Datasets:

carlfeynman
/

Bharat_NanoSCIDOCS_hi

_id stringlengths 40 40	text stringlengths 0 9.75k
1b2a0e8af5c1f18e47e71244973ce4ace4ac6034	पदानुक्रमित पिटमैन-योर प्रक्रिया प्राथमिकताएं भाषा मॉडल सीखने के लिए सम्मोहक विधियां हैं, जो बिंदु-अनुमान आधारित विधियों से बेहतर हैं। हालांकि, ये मॉडल कम्प्यूटेशनल और सांख्यिकीय अनुमान के मुद्दों के कारण अलोकप्रिय रहते हैं, जैसे कि मेमोरी और समय का उपयोग, साथ ही साथ सैंपलर का खराब मिश्रण। इस कार्य में हम एक उपन्यास ढांचे का प्रस्ताव करते हैं जो संपीड़ित प्रत्यय पेड़ों का उपयोग करके एचपीवाईपी मॉडल को कॉम्पैक्ट रूप से दर्शाता है। फिर, हम इस ढांचे में एक कुशल अनुमानित अनुमान योजना विकसित करते हैं जिसमें पूर्ण एचपीवाईपी की तुलना में बहुत कम मेमोरी पदचिह्न होता है और अनुमान समय में तेज़ होता है। प्रयोगात्मक परिणाम बताते हैं कि हमारे मॉडल को पिछले एचपीवाईपी मॉडल की तुलना में काफी बड़े डेटासेट पर बनाया जा सकता है, जबकि कई परिमाणों के छोटे, प्रशिक्षण और अनुमान के लिए तेज, और अत्याधुनिक संशोधित केनेसर-नी गणना आधारित एलएम चिकनाई की उलझन को 15% तक पार कर सकता है।
6c9bd4bd7e30470e069f8600dadb4fd6d2de6bc1	यह पत्र घटनाओं और अर्थ संबंधी भूमिकाओं के एक नए भाषा संसाधन का वर्णन करता है जो वास्तविक दुनिया की स्थितियों की विशेषता है। कथा योजनाओं में संबंधित घटनाओं के सेट होते हैं (संपादित करें और प्रकाशित करें), घटनाओं का एक समयबद्ध क्रम (प्रकाशित करने से पहले संपादित करें), और प्रतिभागियों की अर्थ संबंधी भूमिकाएं (लेखक पुस्तकें प्रकाशित करते हैं) । इस प्रकार का विश्व ज्ञान प्राकृतिक भाषा की समझ के प्रारंभिक शोध के लिए केंद्रीय था। लिपियाँ मुख्य औपचारिकताओं में से एक थीं, जो दुनिया में घटित होने वाली घटनाओं के सामान्य अनुक्रम का प्रतिनिधित्व करती थीं। दुर्भाग्य से, इस ज्ञान का अधिकांश भाग हाथ से कोड किया गया था और बनाने में समय लगता था। वर्तमान मशीन लर्निंग तकनीकें, साथ ही कोररेफरेन्स चेन के माध्यम से सीखने के लिए एक नए दृष्टिकोण ने हमें कथा योजनाओं के रूप में ओपन डोमेन पाठ से स्वचालित रूप से समृद्ध घटना संरचना निकालने की अनुमति दी है। इस पेपर में वर्णित कथा योजना संसाधन में लगभग 5000 अद्वितीय घटनाएं हैं जो विभिन्न आकारों की योजनाओं में संयुक्त हैं। हम संसाधन का वर्णन करते हैं, यह कैसे सीखा जाता है, और इन योजनाओं के कवर के एक नए मूल्यांकन पर अदृश्य दस्तावेजों।
8e508720cdb495b7821bf6e43c740eeb5f3a444a	भाषण, रोबोटिक्स, वित्त और जीव विज्ञान में कई अनुप्रयोग अनुक्रमिक डेटा से संबंधित हैं, जहां क्रमबद्ध मामले और आवर्ती संरचनाएं आम हैं। हालांकि, इस संरचना को मानक कर्नेल कार्यों द्वारा आसानी से कैप्चर नहीं किया जा सकता है। ऐसी संरचना को मॉडल करने के लिए, हम गौसियन प्रक्रियाओं के लिए अभिव्यक्तिपूर्ण बंद-रूप कर्नेल फ़ंक्शंस का प्रस्ताव करते हैं। परिणामी मॉडल, GP-LSTM, पूरी तरह से गॉसियन प्रक्रियाओं के गैर-पैरामीटरिक संभाव्यतात्मक लाभों को बनाए रखते हुए, लंबी अल्पकालिक स्मृति (LSTM) आवर्ती नेटवर्क के प्रेरक पूर्वाग्रहों को शामिल करता है। हम प्रस्तावित कोर के गुणों को सीखते हैं, जो एक नए साबित रूप से अभिसरण अर्ध-स्टोकास्टिक ढाल प्रक्रिया का उपयोग करके गौसियन प्रक्रिया सीमांत संभावना को अनुकूलित करते हैं, और स्केलेबल प्रशिक्षण और भविष्यवाणी के लिए इन कोर की संरचना का शोषण करते हैं। यह दृष्टिकोण बेयसियन एलएसटीएम के लिए एक व्यावहारिक प्रतिनिधित्व प्रदान करता है। हम कई बेंचमार्क पर अत्याधुनिक प्रदर्शन का प्रदर्शन करते हैं, और एक परिणामी स्वायत्त ड्राइविंग एप्लिकेशन की पूरी तरह से जांच करते हैं, जहां जीपी-एलएसटीएम द्वारा प्रदान की जाने वाली भविष्यवाणी अनिश्चितता अद्वितीय रूप से मूल्यवान हैं।
033b62167e7358c429738092109311af696e9137	यह पेपर समीक्षाओं को अनुशंसित (अंगूठे ऊपर) या अनुशंसित नहीं (अंगूठे नीचे) के रूप में वर्गीकृत करने के लिए एक सरल अनसुर्क्षित सीखने के एल्गोरिथ्म को प्रस्तुत करता है। किसी समीक्षा के वर्गीकरण की भविष्यवाणी समीक्षा में विशेषण या विशेषण वाले वाक्यांशों के औसत अर्थ संबंधी अभिविन्यास से की जाती है। एक वाक्यांश का सकारात्मक अर्थ अभिविन्यास होता है जब इसमें अच्छे संघ होते हैं (जैसे, सूक्ष्म बारीकियाँ) और नकारात्मक अर्थ अभिविन्यास जब इसमें बुरे संघ होते हैं (जैसे, बहुत ही अशिष्ट) । इस पेपर में, किसी वाक्यांश के अर्थ संबंधी अभिविन्यास की गणना दी गई वाक्यांश और शब्द उत्कृष्ट के बीच पारस्परिक जानकारी को घटाकर दी गई वाक्यांश और शब्द गरीब के बीच पारस्परिक जानकारी के रूप में की गई है। एक समीक्षा को अनुशंसित के रूप में वर्गीकृत किया जाता है यदि इसके वाक्यांशों का औसत अर्थ संबंधी अभिविन्यास सकारात्मक है। एल्गोरिथ्म 74% की औसत सटीकता प्राप्त करता है जब Epinions से 410 समीक्षाओं का मूल्यांकन किया जाता है, चार अलग-अलग डोमेन (ऑटोमोबाइल, बैंकों, फिल्मों और यात्रा स्थलों की समीक्षा) से नमूने लिए जाते हैं। सटीकता 84% से लेकर ऑटोमोबाइल समीक्षाओं के लिए 66% तक फिल्म समीक्षाओं के लिए है।
0eaa75861d9e17f2c95bd3f80f48db95bf68a50c	एकीकृत सर्किट (आईसी) डिजाइन में इंटरकनेक्ट विश्वसनीयता के लिए आगे बढ़ रही प्रमुख चिंताओं में से एक इलेक्ट्रोमिग्रेशन (ईएम) है। यद्यपि एनालॉग डिजाइनरों को कुछ समय से ईएम समस्या के बारे में पता है, लेकिन डिजिटल सर्किट भी अब प्रभावित हो रहे हैं। यह व्याख्यान बुनियादी डिजाइन मुद्दों और इंटरकनेक्ट भौतिक डिजाइन के दौरान इलेक्ट्रोमिग्रेशन पर उनके प्रभावों को संबोधित करता है। इसका उद्देश्य विद्युत-प्रवासन-अवरोधक उपायों जैसे कि लघु-लंबाई और जलाशय प्रभावों को अपनाकर इंटरकनेक्ट में वर्तमान घनत्व सीमाओं को बढ़ाना है। इन प्रभावों का उपयोग लेआउट चरण में भविष्य में आईसी डिजाइन प्रवाह में ईएम चिंताओं को आंशिक राहत प्रदान कर सकता है।
45e2e2a327ea696411b212492b053fd328963cc3	पृष्ठभूमि मोबाइल ऐप्स स्वास्थ्य को बढ़ावा देने और पुरानी बीमारियों को कम करने के लिए सार्वजनिक स्वास्थ्य में जीवनशैली हस्तक्षेप के रूप में सेवा करने का वादा करते हैं, फिर भी पुरानी बीमारी वाले व्यक्तियों के मोबाइल ऐप्स का उपयोग या धारणा के बारे में बहुत कम जाना जाता है। इस अध्ययन का उद्देश्य पुरानी बीमारियों वाले व्यक्तियों के बीच स्वास्थ्य के लिए मोबाइल फोन आधारित ऐप्स के बारे में व्यवहार और धारणाओं का पता लगाना था। METHODS संयुक्त राज्य अमेरिका में 1604 मोबाइल फोन उपयोगकर्ताओं के राष्ट्रीय क्रॉस-सेक्शनल सर्वेक्षण से डेटा एकत्र किया गया था, जिसने एमएचएच उपयोग, विश्वास और प्राथमिकताओं का आकलन किया था। इस अध्ययन में स्वास्थ्य ऐप के उपयोग, डाउनलोड करने के कारण और पुरानी स्थिति द्वारा कथित प्रभावकारिता की जांच की गई। प्रतिभागियों में, बिना किसी स्थिति वाले उत्तरदाताओं के 38.9% (314/807) और उच्च रक्तचाप वाले उत्तरदाताओं के 6.6% (24/364) द्वारा 1 और 5 ऐप्स के बीच होने की सूचना दी गई थी। स्वास्थ्य ऐप्स का उपयोग 21.3% (172/807) प्रति दिन 2 या अधिक बार बिना किसी स्थिति के उत्तरदाताओं द्वारा, उच्च रक्तचाप के साथ 2.7% (10/364), मोटापे के साथ 13.1% (26/198), मधुमेह के साथ 12.3% (20/163), अवसाद के साथ 12.0% (32/267) और उच्च कोलेस्ट्रॉल के साथ 16.6% (53/319) द्वारा रिपोर्ट किया गया था। लॉजिस्टिक प्रतिगमन के परिणामों ने पुरानी स्थितियों वाले और बिना व्यक्तियों के बीच स्वास्थ्य ऐप डाउनलोड में महत्वपूर्ण अंतर का संकेत नहीं दिया (पी>.05) । खराब स्वास्थ्य वाले व्यक्तियों की तुलना में, स्वास्थ्य ऐप डाउनलोड उन लोगों के बीच अधिक संभावना थी, जिन्होंने स्वयं को बहुत अच्छा स्वास्थ्य बताया (ऑड्स रेश्यो [OR] 3.80, 95% आईसी 2.38-6.09, पी <.001) और उत्कृष्ट स्वास्थ्य (OR 4.77, 95% आईसी 2.70-8.42, पी <.001) । इसी तरह, उन व्यक्तियों की तुलना में जिन्होंने कभी या शायद ही कभी शारीरिक गतिविधि में संलग्न होने की सूचना दी, उन लोगों के बीच स्वास्थ्य ऐप डाउनलोड की संभावना अधिक थी जिन्होंने सप्ताह में 1 दिन व्यायाम (OR 2. 47, 95% CI 1. 6-3. 83, P<. 001) की सूचना दी, सप्ताह में 2 दिन (OR 4. 77, 95% CI 3. 27-6. 94, P<. 001), सप्ताह में 3 से 4 दिन (OR 5. 00, 95% CI 3. 52- 7. 10, P<. 001) और सप्ताह में 5 से 7 दिन (OR 4. 64, 95% CI 3. 11-6. 92, P<. 001) । आयु, लिंग और जाति या जातीयता के लिए नियंत्रित सभी लॉजिस्टिक प्रतिगमन परिणाम। निष्कर्ष इस अध्ययन के परिणामों से पता चलता है कि जिन व्यक्तियों ने खराब स्वास्थ्य की स्व-रिपोर्ट की और शारीरिक गतिविधि की कम दरें, यकीनन वे जो स्वास्थ्य ऐप्स से सबसे अधिक लाभ उठाने के लिए खड़े हैं, इन स्वास्थ्य उपकरणों को डाउनलोड करने और उपयोग करने की रिपोर्ट करने की संभावना कम थी।
1935e0986939ea6ef2afa01eeef94dbfea6fb6da	औसत-वैरिएंस पोर्टफोलियो विश्लेषण ने लाभ और जोखिम के बीच व्यापार-ऑफ का पहला मात्रात्मक उपचार प्रदान किया। हम अर्ध-विचलन मॉडल सहित कई एकल-अवधि के रूपों में उद्देश्य और बाधाओं के बीच परस्पर क्रिया का विस्तृत वर्णन करते हैं। विशेष जोर ओवरपरफॉर्मेंस के लिए दंड से बचने पर दिया गया है। परिणामों का उपयोग तब परिदृश्य पेड़ों के आधार पर बहु-अवधि मॉडल के विकास और सैद्धांतिक विश्लेषण में बिल्डिंग ब्लॉकों के रूप में किया जाता है। एक प्रमुख गुण भविष्य के निर्णयों में अधिशेष धन को हटाने की संभावना है, जिससे अनुमानित डाउनसाइड जोखिम कम हो जाता है।
0e1431fa42d76c44911b07078610d4b9254bd4ce	मुख्य घटक विश्लेषण के एक गैर-रैखिक रूप को करने के लिए एक नई विधि प्रस्तावित की गई है। अभिन्न संचालक कर्नेल फंक्शंस के उपयोग से, कोई व्यक्ति उच्च आयामी सुविधा रिक्त स्थान में मुख्य घटकों की कुशलतापूर्वक गणना कर सकता है, जो किसी नॉनलाइनर 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 देते हैं और पैटर्न मान्यता के लिए बहुपद विशेषता निष्कर्षण पर प्रयोगात्मक परिणाम प्रस्तुत करते हैं।
292eee24017356768f1f50b72701ea636dba7982	हम बाहरी शहरी दृश्यों का प्रतिनिधित्व करने वाले 3 डी बिंदु बादलों में वस्तु के स्वचालित स्थानीयकरण और मान्यता के लिए एक विधि प्रस्तुत करते हैं। यह विधि निहित आकार मॉडल (आईएसएम) ढांचे पर आधारित है, जो वस्तुओं को उनके केंद्र स्थानों के लिए मतदान करके पहचानता है। इसके लिए प्रति वर्ग केवल कुछ प्रशिक्षण उदाहरणों की आवश्यकता होती है, जो व्यावहारिक उपयोग के लिए एक महत्वपूर्ण गुण है। हम स्पिन इमेज डिस्क्रिप्टर के एक बेहतर संस्करण को भी पेश करते हैं और मूल्यांकन करते हैं, जो सामान्य दिशा अनुमान में बिंदु घनत्व परिवर्तन और अनिश्चितता के लिए अधिक मजबूत है। हमारे प्रयोगों से पता चलता है कि इन परिवर्तनों का पहचान प्रदर्शन पर महत्वपूर्ण प्रभाव पड़ता है। हम अपने परिणामों की तुलना अत्याधुनिक पद्धति से करते हैं और ओहियो डेटासेट पर सटीकता और याद दोनों में महत्वपूर्ण सुधार प्राप्त करते हैं, जिसमें कुल 150,000 मीटर शहरी क्षेत्र के संयुक्त हवाई और स्थलीय लीडार स्कैन शामिल हैं।
922b5eaa5ca03b12d9842b7b84e0e420ccd2feee	संचार और नियंत्रण में सैद्धांतिक और व्यावहारिक समस्याओं का एक महत्वपूर्ण वर्ग सांख्यिकीय प्रकृति का है। ऐसी समस्याएं हैं: (i) यादृच्छिक संकेतों का पूर्वानुमान; (ii) यादृच्छिक संकेतों को यादृच्छिक शोर से अलग करना; (iii) यादृच्छिक शोर की उपस्थिति में ज्ञात रूप (पल्स, साइनसॉइड्स) के संकेतों का पता लगाना। अपने अग्रणी कार्य में, वीनर [1]3 ने दिखाया कि समस्याएं (i) और (ii) तथाकथित वीनर-हॉफ अभिन्न समीकरण की ओर ले जाती हैं; उन्होंने स्थिर सांख्यिकी और तर्कसंगत स्पेक्ट्रा के व्यावहारिक रूप से महत्वपूर्ण विशेष मामले में इस अभिन्न समीकरण के समाधान के लिए एक विधि (स्पेक्ट्रल फैक्टराइजेशन) भी दी। कई विस्तार और सामान्यीकरण वीनर के मूल कार्य के बाद हुए। ज़ादेह और रागाज़िनी ने सीमित-स्मृति मामले को हल किया। बोडे और शैनन [3] के साथ-साथ और स्वतंत्र रूप से, उन्होंने समाधान की एक सरलीकृत विधि [२] भी दी। बूटन ने गैर-स्थिर वीनर-हॉफ समीकरण [4] पर चर्चा की। ये परिणाम अब मानक ग्रंथों में हैं [5-6]। इन मुख्य पंक्तियों के साथ एक अलग दृष्टिकोण हाल ही में डार्लिंगटन द्वारा दिया गया है [7]। नमूना संकेतों के विस्तार के लिए, देखें, उदाहरण के लिए, फ्रैंकलिन [8], लीज़ [9]. वाइनेरहोफ समीकरण के स्वयं-क्रियाओं पर आधारित एक और दृष्टिकोण (जो गैर-स्थिर समस्याओं पर भी लागू होता है जबकि पूर्ववर्ती विधियां सामान्य रूप से नहीं होती हैं), डेविस द्वारा अग्रणी किया गया है [10] और कई अन्य लोगों द्वारा लागू किया गया है, जैसे कि शिन्ब्रोट [11], ब्लम [12], पुगाचेव [13], सोलोडोव्निकोव [14]। इन सभी कार्यों में उद्देश्य एक रैखिक गतिशील प्रणाली (वीनर फ़िल्टर) का विनिर्देश प्राप्त करना है जो एक यादृच्छिक संकेत की भविष्यवाणी, पृथक्करण या पता लगाने को पूरा करता है। 2 7212 बेलोना एवेन्यू 3 कोष्ठक में संख्याएं कागज के अंत में संदर्भों को इंगित करती हैं। 4 सामान्यतः ये कार्य गैर-रैखिक फ़िल्टर द्वारा बेहतर तरीके से किए जा सकते हैं। वर्तमान में, हालांकि, इन गैर-रैखिक फ़िल्टरों को प्राप्त करने के तरीके के बारे में बहुत कम या कुछ भी नहीं जाना जाता है (दोनों सैद्धांतिक और व्यावहारिक रूप से) । यंत्र और नियामक प्रभाग द्वारा योगदान दिया गया और द अमेरिकन सोसाइटी ऑफ मैकेनिकल इंजीनियर्स के यंत्र और नियामक सम्मेलन, 29 मार्च - 12 अप्रैल, 1959 में प्रस्तुत किया गया। नोट: लेखों में दिए गए बयानों और विचारों को उनके लेखकों की व्यक्तिगत अभिव्यक्तियों के रूप में समझा जाना है न कि सोसाइटी के। 24 फरवरी, 1959 को एएसएमई मुख्यालय में प्राप्त पांडुलिपि। कागज संख्या 59-आईआरडी-11 रैखिक फ़िल्टरिंग और भविष्यवाणी समस्याओं के लिए एक नया दृष्टिकोण
e50a316f97c9a405aa000d883a633bd5707f1a34	पिछले 20 वर्षों में एकत्रित प्रयोगात्मक साक्ष्य से संकेत मिलता है कि उपयुक्त रूप से भारित एकल शब्दों के असाइनमेंट पर आधारित पाठ अनुक्रमण प्रणाली उन पुनर्प्राप्ति परिणामों को उत्पन्न करती है जो अन्य अधिक विस्तृत पाठ प्रतिनिधित्वों के साथ प्राप्त किए जा सकने वाले परिणामों से बेहतर हैं। ये परिणाम प्रभावी शब्द भारन प्रणाली के चयन पर निर्भर करते हैं। यह लेख स्वचालित शब्द भारन में प्राप्त अंतर्दृष्टि का सारांश देता है, और आधार रेखा एकल-शब्द-सूचकांक मॉडल प्रदान करता है जिसके साथ अन्य अधिक विस्तृत सामग्री विश्लेषण प्रक्रियाओं की तुलना की जा सकती है। 1. स्वचालित पाठ विश्लेषण 1980 के दशक के अंत में, लुहन ने सबसे पहले सुझाव दिया कि स्वचालित पाठ पुनर्प्राप्ति प्रणालियों को संग्रहीत ग्रंथों और उपयोगकर्ताओं के सूचना प्रश्नों दोनों से जुड़ी सामग्री पहचानकर्ताओं की तुलना के आधार पर डिजाइन किया जा सकता है। आमतौर पर, दस्तावेजों और प्रश्नों के पाठ से निकाले गए कुछ शब्दों का उपयोग सामग्री की पहचान के लिए किया जाएगा; वैकल्पिक रूप से, सामग्री प्रतिनिधित्व को प्रशिक्षित अनुक्रमणकों द्वारा मैन्युअल रूप से चुना जा सकता है जो विचाराधीन विषय क्षेत्रों और दस्तावेज़ संग्रह की सामग्री से परिचित हैं। दोनों ही मामलों में, दस्तावेजों को D= (ti,tj,...ytp) (1) के रूप में शब्द वेक्टरों द्वारा दर्शाया जाएगा जहां प्रत्येक tk किसी नमूना दस्तावेज़ D को सौंपे गए एक सामग्री शब्द की पहचान करता है। इसी तरह, सूचना अनुरोध, या प्रश्नों को या तो वेक्टर रूप में, या बूलियन कथन के रूप में दर्शाया जाएगा। इस प्रकार, एक विशिष्ट क्वेरी Q को Q = (qa,qbr) के रूप में तैयार किया जा सकता है। (४) (2)
6ac15e819701cd0d077d8157711c4c402106722c	यह तकनीकी रिपोर्ट DARPA शहरी चुनौती के लिए टीम एमआईटी के दृष्टिकोण का वर्णन करती है। हमने वाहन परिधि पर लगे कई सस्ते सेंसरों का उपयोग करने के लिए एक नई रणनीति विकसित की है और एक नई क्रॉस-मोडल कैलिब्रेशन तकनीक के साथ कैलिब्रेट किया है। लीडर, कैमरा और रडार डेटा स्ट्रीम को एक अभिनव, स्थानीय रूप से चिकनी राज्य प्रतिनिधित्व का उपयोग करके संसाधित किया जाता है जो वास्तविक समय के स्वायत्त नियंत्रण के लिए मजबूत धारणा प्रदान करता है। यातायात में ड्राइविंग के लिए एक लचीला नियोजन और नियंत्रण वास्तुकला विकसित की गई है, जिसमें मिशन योजना, स्थितिजन्य योजना, स्थितिजन्य व्याख्या और प्रक्षेपवक्र नियंत्रण के लिए अच्छी तरह से सिद्ध एल्गोरिदम का एक अभिनव संयोजन शामिल है। इन नवाचारों को दो नए रोबोटिक वाहनों में शामिल किया जा रहा है जो शहरी वातावरण में स्वायत्त ड्राइविंग के लिए सुसज्जित हैं, जिसमें डीएआरपीए साइट विज़िट कोर्स पर व्यापक परीक्षण किया जा रहा है। प्रयोगात्मक परिणाम सभी बुनियादी नेविगेशन और कुछ बुनियादी यातायात व्यवहारों को प्रदर्शित करते हैं, जिसमें खाली स्वायत्त ड्राइविंग, शुद्ध-अनुवर्ती नियंत्रण और हमारी स्थानीय फ्रेम धारणा रणनीति का उपयोग करके लेन का पालन करना, किनो-डायनामिक आरटी मार्ग योजना का उपयोग करके बाधा से बचना, हमारे स्थितिजन्य दुभाषिया का उपयोग करके चौराहे पर अन्य कारों के बीच प्राथमिकता मूल्यांकन। हम उन्नत नेविगेशन और यातायात परिदृश्यों के लिए इन दृष्टिकोणों का विस्तार करने के लिए काम कर रहे हैं। कार्यकारी सारांश यह तकनीकी रिपोर्ट टीम एमआईटी के दृष्टिकोण का वर्णन करती है। हमने एक नई रणनीति विकसित की है, जिसमें वाहन के परिधीय भाग पर लगे सस्ते सेंसरों का उपयोग किया जाता है, और एक नई क्रॉस-मोडल कैलिब्रेशन तकनीक के साथ कैलिब्रेट किया जाता है। लीडर, कैमरा और रडार डेटा स्ट्रीम को एक अभिनव, स्थानीय रूप से चिकनी राज्य प्रतिनिधित्व का उपयोग करके संसाधित किया जाता है जो वास्तविक समय स्वायत्त नियंत्रण के लिए मजबूत धारणा प्रदान करता है। यातायात में ड्राइविंग के लिए एक लचीला नियोजन और नियंत्रण वास्तुकला विकसित किया गया है, जिसमें मिशन योजना, स्थितिजन्य योजना, स्थितिजन्य व्याख्या और प्रक्षेपवक्र नियंत्रण के लिए अच्छी तरह से सिद्ध एल्गोरिदम का एक अभिनव संयोजन शामिल है। इन नवाचारों को दो नए रोबोटिक वाहनों में शामिल किया जा रहा है जो शहरी वातावरण में स्वायत्त ड्राइविंग के लिए सुसज्जित हैं, जिसमें डीएआरपीए साइट विज़िट कोर्स पर व्यापक परीक्षण किया जा रहा है। प्रयोगात्मक परिणाम सभी बुनियादी नेविगेशन और कुछ बुनियादी यातायात व्यवहारों का प्रदर्शन करते हैं, जिसमें खाली स्वायत्त ड्राइविंग, शुद्ध-पीछा नियंत्रण और हमारी स्थानीय फ्रेम धारणा रणनीति का उपयोग करके लेन का पालन करना, किनो-डायनामिक आरआरटी पथ योजना का उपयोग करके बाधा से बचना, यू-टर्न, और हमारे स्थितिक दुभाषिया का उपयोग करके चौराहे पर अन्य कारों के बीच प्राथमिकता मूल्यांकन शामिल है। हम उन्नत नेविगेशन और यातायात परिदृश्यों के लिए इन दृष्टिकोणों का विस्तार करने के लिए काम कर रहे हैं। अस्वीकरण: इस पत्र में निहित जानकारी रक्षा उन्नत अनुसंधान परियोजना एजेंसी (DARPA) या रक्षा विभाग की आधिकारिक नीतियों का प्रतिनिधित्व नहीं करती है, न तो व्यक्त या निहित है। इस पत्र में दी गई जानकारी की सटीकता या विश्वसनीयता की गारंटी नहीं देता है। अतिरिक्त समर्थन...
e275f643c97ca1f4c7715635bb72cf02df928d06
1e55bb7c095d3ea15bccb3df920c546ec54c86b5
8acaebdf9569adafb03793b23e77bf4ac8c09f83	हम टेराहर्ट्ज आवृत्तियों पर समायोज्य विलंब के साथ निश्चित भौतिक लंबाई, स्पूफ सरफेस प्लाज्मन पोलरिटन आधारित वेव गाइड का विश्लेषण और डिजाइन प्रस्तुत करते हैं। समायोज्य विलंब को वेवगाइड की कुल भौतिक लंबाई को बदले बिना इसकी वेवगेशन गहराई को बदलकर नालीदार प्लैनर गोबौ लाइन (सीपीजीएल) का उपयोग करके प्राप्त किया जाता है। हमारे सिमुलेशन परिणामों से पता चलता है कि 237.9°, 220.6°, और 310.6° की विद्युत लंबाई 250 μm और 200 μm की भौतिक लंबाई से 0.25, 0.275, और 0.3 THz पर, क्रमशः प्रदर्शन उद्देश्यों के लिए प्राप्त की जा सकती है। ये सिमुलेशन परिणाम भौतिक पैरामीटर और सामग्री गुणों का उपयोग करके हमारी विश्लेषणात्मक गणनाओं के साथ भी सुसंगत हैं। जब हम एक ही लंबाई की देरी लाइनों के जोड़े को जोड़ते हैं जैसे कि वे टेराहर्ट्ज चरण शिफ्टर की दो शाखाएं हैं, तो हमने 5.8% से बेहतर सापेक्ष चरण शिफ्ट अनुमान की त्रुटि दर प्राप्त की। हमारे ज्ञान के अनुसार, यह पहली बार समायोज्य स्पूफ सतह प्लाज्मन पोलारिटोन आधारित सीपीजीएल देरी लाइनों का प्रदर्शन है। इस विचार का उपयोग टेराहर्ट्ज बैंड सर्किट्री के लिए निश्चित लंबाई और चरण शिफ्टर के साथ ट्यून करने योग्य देरी लाइनों को प्राप्त करने के लिए किया जा सकता है।
325d145af5f38943e469da6369ab26883a3fd69e	इनपुट के रूप में ग्रेस्केल फोटो को देखते हुए, यह पेपर फोटो के एक प्रशंसनीय रंग संस्करण को देखने की समस्या पर हमला करता है। यह समस्या स्पष्ट रूप से कम प्रतिबंधित है, इसलिए पिछले दृष्टिकोण या तो महत्वपूर्ण उपयोगकर्ता बातचीत पर निर्भर हैं या इसके परिणामस्वरूप असंतृप्त रंगों का परिणाम हुआ है। हम एक पूरी तरह से स्वचालित दृष्टिकोण का प्रस्ताव करते हैं जो जीवंत और यथार्थवादी रंगों का उत्पादन करता है। हम समस्या की अंतर्निहित अनिश्चितता को वर्गीकरण कार्य के रूप में प्रस्तुत करते हैं और परिणाम में रंगों की विविधता बढ़ाने के लिए प्रशिक्षण के समय वर्ग-पुनः संतुलन का उपयोग करते हैं। इस प्रणाली को परीक्षण के समय सीएनएन में फीड-फॉरवर्ड पास के रूप में लागू किया जाता है और इसे एक मिलियन से अधिक रंगीन छवियों पर प्रशिक्षित किया जाता है। हम एक रंगीन ट्यूरिंग परीक्षण का उपयोग करके हमारे एल्गोरिथ्म का मूल्यांकन करते हैं, मानव प्रतिभागियों को एक उत्पन्न और जमीनी सच्चाई रंग छवि के बीच चयन करने के लिए कह रहे हैं। हमारी विधि सफलतापूर्वक 32% परीक्षणों में मनुष्यों को मूर्ख बनाती है, जो कि पिछली विधियों से काफी अधिक है। इसके अलावा, हम दिखाते हैं कि रंगीनता स्व-निरीक्षित सुविधा सीखने के लिए एक शक्तिशाली बहाना कार्य हो सकता है, जो एक क्रॉस-चैनल एन्कोडर के रूप में कार्य करता है। इस दृष्टिकोण के परिणामस्वरूप कई विशेषता सीखने के बेंचमार्क पर अत्याधुनिक प्रदर्शन होता है।
57bbbfea63019a57ef658a27622c357978400a50
7ffdf4d92b4bc5690249ed98e51e1699f39d0e71	पहली बार, एक पूरी तरह से एकीकृत चरणबद्ध सरणी एंटीना रेडियो आवृत्ति सूक्ष्म विद्युत यांत्रिक प्रणालियों (आरएफ एमईएमएस) के साथ एक लचीला, कार्बनिक सब्सट्रेट पर स्विच 10 गीगाहर्ट्ज से ऊपर प्रदर्शित किया गया है। एक कम शोर एम्पलीफायर (एलएनए), एमईएमएस चरण शिफ्टर, और 2 बार 2 पैच एंटीना सरणी एक तरल क्रिस्टल बहुलक सब्सट्रेट पर एक सिस्टम-ऑन-पैकेज (एसओपी) में एकीकृत हैं। दो एंटीना सरणियों की तुलना की जाती है; एक एकल-परत एसओपी का उपयोग करके लागू किया गया है और दूसरा एक बहुपरत एसओपी के साथ। दोनों कार्यान्वयन कम हानि वाले हैं और 12 डिग्री बीम स्टीयरिंग के लिए सक्षम हैं। डिजाइन आवृत्ति 14 गीगाहर्ट्ज है और दोनों कार्यान्वयन के लिए मापा गया वापसी हानि 12 डीबी से अधिक है। एलएनए के उपयोग से बहुत अधिक विकिरणित शक्ति स्तर की अनुमति मिलती है। इन एंटेना को लगभग किसी भी आकार, आवृत्ति और आवश्यक प्रदर्शन को पूरा करने के लिए अनुकूलित किया जा सकता है। यह अनुसंधान जैविक एसओपी उपकरणों के लिए अत्याधुनिक है।
d00ef607a10e5be00a9e05504ab9771c0b05d4ea	उच्च वोल्टेज रेटेड ठोस अवस्था स्विच जैसे कि इन्सुलेटेड-गेट द्विध्रुवी ट्रांजिस्टर (आईजीबीटी) 6.5 केवी तक वाणिज्यिक रूप से उपलब्ध हैं। इस तरह के वोल्टेज रेटिंग्स पल्स पावर और हाई वोल्टेज स्विच मोड कनवर्टर अनुप्रयोगों के लिए आकर्षक हैं। हालांकि, जैसे-जैसे आईजीबीटी वोल्टेज रेटिंग्स बढ़ते हैं, वर्तमान वृद्धि और गिरावट की दर आम तौर पर कम हो जाती है। इस व्यापार को टालना मुश्किल है क्योंकि आईजीबीटी को एपिटाक्सियल या बहाव क्षेत्र परत में कम प्रतिरोध बनाए रखना चाहिए। रिवर्स वोल्टेज का समर्थन करने के लिए मोटे बहाव क्षेत्रों वाले उच्च वोल्टेज रेटेड आईजीबीटी के लिए, आवश्यक उच्च वाहक सांद्रता चालू होने पर इंजेक्ट की जाती है और बंद होने पर हटा दी जाती है, जो स्विचिंग गति को धीमा कर देती है। तेजी से स्विच करने के लिए एक विकल्प कई, कम वोल्टेज रेटेड आईजीबीटी को श्रृंखला में करना है। छह, 1200 वोल्ट रेटेड आईजीबीटी के साथ एक आईजीबीटी-स्टैक प्रोटोटाइप का प्रयोगात्मक रूप से परीक्षण किया गया है। छह-श्रृंखला IGBT स्टैक में व्यक्तिगत, ऑप्टिकल रूप से अलग, गेट ड्राइवर और एल्यूमीनियम शीतलन प्लेटें होती हैं जो मजबूर हवा शीतलन के लिए होती हैं, जिसके परिणामस्वरूप एक कॉम्पैक्ट पैकेज होता है। प्रत्येक आईजीबीटी क्षणिक वोल्टेज suppressors द्वारा अधिभार संरक्षित है। छह श्रृंखला के आईजीबीटी स्टैक और एक एकल 6.5 केवी रेटेड आईजीबीटी के चालू होने के समय को एक पल्स प्रतिरोधक-लोड, कैपेसिटर डिस्चार्ज सर्किट में प्रयोगात्मक रूप से मापा गया है। IGBT स्टैक की तुलना श्रृंखला में दो IGBT मॉड्यूल से भी की गई है, प्रत्येक 3.3 kV पर रेटेड है, एक बूस्ट सर्किट एप्लिकेशन स्विचिंग में 9 kHz और 5 kV का आउटपुट पैदा करता है। छह-श्रृंखला IGBT स्टैक के परिणामस्वरूप चालू होने पर स्विचिंग गति में सुधार होता है, और बंद होने के दौरान कम वर्तमान पूंछ के कारण काफी अधिक पावर बूस्ट कनवर्टर दक्षता होती है। प्रयोगात्मक परीक्षण मापदंडों और तुलनात्मक परीक्षणों के परिणामों पर निम्नलिखित कागज में चर्चा की जाती है
20f5b475effb8fd0bf26bc72b4490b033ac25129	हम शहरी सड़कों पर लेन मार्कर का पता लगाने के लिए एक मजबूत और वास्तविक समय दृष्टिकोण प्रस्तुत करते हैं। यह सड़क के शीर्ष दृश्य को उत्पन्न करने पर आधारित है, चयनात्मक उन्मुख गॉसियन फ़िल्टर का उपयोग करके फ़िल्टरिंग, बेज़ियर स्प्लाइन को फिट करने के लिए एक नए और तेज़ RANSAC एल्गोरिथ्म को प्रारंभिक अनुमान देने के लिए RANSAC लाइन फिटिंग का उपयोग करना, जिसके बाद एक पोस्ट-प्रोसेसिंग चरण होता है। हमारा एल्गोरिथ्म विभिन्न स्थितियों में सड़क की स्थिर छवियों में सभी लेनों का पता लगा सकता है, जबकि 50 हर्ट्ज की दर से काम कर रहा है और पिछली तकनीकों के तुलनीय परिणाम प्राप्त कर रहा है।
e6bef595cb78bcad4880aea6a3a73ecd32fbfe06	ऑनलाइन समीक्षाओं और सिफारिशों की उपलब्धता में घातीय वृद्धि शैक्षणिक और औद्योगिक अनुसंधान में भावना वर्गीकरण को एक दिलचस्प विषय बनाती है। समीक्षाएँ इतने विभिन्न क्षेत्रों में हो सकती हैं कि उन सभी के लिए एनोटेटेड प्रशिक्षण डेटा एकत्र करना मुश्किल है। इसलिए, यह पेपर भावना वर्गीकरणकर्ताओं के लिए डोमेन अनुकूलन की समस्या का अध्ययन करता है, इसके द्वारा एक स्रोत डोमेन से लेबल की गई समीक्षाओं पर एक प्रणाली को प्रशिक्षित किया जाता है लेकिन इसका मतलब है कि इसे दूसरे पर तैनात किया जाए। हम एक गहरी सीखने के दृष्टिकोण का प्रस्ताव करते हैं जो प्रत्येक समीक्षा के लिए एक अर्थपूर्ण प्रतिनिधित्व को अनसुरीक्षित तरीके से निकालना सीखता है। अमेज़ॅन के लिए, यह एक ऐसा उत्पाद है जो एक विशिष्ट मूल्य के आधार पर मूल्य निर्धारण करता है, जो कि एक विशिष्ट मूल्य के आधार पर मूल्य निर्धारण करता है। इसके अलावा, यह विधि अच्छी तरह से स्केल करती है और हमें 22 डोमेन के एक बड़े औद्योगिक-शक्ति डेटासेट पर डोमेन अनुकूलन को सफलतापूर्वक करने की अनुमति दी।
7cbbe0025b71a265c6bee195b5595cfad397a734	लोग अक्सर कुर्सियों के साथ बातचीत करते हैं, जिससे उन्हें निहित स्वास्थ्य संवेदन करने के लिए एक संभावित स्थान बन जाता है जिसके लिए उपयोगकर्ताओं द्वारा कोई अतिरिक्त प्रयास की आवश्यकता नहीं होती है। हमने 550 प्रतिभागियों का सर्वेक्षण किया ताकि हम समझ सकें कि लोग कुर्सियों पर कैसे बैठते हैं और एक ऐसी कुर्सी के डिजाइन को सूचित करें जो क्रमशः कुर्सी के आर्मरेस्ट और बैकरेस्ट से हृदय और श्वसन दर का पता लगा सके। 18 प्रतिभागियों के साथ एक प्रयोगशाला अध्ययन में, हमने यह निर्धारित करने के लिए सामान्य बैठे पदों की एक श्रृंखला का मूल्यांकन किया कि हृदय गति और श्वसन गति का पता लगाना कब संभव था (दिल की दर के लिए 32%, श्वसन गति के लिए 52%) और पता लगाए गए दर की सटीकता का मूल्यांकन (83% हृदय गति के लिए, श्वसन गति के लिए 73%) । हम इस संवेदन को जंगली में ले जाने की चुनौतियों पर चर्चा करते हैं एक इन-सिटू अध्ययन का मूल्यांकन करके कुल 40 घंटे 11 प्रतिभागियों के साथ। हम दिखाते हैं कि, एक निहित सेंसर के रूप में, कुर्सी अपने सवार से महत्वपूर्ण संकेत डेटा एकत्र कर सकती है कुर्सी के साथ प्राकृतिक बातचीत के माध्यम से।
bf003bb2d52304fea114d824bc0bf7bfbc7c3106
9a59a3719bf08105d4632898ee178bd982da2204	स्वायत्त वाहन एक मोबाइल रोबोट है जिसमें मल्टी-सेंसर नेविगेशन और पोजिशनिंग, बुद्धिमान निर्णय लेने और नियंत्रण प्रौद्योगिकी शामिल है। इस पत्र में स्वायत्त वाहन की नियंत्रण प्रणाली वास्तुकला प्रस्तुत की गई है, जिसे इंटेलिजेंट पायनियर कहा जाता है, और अज्ञात वातावरण में प्रभावी रूप से नेविगेट करने के लिए पथ ट्रैकिंग और गति की स्थिरता पर चर्चा की गई है। इस दृष्टिकोण में, दो डिग्री-स्वतंत्रता गतिशील मॉडल को राज्य अंतरिक्ष प्रारूप में पथ-ट्रैकिंग समस्या को तैयार करने के लिए विकसित किया गया है। क्षणिक पथ त्रुटि को नियंत्रित करने के लिए, पारंपरिक नियंत्रकों को पैरामीटर परिवर्तनों और गड़बड़ी की एक विस्तृत श्रृंखला में प्रदर्शन और स्थिरता की गारंटी देने में कठिनाई होती है। इसलिए, एक नए विकसित अनुकूली-पीआईडी नियंत्रक का उपयोग किया जाएगा। इस दृष्टिकोण का उपयोग करके वाहन नियंत्रण प्रणाली की लचीलापन में वृद्धि होगी और बड़े लाभ प्राप्त होंगे। हम पूरे समय में, इंटेलिजेंट पायनियर और इस दृष्टिकोण का उपयोग करने वाले स्वायत्त वाहन से उदाहरण और परिणाम प्रदान करते हैं, जो 2010 और 2011 में चीन के फ्यूचर चैलेंज में प्रतिस्पर्धा करते हैं। इंटेलिजेंट पायनियर ने सभी प्रतियोगिता कार्यक्रमों को पूरा किया और 2010 में प्रथम स्थान और 2011 में तीसरा स्थान जीता।
7592f8a1d4fa2703b75cad6833775da2ff72fe7b	प्रतिस्पर्धी एमएनआईएसटी हस्तलिखित अंक पहचान बेंचमार्क का 1998 से रिकॉर्ड तोड़ने का लंबा इतिहास है। अन्य द्वारा सबसे हालिया प्रगति 8 साल पहले की है (त्रुटि दर 0.4% है) । साधारण बहुपरत पर्सेप्ट्रोन के लिए अच्छा पुराना ऑन-लाइन बैक-प्रोपेगरेशन एक एकल एमएलपी के साथ एमएनआईएसटी हस्तलिखित अंकों के बेंचमार्क पर 0.35% और सात एमएलपी की समिति के साथ 0.31% की बहुत कम त्रुटि दर देता है। 2011 तक इस सबसे अच्छे परिणाम को प्राप्त करने के लिए हमें बस कई छिपी हुई परतों की आवश्यकता है, प्रत्येक परत में कई न्यूरॉन्स, कई विकृत प्रशिक्षण छवियां ओवरफिट से बचने के लिए, और ग्राफिक्स कार्ड सीखने को बहुत तेज करने के लिए।
cbcd9f32b526397f88d18163875d04255e72137f
14829636fee5a1cf8dee9737849a8e2bdaf9a91f	बिटकॉइन एक वितरित डिजिटल मुद्रा है जिसने काफी संख्या में उपयोगकर्ताओं को आकर्षित किया है। हम यह समझने के लिए एक गहन जांच करते हैं कि बिटकॉइन को इतना सफल क्यों बनाया गया है, जबकि क्रिप्टोग्राफिक ई-कैश पर दशकों के शोध ने बड़े पैमाने पर तैनाती नहीं की है। हम यह भी पूछते हैं कि बिटकॉइन एक दीर्घकालिक स्थिर मुद्रा के लिए एक अच्छा उम्मीदवार कैसे बन सकता है। ऐसा करने में, हम बिटकॉइन के कई मुद्दों और हमलों की पहचान करते हैं, और उन्हें संबोधित करने के लिए उपयुक्त तकनीकों का प्रस्ताव करते हैं।
3d16ed355757fc13b7c6d7d6d04e6e9c5c9c0b78
d19f938c790f0ffd8fa7fccc9fd7c40758a29f94
cd5b7d8fb4f8dc3872e773ec24460c9020da91ed	इस कार्यपत्रक में पांचवीं पीढ़ी (5जी) पूर्ण आयामी बहु-प्रवेश बहु-उत्पादन (एफडी-एमआईएमओ) प्रणाली के लिए 29 गीगाहर्ट्ज आवृत्ति पर डब्ल्यूआर28 वेव गाइड पर आधारित बीम स्टीरेबल हाई गेन फेज्ड एरे एंटीना की एक नई डिजाइन अवधारणा प्रस्तुत की गई है। 8×8 समतल चरणबद्ध सरणी को त्रि-आयामी बीमफॉर्मर द्वारा खिलाया जाता है ताकि अज़ीमुथ और ऊंचाई दिशा दोनों में -60 से +60 डिग्री तक की मात्रात्मक बीम स्कैनिंग प्राप्त की जा सके। बीमफॉर्मिंग नेटवर्क (बीएफएन) का डिजाइन 8×8 बटलर मैट्रिक्स बीमफॉर्मर के 16 सेटों का उपयोग करके 64 बीम राज्यों को प्राप्त करने के लिए किया जाता है, जो क्षैतिज और ऊर्ध्वाधर कोण को नियंत्रित करते हैं। यह 5जी अनुप्रयोग के लिए का बैंड में वॉल्यूमेट्रिक मल्टीबीम के लिए वेव गाइड आधारित उच्च शक्ति वाले त्रि-आयामी बीमफॉर्मर को डिजाइन करने की एक नई अवधारणा है। चरणबद्ध सरणी का अधिकतम लाभ 28.5 डीबीआई है जो 28.9 गीगाहर्ट्ज से 29.4 गीगाहर्ट्ज आवृत्ति बैंड को कवर करता है।
34feeafb5ff7757b67cf5c46da0869ffb9655310	कम बिजली वाले वायरलेस सेंसर नेटवर्क के लिए पर्यावरण ऊर्जा एक आकर्षक ऊर्जा स्रोत है। हम प्रोमेथियस प्रस्तुत करते हैं, एक प्रणाली जो बुद्धिमानी से ऊर्जा हस्तांतरण का प्रबंधन करती है मानव हस्तक्षेप या रखरखाव के बिना निरंतर संचालन के लिए। विभिन्न ऊर्जा भंडारण तत्वों के सकारात्मक गुणों को जोड़कर और माइक्रोप्रोसेसर की बुद्धिमत्ता का लाभ उठाते हुए, हम एक कुशल बहु-चरण ऊर्जा हस्तांतरण प्रणाली पेश करते हैं जो एकल ऊर्जा भंडारण प्रणालियों की सामान्य सीमाओं को लगभग शाश्वत संचालन प्राप्त करने के लिए कम करती है। हम अपने डिजाइन विकल्प, व्यापार-बदलाव, सर्किट मूल्यांकन, प्रदर्शन विश्लेषण और मॉडल प्रस्तुत करते हैं। हम सिस्टम घटकों के बीच संबंधों पर चर्चा करते हैं और किसी एप्लिकेशन की जरूरतों को पूरा करने के लिए इष्टतम हार्डवेयर विकल्पों की पहचान करते हैं। अंत में हम एक वास्तविक प्रणाली का कार्यान्वयन प्रस्तुत करते हैं जो सौर ऊर्जा का उपयोग बर्कले के टेलोस मोटे को शक्ति देने के लिए करता है। हमारे विश्लेषणों के अनुसार यह प्रणाली 1 प्रतिशत भार के साथ 43 वर्ष, 10 प्रतिशत भार के साथ 4 वर्ष और 100 प्रतिशत भार के साथ 1 वर्ष तक काम करेगी। हमारे कार्यान्वयन में दो चरणों की भंडारण प्रणाली का उपयोग किया गया है जिसमें सुपरकैपेसिटर (प्राथमिक बफर) और एक लिथियम रिचार्जेबल बैटरी (द्वितीयक बफर) शामिल है। मोट को शक्ति के स्तर का पूरा ज्ञान है और जीवनकाल को अधिकतम करने के लिए ऊर्जा हस्तांतरण का बुद्धिमान प्रबंधन करता है।
3689220c58f89e9e19cc0df51c0a573884486708	एम्बीमैक्स एक ऊर्जा संचयन सर्किट और वायरलेस सेंसर नोड्स (डब्ल्यूएसएन) के लिए एक सुपरकैपेसिटर आधारित ऊर्जा भंडारण प्रणाली है। पिछले WSNs विभिन्न स्रोतों से ऊर्जा की कटाई करने का प्रयास करते हैं, और कुछ बैटरी की उम्र बढ़ने की समस्या को दूर करने के लिए बैटरी के बजाय सुपरकैपेसिटर का भी उपयोग करते हैं। हालांकि, वे या तो प्रतिरोध असंगति के कारण बहुत अधिक उपलब्ध ऊर्जा बर्बाद करते हैं, या उन्हें सक्रिय डिजिटल नियंत्रण की आवश्यकता होती है जो ओवरहेड का सामना करती है, या वे केवल एक विशिष्ट प्रकार के स्रोत के साथ काम करते हैं। एम्बीमैक्स इन समस्याओं को पहले अधिकतम पावर प्वाइंट ट्रैकिंग (एमपीपीटी) को स्वायत्त रूप से निष्पादित करके हल करता है, और फिर सुपरकैपेसिटर को अधिकतम दक्षता पर चार्ज करता है। इसके अलावा, एम्बीमैक्स मॉड्यूलर है और सौर, पवन, थर्मल और कंपन सहित कई ऊर्जा कटाई स्रोतों की संरचना को सक्षम करता है, प्रत्येक एक अलग इष्टतम आकार के साथ। एक वास्तविक WSN मंच, इको पर प्रयोगात्मक परिणाम दिखाते हैं कि AmbiMax सफलतापूर्वक कई बिजली स्रोतों का प्रबंधन करता है एक साथ और स्वायत्त रूप से WSNs के लिए वर्तमान राज्य के अत्याधुनिक की दक्षता के कई गुना पर
4833d690f7e0a4020ef48c1a537dbb5b8b9b04c6	एक कम बिजली वाले कम लागत वाले अत्यधिक कुशल अधिकतम पावर प्वाइंट ट्रैकर (एमपीपीटी) को एक फोटोवोल्टिक (पीवी) पैनल में एकीकृत करने का प्रस्ताव है। इससे मानक फोटोवोल्टिक पैनल की तुलना में 25% ऊर्जा वृद्धि हो सकती है, जबकि बैटरी वोल्टेज विनियमन और लोड के साथ पीवी सरणी के मिलान जैसे कार्य करते हैं। बाहरी रूप से जुड़े एमपीपीटी का उपयोग करने के बजाय, यह एक एकीकृत एमपीपीटी कनवर्टर का उपयोग करने का प्रस्ताव है जो कि पीवी पैनल के हिस्से के रूप में है। यह प्रस्तावित है कि इस एकीकृत एमपीपीटी में लागत प्रभावी होने के लिए एक सरल नियंत्रक का उपयोग किया जाए। इसके अलावा, कन्वर्टर को बहुत कुशल होना चाहिए, ताकि सीधे युग्मित प्रणाली की तुलना में अधिक ऊर्जा को भार में स्थानांतरित किया जा सके। यह एक सरल सॉफ्ट-स्विच टोपोलॉजी का उपयोग करके प्राप्त किया जाता है। कम लागत पर बहुत अधिक रूपांतरण दक्षता का परिणाम होगा, जिससे एमपीपीटी छोटे पीवी ऊर्जा प्रणालियों के लिए एक सस्ती समाधान बन जाएगा।
61c1d66defb225eda47462d1bc393906772c9196	वायरलेस सेंसर नेटवर्क की हमारे समाज पर सकारात्मक प्रभाव डालने की अपार संभावना ने इस विषय पर बहुत सारे शोधों को जन्म दिया है और यह शोध अब पर्यावरण के लिए तैयार प्रणालियों का उत्पादन कर रहा है। वर्तमान प्रौद्योगिकी की सीमाओं के साथ व्यापक रूप से भिन्न अनुप्रयोग आवश्यकताओं के कारण डिजाइन अंतरिक्ष के विभिन्न हिस्सों के लिए हार्डवेयर प्लेटफार्मों की विविधता होती है। इसके अतिरिक्त, एक प्रणाली की अनूठी ऊर्जा और विश्वसनीयता की बाधाओं का अर्थ है कि मानव हस्तक्षेप के बिना एक समय में महीनों तक काम करना चाहिए कि सेंसर नेटवर्क हार्डवेयर पर मांग मानक एकीकृत सर्किट पर मांगों से अलग है। इस पेपर में सेंसर नोड्स और उन्हें नियंत्रित करने के लिए निम्न स्तर के सॉफ्टवेयर के डिजाइन के हमारे अनुभवों का वर्णन किया गया है। ज़ेब्रानेट प्रणाली में हम जीपीएस तकनीक का उपयोग करते हैं ताकि लंबी अवधि के पशु प्रवासों को ट्रैक करने के लिए ठीक-खाने वाले स्थान डेटा को रिकॉर्ड किया जा सके। ज़ेब्रानेट हार्डवेयर 16-बिट टीआई माइक्रो नियंत्रक, 4 एमबीआईटी ऑफ-चिप फ्लैश मेमोरी, 900 मेगाहर्ट्ज रेडियो और कम बिजली वाले जीपीएस चिप से बना है। इस पेपर में, हम सेंसर नेटवर्क के लिए कुशल बिजली की आपूर्ति, नोड्स की ऊर्जा खपत के प्रबंधन के तरीकों, और रेडियो, फ्लैश और सेंसर सहित परिधीय उपकरणों के प्रबंधन के तरीकों के लिए अपनी तकनीकों पर चर्चा करते हैं। हम ज़ेब्रानेट नोड्स के डिजाइन का मूल्यांकन करके और चर्चा करके निष्कर्ष निकालते हैं कि इसे कैसे सुधार किया जा सकता है। इस हार्डवेयर को विकसित करने में जो सबक सीखे गए हैं, वे भविष्य के सेंसर नोड्स के डिजाइन और वास्तविक प्रणालियों में उनका उपयोग करने में उपयोगी हो सकते हैं।
146da74cd886acbd4a593a55f0caacefa99714a6	आर्टिफिशियल इंटेलिजेंस के विकास ने प्रौद्योगिकी के क्षेत्र में उत्प्रेरक के रूप में कार्य किया है। अब हम उन चीज़ों को विकसित कर सकते हैं जो कभी केवल कल्पना थी। ऐसी ही एक रचना है स्व-चालक कार का जन्म। ऐसे दिन आ गए हैं जब कोई अपना काम कर सकता है या कार में सो भी सकता है और स्टीयरिंग व्हील, एक्सेलेरेटर को छूने के बिना भी आप अपने लक्ष्य गंतव्य तक सुरक्षित पहुंच पाएंगे। इस कार्यपत्र में स्व-चालित कार का एक कार्यशील मॉडल प्रस्तावित किया गया है जो एक स्थान से दूसरे स्थान पर या विभिन्न प्रकार के ट्रैक जैसे कि घुमावदार ट्रैक, सीधे ट्रैक और सीधे के बाद घुमावदार ट्रैक पर ड्राइव करने में सक्षम है। एक कैमरा मॉड्यूल कार के ऊपर से जुड़ा हुआ है और रास्पबेरी पाई वास्तविक दुनिया से छवियों को संवहन तंत्रिका नेटवर्क में भेजता है जो फिर निम्नलिखित दिशाओं में से एक की भविष्यवाणी करता है। यानी दाएं, बाएं, आगे या रुकने के लिए जो तब एक संकेत Arduino से रिमोट से नियंत्रित कार के नियंत्रक को भेजने के द्वारा पीछा किया जाता है और इसके परिणामस्वरूप कार किसी भी मानव हस्तक्षेप के बिना वांछित दिशा में चलता है।
bb17e8858b0d3a5eba2bb91f45f4443d3e10b7cd
090a6772a1d69f07bfe7e89f99934294a0dac1b9
f07fd927971c40261dd7cef1ad6d2360b23fe294	हम विरल कैनोनिकल सहसंबंध विश्लेषण (सीसीए) की समस्या पर विचार करते हैं, अर्थात, दो रैखिक कॉम्बी राष्ट्रों की खोज, प्रत्येक बहुविकल्पी के लिए एक, जो निर्दिष्ट संख्या में चर का उपयोग करके अधिकतम सहसंबंध उत्पन्न करते हैं। हम एक प्रत्यक्ष लालची दृष्टिकोण पर आधारित एक कुशल संख्यात्मक अनुमान का प्रस्ताव करते हैं जो प्रत्येक चरण में सहसंबंध को बाधित करता है। यह विधि विशेष रूप से बड़े डेटा सेटों का सामना करने के लिए डिज़ाइन की गई है और इसकी कम्प्यूटेशनल जटिलता केवल विरलता के स्तर पर निर्भर करती है। हम सहसंबंध और परोपकारिता के बीच व्यापार के माध्यम से एल्गोरिथ्म ms प्रदर्शन का विश्लेषण करते हैं। संख्यात्मक सिमुलेशन के परिणामों से पता चलता है कि सहसंबंध का एक महत्वपूर्ण हिस्सा अपेक्षाकृत कम संख्या में चर का उपयोग करके कैप्चर किया जा सकता है। इसके अतिरिक्त, हमने एक नियमितकरण विधि के रूप में विरल सीसीए के उपयोग की जांच की जब उपलब्ध नमूनों की संख्या बहु-परिवर्तनों के आयामों की तुलना में छोटी होती है। I. I NTRODUCTION कैननिकल सहसंबंध विश्लेषण (CCA), जो कि Harol d Hotelling [1] द्वारा पेश किया गया है, डेटा स्रोतों की एक जोड़ी से सामान्य विशेषताओं को निकालने के लिए बहु-परिवर्तनीय डेटा एन lysis में एक मानक तकनीक है, [2] [3]। इन डेटा स्रोतों में से प्रत्येक एक यादृच्छिक वेक्टर r उत्पन्न करता है जिसे हम एक बहुविकल्पी कहते हैं। शास्त्रीय आयामीयता कमी विधियों के विपरीत जो एक बहु-परिवर्तक को संबोधित करती हैं, सीसीए दो संभावित भिन्न आयामों और संरचना के स्थानों से नमूनों के बीच सांख्यिकीय संबंधों को ध्यान में रखती है। विशेष रूप से, यह दो रैखिक संयोजनों की खोज करता है, प्रत्येक बहु-परिवर्तकों के लिए एक, उनके सहसंबंध को अधिकतम करने के लिए। इसका उपयोग विभिन्न विषयों में एक स्टैंड-अलोन उपकरण के रूप में या अन्य सांख्यिकीय विधियों के लिए एक पूर्व-प्रसंस्करण चरण के रूप में किया जाता है। इसके अलावा, सीसीए एक सामान्यीकृत ढांचा है जिसमें सांख्यिकी में कई शास्त्रीय विधियां शामिल हैं, जैसे कि मुख्य घटक विश्लेषण (पीसीए), आंशिक न्यूनतम वर्ग (पीएलएस) और एकाधिक रैखिक प्रतिगमन (एमएलआर) । सीसीए ने हाल ही में कर्नेल सीसीए के आगमन और स्वतंत्र घटक विश्लेषण [5] [6] के लिए इसके आवेदन के साथ ध्यान आकर्षित किया है। पिछले दशक में संकेतों के विरल प्रतिनिधित्व और विरल संख्यात्मक विधियों की खोज में बढ़ती रुचि देखी गई है। इस प्रकार, हम सीसीए की समस्या पर विचार करते हैं, अर्थात, कम संख्या में चर का उपयोग करके अधिकतम सहसंबंध के साथ रैखिक संयोजनों की खोज। विविध कारणों से कम खर्च की खोज की जा सकती है। पहला परिणामों की व्याख्या और कल्पना करने की क्षमता है। छोटी संख्या में चर हमें कुछ छोटे विवरणों का त्याग करते हुए "बड़ी तस्वीर" प्राप्त करने की अनुमति देते हैं। इसके अलावा, स्पास ई प्रतिनिधित्व कम्प्यूटेशनली कुशल का उपयोग करने के लिए सक्षम t पहले दो लेखकों इस पांडुलिपि के लिए समान रूप से योगदान दिया . इस कार्य को अंशतः अनुदान FA9550-06-1-0 324 के तहत एक AFOSR MURI द्वारा समर्थित किया गया था। अल्पता के लिए दूसरा कारण है नियमितता और स्थिरता। सीसीए की मुख्य कमजोरियों में से एक कम संख्या में अवलोकनों के प्रति इसकी संवेदनशीलता है। हालांकि, रेज सीसीए [7] जैसी नियमित विधियों का उपयोग किया जाना चाहिए। इस संदर्भ में, विरल सीसीए एक उपसमूह चयन योजना है जो हमें वेक्टरों के आयामों को कम करने और एक स्थिर समाधान प्राप्त करने की अनुमति देती है। हमारे ज्ञान के अनुसार, विरल सीसीए का पहला संदर्भ [2] में दिखाई दिया, जहां पिछड़े और चरणबद्ध उपसमूह चयन का प्रस्ताव किया गया था। यह चर्चा गुणात्मक प्रकृति की थी और कोई विशिष्ट संख्यात्मक एल्गोरिथ्म प्रस्तावित नहीं किया गया था। हाल ही में, बहुआयामी डेटा प्रसंस्करण और कम कंप्यूटेशनल लागत के लिए बढ़ती मांगों ने इस विषय को एक बार फिर से प्रमुखता के लिए बढ़ा दिया है [1] - [13]। इन वर्तमान समाधानों के साथ मुख्य नुकसान यह है कि वहाँ पर कोई प्रत्यक्ष नियंत्रण नहीं है sparsity और यह मुश्किल है (और nonintuitive) उनके इष्टतम hyperparameters का चयन करने के लिए. इसके अतिरिक्त, इन विधियों में से अधिकांश की कम्प्यूटेशनल जटिलता उच्च आयामी डेटा सेट के साथ व्यावहारिक अनुप्रयोगों के लिए बहुत अधिक है। विरल सीसीए को भी निहित रूप से संबोधित किया गया है [9], [14] और डी विरल पीसीए पर हाल के परिणामों से निकटता से संबंधित है [9] , [15] - [17] । वास्तव में, हमारा प्रस्तावित समाधान सीसीए में [17] के परिणामों का विस्तार है। इस कार्य का मुख्य योगदान दो प्रकार का है। सबसे पहले, हम प्रत्येक बहुविकल्पी में विरलता पर प्रत्यक्ष नियंत्रण के साथ सीसीए एल्गोरिदम प्राप्त करते हैं और उनके प्रदर्शन की जांच करते हैं। हमारे कम्प्यूटेशनल रूप से कुशल तरीके विशेष रूप से बड़े आयामों के दो डेटा सेटों के बीच संबंधों को समझने में मदद करते हैं। हम एक अग्रिम (या पिछड़ा) लालची दृष्टिकोण अपनाते हैं जो क्रमिक रूप से चर चुनने (या छोड़ने) पर आधारित है। प्रत्येक चरण में, हम इष्टतम सीसीए समाधान को बांधते हैं और पूरी समस्या को हल करने की आवश्यकता को दरकिनार करते हैं। इसके अलावा, फॉरवर्ड लोभी पद्धति की कम्प्यूटेशनल जटिलता डेटा के आयामों पर निर्भर नहीं करती है, बल्कि केवल विरलता मापदंडों पर निर्भर करती है। संख्यात्मक सिमुलेशन के परिणामों से पता चलता है कि सहसंबंध के एक महत्वपूर्ण हिस्से को अपेक्षाकृत कम संख्या में गैर-शून्य गुणांक का उपयोग करके कुशलतापूर्वक कैप्चर किया जा सकता है। हमारा दूसरा योगदान एक नियमितकरण विधि के रूप में विरल सीसीए की जांच है। अनुभवजन्य सिमुलेशन का उपयोग करके हम विभिन्न एल्गोरिदम के उपयोग की जांच करते हैं जब बहुभिन्नरूपियों के आयाम नमूनों की संख्या से अधिक (या उसी क्रम के) होते हैं और विरल सीसीए के लाभ का प्रदर्शन करते हैं। इस संदर्भ में, लालची दृष्टिकोण के फायदे में से एक यह है कि यह एक ही रन में पूर्ण sparsity पथ उत्पन्न करता है और कुशल पैरामीटर ट्यूनिंग के लिए अनुमति देता है
49afbe880b8bd419605beb84d3382647bf8e50ea
19b7e0786d9e093fdd8c8751dac0c4eb0aea0b74
0b3cfbf79d50dae4a16584533227bb728e3522aa	आवर्ती बैकप्रोपेगरेशन द्वारा विस्तारित समय अंतराल पर सूचना को संग्रहीत करना सीखना बहुत लंबा समय लेता है, ज्यादातर अपर्याप्त, क्षयशील त्रुटि बैकफ्लो के कारण। हम इस समस्या के होचराइटर (1991) के विश्लेषण की संक्षेप में समीक्षा करते हैं, फिर इसे एक उपन्यास, कुशल, ढाल आधारित विधि को पेश करके संबोधित करते हैं जिसे दीर्घकालिक लघु स्मृति (एलएसटीएम) कहा जाता है। जहां यह नुकसान नहीं करता है, वहां ढाल को काटकर, 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 को पाटने के लिए सीख सकता है। गुणक गेट इकाइयां निरंतर त्रुटि प्रवाह के लिए पहुँच खोलना और बंद करना सीखती हैं। एलएसटीएम स्थान और समय में स्थानीय है; इसकी गणनात्मक जटिलता प्रति समय चरण और भार ओ है। 1. कृत्रिम डेटा के साथ हमारे प्रयोगों में स्थानीय, वितरित, वास्तविक मूल्य, और शोर पैटर्न प्रतिनिधित्व शामिल हैं। वास्तविक समय आवर्ती सीखने, समय के माध्यम से पीछे की ओर प्रसार, आवर्ती कैस्केड सहसंबंध, एल्मन नेट, और तंत्रिका अनुक्रम खंडन के साथ तुलना में, एलएसटीएम बहुत अधिक सफल रन की ओर जाता है, और बहुत तेजी से सीखता है। एलएसटीएम जटिल, कृत्रिम दीर्घकालिक-विलंब कार्यों को भी हल करता है जो पहले के आवर्ती नेटवर्क एल्गोरिदम द्वारा कभी हल नहीं किए गए हैं।
9eb67ca57fecc691853636507e2b852de3f56fac	पूर्व के अध्ययनों से पता चला है कि शब्दों और पाठ के अर्थपूर्ण प्रतिनिधित्व को तंत्रिका एम्बेडिंग मॉडल के माध्यम से प्राप्त किया जा सकता है। विशेष रूप से, पैराग्राफ वेक्टर (पीवी) मॉडल ने दस्तावेज़ (विषय) स्तर के भाषा मॉडल का अनुमान लगाकर कुछ प्राकृतिक भाषा प्रसंस्करण कार्यों में प्रभावशाली प्रदर्शन दिखाया है। हालांकि, पीवी मॉडल को पारंपरिक भाषा मॉडल दृष्टिकोणों के साथ पुनर्प्राप्ति में एकीकृत करने से अस्थिर प्रदर्शन और सीमित सुधार होते हैं। इस पेपर में, हम औपचारिक रूप से मूल पीवी मॉडल की तीन आंतरिक समस्याओं पर चर्चा करते हैं जो पुनर्प्राप्ति कार्यों में इसके प्रदर्शन को प्रतिबंधित करते हैं। हम मॉडल में ऐसे संशोधनों का भी वर्णन करते हैं जो इसे आईआर कार्य के लिए अधिक उपयुक्त बनाते हैं, और प्रयोगों और केस स्टडी के माध्यम से उनके प्रभाव को दिखाते हैं। हम जिन तीन मुद्दों को संबोधित करते हैं वे हैं (1) पीवी की अनियमित प्रशिक्षण प्रक्रिया लघु दस्तावेज़ ओवर-फिटिंग के लिए कमजोर है जो अंतिम पुनर्प्राप्ति मॉडल में लंबाई पूर्वाग्रह उत्पन्न करती है; (2) पीवी के कॉर्पस-आधारित नकारात्मक नमूनाकरण से शब्दों के लिए एक वजन योजना होती है जो अक्सर शब्दों के महत्व को दबा देती है; और (3) शब्द-संदर्भ की जानकारी की कमी पीवी को शब्द प्रतिस्थापन संबंधों को पकड़ने में असमर्थ बनाती है।
4df321947a2ac4365584a01d78a780913b171cf5	पहलू आधारित भावना विश्लेषण (एबीएसए) विशिष्ट संस्थाओं और उनके पहलुओं के बारे में पाठ से राय खनन और सारांशित करने का कार्य है। इस लेख में फ्रेंच के लिए एबीएसए प्रणालियों के विकास और परीक्षण के लिए दो डेटासेट का वर्णन किया गया है जिसमें प्रासंगिक संस्थाओं, पहलुओं और ध्रुवीयता मूल्यों के साथ एनोटेट किए गए उपयोगकर्ता समीक्षा शामिल हैं। पहले डेटासेट में एबीएसए प्रणालियों के प्रशिक्षण और परीक्षण के लिए 457 रेस्तरां समीक्षाएं (2365 वाक्य) हैं, जबकि दूसरे में 162 संग्रहालय समीक्षाएं (655 वाक्य) हैं जो आउट-ऑफ-डोमेन मूल्यांकन के लिए समर्पित हैं। दोनों डेटासेट SemEval-2016 टास्क 5 Aspect-Based Sentiment Analysis के हिस्से के रूप में बनाए गए थे, जहां सात अलग-अलग भाषाओं का प्रतिनिधित्व किया गया था, और शोध उद्देश्यों के लिए सार्वजनिक रूप से उपलब्ध हैं। यह लेख एनोटेशन प्रकार के अनुसार उदाहरण और आंकड़े प्रदान करता है, एनोटेशन दिशानिर्देशों को सारांशित करता है और उनकी क्रॉस-भाषाई प्रयोज्यता पर चर्चा करता है। यह भी बताता है कि कैसे डेटा मूल्यांकन के लिए SemEval ABSA कार्य में इस्तेमाल किया गया था और संक्षेप में प्रस्तुत करता है परिणाम फ्रेंच के लिए प्राप्त.
2445089d4277ccbec3727fecfe73eaa4cc57e414	इस पेपर में 8 भाषाओं के जोड़े के लिए मशीन अनुवाद प्रणालियों की अनुवाद गुणवत्ता का मूल्यांकन किया गया है: फ्रेंच, जर्मन, स्पेनिश और चेक का अंग्रेजी में अनुवाद और वापस। हमने एक व्यापक मानव मूल्यांकन किया जिसने हमें न केवल विभिन्न एमटी प्रणालियों को रैंक करने की अनुमति दी, बल्कि मूल्यांकन प्रक्रिया के उच्च स्तरीय विश्लेषण का भी प्रदर्शन किया। हमने तीन प्रकार के व्यक्तिपरक मूल्यांकन के लिए समय और अंतर-और अंतर-अनोटेटर समझौते को मापा। हमने स्वचालित मूल्यांकन मेट्रिक्स के संबंध को मापा मानव निर्णयों के साथ। इस मेटा-मूल्यांकन से सबसे अधिक इस्तेमाल की जाने वाली पद्धतियों के बारे में आश्चर्यजनक तथ्य सामने आए हैं।
1965a7d9a3eb0727c054fb235b1758c8ffbb8e22	वृत्तीय रूप से ध्रुवीकृत एकल-परत यू-स्लॉट माइक्रोस्ट्रिप पैच एंटीना का प्रस्ताव किया गया है। सुझाया गया असममित यू-स्लॉट, जांच-खाद्य वर्ग पैच माइक्रोस्ट्रिप एंटीना के किसी भी कोने को चैंफरिंग किए बिना परिपत्र ध्रुवीकरण के लिए दो ऑर्थोगोनल मोड उत्पन्न कर सकता है। यू स्लॉट की विभिन्न बांह लंबाई के कारण होने वाले प्रभावों 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 एंटनी की बैंडविड्थ 4% है। एंटीना के प्रयोगात्मक और सैद्धांतिक परिणामों को प्रस्तुत और चर्चा की गई है। वृत्तीय ध्रुवीकरण, मुद्रित एंटेना, यू-स्लॉट।
9462cd1ec2e404b22f76c88b6149d1e84683acb7	इस पत्र में एक ब्रॉडबैंड कॉम्पैक्ट सर्कुलरली पोलराइज्ड (सीपी) पैच एंटीना का प्रस्ताव किया गया है। इस पैच एंटीना में एक मुद्रित मेन्डरिंग जांच (एम-सेंब) और ट्रंक्टेड पैच होते हैं जो एक वाइडबैंड सीपी ऑपरेशन उत्पन्न करने के लिए ऑर्थोगोनल अनुनाद मोड को उत्तेजित करते हैं। 5जी वाई-फाई अनुप्रयोग के अनुकूल अक्षीय-अनुपात (एआर) बैंडविड्थ को और बेहतर बनाने के लिए स्टैक्ड पैच का उपयोग किया जाता है। प्रस्तावित एंटीना क्रमशः 42.3% प्रतिबाधा बैंडविड्थ और 16.8% एआर बैंडविड्थ प्राप्त करता है। एआर बैंडविड्थ के भीतर औसत लाभ 0.5 डीबी से कम भिन्नता के साथ 6.6 डीबीआईसी है। यह कार्य एम-सोनड से संचालित सीपी पैच एंटीना की बैंडविड्थ विस्तार तकनीक का प्रदर्शन करता है। यह पहला अध्ययन है जिसमें जांच की गई है और यह प्रदर्शित किया गया है कि एम-सोनड भी डाइलेक्ट्रिक लोडेड पैच एंटीना में ब्रॉडबैंड विशेषताओं को प्रदान कर सकता है। एंटीना के संभावित अनुप्रयोग 5जी वाई-फाई और उपग्रह संचार प्रणाली हैं।
d6002a6cc8b5fc2218754aed970aac91c8d8e7e9	इस पेपर में हम वास्तविक समय में कई विशिष्ट 3 डी वस्तुओं का पता लगाने के लिए एक नई विधि का प्रस्ताव करते हैं। हम टेम्पलेट आधारित दृष्टिकोण से शुरू करते हैं जो हाल ही में Hinterstoisser et al द्वारा पेश किए गए LINE2D/LINEMOD प्रतिनिधित्व पर आधारित है, फिर भी इसे दो तरीकों से विस्तारित करते हैं। सबसे पहले, हम टेम्पलेट्स को एक भेदभावपूर्ण तरीके से सीखने का प्रस्ताव करते हैं। हम दिखाते हैं कि यह ऑनलाइन किया जा सकता है उदाहरण छवियों के संग्रह के दौरान, कुछ ही मिलीसेकंड में, और डिटेक्टर की सटीकता पर एक बड़ा प्रभाव है। दूसरा, हम एक योजना का प्रस्ताव करते हैं जो कि पता लगाने में तेजी लाने के लिए कैस्केड पर आधारित है। चूंकि किसी वस्तु का पता लगाना तेज़ होता है, इसलिए बहुत कम लागत पर नई वस्तुओं को जोड़ा जा सकता है, जिससे हमारा दृष्टिकोण अच्छी तरह से हो सकता है। हमारे प्रयोगों में, हम आसानी से 10-30 3 डी वस्तुओं को संभालते हैं 10fps से ऊपर फ्रेम दरों पर एक एकल सीपीयू कोर का उपयोग करना। हम गति के मामले में अत्याधुनिक से बेहतर प्रदर्शन करते हैं और साथ ही सटीकता के मामले में, जैसा कि 3 अलग-अलग डेटा सेटों पर मान्य है। यह दोनों monocular रंग छवियों का उपयोग करते समय (LINE2D के साथ) और RGBD छवियों का उपयोग करते समय (LINEEMOD के साथ) रहता है। इसके अलावा, हम 12 वस्तुओं से बना एक चुनौतीपूर्ण नया डेटासेट प्रस्तावित करते हैं, जो मोनोकुलर रंगीन छवियों पर भविष्य के प्रतिस्पर्धी तरीकों के लिए है।
41d103f751d47f0c140d21c5baa4981b3d4c9a76	व्यक्तिगत कहानियाँ जो लोग अपने इंटरनेट वेबलॉग में लिखते हैं उनमें दैनिक घटनाओं के बीच कारण-संबंधों के बारे में पर्याप्त जानकारी शामिल होती है। इस पेपर में हम अपने प्रयासों का वर्णन करते हैं इन कहानियों के लाखों का उपयोग करने के लिए स्वचालित सामान्य ज्ञान कारण तर्क के लिए। सामान्य ज्ञान कारण तर्क समस्या को एक विकल्प विकल्प विकल्प के रूप में डालने से, हम चार प्रयोगों का वर्णन करते हैं जो विभिन्न सांख्यिकीय और सूचना पुनर्प्राप्ति दृष्टिकोणों की तुलना करते हैं ताकि कहानी कॉर्पोरेस में कारण संबंधी जानकारी का शोषण किया जा सके। इन प्रयोगों में शीर्ष प्रदर्शन प्रणाली का उपयोग करता है एक सरल सह-घटना सांख्यिकीय कारण पूर्ववर्ती और परिणामी में शब्दों के बीच, लाखों व्यक्तिगत कहानियों के एक कोरपस में शब्दों के बीच बिंदुवार पारस्परिक सूचना के रूप में गणना की जाती है।
c9d1bcdb95aa748940b85508fd7277622f74c0a4	कम से कम एक दशक से केस रिसर्च सूचना प्रणाली (आईएस) अनुशासन में सम्मान का हकदार है। केस स्टडी की प्रासंगिकता और संभावित मूल्य के बावजूद, इस पद्धतिगत दृष्टिकोण को कभी सबसे कम व्यवस्थित माना जाता था। 1980 के दशक के अंत में, इस बात का सवाल पहली बार उठाया गया कि क्या आईएस केस रिसर्च को सख्ती से चलाया गया था। हमारे क्षेत्र के शोधकर्ता (जैसे, बेनबासत एट अल। 1987; ली 1989) और अन्य विषयों (जैसे, आइज़ेनहार्ड 1989; यिन 1994) से केस रिसर्च में अधिक कठोरता का आह्वान किया गया और उनकी सिफारिशों के माध्यम से, केस स्टडी पद्धति की प्रगति में योगदान दिया गया। इन योगदानों को ध्यान में रखते हुए, वर्तमान अध्ययन का उद्देश्य यह निर्धारित करना है कि आईएस के क्षेत्र में केस स्टडी पद्धति के परिचालन उपयोग में किस हद तक प्रगति हुई है। विशेष रूप से, यह पिछले दशक में किए गए सकारात्मकवादी आईएस केस रिसर्च में पद्धतिगत कठोरता के स्तर की जांच करता है। इस उद्देश्य को पूरा करने के लिए, हमने सात प्रमुख आईएस पत्रिकाओं से 183 केस लेखों की पहचान की और उन्हें कोड किया। वर्तमान समीक्षा में विचार किए गए मूल्यांकन गुण या मानदंड तीन मुख्य क्षेत्रों पर ध्यान केंद्रित करते हैं, अर्थात्, डिजाइन के मुद्दे, डेटा संग्रह और डेटा विश्लेषण। जबकि कुछ विशिष्ट विशेषताओं के संबंध में पद्धतिगत कठोरता के स्तर में मामूली प्रगति हुई है, समग्र मूल्यांकन कठोरता कुछ हद तक अस्पष्ट है और अभी भी सुधार के लिए महत्वपूर्ण क्षेत्र हैं। इनमें से एक महत्वपूर्ण बात यह है कि विशेष रूप से डेटा संग्रह और डेटा के उपयोग से संबंधित मुद्दों के बारे में बेहतर प्रलेखन शामिल करना है।
025cdba37d191dc73859c51503e91b0dcf466741	फिंगरप्रिंट छवि वृद्धि फिंगरप्रिंट मान्यता अनुप्रयोगों में एक आवश्यक पूर्व-प्रसंस्करण चरण है। इस पेपर में हम एक ऐसा दृष्टिकोण पेश करते हैं जो एक साथ गॅबोर वेवलेट फ़िल्टर बैंक द्वारा फिंगरप्रिंट छवि में स्थानीय रिज के अभिविन्यास और आवृत्ति को निकालता है और उन्हें छवि के गॅबोर फ़िल्टरिंग में उपयोग करता है। इसके अलावा, हम फिंगरप्रिंट छवि संवर्धन के लिए एक मजबूत दृष्टिकोण का वर्णन करते हैं, जो गैबोर फिल्टर और दिशात्मक माध्यमिक फिल्टर ((डीएमएफ) के एकीकरण पर आधारित है। वास्तव में, गॉसियन-वितरित शोरों को गॅबोर फिल्टर द्वारा और आवेग शोरों को डीएमएफ द्वारा प्रभावी रूप से कम किया जाता है। प्रस्तावित डीएमएफ न केवल अपने मूल कार्यों को पूरा कर सकता है, बल्कि टूटे हुए फिंगरप्रिंट रिज को भी जोड़ सकता है, फिंगरप्रिंट इमेज के छेद को भर सकता है, अनियमित रिज को चिकना कर सकता है और साथ ही रिज के बीच कुछ कष्टप्रद छोटी कलाकृतियों को हटा सकता है। प्रयोगात्मक परिणामों से पता चलता है कि हमारी विधि साहित्य में वर्णित विधियों से श्रेष्ठ है।
3dfce4601c3f413605399267b3314b90dc4b3362	आज के वैश्विक रूप से संबद्ध समाज में सूचना के प्रसार और साझाकरण की बहुत अधिक मांग है। जबकि अतीत में जारी की गई जानकारी ज्यादातर सारणीबद्ध और सांख्यिकीय रूप में थी, आज कई स्थितियों में विशिष्ट डेटा (माइक्रोडाटा) के जारी होने की आवश्यकता है। जिन संस्थाओं (जिन्हें उत्तरदाता कहा जाता है) की गुमनामी की रक्षा करने के लिए जिनकी जानकारी का उल्लेख किया गया है, डेटा धारक अक्सर नाम, पते और फोन नंबर जैसे स्पष्ट पहचानकर्ताओं को हटा देते हैं या एन्क्रिप्ट करते हैं। हालांकि, पहचान को समाप्त करने वाले डेटा, गुमनामी की कोई गारंटी नहीं देते हैं। जारी की गई जानकारी में अक्सर अन्य डेटा होता है, जैसे कि जाति, जन्म तिथि, लिंग और ज़िप कोड, जो उत्तरदाताओं की पुनः पहचान करने और उन सूचनाओं को निष्कर्ष निकालने के लिए सार्वजनिक रूप से उपलब्ध जानकारी से जुड़ा हो सकता है जिनका खुलासा करने का इरादा नहीं था। इस लेख में हम उन उत्तरदाताओं की गुमनामी की रक्षा करते हुए माइक्रोडाटा जारी करने की समस्या को संबोधित करते हैं जिनसे डेटा संबंधित है। यह दृष्टिकोण k-अनामिकता की परिभाषा पर आधारित है। एक तालिका k-अनामिकता प्रदान करती है यदि स्पष्ट रूप से पहचान करने वाली जानकारी को इसकी सामग्री से जोड़ने का प्रयास जानकारी को कम से कम k संस्थाओं से मैप करता है। हम यह दर्शाते हैं कि सामान्यीकरण और दमन तकनीकों का उपयोग करके जारी की गई जानकारी की अखंडता (या सत्यता) से समझौता किए बिना कैसे-अनामिकता प्रदान की जा सकती है। हम न्यूनतम सामान्यीकरण की अवधारणा को पेश करते हैं जो रिलीज़ प्रक्रिया की संपत्ति को पकड़ती है ताकि k-अनामी प्राप्त करने के लिए आवश्यक से अधिक डेटा को विकृत न किया जा सके, और इस तरह के सामान्यीकरण की गणना के लिए एक एल्गोरिथ्म प्रस्तुत करें। हम विभिन्न न्यूनतम के बीच चयन करने के लिए संभावित वरीयता नीतियों पर भी चर्चा करते हैं
cd866d4510e397dbc18156f8d840d7745943cc1a
74c24d7454a2408f766e4d9e507a0e9c3d80312f	वायरलेस सेंसर नेटवर्क के लिए स्मार्ट कार्ड आधारित उपयोगकर्ता प्रमाणीकरण योजना (संक्षेप में, एक एसयूए-डब्ल्यूएसएन योजना) को केवल उन उपयोगकर्ताओं तक सेंसर डेटा तक पहुंच को प्रतिबंधित करने के लिए डिज़ाइन किया गया है जिनके पास स्मार्ट कार्ड और संबंधित पासवर्ड दोनों हैं। जबकि हाल के वर्षों में एसयूए-डब्ल्यूएसएन योजनाओं की एक महत्वपूर्ण संख्या का सुझाव दिया गया है, उनके इच्छित सुरक्षा गुणों में व्यापक रूप से स्वीकृत मॉडल में औपचारिक परिभाषाओं और प्रमाणों की कमी है। इसका एक परिणाम यह है कि विभिन्न हमलों के प्रति असुरक्षित एसयूए-डब्ल्यूएसएन योजनाएं बहुत अधिक हो गई हैं। इस पेपर में हम बेलारे, पॉइंटचेवल और रोगावे (2000) के व्यापक रूप से स्वीकृत मॉडल का विस्तार करके एसयूए-डब्ल्यूएसएन योजनाओं के विश्लेषण के लिए एक सुरक्षा मॉडल तैयार करते हैं। हमारा मॉडल साइड-चैनल हमलों के साथ-साथ अन्य सामान्य हमलों को कैप्चर करते हुए प्रमाणित कुंजी विनिमय और उपयोगकर्ता गुमनामी की औपचारिक परिभाषाएं प्रदान करता है। हम दीर्घवृत्तीय वक्र क्रिप्टोग्राफी (ईसीसी) पर आधारित एक नई एसयूए-डब्ल्यूएसएन योजना का भी प्रस्ताव करते हैं, और अपने विस्तारित मॉडल में इसके सुरक्षा गुणों को साबित करते हैं। हमारे ज्ञान के अनुसार, हमारी प्रस्तावित योजना पहली एसयूए-डब्ल्यूएसएन योजना है जो प्रमाणित रूप से दोनों प्रमाणित कुंजी विनिमय और उपयोगकर्ता गुमनामी प्राप्त करती है। हमारी योजना अन्य ईसीसी आधारित (गैर-प्रमाणित रूप से सुरक्षित) योजनाओं के साथ कम्प्यूटेशनल रूप से प्रतिस्पर्धी भी है।
3973e14770350ed54ba1272aa3e19b4d21f5dad3	इस पत्र में बॉस के लिए विकसित बाधा का पता लगाने और ट्रैकिंग एल्गोरिदम का वर्णन किया गया है, जो 2007 के डार्पा शहरी चुनौती में कार्नेगी मेलन विश्वविद्यालय की विजेता प्रविष्टि है। हम ट्रैकिंग उपप्रणाली का वर्णन करते हैं और यह दिखाते हैं कि यह व्यापक धारणा प्रणाली के संदर्भ में कैसे कार्य करता है। ट्रैकिंग उपप्रणाली रोबोट को शहरी ड्राइविंग के जटिल परिदृश्यों को समझने की क्षमता देती है ताकि अन्य वाहनों की निकटता में सुरक्षित रूप से संचालित किया जा सके। ट्रैकिंग प्रणाली एक सुसंगत स्थिति मॉडल उत्पन्न करने के लिए पर्यावरण के बारे में अतिरिक्त जानकारी के साथ एक दर्जन से अधिक सेंसर से सेंसर डेटा को मिलाती है। सेंसर डेटा की गुणवत्ता के आधार पर वस्तुओं को ट्रैक करने के लिए एक उपन्यास बहु-मॉडल दृष्टिकोण का उपयोग किया जाता है। अंत में, ट्रैकिंग उपप्रणाली की वास्तुकला स्पष्ट रूप से प्रसंस्करण के प्रत्येक स्तर को अलग करती है। उपप्रणाली को नए सेंसर और सत्यापन एल्गोरिदम जोड़कर आसानी से बढ़ाया जा सकता है।
6a694487451957937adddbd682d3851fabd45626	अत्याधुनिक प्रश्न-उत्तर प्रणाली (क्यूए) उत्तर के अंशों को पुनः प्राप्त करने के लिए शब्द-घनत्व रैंकिंग का उपयोग करती है। इस प्रकार के तरीकों से अक्सर गलत अंशों को प्राप्त किया जाता है क्योंकि प्रश्न शब्दों के बीच संबंधों पर विचार नहीं किया जाता है। पहले के अध्ययनों ने प्रश्नों और उत्तरों के बीच निर्भरता संबंधों को मिलान करके इस समस्या को हल करने का प्रयास किया। उन्होंने सख्त मिलान का प्रयोग किया, जो तब विफल हो जाता है जब अर्थ-समान संबंधों को अलग-अलग शब्दों में व्यक्त किया जाता है। हम सांख्यिकीय मॉडल के आधार पर अस्पष्ट संबंध मिलान का प्रस्ताव करते हैं। हम पिछले क्यूए जोड़े से संबंध मैपिंग स्कोर सीखने के लिए दो विधियां प्रस्तुत करते हैंः एक पारस्परिक जानकारी पर आधारित है और दूसरा अपेक्षा अधिकतमकरण पर। प्रयोगात्मक परिणामों से पता चलता है कि हमारी विधि का मतलब है कि पारस्परिक रैंक में 78% तक अत्याधुनिक घनत्व आधारित मार्ग पुनर्प्राप्ति विधियों से काफी बेहतर है। संबंध मिलान भी क्वेरी विस्तार द्वारा बढ़ाए गए सिस्टम में लगभग 50% सुधार लाता है।
2538e3eb24d26f31482c479d95d2e26c0e79b990	हम एक एकीकृत तंत्रिका नेटवर्क वास्तुकला और सीखने के एल्गोरिथ्म का प्रस्ताव करते हैं जो विभिन्न प्राकृतिक भाषा प्रसंस्करण कार्यों पर लागू किया जा सकता है जिसमें शामिल हैंः भाषण के हिस्से का टैगिंग, खंडन, नामित इकाई पहचान, और अर्थ भूमिका लेबलिंग। यह बहुमुखी प्रतिभा कार्य-विशिष्ट इंजीनियरिंग से बचने की कोशिश करके और इसलिए बहुत सारे पूर्व ज्ञान को अनदेखा करके प्राप्त की जाती है। प्रत्येक कार्य के लिए सावधानीपूर्वक अनुकूलित मानव निर्मित इनपुट सुविधाओं का उपयोग करने के बजाय, हमारा सिस्टम विशाल मात्रा में ज्यादातर बिना लेबल वाले प्रशिक्षण डेटा के आधार पर आंतरिक प्रतिनिधित्व सीखता है। इस कार्य का उपयोग तब एक स्वतंत्र रूप से उपलब्ध टैगिंग प्रणाली के निर्माण के लिए एक आधार के रूप में किया जाता है जिसमें अच्छा प्रदर्शन और न्यूनतम कम्प्यूटेशनल आवश्यकताएं होती हैं।
317deb87586baa4ee7c7b5dfc603ebed94d1da07	हम एक नए तेज विशुद्ध रूप से भेदभावपूर्ण एल्गोरिथ्म का प्रस्ताव करते हैं प्राकृतिक भाषा पार्सिंग, एक गहरी पुनरावर्ती संवहन ग्राफ ट्रांसफार्मर नेटवर्क (जीटीएन) पर आधारित है। एक पार्स ट्री के विघटन को स्तरों के ढेर में मानकर, नेटवर्क पिछले स्तरों की भविष्यवाणियों को ध्यान में रखते हुए पेड़ के एक स्तर की भविष्यवाणी करता है। केवल कुछ बुनियादी पाठ सुविधाओं का उपयोग करना जो कोलोबर्ट और वेस्टन (2008) से शब्द प्रतिनिधित्व का लाभ उठाते हैं, हम एक विशाल गति लाभ के साथ मौजूदा शुद्ध भेदभाव पार्सर और मौजूदा बेंचमार्क पार्सर (जैसे कोलिन्स पार्सर, संभाव्य संदर्भ-मुक्त व्याकरण आधारित) के लिए समान प्रदर्शन (एफ 1 स्कोर में) दिखाते हैं।
04cc04457e09e17897f9256c86b45b92d70a401f	सामाजिक नेटवर्क, फिल्म वरीयता या ज्ञान के आधार जैसे कई डेटा बहु-संबंधी हैं, जिसमें वे संस्थाओं के बीच कई संबंधों का वर्णन करते हैं। जबकि इन आंकड़ों के मॉडलिंग पर ध्यान केंद्रित करने वाले काम का एक बड़ा निकाय है, इन कई प्रकार के संबंधों को संयुक्त रूप से मॉडलिंग करना चुनौतीपूर्ण बना हुआ है। इसके अलावा, जब इन प्रकारों की संख्या बढ़ती है तो मौजूदा दृष्टिकोण टूट जाते हैं। इस पेपर में, हम संभवतः हजारों संबंधों के साथ, बड़े बहु-संबंधी डेटासेट के मॉडलिंग के लिए एक विधि का प्रस्ताव करते हैं। हमारा मॉडल एक द्विध्रुवीय संरचना पर आधारित है, जो डेटा के परस्पर क्रिया के विभिन्न आदेशों को पकड़ता है, और विभिन्न संबंधों में छिपे हुए कारकों को भी साझा करता है। हम मानक टेंसर-फैक्टरिज़ेशन डेटासेट पर हमारे दृष्टिकोण के प्रदर्शन को चित्रित करते हैं जहां हम अत्याधुनिक परिणाम प्राप्त करते हैं, या बेहतर प्रदर्शन करते हैं। अंत में, एक एनएलपी अनुप्रयोग हमारी स्केलेबिलिटी और हमारे मॉडल की क्षमता को कुशल और अर्थपूर्ण अर्थपूर्ण क्रिया प्रतिनिधित्व सीखने के लिए प्रदर्शित करता है।
052b1d8ce63b07fec3de9dbb583772d860b7c769	हम न्यूरॉन जैसी इकाइयों के नेटवर्क के लिए एक नई सीखने की प्रक्रिया, बैक-प्रोपेगशन का वर्णन करते हैं। इस प्रक्रिया में नेटवर्क में कनेक्शनों के भार को बार-बार समायोजित किया जाता है ताकि नेट के वास्तविक आउटपुट वेक्टर और वांछित आउटपुट वेक्टर के बीच अंतर को कम से कम किया जा सके। भार समायोजन के परिणामस्वरूप, आंतरिक "छिपी हुई" इकाइयाँ जो इनपुट या आउटपुट का हिस्सा नहीं हैं, कार्य क्षेत्र की महत्वपूर्ण विशेषताओं का प्रतिनिधित्व करती हैं, और कार्य में नियमितता इन इकाइयों की बातचीत द्वारा कैप्चर की जाती है। उपयोगी नई विशेषताएं बनाने की क्षमता, पहले की सरल विधियों जैसे कि पर्सेप्ट्रॉन-कन्वर्जेंस प्रक्रिया से बैक-प्रोपेगरेशन को अलग करती है।
07f3f736d90125cb2b04e7408782af411c67dd5a	कई प्राकृतिक भाषा कार्यों के लिए अर्थिक मिलान का केंद्रीय महत्व है [2, 28]. एक सफल मिलान एल्गोरिथ्म को भाषा वस्तुओं की आंतरिक संरचनाओं और उनके बीच बातचीत का पर्याप्त रूप से मॉडलिंग करने की आवश्यकता होती है। इस लक्ष्य की ओर एक कदम के रूप में, हम दृष्टि और भाषण में संवहन रणनीति को अनुकूलित करके दो वाक्यों के मिलान के लिए संवहन तंत्रिका नेटवर्क मॉडल का प्रस्ताव करते हैं। प्रस्तावित मॉडल न केवल वाक्य की पदानुक्रमित संरचनाओं को उनके परत-दर-स्तर की रचना और पूलिंग के साथ अच्छी तरह से प्रदर्शित करते हैं, बल्कि विभिन्न स्तरों पर समृद्ध मिलान पैटर्न को भी पकड़ते हैं। हमारे मॉडल सामान्य हैं, भाषा के बारे में कोई पूर्व ज्ञान की आवश्यकता नहीं है, और इसलिए विभिन्न प्रकृति के कार्यों और विभिन्न भाषाओं में मिलान करने के लिए लागू किया जा सकता है। विभिन्न प्रकार के मिलान कार्यों पर अनुभवजन्य अध्ययन विभिन्न प्रकार के मिलान कार्यों पर प्रस्तावित मॉडल की प्रभावशीलता और प्रतिस्पर्धी मॉडलों पर इसकी श्रेष्ठता को प्रदर्शित करता है।
0af737eae02032e66e035dfed7f853ccb095d6f5	उत्तर चयन (एएस), परिभाषात्मक पहचान (पीआई) और पाठ संबंधी समावेश (टीई) जैसे कई एनएलपी कार्यों में वाक्य की एक जोड़ी को कैसे मॉडलिंग किया जाए, यह एक महत्वपूर्ण मुद्दा है। अधिकांश पूर्व कार्य (i) एक विशिष्ट प्रणाली को ठीक करके एक व्यक्तिगत कार्य से संबंधित है; (ii) प्रत्येक वाक्य के प्रतिनिधित्व को अलग से मॉडल करता है, शायद ही कभी दूसरे वाक्य के प्रभाव पर विचार करता है; या (iii) पूरी तरह से मैन्युअल रूप से डिज़ाइन किए गए, कार्य-विशिष्ट भाषाई विशेषताओं पर निर्भर करता है। यह कार्य वाक्य के एक जोड़े को मॉडलिंग करने के लिए एक सामान्य ध्यान आधारित संवहन तंत्रिका नेटवर्क (एबीसीएनएन) प्रस्तुत करता है। हम तीन योगदान देते हैं। (i) एबीसीएनएन को विभिन्न प्रकार के कार्यों पर लागू किया जा सकता है, जिन्हें वाक्य जोड़े के मॉडलिंग की आवश्यकता होती है। (ii) हम तीन ध्यान योजनाओं का प्रस्ताव करते हैं जो सीएनएन में वाक्य के बीच आपसी प्रभाव को एकीकृत करते हैं; इस प्रकार, प्रत्येक वाक्य का प्रतिनिधित्व उसके समकक्ष को ध्यान में रखता है। ये परस्पर निर्भर वाक्य जोड़ी प्रतिनिधित्व अलग-थलग वाक्य प्रतिनिधित्व से अधिक शक्तिशाली हैं। (iii) एबीसीएनएन एएस, पीआई और टीई कार्यों पर अत्याधुनिक प्रदर्शन प्राप्त करते हैं। हम कोड को https://github.com/yinwenpeng/Answer_Selection पर जारी करते हैं।
1c059493904b2244d2280b8b4c0c7d3ca115be73	नेटवर्क में नोड्स और किनारों पर भविष्यवाणी कार्यों के लिए सीखने वाले एल्गोरिदम द्वारा उपयोग की जाने वाली इंजीनियरिंग विशेषताओं में सावधानीपूर्वक प्रयास की आवश्यकता होती है। प्रतिनिधित्व सीखने के व्यापक क्षेत्र में हाल के शोधों ने स्वयं विशेषताओं को सीखकर भविष्यवाणी को स्वचालित करने में महत्वपूर्ण प्रगति की है। हालांकि, वर्तमान विशेषता सीखने के दृष्टिकोण नेटवर्क में देखे गए कनेक्टिविटी पैटर्न की विविधता को पकड़ने के लिए पर्याप्त अभिव्यक्तिपूर्ण नहीं हैं। यहाँ हम नोड2वेक का प्रस्ताव करते हैं, जो नेटवर्क में नोड्स के लिए निरंतर सुविधा प्रतिनिधित्व सीखने के लिए एक एल्गोरिथम ढांचा है। नोड2वेक में, हम नोड्स के मानचित्रण को सुविधाओं के एक निम्न-आयामी स्थान पर सीखते हैं जो नोड्स के नेटवर्क पड़ोस को संरक्षित करने की संभावना को अधिकतम करता है। हम एक नोड के नेटवर्क पड़ोस की एक लचीली धारणा को परिभाषित करते हैं और एक पक्षपाती यादृच्छिक चलने की प्रक्रिया को डिजाइन करते हैं, जो कुशलता से विविध पड़ोस का पता लगाता है। हमारा एल्गोरिथ्म पूर्व कार्य को सामान्य करता है जो नेटवर्क पड़ोस की कठोर धारणाओं पर आधारित है, और हम तर्क देते हैं कि पड़ोस की खोज में जोड़ा गया लचीलापन समृद्ध प्रतिनिधित्व सीखने की कुंजी है। हम विभिन्न क्षेत्रों से कई वास्तविक दुनिया के नेटवर्क में बहु-लेबल वर्गीकरण और लिंक भविष्यवाणी पर मौजूदा अत्याधुनिक तकनीकों पर नोड 2 वीईसी की प्रभावशीलता का प्रदर्शन करते हैं। एक साथ लिया गया, हमारा काम जटिल नेटवर्क में अत्याधुनिक कार्य-स्वतंत्र प्रतिनिधित्वों को कुशलतापूर्वक सीखने का एक नया तरीका है।
de93c4f886bdf55bfc1bcaefad648d5996ed3302	यह अध्याय आधुनिक घुसपैठ का पता लगाने की स्थिति की जांच करता है, जिसमें डेटा माइनिंग के उभरते दृष्टिकोण पर विशेष जोर दिया गया है। चर्चा में घुसपैठ का पता लगाने के दो महत्वपूर्ण पहलुओं को समानांतर रखा गया है: सामान्य पता लगाने की रणनीति (दुरुपयोग का पता लगाने बनाम विसंगति का पता लगाने) और डेटा स्रोत (व्यक्तिगत मेजबान बनाम नेटवर्क ट्रैफिक) । दुरुपयोग 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 . दो दृष्टिकोणों के बीच, केवल विसंगति का पता लगाने में अज्ञात हमलों का पता लगाने की क्षमता है। विसंगति का पता लगाने के लिए एक विशेष रूप से आशाजनक दृष्टिकोण एसोसिएशन खनन को वर्गीकरण जैसे मशीन सीखने के अन्य रूपों के साथ जोड़ता है। इसके अलावा, घुसपैठ का पता लगाने वाली प्रणाली द्वारा उपयोग किए जाने वाले डेटा स्रोत का उन प्रकार के हमलों पर महत्वपूर्ण प्रभाव पड़ता है जिनका वह पता लगा सकता है। उपलब्ध विस्तृत जानकारी के स्तर में एक समझौता है। बारबरा व अन्य (संपादकीय) ), कंप्यूटर सुरक्षा में डेटा खनन के 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। इस प्रकार के हस्तांतरण सीखने के दृष्टिकोण से पारंपरिक बैग-ऑफ-विजुअल-वर्ड दृष्टिकोण पर आधारित विशेषताओं पर स्पष्ट प्रदर्शन लाभ मिलता है। प्रयोगात्मक परिणाम WordSim353 और MEN अर्थ संबंधीता मूल्यांकन कार्यों पर रिपोर्ट किए गए हैं। हम इमेजनेट या ईएसपी गेम इमेज का उपयोग करके गणना की गई दृश्य विशेषताओं का उपयोग करते हैं।
a65e815895bed510c0549957ce6baa129c909813	हम गैर-संबद्ध रूपविज्ञान सीखने के लिए एक अनसुर्क्षित दृष्टिकोण का प्रस्ताव करते हैं, जिसे हम अरबी जड़ों और पैटर्न टेम्पलेट्स के एक शब्दकोश को प्रेरित करने के लिए लागू करते हैं। यह दृष्टिकोण इस विचार पर आधारित है कि मूल और पैटर्न को परिकल्पित पैटर्न और मूल आवृत्तियों के आधार पर पारस्परिक रूप से पुनरावर्ती स्कोरिंग के माध्यम से प्रकट किया जा सकता है। एक और पुनरावर्ती परिष्करण चरण के बाद, प्रेरित शब्दकोश के साथ रूपात्मक विश्लेषण 94% से अधिक की जड़ पहचान सटीकता प्राप्त करता है। हमारा दृष्टिकोण अरबी रूप-विज्ञान के अनसुर्क्षित सीखने पर पिछले काम से इस बात में भिन्न है कि यह स्वाभाविक रूप से लिखित, अघोषित पाठ पर लागू होता है।
3f4e71d715fce70c89e4503d747aad11fcac8a43	यह केस स्टडी ऑटो इंक के भीतर तीन अलग-अलग डिजिटल नवाचार परियोजनाओं की जांच करती है -- एक बड़ा यूरोपीय ऑटोमेकर। प्रतिस्पर्धी मूल्यों के ढांचे का उपयोग करके एक सैद्धांतिक लेंस के रूप में हम यह पता लगाते हैं कि कैसे गतिशील क्षमताएं एक फर्म में उत्पन्न होती हैं जो डिजिटलीकरण से उत्पन्न होने और नवाचार करने की बढ़ती मांगों को पूरा करने की कोशिश करती है। इस डिजिटलीकरण प्रक्रिया में, हमारे अध्ययन से पता चलता है कि स्थापित सामाजिक-तकनीकी संगति को चुनौती दी जा रही है। इसके अलावा, हम संगठनों के लिए डिजिटलीकरण के युग में नई प्रयोगात्मक सीखने की प्रक्रियाओं को अपनाने के तरीके खोजने की आवश्यकता को रेखांकित करते हैं। इस तरह के परिवर्तन के लिए दीर्घकालिक प्रतिबद्धता और दृष्टि की आवश्यकता होती है, इस अध्ययन में इस तरह के प्रयोगात्मक प्रक्रियाओं के लिए तीन अनौपचारिक सक्षमकर्ता प्रस्तुत किए गए हैं। ये सक्षमकर्ता समय, दृढ़ता और संपर्क हैं।
c22366074e3b243f2caaeb2f78a2c8d56072905e	एक अनुदैर्ध्य-स्लॉट रिडग वेवगाइड एंटीना सरणी को एक कॉम्पैक्ट अनुप्रस्थ आयाम के साथ प्रस्तुत किया गया है। सरणी की बैंडविड्थ को व्यापक बनाने के लिए, इसे दो उप-सरणियों में विभाजित किया जाता है, जो एक उपन्यास कॉम्पैक्ट उत्तल वेवगाइड डिवाइडर द्वारा खिलाया जाता है। डिजाइन की वैधता की पुष्टि करने के लिए एक्स-बैंड पर 16 तत्वों की एक समान रैखिक सरणी का निर्माण और मापन किया गया था। S11les-15 dB की मापी गई बैंडविड्थ 14.9% है और मापी गई क्रॉस- ध्रुवीकरण स्तर पूरी बैंडविड्थ पर -36 dB से कम है। यह सरणी कृत्रिम एपर्चर रडार (एसएआर) अनुप्रयोग के लिए एक द्वि-आयामी दोहरे ध्रुवीकरण एंटीना सरणी बनाने के लिए किनारे-स्लॉट वेवगाइड सरणी के साथ संयुक्त की जा सकती है
0d57ba12a6d958e178d83be4c84513f7e42b24e5	गहरी शिक्षा बड़े तंत्रिका नेटवर्क और बड़े डेटासेट के साथ पनपती है। हालांकि, बड़े नेटवर्क और बड़े डेटासेट के परिणामस्वरूप लंबे प्रशिक्षण समय होते हैं जो अनुसंधान और विकास की प्रगति में बाधा डालते हैं। वितरित समकालिक एसजीडी समानांतर श्रमिकों के पूल पर एसजीडी मिनीबैचों को विभाजित करके इस समस्या का एक संभावित समाधान प्रदान करता है। फिर भी इस योजना को कुशल बनाने के लिए प्रति श्रमिक कार्यभार बड़ा होना चाहिए, जिसका अर्थ है एसजीडी मिनीबैच आकार में महत्वपूर्ण वृद्धि। इस पेपर में, हम अनुभवजन्य रूप से दिखाते हैं कि इमेजनेट डेटासेट पर बड़े मिनीबैच अनुकूलन कठिनाइयों का कारण बनते हैं, लेकिन जब इन्हें संबोधित किया जाता है तो प्रशिक्षित नेटवर्क अच्छे सामान्यीकरण का प्रदर्शन करते हैं। विशेष रूप से, हम 8192 छवियों तक बड़े मिनीबैच आकार के साथ प्रशिक्षण के दौरान सटीकता में कोई नुकसान नहीं दिखाते हैं। इस परिणाम को प्राप्त करने के लिए, हम एक लघु बैच आकार के कार्य के रूप में सीखने की दरों को समायोजित करने के लिए एक रैखिक स्केलिंग नियम को अपनाते हैं और एक नई वार्मअप योजना विकसित करते हैं जो प्रशिक्षण में जल्दी अनुकूलन चुनौतियों को दूर करती है। इन सरल तकनीकों के साथ, हमारे कैफे 2 आधारित सिस्टम एक घंटे में 256 जीपीयू पर 8192 के मिनीबैच आकार के साथ ResNet50 को प्रशिक्षित करता है, जबकि छोटे मिनीबैच सटीकता से मेल खाता है। कमोडिटी हार्डवेयर का उपयोग करते हुए, हमारा कार्यान्वयन 8 से 256 GPU तक जाने पर ∼90% स्केलिंग दक्षता प्राप्त करता है। यह प्रणाली हमें उच्च दक्षता के साथ इंटरनेट स्केल डेटा पर दृश्य पहचान मॉडल को प्रशिक्षित करने में सक्षम बनाती है।
2bbe9735b81e0978125dad005656503fca567902	कर्नेल रूटकिट कंप्यूटर प्रणालियों के लिए एक बड़ा खतरा है। वे चुपके हैं और सिस्टम संसाधनों तक उनकी अप्रतिबंधित पहुंच हो सकती है। यह पेपर एक अतिथि वीएम में नियंत्रण-प्रवाह संशोधित करने वाले कर्नेल रूटकिट का पता लगाने और पहचानने के लिए एक नई वर्चुअल मशीन (वीएम) मॉनिटर आधारित फ्रेमवर्क, नुमचेकर प्रस्तुत करता है। NumChecker सिस्टम कॉल के निष्पादन के दौरान होने वाली कुछ हार्डवेयर घटनाओं की संख्या को मापकर अतिथि VM में सिस्टम कॉल में दुर्भावनापूर्ण संशोधनों का पता लगाता है और पहचानता है. इन घटनाओं को स्वचालित रूप से गिनने के लिए, NumChecker हार्डवेयर प्रदर्शन काउंटर (HPCs) का लाभ उठाता है, जो आधुनिक प्रोसेसर में मौजूद हैं। एचपीसी का उपयोग करने से जांच लागत में काफी कमी आती है और छेड़छाड़ प्रतिरोध बढ़ाया जाता है। हम कर्नेल आधारित वीएम के साथ लिनक्स पर NumChecker का एक प्रोटोटाइप लागू करते हैं। एक एचपीसी आधारित दो-चरण कर्नेल रूटकिट का पता लगाने और पहचान तकनीक प्रस्तुत की जाती है और कई वास्तविक दुनिया के कर्नेल रूटकिट पर मूल्यांकन किया जाता है। परिणाम इसकी व्यावहारिकता और प्रभावशीलता को प्रदर्शित करते हैं।
a3d638ab304d3ef3862d37987c3a258a24339e05	साइकिलगैन [झू एट अल., 2017] दो छवि वितरणों के बीच एक परिवर्तन सीखने के लिए एक हालिया सफल दृष्टिकोण है। प्रयोगों की एक श्रृंखला में, हम मॉडल की एक दिलचस्प संपत्ति का प्रदर्शन करते हैंः साइकिलगैन एक स्रोत छवि के बारे में जानकारी को लगभग अदृश्य, उच्च आवृत्ति संकेत में उत्पन्न छवियों में "छिपा" करना सीखता है। यह चाल यह सुनिश्चित करती है कि जनरेटर मूल नमूना को पुनर्प्राप्त कर सकता है और इस प्रकार चक्रगत स्थिरता आवश्यकता को पूरा करता है, जबकि उत्पन्न छवि यथार्थवादी बनी रहती है। हम इस घटना को विरोधी हमलों के साथ जोड़ते हैं, साइकिलगैन की प्रशिक्षण प्रक्रिया को विरोधी उदाहरणों के जनरेटर के रूप में देखते हैं और यह प्रदर्शित करते हैं कि चक्रीय स्थिरता हानि साइकिलगैन को विरोधी हमलों के लिए विशेष रूप से कमजोर बनाती है।
c171faac12e0cf24e615a902e584a3444fcd8857
5a14949bcc06c0ae9eecd29b381ffce22e1e75b2	इस डेटाबेस के इस अंक में लेखों को एंथनी जी द्वारा चुना गया था। होपवुड, जो लंदन ग्रेजुएट स्कूल ऑफ बिजनेस स्टडीज में लेखा और वित्तीय रिपोर्टिंग के प्रोफेसर हैं। प्रोफेसर होपवुड ने लिखा कि लेखों में सूचना प्रणालियों में रुचि रखने वाले सभी लोगों के लिए महत्वपूर्ण विचार हैं, चाहे वे व्यवसायी हों या शिक्षाविद। लेखक, उस समय उनके पेशेवर संबद्धता के साथ, क्रिस अर्गिरिस, ग्रेजुएट स्कूल ऑफ एजुकेशन, हार्वर्ड विश्वविद्यालय; बो हेडबर्ग और स्टेन जोन्सन, बिजनेस एडमिनिस्ट्रेशन विभाग, गोथेनबर्ग विश्वविद्यालय; जे। फ्रिस्को डेन हर्टोग, एन। वी. फिलिप्स ग्लोईलैम्पफैब्रीकेन, नीदरलैंड, और माइकल जे। अर्ल, ऑक्सफोर्ड सेंटर फॉर मैनेजमेंट स्टडीज। लेख मूल रूप से लेखांकन, संगठन और समाज में प्रकाशित हुए थे, एक प्रकाशन जिसका प्रोफेसर होपवुड प्रधान संपादक हैं। एओएस उभरते हुए विकासों की निगरानी करने और नए दृष्टिकोणों और दृष्टिकोणों को सक्रिय रूप से प्रोत्साहित करने के लिए मौजूद है।
02227c94dd41fe0b439e050d377b0beb5d427cda	प्राकृतिक छवियों से पाठ का पता लगाना और पढ़ना एक कठिन कंप्यूटर दृष्टि कार्य है जो विभिन्न उभरते अनुप्रयोगों के लिए केंद्रीय है। दस्तावेज़ वर्ण पहचान जैसी संबंधित समस्याओं का व्यापक रूप से कंप्यूटर विजन और मशीन लर्निंग शोधकर्ताओं द्वारा अध्ययन किया गया है और व्यावहारिक अनुप्रयोगों के लिए लगभग हल किया जाता है जैसे कि हस्तलिखित अंकों को पढ़ना। हालांकि, तस्वीरों जैसे अधिक जटिल दृश्यों में पात्रों को विश्वसनीय रूप से पहचानना कहीं अधिक कठिन है: सर्वोत्तम मौजूदा विधियां समान कार्यों पर मानव प्रदर्शन से काफी पीछे हैं। इस पेपर में हम अनसुर्क्षित सुविधा सीखने के तरीकों का उपयोग करके वास्तविक अनुप्रयोग में अंकों को पहचानने की समस्या पर हमला करते हैंः सड़क स्तर की तस्वीरों से घर के नंबर पढ़ना। इस उद्देश्य के लिए, हम अनुसंधान उपयोग के लिए एक नया बेंचमार्क डेटासेट पेश करते हैं जिसमें स्ट्रीट व्यू छवियों से 600,000 से अधिक लेबल किए गए अंक हैं। फिर हम यह दिखाते हैं कि इन अंकों को पहचानने में कितनी कठिनाई होती है जब समस्या को हाथ से तैयार किए गए विशेषताओं के साथ देखा जाता है। अंत में, हम दो हाल ही में प्रस्तावित अनसुर्क्षित विशेषता सीखने के तरीकों के वेरिएंट का उपयोग करते हैं और पाते हैं कि वे हमारे बेंचमार्क पर आश्वस्त रूप से बेहतर हैं।
081651b38ff7533550a3adfc1c00da333a8fe86c	प्राकृतिक छवियों पर प्रशिक्षित कई गहरे तंत्रिका नेटवर्क एक जिज्ञासु घटना को आम में प्रदर्शित करते हैंः पहली परत पर वे गैबोर फिल्टर और रंग ब्लब के समान सुविधाओं को सीखते हैं। ऐसी प्रथम-स्तर विशेषताएं किसी विशेष डेटासेट या कार्य के लिए विशिष्ट नहीं होती हैं, बल्कि सामान्य होती हैं क्योंकि वे कई डेटासेट और कार्यों पर लागू होती हैं। नेटवर्क की अंतिम परत तक विशेषताओं को सामान्य से विशिष्ट में अंततः संक्रमण करना चाहिए, लेकिन इस संक्रमण का व्यापक रूप से अध्ययन नहीं किया गया है। इस पेपर में हम प्रयोगात्मक रूप से गहरे संवहन तंत्रिका नेटवर्क की प्रत्येक परत में न्यूरॉन्स की विशिष्टता के विरुद्ध सामान्यता की मात्रा निर्धारित करते हैं और कुछ आश्चर्यजनक परिणामों की रिपोर्ट करते हैं। हस्तांतरणीयता दो अलग-अलग मुद्दों से नकारात्मक रूप से प्रभावित होती हैः (1) उच्च परत न्यूरॉन्स की विशेषज्ञता उनके मूल कार्य के लिए लक्ष्य कार्य पर प्रदर्शन की कीमत पर, 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 में, हम प्रदर्शित करते हैं कि इनमें से कोई भी दो मुद्दों पर हावी हो सकता है, इस बात पर निर्भर करता है कि क्या सुविधाओं को नीचे, मध्य या नेटवर्क के शीर्ष से स्थानांतरित किया जाता है। हम यह भी दस्तावेज है कि सुविधाओं की हस्तांतरणीयता के रूप में कमी आती है आधार कार्य और लक्ष्य कार्य के बीच की दूरी बढ़ जाती है, लेकिन यह कि दूर के कार्यों से भी सुविधाओं को स्थानांतरित करना यादृच्छिक सुविधाओं का उपयोग करने से बेहतर हो सकता है। एक अंतिम आश्चर्यजनक परिणाम यह है कि लगभग किसी भी संख्या में परतों से स्थानांतरित सुविधाओं के साथ एक नेटवर्क को आरंभ करना सामान्यीकरण को बढ़ावा दे सकता है जो लक्ष्य डेटासेट के लिए ठीक-ट्यूनिंग के बाद भी रहता है।
6c8d5d5eee5967958a2e03a84bcc00f1f81f4d9e	उच्च-प्रवाह अनुक्रमण ने उच्च गुणवत्ता वाले डी नोवो असेंबल किए गए जीनोम अनुक्रमों को प्राप्त करना सैद्धांतिक रूप से संभव बना दिया है लेकिन व्यवहार में डीएनए अर्क अक्सर अन्य जीवों से अनुक्रमों के साथ दूषित होते हैं। वर्तमान में, यूकेरियोटिक असेंबली को सख्ती से शुद्ध करने के लिए कुछ मौजूदा तरीके हैं। जो मौजूद हैं वे प्रदूषकों के लिए न्यूक्लियोटाइड समानता के आधार पर फ़िल्टर अनुक्रम हैं और लक्ष्य जीव से अनुक्रमों को समाप्त करने का जोखिम उठाते हैं। हम एक स्थापित मशीन सीखने की विधि का एक नया अनुप्रयोग पेश करते हैं, एक निर्णय पेड़, जो अनुक्रमों को सख्ती से वर्गीकृत कर सकता है। निर्णय वृक्ष की मुख्य शक्ति यह है कि यह किसी भी मापी गई विशेषता को इनपुट के रूप में ले सकता है और इसके लिए महत्वपूर्ण वर्णकों की पूर्व पहचान की आवश्यकता नहीं होती है। हम निर्णय वृक्ष का उपयोग नव-संयोजित अनुक्रमों को वर्गीकृत करने और प्रकाशित प्रोटोकॉल के लिए विधि की तुलना करने के लिए करते हैं। यूकेरियोटिक डी नोवो असेंबली में अनुक्रमों को वर्गीकृत करते समय निर्णय वृक्ष मौजूदा तरीकों से बेहतर प्रदर्शन करता है। यह कुशल है, आसानी से लागू किया जाता है, और सटीक रूप से लक्ष्य और दूषित अनुक्रमों की पहचान करता है। महत्वपूर्ण बात यह है कि निर्णय वृक्ष का उपयोग मापा वर्णकों के अनुसार अनुक्रमों को वर्गीकृत करने के लिए किया जा सकता है और इसका जैविक डेटासेट को परिष्कृत करने में संभावित रूप से कई उपयोग हैं।
26433d86b9c215b5a6871c70197ff4081d63054a	बहुआयामी बायोमेट्रिक्स ने हाल ही में बायोमेट्रिक पहचान प्रणाली में अपने उच्च प्रदर्शन के लिए पर्याप्त रुचि आकर्षित की है। इस लेख में हम चेहरे और हथेली के निशान की छवियों के लिए मल्टीमोडल बायोमेट्रिक्स का परिचय देते हैं। भेदभावपूर्ण विशेषताओं को निकालने के लिए गॅबोर आधारित छवि प्रसंस्करण का उपयोग किया जाता है, जबकि प्रत्येक मोडलिटी के आयाम को कम करने के लिए मुख्य घटक विश्लेषण (पीसीए) और रैखिक भेदभाव विश्लेषण (एलडीए) का उपयोग किया जाता है। एलडीए के आउटपुट गुणों को क्रमबद्ध रूप से संयुक्त किया जाता है और एक यूक्लिडियन दूरी वर्गीकरणकर्ता द्वारा वर्गीकृत किया जाता है। ओआरएल चेहरे और पॉली-यू हथेली के निशान डेटाबेस पर आधारित प्रयोगात्मक परिणामों से साबित हुआ कि यह संलयन तकनीक एकल मोडल बायोमेट्रिक्स द्वारा उत्पादित की तुलना में बायोमेट्रिक मान्यता दरों को बढ़ाने में सक्षम है।
1c01e44df70d6fde616de1ef90e485b23a3ea549	हम मार्कोव यादृच्छिक क्षेत्र (एमआरएफ) के लॉग विभाजन फ़ंक्शन पर ऊपरी सीमाओं की एक नई श्रेणी पेश करते हैं। यह मात्रा विभिन्न संदर्भों में महत्वपूर्ण भूमिका निभाती है, जिसमें सीमांत वितरण, पैरामीटर अनुमान, संयोजी गणना, सांख्यिकीय निर्णय सिद्धांत और बड़े विचलन सीमाएं शामिल हैं। हमारा व्युत्पन्न उत्तल द्वैत और सूचना ज्यामिति की अवधारणाओं पर आधारित हैः विशेष रूप से, यह घातीय डोमेन में वितरण के मिश्रण का शोषण करता है, और घातीय और औसत मापदंडों के बीच लेजेंड्रे मैपिंग। वृक्ष-संरचित वितरणों के उत्तल संयोजनों के विशेष मामले में, हम भिन्नता समस्याओं का एक परिवार प्राप्त करते हैं, जो बेथ भिन्नता समस्या के समान है, लेकिन निम्नलिखित वांछनीय गुणों से प्रतिष्ठित हैः i) वे उत्तल हैं, और एक अद्वितीय वैश्विक इष्टतम है; और ii) इष्टतम लॉग विभाजन फ़ंक्शन पर एक ऊपरी सीमा देता है। यह इष्टतम स्थिर स्थितियों द्वारा परिभाषित किया जाता है जो कि योग-उत्पाद एल्गोरिथ्म के निश्चित बिंदुओं को परिभाषित करने वाले लोगों के समान हैं, या अधिक सामान्य रूप से, बेथ वैरिएशनल समस्या के किसी भी स्थानीय इष्टतम। योग-उत्पाद निश्चित बिंदुओं के साथ, अनुकूलन तर्क के तत्वों का उपयोग मूल मॉडल के सीमांतों के अनुमान के रूप में किया जा सकता है। विश्लेषण स्वाभाविक रूप से हाइपरट्री-संरचित वितरण के उत्तल संयोजनों तक फैला हुआ है, इस प्रकार किकुची अनुमानों और वेरिएंट्स के लिए लिंक स्थापित करता है।
39a6cc80b1590bcb2927a9d4c6c8f22d7480fbdd	इस पेपर में हम वीडियो या 3 डी इमेजरी जैसे एमआरआई डेटा के लिए एक 3-आयामी (3 डी) एसआईएफटी वर्णक का परिचय देते हैं। हम यह भी दिखाते हैं कि कैसे यह नया वर्णक क्रिया पहचान के अनुप्रयोग में वीडियो डेटा की 3 डी प्रकृति का बेहतर प्रतिनिधित्व करने में सक्षम है। यह पेपर दिखाएगा कि कैसे 3 डी SIFT पहले इस्तेमाल की गई विवरण विधियों को एक सुरुचिपूर्ण और कुशल तरीके से बेहतर करने में सक्षम है। हम वीडियो का प्रतिनिधित्व करने के लिए शब्दों के एक बैग का उपयोग करते हैं, और वीडियो डेटा का बेहतर वर्णन करने के लिए स्थानिक-समय शब्दों के बीच संबंधों की खोज करने के लिए एक विधि प्रस्तुत करते हैं।
0a10d64beb0931efdc24a28edaa91d539194b2e2	हम बहुत बड़े डेटा सेट से शब्दों के निरंतर वेक्टर प्रतिनिधित्व की गणना के लिए दो उपन्यास मॉडल वास्तुकला का प्रस्ताव करते हैं। इन प्रतिनिधित्वों की गुणवत्ता को शब्द समानता कार्य में मापा जाता है, और परिणामों की तुलना विभिन्न प्रकार के तंत्रिका नेटवर्क पर आधारित पहले की सबसे अच्छी प्रदर्शन तकनीकों से की जाती है। हम बहुत कम गणना लागत पर सटीकता में बड़े सुधार का निरीक्षण करते हैं, यानी एक दिन से भी कम समय लगता है उच्च गुणवत्ता वाले शब्द वेक्टरों को सीखने के लिए 1.6 अरब शब्दों के डेटा सेट से। इसके अलावा, हम दिखाते हैं कि ये वेक्टर वाक्यविन्यास और अर्थ संबंधी शब्द समानताओं को मापने के लिए हमारे परीक्षण सेट पर अत्याधुनिक प्रदर्शन प्रदान करते हैं।

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 Hindi 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 Hindi language processing.

Usage

This dataset is designed for:

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

Dataset Structure

The dataset consists of three main components:

Corpus: Collection of documents in Hindi
Queries: Search queries in Hindi
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_hi}
}