سماجی رابطے کی ویب سائٹس پر خود پسندی اور خود اعتمادی کے مضمرات اور مستقبل کی تحقیقی سمتوں پر تبادلہ خیال کیا جاتا ہے۔ |
5e30227914559ce088a750885761adbb7d2edbbf | انٹرنیٹ پر سوشل نیٹ ورکس میں شامل ہونے کے لیے نوجوان آزادانہ طور پر ذاتی معلومات کو ترک کر دیں گے۔ بعد میں، وہ حیران ہیں جب ان کے والدین ان کے جرنل پڑھتے ہیں. نوجوانوں کی جانب سے آن لائن پوسٹ کی جانے والی ذاتی معلومات سے کمیونٹیز ناراض ہیں اور کالجوں میں طلباء کی سرگرمیوں کا کیمپس کے اندر اور باہر سے بھی پتہ چلتا ہے۔ نوجوانوں اور طلبہ کی جانب سے ذاتی معلومات پوسٹ کرنے کے نتائج مرتب ہوتے ہیں۔ اس مضمون میں رازداری کی تضاد کو بیان کرتے ہوئے سوشل نیٹ ورکس میں رازداری کے مسائل پر ہنگامہ آرائی پر تبادلہ خیال کیا جائے گا۔ نجی بمقابلہ عوامی جگہ؛ اور ، سوشل نیٹ ورکنگ پرائیویسی کے مسائل۔ آخر میں اس میں پرائیویسی کے حل اور ایسے اقدامات پر تبادلہ خیال کیا جائے گا جو پرائیویسی کی تضاد کو حل کرنے میں مدد کے لیے کیے جا سکتے ہیں۔ |
6c394f5eecc0371b43331b54ed118c8637b8b60d | ایک نئے ڈیزائن فارمولے کی کثیر سیکشن طاقت تقسیم کرنے والا وسیع تنہائی کی کارکردگی حاصل کرنے کے لئے حاصل کیا جاتا ہے. اخذ کردہ ڈیزائن فارمولہ واحد ختم فلٹر ڈیزائن نظریہ پر مبنی ہے. اس کاغذ میں مجوزہ ڈیزائن فارمولے کی صداقت کو ظاہر کرنے کے لئے متعدد سیکشن پاور ڈویڈر کے متعدد نقالی اور تجرباتی نتائج پیش کیے گئے ہیں۔ تجربات سے پتہ چلتا ہے کہ کثیر سیکشن پاور ڈویڈر کی عمدہ کارکردگی کثیر آکٹوا تنہائی کی خصوصیت کے ساتھ ہے۔ |
d12e3606d94050d382306761eb43b58c042ac390 | ان عوامل کو سمجھنا جو طلباء کی کامیابی (یا ناکامی) کو جگہ پر ٹیسٹ میں لے جاتے ہیں ایک دلچسپ اور چیلنج مسئلہ ہے. چونکہ مرکزی درجہ بندی کے ٹیسٹ اور مستقبل کی تعلیمی کامیابیوں کو متعلقہ تصورات سمجھا جاتا ہے ، لہذا درجہ بندی کے ٹیسٹ کے پیچھے کامیابی کے عوامل کا تجزیہ تعلیمی کامیابی کو سمجھنے اور ممکنہ طور پر بہتر بنانے میں مدد کرسکتا ہے۔ اس مطالعہ میں ترکی میں سیکنڈری ایجوکیشن ٹرانزیشن سسٹم سے بڑے اور فیچر امیر ڈیٹا سیٹ کا استعمال کرتے ہوئے ہم نے سیکنڈری ایجوکیشن پلیسمنٹ ٹیسٹ کے نتائج کی پیش گوئی کرنے کے لئے ماڈل تیار کیے ، اور ان پیشن گوئی کے ماڈلز پر حساسیت کے تجزیے کا استعمال کرتے ہوئے ہم نے سب سے اہم پیش گوئی کرنے والوں کی نشاندہی کی۔ نتائج سے پتہ چلتا ہے کہ C5 فیصلہ درخت الگورتھم 95٪ درستگی کے ساتھ ہولڈ آؤٹ نمونہ پر بہترین پیش گوئی ہے، اس کے بعد سپورٹ ویکٹر مشینیں (91٪ کی درستگی کے ساتھ) اور مصنوعی اعصابی نیٹ ورک (89٪ کی درستگی کے ساتھ) کے بعد. لاجسٹک ریگریشن ماڈل چاروں میں سے کم سے کم درست ثابت ہوئے اور مجموعی طور پر 82 فیصد درستگی۔ حساسیت کے تجزیے سے پتہ چلا کہ سابقہ ٹیسٹ کا تجربہ ، چاہے کسی طالب علم کو اسکالرشپ حاصل ہو ، طالب علم کے بہن بھائیوں کی تعداد ، پچھلے سالوں کی گریڈ پوائنٹ اوسط ان میں سے ایک ہے جو پلیسمنٹ ٹیسٹ کے اسکور کے سب سے اہم پیش گو ہیں۔ 2012 ایلسیویئر لمیٹڈ۔ تمام حقوق محفوظ ہیں۔ |
75859ac30f5444f0d9acfeff618444ae280d661d | ملٹی بائیو میٹرک سسٹم کو بڑے پیمانے پر بائیو میٹرک ایپلی کیشنز (مثال کے طور پر ، ایف بی آئی-آئی اے ایف آئی ایس ، ہندوستان میں یو آئی ڈی اے آئی سسٹم) میں تیزی سے استعمال کیا جارہا ہے کیونکہ ان کے متعدد فوائد ہیں جیسے یونی بائیو میٹرک سسٹم کے مقابلے میں کم غلطی کی شرح اور آبادی کی زیادہ کوریج۔ تاہم، ملٹی بائیو میٹرک سسٹم میں ہر صارف کے لیے متعدد بائیو میٹرک ٹیمپلیٹس (جیسے فنگر پرنٹ، آئیرس اور چہرہ) کو اسٹور کرنے کی ضرورت ہوتی ہے، جس کے نتیجے میں صارف کی پرائیویسی اور سسٹم کی سیکیورٹی کے لیے خطرہ بڑھ جاتا ہے۔ انفرادی ٹیمپلیٹس کی حفاظت کا ایک طریقہ یہ ہے کہ صرف بائیو میٹرک کرپٹ سسٹم کا استعمال کرتے ہوئے اسی ٹیمپلیٹ سے تیار کردہ محفوظ خاکہ کو اسٹور کیا جائے۔ اس کے لئے متعدد خاکوں کو ذخیرہ کرنے کی ضرورت ہے۔ اس کاغذ میں، ہم ایک خصوصیت کی سطح فیوژن فریم ورک کی تجویز کرتے ہیں ایک ہی وقت میں ایک صارف کے ایک سے زیادہ سانچوں کو ایک واحد محفوظ خاکہ کے طور پر محفوظ کرنے کے لئے. ہمارے اہم شراکت میں شامل ہیں: (1) دو معروف بایومیٹرک کرپٹوسسٹم ، یعنی ، فجی والٹ اور فجی وابستگی کا استعمال کرتے ہوئے تجویز کردہ فیچر لیول فیوژن فریم ورک کا عملی نفاذ ، اور (2) دو مختلف ڈیٹا بیس (ایک حقیقی اور ایک ورچوئل ملٹی موڈل ڈیٹا بیس) پر مبنی مجوزہ ملٹی بائیومیٹرک کرپٹوسسٹم میں مماثلت کی درستگی اور سیکیورٹی کے مابین تجارت کا تفصیلی تجزیہ ، ہر ایک میں تین مقبول ترین بایومیٹرک طریقوں ، یعنی ، فنگر پرنٹ ، آئریس ، اور چہرہ شامل ہیں۔ تجرباتی نتائج سے پتہ چلتا ہے کہ یہاں تجویز کردہ دونوں ملٹی بائیو میٹرک کرپٹوسسٹم میں ان کے یونی بائیو میٹرک ہم منصبوں کے مقابلے میں زیادہ سیکیورٹی اور مماثلت کی کارکردگی ہے۔ |
98e03d35857f66c34fa79f3ea0dd2b4e3b670044 | |
65227ddbbd12015ba8a45a81122b1fa540e79890 | ایک ویب پیج کی اہمیت ایک ذاتی طور پر موضوعی معاملہ ہے، جو قارئین کے مفادات، علم اور رویوں پر منحصر ہے. لیکن ویب صفحات کی نسبتاً اہمیت کے بارے میں ابھی بھی بہت کچھ کہا جا سکتا ہے۔ یہ کاغذ PageRank، ویب صفحات کی درجہ بندی کے لئے ایک طریقہ کار کا بیان کرتا ہے مقصد اور میکانی طور پر، e ectively انسانی دلچسپی اور توجہ ان کے لئے وقف پیمائش. ہم پیج رینک کا موازنہ ایک مثالی بے ترتیب ویب سرفر سے کرتے ہیں۔ ہم دکھاتے ہیں کہ کس طرح پیج رینک کو بڑی تعداد میں صفحات کے لئے مؤثر طریقے سے شمار کیا جائے۔ اور، ہم کس طرح ظاہر کرنے کے لئے PageRank درخواست دینے کے لئے تلاش اور صارف نیویگیشن. |
0a202f1dfc6991a6a204eaa5e6b46d6223a4d98a | کوئی بھی خصوصیت پر مبنی ویژن سسٹم کام نہیں کرسکتا جب تک کہ اچھی خصوصیات کی شناخت اور فریم سے فریم تک ٹریک نہیں کیا جاسکتا ہے۔ اگرچہ ٹریکنگ خود ایک حل شدہ مسئلہ ہے، لیکن ایسی خصوصیات کا انتخاب کرنا جو اچھی طرح سے ٹریک کیا جا سکتا ہے اور دنیا میں جسمانی پوائنٹس سے مطابقت رکھتا ہے. ہم ایک خصوصیت کے انتخاب کے معیار کی تجویز کرتے ہیں جو تعمیر کے لحاظ سے زیادہ سے زیادہ ہے کیونکہ یہ اس پر مبنی ہے کہ ٹریکر کیسے کام کرتا ہے ، اور ایک خصوصیت کی نگرانی کا طریقہ جو دنیا میں مقامات سے مطابقت نہیں رکھنے والے غائب ، انکشافات اور خصوصیات کا پتہ لگاسکتا ہے۔ یہ طریقوں ایک نئے ٹریکنگ الگورتھم پر مبنی ہیں جو نیٹن-راپسن سٹائل تلاش کے طریقوں کو ایک نئی تصویر کے تبدیلی کے تحت کام کرنے کے لئے بڑھا دیتا ہے. ہم کئی تخروپن اور تجربات کے ساتھ کارکردگی کی جانچ. |
4f640c1338840f3740187352531dfeca9381b5c3 | کان کنی ترتیب پیٹرن کا مسئلہ حال ہی میں متعارف کرایا گیا تھا [AS95]. ہمیں ترتیبوں کا ایک ڈیٹا بیس دیا جاتا ہے، جہاں ہر ترتیب ٹرانزیکشنز کی ایک فہرست ہے ٹرانزیکشن ٹائم کے مطابق ترتیب دی گئی ہے، اور ہر ٹرانزیکشن اشیاء کا ایک سیٹ ہے۔ مسئلہ یہ ہے کہ تمام ترتیب کے نمونوں کو صارف کی طرف سے مخصوص کم از کم حمایت کے ساتھ تلاش کرنا ہے، جہاں ایک پیٹرن کی حمایت اعداد و شمار کے سلسلے کی تعداد ہے جس میں پیٹرن شامل ہے. ایک ترتیب کے پیٹرن کی ایک مثال ہے 5 فیصد گاہکوں نے ایک ٹرانزیکشن میں فاؤنڈیشن اور رینگ ورلڈ خریدا، اس کے بعد بعد میں ٹرانزیکشن میں دوسری فاؤنڈیشن کے بعد. ہم اس مسئلے کو مندرجہ ذیل طور پر عام کرتے ہیں۔ سب سے پہلے، ہم وقت کی رکاوٹوں کو شامل کرتے ہیں جو ایک نمونہ میں ملحقہ عناصر کے درمیان کم از کم اور / یا زیادہ سے زیادہ وقت کی مدت کی وضاحت کرتے ہیں. دوسرا، ہم پابندی کو نرم کرتے ہیں کہ ترتیب وار نمونہ کے عناصر میں سے ایک کو ایک ہی ٹرانزیکشن سے آنا چاہئے، اس کے بجائے اشیاء کو ٹرانزیکشنز کے ایک سیٹ میں موجود ہونے کی اجازت دی جاتی ہے جن کے ٹرانزیکشن ٹائمز صارف کی مخصوص ٹائم ونڈو کے اندر ہوتے ہیں۔ تیسری، اشیاء پر ایک صارف-ڈیڈ ٹیکسونومی (ایک درجہ بندی ہے) کو دیکھتے ہوئے، ہم ترتیب کے پیٹرن کو ٹیکسونومی کے تمام سطحوں پر اشیاء شامل کرنے کی اجازت دیتے ہیں. ہم پیش کرتے ہیں جی ایس پی، ایک نیا الگورتھم جو ان عمومی ترتیباتی نمونوں کو دریافت کرتا ہے۔ مصنوعی اور حقیقی زندگی کے اعداد و شمار کا استعمال کرتے ہوئے تجرباتی تشخیص سے پتہ چلتا ہے کہ جی ایس پی [AS95] میں پیش کردہ اپریوری آل الگورتھم سے کہیں زیادہ تیز ہے. GSP اعداد و شمار کے تسلسل کی تعداد کے ساتھ لکیری پیمانے پر، اور اوسط ڈیٹا تسلسل سائز کے حوالے سے بہت اچھا پیمانے پر اپ خصوصیات ہے. اس کے علاوہ، کمپیوٹر سائنس کے شعبہ، وسکونسن یونیورسٹی، میڈیسن. |
4282abe7e08bcfb2d282c063428fb187b2802e9c | فلروں کے استعمال کے معاملات میں بتدریج اضافے کے ساتھ ہی ایسے مریضوں کے معاملات میں بھی اضافہ ہورہا ہے جن کا علاج غیر طبی پیشہ ور افراد یا ناتجربہ کار ڈاکٹروں نے کیا ہے جس کے نتیجے میں پیچیدگیاں پیدا ہوئیں۔ ہم یہاں 2 مریضوں کی اطلاع دیتے ہیں جنھیں فلئر انجیکشن ملنے کے بعد شدید پیچیدگیاں پیش آئیں اور ان کا علاج چربی سے حاصل شدہ اسٹیم سیل (ADSCs) تھراپی کے ساتھ کامیابی سے کیا گیا۔ کیس 1 ایک 23 سالہ خاتون مریض تھی جس کو غیر طبی پیشہ ور افراد نے اس کی پیشانی، گلیبیلا اور ناک میں فلئر (ریسٹائلین) انجکشن دیا تھا۔ انجکشن کے اگلے دن، 3x3 سینٹی میٹر جلد کی نکروس کے ساتھ سوزش کا مشاہدہ کیا گیا تھا. کیس 2 ایک 30 سالہ خاتون تھی جس کو نجی کلینک میں ہائیالورونک ایسڈ جیل (جوویدرم) کا بھرنے والا انجکشن اپنے ناک کے پچھلے حصے اور سر پر دیا گیا تھا۔ ہر مریض کے پیٹ کے زیر جلد ٹشو سے حاصل کردہ ADSCs پر مشتمل ایک حل کو زیر جلد اور ڈرمیس سطح پر زخم میں انجکشن کیا گیا تھا۔ زخموں کو علاج کے بغیر شفا دی گئی. مسلسل فالو اپ کے ساتھ، دونوں مریضوں نے صرف ٹھیک لکیری زخموں کو 6 ماہ بعد میں تجربہ کیا. چربی سے حاصل ہونے والے سٹیم سیل کا استعمال کرتے ہوئے، ہم نے کامیابی سے فلئر انجیکشن کے بعد جلد کے نکروز کی شدید پیچیدگیوں کا علاج کیا، جس کے نتیجے میں بہت کم زخم لگنے لگے، اور نہ صرف زخموں کی شفا یابی میں بلکہ جمالیات میں بھی زیادہ اطمینان بخش نتائج حاصل کیے گئے۔ |
3198e5de8eb9edfd92e5f9c2cb325846e25f22aa | |
bdf434f475654ee0a99fe11fd63405b038244f69 | ریسیڈیویزم پیشن گوئی کے اسکور امریکہ بھر میں استعمال کیا جاتا ہے سزا اور سینکڑوں ہزاروں قیدیوں کے لئے نگرانی کا تعین کرنے کے لئے. اس طرح کے ایک جنریٹر کی دوبارہ پیش گوئی کے اسکور نارتھ پوائنٹ کے اصلاحی مجرم مینجمنٹ پروفائلنگ برائے متبادل پابندیوں (COMPAS) اسکور ہیں ، جو کیلیفورنیا اور فلوریڈا جیسی ریاستوں میں استعمال ہوتا ہے ، جس میں ماضی کی تحقیق نے ظاہر کیا ہے کہ انصاف کے کچھ اقدامات کے مطابق سیاہ فام قیدیوں کے خلاف تعصب ہے۔ اس نسلی تعصب کا مقابلہ کرنے کے لیے، ہم ایک مخالف تربیت یافتہ نیورل نیٹ ورک پیش کرتے ہیں جو دوبارہ جرم کی پیش گوئی کرتا ہے اور اسے نسلی تعصب کو دور کرنے کے لیے تربیت دی جاتی ہے۔ جب ہم اپنے ماڈل کے نتائج کو کمپاس سے موازنہ کرتے ہیں، تو ہم پیش گوئی کی درستگی حاصل کرتے ہیں اور انصاف کے تین اقدامات میں سے دو کو حاصل کرنے کے قریب آتے ہیں: مساوات اور مواقع کی مساوات. ہمارا ماڈل کسی بھی پیش گوئی اور آبادیاتی پر عام کیا جا سکتا ہے. اس تحقیق کا حصہ ایک اعلی اسٹیک حقیقی دنیا کی درخواست میں سائنسی نقل اور سادگی کی ایک مثال ہے جیسے ریسیڈیویزم کی پیشن گوئی. |
33fad977a6b317cfd6ecd43d978687e0df8a7338 | یہ مقالہ نظریاتی طور پر بہت آسان، ابھی تک موثر، کثیر قرارداد نقطہ نظر پیش کرتا ہے، مقامی بائنری پیٹرن اور نمونہ اور پروٹوٹائپ کی تقسیم کے غیر متغیر امتیاز پر مبنی گرے پیمانے اور گردش غیر متغیر ساخت کی درجہ بندی کے لئے. یہ طریقہ کار اس بات کی پہچان پر مبنی ہے کہ کچھ مقامی بائنری پیٹرن ، جسے یکساں کہا جاتا ہے ، مقامی امیج ساخت کی بنیادی خصوصیات ہیں اور ان کے واقع ہسٹوگرام کو ایک بہت ہی طاقتور ساخت کی خصوصیت ثابت کیا گیا ہے۔ ہم نے ایک عام گرے پیمانے اور گردش invariant آپریٹر پریزنٹیشن کہ زاویہ خلا کے کسی بھی quantization اور کسی بھی مقامی قرارداد کے لئے auniformo پیٹرن کا پتہ لگانے کے لئے کی اجازت دیتا ہے اور کثیر قرارداد تجزیہ کے لئے ایک سے زیادہ آپریٹرز کو یکجا کرنے کے لئے ایک طریقہ پیش کی جاتی ہے حاصل. گرے پیمانے کی مختلف حالتوں کے لحاظ سے مجوزہ نقطہ نظر بہت مضبوط ہے کیونکہ آپریٹر ، تعریف کے مطابق ، گرے پیمانے کی کسی بھی یکساں تبدیلی کے خلاف غیر متغیر ہے۔ ایک اور فائدہ کمپیوٹیشنل سادگی ہے کیونکہ آپریٹر کو ایک چھوٹے سے پڑوس اور ایک تلاش کی میز میں چند آپریشنوں کے ساتھ احساس کیا جاسکتا ہے۔ گردش کے عدم تغیر کے حقیقی مسائل میں حاصل ہونے والے بہترین تجرباتی نتائج ، جہاں درجہ بندی کرنے والے کو ایک خاص گردش زاویہ پر تربیت دی جاتی ہے اور دوسرے گردش زاویوں سے نمونے کے ساتھ جانچ کی جاتی ہے ، اس بات کا مظاہرہ کرتی ہے کہ سادہ گردش کے غیر متغیر مقامی بائنری نمونوں کے واقعے کے اعدادوشمار کے ساتھ اچھی امتیازی سلوک حاصل کیا جاسکتا ہے۔ یہ آپریٹرز مقامی تصویر کی ساخت کی مقامی ترتیب کی خصوصیات کرتے ہیں اور کارکردگی کو ان کے ساتھ گھومنے والی غیر متغیر متغیر اقدامات کے ساتھ جوڑ کر کارکردگی کو مزید بہتر بنایا جاسکتا ہے جو مقامی تصویر کی ساخت کے برعکس کی خصوصیات کرتی ہے۔ ان orthogonal اقدامات کے مشترکہ تقسیم گردش invariant ساخت تجزیہ کے لئے بہت طاقتور اوزار دکھایا گیا ہے. انڈیکس اصطلاحات غیر پیرامیٹرک ، ساخت کا تجزیہ ، اوٹیکس ، بروڈٹز ، تقسیم ، ہسٹوگرام ، برعکس۔ |
8ade5d29ae9eac7b0980bc6bc1b873d0dd12a486 | |
12a97799334e3a455e278f2a995a93a6e0c034bf | اس مقالے میں چینی لفظ کی تقسیم کے لئے ایک ایمبیڈڈ مماثلت کا نقطہ نظر تجویز کیا گیا ہے ، جو روایتی ترتیب لیبلنگ فریم ورک کو عام کرتا ہے اور تقسیم شدہ نمائندگیوں سے فائدہ اٹھاتا ہے۔ تربیت اور پیشن گوئی الگورتھم لکیری وقت پیچیدگی ہے. مجوزہ ماڈل کی بنیاد پر، ایک لالچی segmenter تیار کیا اور معیار corpora پر اندازہ کیا جاتا ہے. تجربات سے پتہ چلتا ہے کہ ہمارے لالچی سیگمنٹیر نے نیورل نیٹ ورک پر مبنی سابقہ لفظ سیگمنٹروں کے مقابلے میں بہتر نتائج حاصل کیے ہیں، اور اس کی کارکردگی ریاستی آرٹ طریقوں کے ساتھ مسابقتی ہے، اس کی سادہ خصوصیت سیٹ اور تربیت کے لئے بیرونی وسائل کی عدم موجودگی کے باوجود. |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.