_id
stringlengths 40
40
| text
stringlengths 0
12.9k
|
|---|---|
5c1ab86362dec6f9892a5e4055a256fa5c1772af | 3G نظاموں کی طویل مدتی ارتقاء (LTE) کی تفصیلات فی الحال 3GPP میں جاری ہے 2007 کے آخر میں تیار تفصیلات کی ایک ہدف کی تاریخ کے ساتھ. تیار شدہ ریڈیو رسائی نیٹ ورک (RAN) میں او ایف ڈی ایم ٹیکنالوجی پر مبنی ایک نیا ریڈیو انٹرفیس اور ایک بنیادی طور پر مختلف RAN فن تعمیر شامل ہے ، جہاں ریڈیو فعالیت بیس اسٹیشنوں میں تقسیم کی جاتی ہے۔ RAN فن تعمیر کی تقسیم شدہ نوعیت نئے ریڈیو کنٹرول الگورتھم اور طریقہ کار کی ضرورت ہوتی ہے جو تقسیم شدہ انداز میں کام کرتی ہے ، بشمول تقسیم شدہ ہینڈ اوور اسکیم بھی۔ ایل ٹی ای میں ہینڈ اوور کے طریقہ کار کے سب سے اہم پہلوؤں کو پہلے ہی چند تفصیلات کے علاوہ 3GPP میں طے کیا گیا ہے. اس کاغذ میں ہم نے ایل ٹی ای کے اندر اندر رسائی ہینڈ اوور کے طریقہ کار کا ایک جائزہ دیتے ہیں اور اس کی کارکردگی کا جائزہ لینے کے صارف کی کارکردگی پہلوؤں پر توجہ مرکوز کرتے ہیں. ہم پیکٹ فارورڈنگ کی ضرورت کو ٹی سی پی کے ذریعے پٹ نقطہ نظر سے جانچتے ہیں ، ہم ہینڈ اوور کے دوران آرڈر سے باہر پیکٹ کی ترسیل کے مسئلے کا تجزیہ کرتے ہیں اور اس کے لئے ایک آسان حل تجویز کرتے ہیں۔ آخر میں، ہم ریڈیو کی کارکردگی پر ہینڈلنگ پر HARQ / ARQ ریاست کے اثرات کی تحقیقات کرتے ہیں. نتائج سے پتہ چلتا ہے کہ نہ ہی صارف کی کارکردگی اور نہ ہی ریڈیو کی کارکردگی کو ایل ٹی ای کی نقل و حمل پر مبنی ہینڈ اوور کے طریقہ کار سے سمجھوتہ کیا جاتا ہے. |
3fb91bbffa86733fc68d4145e7f081353eb3dcd8 | الیکٹرومیوگرافی (ای ایم جی) سگنل کلینیکل / بائیو میڈیکل ایپلی کیشنز ، ایولولیبل ہارڈ ویئر چپ (ای ایچ ڈبلیو) کی ترقی ، اور جدید انسانی کمپیوٹر تعامل کے لئے استعمال ہوسکتے ہیں۔ پٹھوں سے حاصل ہونے والے ای ایم جی سگنل کا پتہ لگانے، تحلیل کرنے، پروسیسنگ اور درجہ بندی کے لیے جدید طریقوں کی ضرورت ہوتی ہے۔ اس مقالے کا مقصد سگنل اور اس کی نوعیت کو سمجھنے کے لئے موثر اور موثر طریقے فراہم کرنے کے لئے EMG سگنل تجزیہ کے لئے مختلف طریقوں اور الگورتھم کی وضاحت کرنا ہے. ہم مزید کچھ ہارڈ ویئر پر عمل درآمد کی نشاندہی کرتے ہیں جو ای ایم جی کا استعمال کرتے ہوئے مصنوعی ہاتھ کے کنٹرول ، گرفت کی شناخت ، اور انسانی کمپیوٹر کے تعامل سے متعلق ایپلی کیشنز پر توجہ مرکوز کرتے ہیں۔ مختلف EMG سگنل تجزیہ طریقوں کی کارکردگی کو ظاہر کرنے کے لئے ایک موازنہ مطالعہ بھی دیا جاتا ہے. اس مقالے میں محققین کو ای ایم جی سگنل اور اس کے تجزیہ کے طریقہ کار کی اچھی تفہیم فراہم کی گئی ہے۔ یہ علم انہیں زیادہ طاقتور، لچکدار، اور موثر ایپلی کیشنز تیار کرنے میں مدد ملے گی. |
ab71da348979c50d33700bc2f6ddcf25b4c8cfd0 | |
6cc4a3d0d8a278d30e05418afeaf6b8e5d04d3d0 | |
6180a8a082c3d0e85dcb9cec3677923ff7633bb9 | دو دہائیوں پہلے انفارمیشن سسٹم ریسرچ (آئی ایس آر) کے آغاز کے بعد سے، انفارمیشن سسٹم (آئی ایس) کے شعبے کی توجہ انتظامی نظام اور انفرادی ٹولز سے آگے بڑھ گئی ہے۔ لاکھوں صارفین فیس بک پر لاگ ان ہوتے ہیں، آئی فون ایپلی کیشنز ڈاؤن لوڈ کرتے ہیں، اور موبائل سروسز کا استعمال کرتے ہوئے وکندریقرت کام کی تنظیمیں بناتے ہیں۔ ان نئی متحرکات کو سمجھنے کے لئے میدان میں آئی ٹی آرٹیفیکٹ کی ایک قسم کے طور پر ڈیجیٹل بنیادی ڈھانچے پر توجہ دینے کی ضرورت ہوگی. ادب کا ایک جدید جائزہ ڈیجیٹل انفراسٹرکچر میں بڑھتی ہوئی دلچسپی کا انکشاف کرتا ہے لیکن اس بات کی بھی تصدیق کرتا ہے کہ اس شعبے نے ابھی تک انفراسٹرکچر کو اپنی تحقیقی کوششوں کے مرکز میں نہیں رکھا ہے۔ اس تبدیلی کی مدد کے لئے ہم آئی ایس ریسرچ کے لئے تین نئے سمتوں کی تجویز کرتے ہیں: (1) آئی ٹی آرٹیفیکٹ کی ایک الگ قسم کے طور پر ڈیجیٹل انفراسٹرکچر کی نوعیت کے نظریات؛ (2) ڈیجیٹل انفراسٹرکچر کے طور پر تمام روایتی آئی ایس ریسرچ کے علاقوں کو تشکیل دینے والے رشتہ دار تعمیرات؛ (3) تبدیلی اور کنٹرول کے تضادات کے طور پر اہم آئی ایس مظاہر. ہم اس بات کی تجاویز کے ساتھ اختتام کرتے ہیں کہ کس طرح طویل مدتی، بڑے پیمانے پر سماجی تکنیکی مظاہر کا مطالعہ کرتے ہوئے، روایتی زمرے کی حدود پر توجہ دینے کی کوشش کرتے ہیں جنہوں نے آئی ایس کی تحقیق کی ہدایت کی ہے. |
e83a2fa459ba921fb176beacba96038a502ff64d | ایک مجموعہ حکمت عملی (جسے مجموعہ اسکیم بھی کہا جاتا ہے) ایک تکنیک ہے جو انفرادی درجہ بندی کے آؤٹ پٹ کو یکجا کرنے کے لئے استعمال کیا جاتا ہے۔ خلاصہ سطح پر سب سے زیادہ مقبول مجموعہ حکمت عملی اکثریت ووٹ قوانین پر مبنی ہیں، جو صرف سب سے زیادہ ووٹ والے طبقے کو ان پٹ پیٹرن تفویض کرتے ہیں (سیکشن 7.2 دیکھیں). جب دو درجہ بندی کو یکجا کیا جاتا ہے تو، منطقی اور یا منطقی یا آپریٹر عام طور پر استعمال کیا جاتا ہے. جب دو سے زیادہ درجہ بندی کو ضم کیا جاتا ہے تو، AND/OR قواعد کو یکجا کیا جا سکتا ہے. مثال کے طور پر ، ایک بایومیٹرک سسٹم فنگر پرنٹ یا (چہرے اور ہاتھ کی جیومیٹری) پر کام کرسکتا ہے ؛ یعنی ، اس کے لئے صارف کو پہچان کے ل either یا تو فنگر پرنٹ یا چہرے اور ہاتھ کی جیومیٹری دونوں پیش کرنے کی ضرورت ہوتی ہے۔ کلاس سیٹ کی کمی ، لاجسٹک رجعت ، اور بورڈا کی گنتی درجہ بندی کے لیبل پر مبنی درجہ بندی کرنے والوں کو جوڑنے میں سب سے زیادہ استعمال ہونے والے نقطہ نظر ہیں (ہو ، ہل ، اور سریہاری ، 1994) ۔ کلاس سیٹ کی تخفیف میں ، کلاسوں کا ایک سبسیٹ اس مقصد کے ساتھ منتخب کیا جاتا ہے کہ سبسیٹ زیادہ سے زیادہ چھوٹا ہو اور پھر بھی اس میں حقیقی کلاس موجود ہو۔ متعدد طریقوں سے متعدد ذیلی سیٹ عام طور پر یا تو یونین یا ذیلی سیٹوں کے تقاطع کا استعمال کرتے ہوئے مل جاتے ہیں۔ لاجسٹک رجعت اور بورڈا گنتی کے طریقوں کو اجتماعی طور پر کلاس سیٹ ری آرڈرنگ کے طریقوں کو کہا جاتا ہے۔ یہاں مقصد دی گئی کلاسوں کی اتفاق رائے کی درجہ بندی حاصل کرنا ہے تاکہ حقیقی کلاس کو سب سے اوپر درجہ بندی کیا جائے۔ درجہ بندی کے لیبل ایک انڈیکسنگ / بازیافت کے نظام میں انضمام کے لئے بہت مفید ہیں. بائیو میٹرک بازیافت کا نظام عام طور پر امیدواروں کی ایک ترتیب شدہ فہرست (زیادہ تر ممکنہ میچوں) کو آؤٹ پٹ کرتا ہے۔ اس ترتیب شدہ فہرست کا سب سے اوپر والا عنصر سب سے زیادہ درست میچ ہونے کا امکان ہے اور فہرست کا نیچے والا عنصر سب سے کم ممکنہ میچ ہے۔ متعدد طریقوں سے اعتماد کی اقدار کو جوڑنے کے لئے سب سے زیادہ مقبول مجموعہ اسکیمیں رقم ، اوسط ، میڈین ، مصنوع ، کم سے کم ، اور زیادہ سے زیادہ اصول ہیں۔ کِٹلر اور دیگر (1998) نے ان مقبول منصوبوں کی بنیادی ریاضی کی بنیاد کو سمجھنے کی کوشش میں ایک نظریاتی فریم ورک تیار کیا ہے. ان کے تجربات سے یہ ثابت ہوا کہ مجموعی یا اوسط اسکیم عام طور پر عملی طور پر بہت اچھی کارکردگی کا مظاہرہ کرتی ہے۔ مجموعی اصول کو استعمال کرنے میں ایک مسئلہ یہ ہے کہ مختلف طریقوں سے اعتماد (یا اسکور) کو معمول پر لانا چاہئے۔ یہ معمول عام طور پر ایک عام ڈومین میں مختلف طریقوں سے اعتماد کے اقدامات کا نقشہ بنانا شامل ہے. مثال کے طور پر ، ایک بائیو میٹرک سسٹم فاصلہ اسکور (اسکور کم ہونے پر ، نمونوں میں زیادہ مماثلت) آؤٹ پٹ کرسکتا ہے جبکہ دوسرا مماثلت اسکور (اسکور زیادہ ہونے پر ، نمونوں میں زیادہ مماثلت) آؤٹ پٹ کرسکتا ہے اور اس طرح اسکور کو براہ راست مجموعہ اصول کا استعمال کرتے ہوئے جوڑا نہیں جاسکتا ہے۔ اس کی سب سے آسان شکل میں ، اس معمول میں صرف فاصلے کے اسکور کی علامت کو الٹنا شامل ہوسکتا ہے تاکہ زیادہ اسکور زیادہ مماثلت کے مطابق ہو۔ زیادہ پیچیدہ شکل میں ، معمول سازی غیر لکیری ہوسکتی ہے جو ہر طریقوں سے اعتماد کی اقدار کی تقسیم کا اندازہ لگا کر تربیت کے اعداد و شمار سے سیکھا جاسکتا ہے۔ اس کے بعد اسکور کا ترجمہ اور اسکیل کیا جاتا ہے تاکہ صفر اوسط ، یونٹ ویریئنس ہو ، اور پھر ہائپربولک ٹینجینٹ فنکشن کا استعمال کرتے ہوئے (0,1) کے مقررہ وقفہ پر دوبارہ نقشہ لگایا جائے۔ نوٹ کریں کہ یہ معمول کے لئے متوقع تقسیم کو پیرامیٹرائز کرنے کے لئے لالچ ہے. تاہم، تقسیم کی اس طرح کی پیرامیٹرائزنگ احتیاط سے استعمال کیا جانا چاہئے، کیونکہ بایومیٹرک نظاموں کی غلطی کی شرح عام طور پر بہت کم ہیں اور تقسیم کی دموں کا اندازہ کرنے میں ایک چھوٹی سی غلطی غلطی کے تخمینوں میں اہم تبدیلی کا نتیجہ بن سکتی ہے (تصویر 7.3 دیکھیں). ایک اور عام عمل تربیت کے اعداد و شمار سے ہر موڈلٹی کے لئے مختلف اسکیلنگ فیکٹر (وزن) کا حساب لگانا ہے ، تاکہ مشترکہ درجہ بندی کی درستگی زیادہ سے زیادہ ہو 7 ملٹی موڈل بائیو میٹرک سسٹم 242 میڈ۔ یہ وزن مجموعہ اصول جب اجزاء classifiers مختلف طاقت (یعنی، مختلف غلطی کی شرح) ہے سادہ مجموعہ اصول سے بہتر کام کرنے کی توقع ہے. شکل 7.3۔ a) فنگر پرنٹ کی تصدیق کے نظام کے لئے حقیقی اور دھوکہ دہی کی تقسیم (جین اور دیگر ، 2000) اور دھوکہ دہی کی تقسیم کے لئے ایک عام تخمینہ۔ بصری طور پر ، نارمل تخمینہ اچھا لگتا ہے ، لیکن کارکردگی میں غیر پیرامیٹرک تخمینے کے مقابلے میں نمایاں کمی کا سبب بنتا ہے جیسا کہ بی) میں آر او سی میں دکھایا گیا ہے ، جہاں ایف ایم آر کو ایف اے آر (جھوٹی قبولیت کی شرح) اور (1- ایف این ایم آر) کے طور پر کہا جاتا ہے حقیقی قبولیت کی شرح. © ایلسیویئر. بائیو میٹرک سسٹم میں متعدد طریقوں کو یکجا کرنے کے لئے کچھ اسکیموں کا نظریاتی نقطہ نظر سے بھی مطالعہ کیا گیا ہے۔ ایک نظریاتی تجزیہ کے ذریعے، Daugman (1999b) نے دکھایا کہ اگر ایک مضبوط بایومیٹرک اور ایک کمزور بایومیٹرک کو یا تو اور یا یا ووٹنگ کے قواعد کا استعمال کرتے ہوئے ایک تجریدی سطح کے مجموعہ کے ساتھ مل کر کیا جاتا ہے، تو مجموعہ کی کارکردگی دو انفرادی بایومیٹرکس کے بہتر سے بدتر ہوگی. ہونگ، جین، اور Pankanti (1999) نظریاتی تجزیہ ہے کہ اور / یا ووٹنگ کی حکمت عملی کارکردگی کو بہتر بنا سکتے ہیں صرف اس وقت جب بعض شرائط کو پورا کیا جاتا ہے ڈاگمن کے نتائج کی تصدیق کی. ان کے تجزیہ سے مزید یہ بات سامنے آئی کہ اعتماد کی سطح کے ساتھ مل کر مجموعی کارکردگی میں نمایاں بہتری کی توقع کی جاتی ہے یہاں تک کہ ایک کمزور اور ایک مضبوط بایومیٹرک کو یکجا کرنے کی صورت میں بھی۔ کِٹلر اور دیگر (1998) نے ایک حساسیت تجزیہ متعارف کرایا ہے کہ یہ وضاحت کرنے کے لئے کہ مجموعی (یا اوسط) اصول دیگر قواعد سے بہتر کیوں ہے. انہوں نے دکھایا کہ مجموعی اصول دوسرے اسی طرح کے قواعد (جیسے پروڈکٹ اصول) کے مقابلے میں کم حساس ہے جو بعد کے امکانات (اعتماد کی اقدار) کا اندازہ کرنے میں انفرادی درجہ بندی کرنے والوں کی غلطی کی شرحوں پر ہوتا ہے۔ ان کا دعوی ہے کہ جمع کا قاعدہ ایک ہی پسدید امکانات کے مختلف تخمینوں کو جوڑنے کے لئے سب سے موزوں ہے (مثال کے طور پر ، مختلف درجہ بندی کے آغاز کے نتیجے میں) ۔ پربھاکر اور جین (2002) نے مجموعہ اور مصنوعات کے قواعد کا نیمان-پیئرسن مجموعہ اسکیم کے ساتھ موازنہ کیا اور ظاہر کیا کہ جب ہم آہنگ خصوصیات کو جوڑتے ہیں تو مصنوعات کا اصول مجموعہ اصول سے بدتر ہوتا ہے اور جب کمزور اور مضبوط درجہ بندی کرنے والوں کو جوڑتے ہیں تو مجموعہ اصول اور مصنوعات کے قواعد دونوں نیمان-پیئرسن مجموعہ اسکیم سے کمتر ہوتے ہیں۔ 0 20 40 60 80 100 0 1 2 3 4 5 6 7 نورمالیٹڈ میچنگ اسکور پی آر سی این ٹی جی (٪) امپوسٹر حقیقی غیر پیرامیٹرک امپوسٹر ڈسٹری بیوشن نارمل امپوسٹر ڈسٹری بیوشن حقیقی ڈسٹری بیوشن 0 1 2 3 4 5 50 55 60 65 70 75 80 85 90 95 100 جھوٹی قبولیت کی شرح (٪) G en ui ne A cc ep ta nc e R at e (٪) غیر پیرامیٹرک امپوسٹر ڈسٹری بیوشن نارمل امپوسٹر ڈسٹری بیوشن کا استعمال کرتے ہوئے |
b4894f7d6264b94ded94181d54c7a0c773e3662b | چلنے کا تجزیہ حال ہی میں ایک مقبول تحقیقی شعبہ بن گیا ہے اور نیوروڈجینیریٹو بیماریوں کی کلینیکل تشخیص میں بڑے پیمانے پر لاگو کیا گیا ہے۔ ہپ اور گھٹنے کے مشترکہ زاویوں کو پکڑنے کے لئے مختلف کم لاگت سینسر پر مبنی اور ویژن پر مبنی نظام تیار کیے گئے ہیں۔ تاہم، ان نظاموں کی کارکردگی کی توثیق نہیں کی گئی ہے اور ایک دوسرے کے درمیان موازنہ کیا گیا ہے. اس تحقیق کا مقصد ایک تجربہ قائم کرنا اور ایک سے زیادہ inertiaal پیمائش یونٹس (IMUs) کے ساتھ ایک سینسر کی بنیاد پر نظام کی کارکردگی کا موازنہ کرنا ہے، مارکر کا پتہ لگانے کے ساتھ ایک نقطہ نظر کی بنیاد پر چلنے کے تجزیہ کے نظام، اور ایک نشان زد پر مبنی نقطہ نظر کی بنیاد پر نظام عام چلنے کے دوران ہپ اور گھٹنے مشترکہ زاویہ پر قبضہ کرنے پر. حاصل کردہ پیمائشوں کو زمینی سچائی کی پیمائش کے طور پر گونومیٹر سے حاصل کردہ اعداد و شمار کے ساتھ توثیق کی گئی تھی۔ نتائج سے پتہ چلتا ہے کہ آئی ایم یو پر مبنی سینسر سسٹم چھوٹی غلطیوں کے ساتھ بہترین کارکردگی فراہم کرتا ہے ، جبکہ ویژن سسٹم قدرے زیادہ غلطیوں کے ساتھ قابل قبول نتائج فراہم کرتے ہیں۔ |
0e78b20b27d27261f9ae088eb13201f2d5b185bd | خصوصیت کے انتخاب کے لئے الگورتھم دو وسیع زمروں میں آتے ہیں: لفافے جو خصوصیات کی افادیت کا اندازہ کرنے کے لئے خود سیکھنے کے الگورتھم کا استعمال کرتے ہیں اور فلٹر جو اعداد و شمار کی عمومی خصوصیات پر مبنی ہیورسٹکس کے مطابق خصوصیات کا اندازہ کرتے ہیں۔ بڑے ڈیٹا بیس پر اطلاق کے لئے ، فلٹرز نے لفافوں سے زیادہ عملی ثابت کیا ہے کیونکہ وہ بہت تیز ہیں۔ تاہم، زیادہ تر موجودہ فلٹر الگورتھم صرف مجرد درجہ بندی کے مسائل کے ساتھ کام کرتے ہیں. اس مقالے میں ایک تیز ، ارتباط پر مبنی فلٹر الگورتھم کی وضاحت کی گئی ہے جو مسلسل اور مجرد مسائل پر لاگو کیا جاسکتا ہے۔ جب الگورتھم کو نائیو بیز ، مثال پر مبنی سیکھنے ، فیصلہ کرنے والے درختوں ، مقامی طور پر وزن والے رجعت اور ماڈل درختوں کے لئے پری پروسیسنگ مرحلے کے طور پر استعمال کیا جاتا ہے تو یہ الگورتھم اکثر معروف ریلیف ایف صفات کا تخمینہ لگانے والے سے بہتر ہوتا ہے۔ یہ ریلیف ایف کے مقابلے میں زیادہ خصوصیت کا انتخاب کرتا ہے - زیادہ تر معاملات میں ڈیٹا کی جہت کو پچاس فیصد کم کرنا۔ اس کے علاوہ، پہلے سے تیار کردہ اعداد و شمار سے تعمیر کردہ فیصلے اور ماڈل درخت اکثر نمایاں طور پر چھوٹے ہوتے ہیں. |
1b65af0b2847cf6edb1461eda659f08be27bc76d | ہم لکیری ماڈل میں تخمینہ لگانے کے لئے ایک نیا طریقہ تجویز کرتے ہیں۔ لاسو مربعوں کے بقایا مجموعہ کو کم سے کم کرتا ہے بشرطیکہ ضابطوں کی مطلق قدر کا مجموعہ مستقل سے کم ہو۔ اس پابندی کی نوعیت کی وجہ سے یہ کچھ کوفیشنز کو پیدا کرنے کی کوشش کرتا ہے جو بالکل 0 ہیں اور اس طرح تشریح شدہ ماڈل دیتا ہے. ہمارے تخروپن کے مطالعے سے پتہ چلتا ہے کہ لیسسو سبسیٹ انتخاب اور ریج رجریشن دونوں میں سے کچھ سازگار خصوصیات سے لطف اندوز ہوتا ہے۔ یہ سبسیٹ انتخاب جیسے تشریح شدہ ماڈل تیار کرتا ہے اور ریج رجریشن کے استحکام کو ظاہر کرتا ہے۔ ڈونوہو اور جانسٹون کی طرف سے انکولی تقریب تخمینہ میں حالیہ کام کے ساتھ بھی ایک دلچسپ تعلق ہے. لیسسو خیال کافی عام ہے اور مختلف قسم کے شماریاتی ماڈل میں لاگو کیا جاسکتا ہے: عام رجعت ماڈل اور درخت پر مبنی ماڈل کی توسیع مختصر طور پر بیان کی گئی ہے۔ |
3a8aa4cc6142d433ff55bea8a0cb980103ea15e9 | |
75cbc0eec23375df69de6c64e2f48689dde417c5 | کم لاگت والے مائیکروسافٹ کنیکٹ سینسر کی ایجاد کے ساتھ ، اعلی ریزولوشن کی گہرائی اور بصری (آر جی بی) سینسنگ وسیع پیمانے پر استعمال کے لئے دستیاب ہوگئی ہے۔ کیینکٹ سینسر کی طرف سے فراہم کردہ گہرائی اور بصری معلومات کی تکمیل کی نوعیت کمپیوٹر ویژن میں بنیادی مسائل کو حل کرنے کے لئے نئے مواقع کھولتا ہے. یہ کاغذ حالیہ Kinect پر مبنی کمپیوٹر ویژن الگورتھم اور ایپلی کیشنز کا ایک جامع جائزہ پیش کرتا ہے۔ جائزہ لینے والے نقطہ نظر کو بصری مسائل کی قسم کے مطابق درجہ بندی کیا گیا ہے جو Kinect سینسر کے ذریعہ حل یا بڑھا سکتے ہیں. زیر بحث موضوعات میں پری پروسیسنگ ، آبجیکٹ ٹریکنگ اور شناخت ، انسانی سرگرمی تجزیہ ، ہاتھ اشاروں کا تجزیہ ، اور انڈور تھری ڈی میپنگ شامل ہیں۔ طریقوں کے ہر زمرے کے لئے، ہم ان کے اہم الگورتھممک شراکت کی وضاحت کرتے ہیں اور ان کے RGB ہم منصبوں کے مقابلے میں ان کے فوائد / اختلافات کا خلاصہ کرتے ہیں. آخر میں، ہم اس میدان میں چیلنجوں اور مستقبل کی تحقیق کے رجحانات کا جائزہ دیتے ہیں. اس کاغذ سے توقع کی جاتی ہے کہ وہ کینکٹ پر مبنی کمپیوٹر ویژن محققین کے لئے ٹیوٹوریل اور حوالہ جات کے ذریعہ کام کرے گا۔ |
aa358f4a0578234e301a305d8c5de8d859083a4c | یہ کاغذ ایک ناول بصری نمائندگی پیش کرتا ہے، آرڈرلیٹ کہا جاتا ہے، گہرائی سینسر کے ساتھ حقیقی وقت انسانی کارروائی کی شناخت کے لئے. ایک آرڈرلیٹ ایک درمیانی سطح کی خصوصیت ہے جو کم سطح کی خصوصیات کے گروپ کے درمیان آرڈینل پیٹرن کو پکڑتا ہے۔ کنکال کے لئے، ایک آرڈرلیٹ جوڑوں کے ایک گروپ کے درمیان مخصوص مقامی تعلقات پر قبضہ کرتا ہے. گہرائی کے نقشے کے لئے ، ایک آرڈرلیٹ ذیلی علاقوں کے ایک گروپ کے مابین شکل کی معلومات کے تقابلی تعلقات کی خصوصیات ہے۔ آرڈرلیٹ نمائندگی دو اچھی خصوصیات ہیں. سب سے پہلے، یہ چھوٹے شور کے لئے غیر حساس ہے کیونکہ ایک آرڈر صرف انفرادی خصوصیات کے درمیان تقابلی تعلقات پر منحصر ہے. دوسرا، یہ ایک فریم سطح کی نمائندگی ہے اس طرح حقیقی وقت آن لائن کارروائی کی شناخت کے لئے موزوں ہے. تجرباتی نتائج آن لائن کارروائی کی شناخت اور کراس ماحولیاتی کارروائی کی شناخت پر اس کی اعلی کارکردگی کا مظاہرہ کرتے ہیں. |
30f1ea3b4194dba7f957fd6bf81bcaf12dca6ff8 | شفٹ ریڈوس جیسے بڑھتے ہوئے تجزیہ کرنے والی تکنیکوں نے اپنی کارکردگی کی بدولت مقبولیت حاصل کی ہے ، لیکن ایک اہم مسئلہ باقی ہے: تلاش لالچی ہے اور صرف پوری جگہ کا ایک چھوٹا سا حصہ (بیم سرچ کے ساتھ بھی) متحرک پروگرامنگ کے برعکس تلاش کرتا ہے۔ ہم حیرت انگیز طور پر، متحرک پروگرامنگ، حقیقت میں بہت سے شفٹ کم کرنے والے پارسرز کے لئے، فیچر اقدار پر مبنی "مساوی" اسٹیکس کو ضم کرکے ممکن ہے. تجرباتی طور پر، ہمارے الگورتھم کو ایک ریاست کے آرٹ شفٹ کم انحصار تجزیہ کار کے مقابلے میں پانچ گنا تک رفتار کی پیداوار ہے درستگی میں کوئی نقصان کے ساتھ. بہتر تلاش بھی بہتر سیکھنے کی طرف جاتا ہے، اور ہمارے حتمی تجزیہ کار انگریزی اور چینی کے لئے تمام پہلے سے رپورٹ کردہ انحصار تجزیہ کاروں سے بہتر ہے، ابھی تک بہت تیز ہے. |
422d9b1a05bc33fcca4b9aa9381f46804c6132fd | کچھ سوالات کا جواب صرف مشینوں سے نہیں مل سکتا۔ اس طرح کے سوالات پر کارروائی کرنے کے لئے ڈیٹا بیس سے غائب معلومات فراہم کرنے کے لئے انسانی ان پٹ کی ضرورت ہوتی ہے، کمپیوٹنگ مشکل افعال انجام دینے کے لئے، اور مبہم معیار پر مبنی نتائج کو ملنے، درجہ بندی یا مجموعی کرنے کے لئے. CrowdDB ان سوالات پر عملدرآمد کے لئے بھیڑ سورسنگ کے ذریعہ انسانی ان پٹ کا استعمال کرتا ہے جن کا ڈیٹا بیس سسٹم یا سرچ انجن مناسب طریقے سے جواب نہیں دے سکتے ہیں۔ یہ پیچیدہ سوالات اور ماڈلنگ کے اعداد و شمار کے لئے ایک طریقہ کے طور پر دونوں کے لئے ایک زبان کے طور پر SQL استعمال کرتا ہے. اگرچہ کراؤڈ ڈی بی روایتی ڈیٹا بیس سسٹم کے بہت سے پہلوؤں کو فائدہ اٹھاتا ہے ، لیکن اس میں اہم اختلافات بھی ہیں۔ تصوراتی طور پر ، ایک بڑی تبدیلی یہ ہے کہ استفسار پروسیسنگ کے لئے روایتی بند دنیا کی مفروضہ انسانی ان پٹ کے لئے نہیں رکھتا ہے۔ عمل درآمد کے نقطہ نظر سے ، کراس سورسڈ ڈیٹا کو طلب کرنے ، ضم کرنے اور صاف کرنے کے لئے انسانی پر مبنی استفسار آپریٹرز کی ضرورت ہے۔ اس کے علاوہ، کارکردگی اور لاگت کارکنوں کی وابستگی، تربیت، تھکاوٹ، حوصلہ افزائی اور مقام سمیت کئی نئے عوامل پر منحصر ہے. ہم کراس ڈی بی کے ڈیزائن کی وضاحت کرتے ہیں ، ایمیزون مکینیکل ترک کا استعمال کرتے ہوئے تجربات کے ابتدائی سیٹ پر رپورٹ کرتے ہیں ، اور کراس سورسڈ استفسار پروسیسنگ سسٹم کی ترقی میں مستقبل کے کام کے لئے اہم راستوں کی خاکہ پیش کرتے ہیں۔ |
edc2e4e6308d7dfce586cb8a4441c704f8f8d41b | اس کاغذ میں، ہم نے ایک اوسط افعال کی تقسیم کم سے کم کرنے کے لئے دو نئے مواصلات موثر طریقوں کو پیش. پہلا الگورتھم DANE الگورتھم کا ایک غیر درست متغیر ہے [20] جو کسی بھی مقامی الگورتھم کو مقامی ذیلی مسئلے کا تخمینہ حل واپس کرنے کی اجازت دیتا ہے۔ ہم اس طرح کی حکمت عملی DANE کے نظریاتی ضمانتوں پر نمایاں طور پر اثر انداز نہیں ہوتا کہ دکھاتے ہیں. دراصل، ہمارے نقطہ نظر ایک مضبوطی کی حکمت عملی کے طور پر دیکھا جا سکتا ہے کیونکہ طریقہ کار عملی طور پر پیدا ہونے والے ڈیٹا کی تقسیم پر DANE سے نمایاں طور پر بہتر ہے. یہ اچھی طرح سے جانا جاتا ہے کہ DANE الگورتھم مواصلات پیچیدگی نچلے حدود سے مطابقت نہیں رکھتا. اس خلا کو ختم کرنے کے لئے، ہم پہلے طریقہ کار کا ایک تیز رفتار متغیر تجویز کرتے ہیں، جسے AIDE کہا جاتا ہے، جو نہ صرف مواصلات کی نچلی حدوں سے ملتا ہے بلکہ خالص طور پر پہلے آرڈر کے اوریکل کا استعمال کرتے ہوئے بھی لاگو کیا جا سکتا ہے. ہمارے تجرباتی نتائج سے پتہ چلتا ہے کہ مشین لرننگ ایپلی کیشنز میں قدرتی طور پر پیدا ہونے والی ترتیبات میں AIDE دیگر مواصلات کے موثر الگورتھم سے بہتر ہے۔ |
c677166592b505b80a487fb88ac5a6996fc47d71 | اس مقالے میں بڑے پیمانے پر پیچیدہ نظاموں کے وکندریقرت کنٹرول کے شعبے میں ماضی اور موجودہ نتائج کا جائزہ لیا گیا ہے۔ اس میں غیر مرکزیت، تحلیل اور مضبوطی پر زور دیا گیا ہے۔ یہ طریقہ کار بڑے پیمانے پر پیچیدہ نظاموں میں پیدا ہونے والی مخصوص مشکلات جیسے اعلی جہتی ، معلومات کے ڈھانچے کی رکاوٹوں ، غیر یقینی صورتحال اور تاخیر پر قابو پانے کے لئے موثر ٹولز کے طور پر کام کرتے ہیں۔ اس مواد میں مستقبل کی تحقیق کے لئے کئی ممکنہ موضوعات متعارف کرایا جاتا ہے. جائزہ انٹرکنکٹ متحرک نظام میں حالیہ تحلیل کے طریقوں پر توجہ مرکوز کی گئی ہے کیونکہ ان کی صلاحیت نیٹ ورک کنٹرول سسٹم میں غیر مرکزی کنٹرول کی توسیع فراہم کرنے میں ہے۔ # 2008 ایلسیویئر لمیٹڈ تمام حقوق محفوظ ہیں. |
0debd1c0b73fc79dc7a64431b8b6a1fe21dcd9f7 | خصوصیت کا انتخاب درجہ بندی کی درستگی کو بہتر بنا سکتا ہے اور درجہ بندی کی کمپیوٹیشنل پیچیدگی کو کم کرسکتا ہے۔ انٹروژن کا پتہ لگانے کے نظام (آئی ڈی ایس) میں ڈیٹا کی خصوصیات ہمیشہ عدم توازن کی درجہ بندی کا مسئلہ پیش کرتی ہیں جس میں کچھ درجہ بندی میں صرف چند مثالیں ہوتی ہیں جبکہ دوسروں میں بہت سے مثالیں ہوتی ہیں۔ یہ عدم توازن ظاہر ہے درجہ بندی کی کارکردگی کو محدود کر سکتے ہیں، لیکن اس سے نمٹنے کے لئے بہت کم کوششیں کی گئی ہیں. اس مقالے میں ، IDS میں خصوصیت کے انتخاب کے لئے متعدد مقصد کے مسئلے کے لئے ایک اسکیم تجویز کی گئی ہے ، جو آبادی کے ارتقاء کے لئے دو حکمت عملیوں ، یعنی ، ایک خصوصی تسلط کے طریقہ کار اور پہلے سے طے شدہ متعدد ھدف شدہ تلاش کا استعمال کرتی ہے۔ یہ ٹریفک کو نہ صرف نارمل اور غیر نارمل کے درمیان بلکہ غیر نارمل کی قسم کے لحاظ سے بھی فرق کر سکتا ہے۔ ہماری اسکیم کی بنیاد پر، NSGA-III اچھی کارکردگی کے ساتھ مناسب خصوصیت ذیلی سیٹ حاصل کرنے کے لئے استعمال کیا جاتا ہے. ایک بہتر بہت سے مقصد کی اصلاح الگورتھم (I-NSGA-III) ایک ناول طاق تحفظ کے طریقہ کار کا استعمال کرتے ہوئے مزید تجویز کیا جاتا ہے. یہ ایک تعصب انتخاب کے عمل سے بنا ہے جو کم سے کم منتخب خصوصیات کے ساتھ فرد کو منتخب کرتا ہے اور ایک فٹ انتخاب کے عمل میں جو اس کے مقاصد کے زیادہ سے زیادہ مجموعی وزن کے ساتھ فرد کو منتخب کرتا ہے. تجرباتی نتائج سے پتہ چلتا ہے کہ I-NSGA-III کم مثالوں والے کلاسوں کے لئے اعلی درجہ بندی کی درستگی کے ساتھ عدم توازن کے مسئلے کو کم کرسکتا ہے۔ اس کے علاوہ، یہ اعلی درجہ بندی کی درستگی اور کم کمپیوٹیشنل پیچیدگی دونوں حاصل کر سکتا ہے. © 2016 Elsevier B.V. کی طرف سے شائع. |
5a4a53339068eebd1544b9f430098f2f132f641b | گہرے پوشیدہ متغیر ماڈل اعلی جہتی اعداد و شمار کی نمائندگی کو بغیر کسی نگرانی کے سیکھتے ہیں۔ حالیہ کوششوں کی ایک بڑی تعداد میں سیکھنے کی نمائندگی پر توجہ دی گئی ہے جو مختلف حالتوں کے اعداد و شمار سے آزاد محوروں کو بے نقاب کرتی ہے ، اکثر مقصد کے فنکشن میں مناسب ترمیم متعارف کروا کر۔ ہم ادبیات کے اس بڑھتے ہوئے جسم کو جامع طور پر ثبوت کی نچلی حد کی تشکیل کرتے ہیں جو واضح طور پر پوشیدہ کوڈ کی کمزوری ، نمائندگیوں کی بائیجیکٹیویٹی ، اور تجرباتی ڈیٹا کی تقسیم کی حمایت کی کوریج کے مابین تجارت کو ظاہر کرتا ہے۔ ہمارا مقصد بھی مناسب ہے سیکھنے کے لئے درجہ بندی کی نمائندگی ہے کہ بلاک کے اندر اندر correlations کی کچھ ڈگری کے لئے اجازت دیتے ہوئے متغیرات کے بلاکس disentangle. ڈیٹا سیٹ کی ایک رینج پر تجربات سے پتہ چلتا ہے کہ سیکھنے والی نمائندگی میں تشریح کی خصوصیات شامل ہیں، الگ الگ صفات سیکھنے کے قابل ہیں، اور عوامل کے غیر معمولی مجموعوں کو عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر عام طور پر |
4b19be501b279b7d80d94b2d9d986bf4f8ab4ede | |
8ba965f138c1178aef09da3781765e300c325f3d | الیکٹرومیوگرافی یا ای ایم جی سگنل ایک بہت چھوٹا سگنل ہے۔ اس کو ڈسپلے کے مقصد یا مزید تجزیہ کے عمل کے لئے بڑھانے کے لئے ایک نظام کی ضرورت ہے۔ اس کاغذ دو چینل ان پٹ کے ساتھ کم لاگت فزیوتھراپی EMG سگنل حصول کے نظام کی ترقی پیش کرتا ہے. حصول کے نظام میں، دونوں ان پٹ سگنل ایک تفریق یمپلیفائر کے ساتھ بڑھا رہے ہیں اور EMG سگنل کے لکیری لفافہ حاصل کرنے کے لئے سگنل پری پروسیسنگ سے گزر رہے ہیں. حاصل شدہ EMG سگنل کو ڈیجیٹل کیا جاتا ہے اور کمپیوٹر میں بھیج دیا جاتا ہے تاکہ اس کا نقشہ بنایا جا سکے۔ |
01413e1fc981a8c041dc236dcee64790e2239a36 | مشین لرننگ میں بہت سے مختلف قسم کے مسائل ، بشمول نمونہ کلسٹرنگ ، دستاویز کا خلاصہ ، اور سینسر کی جگہ ، کو محدود سب ماڈیولر میکسمائزیشن کے مسائل کے طور پر پیش کیا جاسکتا ہے۔ ان مسائل کے لئے تقسیم الگورتھم کی ترقی کے لئے بہت سے حالیہ کوششوں کو وقف کیا گیا ہے. تاہم، یہ نتائج راؤنڈ کی اعلی تعداد، سب سے زیادہ سے زیادہ تخمینہ تناسب، یا دونوں سے متاثر ہوتے ہیں. ہم ترتیب ترتیب میں موجودہ الگورتھم کو تقسیم شدہ ترتیب میں لانے کے لئے ایک فریم ورک تیار کرتے ہیں ، جو صرف میپ ریڈوس راؤنڈ کی مستقل تعداد میں بہت سی ترتیبات کے لئے قریب سے زیادہ سے زیادہ تخمینہ تناسب حاصل کرتا ہے۔ ہماری تکنیک بھی ایک matroid پابندی کے تابع غیر monotone maximization کے لئے ایک تیز ترتیب الگورتھم دے. |
0451c923703472b6c20ff11185001f24b76c48e3 | نیٹ ورک اور تعاون روبوٹ کے لئے ابھرتی ہوئی ایپلی کیشنز ایجنٹوں کے گروپوں کے لئے تحریک کوآرڈینیشن کے مطالعہ کی حوصلہ افزائی. مثال کے طور پر، یہ تصور کیا جاتا ہے کہ ایجنٹوں کے گروپوں کو نگرانی، تلاش، اور ماحولیاتی نگرانی سمیت مختلف مفید کاموں کو انجام دیں گے. یہ کاغذ موبائل ایجنٹوں کے مابین بنیادی تعاملات سے متعلق ہے جیسے قریب ترین دوسرے ایجنٹ سے دور ہوجائیں یا اپنے ہی ورونائی کثیرالاضلاع کے دور ترین چوٹی کی طرف بڑھیں۔ یہ آسان تعاملات تقسیم شدہ متحرک نظاموں کے برابر ہیں کیونکہ ان کے نفاذ کے لئے پڑوسی ایجنٹوں کے بارے میں صرف کم سے کم معلومات کی ضرورت ہوتی ہے۔ ہم ان تقسیم متحرک نظام اور ڈسک کا احاطہ اور گیند پیکجنگ لاگت افعال کے درمیان قریبی تعلقات کی خصوصیات جیومیٹرک اصلاح سے. ہمارے اہم نتائج یہ ہیں: (i) ہم ان ہندسی لاگت افعال کی ہموار خصوصیات کی خصوصیات ، (ii) ہم یہ ظاہر کرتے ہیں کہ تعامل کے قوانین لاگت افعال کے غیر ہموار گرڈینٹ کی تغیرات ہیں ، اور (iii) ہم قوانین کی مختلف غیر متزلزل تقارب خصوصیات قائم کرتے ہیں۔ تکنیکی نقطہ نظر کمپیوٹیشنل جیومیٹری، غیر ہموار تجزیہ، اور غیر ہموار استحکام کے نظریہ سے تصورات پر منحصر ہے. |
0a37a647a2f8464379a1fe327f93561c90d91405 | حالیہ ترقی نے جزوی طور پر حکم دیا، جزوی طور پر مخصوص اقدامات کے سلسلے کو جنم دینے کے عمل کو واضح کیا ہے جس کی پھانسی ایک ایجنٹ کا مقصد حاصل کرے گی. اس کاغذ میں کم سے کم عزم کے منصوبہ سازوں کی ترقی کا خلاصہ کیا گیا ہے ، جس سے شروع ہوتا ہے جو سادہ سٹرپس کی نمائندگی کو سنبھالتا ہے ، اور اس کے ساتھ ختم ہوتا ہے جو متحرک کائنات پر ڈسجنکٹیو پیشگی شرط ، مشروط اثرات اور عالمگیر مقدار کے ساتھ اقدامات کا انتظام کرتا ہے۔ راستے میں ہم وضاحت کرتے ہیں کہ چپمن کی موڈل سچائی معیار کی تشکیل کس طرح گمراہ کن ہے اور کیوں اس کے NP-مکمل نتیجہ مشروط اثرات کے ساتھ منصوبوں کے بارے میں استدلال کرنے کے لئے ہمارے منصوبہ ساز پر لاگو نہیں ہوتا ہے۔ 1 میں فرانز امادور ، ٹونی بیریٹ ، ڈیرن کرونکوسٹ ، ڈینس ڈریپر ، ارنی ڈیوس ، اورین ایٹزیونی ، نورٹ فولر ، راؤ کمبھمپتی ، کریگ نوبلاک ، نک کوشمیریک ، نیل لیش ، کیرن لوچبوم ، ڈریو میک ڈرمٹ ، رمیش پٹیل ، کیری پولی ، ینگ سن ، آسٹن ٹیٹ اور مائیک ولیمسن کا مفید تبصروں کے لئے شکریہ ادا کرتا ہوں ، لیکن غلطیوں کی مکمل ذمہ داری برقرار رکھتی ہوں۔ اس تحقیق کو جزوی طور پر نیول ریسرچ گرانٹ 90-J-1904 اور نیشنل سائنس فاؤنڈیشن گرانٹ IRI-8957302 کی طرف سے فنڈ کیا گیا تھا |
63f97f3b4808baeb3b16b68fcfdb0c786868baba | اس کاغذ میں ایک پیراولک لینس اور ایک ویو گائیڈ اڈاپٹر سے لیس ایک براڈبینڈ ڈبل رڈج ہارن اینٹینا کے ڈیزائن ، تیاری اور خصوصیات سمیت ڈیزائن کا پورا سائیکل پیش کیا گیا ہے۔ پیش کردہ کام کا ایک اہم مقصد 18-40 گیگا ہرٹز فریکوئنسی رینج میں مرکزی تابکاری لوب کے اندر ایک فلیٹ مرحلے کی خصوصیت کے ساتھ اعلی سمت حاصل کرنا تھا ، تاکہ اینٹینا کو فری اسپیس میٹریل کی خصوصیات کے سیٹ اپ میں لاگو کیا جاسکے۔ |
c5151f18c2499f1d95522536f167f2fcf75f647f | اگلی نسل کے غیر متوازن وائرلیس نیٹ ورکس میں ، ایک ملٹی انٹرفیس ٹرمینل والا صارف مختلف ٹیکنالوجیز کا استعمال کرتے ہوئے مختلف سروس فراہم کرنے والوں سے نیٹ ورک تک رسائی حاصل کرسکتا ہے۔ یہ خیال کیا جاتا ہے کہ ہینڈ آؤٹ کا فیصلہ متعدد معیارات کے ساتھ ساتھ صارف کی ترجیح پر مبنی ہے. ہینڈ اوور فیصلے کے مسئلے کو حل کرنے کے لئے مختلف نقطہ نظر کی تجویز کی گئی ہے، لیکن فیصلہ کے طریقہ کار کا انتخاب صوابدیدی لگتا ہے اور کچھ طریقوں سے بھی متنازعہ نتائج ملتے ہیں. اس دستاویز میں، ایک نئی ہینڈ آؤٹ کے معیار کو ایک نئی ہینڈ آؤٹ کے فیصلے کی حکمت عملی کے ساتھ ساتھ متعارف کرایا جاتا ہے. اس کے علاوہ، ہینڈ اوور فیصلہ ہمیں ایک مبہم متعدد وصف فیصلہ سازی (MADM) مسئلہ کی نشاندہی کی جاتی ہے، اور مبہم منطق کچھ معیار اور صارف کی ترجیح کی غیر درست معلومات سے نمٹنے کے لئے لاگو کیا جاتا ہے. مختلف فجی MADM طریقوں کے منظم تجزیہ کے بعد، ایک قابل عمل نقطہ نظر پیش کیا جاتا ہے. آخر میں، تجویز کردہ طریقوں کی وضاحت کرنے والے مثالیں فراہم کی جاتی ہیں اور طریقوں کی حساسیت کا تجزیہ بھی کیا جاتا ہے. |
e321ab5d7a98e18253ed7874946a229a10e40f26 | درجہ بندی کی کارکردگی اور درستگی کو براہ راست خصوصیت کے انتخاب کے نتیجے سے متاثر کیا جاتا ہے. ایک کلاس ایف اسکور فیچر سلیکشن اور بہتر ایف اسکور فیچر سلیکشن اور جینیاتی الگورتھم کی بنیاد پر ، مشین لرننگ کے طریقوں جیسے کے قریب ترین پڑوسی ، سپورٹ ویکٹر مشین ، رینڈم فارسٹ ، نائیو بیز ، کے ساتھ مل کر ایک ہائبرڈ فیچر سلیکشن الگورتھم کی تجویز کی گئی ہے جس میں دو درجہ بندی کے غیر متوازن ڈیٹا کے مسئلے اور کثیر درجہ بندی کے مسئلے پر کارروائی کی جائے۔ روایتی مشین لرننگ الگورتھم کے مقابلے میں ، یہ وسیع تر خصوصیت کی جگہ میں تلاش کرسکتا ہے اور درجہ بندی کو غیر متوازن ڈیٹا سیٹوں کی خصوصیات سے نمٹنے کے لئے حوصلہ افزائی کرسکتا ہے جو غیر متوازن درجہ بندی کے مسئلے کو بہتر طور پر سنبھال سکتا ہے۔ تجربے کے نتائج سے پتہ چلتا ہے کہ دو درجہ بندی کے لئے ریسیور آپریٹنگ خصوصیت منحنی کے تحت علاقے اور کثیر درجہ بندی کے مسئلے کے لئے درستگی کی شرح دوسرے ماڈل کے مقابلے میں بہتر کیا گیا ہے |
08fddf1865e48a1adc21d4875396a754711f0a28 | متن کی درجہ بندی کے لئے مشین لرننگ دستاویز کی درجہ بندی، خبروں کی فلٹرنگ، دستاویز روٹنگ، اور ذاتی نوعیت کا بنیادی پتھر ہے. متن کے شعبوں میں، مؤثر خصوصیت انتخاب سیکھنے کے کام کو موثر اور زیادہ درست بنانے کے لئے ضروری ہے. یہ کاغذ بارہ خصوصیت انتخاب کے طریقوں کا ایک تجرباتی موازنہ پیش کرتا ہے (مثال کے طور پر . معلومات حاصل) 229 متن کی درجہ بندی کے مسئلے کے مقدمات کے ایک معیار پر اندازہ کیا گیا تھا جو ہم نے رائٹرز، TREC، OHSUMED، وغیرہ سے جمع کیا تھا. نتائج کا تجزیہ متعدد اہداف کے لحاظ سے کیا جاتا ہے- درستگی، ایف پیمائش، صحت سے متعلق، اور یاد رکھنا- چونکہ ہر ایک مختلف حالات میں مناسب ہے. نتائج سے پتہ چلتا ہے کہ ایک نئی خصوصیت انتخاب طریقہ ہم کہتے ہیں "Bi-نورمل علیحدگی" (BNS) ، ایک اہم مارجن کی طرف سے زیادہ تر حالات میں دوسروں سے بہتر کارکردگی کا مظاہرہ کیا. یہ مارجن اعلی کلاس ٹیڑھی کے ساتھ کاموں میں وسیع، جس میں متن کی درجہ بندی کے مسائل میں rampant ہے اور خاص طور پر حصول الگورتھم کے لئے چیلنج ہے. ایک نیا تشخیصی طریقہ کار پیش کیا جاتا ہے جو ڈیٹا مائننگ پریکٹیشنر کی ضروریات پر توجہ مرکوز کرتا ہے جو ایک ہی ڈیٹا سیٹ کا سامنا کرتا ہے جو ایک (یا جوڑی) میٹرکس کا انتخاب کرنا چاہتا ہے جس میں بہترین کارکردگی کا امکان زیادہ ہوتا ہے۔ اس نقطہ نظر سے، بی این ایس صحت سے متعلق تمام مقاصد کے لئے سب سے اوپر واحد انتخاب تھا، جس کے لئے معلومات کے حصول نے اکثر سب سے بہتر نتیجہ حاصل کیا. اس تجزیہ سے یہ بھی پتہ چلا ہے کہ، مثال کے طور پر، انفارمیٹی پر فائدہ اور چی اسکوائر میں متعلقہ ناکامی ہے، اور اس وجہ سے وہ ایک ساتھ ساتھ کام کرتے ہیں. چار کارکردگی کے اہداف میں سے ہر ایک کے لئے میٹرکس کے بہترین جوڑے کو تلاش کرتے وقت ، بی این ایس مستقل طور پر جوڑے کا ایک رکن ہوتا ہے - مثال کے طور پر ، سب سے زیادہ یاد کے لئے ، جوڑی بی این ایس + ایف 1 - اقدام نے سب سے زیادہ تعداد میں کاموں پر کافی حد تک بہترین کارکردگی کا مظاہرہ کیا۔ |
32352a889360e365fa242ad3040ccd6c54131d47 | |
7857cdf46d312af4bb8854bd127e5c0b4268f90c | مسلسل کنڈکشن موڈ (سی سی ایم) میں کام کرنے والے بوسٹ پاور فیکٹر اصلاح (پی ایف سی) کنورٹر کا متحرک جواب وولٹیج کنٹرول لوپ کی کم بینڈوتھ سے بہت زیادہ متاثر ہوتا ہے۔ اس کاغذ میں ایک ناول تین ریاست فروغ پی ایف سی کنورٹر پیسوڈو مسلسل کنڈکشن موڈ (پی سی سی ایم) میں کام کرنے کی تجویز کی گئی ہے۔ ایک اضافی ڈگری کنٹرول آزادی ایک freewheeling سوئچنگ کنٹرول وقفہ کی طرف سے متعارف کرایا PFC کنٹرول حاصل کرنے میں مدد ملتی ہے. ایک سادہ اور تیز وولٹیج کنٹرول لوپ مسلسل آؤٹ پٹ وولٹیج کو برقرار رکھنے کے لئے استعمال کیا جا سکتا ہے. اس کے علاوہ، روایتی متضاد موڈ (ڈی سی ایم) میں کام کرنے والے فروغ پی ایف سی کنورٹر کے مقابلے میں، پی سی سی ایم میں کام کرنے والے فروغ پی ایف سی کنورٹر کو موجودہ اور وولٹیج کی لہر کو کم کرنے کے ساتھ موجودہ ہینڈلنگ کی صلاحیت میں بہتری کا مظاہرہ کیا جاتا ہے. تجزیاتی اور تخروپن کے نتائج کی پیشکش کی گئی ہے اور روایتی CCM اور DCM میں کام کرنے والے فروغ PFC کنورٹر کے ساتھ موازنہ کیا گیا ہے. تخروپن کے نتائج تین ریاستوں کو فروغ دینے کے پی ایف سی کنورٹر کی بہترین متحرک کارکردگی کو ظاہر کرتے ہیں. |
8629cebb7c574adf40d71d41389f340804c8c81f | اس مضمون میں 1890 کی دہائی میں ووکیٹیچ اور ہنری کے ابتدائی فنگر پرنٹ کی درجہ بندی کے نظام سے لے کر خودکار فنگر پرنٹ کی شناخت تک افراد کی شناخت کے لئے فنگر پرنٹ کے نمونوں کو استعمال کرنے کی کوششوں کی تاریخ میں اہم پیشرفتوں کا خلاصہ کیا گیا ہے۔ فنگر پرنٹس کی ریکارڈنگ، اسٹوریج، میچنگ اور ریٹریونگ کے لیے مینوئل سسٹم کی تاریخ بیان کرتے ہوئے مضمون میں فنگر پرنٹس کی خودکار شناخت میں ہونے والی پیشرفت کو تاریخی تناظر میں رکھا گیا ہے اور ان کی تاریخی اور سماجی اہمیت کو اجاگر کیا گیا ہے۔ |
7d9089cbe958da21cbd943bdbcb996f4499e701b | دستاویز کی سطح پر جذبات کی درجہ بندی ایک چیلنج ہے: کسی دستاویز کے معنوی معنی میں جملوں کے مابین اندرونی تعلقات کو کوڈ کرنا۔ اس کو حل کرنے کے لئے، ہم ایک نیورل نیٹ ورک ماڈل متعارف کرانے کے لئے ایک متحد، نیچے سے اوپر کے انداز میں ویکٹر کی بنیاد پر دستاویز کی نمائندگی سیکھنے کے لئے. ماڈل سب سے پہلے جملے کی نمائندگی سیکھتا ہے جو کہ کنولوشنل نیورل نیٹ ورک یا طویل مدتی میموری کے ساتھ ہوتا ہے۔ اس کے بعد، جملے کے معنی اور ان کے تعلقات کو گیٹڈ بار بار چلنے والے نیورل نیٹ ورک کے ساتھ دستاویز کی نمائندگی میں انکولی طور پر انکوڈ کیا جاتا ہے. ہم آئی ایم ڈی بی اور ییلپ ڈیٹا سیٹ چیلنج سے چار بڑے پیمانے پر جائزہ ڈیٹا سیٹ پر دستاویز کی سطح پر جذبات کی درجہ بندی کرتے ہیں۔ تجرباتی نتائج سے پتہ چلتا ہے کہ: (1) ہمارے نیورل ماڈل کئی ریاستی آرٹ الگورتھموں پر اعلی کارکردگی کا مظاہرہ کرتا ہے؛ (2) گیٹڈ بار بار چلنے والے نیورل نیٹ ورک جذبات کی درجہ بندی کے لئے دستاویز ماڈلنگ میں معیاری بار بار چلنے والے نیورل نیٹ ورک کو ڈرامائی طور پر بہتر بناتا ہے۔ |
b294b61f0b755383072ab332061f45305e0c12a1 | ہم ایک نگرانی کے کام میں کارکردگی کو بہتر بنانے کے لئے موجودہ معنوی لفظ ویکٹر کو دوبارہ استعمال کرنے کے لئے ایک تیز طریقہ پیش کرتے ہیں. حال ہی میں، کمپیوٹنگ وسائل میں اضافے کے ساتھ، یہ نامعلوم اعداد و شمار کی بھاری مقدار سے امیر لفظ embeddings سیکھنے کے لئے ممکن ہو گیا. تاہم، کچھ طریقوں کو اچھی طرح سے شامل کرنے کے لئے سیکھنے کے لئے دن یا ہفتوں لگتے ہیں، اور کچھ مشہور طور پر تربیت دینے کے لئے مشکل ہیں. ہم ایک طریقہ تجویز کرتے ہیں جو موجودہ ایمبیڈمنٹ کو ان پٹ کے طور پر لیتا ہے ، کچھ لیبل والے ڈیٹا ، اور اسی جگہ میں ایمبیڈمنٹ تیار کرتا ہے ، لیکن نگرانی والے کام میں بہتر پیش گوئی کی کارکردگی کے ساتھ۔ ہم نے کئی بیس لائنوں کے حوالے سے جذبات کی درجہ بندی کے کام میں بہتری دکھائی ہے، اور مشاہدہ کیا ہے کہ جب تربیت سیٹ کافی چھوٹا ہے تو نقطہ نظر سب سے زیادہ مفید ہے. |
4a27709545cfa225d8983fb4df8061fb205b9116 | ہم نے ایک ڈیٹا کان کنی (ڈی ایم) نقطہ نظر کی تجویز پیش کی ہے کہ بینک طویل مدتی ذخائر فروخت کرنے کے لئے ٹیلی مارکیٹنگ کالوں کی کامیابی کی پیش گوئی کی جائے۔ ایک پرتگالی خوردہ بینک سے خطاب کیا گیا تھا، 2008 سے 2013 تک جمع کردہ اعداد و شمار کے ساتھ، اس طرح حالیہ مالیاتی بحران کے اثرات بھی شامل ہیں. ہم نے 150 خصوصیات کا ایک بڑا مجموعہ تجزیہ کیا جو بینک کے کلائنٹ، مصنوعات اور سماجی و اقتصادی خصوصیات سے متعلق ہیں۔ ایک نیم خود کار طریقے سے خصوصیت انتخاب ماڈلنگ مرحلے میں دریافت کیا گیا تھا، جولائی 2012 سے پہلے کے اعداد و شمار کے ساتھ کارکردگی کا مظاہرہ کیا اور اس سے 22 خصوصیات کا ایک کم سیٹ منتخب کرنے کی اجازت دی گئی. ہم نے چار ڈی ایم ماڈل کا بھی موازنہ کیا: لاجسٹک رجعت ، فیصلہ درخت (ڈی ٹی) ، نیورل نیٹ ورک (این این) اور سپورٹ ویکٹر مشین۔ دو میٹرکس، ریسیور آپریٹنگ خصوصیت منحنی (AUC) اور LIFT مجموعی منحنی (ALIFT) کے علاقے کا استعمال کرتے ہوئے، چار ماڈل کو ایک تشخیصی مرحلے پر تجربہ کیا گیا تھا، جو تازہ ترین اعداد و شمار (جولائی 2012 کے بعد) اور رولنگ ونڈوز سکیم کا استعمال کرتے ہوئے. این این نے بہترین نتائج (اے یو سی = 0.8 اور ایل آئی ایف ٹی = 0.7) پیش کیے ، جس سے نصف بہتر درجہ بندی والے مؤکلوں کا انتخاب کرکے 79٪ صارفین تک پہنچنے کی اجازت دی گئی۔ اس کے علاوہ، دو علم نکالنے کے طریقوں، ایک حساسیت تجزیہ اور ایک ڈی ٹی، NN ماڈل پر لاگو کیا گیا تھا اور کئی اہم صفات (مثال کے طور پر، یوروبور کی شرح، کال کی سمت اور بینک ایجنٹ کے تجربے) کا انکشاف کیا گیا تھا. اس طرح کے علم کی کھدائی نے حاصل کردہ ماڈل کو ٹیلی مارکیٹنگ مہم کے مینیجرز کے لئے قابل اعتماد اور قیمتی قرار دیا. پریپرنٹ Elsevier کو 19 فروری 2014 کو پیش کیا گیا تھا |
138c86b9283e4f26ff1583acdf4e51a5f88ccad1 | مختلف اشیاء کے ساتھ بات چیت کرنے والے انسانوں کی تصاویر اور ویڈیوز کی تشریح ایک مشکل کام ہے۔ اس میں منظر یا واقعہ کو سمجھنا، انسانی حرکتوں کا تجزیہ کرنا، قابل عمل اشیاء کو پہچاننا، اور ان اشیاء پر انسانی تحریک کے اثر کا مشاہدہ کرنا شامل ہے۔ اگرچہ ان میں سے ہر ایک ادراکاتی کام آزادانہ طور پر انجام دیا جاسکتا ہے ، جب ان کے مابین تعامل پر غور کیا جاتا ہے تو شناخت کی شرح میں بہتری آتی ہے۔ انسانی ادراک کے نفسیاتی مطالعات سے حوصلہ افزائی کرتے ہوئے ، ہم ایک بیسیئن نقطہ نظر پیش کرتے ہیں جو انسان اور اعتراض کے تعامل کو سمجھنے میں شامل مختلف ادراکاتی کاموں کو مربوط کرتا ہے۔ اعتراض اور کارروائی کی شناخت کے لئے سابقہ نقطہ نظر بالترتیب جامد شکل یا ظاہری شکل کی خصوصیت سے مماثل اور تحریک تجزیہ پر انحصار کرتے ہیں۔ ہمارا نقطہ نظر ان روایتی نقطہ نظر سے باہر جاتا ہے اور مربوط معنوی تشریح کے لئے ہر ایک ادراک عناصر پر مقامی اور فعال پابندیاں لاگو کرتا ہے. اس طرح کی پابندیاں ہمیں اشیاء اور اعمال کو پہچاننے کی اجازت دیتی ہیں جب ظاہری شکل کافی حد تک امتیازی نہیں ہے۔ ہم بھی اس طرح کی پابندیوں کے استعمال کا مظاہرہ کرتے ہیں بغیر کسی حرکت کی معلومات کا استعمال کرتے ہوئے جامد تصاویر سے کارروائیوں کی شناخت میں۔ |
321f14b35975b3800de5e66da64dee96071603d9 | بہت سے مشین لرننگ ایپلی کیشنز میں فیچر کا انتخاب ایک اہم جزو ہے۔ خاص طور پر بہت سے بائیو انفارمیٹکس کے کاموں میں، موثر اور مضبوط خصوصیت کے انتخاب کے طریقوں کو معنی خیز خصوصیات کو نکالنے اور شور کو ختم کرنے کے لئے مطلوب ہے. اس کاغذ میں، ہم نے نقصان تقریب اور باقاعدگی دونوں پر مشترکہ ≠2,1-نارم کم سے کم کرنے پر زور دینے کے ساتھ ایک نئی مضبوط خصوصیت انتخاب کے طریقہ کار کی تجویز. ∀2,1-نارم کی بنیاد پر نقصان تقریب ڈیٹا پوائنٹس میں outliers کے لئے مضبوط ہے اور ∀2,1norm باقاعدگی سے مشترکہ sparsity کے ساتھ تمام ڈیٹا پوائنٹس بھر میں خصوصیات کا انتخاب کرتا ہے. ایک موثر الگورتھم ثابت کنورجنس کے ساتھ متعارف کرایا جاتا ہے. ہمارے رجعت پر مبنی مقصد خصوصیت کے انتخاب کے عمل کو زیادہ موثر بناتا ہے. ہمارے طریقہ کار کو جینومک اور پروٹومک بائیو مارکرز دونوں دریافت میں لاگو کیا گیا ہے۔ ہمارے خصوصیت انتخاب کے طریقہ کار کی کارکردگی کا مظاہرہ کرنے کے لئے چھ اعداد و شمار کے سیٹ پر وسیع تجرباتی مطالعہ کئے جاتے ہیں. |
9b505dd5459fb28f0136d3c63793b600042e6a94 | ہم ملٹی میڈیا مواد کے تجزیہ اور بازیافت کے لئے ایک نیا فریم ورک پیش کرتے ہیں جس میں دو آزاد الگورتھم شامل ہیں۔ سب سے پہلے، ہم ایک نئے نیم نگرانی الگورتھم کی تجویز کرتے ہیں جسے مقامی ریگریشن اور گلوبل سیدھ (LRGA) کے ساتھ درجہ بندی کہا جاتا ہے تاکہ ڈیٹا کی درجہ بندی کے لئے ایک مضبوط لیپلیسیئن میٹرکس سیکھیں۔ LRGA میں ، ہر ڈیٹا پوائنٹ کے لئے ، اس کے ہمسایہ پوائنٹس کے درجہ بندی کے اسکور کی پیش گوئی کرنے کے لئے ایک مقامی لکیری رجعت ماڈل استعمال کیا جاتا ہے۔ اس کے بعد ایک متحد مقصد کی تقریب کو عالمی طور پر تمام اعداد و شمار کے پوائنٹس سے مقامی ماڈل کو سیدھ میں لانے کی تجویز کی گئی ہے تاکہ ہر ڈیٹا پوائنٹ کو ایک بہترین درجہ بندی کا سکور تفویض کیا جاسکے۔ دوسرا، ہم ایک نیم نگرانی طویل مدتی مطابقت فیڈ بیک (آر ایف) الگورتھم کی تجویز کرتے ہیں تاکہ ملٹی میڈیا ڈیٹا کی نمائندگی کو بہتر بنایا جاسکے۔ مجوزہ طویل مدتی آر ایف الگورتھم ملٹی میڈیا فیچر اسپیس میں ملٹی میڈیا ڈیٹا کی تقسیم اور صارفین کے ذریعہ فراہم کردہ تاریخ آر ایف معلومات دونوں کا استعمال کرتا ہے۔ ایک ٹریس تناسب اصلاح مسئلہ پھر ایک موثر الگورتھم کی طرف سے تیار اور حل کیا جاتا ہے. الگورتھم کو متعدد مواد پر مبنی ملٹی میڈیا بازیافت ایپلی کیشنز پر لاگو کیا گیا ہے ، بشمول کراس میڈیا بازیافت ، امیج بازیافت ، اور 3D موشن / پوزیشن ڈیٹا بازیافت۔ چار ڈیٹا سیٹوں پر جامع تجربات نے صحت سے متعلق، استحکام، اسکیل ایبلٹی، اور کمپیوٹیشنل کارکردگی میں اس کے فوائد کا مظاہرہ کیا ہے. |
0ef550dacb89fb655f252e5b17dbd5d643eb5ac1 | ہم نے دو مکاک بندروں کے نچلے علاقے 6 (علاقہ F5) کے روسٹرل حصے میں 532 نیورونوں سے برقی سرگرمی ریکارڈ کی. اس سے پہلے کے اعداد و شمار سے پتہ چلتا ہے کہ اس علاقے کے نیورونز ہدف کی طرف ہدایت ہاتھ اور منہ کی نقل و حرکت کے دوران خارج ہوتے ہیں. ہم یہاں F5 نیورونز ("آئینہ نیورونز" ، n = 92) کے ایک نئے دریافت شدہ سیٹ کی خصوصیات بیان کرتے ہیں جن میں سے سبھی فعال ہوگئے جب بندر نے ایک دیئے گئے عمل کو انجام دیا اور جب اس نے تجربہ کار کے ذریعہ انجام دیئے گئے اسی طرح کے عمل کا مشاہدہ کیا۔ آئینہ نیورونز کو بصری طور پر متحرک کرنے کے لیے عمل کے ایجنٹ اور اس کے اعتراض کے درمیان تعامل کی ضرورت ہوتی ہے۔ صرف ایجنٹ یا صرف اعتراض کی نظر (تین جہتی اشیاء، خوراک) غیر مؤثر تھے. ہاتھ اور منہ سب سے زیادہ مؤثر ایجنٹ تھے. ان میں سے سب سے زیادہ نمائندگی کی کارروائیوں میں عکس نیورونز کو چالو کرنے کے لئے پکڑنے، جوڑ توڑ اور جگہ کی جگہ تھے. زیادہ تر آئینے کے نیورون (92٪) میں ان کی بصری کارروائی کے جواب اور ان کے کوڈ کردہ موٹر ردعمل کے درمیان واضح تعلق تھا۔ تقریبا 30 فیصد آئینے کے نیورون میں ہم آہنگی بہت سخت تھی اور مؤثر مشاہدہ اور عملدرآمد کی کارروائی دونوں عام کارروائی کے لحاظ سے (مثال کے طور پر. پکڑنے) اور جس طرح سے اس کارروائی کو انجام دیا گیا تھا (مثال کے طور پر. صحت سے متعلق گرفت). ہم یہ تجویز کرتے ہوئے اختتام کرتے ہیں کہ آئینہ نیورون مشاہدے اور موٹر کارروائیوں کے عمل کو ملانے کے لئے ایک نظام تشکیل دیتے ہیں۔ ہم اس نظام کے ممکنہ کردار پر عمل کی شناخت میں بحث کرتے ہیں اور ایف 5 اور انسانی بروکا کے خطے کے مابین مجوزہ ہم آہنگی کو دیکھتے ہوئے ، ہم یہ تجویز کرتے ہیں کہ آئینہ نیورونز کی طرح ایک مماثل نظام انسانوں میں موجود ہے اور اس میں شامل ہوسکتا ہے شناخت کے اقدامات کے ساتھ ساتھ صوتی اشاروں. |
15b2c44b3868a1055850846161aaca59083e0529 | ہم لیبل لگا اور unlabeled ڈیٹا، اکثر نیم نگرانی سیکھنے یا transductive استنباط کہا جاتا ہے جس سے سیکھنے کے عمومی مسئلہ پر غور. نیم نگرانی سیکھنے کے لئے ایک اصول پر مبنی نقطہ نظر ایک درجہ بندی کی تقریب کو ڈیزائن کرنا ہے جو معروف لیبل اور غیر لیبل پوائنٹس کی طرف سے اجتماعی طور پر ظاہر کردہ اندرونی ساخت کے حوالے سے کافی ہموار ہے. ہم اس طرح کے ہموار حل حاصل کرنے کے لئے ایک سادہ الگورتھم پیش کرتے ہیں. ہمارے طریقہ کار کی حوصلہ افزائی تجرباتی نتائج پر درجہ بندی کے مسائل کی ایک بڑی تعداد اور unlabeled ڈیٹا کے مؤثر استعمال کا مظاہرہ کرتا ہے. |
50886d25ddd5d0d1982ed94f90caa67639fcf1a1 | |
4c2bbcb3e897e927cd390517b2036b0b9123953c | اس کے علاوہ، یہ بھی ایک بہت بڑا فائدہ ہے کہ یہ ایک بہت ہی آسان اور آسان طریقہ ہے. اس کی قابل اطلاقیت کو ظاہر کرنے کے لئے، BeAware کا ایک پروٹوٹائپ! سڑک ٹریفک کے انتظام کے شعبے میں لاگو کیا گیا ہے. اس پروٹوٹائپ کا ایک جائزہ اور آنٹولوجی پر مبنی انفارمیشن سسٹم کی ترقی کے لئے سیکھا سبق ہماری شراکت کو مکمل کرتے ہیں. © 2010 Elsevier B.V. تمام حقوق محفوظ ہیں. 18 جولائی 2010 کو آن لائن دستیاب معلومات کا زیادہ بوجھ بڑے پیمانے پر کنٹرول سسٹم کے انسانی آپریٹرز کے لئے ایک سنگین مسئلہ ہے، مثال کے طور پر، روڈ ٹریفک مینجمنٹ کے میدان میں سامنا کرنا پڑا. ایسے نظاموں کے آپریٹرز کو صورتحال سے آگاہی کی کمی کا خطرہ ہے، کیونکہ موجودہ نظام گرافیکل صارف انٹرفیس پر دستیاب معلومات کی محض پیشکش پر توجہ مرکوز کرتے ہیں - اس طرح وقت اور درست شناخت، حل، اور اہم حالات کی روک تھام کو خطرے میں ڈالتے ہیں. حالیہ برسوں میں، حالات کے بارے میں شعور کے لئے آنٹولوجی پر مبنی نقطہ نظر سامنے آئے ہیں جس میں ایک معنوی طور پر امیر علم ماڈل شامل ہے. تاہم، موجودہ نقطہ نظر یا تو انتہائی ڈومین مخصوص ہیں یا، اگر وہ ڈومین آزاد ہیں، تو ان کی دوبارہ استعمال کے بارے میں کمی ہے. اس مقالے میں، ہم BeAware! کی ترقی سے حاصل کردہ اپنے تجربے کو پیش کرتے ہیں، ایک آنٹولوجی پر مبنی انفارمیشن سسٹم کے لئے ایک فریم ورک جس کا مقصد ایک آپریٹر کی صورتحال کے بارے میں شعور کو بڑھانا ہے. موجودہ ڈومین سے آزاد نقطہ نظر کے برعکس ، ہوشیار رہو! |
abf9ee52b29f109f5dbf6423fbc0d898df802971 | |
a31e3b340f448fe0a276b659a951e39160a350dd | عام انفارمیشن سسٹم (آئی ایس) اور انفارمیشن ٹیکنالوجی (آئی ٹی) ایپلی کیشنز کی بعض اقسام کے ساتھ صارف کی اطمینان IS تحقیق میں اچھی طرح سے مطالعہ کیا گیا ہے. تاہم، پورٹل ٹیکنالوجی کے وسیع پیمانے پر اور بڑھتے ہوئے استعمال کے ساتھ، پورٹل کے استعمال پر صارف کی اطمینان کا مطالعہ کرنے کی ضرورت ہے - خاص طور پر، کاروباری سے ملازم (بی 2 ای) پورٹل. اس کاغذ میں، ہم b2e پورٹل صارف اطمینان کا تعین کرنے کے لئے ایک تصوراتی ماڈل، جو صارف اطمینان کے ترازو اور b2e پورٹل کے ایک وسیع ادب جائزہ لینے سے حاصل کیا گیا ہے تجویز. b2e پورٹل صارف اطمینان کے نو طول و عرض کی نشاندہی کی جاتی ہے اور ماڈلنگ کی جاتی ہے: معلومات کا مواد، استعمال میں آسانی، رسائی کی سہولت، بروقت، کارکردگی، سیکورٹی، رازداری، مواصلات، اور ترتیب. |
0848827ba30956e29d7d126d0a05e51660094ebe | انٹرنیٹ آف تھنگس (آئی او ٹی) خودکار نظاموں کے انتظام اور کنٹرول میں انقلاب لا رہا ہے جس کی وجہ سے اسمارٹ ہومز ، اسمارٹ سٹیز ، صحت کی دیکھ بھال ، نقل و حمل وغیرہ جیسے شعبوں میں نمونہ کی تبدیلی آرہی ہے۔ آئی او ٹی ٹیکنالوجی کا تصور بھی کیا جاتا ہے کہ وہ میدان جنگ میں فوجی کارروائیوں کی تاثیر کو بہتر بنانے میں اہم کردار ادا کرے۔ مربوط خودکار فیصلوں کے لئے جنگی سازوسامان اور دیگر میدان جنگ کے وسائل کے باہمی ربط کو میدان جنگ کی چیزوں کا انٹرنیٹ (آئی او بی ٹی) کہا جاتا ہے۔ آئی او بی ٹی نیٹ ورکس روایتی آئی او ٹی نیٹ ورکس سے نمایاں طور پر مختلف ہیں کیونکہ میدان جنگ کے مخصوص چیلنجوں جیسے مواصلات کے بنیادی ڈھانچے کی عدم موجودگی ، اور سائبر اور جسمانی حملوں کے ل devices آلات کی حساسیت کی وجہ سے۔ جنگی منظرناموں میں جنگی کارکردگی اور مربوط فیصلہ سازی کا انحصار انتہائی حد تک ریئل ٹائم ڈیٹا کلیکشن پر ہے ، جو بدقسمتی سے نیٹ ورک کی کنیکٹوٹی اور مخالفین کی موجودگی میں معلومات کے پھیلاؤ پر انحصار کرتا ہے۔ اس کام کا مقصد محفوظ اور reconfigurable IoBT نیٹ ورکس کے ڈیزائن کی نظریاتی بنیادوں کی تعمیر کرنا ہے. اسٹاکسٹک جیومیٹری اور ریاضیاتی وبائی امراض کے نظریات کو استعمال کرتے ہوئے ، ہم مختلف قسم کے نیٹ ورک ڈیوائسز کے مابین مشن کے اہم اعداد و شمار کے مواصلات کا مطالعہ کرنے کے لئے ایک مربوط فریم ورک تیار کرتے ہیں اور اس کے نتیجے میں لاگت سے موثر انداز میں نیٹ ورک ڈیزائن کرتے ہیں۔ |
32e876a9420f7c58a3c55ec703416c7f57a54f4c | امکانات کے گرافک ماڈل، عقیدے کے نیٹ ورک، سبب اثر اور امکانات کے نتیجے کے بڑھتے ہوئے شعبوں میں زیادہ تر محققین کے لئے، ACM ٹورنگ ایوارڈ فاتح ڈاکٹر پرل اور اس کے سیمینار کاغذات پر وجہ سے معروف اور تسلیم کیا جاتا ہے. اسبابیت کی نمائندگی اور تعین، ایک واقعہ (سبا) اور دوسرے واقعہ (اثر) کے درمیان تعلق، جہاں دوسرا واقعہ پہلے کے نتیجے کے طور پر سمجھا جاتا ہے، ایک مشکل مسئلہ ہے. کئی سالوں کے دوران، ڈاکٹر پرل نے سبب اور اثر کے فن اور سائنس دونوں پر کافی لکھا ہے۔ اس کتاب میں "اثرات: ماڈل ، استدلال اور استنباط" پر ، بیسیئن عقیدے کے نیٹ ورک کے موجد نے اپنے پہلے کام پر تبادلہ خیال کیا اور اس پر تبادلہ خیال کیا جس میں شامل ہیں لیکن اس تک محدود نہیں ہیں وجہ اور اثر کے ساتھ استدلال ، اعدادوشمار میں سبب استنباط ، سمپسن کا تضاد ، تجرباتی تحقیق کے لئے سبب ڈایاگرام ، سبب دعوے کی مضبوطی ، وجوہات اور وضاحتیں ، اور سبب کی امکانات حدود اور شناخت۔ |
a04145f1ca06c61f5985ab22a2346b788f343392 | گزشتہ ڈیڑھ دہائی کے دوران انفارمیشن سسٹم کی کامیابی میں اہم کردار ادا کرنے والے عوامل کی نشاندہی کرنے کی کوشش میں بہت ساری مطالعات کی گئی ہیں۔ تاہم، ان مطالعات میں انحصار متغیر - I / S کامیابی - کی وضاحت کرنے کے لئے ایک مشکل ہے. مختلف محققین نے کامیابی کے مختلف پہلوؤں کو حل کیا ہے ، جس سے موازنہ مشکل ہے اور I / S تحقیق کے لئے ایک مجموعی روایت کی تعمیر کا امکان بھی اسی طرح سے مشکل ہے۔ اس متنوع تحقیق کو منظم کرنے کے ساتھ ساتھ I / S کامیابی کے تصور کا ایک زیادہ مربوط نقطہ نظر پیش کرنے کے لئے ، ایک جامع درجہ بندی متعارف کرایا گیا ہے۔ یہ درجہ بندی I / S کامیابی کے چھ اہم طول و عرض یا زمرے پیش کرتی ہے - سسٹم کی اہلیت ، انفارمیشن کوالٹی ، استعمال ، صارف کی اطمینان ، انفرادی اثر ، اور تنظیمی اثر۔ ان جہتوں کا استعمال کرتے ہوئے، دونوں تصوراتی اور تجرباتی مطالعہ کا جائزہ لیا جاتا ہے (مجموعی طور پر 180 مضامین کا حوالہ دیا جاتا ہے) اور ٹیکسونومی کے طول و عرض کے مطابق منظم کیا جاتا ہے. آخر میں، I / S کامیابی کے بہت سے پہلوؤں کو ایک وضاحتی ماڈل میں ایک ساتھ کھینچا جاتا ہے اور مستقبل میں I / S تحقیق کے لئے اس کے اثرات پر تبادلہ خیال کیا جاتا ہے. |
a99f1f749481e44abab0ba9a8b7c1d3572a2e465 | |
5c8bb027eb65b6d250a22e9b6db22853a552ac81 | |
3913d2e0a51657a5fe11305b1bcc8bf3624471c0 | نمائندگی سیکھنا قدرتی زبان پروسیسنگ میں ایک بنیادی مسئلہ ہے. اس مقالے میں مطالعہ کیا گیا ہے کہ متن کی درجہ بندی کے لئے منظم نمائندگی کیسے سیکھیں. زیادہ تر موجودہ نمائندگی کے ماڈلز کے برعکس جو یا تو کوئی ڈھانچہ استعمال نہیں کرتے ہیں یا پہلے سے متعین ڈھانچے پر انحصار کرتے ہیں ، ہم خود بخود بہتر ڈھانچے کی دریافت کرکے جملے کی نمائندگی سیکھنے کے لئے تقویت سیکھنے (آر ایل) کا طریقہ تجویز کرتے ہیں۔ ہم منظم نمائندگی کی تعمیر کے لئے دو کوششوں کا مظاہرہ کرتے ہیں: معلومات ڈسٹلڈ LSTM (ID-LSTM) اور درجہ بندی سے منظم LSTM (HS-LSTM). ID-LSTM صرف اہم، کام سے متعلقہ الفاظ کا انتخاب کرتا ہے، اور HS-LSTM ایک جملے میں جملے کی ساخت کو دریافت کرتا ہے. دو نمائندگی کے ماڈل میں ڈھانچہ دریافت ایک ترتیب فیصلہ مسئلہ کے طور پر وضع کیا جاتا ہے: ڈھانچہ دریافت کے موجودہ فیصلے مندرجہ ذیل فیصلوں کو متاثر کرتی ہے، جس کو پالیسی گریڈینٹ آر ایل سے خطاب کیا جاسکتا ہے. نتائج سے پتہ چلتا ہے کہ ہمارا طریقہ کار اہم الفاظ یا کام سے متعلقہ ڈھانچے کی شناخت کے بغیر واضح ڈھانچے کی تشریحات کے بغیر، اور اس طرح مسابقتی کارکردگی کا مظاہرہ کر کے کام کے دوستانہ نمائندوں کو سیکھ سکتا ہے. |
599ebeef9c9d92224bc5969f3e8e8c45bff3b072 | ورلڈ وائڈ ویب کی دھماکہ خیز نمو اور ای کامرس کے ابھرتے ہوئے نے سفارش کرنے والے نظام کی ترقی کی ہے --- ایک ذاتی معلومات فلٹرنگ ٹیکنالوجی کا استعمال کیا جاتا ہے جو اشیاء کے ایک سیٹ کی شناخت کرنے کے لئے استعمال کیا جاتا ہے جو کسی خاص صارف کے لئے دلچسپی کا حامل ہو گا. صارف پر مبنی باہمی تعاون سے فلٹرنگ آج تک سفارش کرنے والے نظام کی تعمیر کے لئے سب سے زیادہ کامیاب ٹیکنالوجی ہے اور بہت سے تجارتی سفارش کرنے والے نظام میں بڑے پیمانے پر استعمال کیا جاتا ہے. بدقسمتی سے، ان طریقوں کی کمپیوٹیشنل پیچیدگی گاہکوں کی تعداد کے ساتھ لکیری طور پر بڑھتی ہے، جو عام تجارتی ایپلی کیشنز میں کئی لاکھ ہوسکتی ہے. ان اسکیل ایبلٹی خدشات کو دور کرنے کے لئے ماڈل پر مبنی سفارش کی تکنیک تیار کی گئی ہے۔ یہ تکنیک صارف - آئٹم میٹرکس کا تجزیہ کرتی ہے تاکہ مختلف آئٹمز کے مابین تعلقات کو دریافت کیا جاسکے اور ان تعلقات کو سفارشات کی فہرست کا حساب کتاب کرنے کے لئے استعمال کیا جاسکے۔ اس مضمون میں ، ہم ماڈل پر مبنی سفارش الگورتھم کی ایک ایسی کلاس پیش کرتے ہیں جو پہلے مختلف آئٹمز کے مابین مماثلتوں کا تعین کرتی ہے اور پھر ان کا استعمال کرتے ہوئے سفارش کی جانے والی آئٹمز کے سیٹ کی نشاندہی کرتی ہے۔ الگورتھم کے اس طبقے میں کلیدی اقدامات ہیں (i) اشیاء کے درمیان مماثلت کا حساب کرنے کے لئے استعمال کیا جاتا طریقہ ، اور (ii) اشیاء کی ایک ٹوکری اور امیدوار سفارش کنندہ آئٹم کے درمیان مماثلت کا حساب کرنے کے لئے ان مماثلتوں کو جوڑنے کے لئے استعمال کیا جاتا طریقہ۔ آٹھ حقیقی ڈیٹا سیٹوں پر ہمارے تجرباتی تشخیص سے پتہ چلتا ہے کہ یہ آئٹم پر مبنی الگورتھم روایتی صارف محلے پر مبنی سفارش کرنے والے نظاموں سے دو آرڈر تک تیز ہیں اور موازنہ یا بہتر معیار کے ساتھ سفارشات فراہم کرتے ہیں۔ |
01a8909330cb5d4cc37ef50d03467b1974d6c9cf | یہ جائزہ خود مختار کثیر انگلی والے روبوٹک ہاتھوں کے ساتھ تھری ڈی آبجیکٹ گرفت پیدا کرنے کے لئے کمپیوٹیشنل الگورتھم پیش کرتا ہے۔ روبوٹک گرفت کئی دہائیوں سے ایک فعال تحقیقی موضوع رہی ہے ، اور گرفت کی ترکیب الگورتھم پر بہت زیادہ کوششیں کی گئیں۔ موجودہ کاغذات گرفتاری اور انگلی-چیز رابطے کی بات چیت کے میکانکس کا جائزہ لینے پر توجہ مرکوز کرتے ہیں [7] یا روبوٹ ہاتھ ڈیزائن اور ان کے کنٹرول [1] ۔ روبوٹ گرفت ترکیب الگورتھم کا جائزہ لیا گیا ہے [63]، لیکن اس کے بعد سے گرفتاری کے مسئلے پر سیکھنے کی تکنیک کو لاگو کرنے کی طرف ایک اہم پیشرفت کی گئی ہے۔ یہ جائزہ تجزیاتی اور تجرباتی گرفت کی ترکیب کے طریقوں پر مرکوز ہے۔ |
4e03cadf3095f8779eaf878f0594e56ad88788e2 | |
a63c3f53584fd50e27ac0f2dcbe28c7361b5adff | سیلیکن RF، مائکروویو، اور ملی میٹر لہر ایپلی کیشنز کے لئے امکانات اور چیلنجوں کا ایک نیا سیٹ پیش کرتا ہے. اگرچہ سی جی ای ہیٹروجنکشن بائی پولر ٹرانجسٹرز کی اعلی کٹ آف تعدد اور MOSFETs کے مستقل سکڑتے ہوئے فیچر سائز بہت زیادہ وعدہ کرتے ہیں ، ان ٹیکنالوجیز کی حقیقتوں سے نمٹنے کے لئے نئی ڈیزائن تکنیکوں کا تصور کرنے کی ضرورت ہے ، جیسے کم خرابی والے وولٹیج ، نقصان دہ سبسٹریٹ ، کم Q پاسیوس ، طویل انٹرکنیکٹ پرجیوی ، اور اعلی تعدد جوڑنے کے مسائل۔ مکمل نظام انضمام کی ایک مثال کے طور پر، یہ کاغذ 0.18-/spl mu/m سلکان-جرمنیئم میں پہلا مکمل طور پر مربوط 24 گیگاہرٹج آٹھ عنصر مرحلہ آرے رسیور اور 0.18-/spl mu/m CMOS میں مربوط طاقت یمپلیفائر کے ساتھ پہلے مکمل طور پر مربوط 24 گیگاہرٹج چار عنصر مرحلہ آرے ٹرانسمیٹر پیش کرتا ہے. ٹرانسمیٹر اور رسیور بیم بنانے کے قابل ہیں اور مواصلات ، رینجنگ ، پوزیشننگ ، اور سینسنگ ایپلی کیشنز کے لئے استعمال کیا جاسکتا ہے۔ |
64da24aad2e99514ab26d093c19cebec07350099 | کیوب سیٹ پلیٹ فارمز عالمی انٹرنیٹ نیٹ ورکس ، گہری خلائی ریسرچ اور ایرو اسپیس ریسرچ کے لئے متبادل حل کے طور پر تجارتی منصوبوں میں تیزی سے مقبول ہورہے ہیں۔ بہت سی ٹیکنالوجی کمپنیوں اور سسٹم انجینئرز نے عالمی کم زمین مدار (لیو) انٹر سیٹلائٹ برج کے حصے کے طور پر چھوٹے سیٹلائٹ سسٹم کو نافذ کرنے کا ارادہ کیا ہے۔ اعلی کارکردگی اور کم قیمت والے ہارڈ ویئر ان کوششوں کو آگے بڑھانے میں کلیدی اہمیت کا حامل ہیں۔ اس کاغذ میں ک-بینڈ انٹیگریٹڈ ٹرانسمیٹر اسمبلی (آئی ٹی اے) ماڈیول کی ہیٹروڈین فن تعمیر اور کارکردگی پیش کی گئی ہے ، جسے اعلی ڈیٹا ریٹ اسپیس مواصلاتی نظام کے لئے کم لاگت والے حل کے طور پر نینو / مائکروسیٹلائٹ یا دیگر سیٹلائٹ سسٹم میں نافذ کیا جاسکتا ہے۔ ماڈیول ایک 0.9 سے 1.1 گیگاہرٹج IF ان پٹ سگنل کو 26.7 سے 26.9 گیگاہرٹج فریکوئنسی رینج میں +29 ڈی بی ایم کی لکیری ترسیل فراہم کرنے کے لئے تبدیل کرتا ہے جس میں ایک بلٹ ان فیز لاکڈ آسکیلیٹر ، مربوط ٹرانسمیٹر ، پولرائزر ، اور لینس درست اینٹینا ہے۔ |
0b44fcbeea9415d400c5f5789d6b892b6f98daff | اس مقالے میں ہم نے اپنے تجربے کا جائزہ لیا ہے ایک ایسے بڑے انوٹیڈ کورپس کی تعمیر کے ساتھ - پن ٹری بینک، ایک کورپس جس میں امریکی انگریزی کے 4.5 ملین سے زیادہ الفاظ شامل ہیں۔ پن ٹری بینک پروجیکٹ (1989-1992) کے پہلے تین سالہ مرحلے کے دوران ، اس کورپس کو پارٹ آف اسپیچ (پی او ایس) کی معلومات کے لئے نوٹ کیا گیا ہے۔ اس کے علاوہ، اس کے نصف سے زائد اسکیلیٹک نحو کی ساخت کے لئے تشریح کی گئی ہے. تبصرے یونیورسٹی آف پنسلوانیا ڈیپارٹمنٹ آف کمپیوٹر اینڈ انفارمیشن سائنس تکنیکی رپورٹ نمبر MSCIS-93-87، میں نے ایک بار پھر آپ کو دیکھا. یہ تکنیکی رپورٹ اسکالرلی کامنز پر دستیاب ہے: http://repository.upenn.edu/cis_reports/237 انگریزی کا ایک بڑا تشریح شدہ کورپس بنانا: پن ٹریبینک MS-CIS-93-87 LINC LAB 260 مچل پی۔ مارکس بیٹریس سانٹورینی مریم این مارسنکیویچ یونیورسٹی آف پنسلوانیا اسکول آف انجینئرنگ اینڈ اپلائیڈ سائنس کمپیوٹر اور انفارمیشن سائنس ڈیپارٹمنٹ فلاڈیلفیا ، PA 19104-6389 |
7c70c29644ff1d6dd75a8a4dd0556fb8cb13549b | ہم سسٹم پر پیکیج سمیت مائکروویو ایپلی کیشنز کے لئے conformal اور لچکدار substrate کے تیار کرنے کے لئے ایک نئی تکنیک پیش کرتے ہیں. تیار شدہ مواد سیرامک پاؤڈر کو پولیمر کے ساتھ ملا کر تیار کیا جاتا ہے تاکہ ایک اعلی برعکس سبسٹریٹ پیدا کیا جاسکے جو بیک وقت لچکدار (بجنے والا) ہو۔ کئی ایسے پولیمر سیرامک سبسٹریٹ تیار کیے جاتے ہیں اور استعمال کیا جاتا ہے ایک پیچ اینٹینا اور ایک جوڑا لائن فلٹر کی کارکردگی کا معائنہ کرنے کے لئے. یہ کاغذ سبسٹریٹ اختلاط طریقہ پیش کرتا ہے جبکہ پیمائش سبسٹریٹ کے نقصان کی کارکردگی کا اندازہ کرنے کے لئے دی جاتی ہیں. مجموعی طور پر، تیار شدہ مرکب مواد کو لچکدار سبسٹرٹس کے ساتھ epsivr = 20 تک کی اجازت دیتا ہے اور کافی کم نقصان ہوتا ہے. |
85947d646623ef7ed96dfa8b0eb705d53ccb4efe | نیٹ ورک فارینسک سائنس ہے جو نیٹ ورک ٹریفک کی گرفتاری ، ریکارڈنگ اور تجزیہ سے متعلق ہے تاکہ مداخلت کا پتہ لگایا جاسکے اور ان کی تحقیقات کی جاسکے۔ یہ کاغذ مختلف نیٹ ورک فارینسک فریم ورکس کا ایک مکمل جائزہ پیش کرتا ہے جو آج تک تجویز کیا گیا ہے۔ نیٹ ورک فارینسک کے لئے ایک عام عمل ماڈل تجویز کیا جاتا ہے جو ڈیجیٹل فارینسک کے مختلف موجودہ ماڈلز پر بنایا گیا ہے۔ نیٹ ورک فارنزک کے لئے تعریف، درجہ بندی اور حوصلہ افزائی واضح طور پر بیان کی جاتی ہے. مختلف نیٹ ورک فارینسک تجزیہ ٹولز (این ایف اے ٹی) اور نیٹ ورک سیکیورٹی مانیٹرنگ ٹولز کی فعالیت پر تبادلہ خیال کیا گیا ہے ، جو فارینسک معائنہ کاروں کے لئے دستیاب ہیں۔ عمل درآمد کے فریم ورک، عمل کے ماڈل اور تجزیہ کے اوزار میں موجود مخصوص تحقیقی خلا کی نشاندہی کی جاتی ہے اور اہم چیلنجوں پر روشنی ڈالی جاتی ہے. اس کام کی اہمیت یہ ہے کہ یہ نیٹ ورک فارینسکس پر ایک جائزہ پیش کرتا ہے جس میں ٹولز ، پروسیس ماڈل اور فریم ورک پر عمل درآمد شامل ہیں ، جو اس آنے والے اور نوجوان نظم و ضبط کی کھوج میں سیکیورٹی پریکٹیشنرز اور محققین کے لئے بہت مفید ثابت ہوگا۔ a 2010 Elsevier Ltd. تمام حقوق محفوظ ہیں۔ |
7d98dce77cce2d0963a3b6566f5c733ad4343ce4 | یہ مطالعہ ڈیوس (1989) TAM ماڈل اور اسٹروب (1994) SPIR addendum کو آئی ٹی پھیلاؤ ماڈل میں صنف شامل کرکے توسیع کرتا ہے۔ ٹیکنالوجی قبولیت ماڈل (TAM) وسیع پیمانے پر IS تحقیق میں IS اقسام اور قومیتوں میں انفارمیشن سسٹم کے استعمال کی وضاحت کے طور پر مطالعہ کیا گیا ہے. اگرچہ اس تحقیق میں ثقافتوں کے مابین اہم اختلافات پائے گئے ہیں ، لیکن اس نے صنف کے اثرات کو نظرانداز کیا ہے ، حالانکہ سماجی لسانی تحقیق میں ، صنف ثقافت کا ایک بنیادی پہلو ہے۔ دراصل، سماجی لسانی تحقیق سے یہ بات سامنے آئی ہے کہ مرد درجہ بندی اور آزادی پر توجہ مرکوز کرتے ہیں جبکہ خواتین قربت اور یکجہتی پر توجہ مرکوز کرتی ہیں۔ یہ ادب آئی ٹی پھیلاؤ تحقیق اور ٹیکنالوجی قبولیت ماڈل کے تصوراتی توسیع کے لئے ایک ٹھوس بنیاد فراہم کرتا ہے. جنسی اختلافات کی جانچ پڑتال جو عقائد اور کمپیوٹر پر مبنی میڈیا کے استعمال سے متعلق ہوسکتی ہے ، موجودہ مطالعہ نے 392 خواتین اور مرد کے جوابات کا ایک کراس سیکشنل سروے آلہ کے ذریعہ نمونہ لیا۔ یہ نمونہ شمالی امریکہ، ایشیا اور یورپ میں ایئر لائن انڈسٹری میں ای میل سسٹم استعمال کرنے والے علم کارکنوں کے موازنہ گروپوں سے نکالا گیا تھا۔ مطالعہ کے نتائج سے پتہ چلتا ہے کہ خواتین اور مرد ای میل کے استعمال میں مختلف ہیں لیکن ای میل کے استعمال میں نہیں۔ ان نتائج سے پتہ چلتا ہے کہ محققین کو دیگر ثقافتی اثرات کے ساتھ ساتھ آئی ٹی پھیلاؤ کے ماڈل میں صنف کو بھی شامل کرنا چاہئے۔ مینیجرز اور ساتھیوں کو، اس کے علاوہ، احساس کرنے کی ضرورت ہے کہ مواصلات کے اسی موڈ کو صنفوں کی طرف سے مختلف طریقے سے سمجھا جا سکتا ہے، اس سے یہ پتہ چلتا ہے کہ زیادہ سازگار مواصلات کے ماحول پیدا ہوسکتے ہیں، ایسے ماحول جو نہ صرف تنظیم کے سیاق و سباق کے عوامل پر غور کرتے ہیں، بلکہ صارفین کی جنس بھی. ان ماحولوں کی تخلیق میں نہ صرف مواصلاتی ذرائع کی اصل تعیناتی شامل ہے بلکہ مواصلاتی ذرائع پر تنظیمی تربیت بھی شامل ہے۔ |
2599131a4bc2fa957338732a37c744cfe3e17b24 | ایک تربیت الگورتھم جو تربیت کے نمونوں اور فیصلے کی حد کے درمیان مارجن کو زیادہ سے زیادہ کرتا ہے پیش کیا جاتا ہے۔ یہ تکنیک درجہ بندی کے افعال کی ایک وسیع اقسام پر لاگو ہوتی ہے ، بشمول پرسیپٹرانس ، پولینومز ، اور ریڈیل بیس افعال۔ پیرامیٹرز کی موثر تعداد کو خود کار طریقے سے ایڈجسٹ کیا جاتا ہے تاکہ مسئلہ کی پیچیدگی سے مل سکے. حل حمایت کے پیٹرن کی ایک لکیری مجموعہ کے طور پر ظاہر کیا جاتا ہے. یہ تربیت کے نمونوں کے سب سے ذیلی سیٹ ہیں جو فیصلہ کی حد کے قریب ہیں. چھوڑ دو ایک آؤٹ طریقہ کار اور وی سی جہت پر مبنی عمومی کارکردگی پر حدود دی گئی ہیں۔ آپٹیکل کردار کی شناخت کے مسائل پر تجرباتی نتائج دوسرے سیکھنے الگورتھم کے ساتھ موازنہ کرتے وقت حاصل کی اچھی عمومی کا مظاہرہ. |
68c29b7bf1811f941040bba6c611753b8d756310 | جدید آٹوموبائل کو نیٹ ورک کمپیوٹرز کے ذریعے کنٹرول کیا جاتا ہے۔ ان نیٹ ورکس کی حفاظت تاریخی طور پر بہت کم تشویش کا باعث تھی ، لیکن محققین نے حالیہ برسوں میں ان کے حملوں کے لئے بہت سے خطرات کا مظاہرہ کیا ہے۔ ان حملوں کے خلاف دفاع کے ایک حصے کے طور پر، ہم آٹوموٹو کنٹرولر ایریا نیٹ ورک (CAN) بس کے لئے ایک غیر معمولی ڈیٹیکٹر کا جائزہ لیتے ہیں. حملوں کی اکثریت نیٹ ورک پر اضافی پیکٹ داخل کرنے پر مبنی ہیں. لیکن زیادہ تر عام پیکٹ ایک سخت تعدد پر پہنچتے ہیں. یہ ایک غیر معمولی ڈیٹیکٹر کو متحرک کرتا ہے جو موجودہ اور تاریخی پیکٹ ٹائمنگ کا موازنہ کرتا ہے۔ ہم ایک الگورتھم پیش کرتے ہیں جو ایک سلائیڈنگ ونڈو پر انٹر پیکٹ ٹائمنگ کی پیمائش کرتا ہے۔ اوسط اوقات تاریخی اوسط سے موازنہ کیا جاتا ہے تاکہ کسی بے ضابطگی کا اشارہ مل سکے۔ ہم اس نقطہ نظر کا اندازہ لگانے کی تعدد کی ایک حد پر اور اس کی تاثیر کی حدود کا مظاہرہ. ہم یہ بھی دکھاتے ہیں کہ کس طرح پیکٹوں کے ڈیٹا مواد کی ایک اسی طرح کی پیمائش بے ضابطگیوں کی شناخت کے لئے موثر نہیں ہے۔ آخر میں ہم دکھاتے ہیں کہ کس طرح ایک کلاس سپورٹ ویکٹر مشین اعلی اعتماد کے ساتھ غیر معمولی کا پتہ لگانے کے لئے ایک ہی معلومات کا استعمال کر سکتے ہیں. |
c43d8a3d36973e3b830684e80a035bbb6856bcf7 | تصویر سپر ریزولوشن (ایس آر) کے لئے کنوولیشنل نیورل نیٹ ورک (سی این این) کی گہرائی انتہائی اہمیت کی حامل ہے۔ تاہم، ہم مشاہدہ کرتے ہیں کہ تصویر ایس آر کے لئے گہری نیٹ ورکس تربیت دینے کے لئے زیادہ مشکل ہیں. کم ریزولوشن ان پٹ اور خصوصیات میں بہت کم تعدد کی معلومات ہوتی ہیں ، جو چینلز میں یکساں طور پر سلوک کی جاتی ہیں ، اس طرح سی این این کی نمائندگی کی صلاحیت کو روکتی ہیں۔ ان مسائل کو حل کرنے کے لئے، ہم بہت گہری بقایا چینل توجہ نیٹ ورکس (RCAN) کی تجویز. خاص طور پر، ہم ایک بقایا بقایا (RIR) کی ساخت کی تجویز کرتے ہیں جو بہت گہری نیٹ ورک بناتے ہیں، جس میں کئی بقایا گروپوں کے ساتھ طویل چھلانگ کنکشن شامل ہیں. ہر بقایا گروپ مختصر skip کنکشن کے ساتھ کچھ بقایا بلاکس پر مشتمل ہے. دریں اثنا ، آر آئی آر متعدد اسکیپ کنکشن کے ذریعے کثرت سے کم تعدد کی معلومات کو نظرانداز کرنے کی اجازت دیتا ہے ، جس سے مرکزی نیٹ ورک اعلی تعدد کی معلومات کو سیکھنے پر مرکوز ہوتا ہے۔ مزید برآں، ہم چینل توجہ میکانزم کی تجویز کرتے ہیں کہ چینل کے درمیان باہمی انحصار پر غور کرکے چینل وار خصوصیات کو موافقت سے دوبارہ پیمانہ دیں۔ وسیع تجربات سے پتہ چلتا ہے کہ ہمارے آر سی اے این جدید ترین طریقوں کے مقابلے میں بہتر درستگی اور بصری بہتری حاصل کرتا ہے۔ |
77768638f4f400272b6e5970596b127663471538 | پس منظر تحقیق کے شواہد کو مرتب کرنے کے لئے اسکوپنگ جائزہ ایک تیزی سے مقبول نقطہ نظر بن گیا ہے۔ یہ ایک نسبتا نیا نقطہ نظر ہے جس کے لئے ایک عالمگیر مطالعہ کی تعریف یا حتمی طریقہ کار قائم نہیں کیا گیا ہے. اس اسکوپنگ جائزہ کا مقصد ادب میں اسکوپنگ جائزوں کا جائزہ فراہم کرنا تھا۔ طریقوں ایک scoping جائزہ Arksey اور O Malley فریم ورک کا استعمال کرتے ہوئے کیا گیا تھا. اسکوپنگ جائزہ مطالعہ کی شناخت کے لئے چار کتابیات کے ڈیٹا بیس اور گرے ادب میں تلاش کی گئی تھی۔ جائزہ لینے کے انتخاب اور خصوصیت دو آزاد جائزہ لینے والوں نے پہلے سے جانچ شدہ فارموں کا استعمال کرتے ہوئے انجام دیا تھا۔ نتائج تلاش نے 344 scoping جائزے 1999 سے اکتوبر 2012 تک شائع کی شناخت کی. جائزے میں مقصد، طریقہ کار، اور رپورٹنگ کی تفصیلات کے لحاظ سے مختلف تھے. تقریباً تین چوتھائی جائزوں (74.1 فیصد) میں صحت کے موضوع پر بات کی گئی۔ مطالعہ مکمل کرنے کے اوقات 2 ہفتوں سے 20 ماہ تک مختلف تھے ، اور 51٪ نے شائع شدہ طریقہ کار کا استعمال کیا۔ شامل مطالعات کی کوالٹی کا جائزہ کم ہی لیا گیا تھا (22.38٪) ۔ نتیجہ سکوپنگ جائزے وسیع موضوعات کی تعریف کے لئے ایک نسبتا نئی لیکن تیزی سے عام نقطہ نظر ہیں. ان کے طرز عمل میں تغیر کی وجہ سے، ثبوت کی افادیت اور طاقت کو یقینی بنانے کے لئے ان کے طریقہ کار کے معیاری بنانے کی ضرورت ہے. |
4c5815796c29d44c940830118339e276f741d34a | روبوٹ اسسٹنٹس اور پیشہ ور ساتھی کارکن گھریلو اور صنعتی ماحول میں ایک چیز بن رہے ہیں۔ روبوٹ کو انسانوں کے ساتھ کام کرنے کی جگہ بانٹنے اور ان کے ساتھ جسمانی طور پر بات چیت کرنے کے قابل بنانے کے لئے ، روبوٹ کی پوری ساخت پر ممکنہ تصادم کی تیز اور قابل اعتماد ہینڈلنگ کی ضرورت ہے ، ساتھ ہی روبوٹ کے محفوظ رد عمل کے لئے کنٹرول حکمت عملی بھی ضروری ہے۔ بنیادی محرک جسمانی رابطوں کی وجہ سے ممکنہ انسانی چوٹ کی روک تھام یا حد ہے. اس سروے کے کاغذ میں، اس موضوع پر ہمارے ابتدائی کام کی بنیاد پر، ہم جائزہ، توسیع، موازنہ، اور تجرباتی طور پر ماڈل پر مبنی الگورتھم کا جائزہ لیں گے جو صرف حقیقی وقت کے تصادم کا پتہ لگانے، تنہائی، اور شناخت کے لئے استعمال کرتے ہیں جو صرف پروپیسیسیو سینسر استعمال کرتے ہیں. اس میں روبوٹ کے لئے تصادم کے واقعہ پائپ لائن کے سیاق و سباق سے آزاد مراحل کا احاطہ کیا گیا ہے جو ماحول کے ساتھ تعامل کرتے ہیں ، جیسے جسمانی انسان روبوٹ تعامل یا ہیرا پھیری کے کاموں میں۔ مسئلہ سخت روبوٹ کے لئے سب سے پہلے خطاب کیا جاتا ہے اور پھر مشترکہ / ٹرانسمیشن لچک کی موجودگی تک توسیع. جسمانی طور پر حوصلہ افزائی بنیادی حل پہلے ہی دنیا بھر میں بہت سے روبوٹک نظاموں پر لاگو کیا گیا ہے، جو منسلک اور انسانوں سے پرواز کرنے والے روبوٹ سے لے کر تجارتی مصنوعات تک پہنچ گئی ہے. |
4e3a22ed94c260b9143eee9fdf6d5d6e892ecd8f | |
e18fa8c8f402c483b2c3eaaa89192fe99e80abd5 | بہت سے مطالعے سے پتہ چلتا ہے کہ شائع ہونے والی خبریں اسٹاک مارکیٹ کی سمت، اس کی اتار چڑھاؤ، تجارت کی مقدار اور خبروں میں ذکر کردہ انفرادی اسٹاک کی قیمت پر اہم اثر ڈالتی ہیں۔ یہاں تک کہ کچھ شائع شدہ تحقیق بھی ہے جو یہ تجویز کرتی ہے کہ خبروں کے دستاویزات ، سہ ماہی رپورٹس ، بلاگ اور / یا ٹویٹر کے اعداد و شمار کے خود کار طریقے سے جذبات کا تجزیہ تجارتی حکمت عملی کے حصے کے طور پر نتیجہ خیز استعمال کیا جاسکتا ہے۔ یہ کاغذ صرف ٹریڈنگ کی حکمت عملی کے اس طرح کے ایک خاندان پیش کرتا ہے، اور پھر اس درخواست کو استعمال کرتا ہے کہ اس کے کچھ خاموش مفروضوں کو دوبارہ جانچنے کے لۓ کہ کس طرح جذبات کے تجزیہ کاروں کو عام طور پر ان کی درخواست کے سیاق و سباق کے باوجود اندازہ کیا جاتا ہے. یہ اختلافات قیمت پر آتے ہیں. |
050c6fa2ee4b3e0a076ef456b82b2a8121506060 | تصاویر میں اشیاء کو 2D باؤنڈنگ باکس کے طور پر پہچاننے میں بڑی پیشرفت کے باوجود ، اب بھی پوشیدہ اشیاء کا پتہ لگانا اور ایک ہی تصویر سے متعدد اشیاء کی 3D خصوصیات کا اندازہ لگانا بہت مشکل ہے۔ اس مقالے میں ، ہم ایک ناول آبجیکٹ نمائندگی ، تھری ڈی ووکیل پیٹرن (3 ڈی وی پی) کی تجویز کرتے ہیں ، جو مشترکہ طور پر اشیاء کی اہم خصوصیات کو کوڈ کرتا ہے جس میں ظاہری شکل ، تھری ڈی شکل ، نقطہ نظر ، بندش اور ٹرنکشن شامل ہیں۔ ہم ڈیٹا پر مبنی طریقے سے تھری ڈی وی پیز کو دریافت کرتے ہیں، اور تھری ڈی وی پیز کی لغت کے لیے خصوصی ڈیٹیکٹرز کے ایک بینک کو تربیت دیتے ہیں۔ 3DVP ڈیٹیکٹر مخصوص نمائش کے نمونوں کے ساتھ اشیاء کا پتہ لگانے اور 3DVP سے میٹا ڈیٹا کو پتہ لگانے والی اشیاء میں منتقل کرنے کے قابل ہیں ، جیسے 2D طبقاتی ماسک ، 3D پوز کے ساتھ ساتھ غائب یا ٹرنکیشن حدود۔ منتقل کردہ میٹا ڈیٹا ہمیں اشیاء کے درمیان بندش کے تعلقات کا اندازہ کرنے کی اجازت دیتا ہے ، جو بدلے میں بہتر اعتراض کی شناخت کے نتائج فراہم کرتا ہے۔ KITTI کا پتہ لگانے کے معیار [17] اور بیرونی منظر کے ڈیٹا سیٹ [41] پر تجربات کئے جاتے ہیں. ہم گاڑی کا پتہ لگانے پر ریاست کے آرٹ کے نتائج کو بہتر بنانے اور قابل ذکر مارجن (6٪ KITTI کے مشکل اعداد و شمار میں) کے ساتھ تخمینہ لگاتے ہیں. ہم نے بھی درست طریقے سے پس منظر سے اشیاء segmenting میں ہمارے طریقہ کار کی صلاحیت کی تصدیق اور 3D میں ان کی جگہ. |
1a124ed5d7c739727ca60cf11008edafa9e3ecf2 | جیسے جیسے ڈیٹا پر مبنی معیشت تیار ہوتی جارہی ہے ، کاروباری اداروں کو اعلی حجم ، تیز رفتار ڈیٹا کے بہاؤ پر عمل کرنے کے قابل ہونے میں مسابقتی فائدہ کا احساس ہوا ہے۔ تقسیم شدہ پیغام قطار اور اسٹریمنگ پروسیسنگ پلیٹ فارم جیسے ٹیکنالوجیز جو اجناس ہارڈ ویئر پر ہزاروں ڈیٹا اسٹریم پارٹیشنوں تک پہنچ سکتی ہیں وہ ایک جواب ہیں۔ تاہم ، ان سسٹمز کے ذریعہ فراہم کردہ پروگرامنگ API اکثر کم سطح کی ہوتی ہے ، جس میں کافی حد تک کسٹم کوڈ کی ضرورت ہوتی ہے جو پروگرامر سیکھنے کے منحنی خطوط اور دیکھ بھال کے اوور ہیڈ میں اضافہ کرتی ہے۔ اس کے علاوہ ، ان نظاموں میں اکثر ایس کیو ایل استفسار کی صلاحیتوں کی کمی ہوتی ہے جو ہائوی ، امپالا یا پریسٹو جیسے بگ ڈیٹا سسٹم پر مقبول ثابت ہوئی ہیں۔ ہم ڈیٹا سٹریم استفسار اور ہیرا پھیری کے لئے معیاری SQL کرنے کے لئے ملانے کی ایک کم از کم سیٹ کی وضاحت. یہ توسیعیں سمزا ایس کیو ایل میں پروٹوٹائپ کی گئی ہیں ، جو ایس کیو ایل کو اسٹریم کرنے کے لئے ایک نیا ٹول ہے جو اسٹریمنگ ایس کیو ایل کو جسمانی منصوبوں میں مرتب کرتا ہے جو سمزا پر عملدرآمد ہوتا ہے ، جو ایک اوپن سورس تقسیم شدہ اسٹریم پروسیسنگ فریم ورک ہے۔ ہم سیمزا کی مقامی ایپلی کیشنز کے خلاف اسٹریمنگ ایس کیو ایل سوالات کی کارکردگی کا موازنہ کرتے ہیں اور استعمال میں بہتری پر تبادلہ خیال کرتے ہیں۔ سامزا ایس کیو ایل اوپن سورس اپاچی سامزا پروجیکٹ کا ایک حصہ ہے اور عام استعمال کے لئے دستیاب ہوگا۔ |
b8ec319b1f5223508267b1d5b677c0796d25ac13 | بہت سے حقیقی دنیا کے منظرناموں میں ، مشین سیکھنے کے مخصوص کام کے لئے لیبل والے ڈیٹا کو حاصل کرنا مہنگا ہے۔ نیم نگرانی کی تربیت کے طریقوں میں بے شمار دستیاب غیر لیبل شدہ ڈیٹا اور لیبل والے مثالوں کی ایک چھوٹی سی تعداد کا استعمال ہوتا ہے۔ ہم نے ایک نیا فریم ورک پیش کیا ہے نیم نگرانی کی تربیت کے لئے گہرے اعصابی نیٹ ورکس انسانوں میں سیکھنے سے متاثر ہوئے۔ ایسوسی ایشنز لیبل والے نمونے کے انبندوں سے لیبل والے اور پیچھے سے بنائے جاتے ہیں. اصلاح کے شیڈول کو صحیح ایسوسی ایشن سائیکلوں کی حوصلہ افزائی کرتا ہے جو اسی کلاس میں ختم ہوجاتا ہے جس سے ایسوسی ایشن شروع ہوا تھا اور مختلف کلاس میں ختم ہونے والے غلط ایسوسی ایشن کو سزا دیتا ہے۔ اس عمل کو استعمال کرنا آسان ہے اور اسے کسی بھی موجودہ اختتام سے آخر تک تربیت کے سیٹ اپ میں شامل کیا جاسکتا ہے۔ ہم کئی ڈیٹا سیٹ پر ایسوسی ایشن کی طرف سے سیکھنے کی صلاحیتوں کا مظاہرہ کرتے ہیں اور ظاہر کرتے ہیں کہ یہ اضافی دستیاب غیر لیبل شدہ ڈیٹا کا استعمال کرتے ہوئے درجہ بندی کے کاموں پر کارکردگی کو بہت بہتر بنا سکتا ہے. خاص طور پر، چند لیبلڈ ڈیٹا کے ساتھ مقدمات کے لئے، ہمارے تربیتی سکیم SVHN پر فن کی موجودہ حالت outperforms. |
852c633882927affd1a951e81e6e30251bb40867 | مسلسل ترقی پذیر ریڈیو فریکوئنسی شناخت (آر ایف آئی ڈی) ٹیکنالوجی کے ساتھ ساتھ، نئی ایپلی کیشن علاقوں میں درپیش ضروریات کو پورا کرنے کے لئے نئے قسم کے ٹیگ اینٹینا مواد اور ڈھانچے ابھر رہے ہیں. اس کام میں ، تابکاری کی کارکردگی کی پیمائش کا طریقہ تیار کیا گیا ہے اور غیر فعال انتہائی اعلی تعدد (UHF) آریفآئڈی ڈپول ٹیگ اینٹینا کے لئے تصدیق کی گئی ہے۔ اس کے علاوہ، پیمائش کا طریقہ جسم کے مرکز وائرلیس مواصلات کے لئے پہنے جانے والے ڈپول ٹیگ اینٹینا کی تابکاری کی کارکردگی کی پیمائش کرنے کے لئے لاگو کیا جاتا ہے. پیمائش سے حاصل کردہ معلومات ٹیگ اینٹینا مواد کی ساخت کے نقصانات کی خصوصیات اور مزید دونوں کو بہتر بنانے اور ٹیگ اینٹینا کی کارکردگی اور وشوسنییتا کو بہتر بنانے کے لئے استعمال کیا جا سکتا ہے. |
833de6c09b38a679ed870ad3a7ccfafc8de010e1 | انا گاڑی کی تحریک کا تخمینہ اعلی درجے کی ڈرائیونگ اسسٹنٹ سسٹم اور موبائل روبوٹ لوکلائزیشن کے لئے ایک اہم صلاحیت ہے. مندرجہ ذیل کاغذ میں ایک مضبوط الگورتھم پیش کیا گیا ہے جو ریڈار سینسر کا استعمال کرتے ہوئے فوری طور پر ایگو گاڑی کی مکمل 2D تحریک کی حالت (طولانی ، جانبدار رفتار اور یاو کی شرح) کا تعین کرنے کے لئے ہے۔ یہ کم از کم دو ڈوپلر ریڈار سینسر اور ان کی موصولہ جامد عکاسیوں (ہدفوں) کے درمیان متعلقہ تحریک کا اندازہ کرتا ہے۔ ان کی شعاعی رفتار کے تقسیم کے مطابق ازموت زاویہ کے ذریعے، غیر مستحکم اہداف اور گندگی کو خارج کر دیا جاتا ہے. انا تحریک اور اس کے متعلقہ covariance میٹرکس کا اندازہ لگایا جاتا ہے. الگورتھم کو کسی بھی پری پروسیسنگ اقدامات کی ضرورت نہیں ہے جیسے کلسٹرنگ یا کلسٹر دبانے اور کسی بھی ماڈل کے مفروضے پر مشتمل نہیں ہے. سینسر گاڑی پر کسی بھی پوزیشن پر نصب کیا جا سکتا ہے. ایک مشترکہ نقطہ نظر کی ضرورت نہیں ہے، خلا میں ہدف ایسوسی ایشن سے بچنے کے. ایک اضافی فائدہ کے طور پر، تمام اہداف کو فوری طور پر جامد یا غیر جامد کے طور پر لیبل کیا جاتا ہے. |
31918003360c352fb0750040d163f287894ab547 | حال ہی میں آٹوموٹو ایمبیڈڈ سسٹم نے اسمارٹ کار ، الیکٹرک کارڈ وغیرہ کی آمد کے بعد سے بہت ترقی کی ہے۔ ان میں مختلف ویلیو ایڈڈ سسٹم ہیں جیسے آئی پی اے (انٹیلجنٹ پارکنگ اسسٹنس) ، بی ایس ڈبلیو (بلائن سپاٹ وارننگ) ، ایل ڈی ڈبلیو ایس (لین ڈیورٹ وارننگ سسٹم) ، ایل کے ایس (لین کیپنگ سسٹم) - یہ اے ڈی اے ایس (ایڈوانسڈ ڈرائیور اسسٹنس سسٹم) ہیں۔ آٹو ایسار (آٹو موٹو اوپن سسٹم آرکیٹیکچر) آٹوموٹو ایمبیڈڈ سافٹ ویئر کی ترقی کے لئے سب سے زیادہ قابل ذکر صنعتی معیار ہے. آٹو ایسار آٹوموٹو ای / ای فن تعمیر کے لئے ایک کھلی صنعت کے معیار کو تیار کرنے اور قائم کرنے کے لئے مل کر کام کرنے والے آٹوموٹو مینوفیکچررز اور سپلائرز کی شراکت داری ہے۔ اس مقالے میں ہم مختصر طور پر آٹو سار متعارف کروائیں گے اور آٹوموٹو سافٹ ویئر ایل ڈی ڈبلیو ایس (لین ڈیٹیکشن اینڈ وارننگ سسٹم) کی ترقی کا نتیجہ دکھائیں گے۔ |
36bb4352891209ba0a7df150c74cd4db6d603ca5 | مثال سیکھنے پر مبنی ایک ہی تصویر سپر ریزولوشن (ایس آر) ایک واحد ان پٹ کم ریزولوشن (ایل آر) تصویر سے ایک اعلی ریزولوشن (ایچ آر) تصویر کی تعمیر نو کے لئے ایک وعدہ طریقہ ہے. بہت سے مقبول ایس آر نقطہ نظر زیادہ وقت یا جگہ کی شدت سے زیادہ ہیں، جو ان کے عملی ایپلی کیشنز کو محدود کرتی ہیں. لہذا، کچھ تحقیق نے سب اسپیس نقطہ نظر پر توجہ مرکوز کی ہے اور جدید ترین نتائج فراہم کیے ہیں. اس کاغذ میں، ہم تربیت کے مرحلے میں لکیری ذیلی جگہوں کے ایک گروپ میں ایل آر تصاویر کی بڑی غیر لکیری خصوصیت کی جگہ کو تبدیل کرنے کے لئے مرکب ماڈل کے ساتھ ایک مؤثر طریقہ کا استعمال کرتے ہیں. خاص طور پر، ہم سب سے پہلے مختلف گروپوں میں تصویر کے پیچوں کو تقسیم کرتے ہیں، ایک ناول انتخابی پیچ پروسیسنگ کے طریقہ کار کی بنیاد پر ایل آر پیچوں کے فرق کی منحنیت پر مبنی ہے، اور پھر ہر گروپ میں مخلوط ماڈل سیکھنے. اس کے علاوہ، مختلف پہلے تقسیم SR میں مختلف تاثیر ہے، اور اس صورت میں، ہم طالب علم ٹی پہلے سے زیادہ مضبوط کارکردگی سے زیادہ معروف Gaussian پہلے سے زیادہ ظاہر کرتا ہے کہ تلاش. ٹیسٹنگ مرحلے میں، ہم نے ان پٹ LR خصوصیات کو مناسب ذیلی جگہ میں نقشہ کرنے کے لئے سیکھا متعدد مرکب ماڈل کو اپنایا، اور آخر میں ایک ناول مخلوط مماثلت طریقے سے متعلقہ HR تصویر کی تعمیر نو. تجرباتی نتائج سے پتہ چلتا ہے کہ مجوزہ نقطہ نظر کو کچھ ریاستی آر ایس طریقوں سے زیادہ مقدار اور معیار دونوں سے بہتر ہے. |
189a391b217387514bfe599a0b6c1bbc1ccc94bb | ہم تصادم سے پاک ہیش افعال کے ڈیزائن کے لئے ایک سادہ، نیا نمونہ پیش کرتے ہیں. اس نمونہ سے نکلنے والا کوئی بھی فنکشن اضافی ہے۔ (اس کا مطلب یہ ہے کہ اگر ایک پیغام ایکس جس میں میں نے پہلے ہی ہیش کیا ہے تو ایکس 0 میں ترمیم کی جاتی ہے تو پھر ایکس 0 کے ہیش کو دوبارہ سے دوبارہ حساب کرنے کی بجائے ، میں جلدی سے پرانے ہیش ویلیو کو نئے میں اپ ڈیٹ کرسکتا ہوں ، وقت میں ایکس میں ہونے والی ترمیم کی مقدار کے متناسب x حاصل کرنے کے لئے) اس کے علاوہ اس نمونہ سے نکلنے والے کسی بھی فنکشن کو متوازی بنایا جاسکتا ہے ، جو ہارڈ ویئر پر عمل درآمد کے لئے مفید ہے۔ ہم اپنے نمونہ سے کئی مخصوص افعال حاصل کرتے ہیں. تمام معیاری ہیش فنکشن، فرض شدہ مثالی، اور کچھ الجبرا آپریشنز کا استعمال کرتے ہیں. پہلا فنکشن ، MuHASH ، پیغام کے ایک بلاک کے لئے ایک ماڈیولر ضرب کا استعمال کرتا ہے ، جس سے یہ معقول حد تک موثر ہوتا ہے ، اور پچھلے اضافی ہیش افعال سے نمایاں طور پر تیز ہوتا ہے۔ اس کی حفاظت ثابت ہے، الگ الگ لوگرتھم مسئلہ کی سختی کی بنیاد پر. دوسرا فنکشن ، ایڈہاش ، اس سے بھی تیز ہے ، ضرب کے بجائے جمع کا استعمال کرتے ہوئے ، سیکیورٹی کے ساتھ ثابت کیا گیا ہے کہ یا تو سب سے کم جالی ویکٹر کی لمبائی کا تخمینہ مشکل ہے یا وزن والے سبسیٹ جمع کا مسئلہ مشکل ہے۔ تیسرا فنکشن ، ایل ٹی ایچ اے ایس ایچ ، حالیہ جالی پر مبنی افعال کا ایک عملی متغیر ہے ، جس کی حفاظت ثابت ہے ، پھر سے سب سے مختصر جالی ویکٹر تخمینہ کی سختی پر مبنی ہے۔ ڈیپارٹمنٹ. کمپیوٹر سائنس اینڈ انجینئرنگ ، یونیورسٹی آف کیلیفورنیا سان ڈیاگو ، 9500 گلمن ڈرائیو ، لا جولا ، کیلیفورنیا 92093 ، امریکہ۔ ای میل: [email protected]. یو آر ایل: http://www-cse.ucsd.edu/users/mihir. این ایس ایف کیریئر ایوارڈ سی سی آر - 9624439 اور سائنس اور انجینئرنگ میں پیکارڈ فاؤنڈیشن فیلوشپ کے ذریعہ جزوی طور پر معاونت حاصل ہے۔ yMIT لیبارٹری برائے کمپیوٹر سائنس ، 545 ٹیکنالوجی اسکوائر ، کیمبرج ، ایم اے 02139 ، امریکہ۔ ای میل: [email protected]. DARPA معاہدہ DABT63-96-C-0018 کی طرف سے جزوی طور پر حمایت کی. |
9b9c9cc72ebc16596a618d5b78972437c9c569f6 | |
3ffce42ed3d7ac5963e03d4b6e32460ef5b29ff7 | ہم ایک جسمانی شے کا ایک مکمل ماڈل بنانے کے مسئلے کا مطالعہ. اگرچہ یہ شدت کی تصاویر کا استعمال کرتے ہوئے ممکن ہو سکتا ہے، ہم یہاں رینج تصاویر کا استعمال کرتے ہیں جو براہ راست تین جہتی معلومات تک رسائی فراہم کرتے ہیں. پہلا مسئلہ جو ہمیں حل کرنے کی ضرورت ہے وہ ہے مختلف نظریات کے درمیان تبدیلی تلاش کرنا۔ پچھلے نقطہ نظر یا تو اس تبدیلی کو معلوم کرنے کے لئے فرض کیا گیا ہے (جو مکمل ماڈل کے لئے انتہائی مشکل ہے) ، یا اس کی خصوصیات کے ملاپ کے ساتھ حساب کیا گیا ہے (جو انضمام کے لئے کافی درست نہیں ہے). اس کاغذ میں، ہم ایک نیا نقطہ نظر ہے جو رینج ڈی اے ٹی اے پر کام کرتا ہے براہ راست، اور کافی اوورلیپنگ علاقے کے ساتھ مسلسل خیالات کو ریکارڈ کرتا ہے ایک درست تبدیلی کے درمیان خیالات حاصل کرنے کے لئے. یہ ایک فنکشنل کم سے کم کی طرف سے کیا جاتا ہے جس میں نقطہ ٹو نقطہ میچوں کی ضرورت نہیں ہے. ہم رجسٹریشن کے طریقہ کار اور ماڈلنگ کے طریقہ کار کی تفصیلات دیتے ہیں، اور پیچیدہ اشیاء کی حقیقی رینج تصاویر پر ان کی وضاحت کرتے ہیں. 1 تعارف جسمانی اشیاء کے ماڈل بنانا حیاتیاتی وژن ماڈیولز کی ایک ضروری جزو مشین ہے. اس طرح کے ماڈل پھر اعتراض کی شناخت میں استعمال کیا جا سکتا ہے، پوزیشن کا اندازہ یا معائنہ کے کاموں میں. اگر دلچسپی کا اعتراض بالکل ڈیزائن کیا گیا ہے، تو اس طرح کا ایک ماڈل CAD ماڈل کی شکل میں موجود ہے. بہت سے ایپلی کیشنز میں، تاہم، یہ یا تو ممکن نہیں ہے یا اس طرح کے CAD ماڈل تک رسائی حاصل کرنے کے لئے عملی نہیں ہے، اور ہم جسمانی اعتراض سے ماڈل تعمیر کرنے کی ضرورت ہے. کچھ محققین ایک ماڈل کا استعمال کرتے ہوئے اس مسئلے کو دور کرتے ہیں جس میں متعدد خیالات ([4]، [a]) شامل ہیں، لیکن یہ ہمیشہ کافی نہیں ہے. اگر کسی کو کسی شے کا مکمل ماڈل درکار ہو تو مندرجہ ذیل اقدامات ضروری ہیں: 1. ڈیٹا اکٹھا کرنا ، 2. نقطہ نظر سے ہمارا مطلب ہے کہ کسی خاص نقطہ نظر سے کسی چیز کی 3D سطح کی معلومات۔ جبکہ انضمام کا عمل استعمال کردہ نمائندگی کی منصوبہ بندی پر بہت منحصر ہے، انضمام انجام دینے کے لئے پیشگی شرط مختلف نقطہ نظر سے اعداد و شمار کے درمیان تبدیلی کو جاننے میں شامل ہے. رجسٹر کا مقصد اس طرح کی تبدیلی کو تلاش کرنا ہے، جو بھی اس مسئلے کا جواب کے طور پر جانا جاتا ہے. یہ مسئلہ بہت سے پچھلے تحقیقی کوششوں کا بنیادی رہا ہے۔ بھانو [a] نے متعدد خیالات حاصل کرنے کے لئے معروف زاویوں کے ذریعے آبجیکٹ کو گھومنے کے ذریعہ آبجیکٹ کی شناخت کے لئے آبجیکٹ ماڈلنگ سسٹم تیار کیا۔ کتے اور دیگر [3] اور آہوجا اور وین سٹرہ [l] نے آکٹری آبجیکٹ ماڈل بنانے کے لئے آرتھوگونل خیالات کا استعمال کیا۔ ان طریقوں سے، ... |
883b2b981dc04139800f30b23a91b8d27be85b65 | اس کاغذ میں، ہم ایک موثر 3D اعتراض کی شناخت اور cluttered اور occluded ماحول میں طریقہ کار کو پکڑنے کے لئے اندازہ نقطہ نظر پیش کرتے ہیں. عام ظاہری شکل پر مبنی نقطہ نظر کے برعکس، ہم صرف 3D جیومیٹری کی معلومات پر انحصار کرتے ہیں. ہمارا طریقہ کار ایک مضبوط جیومیٹریکل ڈیسکٹر، ایک ہیشنگ تکنیک اور ایک موثر، مقامی RANSAC-جیسے نمونے لینے کی حکمت عملی پر مبنی ہے. ہم فرض کرتے ہیں کہ ہر چیز کی نمائندگی ایک ماڈل کی طرف سے کی جاتی ہے جس میں سطح کے معمولات کے مطابق پوائنٹس کا ایک سیٹ ہوتا ہے۔ ہمارا طریقہ کار بیک وقت متعدد ماڈل مثالوں کو پہچانتا ہے اور منظر میں ان کی پوزیشن کا اندازہ لگاتا ہے۔ مختلف ٹیسٹ سے پتہ چلتا ہے کہ مجوزہ طریقہ شور، گندا اور غیر تقسیم شدہ رینج اسکین پر اچھی طرح سے کام کرتا ہے جس میں اشیاء کے صرف چھوٹے حصے نظر آتے ہیں. الگورتھم کے اہم طریقہ کار میں ایک لکیری وقت کی پیچیدگی ہے جس کے نتیجے میں اعلی شناخت کی رفتار ہوتی ہے جو طریقہ کار کو ایک مسلسل ہیرا پھیری کے کام میں براہ راست انضمام کی اجازت دیتی ہے۔ 7 ڈگری آزادی کے کارٹیزین مائبادا کنٹرول روبوٹ کے ساتھ تجرباتی توثیق سے پتہ چلتا ہے کہ کس طرح طریقہ کار کو پیچیدہ بے ترتیب اسٹیک سے اشیاء کو پکڑنے کے لئے استعمال کیا جاسکتا ہے۔ یہ ایپلی کیشن اس بات کا مظاہرہ کرتی ہے کہ کس طرح کمپیوٹر ویژن اور سوفٹروبوٹکس کی انضمام ایک روبوٹک نظام کی طرف جاتا ہے جو غیر منظم اور پوشیدہ ماحول میں کام کرنے کے قابل ہے۔ |
9bc8aaaf23e2578c47d5d297d1e1cbb5b067ca3a | یہ کاغذ ایک کیمرے کی تصویر میں 3D اعتراض کے مثالوں کو تسلیم کرنے اور ان کے 3D پوز کا تعین کرنے کے لئے ایک نقطہ نظر کی وضاحت کرتا ہے. ایک درجہ بندی ماڈل صرف اعتراض کے ایک 3D CAD ماڈل کی جیومیٹری کی معلومات کی بنیاد پر پیدا کیا جاتا ہے. یہ نقطہ نظر جسم کی سطح کی ساخت یا عکاسی کی معلومات پر انحصار نہیں کرتا ہے ، جس سے یہ صنعتی اور روبوٹک ایپلی کیشنز کی ایک وسیع رینج کے لئے مفید ہے ، مثال کے طور پر ، بائن چننا۔ ایک درجہ بندی نقطہ نظر پر مبنی نقطہ نظر ہے جو پچھلے طریقوں کے عام مسائل کو حل کرتی ہے: یہ حقیقی نقطہ نظر کو سنبھالتا ہے، شور، بندش اور بے ترتیبی کے لئے مضبوط ہے جس میں بہت سے عملی ایپلی کیشنز کے لئے کافی ہے، اور اس کے برعکس تبدیلیوں کے لئے غیر متغیر ہے. اس درجہ بندی کے ماڈل کی نسل کے لئے، ایک نیا ماڈل تصویر نسل تکنیک جس کی طرف سے پیمانے پر خلائی اثرات کو مدنظر رکھا جا سکتا ہے پیش کیا جاتا ہے. ضروری اعتراض خیالات ایک مماثلت کی بنیاد پر پہلو گراف کا استعمال کرتے ہوئے حاصل کر رہے ہیں. ایک مکمل تلاش کی اعلی مضبوطی ایک موثر درجہ بندی کی تلاش کے ساتھ مل کر کیا جاتا ہے. 3D پوز کو کم سے کم مربعوں کی ایڈجسٹمنٹ کا استعمال کرتے ہوئے بہتر بنایا گیا ہے جو تصویر میں ہندسی فاصلے کو کم سے کم کرتا ہے، جس سے آبجیکٹ کے فاصلے کے حوالے سے 0.12 فیصد تک پوزیشن کی درستگی حاصل ہوتی ہے، اور ہمارے ٹیسٹ میں 0.35 ڈگری تک کی واقفیت کی درستگی۔ شناخت کا وقت زیادہ تر اعتراض کی پیچیدگی سے آزاد ہے، لیکن بنیادی طور پر پوزیشنوں کی حد پر منحصر ہے جس کے اندر اندر اعتراض کیمرے کے سامنے ظاہر ہوسکتا ہے. کارکردگی کی وجوہات کی بناء پر ، یہ نقطہ نظر درخواست پر منحصر ہے کہ پوزیشن کی حد کو محدود کرنے کی اجازت دیتا ہے۔ عام طور پر رن ٹائمز چند سو سیکنڈ کی حد میں ہیں. |
dbd66f601b325404ff3cdd7b9a1a282b2da26445 | ابتدائی تشخیص کے نتائج سے پتہ چلتا ہے کہ 6D آبجیکٹ پوزیشن کے تخمینے میں فن کی حالت میں بہتری کی گنجائش ہے ، خاص طور پر اہم بندش کے ساتھ مشکل معاملات میں۔ T-LESS ڈیٹا سیٹ آن لائن دستیاب ہے cmp:felk:cvut:cz/t-less. ہم T-LESS متعارف کروا رہے ہیں، 6D پوز کا اندازہ لگانے کے لیے ایک نیا عوامی ڈیٹا سیٹ، یعنی متن کے بغیر سخت اشیاء کی نقل و حرکت اور گردش. ڈیٹا سیٹ میں تیس صنعت سے متعلقہ اشیاء ہیں جن میں کوئی اہم ساخت نہیں ہے اور کوئی امتیازی رنگ یا عکاسی کی خصوصیات نہیں ہے۔ اشیاء شکل اور / یا سائز میں symmetries اور باہمی مماثلت کی نمائش. دیگر ڈیٹا سیٹ کے مقابلے میں، ایک منفرد جائیداد یہ ہے کہ کچھ اشیاء دوسروں کے حصے ہیں. ڈیٹا سیٹ میں تربیتی اور ٹیسٹ کی تصاویر شامل ہیں جو تین ہم وقت ساز سینسرز کے ساتھ حاصل کی گئیں ، خاص طور پر ایک منظم روشنی اور ایک وقت کی پرواز آر جی بی ڈی سینسر اور ایک اعلی ریزولوشن آر جی بی کیمرہ۔ ہر سینسر سے تقریبا 39K ٹریننگ اور 10K ٹیسٹ تصاویر ہیں. اس کے علاوہ، ہر اعتراض کے لئے دو قسم کے 3D ماڈل فراہم کی جاتی ہیں، یعنی. ایک دستی طور پر تخلیق کردہ CAD ماڈل اور ایک نیم خود کار طریقے سے تعمیر شدہ ایک. تربیت کی تصاویر ایک سیاہ پس منظر کے خلاف انفرادی اشیاء کی تصویر کشی کرتی ہیں۔ ٹیسٹ کی تصاویر بیس ٹیسٹ مناظر سے مختلف پیچیدگی کے حامل ہیں ، جو متعدد الگ تھلگ اشیاء کے ساتھ آسان مناظر سے بڑھ کر بہت ہی چیلنجنگ ہیں جن میں متعدد اشیاء کی متعدد مثالیں ہیں اور ان میں بے ترتیبی اور بندش کی ایک بڑی مقدار ہے۔ تصاویر کو اعتراض / منظر کے ارد گرد ایک منظم طریقے سے نمونے والے نقطہ نظر کے دائرے سے قبضہ کر لیا گیا تھا، اور تمام ماڈل اشیاء کے درست زمین کی سچائی 6D پوز کے ساتھ تشریح کی جاتی ہیں. |
74257c2a5c9633565c3becdb9139789bcf14b478 | آئی ٹی کنٹرول فریم ورک کے وسیع پیمانے پر اپنانے کے باوجود ، ان کے استعمال کی تحقیقات کے لئے بہت کم علمی تجرباتی تحقیق کی گئی ہے۔ اس کاغذ میں آسٹریلیا بھر میں پبلک سیکٹر تنظیموں میں انفارمیشن اور متعلقہ ٹیکنالوجی (COBIT) کے لئے کنٹرول مقاصد سے 15 اہم آئی ٹی کنٹرول کے عمل کی پختگی کی سطح کو بینچ مارک کرنے کے لئے تحقیق پر رپورٹ. یہ بھی ایک اسی طرح کے معیار کے ساتھ ایک مخلوط شعبے گروپ کے لئے ایک رینج ممالک، ایشیائی اور سمندری ممالک سے ایک مخلوط شعبے گروپ، اور تمام جغرافیائی علاقوں کے لئے سرکاری شعبے کی تنظیموں کے لئے ایک موازنہ کرتا ہے. آسٹریلیا کے اعداد و شمار 387 غیر مالیاتی سرکاری شعبے کی تنظیموں کے میل سروے میں جمع کیے گئے تھے جن میں 50 سے زائد ملازمین تھے، جس نے 27 فیصد جواب کی شرح واپس کی. 2002 میں آئی ایس آڈٹ اینڈ کنٹرول ایسوسی ایشن کے ذریعہ کئے گئے اصل بین الاقوامی سروے میں پائے جانے والے نمونوں کو آسٹریلیائی اعداد و شمار میں بھی دیکھا گیا تھا۔ تاہم، آسٹریلوی پبلک سیکٹر 15 سب سے اہم آئی ٹی عمل کے لئے تمام بین الاقوامی معیار میں شعبوں سے بہتر کارکردگی کا مظاہرہ کیا. |
0e9bac6a2b51e93e73f7f5045d4252972db10b5a | ہم نے ایک نیا الگورتھم فراہم کیا ہے جو لاکھوں صفوں، لاکھوں کالموں اور اربوں غیر صفر عناصر کے ساتھ بڑے میٹرکس کو تقریباً فیکٹر کرتا ہے۔ ہمارا نقطہ نظر اسٹاکسٹک گریڈینٹ نزول (ایس جی ڈی) پر مبنی ہے ، جو ایک تکرار اسٹاکسٹک اصلاحی الگورتھم ہے۔ ہم سب سے پہلے ایک ناول "سٹرٹیفائیڈ" ایس جی ڈی مختلف قسم (ایس ایس جی ڈی) تیار کرتے ہیں جو عام نقصان کو کم سے کم کرنے کے مسائل پر لاگو ہوتا ہے جس میں نقصان کی تقریب کو "سٹرٹم نقصانات" کے وزن والے مجموعہ کے طور پر بیان کیا جاسکتا ہے۔ ہم اسٹاکسٹک تخمینہ نظریہ اور تخلیقی عمل نظریہ کے نتائج کا استعمال کرتے ہوئے ایس ایس جی ڈی کے تقابلی کے لئے کافی شرائط قائم کرتے ہیں۔ پھر ہم ایس ایس جی ڈی کو ایک نیا میٹرکس فیکٹرائزیشن الگورتھم حاصل کرنے کے لئے مہارت حاصل کرتے ہیں ، جسے ڈی ایس جی ڈی کہا جاتا ہے ، جو مکمل طور پر تقسیم کیا جاسکتا ہے اور ویب پیمانے پر ڈیٹا سیٹ پر چل سکتا ہے ، مثال کے طور پر ، میپ ریڈوس۔ ڈی ایس جی ڈی میٹرکس فیکٹرائزیشن کی ایک وسیع اقسام کو سنبھال سکتا ہے۔ ہم عملی تکنیک ہماری DSGD عملدرآمد میں کارکردگی کو بہتر بنانے کے لئے استعمال کیا بیان. تجربات سے پتہ چلتا ہے کہ ڈی ایس جی ڈی متبادل الگورتھم کے مقابلے میں نمایاں طور پر تیزی سے متفق ہوتا ہے اور اس میں بہتر اسکیل ایبلٹی خصوصیات ہیں۔ |
1109b663453e78a59e4f66446d71720ac58cec25 | ہم درجہ بندی، مقامیت اور پتہ لگانے کے لئے Convolutional نیٹ ورکس کا استعمال کرتے ہوئے کے لئے ایک مربوط فریم ورک پیش. ہم دکھاتے ہیں کہ کس طرح ایک کثیر پیمانے پر اور سلائڈنگ ونڈو نقطہ نظر کو مؤثر طریقے سے ایک ConvNet کے اندر اندر لاگو کیا جا سکتا ہے. ہم نے ایک نئی گہری سیکھنے کا طریقہ بھی متعارف کرایا ہے جس میں آبجیکٹ کی حدود کی پیش گوئی کرنا سیکھا جاتا ہے۔ حد بندی خانوں کو پھر جمع کرنے کے بجائے دباؤ ڈال دیا جاتا ہے تاکہ پتہ لگانے کے اعتماد میں اضافہ کیا جاسکے۔ ہم نے دکھایا ہے کہ ایک مشترکہ نیٹ ورک کا استعمال کرتے ہوئے مختلف کاموں کو ایک ساتھ سیکھا جا سکتا ہے. یہ مربوط فریم ورک امیج نیٹ بڑے پیمانے پر بصری شناخت چیلنج 2013 (ILSVRC2013) کے لوکلائزیشن ٹاسک کا فاتح ہے اور پتہ لگانے اور درجہ بندی کے کاموں کے لئے بہت مسابقتی نتائج حاصل کیے ہیں۔ مقابلہ کے بعد کے کام میں، ہم پتہ لگانے کے کام کے لئے فن کی ایک نئی حالت قائم کرتے ہیں. آخر میں، ہم نے ایک خصوصیت نکالنے والا جاری کیا ہمارے بہترین ماڈل سے اوورفیٹ کہا جاتا ہے. |
062c1c1b3e280353242dd2fb3c46178b87cb5e46 | اس مقالے میں ہم مسلسل ریاست کے عمل کی جگہوں کے ساتھ تقویت سیکھنے کے مسائل سے نمٹنے کے. ہم ایک نیا الگورتھم تجویز کرتے ہیں ، tted قدرتی اداکار تنقیدی (FNAC) ، جو کام کو [1] میں عام فنکشن کے تخمینے اور ڈیٹا کے دوبارہ استعمال کی اجازت دینے کے لئے بڑھا دیتا ہے۔ ہم اہمیت کے نمونے لینے کا استعمال کرتے ہوئے ٹی ٹیڈ ویلیو آئیٹریشن کے ایک مختلف قسم کے ساتھ قدرتی اداکار تنقیدی فن تعمیر [1] کو جوڑتے ہیں۔ اس طرح حاصل کردہ طریقہ کار دونوں نقطہ نظر کی پرکشش خصوصیات کو یکجا کرتا ہے جبکہ ان کی اہم کمزوریوں پر قابو پانے کے ساتھ: ایک گریڈینٹ پر مبنی اداکار کا استعمال آسانی سے مسلسل عمل کے خالی جگہوں میں پالیسی کی اصلاح کے ساتھ رجعت کے طریقوں میں پائے جانے والے مشکلات پر قابو پاتا ہے۔ اس کے نتیجے میں ، رجعت پر مبنی تنقید کا استعمال اعداد و شمار کے موثر استعمال کی اجازت دیتا ہے اور اس سے ہم آہنگی کے مسائل سے بچتا ہے جو اکثر ٹی ڈی پر مبنی تنقید کا مظاہرہ کرتے ہیں۔ ہم اپنے الگورتھم کے تقابلی کو قائم کرتے ہیں اور اس کے اطلاق کو ایک سادہ مسلسل جگہ، مسلسل کارروائی کے مسئلے میں ظاہر کرتے ہیں. |
f97f0902698abff8a2bc3488e8cca223e5c357a1 | خصوصیت کا انتخاب ڈیٹا مائننگ اور مشین لرننگ کے مسائل کو حل کرنے کا ایک اہم پہلو ہے۔ یہ کاغذ سپورٹ ویکٹر مشین (SVM) سیکھنے کے لئے ایک خصوصیت کے انتخاب کا طریقہ تجویز کرتا ہے. زیادہ تر خصوصیت کے انتخاب کے طریقوں کی طرح، مجوزہ طریقہ کار اہمیت کے کم ہونے کے حکم میں تمام خصوصیات کو درجہ بندی کرتا ہے تاکہ زیادہ متعلقہ خصوصیات کی شناخت کی جا سکے. یہ SVM کے امکانات کے نتائج پر مبنی ایک نیا معیار استعمال کرتا ہے. اس معیار کو، خصوصیت پر مبنی حساسیت کے بعد کے امکانات (FSPP) کہا جاتا ہے، خصوصیت کے ساتھ اور بغیر کسی خاصیت کے SVM کے امکانات کے نتائج کے مطلق فرق کے مجموعی قدر، خصوصیت کی جگہ پر، کی طرف سے ایک مخصوص خصوصیت کی اہمیت کا اندازہ کرتا ہے. اس معیار کی صحیح شکل آسانی سے کمپیوٹبل نہیں ہے اور قریب سے تخمینہ لگانے کی ضرورت ہے۔ اس مقصد کے لئے چار تخمینے، FSPP1-FSPP4، تجویز کیے گئے ہیں. پہلے دو تخمینوں میں تربیت کے اعداد و شمار کے نمونے کے درمیان خصوصیت کی اقدار کو بے ترتیب طور پر permuting کی طرف سے معیار کا اندازہ لگایا جاتا ہے. وہ معیاری SVM آؤٹ پٹ سے اس کے امکانات کے آؤٹ پٹ سے نقشہ سازی کی تقریب کے ان کے انتخاب میں مختلف ہیں: FSPP1 ایک سادہ حد فنکشن کا استعمال کرتا ہے جبکہ FSPP2 ایک سگمائڈ فنکشن کا استعمال کرتا ہے. دوسرے دو براہ راست معیار کے قریب ہیں لیکن خصوصیات کے حوالے سے معیار کی ہموار مفروضوں میں مختلف ہیں۔ ان تخمینوں کی کارکردگی، ایک مجموعی خصوصیت کے انتخاب کے منصوبے میں استعمال کیا جاتا ہے، پھر مختلف مصنوعی مسائل اور حقیقی دنیا کے مسائل پر اندازہ کیا جاتا ہے، بشمول حالیہ نیورل انفارمیشن پروسیسنگ سسٹم (NIPS) خصوصیت کے انتخاب کے مقابلہ سے ڈیٹا سیٹ بھی شامل ہیں. FSPP1-3 مسلسل اچھی کارکردگی کا مظاہرہ کرتے ہیں FSPP2 ایک معمولی مارجن کے ساتھ سب سے بہتر مجموعی طور پر ہونے کے ساتھ. FSPP2 کی کارکردگی ہم نے تجربہ کیا ہے کہ ڈیٹا سیٹ پر ادب میں بہترین کارکردگی کا مظاہرہ خصوصیت انتخاب کے طریقوں میں سے کچھ کے ساتھ مسابقتی ہے. اس سے وابستہ حسابات معمولی ہیں اور اس وجہ سے یہ ایس وی ایم ایپلی کیشنز کے لئے فیچر انتخاب کے طریقہ کار کے طور پر موزوں ہے۔ |
a1c5a6438d3591819e730d8aecb776a52130c33d | ایک کمپیکٹ مائکرو پٹی کم پاس فلٹر (ایل پی ایف) انتہائی وسیع اسٹاپ بینڈ کے ساتھ ٹرانسفارمڈ اسٹیپڈ امپڈینس ہیئر پنن ریسونٹر کا استعمال کرتے ہوئے تجویز کیا گیا ہے۔ تبدیل شدہ resonator ایک قدم رکاوٹ hairpin resonator اور ایک سرایت ہیکساگون stub بوجھ منسلک لائن ساخت پر مشتمل ہے. سائز بڑھانے کے بغیر، ایک وسیع سٹاپ بینڈ حاصل کرنے کے لئے سرایت ڈھانچہ متعارف کرایا جاتا ہے. ایک پروٹوٹائپ ایل پی ایف کی نقالی، تعمیر اور پیمائش کی گئی ہے، اور پیمائشیں نقالیوں کے ساتھ اچھے معاہدے میں ہیں. لاؤ پاس فلٹر میں 12.01fc تک الٹرا وائڈ اسٹاپ بینڈ دکھایا گیا ہے جس میں 14 ڈی بی کی مسترد کی سطح ہے۔ اس کے علاوہ، مجوزہ فلٹر 0.071λg × 0.103λg کا سائز ہے، جہاں λg 1.45 گیگاہرٹج کٹ آف فریکوئنسی پر ویو گائیڈ کی لمبائی ہے. |
70d2d4b07b5c65ef4866c7fd61f9620bffa01e29 | ماحولیاتی تبدیلیاں اور بارشیں گزشتہ دہائی میں بے ترتیب رہی ہیں۔ اس کی وجہ سے حالیہ دور میں ، بہت سے ہندوستانی کسانوں نے آب و ہوا کے ذہین طریقوں کو اپنایا ہے جسے اسمارٹ زراعت کہا جاتا ہے۔ اسمارٹ زراعت ایک خودکار اور ہدایت شدہ انفارمیشن ٹیکنالوجی ہے جو آئی او ٹی (انٹرنیٹ آف چیزوں) کے ساتھ لاگو ہوتی ہے۔ آئی او ٹی تیزی سے ترقی کر رہا ہے اور تمام وائرلیس ماحول میں وسیع پیمانے پر لاگو کیا جاتا ہے. اس مقالے میں ، سینسر ٹیکنالوجی اور وائرلیس نیٹ ورکس انٹیگریشن آف آئی او ٹی ٹیکنالوجی کا مطالعہ کیا گیا ہے اور زرعی نظام کی اصل صورتحال کی بنیاد پر جائزہ لیا گیا ہے۔ انٹرنیٹ اور وائرلیس مواصلات کے ساتھ ایک مشترکہ نقطہ نظر، ریموٹ مانیٹرنگ سسٹم (آر ایم ایس) کی تجویز کی گئی ہے. اس کا بنیادی مقصد زرعی پیداوار کے ماحول کے حقیقی وقت کے اعداد و شمار جمع کرنا ہے جو زرعی سہولیات جیسے شارٹ مساجنگ سروس (ایس ایم ایس) کے ذریعے الرٹس اور موسم کے نمونے ، فصلوں وغیرہ کے بارے میں مشورے فراہم کرتا ہے۔ |
ea88b58158395aefbb27f4706a18dfa2fd7daa89 | آن لائن سوشل نیٹ ورکس (او ایس این) میں خود افشاء کرنے کی کافی مقدار کے باوجود ، اس رجحان کے پیچھے محرکات ابھی بھی کم سمجھے گئے ہیں۔ پرائیویسی کیلکلس تھیوری پر تعمیر، اس مطالعہ انفرادی خود افشاء کرنے کے فیصلوں کے پیچھے عوامل پر ایک قریبی نظر لینے کی طرف سے اس خلا کو بھرتا ہے. 237 مضامین کے ساتھ ایک ساختی مساوات ماڈل میں ہم نے محسوس کیا لطف اندوزی اور رازداری کے خدشات کو معلومات کے انکشاف کے اہم تعینات کرنے والے کے طور پر تلاش کیا. ہم تصدیق کرتے ہیں کہ OSN صارفین کی رازداری کے خدشات بنیادی طور پر رازداری کی خلاف ورزی کے امکان کے ذریعہ طے کیے جاتے ہیں اور متوقع نقصان سے بہت کم۔ یہ بصیرت OSN فراہم کرنے والوں اور پالیسی سازوں کے لئے ایک ٹھوس بنیاد فراہم کرتی ہے تاکہ ان کی صحت مند افشاء کی سطح کو یقینی بنایا جاسکے جو موضوعی منطق پر مبنی ہے نہ کہ ذہنی غلط فہمیوں پر۔ |
9dbfcf610da740396b2b9fd75c7032f0b94896d7 | ایپلی کیشنز جو ڈیٹا بیس مینجمنٹ سسٹم (ڈی بی ایم ایس) کے ساتھ بات چیت کرتے ہیں وہ ہر جگہ موجود ہیں۔ اس طرح کے ڈیٹا بیس ایپلی کیشنز عام طور پر ایک ایپلی کیشن سرور پر ہوسٹ ہوتے ہیں اور ڈیٹا بیس سرور پر ہوسٹ ڈی بی ایس ایس تک نیٹ ورک پر بہت سے چھوٹے رسائی انجام دیتے ہیں تاکہ پروسیسنگ کے لئے ڈیٹا بازیافت کیا جاسکے۔ کئی دہائیوں سے ، ڈیٹا بیس اور پروگرامنگ سسٹم ریسرچ کمیونٹیز نے مختلف نقطہ نظر سے ایسی ایپلی کیشنز کو بہتر بنانے پر کام کیا ہے۔ ڈیٹا بیس کے محققین نے انتہائی موثر ڈی بی ایم ایس تیار کیے ہیں ، اور پروگرامنگ سسٹم کے محققین نے ایپلی کیشنز کی میزبانی کے لئے خصوصی کمپائلرز اور رن ٹائم سسٹم تیار کیے ہیں۔ تاہم ، نسبتا little کم کام ہوا ہے جو ان خصوصی نظاموں کو مجموعی طور پر غور کرکے اور ان میں پھیلے ہوئے اصلاح کے مواقع کی تلاش کرکے ڈیٹا بیس ایپلی کیشنز کو بہتر بناتا ہے۔ اس مضمون میں ، ہم تین منصوبوں پر روشنی ڈالتے ہیں جو پروگرامنگ سسٹم اور ڈی بی ایم ایس دونوں کو جامع انداز میں دیکھ کر ڈیٹا بیس ایپلی کیشنز کو بہتر بناتے ہیں۔ احتیاط سے DBMS اور درخواست کے درمیان انٹرفیس کا جائزہ لینے کی طرف سے، اور اعلاناتی ڈیٹا بیس کی اصلاح اور جدید پروگرام تجزیہ تکنیک کا ایک مرکب کا اطلاق کرتے ہوئے، ہم ظاہر کرتے ہیں کہ ایک رفتار اپ کی کئی آرڈر کے سائز حقیقی دنیا کی ایپلی کیشنز میں ممکن ہے. |
fdc3948f5fec24eb7cd4178aee9732ab284f1f1c | اس کاغذ میں WWAN / LTE دھاتی rimmed اسمارٹ فون ایپلی کیشنز کے لئے ایک ہائبرڈ کثیر موڈ تنگ فریم اینٹینا تجویز کیا جاتا ہے. زمین کی کلیئرنس صرف 5 ملی میٹر × 45 ملی میٹر ہے ، جو تنگ فریم اسمارٹ فونز کے لئے وعدہ ہے. ایک چھوٹا سا خلا کے ساتھ دھات رم تین زمین پیچ کی طرف سے نظام زمین سے منسلک کیا جاتا ہے. یہ تجویز کردہ اینٹینا تین جوڑے لوپ طریقوں اور ایک سلاٹ موڈ کو متحرک کر سکتا ہے. ان چار طریقوں کو شامل کرکے ، مجوزہ اینٹینا GSM850 / 900 ، DCS / PCS / UMTS2100 ، اور LTE2300 / 2500 آپریشنز کے لئے کوریج فراہم کرسکتی ہے۔ مجوزہ اینٹینا کے تفصیلی ڈیزائن پر غور بیان کیا گیا ہے، اور تجرباتی اور تخروپن دونوں نتائج بھی پیش کیے گئے ہیں. |
021f37e9da69ea46fba9d2bf4e7ca3e8ba7b3448 | ایک الٹراواڈ بینڈ شمسی ویوالڈی اینٹینا تجویز کیا گیا ہے. غیر واضح سلکان خلیات سے کاٹا گیا ، یہ 4.25 وی پر چوٹی کی طاقت برقرار رکھتا ہے ، جو نقصان دہ بجلی کے انتظام کے اجزاء کی ضرورت کو ختم کرتا ہے۔ وائرلیس مواصلات کا آلہ شمسی توانائی پیدا کرسکتا ہے یا دوہری ماخذ توانائی کی کٹائی کے لئے ایک ریکٹنا کے طور پر کام کرسکتا ہے۔ شمسی ویوالڈی 0.95-2.45 گیگا ہرٹز سے 0.5-2.8 ڈی بی آئی کے ساتھ کارکردگی کا مظاہرہ کرتا ہے ، اور ریکٹنا موڈ میں ، یہ وائرلیس توانائی کے صفائی کے لئے تین بینڈوں کا احاطہ کرتا ہے۔ |
592a6d781309423ceb95502e92e577ef5656de0d | مشینی ترجمہ کے نیورل انکوڈر-ڈکوڈر ماڈلز نے روایتی ترجمہ ماڈلز کا مقابلہ کرتے ہوئے متاثر کن نتائج حاصل کیے ہیں۔ تاہم ان کی ماڈلنگ تشکیل بہت زیادہ آسان ہے، اور روایتی ماڈل میں تعمیر کئی اہم انڈکشن تعصب کو چھوڑ دیتا ہے. اس مقالے میں ہم توجہ کے اعصابی ترجمے کے ماڈل کو بڑھا کر الفاظ پر مبنی سیدھ ماڈل سے ساختی تعصب کو شامل کرتے ہیں ، بشمول پوزیشنل تعصب ، مارکوف کنڈیشننگ ، زرخیزی اور ترجمے کی سمتوں پر اتفاق۔ ہم نے کئی زبان کے جوڑوں پر ایک بنیادی توجہ ماڈل اور معیاری جملے پر مبنی ماڈل کے مقابلے میں بہتری دکھائی ہے، کم وسائل کی ترتیب میں مشکل زبانوں پر تشخیص. |
9ebe089caca6d78ff525856c7a828884724b9039 | بائیسیئن نقطہ نظر کو تقویت سیکھنے میں تلاش اور استحصال کے تجارت کے لئے ایک اصول حل فراہم کرتا ہے. تاہم، عام نقطہ نظر یا تو مکمل طور پر مشاہدہ ماحول یا پیمانے پر غریب طور پر فرض کرتے ہیں. اس کام میں فیکٹرڈ بیز-موافقت پذیر POMDP ماڈل متعارف کرایا گیا ہے ، جو ایک ایسا فریم ورک ہے جو جزوی طور پر مشاہدہ کرنے والے نظاموں میں حرکیات کو سیکھتے ہوئے بنیادی ڈھانچے کو استعمال کرنے کے قابل ہے۔ ہم ریاست اور ماڈل متغیرات کے اوپر مشترکہ پچھلے قریب کے لئے ایک عقیدے سے باخبر رہنے کا طریقہ بھی پیش کرتے ہیں ، اور مونٹی کارلو ٹری سرچ حل کے طریقہ کار کی موافقت ، جو مل کر بنیادی مسئلے کو قریب سے زیادہ سے زیادہ حل کرنے کے قابل ہیں۔ ہمارا طریقہ کار ایک معروف فیکٹرائزیشن دی گئی ہے یا ایک ہی وقت میں فیکٹرائزیشن اور ماڈل پیرامیٹرز کو سیکھنے کے لئے مؤثر طریقے سے سیکھنے کے قابل ہے. ہم نے یہ ثابت کیا ہے کہ یہ طریقہ موجودہ طریقوں سے بہتر ہے اور ایسے مسائل کو حل کرنے میں کامیاب ہے جو پہلے ناقابل عمل تھے۔ |
b3a18280f63844e2178d8f82bc369fcf3ae6d161 | لفظ سرایت ایک مقبول فریم ورک ہے جو حقیقی اعداد کے ویکٹر کے طور پر ٹیکسٹ ڈیٹا کی نمائندگی کرتا ہے. یہ ویکٹر زبان میں سیمنٹکس کو پکڑتے ہیں، اور قدرتی زبان پروسیسنگ اور مشین سیکھنے کی مختلف ایپلی کیشنز میں استعمال ہوتے ہیں۔ ان مفید خصوصیات کے باوجود ، عام زبان کے کوروس سے اخذ کردہ الفاظ کی سرایت ضروری طور پر انسانی تعصب کی نمائش کرتی ہے۔ [6] ہم GloVe لفظ ایمبیڈنگ الگورتھم [9] کے ذریعہ تیار کردہ قبضے کے لفظ ویکٹر کے لئے براہ راست اور بالواسطہ صنفی تعصب کی پیمائش کرتے ہیں ، پھر اس الگورتھم کو تبدیل کرتے ہیں تاکہ اس ایمبیڈنگ کا استعمال کرتے ہوئے نیچے والے ایپلی کیشنز میں تعصب کو بڑھانے میں کم تعصب کے ساتھ ایمبیڈ پیدا کیا جاسکے۔ |
08a6e999532544e83618c16a96f6d4c7356bc140 | |
0c35a65a99af8202fe966c5e7bee00dea7cfcbf8 | یہ مضمون ایک آٹو ناموس ، انٹرایکٹو ٹور گائیڈ روبوٹ کے سافٹ ویئر فن تعمیر کی وضاحت کرتا ہے۔ یہ ایک ماڈیولر اور تقسیم شدہ سافٹ ویئر فن تعمیر پیش کرتا ہے، جو مقامی، نقشہ سازی، تصادم سے بچنے، منصوبہ بندی، اور صارف کے تعامل اور ویب پر مبنی ٹیلی پریزنسی سے متعلق مختلف ماڈیولز کو ضم کرتا ہے. اس کے دل میں، s oftware نقطہ نظر احتمال حساب، آن لائن سیکھنے، اور کسی بھی وقت alg الگورتھم پر انحصار کرتا ہے. یہ روبوٹ کو محفوظ طریقے سے، قابل اعتماد طریقے سے، اور انتہائی متحرک ماحول میں تیز رفتار سے کام کرنے کے قابل بناتا ہے، اور روبوٹ کی کارکردگی کی مدد کے لئے ماحول کی کسی بھی ترمیم کی ضرورت نہیں ہے. لوگوں کی انٹرویو کی صلاحیتوں کے ڈیزائن پر خصوصی زور دیا جاتا ہے جو لوگوں کے انٹرویو سے اپیل کرتے ہیں. انٹرفیس عوامی مقامات پر لوگوں کے ہجوم کے ساتھ انسان روبوٹ کی بات چیت کے لئے نئے ذرائع فراہم کرتا ہے، اور یہ بھی ویب کا استعمال کرتے ہوئے ایک "مجازی telepresence" قائم کرنے کی صلاحیت کے ساتھ دنیا بھر میں لوگوں کو فراہم کرتا ہے. ہمارے نقطہ نظر کی وضاحت کرنے کے لئے، نتائج 1997 کے وسط میں حاصل کی جاتی ہیں، جب ہمارے روبوٹ RHINO چھ دن کے لئے ایک گنجان آباد میوزیم میں تعینات کیا گیا تھا. تجرباتی نتائج عوامی ماحول میں قابل اعتماد آپریشن کا مظاہرہ کرتے ہیں. روبوٹ نے میوزیم کی توجہ 50 فیصد سے زیادہ بڑھائی۔ اس کے علاوہ، دنیا بھر میں ہزاروں افراد نے ویب کے ذریعے روبوٹ کو کنٹرول کیا۔ ہم یہ قیاس کرتے ہیں کہ یہ بدعات سروس روبوٹ کے لئے درخواست کے بہت بڑے آر رینج ڈومینز سے تجاوز کرتی ہیں۔ |
66479c2251088dae51c228341c26164f21250593 | |
2c521847f2c6801d8219a1a2e9f4e196798dd07d | |
c0e97ca70fe29db4ceb834464576b699ef8874b1 | یہ خط ایک ناول سیمنٹک نقشہ سازی کا نقطہ نظر پیش کرتا ہے ، ریکوریٹ آکٹو میپ ، طویل مدتی تین جہتی (3-D) لیڈار ڈیٹا سے سیکھا ہے۔ زیادہ تر موجودہ سیمنٹک میپنگ کے نقطہ نظر سیمنٹک نقشوں کی 3D اصلاح کے بجائے واحد فریموں کی سیمنٹک تفہیم کو بہتر بنانے پر توجہ مرکوز کرتے ہیں (یعنی. semantic مشاہدات کو ملا کر). 3D سیمنٹک نقشہ کی اصلاح کے لئے سب سے زیادہ وسیع پیمانے پر استعمال ہونے والا نقطہ نظر بیز اپ ڈیٹ ہے ، جو مارکوف چین ماڈل کے بعد لگاتار پیش گوئی کے امکانات کو جوڑتا ہے۔ اس کے بجائے، ہم ایک درجہ بندی سے پیشن گوئیوں کو صرف فوسنگ کرنے کے بجائے، سیمنٹک خصوصیات کو ضم کرنے کے لئے ایک سیکھنے کے نقطہ نظر کی تجویز کرتے ہیں. ہمارے نقطہ نظر میں، ہم نمائندگی کرتے ہیں اور ایک آکٹومپ کے طور پر ہمارے 3D نقشہ کو برقرار رکھنے، اور ایک بار پھر آکٹومپ حاصل کرنے کے لئے، ایک بار پھر نیورل نیٹ ورک کے طور پر ہر سیل ماڈل. اس صورت میں، سیمنٹک نقشہ سازی کے عمل کو ترتیب سے ترتیب کوڈنگ-ڈکوڈنگ مسئلہ کے طور پر تشکیل دیا جا سکتا ہے. اس کے علاوہ، ہمارے ریکرنٹ-آکٹو میپ میں مشاہدات کی مدت بڑھانے کے لیے، ہم نے دو ہفتوں سے زیادہ کے ڈیٹا کا استعمال کرتے ہوئے متحرک ماحول کا متواتر نقشہ بنانے کے لیے ایک مضبوط 3D لوکلائزیشن اور میپنگ سسٹم تیار کیا، اور سسٹم کو تربیت دی جا سکتی ہے اور اس کو کسی بھی میموری کی لمبائی کے ساتھ تعینات کیا جا سکتا ہے۔ ہم ای ٹی ایچ کے طویل مدتی 3 ڈی لیڈار ڈیٹا سیٹ پر اپنے نقطہ نظر کی توثیق کرتے ہیں۔ تجرباتی نتائج سے پتہ چلتا ہے کہ ہمارے تجویز کردہ نقطہ نظر روایتی "بیز اپ ڈیٹ" نقطہ نظر سے بہتر ہے. |
1d3ddcefe4d5fefca04fe730ca73312e2c588b3b | طالب علموں کو برقرار رکھنے کے بہت سے اندراج کے انتظام کے نظام کا ایک لازمی حصہ ہے. یہ یونیورسٹی کی درجہ بندی، اسکول کی ساکھ اور مالی خوشحالی کو متاثر کرتا ہے۔ طلباء کو برقرار رکھنے اعلی تعلیمی اداروں میں فیصلہ سازوں کے لئے سب سے اہم ترجیحات میں سے ایک بن گیا ہے. طلباء کی تعداد میں اضافہ طلباء کی تعداد میں کمی کی وجوہات کو سمجھنے سے شروع ہوتا ہے۔ اس طرح کی تفہیم خطرے میں طالب علموں کو درست طریقے سے پیشن گوئی اور مناسب طریقے سے ان کو برقرار رکھنے کے لئے مداخلت کی بنیاد ہے. اس مطالعہ میں، پانچ سال کے ادارہ کے اعداد و شمار کے ساتھ ساتھ کئی ڈیٹا کان کنی کی تکنیک (دونوں افراد کے ساتھ ساتھ ensembles) کا استعمال کرتے ہوئے، ہم نے تجزیاتی ماڈل تیار کیا ہے کی پیشن گوئی کرنے اور پہلی جماعت کے طالب علموں کے پیچھے وجوہات کی وضاحت کرنے کے لئے. تقابلی تجزیوں کے نتائج سے پتہ چلتا ہے کہ مجموعوں نے انفرادی ماڈلوں سے بہتر کارکردگی کا مظاہرہ کیا ، جبکہ متوازن ڈیٹا سیٹ نے غیر متوازن ڈیٹا سیٹ کے مقابلے میں بہتر پیش گوئی کے نتائج برآمد کیے۔ خریداری کی برآمد کا حساسیت تجزیہ پچھلا مضمون اگلا مضمون چیک کریں کہ آیا آپ کو اپنے لاگ ان اسناد یا اپنے ادارے کے ذریعہ رسائی حاصل ہے یا نہیں۔ |
1b3b22b95ab55853aff3ea980a5b4a76b7537980 | مسلسل صفات کے ساتھ ڈومینز میں C4.5 کی ایک رپورٹ کی کمزوری مسلسل صفات پر ٹیسٹ کی تشکیل اور تشخیص کو تبدیل کر کے خطاب کیا جاتا ہے. ایم ڈی ایل سے متاثرہ سزا ایسے ٹیسٹوں پر لاگو کی جاتی ہے ، ان میں سے کچھ کو غور سے خارج کرتے ہوئے اور تمام ٹیسٹوں کی نسبت پسندیدگی کو تبدیل کرتے ہیں۔ تجرباتی تجربات سے پتہ چلتا ہے کہ ترمیم اعلی پیشن گوئی کی درستگی کے ساتھ چھوٹے فیصلے کے درختوں کی طرف جاتا ہے. نتائج یہ بھی تصدیق کرتے ہیں کہ ان تبدیلیوں کو شامل کرنے والے C4.5 کا ایک نیا ورژن حالیہ طریقوں سے بہتر ہے جو عالمی ڈسکریٹائزیشن کا استعمال کرتے ہیں اور جو کثیر وقفے کے ساتھ چھوٹے درختوں کی تعمیر کرتے ہیں۔ |
1060ff9852dc12e05ec44bee7268efdc76f7535d | کلیدی خیال یہ ہے کہ ان پٹ جوڑے (I، J) کے درمیان براہ راست بہاؤ کا حساب لگانے کے بجائے ، ہم تصاویر (I، J ) کے ورژن کا حساب لگاتے ہیں جس میں چہرے کے تاثرات اور پوز کو معمول پر لایا جاتا ہے جبکہ روشنی کو محفوظ کیا جاتا ہے۔ یہ مکمل تصویر مجموعہ سے تشکیل ایک ظہور ذیلی خلا پر iteratively ہر تصویر کی پیشکش کی طرف سے حاصل کیا جاتا ہے. مطلوبہ بہاؤ بہاؤ کے concatenation کے ذریعے حاصل کیا جاتا ہے (میں → میں) o (J → جے). ہمارا نقطہ نظر کسی بھی دو فریم آپٹیکل فلو الگورتھم کے ساتھ استعمال کیا جا سکتا ہے، اور نمایاں طور پر روشنی اور شکل تبدیلیوں کو عدم استحکام فراہم کرکے الگورتھم کی کارکردگی کو بڑھاتا ہے. انٹرنیٹ چہرے کی تصاویر کے کسی بھی جوڑے کے درمیان آپٹیکل بہاؤ کا حساب کتاب روشنی ، پوز اور جیومیٹری میں اختلافات کی وجہ سے فن کے بہاؤ کے تخمینے کے زیادہ تر موجودہ طریقوں کے لئے چیلنج ہے۔ ہم دکھاتے ہیں کہ بہاؤ کا تخمینہ اسی (یا اسی طرح کی) شے کی ایک بڑی تصویر مجموعہ کا فائدہ اٹھاتے ہوئے ڈرامائی طور پر بہتر کیا جاسکتا ہے۔ خاص طور پر، گوگل امیج سرچ سے کسی مشہور شخصیت کی تصاویر کے معاملے پر غور کریں۔ کسی بھی دو ایسی تصاویر میں مختلف چہرے کا اظہار، روشنی اور چہرے کی سمت ہوسکتی ہے. |
823964b144009f7c395cd09de9a70fe06542cc84 | گرین ہاؤس گیسوں کے اخراج کو کم کرنے اور مخلوط توانائی کے ذرائع کو متعارف کرانے کی ضرورت کی وجہ سے بجلی کی پیداوار دنیا بھر میں ڈرامائی طور پر تبدیل ہو رہی ہے. بجلی کے نیٹ ورک کو ناقابل پیش گوئی روزانہ اور موسمی تغیرات کے ساتھ طلب کو پورا کرنے کے لئے ٹرانسمیشن اور تقسیم میں بڑے چیلنجوں کا سامنا ہے۔ بجلی کے توانائی کے ذخیرہ (ای ای ایس) کو ان چیلنجوں کا مقابلہ کرنے میں بڑی صلاحیت رکھنے والی بنیادی ٹیکنالوجیز کے طور پر تسلیم کیا جاتا ہے ، جس کے تحت استعمال ہونے والی ٹکنالوجی کے مطابق ، توانائی کو ایک خاص حالت میں ذخیرہ کیا جاتا ہے ، اور جب ضرورت ہو تو بجلی کی توانائی میں تبدیل کیا جاتا ہے۔ تاہم، اختیارات کی وسیع اقسام اور پیچیدہ خصوصیت میٹرکس ایک مخصوص ای ای ایس ٹیکنالوجی کے لئے ایک خاص درخواست کا اندازہ لگانا مشکل بناتے ہیں. اس دستاویز کا مقصد یہ ہے کہ اس مسئلے کو کم کرنے کے لئے دستیاب جدید ترین ٹیکنالوجی کی ایک جامع اور واضح تصویر فراہم کی جائے، اور جہاں وہ ایک بجلی کی پیداوار اور تقسیم کے نظام میں انضمام کے لئے موزوں ہو گی. اس مقالے کا آغاز آپریشن کے اصولوں، تکنیکی اور معاشی کارکردگی کی خصوصیات اور اہم ای ای ایس ٹیکنالوجیز کی موجودہ تحقیق اور ترقی کے جائزہ کے ساتھ ہوتا ہے، جو ذخیرہ شدہ توانائی کی اقسام کی بنیاد پر چھ اہم زمروں میں ترتیب دیا جاتا ہے۔ اس کے بعد، ایک جامع موازنہ اور جائزہ لیا ٹیکنالوجی کے ایک درخواست کے ممکنہ تجزیہ پیش کیا جاتا ہے. 2014 مصنفین. ایلسویئر لمیٹڈ کی طرف سے شائع. یہ ایک اوپن رسائی مضمون ہے CC BY لائسنس کے تحت (http://creativecommons.org/licenses/by/3.0/). |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.