Datasets:

carlfeynman
/

Bharat_NanoSCIDOCS_awa

_id stringlengths 40 40	text stringlengths 0 12.6k
1b2a0e8af5c1f18e47e71244973ce4ace4ac6034	पदानुक्रमित पिटमैन-योर प्रक्रिया प्राथमिक भाषा मॉडल सीखै खातिर बाध्यकारी तरीका हई, जवन कि बिंदु-अनुमान आधारित तरीका से बेहतर प्रदर्शन करत है। हालांकि, इ मॉडल computational and statistical inference problems का कारण नही है, जैसे memory and time use, या sample से सम्बंधित बाते हैं। इ काम मा हम एक नया ढांचा क प्रस्ताव करत है जवन संकुचित प्रत्यय पेड़ों का उपयोग करके HPYP मॉडल का सघन रूप से प्रतिनिधित्व करत है। फिर, हम इ ढाँचा मा एक कुशल अनुमानित अनुमान योजना का विकास करें कि पूर्ण HPYP की तुलना मा एक धेरै कम मेमोरी पदचिह्न छ र अनुमान समय मा तेजी छ। प्रायोगिक परिणाम बताय देत है कि हमार मॉडल पिछला HPYP मॉडल की तुलना मा काफी बड़ा डेटासेट पर बनाय जा सकत है, जबकि कई आदेशों की मात्रा छोटा है, प्रशिक्षण और अनुमान के लिए तेज है, और 15 प्रतिशत तक की स्थिति से परे संशोधित Kneser-Ney गिनती आधारित LM चिकनाई की उलझन से परे है।
6c9bd4bd7e30470e069f8600dadb4fd6d2de6bc1	ई कागज घटनाओं अउर सिमेंटिक भूमिकाओं की एक नई भाषा संसाधन का वर्णन करत है जवन वास्तविक दुनिया की स्थितियों का चिह्नित करत है। कथानक योजनाओं मा संबंधित घटनाओं का सेट (संपादन और प्रकाशन), घटनाओं का एक समय क्रम (प्रकाशित होने से पहले संपादन), और प्रतिभागियों की अर्थपूर्ण भूमिका (लेखक पुस्तकें प्रकाशित) शामिल हैं। इ प्रकार की विश्वव्यापी ज्ञान का प्राकृतिक भाषा के समझे मा सबसे पहिले इस्तेमाल कीन गवा . लिपियौ एक मुख्य औपचारिकताएं रहे, जो दुनिया मा घटित होने वाले घटनाओं का सामान्य अनुक्रम का प्रतिनिधित्व करते थे। दुर्भाग्य से, अधिकांश इहय सिद्ध भय गइन कि ई एगो बैज्ञानिक सिद्धान्त ही रहा। वर्तमान मशीन लर्निंग तकनीक, साथ ही साथ कोररेफरेन्स चेन के माध्यम से सीखने का एक नया तरीका, हमें खुला डोमेन पाठ से वर्णनात्मक योजनाओं के रूप में स्वचालित रूप से समृद्ध घटना संरचना निकालने की अनुमति दी है। इ पेपर मा वर्णित कथात्मक योजना संसाधन मा लगभग 5000 अद्वितीय घटनाएं शामिल हैं जिनमा विभिन्न आकारों का योजना शामिल है। हम संसाधन का वर्णन करत हैं, ई कइसे सीखित है, अउर इनक्यूबेटर-प्रगतिशील सामग्री का कइसे उपयोग करत है, इ पर एक नई चर्चा चर्चा कीन जाय।
8e508720cdb495b7821bf6e43c740eeb5f3a444a	भाषण, रोबोटिक्स, वित्त अउर जीव विज्ञान मा कई अनुप्रयोग क्रमिक डेटा से संबंधित होला, जहां क्रमबद्ध मामला अउर आवर्ती संरचना आम है। हालांकि, इ संरचना का आसानी से खण्डन नहीं की जा सकती है। इ संरचना का मॉडल करेक खातिर, हम गॉसियन प्रक्रियाओं खातिर अभिव्यक्तिपूर्ण बंद-रूप नाभिक फलन का प्रस्ताव करत ह. परिणामी मॉडल, GP-LSTM, पूरी तरह से गॉसियन प्रक्रियाओं के गैर-पैरामीटर संभाव्यता लाभ को बनाए रखते हुए, लंबी अल्पकालिक स्मृति (LSTM) आवर्ती नेटवर्क के प्रेरक पूर्वाग्रहों को शामिल करता है। हम प्रस्तावित कर्नेल का गुण सीखते हैं, गॉसियन प्रक्रिया सीमांत संभावना का अनुकूलन करके एक नया साबित रूप से अभिसरण अर्ध-स्टोकास्टिक ढाल प्रक्रिया का उपयोग करके, और इन कर्नेल की संरचना का उपयोग स्केलेबल प्रशिक्षण और भविष्यवाणी के लिए करते हैं। ई तरीका बायसियन LSTMs खातिर एक व्यावहारिक प्रतिनिधित्व प्रदान करत है. हम कई बेंचमार्क पर अत्याधुनिक प्रदर्शन का प्रदर्शन करते हैं, और एक परिणामी स्वायत्त ड्राइविंग एप्लिकेशन की गहनता से जांच करते हैं, जहां GP-LSTM द्वारा प्रदान की गई भविष्यवाणी अनिश्चितता अद्वितीय रूप से मूल्यवान है।
033b62167e7358c429738092109311af696e9137	इ पेपर अनुशंसित (अंगूठा ऊपर) या अनुशंसित (अंगूठा नीचे) के रूप मा वर्गीकृत करे खातिर एक सरल अनसुरीक्षित सीखने एल्गोरिथ्म प्रस्तुत करत है। एक समीक्षा का वर्गीकरण समीक्षा मा वाक्यांशों का औसत अर्थिक अभिविन्यास द्वारा भविष्यवाणी की जाती है कि विशेषण या विशेषण शामिल हैं। एक वाक्य मा सकारात्मक अर्थिक अभिविन्यास हो जब इ मा अच्छा संघों (जैसे, सूक्ष्म बारीकियों) हो और एक नकारात्मक अर्थिक अभिविन्यास हो जब इ मा बुरा संघों हो (जैसे, बहुत कैवेलियर) । इ पेपर मा, एक वाक्यांश का अर्थपूर्ण अभिविन्यास दिया गया वाक्यांश और शब्द उत्कृष्ट मा आपसी जानकारी मा दिए गए वाक्यांश और शब्द गरीब के बीच आपसी जानकारी मा कमी के रूप मा गणना की ग्यायी। अगर एकर वाक्यविन्यास के औसत सिमेंटिक ओरिएंटेशन सकारात्मक होई तबे एकर समीक्षा अनुशंसित के रूप में वर्गीकृत होई जात है. एल्गोरिथ्म ४ अलग अलग डोमेन (कार, बैंक, चलचित्र, र यात्रा गन्तव्यहरु को समीक्षा) बाट नमूना गरीएको Epinions बाट ४१० समीक्षा मा मूल्यांकन गर्दा ७४% को औसत सटीकता प्राप्त गर्दछ। सटीकता 84% से शुरू होती है जब ऑटोमोबाइल समीक्षा 66% तक पहुंचती है।
0eaa75861d9e17f2c95bd3f80f48db95bf68a50c	एकीकृत सर्किट (आईसी) डिजाइन मा इंटरकनेक्ट विश्वसनीयता को लागी अग्रिम मा इलेक्ट्रोमिग्रेशन (ईएम) एक प्रमुख चिन्ता हो। हालांकि एनालॉग डिजाइनर कुछ समय से ईएम समस्या का ध्यान रख रहे हैं, डिजिटल सर्किट भी अब प्रभावित हो रहे हैं। इ व्याख्यान बुनियादी डिजाइन के मुद्दा अउर इंटरकनेक्ट भौतिक डिजाइन के दौरान इलेक्ट्रोमिग्रेशन पर उनके प्रभाव का संबोधित करत है। ई इरादा इंटरकनेक्ट मा विद्युत-प्रवासन-रोक उपायों, जैसन कि कम लंबाई और जलाशय प्रभाव को अपनाकर वर्तमान घनत्व सीमा मा वृद्धि का है। लेआउट चरण मा इन प्रभावों का शोषण भविष्य मा आईसी डिजाइन प्रवाह मा ईएम चिंताओं को आंशिक राहत प्रदान गर्न सक्छ।
45e2e2a327ea696411b212492b053fd328963cc3	मोबाइल एप्स का वादा है कि जन स्वास्थ्य मा जीवन शैली हस्तक्षेप के रूप मा कल्याण को बढ़ावा देने और पुरानी बीमारी को कम करने के लिए, फिर भी पुरानी बीमारी वाले व्यक्ति मोबाइल एप्स का उपयोग या महसूस करैं के बारे मा बहुत कम जानै वाले हैं। उद्देश्य इ अध्ययन का उद्देश्य क्रोनिक बीमारी वाले लोगन के बीच मोबाइल फोन-आधारित स्वास्थ्य अनुप्रयोगों के बारे मा व्यवहार अउर धारणा का पता लगावल रहा है। METHODS डाटा संयुक्त राज्य अमेरिका मा 1604 मोबाइल फोन प्रयोगकर्ता मा एक राष्ट्रीय क्रॉस सेक्शनल सर्वेक्षण से एकत्रित कईल गयल जसमा mHealth उपयोग, विश्वास, र प्राथमिकताहरु का आकलन कईल गयल। इ अध्ययन स्वास्थ्य ऐप के उपयोग, डाउनलोड का कारण, अउर पुरानी स्थिति द्वारा कथित प्रभावकारिता का परीक्षण करा रहा है। परिणाम प्रतिभागी लोगन में से, 1 से 5 एप्लिकेशन का 38.9% (314/807) बिना कौनो हालत के और 6.6% (24/364) उच्च रक्तचाप वाले प्रतिभागी लोगन द्वारा रिपोर्ट करल गयल रहे। स्वास्थ्य अनुप्रयोगों का उपयोग 21.3% (172/807) बिना एक शर्त के प्रतिद्वंद्वियों द्वारा प्रति दिन 2 या अधिक बार रिपोर्ट की गई, उच्च रक्तचाप के साथ 2.7% (10/364) पर, मोटापे के साथ 13.1% (26/198) पर, मधुमेह के साथ 12.3% (20/163) पर, अवसाद के साथ 12.0% (32/267) पर, और उच्च कोलेस्ट्रॉल के साथ 16.6% (53/319) पर। लॉजिस्टिक रिग्रेशन क नतीजा लोगन क बीच स्वास्थ्य एप डाउनलोड मा महत्वपूर्ण अंतर नाही देखाइ सका जउन पुरानी बीमारी वाले अउर बिना बीमारी वाले लोगन (पी>.05) । खराब स्वास्थ्य वाले लोगन की तुलना में, स्वास्थ्य ऐप डाउनलोड करेक अधिक संभावना उन लोगन के बीच रही जवन खुद-रिपोर्ट बहुत अच्छे स्वास्थ्य (odds ratio [OR] 3.80, 95% CI 2.38-6.09, P<.001) और उत्कृष्ट स्वास्थ्य (OR 4.77, 95% CI 2.70-8.42, P<.001) के साथ रहे। एही तरह, ओ लोगन की तुलना में जे कभी या शायद ही कभी शारीरिक गतिविधि में लिप्त रहे हैं, स्वास्थ्य ऐप डाउनलोड उन लोगों के बीच अधिक होता है जो प्रति सप्ताह 1 दिन (या 2. 47), 95% आईसी 1. 6-3. 83, पी <. 001), 2 दिन प्रति सप्ताह (या 4. 77, 95% आईसी 3. 27-6. 94, पी <. 001), 3 से 4 दिन प्रति सप्ताह (या 5. 00, 95% आईसी 3. 52- 7. 10, पी <. 001), और 5 से 7 दिन प्रति सप्ताह (या 4. 64, 95% आईसी 3. 11- 6. 92, पी <. 001) व्यायाम करते हैं। सभी लॉजिस्टिक रिग्रेशन परिणाम उम्र, लिंग, अउर जाति या जातीयता के लिए नियंत्रित हैं। निष्कर्षः हवाई रक्षा का महत्व, इलेक्ट्रॉनिक युद्ध का महत्व कई बार बढ़ रहा है। कई बार, हालांकि, ईस्टर की सटीक तारीख कई बार विवादित है। हालांकि, ग्रह की आबादी बढ़ रही है, साथ ही साथ प्रति व्यक्ति ऊर्जा की खपत बढ़ रही है, जितनी जल्दी या बाद में हम सभी परमाणु ऊर्जा पर लौट आएंगे।
1935e0986939ea6ef2afa01eeef94dbfea6fb6da	औसत विचलन पोर्टफोलियो विश्लेषण मुनाफा अउर जोखिम के बीच व्यापार-बंद का पहिला मात्रात्मक उपचार प्रदान कइलस. हम विस्तृत रूप से वर्णन करत हैं कि वस्तुनिष्ठ अउर प्रतिबन्धक के बीच परस्पर क्रिया का एक एकल-अवधि वाले वैरिएंट में, अर्ध-विचलन मॉडल सहित. विशेष रूप से, ई पर्याप्त दण्ड पर जोर देत है (लेकिन ई सही मा एकर मतलब का होत है) । नतीजा ई है कि परिदृश्य पेड़ों पर आधारित बहु-अवधि मॉडल के विकास अउर सैद्धांतिक विश्लेषण में ई परिणाम का उपयोग मसलन ब्लॉक के रूप में करल जाला. एक महत्वपूर्ण गुण भविष्य मा निर्णय मा अतिरिक्त पैसा हटाउन को संभावना छ, लगभग डाउनसाइड जोखिम को कम गर्न को लागी।
0e1431fa42d76c44911b07078610d4b9254bd4ce	मुख्य घटक विश्लेषण का एक गैर-रैखिक रूप का प्रदर्शन करने का एक नया तरीका प्रस्तावित है। एक इंटीग्रल ऑपरेटर कर्नेल फंक्शन का उपयोग करके, कोई उच्च आयामी सुविधा रिक्त स्थान में मुख्य घटक का कुशलता से गणना कर सकता है, जो कुछ गैर-रैखिक मानचित्र द्वारा इनपुट स्थान से संबंधित है, उदाहरण के लिए, 16-16 छवियों में सभी संभावित पांच-पिक्सेल उत्पादों का स्थान। हम विधि का व्युत्पन्न देत हैं अउर पैटर्न मान्यता के लिए बहुपद सुविधा निष्कर्षण पर प्रयोगात्मक परिणाम प्रस्तुत करत हैं।
292eee24017356768f1f50b72701ea636dba7982	हम एक विधि प्रस्तुत करत है स्वचालित वस्तु स्थानिकीकरण अउर पहचान 3 डी बिंदु बादल मा बाहरी शहरी दृश्य का प्रतिनिधित्व करत है। इ पद्धति निहित आकार मॉडल (आईएसएम) ढांचे पर आधारित है, जउन वस्तुओं का उनके केंद्र स्थानों खातिर मतदान द्वारा चिह्नित करत है। इ कक्षा मा प्रति कक्षा केवल कुछ प्रशिक्षण उदाहरण चाहि, जउन व्यावहारिक उपयोग के लिए एक महत्वपूर्ण गुण होय। हम स्पिन छवि अवलोकनकर्ता कय एक सुधारित संस्करण कय भी परिचय अउर मूल्यांकन करत है, जवन सामान्य दिशा अनुमान मा बिंदु घनत्व भिन्नता अउर अनिश्चितता कय बरे अधिक मजबूत अहै। हमार प्रयोग बतावेला कि इ बदलाव बहुत जादा सुधरे है ...पर हम का जानत हैं कि ई बदलाव बहुत जादा सुधरे है। हम अपने परिणाम क अत्याधुनिक विधि से तुलना करें और ओहायो डेटासेट पर सटीकता और याद दोनों मा महत्वपूर्ण सुधार प्राप्त करें, जसमा कुल मिलाकर शहरी क्षेत्र का 150,000 मीटर का संयुक्त हवाई और स्थलीय LiDAR स्कैन शामिल है।
922b5eaa5ca03b12d9842b7b84e0e420ccd2feee	संचार अउर नियंत्रण मा सैद्धांतिक अउर व्यावहारिक समस्या का एक महत्वपूर्ण वर्ग सांख्यिकीय प्रकृति का है। ऐसन समस्या हईः (i) यादृच्छिक संकेत का भविष्यवाणी; (ii) यादृच्छिक संकेत का यादृच्छिक शोर से अलगाव; (iii) यादृच्छिक शोर की उपस्थिति में ज्ञात रूप (पल्स, साइनसॉइड्स) के संकेत का पता लगाना। आपन अग्रणी काम मा, वीनर [1]3 देखाय कि समस्या (i) औ (ii) तथाकथित वीनर-हॉफ अभिन्न समीकरण का नेतृत्व करत हैं; ऊ व्यावहारिक रूप से महत्वपूर्ण विशेष मामला स्थिर सांख्यिकी औ तर्कसंगत स्पेक्ट्रा मा इ अभिन्न समीकरण का हल (स्पेक्ट्रल फैक्टराइजेशन) कय खातिर एक विधि (स्पेक्ट्रल फैक्टराइजेशन) भी दिहिन। कई एक्सटेंशन अउर सामान्यीकरण वाइनेर के मूल कार्य का अनुसरण करे रहिन। ज़ादेह अउर रगाज़िनी सीमित-स्मृति मामला का हल कीन। बोडे और शैनन [3] से समवर्ती रूप से और स्वतंत्र रूप से, वे समाधान का एक सरलीकृत तरीका [२] भी दिए हैं। बूटोन ने गैर-स्थिर विनेर-हॉफ समीकरण [4] पर चर्चा की। ई परिणाम अब मानक पाठ [5] -6 मा मिलत हैं। इन मुख्य पंक्तियन के साथ हाल ही मा डार्लिंगटन [7] द्वारा कुछ अलग दृष्टिकोण दिया गवा है। नमूना संकेतों का विस्तार के लिए, उदाहरण के लिए, फ्रैंकलिन [8], लीज़ [9] देखें। वीनरहोफ समीकरण के आभासी कार्य पर आधारित एगो अउर दृष्टिकोण (जौन गैर-स्थिर समस्या पर भी लागू होत है जबकि पिछला तरीका सामान्य रूप से लागू ना होई), डेविस द्वारा अग्रणी करल गईल बा अउर कई अन्य लोगन द्वारा लागू करल गईल बा, उदाहरण खातिर, शिन्ब्रोट [11], ब्लम [12], पुगाचेव [13], सोलोडोव्निकोव [14]। इन सब कामन मा, लक्ष्य एक रैखिक गतिशील प्रणाली (वीनर फ़िल्टर) का विनिर्देश प्राप्त करना है जो यादृच्छिक संकेत की भविष्यवाणी, अलगाव, या पता लगाने को पूरा करता है।4 --- 1 इ शोध कंत्राट AF 49 (638) -382 के तहत वैज्ञानिक अनुसंधान के अमेरिकी वायु सेना कार्यालय द्वारा आंशिक रूप से समर्थित रहा। 2 7212 Bellona Ave. 3 कोष्ठक मा संख्या कागज को अन्त मा सन्दर्भ संकेत। 4 सामान्य रूप से, इनक्यूबेटर पय आपकै भाषा का ठीक से समर्थन कीन जाय या तौ विकी कय उपयोग न करेक अहै। पर फिलहाल, इन गैर-रैखिक फ़िल्टरन कय प्राप्ति (दुनों सैद्धांतिक औ व्यावहारिक) कय बारे मा बहुत कम या कुछौ नाहीं जाना जात अहै। यंत्रन अउर नियामक प्रभाग द्वारा योगदान अउर द अमेरिकन सोसाइटी ऑफ मैकेनिकल इंजीनियर्स के यंत्रन अउर नियामक सम्मेलन, मार्च 29-अप्रैल 12, 1959 मा प्रस्तुत। नोट: कागजात मा दिए गए बयान अउर राय क सोसाइटी क व्यक्तित्व न बनइ क रूप मा उनके लेखकन की व्यक्तिगत अभिव्यक्ति के रूप मा समझा जाय का चाही। एएसएमई मुख्यालय मा प्राप्त पांडुलिपि, 24 फरवरी, 1959। कागज मा नाम नहीं. 59-IRD-11। मा मा मा रैखिक फ़िल्टरिंग अउर भविष्यवाणी समस्या का एक नया तरीका
e50a316f97c9a405aa000d883a633bd5707f1a34	पिछला 20 साल से जमा परीछन से पता चला है कि उचित रूप से भारित एकल शब्द के असाइनमेंट पर आधारित टेक्स्ट इंडेक्सिंग सिस्टम, अन्य अधिक विस्तृत टेक्स्ट प्रतिनिधित्व से प्राप्त हो सके वाले परिणाम से बेहतर खोज परिणाम का उत्पादन करता है। ई परिणाम बहुत प्रभावी ढंग से आनुपातिक तराजू मा चयनित होय अवलम्बित है। ई लेख स्वचालित शब्द भारन मा पाये गे अंतर्दृष्टि का सारांश देत है, अउर आधार रेखा एकल-शब्द-सूचकांक मॉडल देत है जवने कय तुलना अन्य अधिक विस्तृत सामग्री विश्लेषण प्रक्रियाओं से कीन जा सकत है। 1. माई बाप पहिले स्वचालित पाठ विश्लेषण १९५० के दशक के अंत मा, लुहन [१] पहिले सुझाव दिहिस कि स्वचालित पाठ पुनर्प्राप्ति प्रणाली की तुलना की जा सकत है, जो कि संग्रहीत पाठों और उपयोगकर्ता के सूचना क्वेरी दोनों से जुड़ी सामग्री पहचानकर्ताओं की तुलना पर आधारित है। आमतौर पर, सामग्री का पहचान के लिए दस्तावेज़ों अउर क्वेरीज़ के पाठ से कुछ शब्द निकाले जाते हैं; वैकल्पिक रूप से, सामग्री प्रतिनिधित्व का चयन मैन्युअल रूप से प्रशिक्षित अनुक्रमणकों द्वारा किया जा सकता है, जो कि विचाराधीन विषय क्षेत्रों से परिचित हैं और दस्तावेज़ संग्रह की सामग्री से परिचित हैं। या मामला मा, दस्तावेज D= (ti,tj,...ytp) (1) रूप मा शब्द वेक्टर द्वारा प्रतिनिधित्व गरिन्छ जहाँ प्रत्येक tk केहि नमूना कागजात D. को लागी एक सामग्री शब्द को पहिचान गर्दछ। ए प्रकार, एक विशिष्ट क्वेरी Q का सूत्र Q = (qa,qbr) के रूप में दिया जा सकता है। (१) (२) (२) (३) (४)
6ac15e819701cd0d077d8157711c4c402106722c	ई तकनीकी रिपोर्ट रिपोर्ट टीम के द्वारा संचालित की जा रही है, जिसमें DARPA Urban Challenge से संबंधित खोज शामिल है। हम कई सस्ती सेंसर का उपयोग कर एक नया रणनीति विकसित की है, वाहन परिधीय पर स्थापित, और एक नए क्रॉस-मोडल कैलिब्रेशन तकनीक के साथ कैलिब्रेट. लीडर, कैमरा अउर रडार डेटा स्ट्रीम का एक अभिनव, स्थानीय रूप से सुचारू राज्य प्रतिनिधित्व का उपयोग करके संसाधित किया जात है, जउन वास्तविक समय स्वायत्त नियंत्रण के लिए मजबूत धारणा प्रदान करत है। यातायात मा ड्राइविंग खातिर एक लचीला योजना अउर नियंत्रण वास्तुकला विकसित कीन गा है, जउन मिशन योजना, स्थिति योजना, स्थिति व्याख्या अउर प्रक्षेपवक्र नियंत्रण खातिर अच्छी तरह से सिद्ध एल्गोरिदम का एक अभिनव संयोजन से बना है। इ नवाचारन के शहरी वातावरण मा स्वायत्त ड्राइविंग खातिर सुसज्जित दुइ नये रोबोटिक वाहनन मा शामिल कीन जात है, जवन एक व्यापक परीक्षण DARPA साइट विजिट कोर्स पर कीन जात है। प्रयोगात्मक परिणाम सभी बुनियादी नेविगेशन अउर कुछ बुनियादी यातायात व्यवहार का प्रदर्शन करत हैं, जेहमा खाली स्वायत्त ड्राइविंग, शुद्ध-अनुवर्ती नियंत्रण का उपयोग करके लेन का पालन अउर हमार स्थानीय फ्रेम धारणा रणनीति, किनो-डायनामिक आरटी मार्ग योजना का उपयोग करके बाधा से बचाव, टर्न, अउर अन्य कारों के बीच प्राथमिकता मूल्यांकन शामिल हैं। हम इनतान के तरीका का आगे बढ़ावे खातिर काम करित हन जवने से आगे चल के नाविकन अउर यातायात के स्थिति बन सके। † कार्यकारी सारांश इ तकनीकी रिपोर्ट टीम एमआईटी का वर्णन करत है जवन डारपा शहरी चुनौती पर काम कर रही है। हम कई सस्ता सेंसर का उपयोग कई नई रणनीति विकसित की है, वाहन परिधीय पर माउंट, और एक नया क्रॉस-मोडल कैलिब्रेशन तकनीक के साथ कैलिब्रेट. लिडार, कैमरा, अउर रडार डाटा धाराओं का एक अभिनव, स्थानीय रूप से चिकनी राज्य प्रतिनिधित्व का उपयोग कइके संसाधित कीन जात है जवन वास्तविक समय स्वायत्त नियंत्रण खातिर मजबूत धारणा प्रदान करत है। यातायात मा ड्राइविंग करण खातिर एक लचीला योजना और नियंत्रण वास्तुकला विकसित कीन गा है, जेमिना मिशन योजना, स्थितिजन्य योजना, स्थितिजन्य व्याख्या और प्रक्षेपवक्र नियंत्रण खातिर अच्छी तरह से सिद्ध एल्गोरिदम का एक अभिनव संयोजन शामिल है। इ नवाचारन के शहरी वातावरण मा स्वायत्त ड्राइविंग खातिर सुसज्जित दुइ नये रोबोटिक वाहनन मा शामिल कीन जात है, जवन एक व्यापक परीक्षण DARPA साइट विजिट कोर्स पर कीन जात है। प्रायोगिक परिणाम सभी बुनियादी नेविगेशन अउर कुछ बुनियादी यातायात व्यवहार का प्रदर्शन करत हैं, जेहमा खाली स्वायत्त ड्राइविंग, शुद्ध-पीछा नियंत्रण अउर हमार स्थानीय फ्रेम धारणा रणनीति का उपयोग करत लेन का पालन, किनो-डायनामिक आरटी मार्ग योजना का उपयोग करत बाधा से बचाव, यू-टर्न, अउर अन्य कारों के बीच प्राथमिकता मूल्यांकन शामिल हैं। हम इनतान के तरीका का आगे बढ़ावे खातिर काम करित हन जवने से आगे चल के नाविकन अउर यातायात के स्थिति बन सके। अस्वीकरण: इ कागज मा निहित जानकारी रक्षा उन्नत अनुसंधान परियोजना एजेंसी (DARPA) या रक्षा विभाग की आधिकारिक नीतियों का प्रतिनिधित्व नहीं करत है, न त व्यक्त या निहित है। डीएआरपीए इ कागज मा जानकारी की सटीकता या विश्वसनीयता की गारंटी नहीं देत है। अतिरिक्त समर्थन ... सहायता सहायता सहायता ...
e275f643c97ca1f4c7715635bb72cf02df928d06
1e55bb7c095d3ea15bccb3df920c546ec54c86b5
8acaebdf9569adafb03793b23e77bf4ac8c09f83	हम निश्चित भौतिक लंबाई का विश्लेषण और डिजाइन प्रस्तुत करते हैं, टेराहर्ट्ज आवृत्तियों पर समायोज्य देरी के साथ स्पूफ सतह प्लाज्मन पोलारिटोन आधारित वेव गाइड। समायोज्य देरी वैक्यूम प्लैनर Goubau लाइनों (CPGL) का उपयोग कर, अपने वैक्यूम गहराई बदल रहा है, जबकि वेव गाइड की कुल भौतिक लंबाई बदल रहा है बिना प्राप्त होता है। हमार सिमुलेशन परिणाम से पता चला है कि 237.9°, 220.6°, अउर 310.6° की विद्युत लंबाई 250 μm अउर 200 μm की भौतिक लंबाई से 0.25, 0.275, अउर 0.3 THz, क्रमशः, प्रदर्शन उद्देश्य खातिर प्राप्त की जा सकत है। ई सिमुलेशन परिणाम भौतिक पैरामीटर अउर भौतिक गुणन का उपयोग कइके हमार विश्लेषणात्मक गणना से भी मेल खात हैं। जब हम समान लंबाई की देरी लाइनों का जोड़ते हैं जैसे कि वे टेराहर्ट्ज चरण शिफ्टर की दो शाखाएं हैं, हम 5.8% से बेहतर सापेक्ष चरण शिफ्ट अनुमान की त्रुटि दर प्राप्त करते हैं। हमरे जानकारी मा, इ समायोज्य स्पूफ सतह प्लाज्मा पोलारिटोन आधारित सीपीजीएल देरी लाइनों का पहला प्रदर्शन है। इ विचार का उपयोग टेराहर्ट्ज बैंड सर्किट्री खातिर निश्चित लंबाई अउर चरण शिफ्टर्स के साथ ट्यून करने योग्य देरी लाइन प्राप्त करे खातिर कइल जा सकत बा.
325d145af5f38943e469da6369ab26883a3fd69e	इनपुट के रूप मा एक ग्रेस्केल फोटोग्राफी दी गई, इ पेपर फोटोग्राफी का एक यथार्थवादी रंग संस्करण का भ्रम की समस्या पर हमला करता है। इ समस्या स्पष्ट रूप से कम होत है, यहै कारन पहिले के प्रयास या त उपयोगकर्ता के बातचीत पै निर्भर करत है या फिर वइसै न होय की रंगीनता पै निर्भर करत है। हम पूरी तरह से स्वचालित दृष्टिकोण का प्रस्ताव करत हैं जउन जीवंत अउर यथार्थवादी रंग निर्माण करत हैं। हम समस्या का आधारभूत अनिश्चितता का वर्गीकरण कार्य के रूप मा रखकर स्वीकार करत है और परिणाम मा रंगों की विविधता को बढावा देने के लिए प्रशिक्षण समय मा वर्ग-पुनः संतुलन का उपयोग करत है। परीक्षण समय मा सीएनएन मा फीड-फॉरवर्ड पास के रूप मा प्रणाली लागू कीन जात है औ एक मिलियन से अधिक रंगीन छवियों मा प्रशिक्षित कीन जात है। हम आपन एल्गोरिथ्म का मूल्यांकन colorization Turing test, का उपयोग कइके करित ह, जवन कि मानव प्रतिभागियन से एक उत्पन्न अउर जमीनी सच्चाई रंग छवि के बीच चयन करे खातिर कहित ह. हमार विधि सफलतापूर्वक मानव मूर्खतापूर्ण 32% परीक्षण पर, जवन कि पहिले से जादा परीक्षण अहैं। एकर अलावा, हम इ भी देखय बदे कि रंगीनता एक शक्तिशाली बहाना हो सकत हय जेके द्वारा स्वयं-पर्यवेक्षित फ़ीचर सीखय के लिए, एक क्रॉस-चैनल एन्कोडर के रूप मा कार्य करत हय। ई तरीका कई फीचर लर्निंग बेंचमार्क पर अत्याधुनिक प्रदर्शन का परिणाम है।
57bbbfea63019a57ef658a27622c357978400a50
7ffdf4d92b4bc5690249ed98e51e1699f39d0e71	पहली बार, एक पूरी तरह से एकीकृत चरणबद्ध सरणी एंटीना रेडियो आवृत्ति माइक्रोइलेक्ट्रोमैकेनिकल सिस्टम (आरएफ एमईएमएस) एक लचीला, कार्बनिक सब्सट्रेट पर स्विच के साथ 10 गीगाहर्ट्ज से ऊपर प्रदर्शित की गई है। एक कम शोर एम्पलीफायर (LNA), MEMS चरण शिफ्टर, और 2 बार 2 पैच एंटीना सरणी एक तरल क्रिस्टल बहुलक आधार पर एक सिस्टम-ऑन-पैकेज (SOP) में एकीकृत हैं। दुइ एंटीना सरणी क तुलना कीन जात ह; एक एकल-परत SOP का उपयोग कइके लागू कीन गवा अउर दूसर एक बहुपरत SOP के साथ। दुनो कार्यान्वयन कम-हानि वाले और 12 डिग्री बीम स्टीयरिंग की क्षमता वाले हैं. डिजाइन आवृत्ति 14 गीगाहर्ट्ज है और मापा गया वापसी हानि दोनों कार्यान्वयनों के लिए 12 डीबी से अधिक है। एलएनए कय उपयोग कइके बहुत जादा विकिरण शक्ति स्तर कय अनुमति देत है। इ एंटीना लगभग हर आकार, आवृत्ति अउर प्रदर्शन के हिसाब से अनुकूलित कीन जाय सकत हय। इ अनुसंधान जैविक एसओपी यंत्रन कय अत्याधुनिक रूप मा विकसित करत अहै।
d00ef607a10e5be00a9e05504ab9771c0b05d4ea	उच्च वोल्टेज रेटेड ठोस अवस्था स्विच जैसन कि इन्सुलेटेड-गेट बायपोलर ट्रांजिस्टर (IGBTs) 6.5 kV तक वाणिज्यिक रूप से उपलब्ध हैं। ई तरह की वोल्टेज रेटिंग्स पल्सड पावर अउर हाई-वोल्टेज स्विच-मोड कनवर्टर अनुप्रयोगन खातिर आकर्षक हव. हालांकि, जैसे-जैसे IGBT वोल्टेज का रेटिंग बढ़ता है, वर्तमान में बढ़ रही दर और गिर रही दर आम तौर पर घट रही है। इ व्यापार से बचे के मुश्किल है काहे से कि आईजीबीटी का एपिटाक्सियल या बहाव क्षेत्र परत मा कम प्रतिरोध बनाए रखै का चाही। रिवर्स वोल्टेज का समर्थन करै खातिर मोट बहाव वाले क्षेत्र वाले उच्च वोल्टेज रेटेड आईजीबीटी खातिर, चालू होए प उच्च वाहक सांद्रता का इंजेक्शन लगावा जात है अउर बंद होए प हटावा जात है, जवन कि स्विचिंग गति के धीमा कर देत है। तेजी से स्विचिंग का एक विकल्प कई, कम वोल्टेज रेटेड IGBTs का श्रृंखला है। छह, 1200 V रेटेड IGBTs के साथ एक IGBT-स्टैक प्रोटोटाइप का प्रयोगात्मक रूप से परीक्षण किया गया है। छह सीरीज IGBT स्टैक मा व्यक्तिगत, ऑप्टिकल रूप से अलग, गेट ड्राइवर और एल्यूमीनियम कूलिंग प्लेट्स शामिल है जसमा मजबूर हवा ठंडा करने के लिए एक कॉम्पैक्ट पैकेज का परिणाम है। प्रत्येक IGBT अस्थायी वोल्टेज suppressors द्वारा overvoltage सुरक्षित है। छह-श्रृंखला IGBT स्टैक का चालू करंट वृद्धि समय और एक 6.5 kV रेटेड IGBT का एक पल्स्ड प्रतिरोधक-लोड, कैपेसिटर डिस्चार्ज सर्किट में प्रयोगात्मक रूप से मापा गया है। आईजीबीटी स्टैक क तुलना श्रृंखला मा दुई आईजीबीटी मॉड्यूल से भी कीन गा है, हर एक 3.3 केवी मा रेट कीन गा है, एक बूस्ट सर्किट एप्लिकेशन स्विचिंग मा 9 केएचजेड मा और 5 केवी का आउटपुट उत्पादन करत है। छह-सीरीज IGBT स्टैक का परिणाम बेहतर टर्न-ऑन स्विचिंग गति, और टर्न-ऑफ के दौरान कम करंट टेल के कारण काफी अधिक पावर बूस्ट कनवर्टर दक्षता है। प्रयोगात्मक परीक्षण मापदण्ड अउर तुलनात्मक परीक्षण के परिणाम नीचे दिहा कागजात मा चर्चा कीन गवा हई
20f5b475effb8fd0bf26bc72b4490b033ac25129	हम शहरी सड़कन मा लेन मार्कर का पता लगावे खातिर एक मजबूत अउर वास्तविक समय दृष्टिकोण प्रस्तुत करत हन। इ सड़क कय एक ऊपरी दृश्य बनाए कय आधार पे है, चयनात्मक उन्मुख गॉसियन फ़िल्टर कय उपयोग करत फ़िल्टरिंग करत है, बेज़ियर स्प्लाईन फिट करय के लिए एक नया अउर तेज RANSAC एल्गोरिथ्म कय प्रारंभिक अनुमान देहे खातिर RANSAC लाइन फिटिंग कय उपयोग करत है, जेकर बाद पोस्ट-प्रोसेसिंग चरण होत है। हमार एल्गोरिथ्म सड़कन कय अलग-अलग स्थितियन मा स्थिर चित्रन मा सब लेन का पता लगा सकत है, जबकि 50 हर्ट्ज की दर से काम करत अहै अउर पिछला तकनीक कय तुलनात्मक परिणाम प्राप्त करत अहै।
e6bef595cb78bcad4880aea6a3a73ecd32fbfe06	ऑनलाइन समीक्षा अउर अनुशंसा कै उपलब्धता मा घातीय वृद्धि से शैक्षणिक अउर औद्योगिक अनुसंधान मा भावना वर्गीकरण एक दिलचस्प विषय बणै है। समीक्षा कय बहुत अलग-अलग क्षेत्र कय हो सकत हय जेसे इन सबकय खातिर एनोटेटेड प्रशिक्षण डेटा बटोरब कठिन होत हय। एहिसे, इ पेपर भावना वर्गीकरणकर्ता के लिए डोमेन अनुकूलन की समस्या का अध्ययन करत है, इकर द्वारा एक सिस्टम को एक स्रोत डोमेन से लेबल की गई समीक्षाओं पर प्रशिक्षित किया जाता है, लेकिन दूसरे पर तैनात किया जा रहा है। हम गहरी सीख का एक तरीका प्रस्तावित करत हई जवन सीखत है कि बिना कउनो पर्यवेक्षण के हर समीक्षा खातिर एगो सार्थक प्रतिनिधित्व का निकाले के का होई. Amazon.com का दावा है कि Amazon द्वारा बेची गई सामग्री का एक अलग "उपयोग" है, हालांकि, इसके अलावा, Amazon.com का मानना है कि Amazon.com द्वारा बेची गई सामग्री का "उपयोग" अमेरिका में कहीं अधिक है। ई तरीका से हम 22 डोमेन पर सफलतापूर्वक डोमेन अनुकूलन का प्रदर्शन कर सकित है।
7cbbe0025b71a265c6bee195b5595cfad397a734	लोग अक्सर कुर्सी से बातचीत करत हीं जेसे इ स्वास्थ्य संवेदना का स्थान बन जात ह जेसे उपयोगकर्ता क अतिरिक्त प्रयास न कीन जाय। हम 550 प्रतिभागी लोगन का सर्वे कईके समझायब कि लोग कैसन कुर्सी पै बैठा है अउर कैसन कुर्सी कै डिजाइन बतायब जवन कुर्सी कै आर्मरेस्ट अउर बैकरेस्ट से हृदय अउर श्वसन दर का पता लगाय सकित है। एक प्रयोगशाला अध्ययन मा 18 प्रतिभागी, हम जब दिल की दर और श्वसन दर का पता लगा सकते हो (32% समय को दिल की दर, 52% श्वसन दर) का मूल्यांकन करने और पता लगाने की दर की सटीकता का मूल्यांकन करने के लिए सामान्य बैठे पदों की एक श्रृंखला का मूल्यांकन (83% दिल की दर, 73% श्वसन दर के लिए) । हम 11 प्रतिभागी के साथ 40 घंटा के इन-सिटू अध्ययन का मूल्यांकन करके ई संवेदीकरण के जंगली जगह पर ले जाए के चुनौतियों पर चर्चा करत बानी। हम देखब कि, एक निहित सेंसर के रूप मा, कुर्सी आपन यात्री से महत्वपूर्ण संकेत डेटा एकत्र कर सकत है कुर्सी के साथ प्राकृतिक बातचीत के माध्यम से।
bf003bb2d52304fea114d824bc0bf7bfbc7c3106
9a59a3719bf08105d4632898ee178bd982da2204	स्वायत्त वाहन एक मोबाइल रोबोट है जौन बहु-संवेदी नेविगेशन अउर पोजिशनिंग, बुद्धिमान निर्णय लेने अउर नियंत्रण प्रौद्योगिकी का एकीकृत करत है। इ पेपर स्वायत्त वाहन क नियंत्रण प्रणाली वास्तुकला का प्रस्तुत करत है, जौन "इंटेलिजेंट पायनियर" कहा जात है, अउर अज्ञात वातावरण मा प्रभावी ढंग से नेविगेट करे क खातिर पथ ट्रैकिंग अउर गति की स्थिरता पर चर्चा कीन जात है। इ दृष्टिकोण मा, राज्य अंतरिक्ष प्रारूप मा पथ-ट्रैकिंग समस्या को तैयार करने के लिए एक दुई डिग्री-स्वतंत्रता गतिशील मॉडल विकसित कीन गवा है। क्षणिक पथ त्रुटि का नियंत्रण करने के लिए, पारंपरिक नियंत्रकों का पैरामीटर परिवर्तनों और गड़बड़ी की एक विस्तृत श्रृंखला पर प्रदर्शन और स्थिरता की गारंटी देने में कठिनाई है। एही से, एक नया विकास हुआ है, अनुकूलन-पीआईडी नियंत्रक का उपयोग किया जाएगा. इ दृष्टिकोण का उपयोग कइके वाहन नियंत्रण प्रणाली की लचीलापन बढ़ाई जा रही है अउर बड़ी लाभ उठाई जा रही है। हम पूरे समय से उदाहरण अउर परिणाम का वर्णन करित है और इ भी समझत है की ई हो सकता है की कुछ इनक्यूबेटर पय भी काम करैं। इंटेलिजेंट पायनियर प्रतियोगिता कय सबहि कार्यक्रम कय समापन कईके 2010 मा प्रथम स्थान अउर 2011 मा तीसरा स्थान प्राप्त कईकै बा।
7592f8a1d4fa2703b75cad6833775da2ff72fe7b	प्रतिस्पर्धी MNIST हस्तलिखित अंक मान्यता बेंचमार्क का 1998 से रिकॉर्ड तोड़ने का एक लंबा इतिहास रहा है। अन्य लोग द्वारा हाल ही मा गाइड किया गा है [१] (% ch,% ch,% ch,% ch,% ch,% ch,% ch,% ch,% ch,% ch,% ch,% ch,% ch,% ch) । सादा बहु-परत पर्सपेक्ट्रोन खातिर अच्छा पुरान ऑन-लाइन बैक-प्रोपेगरेशन एक एकल एमएलपी के साथ एमएनआईएसटी हस्तलिखित अंक बेंचमार्क पर बहुत कम 0.35% त्रुटि दर अउर सात एमएलपी के समिति के साथ 0.31% देत है। हम सब का जरूरत है 2011 तक इ प्राप्त करने के लिए सबसे अच्छा परिणाम कई छिपा परतें हैं, कई न्यूरॉन्स प्रति परत, कई विकृत प्रशिक्षण छवियों ओवरफिट से बचने के लिए, और ग्राफिक्स कार्ड काफी तेजी से सीखने के लिए.
cbcd9f32b526397f88d18163875d04255e72137f
14829636fee5a1cf8dee9737849a8e2bdaf9a91f	बिटकॉइन एक वितरित डिजिटल मुद्रा है जवन काफी संख्या मा उपयोगकर्तान कय आकर्षित किहिन है। हम गहन जांच करैं का समझत हई कि बिटकॉइन इतना सफल काहे है, जबकि क्रिप्टोग्राफिक ई-कैश पर दशकों का शोध बड़े पैमाने पर तैनाती का कारण नहीं बना है। हम इ भी पूछत है कि बिटकॉइन एक अच्छा उम्मीदवार कब बन सकत है एक लंबी अवधि का स्थिर मुद्रा का। ई करत हुए, हम बिटकॉइन कय कई समस्या अउर हमला के पहिचान करेक, अउर ओन्है समाधान करय कय खातिर उपयुक्त तकनीक प्रस्तावित करेक।
3d16ed355757fc13b7c6d7d6d04e6e9c5c9c0b78
d19f938c790f0ffd8fa7fccc9fd7c40758a29f94
cd5b7d8fb4f8dc3872e773ec24460c9020da91ed	इ पेपर पांचवा पीढ़ी (5G) पूर्ण आयाम बहु इनपुट बहु आउटपुट (FD-MIMO) प्रणाली के लिए 29 GHz आवृत्ति पर WR28 वेव गाइड पर आधारित बीम स्टीरेबल हाई गेन फेज्ड एरे एंटीना का एक नया डिजाइन अवधारणा प्रस्तुत करता है। 8×8 समतल चरणबद्ध सरणी का तीन आयामी बीमफॉर्मर द्वारा खिलाया जाता है ताकि अज़ीमुथ और ऊंचाई दिशा दोनों में -60 से +60 डिग्री तक की वॉल्यूमेट्रिक बीम स्कैनिंग प्राप्त हो सके। बीमफॉर्मिंग नेटवर्क (बीएफएन) का डिजाइन 16 सेट 8×8 बटलर मैट्रिक्स बीमफॉर्मर का उपयोग करके 64 बीम राज्यों का प्राप्त करने के लिए किया जाता है, जो क्षैतिज और ऊर्ध्वाधर कोण को नियंत्रित करता है। ई 5जी अनुप्रयोग खातिर का बैंड में वॉल्यूमेट्रिक मल्टीबीम खातिर वेव गाइड आधारित उच्च शक्ति वाला त्रि-आयामी बीमफॉर्मर डिजाइन करे खातिर एगो नया अवधारणा ह। चरणबद्ध सरणी का अधिकतम लाभ 28.5 dBi है जो 28.9 GHz से 29.4 GHz आवृत्ति बैंड को कवर करता है.
34feeafb5ff7757b67cf5c46da0869ffb9655310	कम बिजली वाले वायरलेस सेंसर नेटवर्क खातिर पर्यावरण ऊर्जा एक आकर्षक ऊर्जा स्रोत है। हम प्रमेथियस का प्रस्तुत करत बानी, एगो अइसन प्रणाली जवन बुद्धिमान रूप से ऊर्जा हस्तांतरण क प्रबंधन करत बा ताकि मानव हस्तक्षेप या रखरखाव के बिना निरंतर संचालन हो सके. विभिन्न ऊर्जा भंडारण तत्वन कय सकारात्मक गुणन कय संयोजन अउर माइक्रोप्रोसेसर कय बुद्धिमत्ता कय लाभ उठावत हुए, हम एक कुशल बहु-चरण ऊर्जा हस्तांतरण प्रणाली प्रस्तुत करत हैं जवन एकल ऊर्जा भंडारण प्रणाली कय सामान्य सीमाओं का कम करत है ताकि लगभग अनन्त संचालन प्राप्त कइ सका जाय। हम आपन डिजाइन विकल्प, व्यापार-बदला, सर्किट मूल्यांकन, प्रदर्शन विश्लेषण, अउर मॉडल प्रस्तुत करत अही। हम सिस्टम घटक के बीच संबंध पर चर्चा करत हैं अउर एक एप्लिकेशन के जरूरतों का पूरा करे खातिर इष्टतम हार्डवेयर विकल्प का पहिचान करत हैं। अंत मा हम आपन वास्तविक प्रणाली का कार्यान्वयन प्रस्तुत करत हई जउन सौर ऊर्जा का उपयोग करित है आउर बर्कले का टेलोस मोट को ऊर्जा प्रदान करत है। हमार विश्लेषण इ बतावेला कि वस्तुअन के शुद्ध शुद्ध मापने का भार भार कम से कम एक साल के हिसाब से केतना बढ़ई छई अउर कुल मिलाकर केतना घटत हई। हमार कार्यान्वयन एक दुई चरण भंडारण प्रणाली का उपयोग सुपरकैपेसिटर (प्राथमिक बफर) अउर एक लिथियम रिचार्जेबल बैटरी (माध्यमिक बफर) से बना है। मोट का बिजली स्तर का पूरा ज्ञान है और ऊर्जावान रूप से ऊर्जा हस्तांतरण का प्रबंधन करता है ताकि जीवनकाल अधिकतम हो सके।
3689220c58f89e9e19cc0df51c0a573884486708	AmbiMax एक ऊर्जा कटाई सर्किट है और वायरलेस सेंसर नोड्स (WSN) के लिए एक सुपरकैपेसिटर आधारित ऊर्जा भंडारण प्रणाली है। पिछला WSNs विभिन्न स्रोत से ऊर्जा का फसल काटने का प्रयास करें, अउर कुछ भी बैटरी की बजाय सुपरकैपेसिटर का उपयोग करें ताकि बैटरी उम्र बढ़ने की समस्या का समाधान हो सके। हालांकि, या तो इनक्यूबेटर मा इम्पेंडेंस असंगति के कारण ज्यादा उपलब्ध ऊर्जा बर्बाद होत है, या इनक्यूबेटर मा सक्रिय डिजिटल नियंत्रण की आवश्यकता होत है, या इनक्यूबेटर मा केवल एक विशिष्ट प्रकार का स्रोत होत है। एम्बीमैक्स इ समस्या का समाधान करत है सबसे पहिले अधिकतम पावर प्वाइंट ट्रैकिंग (एमपीपीटी) स्वचालित रूप से करैं, और फिर सुपरकैपेसिटर का अधिकतम दक्षता पर चार्ज करें। एकरे अलावा, AmbiMax मॉड्यूलर अहै औ कई ऊर्जा कटाई स्रोतों की रचना को सक्षम करत है, जेहमा सौर, पवन, थर्मल, औ कंपन शामिल हैं, हर एक अलग-अलग इष्टतम आकार कय साथे। एक वास्तविक WSN मंच, इको मा प्रयोगात्मक परिणाम देखावा कि AmbiMax सफलतापूर्वक WSNs को वर्तमान राज्य को कला को दक्षता मा धेरै शक्ति स्रोतहरु लाई एक साथ र स्वायत्त रूप मा प्रबंधित गर्दछ
4833d690f7e0a4020ef48c1a537dbb5b8b9b04c6	एक कम बिजली वाले कम लागत वाले अत्यधिक कुशल अधिकतम पावर प्वाइंट ट्रैकर (MPPT) का एक फोटोवोल्टिक (PV) पैनल में एकीकृत करने का प्रस्ताव है। इ एक मानक फोटोवोल्टिक पैनल की तुलना में 25% ऊर्जा वृद्धि का परिणाम दे सकता है, जबकि बैटरी वोल्टेज विनियमन और लोड के साथ पीवी सरणी का मिलान जैसे कार्य कर रहा है। बाह्य रूप से जुड़ा MPPT का उपयोग करने के बजाय, PV पैनल का हिस्सा के रूप में एकीकृत MPPT कनवर्टर का उपयोग करने का प्रस्ताव है। लागत प्रभावी होए क खातिर ई एकीकृत एमपीपीटी एक सरल नियंत्रक का उपयोग करै का प्रस्ताव बा। एकरे अलावा, कन्वर्टर का भी बहुत जादा दक्षता होए के चाही ताकि सीधा जुड़ल सिस्टम से जादा ऊर्जा भार मा ट्रांसफर कीन जाय। ई सरल नरम-स्विच टोपोलॉजी का उपयोग कइके हासिल करल गयल ह। कम लागत पर बहुत अधिक रूपांतरण दक्षता फिर से हो रही है, जिससे एमपीपीटी छोटे पीवी ऊर्जा प्रणालियों के लिए एक सस्ती समाधान है।
61c1d66defb225eda47462d1bc393906772c9196	वायरलेस सेंसर नेटवर्क का समाज पर सकारात्मक प्रभाव डाले खातिर बहुत बड़ा संभावना बा, अउर इ विषय पर बहुत बड़ा शोध हुआ है, अउर इ शोध अब पर्यावरण खातिर तैयार सिस्टम का उत्पादन कर रहा है। वर्तमान प्रौद्योगिकी सीमाओं के साथ-साथ व्यापक रूप से अलग-अलग अनुप्रयोग आवश्यकताओं का कारण बनता है, जो कि डिजाइन के विभिन्न हिस्सों के लिए अलग-अलग हार्डवेयर प्लेटफार्मों का एक विविधता है। एकरे अलावा, एक प्रणाली क अद्वितीय ऊर्जा अउर विश्वसनीयता बाधाओं का मतलब है कि एक समय मा मानव हस्तक्षेप के बिना कई महीनों तक कामकाज की आवश्यकताएं मानक एकीकृत सर्किट से सेंसर नेटवर्क हार्डवेयर पर अलग-अलग मांगें। इ पेपर सेंसर नोड्स का डिज़ाइन और उन पर नियंत्रण करने वाले निम्न स्तर के सॉफ़्टवेयर का वर्णन करता है। जेब्रानेट प्रणाली मा हम जीपीएस प्रौद्योगिकी का उपयोग करैं खातिर सूक्ष्म-अंक वाले पोजीशन डेटा रिकॉर्ड करैं खातिर लंबे समय तक जानवरन के पलायन का ट्रैक करे खातिर करत हैं [14]. जेब्रानेट हार्डवेयर मा 16 बिट का टीआई माइक्रो कंट्रोलर, 4 एमबीआईटी ऑफ-चिप फ्लैश मेमोरी, 900 मेगाहर्ट्ज का रेडियो, और एक कम पावर जीपीएस चिप शामिल है। इ पेपर मा, हम सेंसर नेटवर्क, नोड्स की ऊर्जा खपत का प्रबंधन, और रेडियो, फ्लैश, और सेंसर सहित परिधीय उपकरणों का प्रबंधन करने की विधि का प्रबंधन करने के लिए कुशल बिजली आपूर्ति का डिजाइन करने की हमारी तकनीक पर चर्चा करेंगे। हम जेब्रानेट नोड्स के डिजाइन का मूल्यांकन करके अउर चर्चा करके निष्कर्ष निकालल चाहत बानी कि इ कइसे बेहतर हो सकत है। इ हार्डवेयर विकसित करिके हमार जे सीख गवा है ऊ भविष्य के सेंसर नोड्स के डिजाइन अउर वास्तविक प्रणालियन में इके इस्तेमाल खातिर उपयोगी हो सकत है।
146da74cd886acbd4a593a55f0caacefa99714a6	आर्टिफिशियल इंटेलिजेंस का विकास, टेक्नोलॉजी के क्षेत्र में Catalyst के रूप में काम कर रहा है। अब हम वन्हैं ऊ चीज बताय सकत हैं जवन एक समय रहा लकिन अब वन्हैं क्यार कल्पना भी बाय। एक ऐसी सृजन का जन्म है, सेल्फ ड्राइविंग कार का जन्म। दिन आये हैं जब आप आपन काम कर सकत हैं या गाड़ी मा भी सो सकत हैं अउर बिना भी स्टीयरिंग व्हील, एक्सेलेटर का छूए भी आप अपने गंतव्य तक सुरक्षित पहुंच सकत हैं। इ पेपर एक सेल्फ ड्राइविंग कार का एक वर्किंग मॉडल का प्रस्ताव करत है जवन एक स्थान से दूसरे स्थान पर या अलग-अलग प्रकार के ट्रैक पर ड्राइव करे मा सक्षम है जैसे कि घुमावदार ट्रैक, सीधा ट्रैक और सीधा ट्रैक के बाद घुमावदार ट्रैक। एक कैमरा मॉड्यूल कार के ऊपर माउंट है साथ साथ रास्पबेरी पाई वास्तविक दुनिया से छवियों को Convolutional Neural Network भेजता है जो तब से निम्नलिखित दिशाओं में से एक का अनुमान लगाता है। यानी कि अउर दाईं, बाईं, आगे या रुकवा दिया जाय, जेकर बाद Arduino से रिमोट से नियंत्रित गाड़ी का कंट्रोलर मा सिग्नल भेज दिया जाय, अउर एकर नतीजा ई होथे कि गाड़ी बिना कउनो मानवीय हस्तक्षेप के, वांछित दिशा मा चलथे।
bb17e8858b0d3a5eba2bb91f45f4443d3e10b7cd
090a6772a1d69f07bfe7e89f99934294a0dac1b9
f07fd927971c40261dd7cef1ad6d2360b23fe294	हम बिच्छु कैनोनिकल सहसंबंध विश्लेषण (सीसीए) की समस्या पर विचार कर रहे हैं, अर्थात, दो रैखिक कॉम्बी राष्ट्रों की खोज, प्रत्येक बहु-चर के लिए एक, जो कि चर की एक निर्दिष्ट संख्या का उपयोग करके अधिकतम सहसंबंध उत्पन्न करते हैं। हम एक कुशल संख्यात्मक सन्निकटन का प्रस्ताव करत हैं, जउन एक सीधा लालची दृष्टिकोण पर आधारित है, जउन हर स्तर पर सहसंबंध का बंधन है। इ विधि विशेष रूप से बड़ी डेटासेट का सामना करने के लिए डिज़ाइन की गई अहै आउर एकर कम्प्यूटेशनल जटिलता केवल स्पार्सिटी स्तर पर ही निर्भर करत अहै। हम सहसंबंध अउर परोपकार के बीच व्यापार-बंद के माध्यम से एल्गोरिथ्म ms प्रदर्शन का विश्लेषण करत हैं। संख्यात्मक सिमुलेशन कय परिणाम से पता चलत है कि सहसंबंध कय एक महत्वपूर्ण हिस्सा अपेक्षाकृत छोट संख्या कय चर कय उपयोग कइके कैप्चर कै सका जात है। एकर अलावा, हम बिभिन्न चरन के आयाम के तुलना में उपलब्ध नमूनों की संख्या कम होए पर नियमित रूप से नियमित रूप से कम CCA का उपयोग करे का भी अध्ययन करेक चाही। I. I NTRODUCTION कैनोनिकल सहसंबंध विश्लेषण (CCA), Harol d Hotelling [1] द्वारा शुरू की गई, एक मानक तकनीक है जो डेटा स्रोतों के एक जोड़े से सामान्य सुविधाओं का निष्कर्षण करने के लिए बहु-चरणीय डेटा एन lysis में है, [2] [3]। इ डेटा स्रोतों में से प्रत्येक एक यादृच्छिक वेक्टर r उत्पन्न करता है जिसे हम बहु-विकल्पी कहते हैं। क्लासिक आयामियता कमी विधियन के विपरीत जउन एक बहु-चरन का संबोधित करत हैं, सीसीए संभवतः अलग-अलग आयाम अउर संरचना वाले दो रिक्त स्थान से नमूने के बीच सांख्यिकीय संबंधों का ध्यान रखत हैं। विशेष रूप से, इ दो रैखिक संयोजनों की खोज करता है, प्रत्येक बहु-विकल्पीय एक-दूसरे से संबंधित है, ताकि उनके बीच का संबंध अधिकतम हो सके। ई अलग-अलग विसय में अलग-अलग औजारन कय रूप मा या दूसर सांख्यिकीय विधियन कय लिए पूर्व-प्रसंस्करण चरण के रूप मा प्रयोग कैला जात है। ई अतिरिक्त, सीसीए एक सामान्यीकृत ढांचा होय जौन सांख्यिकी मा कई शास्त्रीय विधियन शामिल है, उदाहरण के लिए, प्रधान घटक विश्लेषण (पीसीए), आंशिक न्यूनतम वर्ग (पीएलएस) और कई रैखिक प्रतिगमन (एमएलआर) । सीसीए हाल ही मा कर्नेल सीसीए की आगमन और स्वतंत्र घटक विश्लेषण [5], [6] मा इकरे आवेदन के साथ ध्यान फिर से प्राप्त कीन गा है। पिछले दशक मा सिग्नल की बिखरी निरूपण की खोज मा जादा दिलचस्पी देखी ग्यायी है। इ प्रकार, हम विरल सीसीए की समस्या पर विचार कर रहे हैं, अर्थात, अधिकतम सहसंबंध वाले रैखिक संयोजनों की खोज कर रहे हैं, एक छोटी संख्या में चर का उपयोग कर रहे हैं। पैल्तिकता की खोज विभिन्न तर्कों से प्रेरित हो सकती है। पहिला त ईहे कि परिणाम के व्याख्या अउर अनुभूति का क्षमता का हीनता से हीनता का हीनता से हीनता का बीच का अंतर बा। एक छोटी संख्या मा चर हमें कुछ छोट विवरण को त्यागते समय "बड़ी तस्वीर" प्राप्त गर्न को लागी अनुमति दिन्छ। एकर अलावा, ई पन्ना कय कई अवतरण से कम्प्यूटेशनल रूप से कुशलता से काम करे कय अनुमति देत है। इ काम मा अंशतः अनुदान FA9550-06-1-0 324 के तहत एक AFOSR MURI द्वारा समर्थित रहा। दुय्यम कारण जेखर से कि कम आय आय आय सीसीए का एक मुख्य कमजोर बिंदु कुछ अवलोकनों का संवेदनशीलता है। हालांकि, नियमित रूप से सीएसी [7] का उपयोग किया जाना चाहिए। ए संदर्भ में, CCA एक उप-समूह चयन योजना है, जो हमें वैक्टरों का आयाम घटाकर स्थिर समाधान प्राप्त करने की अनुमति देती है। हमार सबसे अच्छा ज्ञान के अनुसार, विरल सीसीए का पहला संदर्भ [2] में दिखाई दिया, जहां पिछड़ा और चरणबद्ध उपसमुच्चय चयन का प्रस्ताव रखा गया था। इ चर्चा गुणात्मक प्रकृति का रहा औ कउनो विशिष्ट संख्यात्मक एल्गोरिथ्म का प्रस्ताव नाहीं रहा। हाल मा, बहु-आयामी डाटा प्रोसेसिंग की बढ़ी मांग और कम हो रही कम्प्यूटेशनल लागत से विषय का एक बार फिर से महत्व बढ़ ग्या है। इ वर्तमान समाधान कय साथे मुख्य दोष ई है कि एकर परिकरमा पर कौनो सीधा नियंत्रण नाही है औ इकी इष्टतम हाइपरपैरामीटर का चयन करना कठिन (अउ गैर-सहज) है। एकर अतिरिक्त, ई methods का calculation complexity ज्यादातर महत्वपूर्ण चीजन पर निर्भर करत हइन। विरल सीसीए का भी निहित रूप से संबोधित करल गईल बा [९], [१४] और d विरल पीसीए पर हाल के परिणाम से घनिष्ठ रूप से जुड़ा बा [९], [१५] - [१७] । वास्तव मा, हमार प्रस्तावित समाधान सीएसी मा [17] परिणाम का विस्तार हो। इ काम के मुख्य योगदान दोहउ अहैं। सबसे पहिले, हम सीसीए एल्गोरिदम का प्रत्येक मल्टीवेरिएट में स्पार्ससिटी पर सीधा नियंत्रण के साथ प्राप्त करत हैं अउर उनकर प्रदर्शन का जांच करत हैं। हमार कम्प्यूटेशनल रूप से कुशल पद्धति विशेष रूप से दोहन के बीच संबंध का समझे खातिर काफी हई। हम आगे बढ़े (या पीछे) लालची दृष्टिकोण अपनाते हैं, जो कि क्रमिक रूप से चर का चयन (या गिरावट) पर आधारित है। प्रत्येक चरण मा, हम सबसे अच्छा CCA समाधान का चयन करें और एक पूरा समस्या का समाधान करें। एकर अलावा, आगे की खाई पद्धति की गणना की जटिलता डेटा की आयाम पर निर्भर नहीं करती, बल्कि केवल आंशिक पैरामीटर पर निर्भर करती है। संख्यात्मक अनुकरण परिणाम से पता चलता है कि सहसंबंध का एक महत्वपूर्ण हिस्सा गैर-शून्य गुणांक की अपेक्षाकृत कम संख्या का उपयोग करके कुशलता से कैप्चर किया जा सकता है। हमार दुसर योगदान नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से नियमित रूप से अनुभवजन्य अनुकरण क उपयोग कइके हम अलग-अलग एल्गोरिदम क उपयोग क जांच करत हैं जब बहु-उद्देश्य वाले आयाम नमूना की संख्या से बड़ा होत हैं (या उही क्रम का) अउर विरल सीसीए का लाभ प्रदर्शित करत हैं। ए संदर्भ में, Greedy approach का एक फायदा इ है कि इ एक ही रन में पूरा स्परसिटी पथ उत्पन्न करता है और ए का उपयोग करके कुशल पैरामीटर ट्यूनिंग की अनुमति देता है
49afbe880b8bd419605beb84d3382647bf8e50ea
19b7e0786d9e093fdd8c8751dac0c4eb0aea0b74
0b3cfbf79d50dae4a16584533227bb728e3522aa	आवर्ती बैकप्रोपेगरेशन द्वारा विस्तारित समय अंतराल पर जानकारी संग्रहीत करना सीखना बहुत लंबा समय लेता है, ज्यादातर अपर्याप्त, खराब त्रुटि बैकफ्लो के कारण। हम संक्षेप मा Hochreiter (1991) की इस समस्या का विश्लेषण, फिर एक उपन्यास, कुशल, ढाल आधारित विधि लंबी अल्पकालिक स्मृति (LSTM) बुलाया शुरू गरेर यो सम्बोधन। जहां ई नुकसान नाही करत, ग्रेडिएंट का ट्रंकिंग, एलएसटीएम विशेष इकाइयों के भीतर निरंतर त्रुटि कैरोसेल के माध्यम से निरंतर त्रुटि प्रवाह को लागू करके 1000 से अधिक असतत समय चरणों में न्यूनतम समय अंतराल से बचने का तरीका सीख सकत है। गुणन गेट इकाइयां लगातार त्रुटि प्रवाह तक पहुंच का खुलासा अउर बंद करना सीखत हैं। LSTM स्थानिक समय अउर जगह मा है; एकर गणनात्मक जटिलता प्रति समय चरण अउर वजन O है। 1. माई बाप पहिले कृत्रिम डेटा के साथ हमार प्रयोग स्थानीय, वितरित, वास्तविक-मूल्यवान, अउर शोरदार पैटर्न प्रतिनिधित्व शामिल करत है। वास्तविक समय आवर्ती सीख, समय के माध्यम से पीछे प्रजनन, आवर्ती कैस्केड सहसंबंध, एल्मन नेट, और तंत्रिका अनुक्रम खंडन, LSTM की तुलना में कई अधिक सफल रन का कारण बनता है, और बहुत तेजी से सीखता है। एल एस टी एम भी जटिल, कृत्रिम लम्बा समय-विलंब कार्य का हल करता है जो पिछले आवर्ती नेटवर्क एल्गोरिदम द्वारा कभी हल नहीं किए गए थे.
9eb67ca57fecc691853636507e2b852de3f56fac	पिछला अध्ययन से पता चला कि शब्दय और पाठय की वैधता न्यूरल एम्बेडिंग मॉडल कय माध्यम से हासिल कीन जाय सकत है। विशेष रूप से, पैराग्राफ वेक्टर (पीवी) मॉडल ने कुछ प्राकृतिक भाषा प्रसंस्करण कार्यों में प्रभावशाली प्रदर्शन दिखाया है, एक दस्तावेज़ (विषय) स्तर भाषा मॉडल का अनुमान लगाकर। हालांकि, जीवीपी मॉडल के साथ पारंपरिक भाषा मॉडल दृष्टिकोण का एकीकरण अस्थिर प्रदर्शन और सीमित सुधार का उत्पादन करता है। इ पेपर मा, हम औपचारिक रूप से मूल पीवी मॉडल की तीन आंतरिक समस्याओं पर चर्चा करें जे रिकवरी कार्य मा इकरे प्रदर्शन को सीमित करत हैं। हम मॉडल का भी वर्णन करें कि ईआई कार्य के लिए मॉडल का अधिक उपयुक्त बनाता है, और उनके प्रभाव का प्रयोग करके उदाहरण दिखाता है। तीन मुद्दा हम सम्बोधन करैं (1) पीवी का अनियमित प्रशिक्षण प्रक्रिया लघु दस्तावेज़ ओवर-फिटिंग के लिए कमजोर है जउन अंतिम पुनर्प्राप्ति मॉडल में लंबाई पूर्वाग्रह का उत्पादन करत है; (2) पीवी का कोरपस-आधारित नकारात्मक नमूनाकरण शब्दों के लिए एक वजन योजना का कारण बनता है जो लगातार शब्दों का महत्व को बहुत अधिक दबाता है; और (3) शब्द-संदर्भ जानकारी का अभाव पीवी को शब्द प्रतिस्थापन संबंधों को पकड़ने में असमर्थ बनाता है।
4df321947a2ac4365584a01d78a780913b171cf5	पहलू आधारित भावना विश्लेषण (एबीएसए) विशिष्ट संस्थाओं अउर उनके पहलुओं के बारे मा पाठ से राय खनन अउर सारांशित करै का काम है। ई लेख फ्रेंच खातिर एबीएसए सिस्टम के विकास अउर परीक्षण खातिर दू डेटासेट का वर्णन करत है जेहमा प्रासंगिक संस्थाओं, पहलुओं अउर ध्रुवीयता मानों के साथ उपयोगकर्ता समीक्षा शामिल हैं। पहिला डेटासेट मा एबीएसए सिस्टम के प्रशिक्षण अउर परीक्षण खातिर 457 रेस्तरां समीक्षा (2365 वाक्य) शामिल है, जबकि दूसर मा आउट-ऑफ-डोमेन मूल्यांकन खातिर समर्पित 162 संग्रहालय समीक्षा (655 वाक्य) शामिल है। दुनो डेटा सेट SemEval-2016 कार्य 5 Aspect-Based Sentiment Analysis कय हिस्सा कय रूप मा बना रहा, जेहमा सात अलग-अलग भाषाओं कय प्रतिनिधित्व रहा, औ अनुसंधान प्रयोजनन् खातिर सार्वजनिक रूप से उपलब्ध अहै। ई लेख टिप्पणियन् कय प्रकार कय अनुसार उदाहरण अउर आँकड़ा देत है, टिप्पणियन् दिशानिर्देशन् कय सारांश देत है औउ इनकै पार-भाषाई प्रयोज्यता कय चर्चा करत है। ई भी समझाइ दिहा है कि कैसे आंकड़ा का उपयोग मूल्यांकन खातिर SemEval ABSA कार्य में कीन गवा रहा अउर संक्षेप मा फ्रांसीसी खातिर प्राप्त परिणाम का प्रस्तुत करत है ।
2445089d4277ccbec3727fecfe73eaa4cc57e414	इ पेपर 8 भाषा जोड़े के लिए मशीन अनुवाद प्रणालियों की अनुवाद गुणवत्ता का मूल्यांकन करता हैः फ्रेंच, जर्मन, स्पेनिश, और चेक का अंग्रेजी से अनुवाद करें और पीछे का अनुवाद करें। हम लोग एक व्यापक मानव मूल्यांकन क आयोजन किहे अही जउन हमका विभिन्न MT प्रणाली का वर्गीकृत नाही कई सका बल्कि खुद क एक उच्च-स्तरीय मूल्यांकन प्रक्रिया का भी संचालन कई सका। हम समय का हिसाब लगाये और तीन तरह की subjective evaluation की intra- and inter-annotator agreement का भी हिसाब लगाये. हम स्वचालित मूल्यांकन माप का मानवीय निर्णय से सहसंबंध मापें इ मेटा-मूल्यांकन सबसे जादा उपयोग करे वाले विधाओं कय बारे मा आश्चर्यजनक तथ्य पेस करत अहै।
1965a7d9a3eb0727c054fb235b1758c8ffbb8e22	वृत्तीय रूप से ध्रुवीकृत एकल परत यू-स्लॉट माइक्रोस्ट्रिप पैच एंटीना का प्रस्ताव दिया गया है। सुझावा गवा असममित यू-स्लॉट गोलाकार ध्रुवीकरण खातिर दुई ऑर्थोगोनल मोड उत्पन्न कर सकत है बिना जांच-खाता स्क्वायर पैच माइक्रोस्ट्रिप एंटीना के कौनो कोना के चम्फरिंग करे। यू-स्लॉट की अलग-अलग बांह लंबाई से होने वाले प्रभाव की जांच के लिए एक पैरामीटर अध्ययन किया गया है। फोम सब्सट्रेट की मोटाई ऑपरेटिंग आवृत्ति पर तरंगदैर्ध्य का लगभग 8.5% है। 3 डीबी अक्षीय अनुपात एंटीना का बैंडविड्थ 4% है. एंटीना का प्रयोगात्मक अउर सैद्धांतिक परिणाम प्रस्तुत अउर चर्चा कीन गवा बा। सर्कुलर पोलराइजेशन, प्रिंटेड एंटीना, यू-स्लॉट.
9462cd1ec2e404b22f76c88b6149d1e84683acb7	इ पत्र मा, एक वाइडबैंड कॉम्पैक्ट गोलाकार ध्रुवीकृत (सीपी) पैच एंटीना प्रस्तावित है। इ पैच एंटीना मा एक मुद्रित घुमावदार जांच (एम-सप) अउर ट्रंक पैच शामिल होत है जवन एक वाइडबैंड सीपी ऑपरेशन का उत्पन्न करे खातिर ऑर्थोगोनल अनुनाद मोड्स का उत्तेजित करत है। 5जी वाई-फाई एप्लिकेशन के फिट होए खातिर अक्षीय-अनुपात (एआर) बैंडविड्थ के अउर बेहतर बनावे खातिर स्टैक्ड पैच का इस्तेमाल कइल जात बा। प्रस्तावित एंटीना क्रमशः 42.3% प्रतिबाधा बैंडविड्थ अउर 16.8% एआर बैंडविड्थ प्राप्त करत है। एआर बैंडविड्थ के भीतर औसत लाभ 0.5 डीबीआईसी से कम भिन्नता के साथ 6.6 डीबीआईसी है। इ काम एक एम-सप फ़ीड सीपी पैच एंटीना का बैंडविड्थ विस्तार तकनीक का प्रदर्शन करत है. इ जांच कय लिए पहिला अध्ययन अहय औ ई दिखावा करत है कि एम-सोनड भी डाइलेक्ट्रिक लोडेड पैच एंटीना मा वाइडबैंड विशेषता प्रदान कइ सकत है। एंटीना का संभावित अनुप्रयोग 5G वाई-फाई अउर उपग्रह संचार प्रणाली हैं।
d6002a6cc8b5fc2218754aed970aac91c8d8e7e9	इ पेपर मा हम वास्तविक समय मा कै विशिष्ट 3D वस्तुओं का पता लगाने की एक नई विधि का प्रस्ताव करत हैं। हम टेम्पलेट-आधारित दृष्टिकोण से शुरू करते हैं, जो हाल ही में Hinterstoisser et al. द्वारा पेश LINE2D/LINEMOD प्रतिनिधित्व पर आधारित है, फिर भी इसे दो तरीकों से बढ़ाएं। सबसे पहिले हम प्रस्तावित कीन गवा रहेन कि ई सब कछू प्राथमिक रूप स होइ चाही। हम देखब कि इ ऑनलाइन कै सकित ह जब इ नमूना चित्रन क संग्रह करत ह, बस कुछ मिलीसेकंड में, अउर डिटेक्टर क सटीकता पे एक बड़ा प्रभाव डालत ह। दूसर बात हम यक योजनन का प्रस्ताव करत हई जउन मेन कैसकेड पर आधारित हव जउन की जल्दी से जल्दी कारवाही करै लायक होइहैं। चूंकि एक वस्तु का पता लगाना तेजी से हो रहा है, नई वस्तुएं बहुत कम कीमत पर जोड़ी जा सकती हैं, जिससे हमारा दृष्टिकोण काफी हद तक काम कर सकता है। हमरे प्रयोग मा, हम आसानी से 10-30 3D ऑब्जेक्ट्स को 10fps से ऊपर फ्रेम दर मा एक एकल सीपीयू कोर का उपयोग करत हैं। हम state-of-the-art से आगे हैं speed के हिसाब से भी और accuracy के हिसाब से भी, जैसा कि 3 अलग अलग dataset पर validated है. इ तब भी मान्य है जब मोनोकुलर रंग छवियों का उपयोग कर रहा हो (LINE2D के साथ) और जब RGBD छवियों का उपयोग कर रहा हो (LINEEMOD के साथ) । एकरे अलावा हम 12 ऑब्जेक्ट्स से एक चुनौतीपूर्ण नया डेटासेट का प्रस्ताव करत अही, जवन कि मोनोक्यूलर कलर इमेजेज का भविष्यवाणी करे खातिर प्रयोग कइल जाइ।
41d103f751d47f0c140d21c5baa4981b3d4c9a76	लोग जउन आपन व्यक्तिगत कहानी इंटरनेट पर पोस्ट करत हीं, उ अक्सर इ तरह देखाइ देत हीं कि लोगन क आपसी सम्बन्ध अहइ। इ पेपर मा हम आपन प्रयास के बारे मा बताये हन जउन इ कहानी कय लाखों लोगन कय उपयोग करेक मा करेक हय ताकि आम जन से सहज-समझ युक्त तर्क-वितर्क के जरिये समझाय सका जाय। सामान्य ज्ञान का कारण तर्क समस्या का एक विकल्प विकल्प विकल्प के रूप मा कास्टिंग, हम चार प्रयोगों का वर्णन करते हैं जो विभिन्न सांख्यिकीय और सूचना पुनर्प्राप्ति दृष्टिकोणों की तुलना कहानी कोरपोरा में कारण जानकारी का शोषण करने के लिए करते हैं। इ प्रयोगों मा सबसे अच्छा प्रदर्शन करे वाला प्रणाली का उपयोग शब्द के बीच एक साधारण सह-घटना सांख्यिकीय का उपयोग करत है, जेकर गणना बिंदुवार पारस्परिक सूचना के रूप मा लाखों व्यक्तिगत कहानियन के एक समूह मा शब्द के बीच कीन जात है।
c9d1bcdb95aa748940b85508fd7277622f74c0a4	मामला के जांच कम से कम एक दशक से सूचना प्रणाली (आईएस) अनुशासन मा सम्मान मा हावी छ। केस स्टडीज कय प्रासंगिकता औ संभावित मूल्य के बावजूद, इ पद्धतिगत दृष्टिकोण एक बार सबसे कम व्यवस्थित होय का माना जात रहा । 1980 के दशक के अंत मा, ई सवाल उठेक शुरू होइ गयल कि का आई.एस. के बारे मा मामला क पढ़ाई सही ढंग से कीन जाय । हमरे क्षेत्र मा अनुसंधानकर्ता (उदाहरण के लिए, Benbasat et al। 1987; ली 1989) अउर अन्य विधा (जैसे, आइज़ेनहार्ड 1989; यिन 1994) केस रिसर्च मा अधिक कठोरता का आह्वान कै अउर अपने सिफारिशों के माध्यम से केस स्टडी पद्धति के उन्नति मा योगदान दिहिन। इन योगदानों का ध्यान में रखते हुए, वर्तमान अध्ययन से पता चलता है कि सभी लोग एक बड़ी चेन का हिस्सा हैं, जबकि कई लोग एक बड़ी चेन का हिस्सा हैं। ठीक से, इ पिछले दशक से चल रही है, रैंकिंग का स्तर वास्तव में ब्लॉकचेन (जहां भी टेक्नोलॉजी का विकास हुआ है) लगभग चार से दस गुना ज्यादा है। इ लक्ष्य कय प्राप्ति के बरे हम सात प्रमुख आईएस जर्नल से 183 केस आर्टिकल पय पहुँच गए अहँय अउर उनमा कोड लिखे अहँय। इ समीक्षा मा विचार कीन गे मूल्यांकन विशेषता या मानदंड तीन मुख्य क्षेत्रन पर ध्यान केंद्रित करत हई, जउन हई डिजाइन मुद्दा, डाटा संग्रह, अउर डाटा विश्लेषण। जबकि कुछ विशिष्ट गुणन के संबंध मा पद्धतिगत कठोरता का स्तर मामूली प्रगति देखी गई है, समग्र रूप से मूल्यांकन कठोरता कुछ हद तक अस्पष्ट है और सुधार के लिए अभी भी महत्वपूर्ण क्षेत्र हैं। एक महत्वपूर्ण बात त ईहे है कि ई सब सोंच के पीछे का तात्पर्य हम आपन आप से ही बतावत हई, ई त सुनबे की बाद का बात है।
025cdba37d191dc73859c51503e91b0dcf466741	फिंगरप्रिंट छवि वृद्धि फिंगरप्रिंट मान्यता अनुप्रयोगों मा एक आवश्यक पूर्व प्रसंस्करण कदम हो। इ पेपर मा हम एक ऐसी पद्धति का परिचय देत है जौन एक साथ गॅबर वेवलेट फ़िल्टर बैंक द्वारा फिंगरप्रिंट छवि मा स्थानीय रिज का उन्मुखीकरण और आवृत्ति निकालता है और इमेज का गॅबर फ़िल्टरिंग मा इका उपयोग करता है। एकर अलावा, हम फिंगरप्रिंट छवि संवर्धन के लिए एक मजबूत दृष्टिकोण का वर्णन करते हैं, जो गबोर फ़िल्टर और दिशात्मक माध्य फ़िल्टर (डीएमएफ) के एकीकरण पर आधारित है। असल मा, गॉसियन-वितरित शोर प्रभावी रूप से गॅबोर फिल्टर द्वारा अउर डीएमएफ द्वारा आवेग शोर से कम होई जात है। प्रस्तावित डीएमएफ न केवल आपन मूल कार्य पूरा कइ सकत हय, बल्कि इ टूट फिंगरप्रिंट रीड को भी जोड़ सकत हय, फिंगरप्रिंट इमेज के छेद को भर सकत हय, अनियमित रीड को चिकना कर सकत हय, साथ ही साथ कुछ कष्टप्रद छोटे कलाकृतियों को भी हटा सकत हय। प्रयोगात्मक रूप से, हमार मतलब इ अहै कि जद्यपि पहिलेन से हम एह बात पर विचार करत रहे हैं कि ई काम ऍकरे विपरीत होत है।
3dfce4601c3f413605399267b3314b90dc4b3362	आज का विश्वव्यापी नेटवर्क समाज सूचना का प्रसारण और आदान प्रदान पर बहुत अधिक मांग कर रहा है। जबकि अतीत मा जारी जानकारी ज्यादातर तालिकाओं औ तथ्यात्मक रूप मा होत रहा, अब कई स्थितियों मा विशिष्ट डेटा (माइक्रोडाटा) की रिहाई की आवश्यकता होत है। इ जानकारी कय संदर्भ करय वाले संस्थाओं (जेके उत्तरदाता कहल जात है) कय गुमनामता कय रक्षा करय के खातिर, डेटा धारक अक्सर नाम, पता, औ टेलीफोन नंबर जैसन स्पष्ट पहचानकर्ता हटा देत हैं या इनको एन्क्रिप्ट करत हैं। हालांकि, पहचान से बाहर आंकड़े का कोई सबूत नहीं है कि सभी लोग एक बड़ी चेन का हिस्सा हैं। रिलीज़ की गई जानकारी में अक्सर अन्य डेटा शामिल होत हैं, जैसे कि जाति, जन्म तिथि, लिंग, अउर ज़िप कोड, जेका सार्वजनिक रूप से उपलब्ध कराया जा सकत है, Responders का फिर से पहचान करें, अउर जानकारी का निष्कर्ष निकालें, जेका खुलासा के लिए इरादा नाहीं रहे। इ पेपर मा हम मिक्रोडाटा के समस्या का हल करैं हन, जबकि उत्तरदाताओं का नामौजूदगी कै सुरक्षा करैं का चाही। ई दृष्टिकोण k-अनामीपन की परिभाषा पर आधारित है। एक तालिका k-अनामी प्रदान करत है अगर स्पष्ट रूप से पहचान जानकारी को लिंक करने का प्रयास करें कि जानकारी कम से कम k संस्थाओं तक पहुंच जाये। हम बताय देहे हई कि कैसे के-अनामीकरण प्रदान की जा सकत है बिना समझौता करे इंफार्मेशन की अखंडता (या सत्यता) का जारी करेके जेनेरालाइजेशन अउर दमन तकनीक का उपयोग कइके। हम न्यूनतम सामान्यीकरण की अवधारणा का परिचय देते हैं जो रिलीज़ प्रक्रिया की संपत्ति को पकड़ता है ताकि डेटा को k-अनामी प्राप्त करने के लिए आवश्यक से अधिक विकृत न करे, और ऐसे सामान्यीकरण की गणना के लिए एक एल्गोरिथ्म प्रस्तुत करे। हम अलग अलग तरह से भी कम से कम एक का चयन करें
cd866d4510e397dbc18156f8d840d7745943cc1a
74c24d7454a2408f766e4d9e507a0e9c3d80312f	वायरलेस सेंसर नेटवर्क खातिर स्मार्ट कार्ड-आधारित उपयोगकर्ता प्रमाणीकरण योजना (संक्षेप मा, एक एसयूए-डब्ल्यूएसएन योजना) सेंसर डेटा तक पहुंच केवल उन उपयोगकर्ताओं तक सीमित रखे खातिर डिज़ाइन की गई है जिनका पास स्मार्ट कार्ड अउर संबंधित पासवर्ड दोनों है। जबकि हाल के बरस मा SUA-WSN योजनाओं की एक महत्वपूर्ण संख्या का सुझाव दिया गा है, उनके इच्छित सुरक्षा गुणों की औपचारिक परिभाषाओं अउर एक व्यापक रूप से स्वीकृत मॉडल मा प्रमाणन की कमी है। एक परिणाम ई रहा कि एसयूए-डब्ल्यूएसएन योजनाएं विभिन्न हमले का विरोध कर रही हैं, जिनका परिणामस्वरूप कई बार असुरक्षित आउटपुट मिला है। इ पेपर मा, हम व्यापक रूप से स्वीकार्य मॉडल का विस्तार करके SUA-WSN योजनाओं का विश्लेषण करने के लिए एक सुरक्षा मॉडल तैयार करते हैं। हमार मॉडल authenticated key exchange अउर उपयोगकर्ता गुमनामी के औपचारिक परिभाषा प्रदान करत है जब कि साइड-चैनल हमला कैप्चर करत है, अउर साथ ही साथ अन्य सामान्य हमला भी करत है। हम भी एक नई SUA-WSN योजना का प्रस्ताव है, जो अण्डाकार वक्र क्रिप्टोग्राफी (ECC) पर आधारित है, और हमारे विस्तारित मॉडल में इसकी सुरक्षा विशेषता का परीक्षण करें। हमार जानकारी के हिसाब से हमार प्रस्तावित योजना पहिली SUA-WSN योजना है जउन प्रमाणित रूप से प्रमाणित कुंजी विनिमय अउर उपयोगकर्ता गुमनामी दुनो प्राप्त करत है। हमार योजना ईसीसी आधारित (गैर-प्रमाणित रूप से सुरक्षित) योजनाओं के साथ कंप्यूटेशनल रूप से प्रतिस्पर्धी है।
3973e14770350ed54ba1272aa3e19b4d21f5dad3	इ पेपर बॉस खातिर विकसित बाधा का पता लगावे अउर ट्रैकिंग एल्गोरिदम का वर्णन करत है, जवन 2007 के डीएआरपीए शहरी चुनौती में कार्नेगी मेलन विश्वविद्यालय का विजेता प्रविष्टि है। हम ट्रैकिंग उप-प्रणाली का वर्णन करें और दिखाएं कि यह एक बड़ी धारणा प्रणाली के संदर्भ में कैसे काम करता है। हम देखेंगे कि कौन सी अन्य चीजें चल रही हैं, हालांकि, निश्चित रूप से, संबंधित खंड पर कुछ गलत लग रहा है। ट्रैकिंग उप-प्रणाली रोबोट का शहरी ड्राइविंग के जटिल परिदृश्यों का समझने की क्षमता प्रदान करता है ताकि अन्य वाहनों की निकटता में सुरक्षित रूप से संचालित हो सके। ट्रैकिंग सिस्टम सेंसर डेटा का एक दर्जन से अधिक सेंसर से पर्यावरण के बारे में अतिरिक्त जानकारी के साथ एक सुसंगत स्थिति मॉडल का उत्पादन करता है। सेंसर डेटा की गुणवत्ता के आधार पर ऑब्जेक्ट्स का ट्रैक करे खातिर एक नया मल्टी-मॉडल दृष्टिकोण का उपयोग करल जाला। अंत मा, ट्रैकिंग उप-प्रणाली का वास्तुकला स्पष्ट रूप से प्रसंस्करण के प्रत्येक स्तर का सार है। उप-प्रणाली का नया सेंसर अउर सत्यापन एल्गोरिदम जोड़िके आसानी से बढ़ावा जा सकत है।
6a694487451957937adddbd682d3851fabd45626	अत्याधुनिक प्रश्न-उत्तर (क्यूए) प्रणाली उत्तर मार्ग का पता लगावे खातिर शब्द-घनत्व पदानुक्रम का उपयोग करत हैं। अइसन विधि अक्सर गलत जगहन पे खोजत अहैं काहे से की प्रश्न शब्द के बीच सम्बन्ध पर विचार नाहीं कीन जात है। पिछला अध्ययन इ समस्या का हल करै के बरे कीन गवा रहा जेसे प्रश्न और उत्तर के बीच वातानुकूलन अउर बातचीत होय सका जात। उ पचे सख्त मिलान क प्रयोग किहन, जउन तब विफल होत ह जब सिमेंटिक रूप स बराबर सम्बन्ध अलग-अलग रूपन मँ व्यक्त होत हीं। हम प्रस्तावित छिद्रित संबंध का पत्राचार, सांख्यिकीय मॉडल पर आधारित हम पिछला QA जोड़े से संबंध मैपिंग स्कोर का अध्ययन करने के लिए दो विधियां प्रस्तुत करते हैंः एक पारस्परिक जानकारी पर आधारित है, और दूसरा उम्मीद अधिकतम पर। प्रायोगिक परिणाम से पता चलता है कि हमारी विधि का औसत पारस्परिक रैंक 78% तक है। रिलेशन मिलान क्वेरी विस्तार द्वारा बढ़ाए गए सिस्टम मा लगभग 50% सुधार भी लाता है।
2538e3eb24d26f31482c479d95d2e26c0e79b990	हम एक एकीकृत तंत्रिका नेटवर्क वास्तुकला अउर सीखने एल्गोरिथ्म का प्रस्ताव करत हैं जवन कि विभिन्न प्राकृतिक भाषा प्रसंस्करण कार्य पर लागू होत है, जेहमा शामिल हैंः भाषण का हिस्सा टैगिंग, खंडन, नामित इकाई मान्यता, अउर सिमेंटिक भूमिका लेबलिंग। इ बहुमुखी प्रतिभा कार्य-विशिष्ट इंजीनियरिंग से बचने की कोशिश कर रही है और यसैले पिछले ज्ञान का एक बहुत कुछ अनदेखा कर रही है। मनुष्य कय बना इनपुट सुविधा कय उपयोग करै के बजाय जवन हर काम कय खातिर सावधानी से अनुकूलित किहिन हैं, हमार प्रणाली प्रशिक्षण डेटा कय विशाल मात्रा कय आधार पे आंतरिक प्रतिनिधित्व सीखत है, जौन ज्यादातर बिना लेबल कय अहै। इ काम कय बाद एक मुक्त रूप से उपलब्ध टैगिंग सिस्टम बनावै कय आधार के रूप मा उपयोग कै जाये जेह कय अच्छा प्रदर्शन अउर न्यूनतम कम्प्यूटेशनल आवश्यकता होय।
317deb87586baa4ee7c7b5dfc603ebed94d1da07	हम एक नया तेजी से विशुद्ध रूप से भेदभावपूर्ण एल्गोरिथ्म का प्रस्ताव करत हैं, जवन प्राकृतिक भाषा पार्सिंग खातिर, एक गहरी आवर्ती संवहनीय ग्राफ ट्रांसफार्मर नेटवर्क (जीटीएन) पर आधारित है. एक पार्स पेड़ का एक स्तरों के ढेर में विघटन मानकर, नेटवर्क पिछले स्तरों की भविष्यवाणियों को ध्यान में रखते हुए पेड़ का एक स्तर का अनुमान लगाता है। केवल कुछ बुनियादी पाठ सुविधाओं का उपयोग करत हुए, जे कोलोबर्ट और वेस्टन (2008) से शब्द प्रतिनिधित्व का लाभ उठाते हैं, हम मौजूदा शुद्ध भेदभाव वाले पार्सर और मौजूदा "बेंचमार्क" पार्सर (जैसे कोलिन्स पार्सर, संभाव्य संदर्भ-मुक्त व्याकरण आधारित) के समान प्रदर्शन (एफ 1 स्कोर में) दिखाते हैं, एक बड़ी गति लाभ के साथ।
04cc04457e09e17897f9256c86b45b92d70a401f	कई डेटा जइसे कि सामाजिक नेटवर्क, फिल्म प्राथमिकता या ज्ञान का आधार, बहु-संबंधित है, काहे से की ऊ इकाईअन के बीच कई सम्बन्धन का वर्णन करत है। जबकि इ आंकड़े मा भारी मात्रा मा काम कै बरे जाना जात बाय, इनक्यूबेटर पय आपकै भाषा का ठीक से समर्थन कीन जाय। ई प्रकार से, हम जब ई पेशाब करय लागित हन तौ दुसरे कय पारस्परिक रूप से जादा सहयोग करय लागित है। इ पेपर मा, हम संभावित रूप से हजारन रिलेशनस वाले बड़-बड़ मल्टी-रिलेशनल डाटासेट का मॉडलिंग करैं खातिर एक विधि का प्रस्ताव करत हन। हमार मॉडल एक द्विध्रुवीय संरचना पर आधारित है, जवन कि डेटा के बातचीत का विभिन्न क्रमों का कैप्चर करत है, अउर विभिन्न सम्बन्धन में बिच्छू सुप्त कारक भी साझा करत है. हम आपन तरीका का प्रदर्शन मानक टेंसर-फैक्टरिज़ेशन डेटासेट पर देखावत हई जहा हम प्राप्त करत हई, या बेहतर प्रदर्शन करत हई, कला का राज्य परिणाम. अंत मा, एक एनएलपी आवेदन मा हमारी स्केलेबिलिटी औउ क्षमता को प्रदर्शन को रूप मा कुशल र अर्थपूर्ण क्रिया प्रतिनिधित्व को लागी हाम्रो मोडेल को क्षमता।
052b1d8ce63b07fec3de9dbb583772d860b7c769	हम न्यूरॉन-जैसे इकाइयों के नेटवर्क खातिर एक नई सीखने की प्रक्रिया, बैक-प्रोपेगरेशन का वर्णन करत हैं। इ प्रक्रिया नेटवर्क मा कनेक्शन का वजन बार बार समायोजित करत है ताकि जाली के वास्तविक आउटपुट वेक्टर और वांछित आउटपुट वेक्टर के बीच अंतर का माप कम से कम करे। वजन समायोजन का परिणाम के रूप मा, आंतरिक "छिपा हुआ" इकाइयां जो इनपुट या आउटपुट का हिस्सा नहीं हैं, कार्य डोमेन की महत्वपूर्ण विशेषताओं का प्रतिनिधित्व करने आ रही हैं, और कार्य में नियमितता इन इकाइयों की बातचीत से कैप्चर की जाती हैं। उपयोगी नया विसेसताएं पैदा करैं की क्षमता पश्चाताप-प्रसारण का पहिले के, सरल तरीको से अलग करित है जैसे कि पर्सेप्ट्रॉन-कन्वर्जेंस प्रक्रिया1.
07f3f736d90125cb2b04e7408782af411c67dd5a	कई प्राकृतिक भाषा कार्य खातिर अर्थपूर्ण मिलान बहुत महत्वपूर्ण बा [2, 28]. एक सफल मिलान एल्गोरिथ्म का भाषा वस्तुओं अउर उनके बीच बातचीत का आंतरिक संरचना का पर्याप्त रूप से मॉडल करेक चाहि। इ लक्ष्य की ओर एक कदम के रूप मा, हम दुइ वाक्य मा मिलान के लिए संवितरण तंत्रिका नेटवर्क मॉडल क प्रस्ताव करत हैं, दृष्टि और भाषण मा संवितरण रणनीति का अनुकूलन करके। प्रस्तावित मॉडल केवल अच्छी तरह से उनके स्तर पर संरचनात्मक संरचना का प्रतिनिधित्व नहीं करता है, बल्कि उन्हें कई गुना अधिक सटीकता से समायोजित करता है। हमार मॉडल एकदम सामान्य अहै, ईका कउनो भाषा कय ज्ञान नाय अहै, और यहिलिये विभिन्न भाषाओं कय काम करय वालेन कय समानांतर बनावेक काम कय लिए एकर इस्तेमाल कै सका जात है। कई मिलान कार्य पर अनुभवजन्य अध्ययन कई मिलान कार्य पर प्रस्तावित मॉडल की प्रभावशीलता का प्रदर्शन करता है और प्रतियोगी मॉडल पर इसकी श्रेष्ठता का प्रदर्शन करता है।
0af737eae02032e66e035dfed7f853ccb095d6f5	कई एनएलपी कार्य में एक वाक्य का जोड़ा कैसे मॉडल करें, जैसे कि उत्तर चयन (एएस), पैराफ्रेज़ पहचान (पीआई) और पाठ समावेशीकरण (टीई) एक महत्वपूर्ण मुद्दा है। अधिकांश पूर्व कार्य (i) एक विशिष्ट प्रणाली का ठीक-ठाक करके एक अलग कार्य से संबंधित है; (ii) प्रत्येक वाक्य का प्रतिनिधित्व अलग-अलग है, शायद ही कभी दूसरे वाक्य का प्रभाव है; या (iii) पूरी तरह से मैन्युअल रूप से डिज़ाइन की गई, कार्य-विशिष्ट भाषाई विशेषताओं पर निर्भर करता है। इ काम मा एक सामान्य ध्यान आधारित Convolutional तंत्रिका नेटवर्क (एबीसीएनएन) प्रस्तुत करत है वाक्य का एक जोड़ी का मॉडलिंग के लिए. हम तीन गो सेवा करय वाले आदमी हईं (i) ABCNN का उपयोग कई प्रकार के कार्यों पर किया जा सकता है, जिनमें sentence pairs का model शामिल है। (ii) हम तीन ध्यान योजना का प्रस्ताव करते हैं जो सीएनएन में वाक्य के बीच पारस्परिक प्रभाव का एकीकरण करते हैं; इस प्रकार, प्रत्येक वाक्य का प्रतिनिधित्व अपने साथी पर विचार करता है। इ परस्पर निर्भर वाक्य जोड़ी प्रतिनिधित्व अलग वाक्य प्रतिनिधित्व से अधिक शक्तिशाली अहै। (iii) ABCNNs AS, PI अउर TE कार्यन पर अत्याधुनिक प्रदर्शन प्राप्त करत हैं। हम कोड जारी करे जात अहन https://github.com/yinwenpeng/Answer_Selection.
1c059493904b2244d2280b8b4c0c7d3ca115be73	नेटवर्क मा नोड्स और किनारों पर भविष्यवाणियां कार्य सीखने एल्गोरिदम द्वारा उपयोग की गइस इंजीनियरिंग सुविधाओं मा सावधानीपूर्वक प्रयास की आवश्यकता होत है। प्रतिनिधित्व सीखय के व्यापक क्षेत्र मा हालिया शोधन से खुद सुविधाओं का सीखकर भविष्यवाणियां का स्वचालित रूप से महत्वपूर्ण प्रगति हुई है। बहरहाल, मौजूदा फ़ीचर-लर्निंग दृष्टिकोण नेटवर्क में देखी गई कनेक्टिविटी पैटर्न की विविधता पर काबू पाने के लिए काफी अभिव्यक्तिपूर्ण नहीं हैं। इँहा हम node2vec का प्रस्ताव करत हई, नेटवर्क में नोड्स खातिर निरंतर सुविधा प्रतिनिधित्व सीखै खातिर एगो एल्गोरिथम ढांचा. node2vec मा, हम नोड्स का एक कम आयामी स्पेस मा मैपिंग सीखते हैं जो फीचर का नेटवर्क पड़ोस नोड्स का संरक्षित करने की संभावना को अधिकतम करता है। हम एक नोड के नेटवर्क पड़ोस का एक लचीला धारणा परिभाषित करत हैं अउर एक पक्षपातपूर्ण यादृच्छिक पैदल प्रक्रिया का डिजाइन करत हैं, जवन कि विविध पड़ोस का कुशलता से पता लगावत है। हमार एल्गोरिथ्म पहिले के काम का सामान्यीकरण करत है जवन नेटवर्क पड़ोस के कठोर धारणाओं पर आधारित है, अउर हमार तर्क है कि पड़ोस के खोज मा जोड़ा गया लचीलापन समृद्ध प्रतिनिधित्व सीखै खातिर महत्वपूर्ण है। हम कई डोमेन से कई वास्तविक दुनिया नेटवर्क में बहु-लेबल वर्गीकरण और लिंक भविष्यवाणी पर मौजूदा राज्य-ऑफ-द-आर्ट तकनीक पर node2vec की प्रभावशीलता का प्रदर्शन करते हैं। एक साथ, हमार काम जटिल नेटवर्क मा अत्याधुनिक कार्य-स्वतंत्र प्रतिनिधित्व को कुशलतापूर्वक सीखने का एक नया तरीका का प्रतिनिधित्व करत है।
de93c4f886bdf55bfc1bcaefad648d5996ed3302	इ अध्याय आधुनिक घुसपैठ का पता लगाने की स्थिति का परीक्षण करता है, विशेष रूप से डेटा खनन के उभरते दृष्टिकोण पर जोर देता है। चर्चा घुसपैठ का पता लगाने का दो महत्वपूर्ण पहलुओं का समानांतर हैः सामान्य पता लगाने की रणनीति (गलत उपयोग का पता लगाने बनाम विसंगति का पता लगाने) और डेटा स्रोत (व्यक्तिगत मेजबान बनाम नेटवर्क ट्रैफ़िक) । गलत उपयोग का पता लगाने का प्रयास घुसपैठ के ज्ञात पैटर्न से मेल खाता है , जबकि विसंगति का पता लगाने सामान्य व्यवहार से विचलन की खोज करता है । दुनो दृष्टिकोण के बीच, केवल विसंगति का पता लगाने से अज्ञात हमलों का पता लगाने की क्षमता है। विसंगति का पता लगाने का एक विशेष रूप से आशाजनक तरीका वर्गीकरण जैसे मशीन लर्निंग के अन्य रूपों के साथ संघ खनन का संयोजन है। एकरे अलावा, जे डेटा स्रोत पे हमला करत है ऊ सिस्टम कय उपयोग करेक अनुमति देत है, जइसे हटाए गए परीक्षण। उपलब्ध विस्तृत जानकारी का स्तर पर एक समझौता है। बारबरा अउर अन्य. (सदस्य का फोटो) ), कंप्यूटर सुरक्षा मा डाटा माइनिंग का अनुप्रयोग © Kluwer Academic Publishers 2002 s
9e00005045a23f3f6b2c9fca094930f8ce42f9f6
2ec2f8cd6cf1a393acbc7881b8c81a78269cf5f7	हम एक बड़े लेबल वाले ऑब्जेक्ट मान्यता डेटासेट पर प्रशिक्षित एक गहरे संवहन तंत्रिका नेटवर्क (सीएनएन) की सुविधा निष्कर्षण परतों का उपयोग करके गणना की गई एक दृश्य अवधारणा प्रतिनिधित्व वेक्टर के साथ एक स्किप-ग्राम भाषाई प्रतिनिधित्व वेक्टर को जोड़कर बहु-मोडल अवधारणा प्रतिनिधित्व का निर्माण करते हैं। इ हस्तांतरण सीखना दृष्टिकोण पारंपरिक बैग-ऑफ-विजुअल-शब्द दृष्टिकोण पर आधारित सुविधाओं पर स्पष्ट प्रदर्शन लाभ लाता है। प्रयोगात्मक परिणाम WordSim353 अउर MEN सिमेंटिक संबंधिता मूल्यांकन कार्य पर रिपोर्ट करल गयल ह। हम इमेजनेट या ईएसपी गेम इमेज का उपयोग करके गणना की गई दृश्य सुविधाओं का उपयोग करते हैं।
a65e815895bed510c0549957ce6baa129c909813	हम गैर-संयोजक रूपक विज्ञान सीखै खातिर एक अनसुरीक्षित दृष्टिकोण प्रस्तावित करत हैं, जेका हम अरबी जड़ अउर पैटर्न टेम्पलेट्स का एक शब्दकोश प्रेरित करे खातिर लागू करत हैं। इ दृष्टिकोण इ विचार पे आधारित है कि जड़ अउर पैटर्न का परिकल्पना पैटर्न अउर जड़ आवृत्ति पर आधारित पारस्परिक रूप से पुनरावर्ती स्कोरिंग के माध्यम से प्रकट करल जा सकत ह। एक और पुनरावर्ती परिष्करण चरण के बाद, प्रेरित शब्दकोश के साथ रूपात्मक विश्लेषण 94% से अधिक की जड़ पहचान सटीकता प्राप्त करता है। अरबी भाषा कय रूपरेखा कय अनसुरीक्षित सीखय कय बारे मा हमरे पहिले कय काम से ई तरीका अलग है कि ई स्वाभाविक रूप से लिखित, बिना स्वर वाले पाठ कय खातिर लागू होत है।
3f4e71d715fce70c89e4503d747aad11fcac8a43	इ मामला अध्ययन ऑटो इंक के भीतर तीन अलग-अलग डिजिटल नवाचार परियोजनाओं का परीक्षण करत है -- एक बड़ा यूरोपीय ऑटो निर्माता। प्रतिस्पर्धी मूल्य ढांचा का उपयोग करके एक सैद्धांतिक लेंस के रूप मा हम ई पता लगाइत ह कि कैसे गतिशील क्षमता एक फर्म मा उत्पन्न होत ह, जे बढ़ते मांगों का पूरा करे के कोशिश करत ह, जे शुरू से नवाचार करत ह। इ डिजिटलीकरण प्रक्रिया मा, हमार अध्ययन इ दर्शावत है कि स्थापित सामाजिक-तकनीकी अनुरूपताएं चुनौतीपूर्ण हय। एकरे अलावा हम ईका इ रूप मा देखा कि डिजिटल युग मा कम्प्यूटर सीखौ के बाद नवा प्रयोगौ कै जरूरत बाय। जबकि ऐसन बदलाव कै लमब लम्बी अवधि कै प्रतिबद्धता अउर विजन कै आवश्यकता बाय, इ अध्ययन ऐसन प्रयोगात्मक प्रक्रिया कै बरे तीन अनौपचारिक सक्षमकर्ता प्रस्तुत करत बाय जउन समय, दृढ़ता अउर संपर्क होय।
c22366074e3b243f2caaeb2f78a2c8d56072905e	एक अनुदैर्ध्य-स्लॉट कंकड़ वेवगाइड एंटीना सरणी क एक कॉम्पैक्ट अनुप्रस्थ आयाम के साथ प्रस्तुत कईल गयल बा। एरे का बैंडविड्थ बढ़ावे खातिर, इ एगो नया कॉम्पैक्ट उत्तल वेवगाइड डिवाइडर द्वारा फ़ीड की गई दो उप-एरे में विभाजित बा. डिजाइन की वैधता का सत्यापन करने के लिए एक्स-बैंड पर 16 तत्वों का एक समान रैखिक सरणी का निर्माण और मापा गया। S11les-15 dB का मापा गया बैंडविड्थ 14.9% है और मापा गया क्रॉस- ध्रुवीकरण स्तर पूरे बैंडविड्थ पर -36 dB से कम है. सिंथेटिक एपर्चर रडार (एसएआर) एप्लिकेशन के लिए एक द्वि-आयामी दोहरी-ध्रुवीकरण एंटीना सरणी का निर्माण करने के लिए इस सरणी को किनारे-स्लॉट वाले वेव गाइड सरणी के साथ जोड़ा जा सकता है
0d57ba12a6d958e178d83be4c84513f7e42b24e5	गहरी सीखना बड़े तंत्रिका नेटवर्क अउर बड़े डेटासेट के साथ पनपता है। बहरहाल, बड़े नेटवर्क अउर बड़े डेटासेट के चलते प्रशिक्षण का समय भी ज्यादा लागत है जेसे अनुसंधान अउर विकास के प्रगति में बाधा पड़त है। वितरित समकालिक एसजीडी समानांतर श्रमिकों के एक समूह पर एसजीडी मिनीबैच का विभाजन करके इस समस्या का संभावित समाधान प्रदान करता है। पर इ योजना का प्रभावशाली बनावैं खातिर प्रति श्रमिक के काम का बोझ बड़ा होना चाही, जेकर मतलब है कि एसजीडी मिनी बैच का आकार बढ़ना। इ पेपर मा, हम अनुभवजन्य रूप से दिखावा कि इमेजनेट डाटासेट मा बड़े मिनीबैच अनुकूलन कठिनाइयों का कारण बनते हैं, लेकिन जब इनका संबोधित किया जात है, तो प्रशिक्षित नेटवर्क अच्छा सामान्यीकरण प्रदर्शित करत हैं। विशेष रूप से, हम 8192 छवियों तक बड़े मिनी बैच आकार के साथ प्रशिक्षण पर सटीकता का कोई नुकसान नहीं दिखा रहे हैं। ई परिणाम प्राप्त करै के लिए, हम मिनी बैच आकार के फलन के रूप मा सीखे के दरों का समायोजन करै खातिर एक रैखिक स्केलिंग नियम अपनाइत है अउर एक नई वार्मअप योजना विकसित करत है जवन प्रशिक्षण के शुरुआत मा अनुकूलन चुनौतियों का दूर करत है। इ सरल तकनीक क साथ, हमार कैफ़े 2 आधारित सिस्टम ResNet50 का एक घंटे में 256 GPUs पर 8192 के एक मिनी बैच आकार के साथ प्रशिक्षित करत है, जबकि छोटे मिनी बैच सटीकता का मिलान करत है। कमोडिटी हार्डवेयर का उपयोग करके, हमार कार्यान्वयन 8 से 256 GPUs पर जाने पर ∼90% स्केलिंग दक्षता प्राप्त करता है। इ प्रणाली इ सक्षम करत है कि हम उच्च दक्षता क साथ इंटरनेट-स्केल डेटा पर दृश्य पहचान मॉडल का प्रशिक्षण दे सकें।
2bbe9735b81e0978125dad005656503fca567902	कर्नेल रूटकिट कम्प्यूटर सिस्टम खातिर बहुत बड़ा खतरा हवै। उ सबइ चुपके-चुपके रहत हीं अउर ओनमाँ कउनो बाधा नाहीं पहुँचत ह। इ पेपर NumChecker प्रस्तुत करत है, एक नया वर्चुअल मशीन (वीएम) मॉनिटर आधारित फ्रेमवर्क एक अतिथि वीएम मा नियंत्रण-प्रवाह संशोधित कर्नेल रूटकिट का पता लगावे और पहचानने के लिए। NumChecker सिस्टम कॉल के निष्पादन के दौरान होई जाए वाली कुछ हार्डवेयर घटनाओं की संख्या का माप करके अतिथि वीएम में सिस्टम कॉल में दुर्भावनापूर्ण संशोधन का पता लगाता है और पहचानता है। स्वचालित रूप से इ घटनाओं का गणना करने के लिए, NumChecker आधुनिक प्रोसेसर में मौजूद हार्डवेयर प्रदर्शन काउंटर (HPCs) का लाभ उठाता है। एचपीसी का उपयोग कइके, जांच लागत काफी कम होई जात है अउर छेड़छाड़ प्रतिरोध बढ़ जात है। हम लिनक्स पर NumChecker का प्रोटोटाइप लागू करते हैं कर्नेल-आधारित VM के साथ। एक एचपीसी आधारित दुई-चरण कर्नेल रूटकिट का पता लगाने और पहचान तकनीक कई वास्तविक दुनिया के कर्नेल रूटकिट पर प्रस्तुत और मूल्यांकन की गई है। एकर परिणाम स्वरूप लोगन का अपना कामकाज खातिर प्रोत्साहित करै अउर उनका प्रोत्साहित करै के जरूरत हवै।
a3d638ab304d3ef3862d37987c3a258a24339e05	CycleGAN [Zhu et al., 2017] दुइ छवि वितरण के बीच एक परिवर्तन का सीखै खातिर एक हालिया सफल दृष्टिकोण है। एक श्रृंखला मा प्रयोग, हम मॉडल का एक पेचीदा संपत्ति दिखाः CycleGAN एक स्रोत छवि को बारे मा जानकारी को एक लगभग अगोचर, उच्च आवृत्ति संकेत मा उत्पन्न छवियों मा छुपा गर्न को लागी जान्छ। ई चाल ई सुनिश्चित करत है कि जनरेटर मूल नमूना के बरामद कर सकत है अउर ई तरह से चक्रीय स्थिरता आवश्यकता का संतुष्ट करत है, जबकि उत्पन्न छवि यथार्थवादी रहत है। हम ई घटना के विरोधात्मक हमला से जोड़त हईं साइकिलगैन के प्रशिक्षण प्रक्रिया के विरोधात्मक उदाहरण के जनरेटर के रूप में देखके अउर ई दिखावे की कि चक्रीय स्थिरता के नुकसान साइकिलगैन के विरोधात्मक हमला के लिए विशेष रूप से कमजोर बनावेला.
c171faac12e0cf24e615a902e584a3444fcd8857
5a14949bcc06c0ae9eecd29b381ffce22e1e75b2	डाटाबेस कय इ अंक मा लेख Anthony G. होपवुड, जे लंदन ग्रेजुएट स्कूल ऑफ बिजनेस स्टडीज मा अकाउंटिंग अर फाइनेंशियल रिपोर्टिंग का प्रोफेसर छन। लेख मा महत्वपूर्ण विचार शामिल हैं, प्रोफेसर होपवुड लिखत हैं, सूचना प्रणाली मा रुचि सबै को महत्व, चाहे उ प्रैक्टिशनर हो या शिक्षाविद। लेखक, ऊ समय आपन पेशेवर संबद्धता के साथ, क्रिस अर्गिरिस, ग्रेजुएट स्कूल ऑफ एजुकेशन, हार्वर्ड विश्वविद्यालय; बो हेडबर्ग और स्टेन जॉनसन, बिजनेस एडमिनिस्ट्रेशन विभाग, गोथेनबर्ग विश्वविद्यालय; जे। फ्रिसको डेन हर्टोग, एन। वी. फिलिप्स ग्लोइलैम्पफैब्रीकन, नीदरलैंड, अउर माइकल जे. अर्ल, ऑक्सफोर्ड सेंटर फॉर मैनेजमेंट स्टडीज मा ई लेख मूल रूप से एकाउन्टिंग, ऑर्गनाइजेशन एंड सोसाइटी मा छपा रहा, जौन एक प्रकाशन मा प्रोफेसर होपवुड प्रधान संपादक हैं। एओएस का अस्तित्व नई घटनाओं का पालन करे और सक्रिय रूप से नए दृष्टिकोण और परिप्रेक्ष्य का प्रोत्साहित करे ।
02227c94dd41fe0b439e050d377b0beb5d427cda	प्राकृतिक छवियों से पाठ का पता लगाना और पढ़ना एक कठिन कंप्यूटर दृष्टि कार्य है जो कई उभरते अनुप्रयोगों का केंद्र है। संबंधित समस्याएं जैसे कागजात चरित्र मान्यता कंप्यूटर विजन और मशीन लर्निंग शोधकर्ताओं द्वारा बड़े पैमाने पर अध्ययन की गई हैं और व्यावहारिक रूप से हल की गई हैं जैसे कि हस्तलिखित अंकों का अध्ययन करना। हालांकि, फ़ोटोग्राफ़ की तरह अधिक जटिल परिदृश्यों में चरित्र की विश्वसनीय पहचान, हालांकि, कहीं अधिक कठिन है: सबसे अच्छा मौजूदा तरीका कई बार खराब हो रहा है, जैसा कि कई लोग करते हैं। इ पेपर मा हम वास्तविक अनुप्रयोग मा अंक को पहचानने की समस्या पर हमला कर रहे हैं अनसुनी सुविधा सीखने विधियों का उपयोग कर: सड़क स्तर फोटो से घर का नंबर पढ़ना। इ प्रयोजन से, हम अनुसंधान के लिए एक नया बेंचमार्क डेटासेट पेश करत हई, जेहमा 600,000 से जादा लेबल किए गए अंक शामिल हैं, जिन्हें Street View चित्रों से काटकर अलग किया गवा है। फिर हम देखब कि ई अंकन के पहिचान कै कठिनता अऊर विकार कै विकार के बारे मा का कही सकत है जब आपकय समस्या हाथ से डिज़ाइन कीन गवा होय। अंत मा, हम दो हाल मा प्रस्तावित अनियंत्रित विशेषता सीखने विधियों का उपयोग कर रहे हैं और पाते हैं कि उनि हमरे मानक मा दृढ़ता से बेहतर हैं।
081651b38ff7533550a3adfc1c00da333a8fe86c	प्राकृतिक छवियों पर प्रशिक्षित कई गहरे तंत्रिका नेटवर्क सामान्य रूप से एक जिज्ञासु घटना का प्रदर्शन करते हैंः पहली परत पर वे गैबोर फिल्टर और रंग ब्लब के समान सुविधाएँ सीखते हैं। इ तरह की पहली परत क विशेषता एक विशेष डेटासेट या कार्य खातिर विशिष्ट नाही है, बल्कि इके बजाय कई डेटासेट और कार्य खातिर लागू होत है। वैशिष्ट्य अंततः नेटवर्क की अंतिम परत द्वारा सामान्य से विशिष्ट तक पहुंचना चाहिए, लेकिन यह संक्रमण का व्यापक रूप से अध्ययन नहीं किया जा रहा है। इ पेपर मा हम प्रयोगात्मक रूप से गहरे संवहन तंत्रिका नेटवर्क की हर परत मा न्यूरॉन्स की विशिष्टता बनाम सामान्यता का मात्रक और कुछ आश्चर्यजनक परिणाम की रिपोर्ट करें। ट्रांसफ़रबिलिटी दो अलग-अलग मुद्दों से नकारात्मक रूप से प्रभावित होती हैः (1) लक्ष्य कार्य पर प्रदर्शन की कीमत पर उच्च परत न्यूरॉन्स की विशेषज्ञता, जो अपेक्षित था, और (2) सह-अनुकूलित न्यूरॉन्स के बीच नेटवर्क को विभाजित करने से संबंधित अनुकूलन कठिनाइयों, जो अपेक्षित नहीं था। ImageNet पर प्रशिक्षित एक उदाहरण नेटवर्क मा, हम दिखावा करते हैं कि यक या दो मुद्दों मा से एक हावी हो सकता है, निर्भर करता है कि क्या विशेषताएं नेटवर्क के नीचे, मध्य, या शीर्ष से स्थानांतरित की जा रही हैं। हम ई भी लिखत हई की जौन काम बेस टास्क अउर टारगेट टास्क के बीच दूरी बढ़त है, वै सुविधा का ट्रांसफर कम होत है, लेकिन दूर के काम से भी सुविधा का ट्रांसफर करना यादृच्छिक सुविधा का उपयोग करे से बेहतर हो सकत है। एक अंतिम आश्चर्यजनक परिणाम इ है कि लगभग हर स्तर से ट्रांसफर सुविधाओं वाले नेटवर्क का आरंभिकरण लक्ष्य डेटासेट पर ठीक-ठाक होने के बाद भी सामान्यीकरण का एक बढ़ावा दे सकता है।
6c8d5d5eee5967958a2e03a84bcc00f1f81f4d9e	उच्च-प्रवाह अनुक्रमण सैद्धांतिक रूप से उच्च गुणवत्ता वाले डी नोवो असेंबल जीनोम अनुक्रम प्राप्त करना संभव बना दिया है, लेकिन व्यवहार में डीएनए अर्क अक्सर अन्य जीवों से अनुक्रम से दूषित होते हैं। वर्तमान मा, यूकेरियोटिक सभाओं को सख्ती से decontaminating को लागी केहि अवस्थित विधिहरु छन्। जे अस्तित्व में अहै ऊ तब्बे फ़िल्टर कय DNA से संबंधित अहै, जबकि जीवाणुओं के बीच मौजूद नाभिक एक प्राकृतिक और सभ्य जीवाणु होय। हम एक स्थापित मशीन लर्निंग विधि का एक नया अनुप्रयोग प्रस्तुत करत हैं, एक निर्णय पेड़, जो अनुक्रमों का कठोरता से वर्गीकरण कर सकता है। निर्णय पेड क मुख्य ताकत इ है कि इ कौनो मापा हुआ विशेषांक क इनपुट के रूप मा ले सकत है औ महत्वपूर्ण वर्णकों की एक पूर्व पहचान की आवश्यकता नाही है। हम निर्णय पेड़ का उपयोग नव-संयोजित अनुक्रमों का वर्गीकरण करने के लिए करते हैं और प्रकाशित प्रोटोकॉल से विधि की तुलना करते हैं। एक निर्णय पेड मौजूदा तरीको से बेहतर प्रदर्शन करत है जब यूकेरियोटिक डी नोवो असेंबली मा अनुक्रमों का वर्गीकरण करत है। ई कारगर, आसानी से लागू होखे वाला, अउर सटीक रूप से लक्षित-उपयोगी और प्रदूषक तत्वन के क्रमांकन के पहचान करे वाला यंत्रन होय। महत्वपूर्ण रूप से, एक निर्णय पेड का उपयोग मापा गए डिस्क्रिप्टर्स के अनुसार अनुक्रमों का वर्गीकृत करे मा किया जा सकत है और जैविक डेटासेट का आसवन करे मा संभावित रूप से कई उपयोग हैं।
26433d86b9c215b5a6871c70197ff4081d63054a	बायोमेट्रिक प्रणाली मा उच्च प्रदर्शन को कारण हाल मा बहु-मोडल बायोमेट्रिक्स काफी रुचि आकर्षित गरेको छ। इ पेपर मा हम फीचर स्तर पर फ्यूजन तकनीक का उपयोग कर चेहरा अउर हथेली के छाप छवियों खातिर मल्टीमोडल बायोमेट्रिक्स का परिचय देत हैं। गैबोर आधारित छवि प्रसंस्करण का उपयोग भेदभाव सुविधाओं का निष्कर्षण करने के लिए किया जाता है, जबकि मुख्य घटक विश्लेषण (पीसीए) और रैखिक भेदभाव विश्लेषण (एलडीए) का उपयोग प्रत्येक मोड के आयाम को कम करने के लिए किया जाता है। एलडीए क आउटपुट सुविधाओं का क्रमबद्ध रूप से संयोजन और वर्गीकृत एक यूक्लिडियन दूरी वर्गीकरणकर्ता द्वारा करा जात है। ओआरएल चेहरा अउर पॉली-यू पामप्रिंट डाटाबेस पर आधारित प्रयोगात्मक परिणाम से साबित होई गयल ह कि इ संलयन तकनीक एकल मोडल बायोमेट्रिक्स द्वारा उत्पादित दर के तुलना में बायोमेट्रिक मान्यता दर बढ़ावे में सक्षम ह.
1c01e44df70d6fde616de1ef90e485b23a3ea549	हम मार्कोव यादृच्छिक क्षेत्र (MRF) का लॉग विभाजन फ़ंक्शन पर ऊपरी सीमाओं का एक नया वर्ग शुरू करते हैं। इ मात्रा विभिन्न संदर्भों मा एक महत्वपूर्ण भूमिका निभात है, जइसै कि सीमांत वितरण, पैरामीटर अनुमान, संयोजक गणना, सांख्यिकीय निर्णय सिद्धांत, अउर बड़े विचलन सीमाओं का अनुमान लगावत है। हमार व्युत्पन्न का अवधारण उभयलिंगी द्वैत्य अउर सूचना ज्यामिति से आधारित बा: विशेष रूप से, इ घातीय डोमेन में वितरण का मिश्रण का शोषण करत ह, अउर घातीय अउर माध्य मापदंड के बीच लेजेंड्रे मैपिंग करत ह। पेड़-संरचित वितरण के उत्तल संयोजनों का विशेष मामला मा, हम भिन्नता की समस्या का एक परिवार प्राप्त करते हैं, बेथ भिन्नता की समस्या के समान, लेकिन निम्नलिखित वांछनीय गुणों से प्रतिष्ठित: i) वे उत्तल हैं, और एक अद्वितीय वैश्विक इष्टतम है; और ii) इष्टतम लॉग विभाजन फ़ंक्शन पर एक ऊपरी सीमा देता है। इ ऑप्टिमम स्थिर स्थितियन से परिभाषित है जउन राशि-उत्पाद एल्गोरिथ्म के निश्चित बिंदुअन का परिभाषित करे वाले के समान है, या अधिक सामान्यतः, बेथ वैरिएशनल समस्या का कोई स्थानीय ऑप्टिमम. योग-उत्पाद नियत बिंदुओं के साथ, अनुकूलन तर्क का तत्व मूल मॉडल के सीमाओं का अनुमान के रूप में उपयोग किया जा सकता है। विश्लेषण हाइपरट्री-संरचित वितरण का उत्तल संयोजन तक स्वाभाविक रूप से फैलता है, जिससे कि किकुची सन्निकटन और भिन्नताओं का संबंध स्थापित होता है।
39a6cc80b1590bcb2927a9d4c6c8f22d7480fbdd	इ पेपर मा हम वीडियो या 3 डी इमेजरी जैसन एमआरआई डेटा के लिए 3-आयामी (3 डी) एसआईएफटी डिस्क्रिप्टर पेश करत हन। हम ई भी दिखावा करित है कि ई नया अवतरण क्रिया पहचान के अनुप्रयोग में वीडियो डेटा कय 3D प्रकृति कय बेहतर ढंग से प्रतिनिधित्व करय कय कइसे समर्थ है। इ पेपर इ दिखावा करी कि कैसे 3D SIFT पहिले से इस्तेमाल कै जाये वाले विवरण विधियन कै एक सुंदर अउर कारगर तरीका से बेहतर बनाइ सकाथै। हम विडियो का प्रतिनिधित्व करे खातिर सब्द के बैग के उपयोग करत हैं, अउर विडियो डेटा का बेहतर ढंग से वर्णन करे खातिर स्थानिक-समयिक सब्द के बीच संबंध का पता लगावे खातिर एक विधि प्रस्तुत करत हैं।
0a10d64beb0931efdc24a28edaa91d539194b2e2	हम बहुत बड़े डेटा सेट से शब्दों का निरंतर वेक्टर प्रतिनिधित्व की गणना के लिए दो उपन्यास मॉडल वास्तुकला का प्रस्ताव करते हैं। इ निरूपण कय गुणवत्ता कय माप शब्द समानता कार्य में करल जात है, औ परिणाम के तुलना विभिन्न प्रकार कय तंत्रिका नेटवर्क पे आधारित पहिले से सबसे अच्छा प्रदर्शन करय वाले तकनीक से करल जात है। हम बड़े सुधार का निरीक्षण कर रहे हैं सटीकता पर बहुत कम कंप्यूटेशनल लागत पर, यानी. एक दिन से भी कम समय मा उच्च गुणवत्ता वाले शब्दकोश सीखना एक 1.6 अरब शब्द डेटा सेट से सीखना। एकरे अलावा हम ई भी देखब कि का ई शब्द अपने आप में अउर अलग-अलग रूप में "ऊपनय" लेत है अउर "ऊपनय" के लिए प्रयोग होत है।
b07bfdebdf11b7ab3ea3d5f0087891c464c5e34d	इ कागज मा 5G मिलीमीटर तरंग अनुप्रयोगों के लिए एक 64-तत्व 29-30GHz सक्रिय चरणबद्ध सरणी प्रस्तुत की गयल हौवे। प्रस्तावित चरणबद्ध सरणी 64-तत्व एंटीना, 64-चैनल टी/आर मॉड्यूल, 4 आवृत्ति रूपांतरण लिंक, बीम नियंत्रण सर्किट, पावर प्रबंधन सर्किट और शीतलन प्रशंसक का कम्पोजिट है, और एक बहुत ही कॉम्पैक्ट आकार में एकीकृत है। बेहतर आरएफ प्रदर्शन प्राप्त करने के लिए GaAs अउर Si सर्किट का हाइब्रिड एकीकरण नियोजित करल जात है। प्रस्तावित चरणबद्ध सरणी का वास्तुकला अउर टी/आर मॉड्यूल अउर एंटीना का विस्तार डिजाइन का विश्लेषण कइल गइल बा. ओटीए (ओवर द एयर) माप से, प्रस्तावित चरणबद्ध सरणी 29.5GHz की केंद्र आवृत्ति पर 1 GHz का बैंडविड्थ प्राप्त करती है, और अज़ीमुथ बीम-चौड़ाई ± 45 डिग्री की स्कैनिंग रेंज के साथ 12 डिग्री है। 800MHz 64QAM सिग्नल की उत्तेजना के साथ, ट्रांसमीटर बीम -5.5% का EVM प्राप्त करता है, -30.5dBc का ACLR पीए -10dB पर काम कर रहा है, और मापा गया संतृप्त EIRP 63 dBm है।
5f507abd8d07d3bee56820fd3a5dc2234d1c38ee
6424b69f3ff4d35249c0bb7ef912fbc2c86f4ff4	जटिल चेहरा बदलाव के कारन जंगली मा चेहरा के विशेषता का भविष्यवाणी करना चुनौतीपूर्ण अहै। हम वन्य में विशेषता भविष्यवाणी खातिर एक उपन्यास गहरी सीख का ढांचा प्रस्तावित करत हैं। इ दुइ सीएनएन, एलनेट अउर एनेट का कैस्केड करत ह, जउन एट्रिब्यूट टैग के साथ संयुक्त रूप से ठीक-ठाक होत ह, लेकिन अलग-अलग तरह से पूर्व-प्रशिक्षित होत ह। LNet का फेस लोकेशन के लिए बड़े-बड़े जनरल ऑब्जेक्ट कैटेगरी से प्री-ट्रेन किया जाता है, जबकि ANet का एट्रिब्यूट प्रेडिक्शन के लिए बड़े-बड़े फेस आइडेंटिटी से प्री-ट्रेन किया जाता है। ई फ्रेमवर्क न केवल अत्याधुनिक रूप से बेहतर अहै बल्कि ईहां तक कि इनक्यूबेटर पय भी उपयोगी अहै। (1) ई बतावेला कि कैसे अलग-अलग पूर्व-प्रशिक्षण रणनीतियों से चेहरा के स्थानीयकरण (एलनेट) अउर विशेषता भविष्यवाणी (एनेट) के प्रदर्शन में सुधार हो सकत बा। (2) इ पता चला है कि भले ही LNet के फ़िल्टर केवल इमेज-लेवल एट्रिब्यूट टैग के साथ ठीक-ठाक हैं, लेकिन पूरी छवियों पर उनके रिस्पॉन्स मैप में चेहरे का स्थान का एक मजबूत संकेत है। ई तथ्य केवल छवि-स्तर एनोटेशन के साथ चेहरा स्थानीयकरण खातिर LNet का प्रशिक्षण देत है, लेकिन बिना चेहरा सीमांकित बॉक्स या मील का पत्थर के, जवन कि सभी विशेषता मान्यता कार्य द्वारा आवश्यक हव। (3) इ भी दर्शावत है कि एएनईटी के उच्च स्तरीय छिपे हुए न्यूरॉन्स स्वचालित रूप से बड़े पैमाने पर चेहरा पहचान के साथ पूर्व-प्रशिक्षण के बाद अर्थ संबंधी अवधारणाओं का पता लगाता है, और ऐसी अवधारणाओं को विशेषता टैग के साथ ठीक-ट्यूनिंग के बाद काफी हद तक समृद्ध किया जाता है। प्रत्येक विशेषता का एक अच्छा तरह से समझा जा सकता है इकी एक कम रैखिक संयोजन का एक परिकल्पना.
d2938415204bb6f99a069152cb954e4baa441bba	ई चिठ्ठी 1.57-1.60 गीगाहर्ट्ज पर तोपखाने पर जीपीएस सिग्नल की प्राप्ति खातिर उपयुक्त एक कॉम्पैक्ट एंटीना प्रस्तुत करत है. चार उलटा-एफ-प्रकार तत्व बराबर परिमाण मा र लगातार 90 डिग्री चरण अंतर मा एक श्रृंखला फीड नेटवर्क द्वारा उत्तेजित हो रहे हो। एंटीना का आकार अउर रूप कारक का अनुकूलित कै दीन गा है ताकि एंटीना आसानी से एक तोपखाना फ्यूज के भीतर स्थापित कीन जाय। माप से पता चला है कि प्रस्तावित एंटीना का लाभ 2.90-3.77 dBic, 1.9-2.86 dB का अक्षीय अनुपात, और 1.57-1.62 GHz पर -10 dB से कम का प्रतिबिंब गुणांक है।
0e52fbadb7af607b4135189e722e550a0bd6e7cc	पृष्ठभूमि रेजर ब्लेड का उपयोग कइके खुद का काटे का एक प्रकार का आत्म-विकृत व्यवहार है जउन स्थायी अउर सामाजिक रूप से अस्वीकार्य निशान छोड़ देत है, विशेष रूप से ऊपरी अंगन अउर पिछला छाती की दीवार पर। इ निशान समाज मा आसानी से पहचाना जा सकता है अउर आत्म-पीड़ित लोगन खातिर जीवन भर अपराध, शर्म, अउर पछतावा का स्रोत बन जात है। प्रस्तुत क्लिनिकल अध्ययन में, हम कार्बन डाइऑक्साइड लेजर रिसेप्शनिंग अउर पातर त्वचा ग्राफ्टिंग क प्रभावकारिता क जांच करे रहेन, ताकि अपने आप मा रेजर ब्लेड कटाई के निशान का भेष बदल सकें। METHODS फरवरी 2001 से अगस्त 2003 के बीच, 20 से 41 साल (औसतन 23.8 साल) की उम्र वाले 16 गोरे पुरुष मरीजों का कुल 26 शारीरिक स्थान (11 ऊपरी बांह, 11 अग्रबांह, और चार पिछला छाती) का इलाज किया गया। ऑपरेशन से पहिले विस्तृत मनोचिकित्सक मूल्यांकन; रोगी का सूचित करब कि प्रक्रिया एक "कमोलिज" आपरेशन है; हाइपरट्रॉफिक निशान का काटना बरकरार त्वचा स्तर तक; हाइपरट्रॉफिक निशान पर इंट्रालेसनल कॉर्टिकोस्टेरॉइड इंजेक्शन; कार्बन डाइऑक्साइड लेजर रिसेप्शनिंग एक इकाई के रूप में; पतली (0.2 से 0.3 मिमी) त्वचा ग्राफ्टिंग; 15 दिन तक संपीड़न ड्रेसिंग; ट्यूबलर पट्टी का उपयोग; और कम से कम 6 महीने के लिए सूर्य के प्रकाश से सुरक्षा प्रक्रिया के प्रमुख बिंदुओं का गठन किया। परिणाम: घावन का सफलतापूर्वक छुपाया गया अउर एक सामाजिक रूप से स्वीकार्य उपस्थिति बन गई, जैसे कि एक जला घाव। एक मामला मा आंशिक ग्राफ्ट हानि और एक अन्य मामला मा hyperpigmentation जटिलताओं रहे। कउनो नया हाइपरट्रॉफिक निशान नाही निकरा। निष्कर्षः हवाई रक्षा का महत्व, इलेक्ट्रॉनिक युद्ध का महत्व कई बार बढ़ रहा है।

End of preview. Expand in Dataset Viewer.

Bharat-NanoBEIR: Indian Language Information Retrieval Dataset

Overview

This dataset is part of the Bharat-NanoBEIR collection, which provides information retrieval datasets for Indian languages. It is derived from the NanoBEIR project, which offers smaller versions of BEIR datasets containing 50 queries and up to 10K documents each.

Dataset Description

This particular dataset is the Awadhi version of the NanoSCIDOCS dataset, specifically adapted for information retrieval tasks. The translation and adaptation maintain the core structure of the original NanoBEIR while making it accessible for Awadhi language processing.

Usage

This dataset is designed for:

Information Retrieval (IR) system development in Awadhi
Evaluation of multilingual search capabilities
Cross-lingual information retrieval research
Benchmarking Awadhi language models for search tasks

Dataset Structure

The dataset consists of three main components:

Corpus: Collection of documents in Awadhi
Queries: Search queries in Awadhi
QRels: Relevance judgments connecting queries to relevant documents

Citation

If you use this dataset, please cite:

@misc{bharat-nanobeir,
  title={Bharat-NanoBEIR: Indian Language Information Retrieval Datasets},
  year={2024},
  url={https://huggingface.co/datasets/carlfeynman/Bharat_NanoSCIDOCS_awa}
}