Datasets:

carlfeynman

/

Bharat_NanoSCIDOCS_hi

like 0

2b211f9553ec78ff17fa3ebe16c0a036ef33c54b

मार्को ए. रोड्रिगेज एटी एंड टी इंटरएक्टिव में ग्राफ सिस्टम आर्किटेक्ट हैं। मार्को <at>markorodriguez.com पर उनसे संपर्क किया जा सकता है। पीटर न्यूबॉयर नियो टेक्नोलॉजी के मुख्य परिचालन अधिकारी हैं। वह peter.neubauer<at>neotechnology.com पर उपलब्ध हैं। एक ग्राफ एक डेटा संरचना है जो डॉट्स (यानी, वर्टिक्स) और लाइनों (यानी, किनारों) से बना होता है। रेखाचित्र के बिंदुओं और रेखाओं को जटिल व्यवस्थाओं में व्यवस्थित किया जा सकता है। वस्तुओं और एक दूसरे के साथ उनके संबंधों को दर्शाने की ग्राफ की क्षमता आश्चर्यजनक रूप से बड़ी संख्या में चीजों को ग्राफ के रूप में मॉडलिंग करने की अनुमति देती है। सॉफ्टवेयर पैकेजों को जोड़ने वाली निर्भरता से लेकर लकड़ी की बीम तक जो एक घर को फ्रेमिंग प्रदान करती हैं, लगभग हर चीज का एक संबंधित ग्राफ प्रतिनिधित्व होता है। हालांकि, सिर्फ इसलिए कि किसी वस्तु को ग्राफ के रूप में प्रस्तुत करना संभव है इसका यह अर्थ नहीं है कि इसका ग्राफ प्रतिनिधित्व उपयोगी होगा। यदि कोई मॉडेलर उन उपकरणों और एल्गोरिदम का लाभ उठा सकता है जो ग्राफ को संग्रहीत और संसाधित करते हैं, तो इस तरह की मैपिंग सार्थक है। यह लेख कंप्यूटिंग में ग्राफ की दुनिया की खोज करता है और उन स्थितियों को उजागर करता है जिनमें ग्राफिकल मॉडल फायदेमंद होते हैं।

0c5e3186822a3d10d5377b741f36b6478d0a8667

कृत्रिम बुद्धि में एक केंद्रीय समस्या आंशिक रूप से अवलोकन योग्य वातावरण में अनिश्चितता के तहत भविष्य के इनाम को अधिकतम करने की योजना है। इस पेपर में हम एक उपन्यास एल्गोरिथ्म का प्रस्ताव और प्रदर्शन करते हैं जो सीधे क्रिया-निरीक्षण जोड़े के अनुक्रमों से ऐसे वातावरण के मॉडल को सही ढंग से सीखता है। फिर हम सीखे गए मॉडल में योजना बनाकर और मूल वातावरण में लगभग इष्टतम नीति को पुनः प्राप्त करके टिप्पणियों से कार्यों तक की पाश को बंद करते हैं। विशेष रूप से, हम एक पूर्वानुमानित राज्य प्रतिनिधित्व (पीएसआर) के मापदंडों को सीखने के लिए एक कुशल और सांख्यिकीय रूप से सुसंगत वर्णक्रमीय एल्गोरिथ्म प्रस्तुत करते हैं। हम एक उच्च आयामी, दृष्टि आधारित मोबाइल रोबोट योजना कार्य के एक मॉडल को सीखकर एल्गोरिथ्म का प्रदर्शन करते हैं, और फिर सीखे गए पीएसआर में अनुमानित बिंदु-आधारित योजना का प्रदर्शन करते हैं। हमारे परिणामों का विश्लेषण दिखाता है कि एल्गोरिथ्म एक राज्य स्थान सीखता है जो कुशलतापूर्वक पर्यावरण की आवश्यक विशेषताओं को पकड़ता है। यह प्रतिनिधित्व कम संख्या में मापदंडों के साथ सटीक भविष्यवाणी की अनुमति देता है, और सफल और कुशल योजना को सक्षम बनाता है।

16611312448f5897c7a84e2f590617f4fa3847c4

छिपे हुए मार्कोव मॉडल (एचएमएम) असतत समय श्रृंखलाओं के मॉडलिंग के लिए सबसे बुनियादी और व्यापक रूप से उपयोग किए जाने वाले सांख्यिकीय उपकरणों में से एक हैं। आमतौर पर, उन्हें सीआरएच हेरिस्टिक्स (जैसे कि बाउम-वेल्च / ईएम एल्गोरिदम) का उपयोग करके सीखा जाता है, जो सामान्य स्थानीय इष्टतम मुद्दों से पीड़ित होते हैं। जबकि सामान्य तौर पर इन मॉडलों को अंतर्निहित वितरण से नमूने के साथ सीखने के लिए कठिन माना जाता है, हम प्राकृतिक अलगाव की स्थिति के तहत एचएमएम सीखने के लिए पहला साबित कुशल एल्गोरिथ्म (नमूना और कम्प्यूटेशनल जटिलता के संदर्भ में) प्रदान करते हैं। यह स्थिति लगभग मिश्रण वितरण सीखने के लिए विचार की गई पृथक्करण स्थितियों के समान है (जहां, इसी तरह, इन मॉडलों को सामान्य रूप से सीखना मुश्किल है) । इसके अलावा, हमारे नमूना पूर्णता परिणाम स्पष्ट रूप से अलग (विशिष्ट) टिप्पणियों की संख्या पर निर्भर नहीं करते हैं - वे अंतर्निहित एचएमएम के वर्णक्रमीय गुणों के माध्यम से इस संख्या पर निहित रूप से निर्भर करते हैं। यह एल्गोरिथ्म को विशेष रूप से बड़ी संख्या में अवलोकनों के साथ सेटिंग्स पर लागू करता है, जैसे कि प्राकृतिक भाषा प्रसंस्करण में जहां अवलोकनों का स्थान कभी-कभी किसी भाषा में शब्द होता है। अंत में, एल्गोरिथ्म विशेष रूप से सरल है, केवल एक एकल आर मूल्य अपघटन और मैट्रिक्स गुणन पर निर्भर करता है।

8ad6fda2d41dd823d2569797c8c7353dad31b371

हम एक विशेषता-आधारित एन्क्रिप्शन (एबीई) योजना का निर्माण करते हैं जो किसी उपयोगकर्ता की निजी कुंजी को विशेषताओं पर किसी भी एक्सेस सूत्र के संदर्भ में व्यक्त करने की अनुमति देता है। पूर्व की एबीई योजनाएं केवल एकतरफा पहुंच संरचनाओं को व्यक्त करने तक सीमित थीं। हम निर्णय द्विध्रुवीय डिफी-हेलमन (बीडीएच) धारणा के आधार पर अपनी योजना के लिए सुरक्षा का प्रमाण प्रदान करते हैं। इसके अलावा, हमारी नई योजना का प्रदर्शन मौजूदा, कम अभिव्यंजक योजनाओं के साथ अनुकूल रूप से तुलना करता है।

4f3dbfec5c67f0fb0602d9c803a391bc2f6ee4c7

20 गीगाहर्ट्ज की चरण-बंद लूप 4.9 पीएस/सब पीपी/0.65 पीएस/सब आरएमएस/जिटर और -113.5 डीबीसी/एचजेड चरण शोर के साथ 10 मेगाहर्ट्ज ऑफसेट पर प्रस्तुत की जाती है। एक आधे-कार्य नमूना-खाद्य-आगे लूप फ़िल्टर जो बस एक स्विच के साथ प्रतिरोध को बदल देता है और एक इन्वर्टर संदर्भ स्पूल को -44.0 डीबीसी तक दबा देता है। एक डिजाइन पुनरावृत्ति प्रक्रिया को रेखांकित किया गया है जो एक युग्मित माइक्रोस्ट्रिप रेजोनेटर के साथ एक नकारात्मक-जी / सब एम / ऑसिलेटर के चरण शोर को कम करता है। पल्स वाले ताले से बने स्थैतिक आवृत्ति विभाजक फ्लिप-फ्लॉप से बने ताले से अधिक तेजी से काम करते हैं और लगभग 2:1 आवृत्ति रेंज प्राप्त करते हैं। 0.13-/स्प्ल म्यू/एम सीएमओएस में निर्मित चरण-बंद लूप 17.6 से 19.4 गीगाहर्ट्ज तक संचालित होता है और 480 एमडब्ल्यू को नष्ट करता है।

1fcaf7ddcadda724d67684d66856c107375f448b

हम पाठ वर्गीकरण के लिए एक नया संवितरण तंत्रिका नेटवर्क (सीएनएन) मॉडल प्रस्तुत करते हैं जो संयुक्त रूप से दस्तावेजों पर लेबल और उनके घटक वाक्यों का शोषण करता है। विशेष रूप से, हम उन परिदृश्यों पर विचार करते हैं जिनमें एनोटेटर स्पष्ट रूप से उन वाक्यों (या स्निपेट्स) को चिह्नित करते हैं जो उनके समग्र दस्तावेज़ वर्गीकरण का समर्थन करते हैं, अर्थात, वे तर्क प्रदान करते हैं। हमारा मॉडल इस तरह के पर्यवेक्षण का उपयोग एक पदानुक्रमित दृष्टिकोण के माध्यम से करता है जिसमें प्रत्येक दस्तावेज़ को इसके घटक वाक्यों के वेक्टर प्रतिनिधित्व के रैखिक संयोजन द्वारा दर्शाया जाता है। हम एक वाक्य-स्तर के संवहन मॉडल का प्रस्ताव करते हैं जो इस संभावना का अनुमान लगाता है कि एक दिया गया वाक्य एक तर्कसंगत है, और फिर हम इन अनुमानों के अनुपात में समग्र दस्तावेज़ प्रतिनिधित्व के लिए प्रत्येक वाक्य के योगदान को स्केल करते हैं। पांच वर्गीकरण डेटासेट पर प्रयोगों में दस्तावेज लेबल और संबंधित तर्क हैं जो यह दर्शाता है कि हमारा दृष्टिकोण लगातार मजबूत आधार रेखाओं से बेहतर प्रदर्शन करता है। इसके अलावा, हमारा मॉडल स्वाभाविक रूप से इसकी भविष्यवाणियों के लिए स्पष्टीकरण प्रदान करता है।

20b41b2a0d8ee71efd3986b4baeed24eba904350

उद्देश्य एक व्यवस्थित साहित्य समीक्षा और मेटा-विश्लेषण के माध्यम से विकासशील देशों में मातृ अवसाद और बच्चे के विकास के बीच संबंध की जांच करना। विधियाँ विकासशील देशों से 2010 तक प्रकाशित मातृ अवसाद और बाल विकास पर अध्ययन के लिए छह डेटाबेस खोजे गए थे। मानक मेटा- विश्लेषणात्मक विधियों का पालन किया गया और अवसादग्रस्त माताओं के बच्चों में कम वजन और स्टंटिंग के लिए पूल किए गए ऑड्स रेशियो (ओआर) की गणना सभी अध्ययनों के लिए यादृच्छिक प्रभाव मॉडल और अध्ययनों के उप-समूहों के लिए की गई, जो अध्ययन डिजाइन, मातृ अवसाद के लिए जोखिम और परिणाम चर के सख्त मानदंडों को पूरा करते थे। चयनित अध्ययनों के लिए जनसंख्या से संबंधित जोखिम (पीएआर) का अनुमान लगाया गया था। निष्कर्ष 11 देशों के कुल 13,923 माँ और बच्चे के जोड़ों सहित सत्रह अध्ययनों ने समावेशन मानदंडों को पूरा किया। अवसाद या अवसादग्रस्तता के लक्षणों वाली माताओं के बच्चों का वजन कम होने की संभावना अधिक थी (OR: 1. 5; 95% विश्वास अंतराल, आईसी: 1. 2- 1. 8) या मंद (OR: 1. 4; 95% आईसी: 1. 2- 1. 7) । तीन अनुदैर्ध्य अध्ययनों के उप-विश्लेषण में एक मजबूत प्रभाव दिखाया गयाः कम वजन के लिए OR 2. 2 (95% आईसी 1. 5- 3. 2) और स्टंटिंग के लिए, 2.0 (95% आईसी 1. 0-3. 9) था। चयनित अध्ययनों के लिए PAR ने संकेत दिया कि यदि शिशु आबादी पूरी तरह से मातृ अवसादग्रस्तता के लक्षणों के संपर्क में नहीं थी तो 23% से 29% कम बच्चे कम वजन या कम वजन वाले होंगे। निष्कर्ष मातृ अवसाद बचपन में कम वजन और स्टंटिंग से जुड़ा था। तंत्र और कारणों की पहचान करने के लिए कठोर भविष्य के अध्ययन की आवश्यकता है। विकासशील देशों में मातृ अवसाद की शीघ्र पहचान, उपचार और रोकथाम से बच्चों के विकास में कमी और कम वजन को कम करने में मदद मिल सकती है।

c596f88ccba5b7d5276ac6a9b68972fd7d14d959

वास्तविक वस्तुओं की भौतिक दुनिया को आईटी प्रणालियों की आभासी दुनिया के साथ जोड़कर, इंटरनेट ऑफ थिंग्स में उद्यम जगत के साथ-साथ समाज को भी काफी बदलने की क्षमता है। हालांकि, इस शब्द को विभिन्न समुदायों द्वारा बहुत अधिक प्रचारित और अलग-अलग समझा जाता है, खासकर क्योंकि आईओटी एक तकनीक नहीं है, बल्कि विभिन्न इंजीनियरिंग डोमेन से संबंधित विषम - अक्सर नई - प्रौद्योगिकियों के अभिसरण का प्रतिनिधित्व करता है। एक आम समझ में आने के लिए क्या आवश्यक है, चीजों के इंटरनेट के लिए एक डोमेन मॉडल है, मुख्य अवधारणाओं और उनके संबंधों को परिभाषित करना, और एक आम शब्दकोश और वर्गीकरण के रूप में सेवा करना और इस प्रकार आगे वैज्ञानिक प्रवचन और चीजों के इंटरनेट के विकास के लिए एक आधार के रूप में। जैसा कि हम दिखाते हैं, इस तरह के डोमेन मॉडल का होना ठोस IoT सिस्टम आर्किटेक्चर के डिजाइन में भी सहायक है, क्योंकि यह एक टेम्पलेट प्रदान करता है और इस प्रकार उपयोग के मामलों के विश्लेषण को संरचित करता है।

5a9f4dc3e5d7c70d58c9512d7193d079c3331273

हम 3 डी लोगों की ट्रैकिंग के लिए मानव मुद्रा और गति पूर्वानुमान सीखने के लिए गॉसियन प्रक्रिया गतिशील मॉडल (जीपीडीएम) के उपयोग की वकालत करते हैं। एक जीपीडीएम मानव गति डेटा का एक कम आयामी एम्बेडिंग प्रदान करता है, एक घनत्व फ़ंक्शन के साथ जो प्रशिक्षण डेटा के करीब मुद्राओं और आंदोलनों को अधिक संभावना देता है। बेयसियन मॉडल के साथ औसत एक जीपीडीएम को अपेक्षाकृत छोटी मात्रा में डेटा से सीखा जा सकता है, और यह प्रशिक्षण सेट के बाहर की गति के लिए सौम्य रूप से सामान्यीकृत करता है। यहाँ हम जीपीडीएम को संशोधित करते हैं ताकि महत्वपूर्ण शैलीगत भिन्नता के साथ गति से सीखने की अनुमति दी जा सके। परिणामस्वरूप पूर्वकाल मानव चलने की शैलियों की एक श्रृंखला को ट्रैक करने के लिए प्रभावी हैं, कमजोर और शोर छवि माप और महत्वपूर्ण अवरुद्ध होने के बावजूद।

c3f2d101b616d82d07ca2cc4cb8ed0cb53fde21f

हमने मानव अध्ययन किया ताकि हमारे वर्तमान सीडी और ईएमडी मूल्यों को रेन्डर्ड डेटासेट पर रिपोर्ट किया जा सके। हमने मानव विषय को एक जीयूआई उपकरण प्रदान किया छवि से त्रिकोणीय जाल बनाने के लिए। उपकरण (चित्र 1 देखें) उपयोगकर्ता को 3 डी में जाल को संपादित करने और मॉडलिंग की गई वस्तु को इनपुट छवि पर वापस संरेखित करने में सक्षम बनाता है। कुल मिलाकर 16 मॉडल हमारे वैधता सेट की इनपुट छवियों से बनाए जाते हैं। प्रत्येक मॉडल से N = 1024 बिंदुओं का नमूना लिया जाता है।

32791996c1040b9dcc34e71a05d72e5c649eeff9

सामान्य दैनिक गतिविधियों के दौरान हृदय के असामान्य विद्युत व्यवहार का पता लगाने के लिए नैदानिक अभ्यास में एम्बुलेटरी इलेक्ट्रोकार्डियोग्राफी का तेजी से उपयोग किया जा रहा है। इस निगरानी की उपयोगिता में सुधार श्वसन का पता लगाने से किया जा सकता है, जो पहले रात भर में एपनिया के अध्ययन पर आधारित था जहां रोगी स्थिर होते हैं, या तनाव परीक्षण के लिए मल्टीलेड ईसीजी प्रणालियों का उपयोग करते हैं। हमने एक एकल-लीड पोर्टेबल ईसीजी मॉनिटर से प्राप्त छह श्वसन मापों की तुलना एक एम्बुलेटरी नाक कैन्यूल श्वसन मॉनिटर से प्राप्त एक साथ मापे गए श्वसन वायु प्रवाह के साथ की। दैनिक जीवन की गतिविधियों (झूठे, बैठे, खड़े, चलने, जॉगिंग, दौड़ने और सीढ़ियों पर चढ़ने) और छह रात भर के अध्ययनों को कवर करते हुए दस नियंत्रित 1-घंटे की रिकॉर्डिंग की गई। सबसे अच्छा तरीका 0.2-0.8 हर्ट्ज बैंडपास फिल्टर और आरआर अंतराल के विस्तार और संक्षिप्त करने पर आधारित आरआर तकनीक का औसत था। संदर्भ स्वर्ण मानक के साथ औसत त्रुटि दरें प्रति मिनट (बीपीएम) +mn4 थीं (सभी गतिविधियाँ), +mn2 बीपीएम (झूठे और बैठे), और +mn1 प्रति मिनट (रात भर के अध्ययन) । पूर्ण ईसीजी तरंगरूप से प्राप्त सर्वोत्तम तकनीक की तुलना में केवल हृदय गति की जानकारी (आरआर तकनीक) का उपयोग करके सांख्यिकीय रूप से समान परिणाम प्राप्त किए गए थे जो डेटा संग्रह प्रक्रियाओं को सरल करता है। अध्ययन से पता चलता है कि पारंपरिक तरीकों से महत्वपूर्ण अंतर के बिना एकल-लीड ईसीजी से गतिशील गतिविधियों के तहत श्वसन प्राप्त किया जा सकता है।

7eac1eb85b919667c785b9ac4085d8ca68998d20

2. ई-लर्निंग और मोबाइल लर्निंग में अंतर करना मोबाइल लर्निंग का मूल्य और लाभ मोबाइल लर्निंग की चुनौतियां और बाधाएं: अध्ययन से पता चला है कि दूरस्थ शिक्षा के रूप में एम-लर्निंग से समाज को बहुत लाभ हुआ है। इसमें शामिल हैंः प्रशिक्षण जब इसकी आवश्यकता हो, प्रशिक्षण कभी भी; प्रशिक्षण कहीं भी; शिक्षार्थी-केंद्रित सामग्री; कार्य में पुनः प्रवेश की समस्याओं से बचने; करदाताओं के लिए प्रशिक्षण, और विश्वविद्यालय के व्याख्यानों और प्रशिक्षण केंद्रों में सत्रों के माध्यम से पूरी तरह से व्यस्त लोगों के लिए प्रशिक्षण; और शिक्षण और सीखने का औद्योगीकरण। इसके अलावा, नोटबुक, मोबाइल टैबलेट, आइपॉड टच और आईपैड मोबाइल ई-लर्निंग के लिए बहुत लोकप्रिय उपकरण हैं क्योंकि उनकी लागत और ऐप्स की उपलब्धता है। ---------------------------------------- शिक्षा और प्रशिक्षण वह प्रक्रिया है जिसके द्वारा एक पीढ़ी का ज्ञान, ज्ञान और कौशल अगली पीढ़ी को दिया जाता है। आज शिक्षा और प्रशिक्षण के दो रूप हैंः पारंपरिक शिक्षा और दूरस्थ शिक्षा। मोबाइल लर्निंग या "एम-लर्निंग" मोबाइल उपकरणों के माध्यम से सीखने की प्रक्रिया का समर्थन करने के लिए आधुनिक तरीके प्रदान करता है, जैसे हैंडहेल्ड और टैबलेट कंप्यूटर, एमपी 3 प्लेयर, स्मार्ट फोन और मोबाइल फोन। यह दस्तावेज शिक्षा के उद्देश्यों के लिए मोबाइल लर्निंग के विषय का परिचय देता है। इसमें यह भी बताया गया है कि मोबाइल उपकरणों का शिक्षण और सीखने की प्रथाओं पर क्या प्रभाव पड़ा है और मोबाइल उपकरणों पर डिजिटल मीडिया के उपयोग से मिलने वाले अवसरों पर भी विचार किया गया है। इस लेख का मुख्य उद्देश्य मोबाइल लर्निंग की वर्तमान स्थिति, लाभ, चुनौतियों और शिक्षण और सीखने के समर्थन में बाधाओं का वर्णन करना है। इस पेपर के लिए डेटा जनवरी से मार्च 2013 तक ग्रंथसूची और इंटरनेट शोध के माध्यम से एकत्र किया गया था। इस पत्र में चार प्रमुख क्षेत्रों को संबोधित किया जाएगा: मोबाइल लर्निंग का विश्लेषण।

57820e6f974d198bf4bbdf26ae7e1063bac190c3

8e393c18974baa8d5d704edaf116f009cb919463

उच्च गति वाले SerDes को उच्च गति के संचालन, गहन समरूपता तकनीक, कम बिजली की खपत, छोटे क्षेत्र और मजबूती सहित कई चुनौतियों का सामना करना पड़ता है। नए मानकों जैसे ओआईएफ सीईआई-25जी-एलआर, सीईआई-28जी-एमआर/एसआर/वीएसआर, आईईईई 802.3बीजे और 32जी-एफसी को पूरा करने के लिए, डेटा दरों को 25 से 28 जीबी/एस तक बढ़ाया गया है, जो कि पिछले पीढ़ी के सेरडेस की तुलना में 75% से अधिक है। एकल चिप में एकीकृत कई सौ लेन वाले SerDes अनुप्रयोगों के लिए, उच्च प्रदर्शन को बनाए रखते हुए बिजली की खपत बहुत महत्वपूर्ण कारक है। 28Gb/s या उससे अधिक डेटा-रेट पर कई पूर्ववर्ती कार्य हैं [1-2]। वे महत्वपूर्ण समय सीमा को पूरा करने के लिए एक अनरोल्ड डीएफई का उपयोग करते हैं, लेकिन अनरोल्ड डीएफई संरचना डीएफई स्लाइसर्स की संख्या को बढ़ाती है, जिससे समग्र शक्ति और मरने वाले क्षेत्र में वृद्धि होती है। इन चुनौतियों से निपटने के लिए हम कई सर्किट और आर्किटेक्चरल तकनीकें पेश करते हैं। एनालॉग फ्रंट-एंड (एएफई) एक एकल-चरण वास्तुकला और एक कॉम्पैक्ट ऑन-चिप निष्क्रिय प्रेरक का उपयोग करता है जो ट्रांसइम्पेडेंस एम्पलीफायर (टीआईए) में 15 डीबी बूस्ट प्रदान करता है। बूस्ट अनुकूली है और इसका अनुकूली लूप ग्रुप-डिले अनुकूली (जीडीए) एल्गोरिथ्म के उपयोग से निर्णय-प्रतिसाद इक्वलाइज़र (डीएफई) अनुकूली लूप से अलग किया जाता है। डीएफई में शक्ति और क्षेत्र में कमी के लिए 2 कुल त्रुटि लॉच के साथ आधा दर 1-टैप अनरोल्ड संरचना है। दो-चरण संवेदी-प्रवर्धक आधारित स्लाइसर 15mV की संवेदनशीलता और डीएफई समयबद्ध समापन प्राप्त करता है। हम एक उच्च गति घड़ी बफर भी विकसित करते हैं जो एक नए सक्रिय-इंडक्टर सर्किट का उपयोग करता है। इस सक्रिय-आवर्तक सर्किट में सर्किट ऑपरेटिंग बिंदुओं को अनुकूलित करने के लिए आउटपुट-सामान्य-मोड वोल्टेज को नियंत्रित करने की क्षमता है।

505c58c2c100e7512b7f7d906a9d4af72f6e8415

पृष्ठ II जटिल अनुकूली प्रणाली जॉन एच हॉलैंड, क्रिस्टोफर लैंगटन, और स्टीवर्ट डब्ल्यू विल्सन, सलाहकार प्राकृतिक और कृत्रिम प्रणालियों में अनुकूलन: जीव विज्ञान, नियंत्रण और कृत्रिम बुद्धिमत्ता के अनुप्रयोगों के साथ एक परिचयात्मक विश्लेषण, एमआईटी प्रेस संस्करण जॉन एच हॉलैंड स्वायत्त प्रणालियों के अभ्यास की ओरः फ्रांसिस्को जे. वेरेला और पॉल बोर्गिन द्वारा संपादित कृत्रिम जीवन पर पहले यूरोपीय सम्मेलन की कार्यवाही आनुवंशिक प्रोग्रामिंगः प्राकृतिक चयन के माध्यम से कंप्यूटर के प्रोग्रामिंग पर जॉन आर कोजा

3a46c11ad7afed8defbb368e478dbf94c24f43a3

वैज्ञानिक समस्याओं के लिए जो बड़ी मात्रा में डेटा के प्रसंस्करण पर निर्भर हैं, उन्हें कई क्षेत्रों में चुनौतियों का सामना करने की आवश्यकता होती है: बड़े पैमाने पर डेटा वितरण का प्रबंधन, कंप्यूटिंग संसाधनों के साथ डेटा का सह-स्थापना और शेड्यूलिंग, और बड़ी मात्रा में डेटा का भंडारण और स्थानांतरण। हम डेटा-गहन अनुप्रयोगों के लिए दो प्रमुख प्रतिमानों के पारिस्थितिक तंत्रों का विश्लेषण करते हैं, जिन्हें उच्च-प्रदर्शन कंप्यूटिंग और अपाचे-हडोप प्रतिमान के रूप में संदर्भित किया जाता है। हम एक आधार, एक समान शब्दावली और कार्यात्मक कारकों का प्रस्ताव करते हैं, जिसके आधार पर दोनों प्रतिमानों के दो दृष्टिकोणों का विश्लेषण किया जा सकता है। हम "बिग डेटा ओग्रेस" की अवधारणा और उनके पहलुओं पर चर्चा करते हैं जो दो प्रतिमानों के बीच पाए जाने वाले सबसे आम अनुप्रयोग कार्यभार को समझने और विशेषता देने के साधन हैं। इसके बाद हम दोनों प्रतिमानों की प्रमुख विशेषताओं पर चर्चा करते हैं और दोनों दृष्टिकोणों की तुलना और विपरीतता करते हैं। विशेष रूप से, हम इन प्रतिमानों के सामान्य कार्यान्वयन/दृष्टिकोणों की जांच करते हैं, उनके वर्तमान "आर्किटेक्चर" के कारणों पर प्रकाश डालते हैं और कुछ विशिष्ट कार्यभारों पर चर्चा करते हैं जो उनका उपयोग करते हैं। महत्वपूर्ण सॉफ्टवेयर अंतरों के बावजूद, हम मानते हैं कि वास्तुशिल्प समानता है। हम विभिन्न स्तरों और घटकों पर विभिन्न कार्यान्वयनों के संभावित एकीकरण पर चर्चा करते हैं। हमारी तुलना दोनों प्रतिमानों की पूर्ण गुणात्मक जांच से अर्ध-क्वांटिटेटिव पद्धति तक आगे बढ़ती है। हम एक सरल और व्यापक रूप से उपयोग किए जाने वाले ओगरे (के-मीडियन क्लस्टरिंग) का उपयोग करते हैं, दोनों प्रतिमानों के कई कार्यान्वयनों को कवर करते हुए, कई प्रतिनिधि प्लेटफार्मों पर इसके प्रदर्शन की विशेषता देते हैं। हमारे प्रयोगों से इन दो प्रतिमानों की सापेक्ष शक्ति के बारे में जानकारी मिलती है। हम प्रस्ताव करते हैं कि ओग्रेस का समूह दो प्रतिमानों का विभिन्न आयामों के साथ मूल्यांकन करने के लिए एक बेंचमार्क के रूप में कार्य करेगा।

dc7024840a4ba7ab634517fae53e77695ff5dda9

इस पेपर में हम मानव गतिविधियों की पहचान के लिए एक नवीन ऊर्जा कुशल दृष्टिकोण का प्रस्ताव करते हैं, जिसमें स्मार्टफ़ोन को पहनने योग्य संवेदी उपकरणों के रूप में उपयोग किया जाता है, जो विकलांगों और बुजुर्गों के लिए दूरस्थ रोगी गतिविधि निगरानी जैसे सहायक रहने वाले अनुप्रयोगों को लक्षित करता है। यह विधि एक संशोधित मल्टीक्लास सपोर्ट वेक्टर मशीन (एसवीएम) सीखने के एल्गोरिथ्म का प्रस्ताव करने के लिए फिक्स्ड-पॉइंट अंकगणित का उपयोग करती है, जो तुलनात्मक सिस्टम सटीकता स्तर को बनाए रखते हुए पारंपरिक फ्लोटिंग-पॉइंट आधारित फॉर्मूलेशन के संबंध में स्मार्टफोन बैटरी जीवन को बेहतर ढंग से संरक्षित करने की अनुमति देती है। प्रयोगों से इस दृष्टिकोण और पारंपरिक एसवीएम के बीच तुलनात्मक परिणाम पहचान प्रदर्शन और बैटरी की खपत के संदर्भ में दिखाई देते हैं, जो प्रस्तावित विधि के फायदों पर प्रकाश डालते हैं।

f4cdd1d15112a3458746b58a276d97e79d8f495d

इनपुट के संबंध में तंत्रिका नेटवर्क के आउटपुट के ग्रेडिएंट मानदंड को नियमित करना एक शक्तिशाली तकनीक है, जिसे कई बार फिर से खोजा गया है। इस पेपर में इस बात का प्रमाण प्रस्तुत किया गया है कि ग्रेडिएंट रेगुलराइजेशन आधुनिक गहरे तंत्रिका नेटवर्क का उपयोग करके दृष्टि कार्यों पर वर्गीकरण सटीकता में लगातार सुधार कर सकता है, खासकर जब प्रशिक्षण डेटा की मात्रा छोटी होती है। हम अपने नियमित करने वालों को जैकोबियन आधारित नियमित करने वालों के एक व्यापक वर्ग के सदस्यों के रूप में पेश करते हैं। हम वास्तविक और सिंथेटिक डेटा पर अनुभवजन्य रूप से प्रदर्शित करते हैं कि सीखने की प्रक्रिया प्रशिक्षण बिंदुओं से परे नियंत्रित ढाल की ओर ले जाती है, और परिणाम में समाधान जो अच्छी तरह से सामान्यीकृत होते हैं।

984df1f081fbd623600ec45635e5d9a4811c0aef

दो विवाल्डी एंटेना सरणी प्रस्तुत की गई है। पहला ईंट/कंक्रीट की दीवारों की इमेजिंग के लिए एसटीडब्ल्यू अनुप्रयोगों के लिए 1.2 से 4 गीगाहर्ट्ज बैंड को कवर करने वाला 8-एलिमेंट कापड़ स्लॉट सरणी है। दूसरा एक 16-घटक विरोधीपौधीय सरणी है जो सूखी दीवार के माध्यम से प्रवेश करते समय उच्च रिज़ॉल्यूशन इमेजिंग के लिए 8 से 10.6 गीगाहर्ट्ज़ पर काम करती है। दो डिजाइनों के आधार पर, और विवाल्डी एंटीना सरणी को खिलाने के लिए माइक्रोस्ट्रिप संक्रमण के लिए एक चिकनी वाइड बैंड स्लॉट का उपयोग करते हुए, 1-10 गीगाहर्ट्ज आवृत्ति बैंड को कवर किया जा सकता है। वैकल्पिक रूप से, डिजाइन का उपयोग 1-3 गीगाहर्ट्ज या 8-10 गीगाहर्ट्ज बैंड को कवर करने के लिए एक पुनः विन्यास योग्य संरचना में किया जा सकता है। प्रयोगात्मक और मापा परिणाम पूरा हो चुका है और इस पर विस्तार से चर्चा की जाएगी। इन डिजाइनों का कॉम्पैक्ट, पुनः विन्यास योग्य और पोर्टेबल प्रणालियों के विकास पर महत्वपूर्ण प्रभाव पड़ेगा।

e3f4fdf6d2f10ebe4cfc6d0544afa63976527d60

यह पेपर रेडियो खगोल विज्ञान उपकरण के लिए 324-तत्व 2-डी ब्रॉडसाइड सरणी प्रस्तुत करता है जो दो पारस्परिक रूप से समकोण ध्रुवीकरण के प्रति संवेदनशील है। यह सरणी क्रूसी-आकार की इकाइयों से बनी है जिसमें चार विवाल्डी एंटेना के समूह को क्रॉस-आकार की संरचना में व्यवस्थित किया गया है। इस सरणी में प्रयुक्त विवाल्डी एंटेना में 3 गीगाहर्ट्ज पर 87.5° और 6 गीगाहर्ट्ज पर 44.2° के सममित मुख्य बीम के साथ विकिरण तीव्रता विशेषता प्रदर्शित होती है। मापा गया अधिकतम पक्ष/बैकलोब स्तर मुख्य बत्ती स्तर से 10.3 dB नीचे है। यह सरणी 5.4 गीगाहर्ट्ज की उच्च आवृत्ति पर बिना ग्रिटिंग लोब के गठन के काम कर सकती है।

1a090df137014acab572aa5dc23449b270db64b4

9ae252d3b0821303f8d63ba9daf10030c9c97d37

हम प्राकृतिक दृश्य श्रेणियों को सीखने और पहचानने के लिए एक नवीन दृष्टिकोण का प्रस्ताव करते हैं। पिछले काम के विपरीत, इस परियोजना में विशेषज्ञों को प्रशिक्षण सेट के लिए टिप्पणी करने की आवश्यकता नहीं है। हम एक दृश्य की छवि को स्थानीय क्षेत्रों के संग्रह द्वारा प्रस्तुत करते हैं, जिसे अनसुर्क्षित सीखने द्वारा प्राप्त कोडशब्दों के रूप में दर्शाया गया है। प्रत्येक क्षेत्र को एक "थीम" के भाग के रूप में दर्शाया गया है। पूर्व में इस तरह के विषयों को विशेषज्ञों के हाथों से लिखा जाता था, जबकि हमारी विधि बिना किसी पर्यवेक्षण के विषयों के वितरण के साथ-साथ कोडवर्ड वितरण को भी सीखती है। हम जटिल दृश्यों की 13 श्रेणियों के एक बड़े सेट पर संतोषजनक वर्गीकरण प्रदर्शन की रिपोर्ट करते हैं।

fa6cbc948677d29ecce76f1a49cea01a75686619

इस पेपर में, हम वास्तविक दुनिया के दृश्यों की पहचान के एक कम्प्यूटेशनल मॉडल का प्रस्ताव करते हैं जो अलग-अलग वस्तुओं या क्षेत्रों के विभाजन और प्रसंस्करण को दरकिनार करता है। यह प्रक्रिया दृश्य के बहुत ही निम्न आयामी प्रतिनिधित्व पर आधारित है, जिसे हम स्थानिक लिफाफा कहते हैं। हम धारणात्मक आयामों (प्राकृतिकता, खुलेपन, उग्रता, विस्तार, कठोरता) का एक सेट प्रस्तावित करते हैं जो दृश्य की प्रमुख स्थानिक संरचना का प्रतिनिधित्व करते हैं। फिर, हम दिखाते हैं कि इन आयामों का अनुमान स्पेक्ट्रल और मोटे तौर पर स्थानीयकृत जानकारी का उपयोग करके किया जा सकता है। यह मॉडल एक बहुआयामी स्थान उत्पन्न करता है जिसमें अर्थपूर्ण श्रेणियों (जैसे, सड़कों, राजमार्गों, तटों) में सदस्यता साझा करने वाले दृश्यों को एक साथ बंद कर दिया जाता है। स्थानिक लिफाफा मॉडल के प्रदर्शन से पता चलता है कि वस्तु के आकार या पहचान के बारे में विशिष्ट जानकारी दृश्य वर्गीकरण के लिए एक आवश्यकता नहीं है और दृश्य के समग्र प्रतिनिधित्व को मॉडलिंग करने से इसकी संभावित अर्थ श्रेणी के बारे में सूचित किया जाता है।

1ac52b7d8db223029388551b2db25657ed8c9852

इस पेपर में, हम कई समान भविष्यवाणी कार्यों से युक्त समस्याओं के लिए एक मशीन-लर्निंग समाधान का प्रस्ताव करते हैं। प्रत्येक व्यक्तिगत कार्य में अतिरेक का उच्च जोखिम होता है। हम इस जोखिम को कम करने के लिए दो प्रकार के ज्ञान हस्तांतरण को जोड़ते हैं: बहु-कार्य सीखने और पदानुक्रमित बेयसियन मॉडलिंग। बहु-कार्य सीखने की धारणा इस बात पर आधारित है कि कार्य के विशिष्ट लक्षण मौजूद हैं। इन विशेषताओं को खोजने के लिए, हम एक विशाल दो-परत तंत्रिका नेटवर्क को प्रशिक्षित करते हैं। प्रत्येक कार्य का अपना आउटपुट होता है, लेकिन इनपुट से लेकर छिपी हुई इकाइयों तक के भार को अन्य सभी कार्यों के साथ साझा करता है। इस प्रकार, संभावित व्याख्यात्मक चरों (नेटवर्क इनपुट) का एक अपेक्षाकृत बड़ा सेट सुविधाओं (छिपी हुई इकाइयों) के एक छोटे और आसान संभाल करने के लिए सेट में कम हो जाता है। इन विशेषताओं को देखते हुए और उचित पैमाने के परिवर्तन के बाद, हम मानते हैं कि कार्य विनिमेय हैं। यह धारणा एक पदानुक्रमित बेयज़ियन विश्लेषण की अनुमति देती है जिसमें हाइपरपैरामीटर का अनुमान डेटा से लगाया जा सकता है। इन हाइपर-रेमेटरों का प्रभावकारी रूप से नियमित करने और अति-उत्पाद को रोकने का कार्य होता है। हम वर्णन करते हैं कि समय श्रृंखला में गैर-स्थिरता के खिलाफ सिस्टम को कैसे मजबूत बनाया जाए और आगे सुधार के लिए दिशा-निर्देश दिए जाएं। हम अखबारों की बिक्री की भविष्यवाणी के बारे में डेटाबेस पर अपने विचारों को चित्रित करते हैं।

1e56ed3d2c855f848ffd91baa90f661772a279e1

हम पाठ और असतत डेटा के अन्य संग्रहों के लिए एक जनरेटिव मॉडल का प्रस्ताव करते हैं जो कि कई पिछले मॉडल पर सामान्यीकृत या सुधार करता है जिसमें निस्वार्थ बेय्स / यूनिग्राम, यूनिग्राम का मिश्रण [6] और हॉफमैन का पहलू मॉडल शामिल है, जिसे संभाव्य गुप्त अर्थसूचीकरण (पीएलएसआई) के रूप में भी जाना जाता है। [3] पाठ मॉडलिंग के संदर्भ में, हमारा मॉडल यह मानता है कि प्रत्येक दस्तावेज़ विषयों के मिश्रण के रूप में उत्पन्न होता है, जहां निरंतर-मूल्य वाले मिश्रण अनुपात एक गुप्त डिरिचलेट यादृच्छिक चर के रूप में वितरित किए जाते हैं। अनुमान और सीखना वैरिएशनल एल्गोरिदम के माध्यम से कुशलतापूर्वक किया जाता है। हम पाठ मॉडलिंग, सहयोगी फ़िल्टरिंग और पाठ वर्गीकरण में समस्याओं के लिए इस मॉडल के अनुप्रयोगों पर अनुभवजन्य परिणाम प्रस्तुत करते हैं।

e990a41e8f09e0ef4695c39af351bf25f333eefa

1f8116db538169de3553b1091e82107f7594301a

539ea86fa738afd939fb18566107c971461f8548

संरचित आउटपुट स्थानों (स्ट्रिंग, पेड़, विभाजन, आदि) के लिए मैपिंग आमतौर पर वर्गीकरण एल्गोरिदम के विस्तार का उपयोग करके सरल ग्राफिकल संरचनाओं (जैसे, रैखिक श्रृंखला) में सीखा जाता है जिसमें खोज और पैरामीटर अनुमान को ठीक से किया जा सकता है। दुर्भाग्यवश, कई जटिल समस्याओं में, यह दुर्लभ है कि सटीक खोज या पैरामीटर अनुमान व्यवहार्य है। सटीक मॉडल सीखने और heuristic माध्यमों के माध्यम से खोज करने के बजाय, हम इस कठिनाई को गले लगाते हैं और संरचनात्मक आउटपुट समस्या को अनुमानित खोज के संदर्भ में मानते हैं। हम खोज अनुकूलन के रूप में सीखने के लिए एक ढांचा प्रस्तुत करते हैं, और अभिसरण the-orems और सीमाओं के साथ दो पैरामीटर अपडेट करते हैं। अनुभवजन्य साक्ष्य से पता चलता है कि सीखने और डिकोडिंग के लिए हमारा एकीकृत दृष्टिकोण कम कंप्यूटेशनल लागत पर सटीक मॉडल से बेहतर प्रदर्शन कर सकता है।

1219fb39b46aabd74879a7d6d3c724fb4e55aeae

हम प्रौद्योगिकी उद्यमिता पर एक परिप्रेक्ष्य विकसित करते हैं जिसमें एजेंसी शामिल होती है जो विभिन्न प्रकार के अभिनेताओं में वितरित होती है। प्रत्येक अभिनेता एक प्रौद्योगिकी के साथ शामिल हो जाता है, और इस प्रक्रिया में, इनपुट उत्पन्न करता है जिसके परिणामस्वरूप एक उभरते हुए तकनीकी मार्ग का परिवर्तन होता है। तकनीकी मार्ग में इनपुट का निरंतर संचय एक गति पैदा करता है जो वितरित अभिनेताओं की गतिविधियों को सक्षम और प्रतिबंधित करता है। दूसरे शब्दों में, एजेंसी न केवल वितरित है, बल्कि यह एम्बेडेड भी है। हम डेनमार्क और संयुक्त राज्य अमेरिका में पवन टरबाइनों के उद्भव के पीछे की प्रक्रियाओं के तुलनात्मक अध्ययन के माध्यम से इस परिप्रेक्ष्य को स्पष्ट करते हैं। हमारे तुलनात्मक अध्ययन के माध्यम से, हम तकनीकी मार्गों को आकार देने में अभिनेताओं की भागीदारी के लिए विपरीत दृष्टिकोण के रूप में ब्रिकोलेज और ब्रेकथ्रू को परिष्कृत करते हैं। © 2002 एल्सेवियर साइंस बी.वी. सभी अधिकार सुरक्षित

2266636d87e44590ade738b92377d1fe1bc5c970

2af586c64c32baeb445992e0ea6b76bbbbc30c7f

0e8b8e0c37b0ebc9c36b99103a487dbbbdf9ee97

2c03df8b48bf3fa39054345bafabfeff15bfd11d

गहरे तंत्रिका नेटवर्क को प्रशिक्षित करना अधिक कठिन होता है। हम एक अवशिष्ट सीखने की रूपरेखा प्रस्तुत करते हैं जो पहले के इस्तेमाल की तुलना में काफी अधिक गहरे नेटवर्क के प्रशिक्षण को आसान बनाने के लिए है। हम स्पष्ट रूप से परतों को अवशिष्ट कार्यों को सीखने के रूप में परत इनपुट के संदर्भ में पुनः तैयार करते हैं, बजाय इसके कि हम अनरेफ़रेंस्ड कार्यों को सीखें। हम व्यापक अनुभवजन्य साक्ष्य प्रदान करते हैं जो दिखाते हैं कि इन अवशिष्ट नेटवर्क को अनुकूलित करना आसान है, और काफी बढ़ी हुई गहराई से सटीकता प्राप्त कर सकते हैं। ImageNet डेटासेट पर हम 152 परतों की गहराई तक के अवशिष्ट नेट का मूल्यांकन करते हैं - VGG नेट की तुलना में 8 गुना गहरा है [40] लेकिन फिर भी कम जटिलता है। इन अवशिष्ट जाल के एक समूह ने इमेजनेट परीक्षण सेट पर 3.57% त्रुटि प्राप्त की। इस परिणाम ने आईएलएसवीआरसी 2015 वर्गीकरण कार्य में प्रथम स्थान प्राप्त किया। हम 100 और 1000 परतों के साथ CIFAR-10 पर विश्लेषण भी प्रस्तुत करते हैं। कई दृश्य पहचान कार्यों के लिए प्रतिनिधित्व की गहराई केंद्रीय महत्व की है। केवल हमारे अत्यंत गहरे प्रतिनिधित्व के कारण, हम COCO ऑब्जेक्ट डिटेक्शन डेटासेट पर 28% सापेक्ष सुधार प्राप्त करते हैं। गहरे अवशिष्ट जाल आईएलएसवीआरसी और कोको 2015 प्रतियोगिताओं में हमारे प्रस्तुतियों की नींव हैं, जहां हमने इमेजनेट का पता लगाने, इमेजनेट स्थानीयकरण, कोको का पता लगाने और कोको विभाजन के कार्यों पर 1 स्थान भी जीते।

5763c2c62463c61926c7e192dcc340c4691ee3aa

हम एकल छवि सुपर रिज़ॉल्यूशन (एसआर) के लिए एक गहरी सीखने की विधि का प्रस्ताव करते हैं। हमारी विधि सीधे कम/उच्च-रिज़ॉल्यूशन छवियों के बीच एक अंत-से-अंत मैपिंग सीखती है। मैपिंग को एक गहरे संवहन तंत्रिका नेटवर्क (सीएनएन) के रूप में दर्शाया गया है [15] जो कम रिज़ॉल्यूशन छवि को इनपुट के रूप में लेता है और उच्च-रिज़ॉल्यूशन को आउटपुट करता है। हम आगे दिखाते हैं कि पारंपरिक स्पर-कोडिंग-आधारित एसआर विधियों को भी एक गहरे संवहन नेटवर्क के रूप में देखा जा सकता है। लेकिन पारंपरिक तरीकों के विपरीत जो प्रत्येक घटक को अलग से संभालते हैं, हमारी विधि संयुक्त रूप से सभी परतों को अनुकूलित करती है। हमारे गहरे सीएनएन में एक हल्का संरचना है, फिर भी अत्याधुनिक बहाली की गुणवत्ता का प्रदर्शन करता है, और व्यावहारिक ऑनलाइन उपयोग के लिए तेज गति प्राप्त करता है।

2db168f14f3169b8939b843b9f4caf78c3884fb3

इस पत्र में, आरएफ ऊर्जा की कटाई के लिए एक ब्रॉडबैंड झुकाव त्रिकोणीय सर्वदिशात्मक एंटीना प्रस्तुत किया गया है। एंटीना में 850 मेगाहर्ट्ज से 1.94 गीगाहर्ट्ज तक वीएसडब्ल्यूआर ≤ 2 के लिए एक बैंडविड्थ है। एंटीना को क्षैतिज और ऊर्ध्वाधर ध्रुवीकृत तरंगों को प्राप्त करने के लिए डिज़ाइन किया गया है और पूरे बैंडविड्थ पर एक स्थिर विकिरण पैटर्न है। एनर्जी हार्वेस्टिंग एप्लिकेशन के लिए एंटीना को भी अनुकूलित किया गया है और यह रेक्टिफायर के लिए निष्क्रिय वोल्टेज प्रवर्धन और प्रतिबाधा मिलान प्रदान करने के लिए 100 Ω इनपुट प्रतिबाधा के लिए डिज़ाइन किया गया है। 980 और 1800 मेगाहर्ट्ज पर क्रमशः 500 ओएच भार के लिए 60% और 17% की चोटी दक्षता प्राप्त की जाती है। एक सेल साइट पर एक साथ सभी बैंडों को कटाई करते समय खुले सर्किट के लिए 3.76 V और 4.3 k Ω के भार पर 1.38 V का वोल्टेज 25 मीटर की दूरी पर रेक्टिना के दो तत्वों की एक सरणी का उपयोग करके प्राप्त किया जाता है।

484ac571356251355d3e24dcb23bdd6d0911bd94

हाल ही में वैज्ञानिक और तकनीकी प्रगति ने ग्राफ के रूप में मॉडलिंग किए गए संरचनात्मक पैटर्न की बहुतायत देखी है। नतीजतन, ग्राफ के बड़े डेटाबेस पर ग्राफ कंटेनमेंट क्वेरी को प्रभावी ढंग से संसाधित करना विशेष रुचि का है। ग्राफ डेटाबेस G और क्वेरी ग्राफ q को देखते हुए, ग्राफ कंटेनमेंट क्वेरी G में सभी ग्राफों को पुनः प्राप्त करने के लिए है जिसमें उपग्राफ के रूप में q शामिल है। जी में ग्राफ की विशाल संख्या और उपग्राफ आइसोमॉर्फिज्म परीक्षण के लिए जटिलता की प्रकृति के कारण, समग्र क्वेरी प्रसंस्करण लागत को कम करने के लिए उच्च गुणवत्ता वाले ग्राफ अनुक्रमण तंत्र का उपयोग करना वांछनीय है। इस पेपर में, हम ग्राफ डेटाबेस की अक्सर पेड़-विशेषताओं के आधार पर एक नई लागत प्रभावी ग्राफ अनुक्रमण विधि का प्रस्ताव करते हैं। हम तीन महत्वपूर्ण पहलुओं से सूचकांक सुविधा के रूप में पेड़ की प्रभावशीलता और दक्षता का विश्लेषण करते हैंः सुविधा आकार, सुविधा चयन लागत, और छंटाई शक्ति। मौजूदा ग्राफ आधारित अनुक्रमण विधियों की तुलना में बेहतर छंटाई क्षमता प्राप्त करने के लिए, हम अक्सर पेड़-विशेषताओं (Tree) के अलावा, मांग पर, ग्राफ खनन की एक महंगी प्रक्रिया के बिना, एक छोटी संख्या में भेदभावपूर्ण ग्राफ (∆) का चयन करते हैं। हमारा अध्ययन सत्यापित करता है कि (Tree+∆) ग्राफ के अनुक्रमण के उद्देश्य के लिए ग्राफ से बेहतर विकल्प है, जिसे (Tree+∆ ≥Graph) दर्शाया गया है, ताकि ग्राफ कंटेनमेंट क्वेरी समस्या को हल किया जा सके। इसके दो निहितार्थ हैंः (1) (Tree+∆) द्वारा सूचकांक निर्माण कुशल है, और (2) (Tree+∆) द्वारा ग्राफ समावेशन क्वेरी प्रसंस्करण कुशल है। हमारे प्रयोगात्मक अध्ययनों से पता चलता है कि (Tree+∆) का एक संकुचित सूचकांक संरचना है, सूचकांक निर्माण में परिमाण के एक आदेश बेहतर प्रदर्शन प्राप्त करता है, और सबसे महत्वपूर्ण बात, ग्राफ-आधारित अनुक्रमण विधियों को अप-टू-डेट करता है: ग्राफ कंटेनमेंट क्वेरी प्रोसेसिंग में gIndex और C-Tree।

22749899b50c5113516b9820f875a580910aa746

एक छोटे स्लॉट-लोड किए गए पैच एंटीना डिजाइन पर चर्चा की गई है जो एल1 और एल2 बैंड दोनों जीपीएस संकेतों को प्राप्त करने के लिए विकसित किया गया है। दोहरे बैंड कवरेज L2 बैंड पर एक पैच मोड और L1 बैंड पर एक स्लॉट मोड का उपयोग करके प्राप्त किया जाता है। उच्च विद्युत सामग्री और लंबवत स्लॉट लाइन का उपयोग एंटेना के आकार को व्यास में 25.4 मिमी तक कम करने के लिए किया जाता है। आरएचसीपी एक छोटे 0°-90° हाइब्रिड चिप के माध्यम से दो ऑर्थोगोनल मोड को जोड़कर प्राप्त किया जाता है। पैच और स्लॉट दोनों मोड में एक एकल निकटता जांच है जो एंटेना के किनारे पर सुविधाजनक रूप से स्थित है (चित्र 1) । इस पत्र में डिजाइन प्रक्रिया के साथ-साथ अनुकरणित एंटीना प्रदर्शन के बारे में चर्चा की गई है।

afbe59950a7d452ce0a3f412ee865f1e1d94d9ef

सुदृढीकरण सीखने से स्वायत्त रोबोटों को न्यूनतम मानव हस्तक्षेप के साथ व्यवहार कौशल के बड़े प्रदर्शन को सीखने में सक्षम बनाने का वादा किया गया है। हालांकि, सुदृढीकरण सीखने के रोबोट अनुप्रयोग अक्सर वास्तविक भौतिक प्रणालियों के लिए व्यावहारिक प्रशिक्षण समय प्राप्त करने के पक्ष में सीखने की प्रक्रिया की स्वायत्तता से समझौता करते हैं। इसमें आम तौर पर हाथ से तैयार नीतिगत प्रतिनिधित्व और मानव-आपूर्ति प्रदर्शनों को शामिल करना शामिल है। गहरी सुदृढीकरण सीखने से सामान्य प्रयोजन तंत्रिका नेटवर्क नीतियों को प्रशिक्षित करके इस सीमा को कम किया जाता है, लेकिन प्रत्यक्ष गहरी सुदृढीकरण सीखने के एल्गोरिदम के अनुप्रयोग अब तक सिम्युलेटेड सेटिंग्स और अपेक्षाकृत सरल कार्यों तक सीमित हैं, क्योंकि उनकी स्पष्ट उच्च नमूना जटिलता है। इस पेपर में, हम प्रदर्शित करते हैं कि हाल ही में गहरी सुदृढीकरण सीखने एल्गोरिथ्म गहरे क्यू-कार्यों के ऑफ-पॉलिसी प्रशिक्षण पर आधारित है जो जटिल 3 डी हेरफेर कार्यों के लिए स्केल कर सकता है और वास्तविक भौतिक रोबोटों पर प्रशिक्षित करने के लिए पर्याप्त रूप से गहरे तंत्रिका नेटवर्क नीतियों को सीख सकता है। हम यह प्रदर्शित करते हैं कि प्रशिक्षण समय को कई रोबोटों में एल्गोरिदम को समानांतर करके और कम किया जा सकता है जो असिंक्रोनस रूप से अपनी नीति अपडेट को साझा करते हैं। हमारे प्रयोगात्मक मूल्यांकन से पता चलता है कि हमारी विधि सिमुलेशन में विभिन्न प्रकार के 3 डी हेरफेर कौशल और वास्तविक रोबोटों पर जटिल दरवाजा खोलने के कौशल को बिना किसी पूर्व प्रदर्शन या मैन्युअल रूप से डिज़ाइन किए गए प्रतिनिधित्व के सीख सकती है।

b8aa8b5d06c98a900d8cea61864669b28c3ac0fc

यह लेख वाहनों के वातावरण में वाहन विलंब सहिष्णु नेटवर्क (वीडीटीएन) में रूटिंग के लिए प्रस्तावित रूटिंग प्रोटोकॉल का एक व्यापक सर्वेक्षण प्रस्तुत करता है। डीटीएन का उपयोग विभिन्न परिचालन वातावरणों में किया जाता है, जिनमें बाधा और विघटन के अधीन और वे उच्च-विलंब के साथ होते हैं, जैसे कि वाहन विज्ञापन नेटवर्क (VANET) । हम एक विशेष प्रकार के VANET पर ध्यान केंद्रित करते हैं, जहां वाहन यातायात दुर्लभ है और संचार करने वाले पक्षों के बीच सीधे अंत-से-अंत मार्ग हमेशा मौजूद नहीं होते हैं। इस प्रकार, इस संदर्भ में संचार वाहन विलंब सहिष्णु नेटवर्क (वीडीटीएन) की श्रेणी में आता है। आरएसयू (रोड साइड यूनिट) की सीमित संचरण सीमा के कारण, वीडीटीएन में दूरस्थ वाहन, आरएसयू से सीधे कनेक्ट नहीं हो सकते हैं और इसलिए पैकेटों को रिले करने के लिए मध्यवर्ती वाहनों पर भरोसा करना पड़ता है। संदेश रिले प्रक्रिया के दौरान, अत्यधिक विभाजन वाले VANET में पूर्ण अंत-से-अंत पथ मौजूद नहीं हो सकते हैं। इसलिए, मध्यवर्ती वाहनों को संदेशों को अवसरवादी रूप से बफर और आगे बढ़ाना चाहिए। बफर, कैरी और फॉरवर्ड के माध्यम से, संदेश अंततः गंतव्य तक पहुंचाया जा सकता है, भले ही स्रोत और गंतव्य के बीच अंत-से-अंत कनेक्शन कभी मौजूद न हो। डीटीएन में रूटिंग प्रोटोकॉल का मुख्य उद्देश्य अंत-से-अंत विलंब को कम करते हुए गंतव्य तक वितरण की संभावना को अधिकतम करना है। इसके अलावा, वाहन नेटवर्क में डीटीएन रूटिंग के लिए वाहन यातायात मॉडल महत्वपूर्ण हैं क्योंकि डीटीएन रूटिंग प्रोटोकॉल का प्रदर्शन नेटवर्क की जनसंख्या और गतिशीलता मॉडल से निकटता से संबंधित है। 2014 एल्सवियर बी.वी. सभी अधिकार सुरक्षित.

4555fd3622908e2170e4ffdd717b83518b123b09

इस लेख में एंटेना के पैरामीटर पर प्रभाव प्रस्तुत किया गया है जब एक एंटेना को धातु की प्लेट के पास क्षैतिज रूप से रखा जाता है। प्लेट का आकार सीमित और आयताकार है। एक मुड़ा हुआ द्विध्रुवीय एंटीना प्रयोग किया जाता है और इसे प्लेट के ऊपर सममित रूप से रखा जाता है। एफईएम (सीमित तत्व विधि) का उपयोग प्लेट के आकार और प्लेट और एंटीना के बीच की दूरी पर एंटीना मापदंडों की निर्भरता का अनुकरण करने के लिए किया जाता है। धातु की प्लेट की उपस्थिति, भले ही वह छोटी हो, यदि वह सही दूरी पर हो, तो एंटीना के व्यवहार में बहुत बड़े परिवर्तन का कारण बनती है। प्लेट जितनी बड़ी होगी, विशेषकर चौड़ाई में, विकिरण पैटर्न की लोब उतनी ही तेज और संकीर्ण होगी। एंटीना की ऊंचाई यह परिभाषित करती है कि विकिरण पैटर्न में कितने लोब हैं। एंटेना की ऊंचाई बढ़ने पर कई एंटेना पैरामीटर, जिनमें प्रतिबाधा, दिशा और आगे-पीछे का अनुपात शामिल है, समय-समय पर बदलते रहते हैं। धातु प्लेट के प्रभाव में एंटेना की अनुनाद आवृत्ति भी बदलती है।

d70cd3d2fe0a194321ee92c305976873b883d529

एक वाइडबैंड 57.7-84.2 GHz चरण शिफ्टर को चरण-अंत और वर्ग संकेत उत्पन्न करने के लिए एक कॉम्पैक्ट लैंग युग्मक का उपयोग करके प्रस्तुत किया गया है। लैंग युग्मक के बाद दो बलून ट्रांसफार्मर होते हैं जो अंतर I और Q संकेतों के साथ IQ वेक्टर मॉडुलेशन प्रदान करते हैं। लागू चरण शिफ्टर 6 डीबी औसत सम्मिलन हानि और 5 डीबी लाभ भिन्नता प्रदर्शित करता है। मापा गया औसत आरएमएस चरण और लाभ त्रुटियां क्रमशः 7 डिग्री और 1 डीबी हैं। चरण शिफ्टर को ग्लोबलफाउंड्रीज 45-एनएम एसओआई सीएमओएस तकनीक में लागू किया गया है जिसमें एक जाल-समृद्ध सब्सट्रेट का उपयोग किया गया है। चिप क्षेत्र 385 μm × 285 μm है और चरण शिफ्टर 17 mW से कम खपत करता है। लेखक के सर्वोत्तम ज्ञान के अनुसार, यह पहला चरण शिफ्टर है जो 37% की आंशिक बैंडविड्थ के साथ 60 गीगाहर्ट्ज बैंड और ई-बैंड आवृत्तियों दोनों को कवर करता है।

eb58118b9db1e95f9792f39c3780dbba3bb966cb

इस पेपर में स्ट्रोक या पार्किंसंस रोग के रोगियों के लिए स्थानिक-समयिक पैदल पैटर्न से मात्रात्मक माप प्राप्त करने और नैदानिक संकेतकों का पता लगाने के लिए एक पहनने योग्य जड़ता माप प्रणाली और इसके संबंधित स्थानिक-समयिक पैदल विश्लेषण एल्गोरिथ्म प्रस्तुत किया गया है। पहनने योग्य प्रणाली में एक माइक्रोकंट्रोलर, एक त्रै-अक्षीय त्वरणमापी, एक त्रै-अक्षीय जाइरोस्कोप और एक आरएफ वायरलेस ट्रांसमिशन मॉड्यूल शामिल हैं। गतिशीलता संकेत अधिग्रहण, संकेत पूर्व-प्रसंस्करण, गति चरण का पता लगाने और गति के टखने की सीमा का अनुमान लगाने की प्रक्रियाओं से युक्त स्थानिक-समयिक चाल विश्लेषण एल्गोरिथ्म, त्वरण और कोणीय वेग से चाल की विशेषताओं को निकालने के लिए विकसित किया गया है। सटीक टखने गति की सीमा का अनुमान लगाने के लिए, हमने जड़ता संकेतों के एकीकरण त्रुटि के संचय को कम करने के लिए एक पूरक फ़िल्टर में त्वरण और कोणीय वेग को एकीकृत किया है। सभी 24 प्रतिभागियों ने अपने पैरों पर प्रणाली को 10 मीटर की सीधी रेखा पर सामान्य गति से चलने के लिए लगाया और प्रस्तावित प्रणाली और एल्गोरिथ्म की प्रभावशीलता को मान्य करने के लिए उनके चलने के रिकॉर्ड एकत्र किए गए। प्रयोगात्मक परिणामों से पता चलता है कि डिजाइन किए गए स्थानिक-समयिक पैदल विश्लेषण एल्गोरिथ्म के साथ प्रस्तावित जड़ता माप प्रणाली स्थानिक-समयिक पैदल सूचना का स्वचालित विश्लेषण करने के लिए एक आशाजनक उपकरण है, जो स्ट्रोक या पार्किंसंस रोग के निदान के लिए चिकित्सीय प्रभावशीलता की निगरानी के लिए नैदानिक संकेतकों के रूप में कार्य करता है।

7e7f14f325d7e8d70e20ca22800ad87cfbf339ff

इस प्रकाशन में ऐसे पुनर्मुद्रण लेख हैं जिनके लिए आईईईई के पास कॉपीराइट नहीं है। इन लेखों के लिए IEEE Xplore पर पूर्ण पाठ उपलब्ध नहीं है।

002a8b9ef513d46dc8dcce85c04a87ae6a221b4c

हम प्रतिगमन और वर्गीकरण के लिए समर्थन वेक्टर एल्गोरिदम की एक नई श्रेणी का प्रस्ताव करते हैं। इन एल्गोरिदम में, एक पैरामीटर एक को प्रभावी रूप से समर्थन वैक्टरों की संख्या को नियंत्रित करने देता है। जबकि यह अपने आप में उपयोगी हो सकता है, पैरामीटरकरण के अतिरिक्त लाभ यह है कि यह हमें एल्गोरिथ्म के अन्य मुक्त मापदंडों में से एक को समाप्त करने में सक्षम बनाता हैः प्रतिगमन मामले में सटीकता पैरामीटर, और वर्गीकरण मामले में नियमितकरण निरंतर सी। हम एल्गोरिदम का वर्णन करते हैं, कुछ सैद्धांतिक परिणाम देते हैं, जो कि अर्थ और चयन के बारे में हैं, और प्रयोगात्मक परिणामों की रिपोर्ट करते हैं।

0911bcf6bfff20a84a56b9d448bcb3d72a1eb093

एक ऑटोएन्कोडर के नियमित प्रशिक्षण के परिणामस्वरूप आमतौर पर छिपी हुई इकाई पूर्वाग्रह होते हैं जो बड़े नकारात्मक मान लेते हैं। हम दिखाते हैं कि नकारात्मक पूर्वाग्रह एक छिपी हुई परत का उपयोग करने का एक स्वाभाविक परिणाम है जिसकी जिम्मेदारी इनपुट डेटा का प्रतिनिधित्व करना और एक चयन तंत्र के रूप में कार्य करना है जो प्रतिनिधित्व की विरलता सुनिश्चित करता है। हम तो दिखाने के लिए है कि नकारात्मक पूर्वाग्रहों को रोकने के सीखने के डेटा वितरण है, जिसका आंतरिक आयामी उच्च है. हम एक नया सक्रियण फ़ंक्शन भी प्रस्तावित करते हैं जो छिपी हुई परत की दो भूमिकाओं को अलग करता है और जो हमें बहुत उच्च आंतरिक आयाम के साथ डेटा पर प्रतिनिधित्व सीखने की अनुमति देता है, जहां मानक ऑटोकोडर आमतौर पर विफल होते हैं। चूंकि विच्छेदित सक्रियण कार्य एक निहित विनियमनकर्ता की तरह कार्य करता है, इसलिए मॉडल को प्रशिक्षण डेटा की पुनर्निर्माण त्रुटि को कम करके प्रशिक्षित किया जा सकता है, बिना किसी अतिरिक्त विनियमन की आवश्यकता के।

27f9b805de1f125273a88786d2383621e60c6094

इस पेपर में हम गति नियंत्रण और पोजीशन अनुमान में सुधार के लिए ट्रैक किए गए मोबाइल रोबोट के लिए एक गतिज दृष्टिकोण का प्रस्ताव करते हैं। स्लिप और ट्रैक-मिट्टी की बातचीत के कारण जटिल गतिशीलता ट्रैक की गति के आधार पर वाहन की सटीक गति की भविष्यवाणी करना मुश्किल बनाती है। फिर भी, स्वायत्त नेविगेशन के लिए वास्तविक समय की गणना के लिए लूप में गतिशीलता को पेश किए बिना एक प्रभावी गतिज समीकरण की आवश्यकता होती है। प्रस्तावित समाधान इस तथ्य पर आधारित है कि वाहन के संबंध में गति विमान पर रोटरी के क्षणिक केंद्र (आईसीआर) गतिशीलता पर निर्भर हैं, लेकिन वे एक सीमित क्षेत्र के भीतर स्थित हैं। इस प्रकार, किसी विशेष इलाके के लिए निरंतर आईसीआर पदों का अनुकूलन करने से ट्रैक किए गए मोबाइल रोबोट के लिए एक अनुमानित गतिज मॉडल का परिणाम मिलता है। गतिज मापदंडों के ऑफ-लाइन अनुमान के लिए दो अलग-अलग दृष्टिकोण प्रस्तुत किए गए हैंः (i) वाहन की पूरी गति सीमा के लिए गतिशील मॉडल की स्थिर प्रतिक्रिया का अनुकरण; (ii) एक प्रयोगात्मक सेटअप की शुरूआत ताकि एक आनुवंशिक एल्गोरिथ्म वास्तविक सेंसर रीडिंग से मॉडल का उत्पादन कर सके। इन विधियों का मूल्यांकन ऑन-लाइन ओडोमेट्रिक गणनाओं और मध्यम गति पर कठोर सतह वाली सपाट मिट्टी पर ऑरिगा मोबाइल रोबोट के साथ निम्न-स्तरीय गति नियंत्रण के लिए किया गया है। कीवर्ड गतिशील नियंत्रण, गतिशील रोबोटिक्स, पैरामीटर पहचान, गतिशीलता अनुकरण

04caa1a55b12d5f3830ed4a31c4b47921a3546f2

क्रमिकता, वृक्ष और रेखांकन जैसे संरचित डेटा के लिए डिज़ाइन किए गए कर्नेल वर्गीकरणकर्ता और प्रतिगमनकर्ताओं ने कम्प्यूटेशनल जीव विज्ञान और दवा डिजाइन जैसे कई अंतःविषय क्षेत्रों में महत्वपूर्ण प्रगति की है। आमतौर पर, कर्नेल को पहले से एक डेटा प्रकार के लिए डिज़ाइन किया जाता है जो या तो संरचनाओं के आंकड़ों का शोषण करता है या संभाव्य जनरेटिव मॉडल का उपयोग करता है, और फिर उत्तल अनुकूलन के माध्यम से कर्नेल के आधार पर एक भेदभावपूर्ण वर्गीकरणकर्ता सीखा जाता है। हालांकि, इस तरह के एक सुरुचिपूर्ण दो-चरण दृष्टिकोण ने भी कर्नेल विधियों को लाखों डेटा बिंदुओं तक स्केल करने और सुविधा प्रतिनिधित्व सीखने के लिए भेदभावपूर्ण जानकारी का शोषण करने से सीमित कर दिया। हम संरचना 2vec, संरचनात्मक डेटा प्रतिनिधित्व के लिए एक प्रभावी और स्केलेबल दृष्टिकोण का प्रस्ताव करते हैं जो फीचर स्पेस में छिपे हुए चर मॉडल को एम्बेड करने के विचार पर आधारित है, और भेदभावपूर्ण जानकारी का उपयोग करके ऐसे फीचर स्पेस को सीखना है। दिलचस्प बात यह है कि structure2vec ग्राफिकल मॉडल अनुमान प्रक्रियाओं के समान तरीके से फ़ंक्शन मैपिंग का एक अनुक्रम करके सुविधाओं को निकालता है, जैसे कि औसत क्षेत्र और विश्वास प्रसार। लाखों डेटा पॉइंट्स को शामिल करने वाले अनुप्रयोगों में, हमने दिखाया कि structure2vec 2 गुना तेज चलता है, मॉडल पैदा करता है जो 10,000 गुना छोटे होते हैं, जबकि एक ही समय में अत्याधुनिक भविष्यवाणी प्रदर्शन प्राप्त करते हैं।

1dc5b2114d1ff561fc7d6163d8f4e9c905ca12c4

यह सर्वविदित है कि जब डेटा असामान्य रूप से वितरित होता है, तो पियर्सन के आर के महत्व का परीक्षण टाइप I त्रुटि दरों को बढ़ा सकता है और शक्ति को कम कर सकता है। सांख्यिकी पाठ्यपुस्तक और सिमुलेशन साहित्य पीयरसन के सहसंबंध के लिए कई विकल्प प्रदान करते हैं। हालांकि, इन विकल्पों का सापेक्ष प्रदर्शन अस्पष्ट रहा है। 12 विधियों की तुलना करने के लिए दो सिमुलेशन अध्ययन किए गए, जिनमें पियर्सन, स्पीयरमैन के रैंक-ऑर्डर, परिवर्तन और पुनः नमूनाकरण दृष्टिकोण शामिल हैं। अधिकांश नमूना आकारों (n ≥ 20) के साथ, पियर्सन सहसंबंध का आकलन करने से पहले डेटा को सामान्य आकार में बदलकर टाइप I और टाइप II त्रुटि दर को कम किया गया। परिवर्तन के दृष्टिकोणों में, एक सामान्य उद्देश्य रैंक-आधारित उलटा सामान्य परिवर्तन (यानी, रैंकिट स्कोर में परिवर्तन) सबसे अधिक लाभदायक था। हालांकि, जब नमूने छोटे (एन ≤ 10) और अत्यंत असामान्य दोनों थे, तो क्रमपरिवर्तन परीक्षण अक्सर विभिन्न बूटस्ट्रैप परीक्षणों सहित अन्य विकल्पों से बेहतर प्रदर्शन करता था।

d3abb0b5b3ce7eb464846bbdfd93e0fbf505e954

इस पेपर में, हम सब्सट्रेट इंटीग्रेटेड वेव गाइड (SIW) द्वारा खिलाए गए कॉम्पैक्ट एंटीना सरणियों की तीन अलग-अलग अवधारणाओं की तुलना करते हैं। एंटीना अवधारणाएं रेडिएटर के प्रकार में भिन्न होती हैं। स्लॉट चुंबकीय रैखिक रेडिएटर का प्रतिनिधित्व करते हैं, पैच विद्युत सतह रेडिएटर हैं, और विवाल्डी स्लॉट यात्रा-तरंग एंटेना से संबंधित हैं। इसलिए, एसआईडब्ल्यू फीडर को उत्तेजक एंटेना तत्वों के विभिन्न तंत्रों का शोषण करना पड़ता है। अध्ययन किए गए एंटीना सरणियों की प्रतिबाधा और विकिरण गुणों को सामान्य आवृत्ति से संबंधित किया गया है। ऐन्टेना सरणियों की तुलना परस्पर की गई है ताकि ऐन्टेना के राज्य चरों पर, एसआईडब्ल्यू फीडर आर्किटेक्चर पर और संबंधित कार्यान्वयन विवरणों पर डिज़ाइन किए गए ऐन्टेना के अंतिम मापदंडों की मौलिक निर्भरता दिखाई दे।

e4acaccd3c42b618396c9c28dae64ae7091e36b8

एक उपन्यास आई/क्यू रिसीवर सरणी का प्रदर्शन किया गया है जो प्रत्येक रिसीवर चैनल में चरण परिवर्तन को अनुकूलित करता है ताकि एक प्राप्त बीम को एक घटनात्मक आरएफ सिग्नल की ओर इंगित किया जा सके। मापा गया सरणी 8.1 गीगाहर्ट्ज पर काम करती है और चार तत्व सरणी के लिए +/-35 डिग्री के स्टीयरिंग कोण को कवर करती है। इसके अतिरिक्त, रिसीवर में एक I/Q डाउन-कन्वर्टर शामिल है और ईवीएम के साथ 4% से कम 64QAM को डीमोड्यूलेट करता है। चिप 45 एनएम सीएमओएस एसओआई प्रक्रिया में निर्मित है और 143 एमडब्ल्यू सीसी बिजली का उपभोग करते हुए 3.45 मिमी2 के क्षेत्र में फैली हुई है।

149bf28af91cadf2cd933bd477599cca40f55ccd

हम एक सीखने की वास्तुकला का प्रस्ताव करते हैं, जो कच्चे दृश्य इनपुट डेटा के आधार पर सुदृढीकरण सीखने में सक्षम है। पूर्व के दृष्टिकोणों के विपरीत, केवल नियंत्रण नीति ही नहीं सीखी जाती है। सफल होने के लिए, सिस्टम को स्वायत्त रूप से यह भी सीखना चाहिए कि इनपुट सूचना के उच्च आयामी प्रवाह से प्रासंगिक जानकारी कैसे निकाली जाए, जिसके लिए सिमेंटिक्स सीखने की प्रणाली को प्रदान नहीं किया जाता है। हम एक चुनौतीपूर्ण बेंचमार्क पर इस उपन्यास सीखने वास्तुकला की अवधारणा का पहला प्रमाण देते हैं, अर्थात् एक रेसिंग स्लॉट कार का दृश्य नियंत्रण। परिणाम स्वरूप जो नीति बनती है, उसे केवल सफलता या असफलता से ही सीखा जा सकता है, और किसी अनुभवी मानव खिलाड़ी द्वारा इसे हराया जाना मुश्किल है।

759d9a6c9206c366a8d94a06f4eb05659c2bb7f2

आज तक, कंप्यूटर विजन में मशीन लर्निंग-आधारित मान्यता एल्गोरिदम के लगभग सभी प्रयोगात्मक मूल्यांकन ने "बंद सेट" मान्यता का रूप लिया है, जिसके द्वारा प्रशिक्षण के समय सभी परीक्षण वर्गों को जाना जाता है। दृष्टि अनुप्रयोगों के लिए एक अधिक यथार्थवादी परिदृश्य "खुली सेट" मान्यता है, जहां प्रशिक्षण के समय दुनिया का अपूर्ण ज्ञान मौजूद है, और परीक्षण के दौरान अज्ञात वर्गों को एक एल्गोरिथ्म के लिए प्रस्तुत किया जा सकता है। यह लेख खुले सेट मान्यता की प्रकृति का पता लगाता है और इसकी परिभाषा को एक सीमित न्यूनिकरण समस्या के रूप में औपचारिक रूप देता है। ओपन सेट मान्यता समस्या को मौजूदा एल्गोरिदम द्वारा ठीक से संबोधित नहीं किया जाता है क्योंकि इसके लिए मजबूत सामान्यीकरण की आवश्यकता होती है। समाधान की ओर एक कदम के रूप में, हम एक उपन्यास 1-बनाम-सेट मशीन, पेश करते हैं जो एक रैखिक कर्नेल के साथ एक-वर्ग या द्विआधारी एसवीएम की सीमांत दूरी से एक निर्णय स्थान को मूर्तिकला करता है। यह पद्धति कंप्यूटर दृष्टि में कई अलग-अलग अनुप्रयोगों पर लागू होती है जहां ओपन सेट मान्यता एक चुनौतीपूर्ण समस्या है, जिसमें वस्तु मान्यता और चेहरे सत्यापन शामिल हैं। हम इस कार्य में दोनों पर विचार करते हैं, कैल्टेक 256 और इमेजनेट सेटों पर किए गए बड़े पैमाने पर क्रॉस-डेटासेट प्रयोगों के साथ-साथ लेबल किए गए फेसेस इन द वाइल्ड सेट पर किए गए चेहरे मिलान प्रयोगों के साथ। प्रयोगों से मौजूदा 1-वर्ग और बाइनरी एसवीएम की तुलना में ओपन सेट मूल्यांकन के लिए अनुकूलित मशीनों की प्रभावशीलता पर प्रकाश डाला गया है।

00960cb3f5a74d23eb5ded93f1aa717b9c6e6851

बेयसी अनुकूलन अज्ञात, महंगे और बहुआयामी कार्यों के वैश्विक अनुकूलन के लिए एक अत्यधिक प्रभावी पद्धति साबित हुई है। कार्यों पर वितरण को सटीक रूप से मॉडलिंग करने की क्षमता बेयसियन अनुकूलन की प्रभावशीलता के लिए महत्वपूर्ण है। यद्यपि गौसियन प्रक्रियाएँ कार्यों पर एक लचीला पूर्व प्रदान करती हैं, लेकिन ऐसे विभिन्न प्रकार के कार्य हैं जिन्हें मॉडलिंग करना मुश्किल है। इनमें से सबसे अधिक बार होने वाला एक वर्ग है गैर-स्थिर कार्य। मशीन लर्निंग एल्गोरिदम के हाइपरपैरामीटरों का अनुकूलन एक समस्या क्षेत्र है जिसमें पैरामीटर अक्सर मैन्युअल रूप से पूर्वनिर्धारित रूप से परिवर्तित होते हैं, उदाहरण के लिए लॉग-स्पेस, में अनुकूलन करके स्थानिक रूप से भिन्न लंबाई पैमाने के प्रभावों को कम करने के लिए। हम बीटा संचयी वितरण फलन का उपयोग करके इनपुट अंतरिक्ष के द्विध्रुवीय परिवर्तनों या वक्रताओं के एक विस्तृत परिवार को स्वचालित रूप से सीखने के लिए एक पद्धति विकसित करते हैं। हम आगे बहु-कार्य बेयज़ियन अनुकूलन के लिए warping ढांचे का विस्तार ताकि कई कार्यों को संयुक्त रूप से एक स्थिर अंतरिक्ष में warped किया जा सकता है। चुनौतीपूर्ण बेंचमार्क अनुकूलन कार्यों के एक सेट पर, हम देखते हैं कि वार्पिंग को शामिल करने से अत्याधुनिक स्थिति में काफी सुधार होता है, बेहतर परिणाम तेजी से और अधिक विश्वसनीयता से उत्पन्न होते हैं।

b53e4c232833a8e663a9cf15dcdd050ff801c05c

हम विषम डेटा धाराओं के उच्च-प्रवाह वास्तविक समय विश्लेषण के लिए एक स्केलेबल प्रणाली प्रस्तुत करते हैं। हमारी वास्तुकला भविष्यवाणी विश्लेषण और विसंगति का पता लगाने के लिए मॉडलों के वृद्धिशील विकास को सक्षम करती है क्योंकि डेटा सिस्टम में आता है। बैच डाटा प्रोसेसिंग सिस्टम जैसे हडोप के विपरीत, जिसमें उच्च विलंबता हो सकती है, हमारी वास्तुकला डेटा को फ्लाई पर लेने और विश्लेषण करने की अनुमति देती है, जिससे असामान्य व्यवहार का पता लगाना और प्रतिक्रिया देना लगभग वास्तविक समय में संभव हो जाता है। अंदरूनी सूत्र के खतरे, वित्तीय धोखाधड़ी और नेटवर्क घुसपैठ जैसे अनुप्रयोगों के लिए यह समयबद्धता महत्वपूर्ण है। हम इस प्रणाली का आंतरिक खतरों का पता लगाने की समस्या के लिए एक आवेदन का प्रदर्शन करते हैं, अर्थात्, सिस्टम के उपयोगकर्ताओं द्वारा एक संगठन के संसाधनों का दुरुपयोग और सार्वजनिक रूप से उपलब्ध आंतरिक खतरे डेटासेट पर हमारे प्रयोगों के परिणाम प्रस्तुत करते हैं।

39b58ef6487c893219c77c61c762eee5694d0e36

वर्गीकरण डेटा खनन के उभरते क्षेत्र में एक महत्वपूर्ण समस्या है। यद्यपि वर्गीकरण का अतीत में व्यापक रूप से अध्ययन किया गया है, लेकिन अधिकांश वर्गीकरण एल्गोरिदम केवल मेमोरी-निवासी डेटा के लिए डिज़ाइन किए गए हैं, इस प्रकार बड़े डेटा सेटों के डेटा खनन के लिए उनकी उपयुक्तता को सीमित करते हैं। इस पेपर में स्केलेबल क्लासर बनाने के मुद्दों पर चर्चा की गई है और एक नए क्लासर SLIQ के डिजाइन को प्रस्तुत किया गया है। SLIQ एक निर्णय वृक्ष वर्गीकरण है जो संख्यात्मक और श्रेणीगत दोनों विशेषताओं को संभाल सकता है। यह वृक्ष-वृद्धि चरण में एक नवीन पूर्व-छंटाई तकनीक का उपयोग करता है। यह क्रमबद्ध प्रक्रिया डिस्क-निवासी डेटासेट के वर्गीकरण को सक्षम करने के लिए एक व्यापक वृक्ष बढ़ते रणनीति के साथ एकीकृत है। SLIQ एक नए पेड़-छंटाई एल्गोरिथ्म का भी उपयोग करता है जो सस्ता है, और इसके परिणामस्वरूप कॉम्पैक्ट और सटीक पेड़ होते हैं। इन तकनीकों का संयोजन एसएलआईक्यू को बड़े डेटा सेट के लिए स्केल करने और डेटा सेट को वर्गीकृत करने में सक्षम बनाता है, चाहे वह कक्षाओं, विशेषताओं और उदाहरणों (रिकॉर्ड) की संख्या के बावजूद हो, इस प्रकार यह डेटा माइनिंग के लिए एक आकर्षक उपकरण बन जाता है।

1f25ed3c9707684cc0cdf3e8321c791bc7164147

वर्गीकरण एक महत्वपूर्ण डेटा खनन समस्या है। यद्यपि वर्गीकरण एक अच्छी तरह से अध्ययन की गई समस्या है, लेकिन अधिकांश वर्तमान वर्गीकरण एल्गोरिदम की आवश्यकता होती है कि पूरे डेटासेट का सभी या एक हिस्सा स्थायी रूप से स्मृति में रहे। इससे बड़ी संख्या में डेटाबेस के खनन के लिए उनकी उपयुक्तता सीमित हो जाती है। हम एक नया निर्णय-वृक्ष आधारित वर्गीकरण एल्गोरिथ्म प्रस्तुत करते हैं, जिसे स्प्रिंट कहा जाता है जो सभी स्मृति प्रतिबंधों को हटा देता है, और तेज़ और स्केलेबल है। एल्गोरिथ्म को आसानी से समानांतर करने के लिए भी डिज़ाइन किया गया है, जिससे कई प्रोसेसर एक एकल सुसंगत मॉडल बनाने के लिए एक साथ काम कर सकते हैं। यह समानांतरकरण, यहाँ भी प्रस्तुत, उत्कृष्ट स्केलेबिलिटी भी प्रदर्शित करता है। इन विशेषताओं का संयोजन प्रस्तावित एल्गोरिथ्म को डेटा माइनिंग के लिए एक आदर्श उपकरण बनाता है।

7c3a4b84214561d8a6e4963bbb85a17a5b1e003a

76c87ec44fc5dc96bc445abe008deaf7c97c9373

यह पेपर मानक नरम सब्सट्रेट की एक परत पर 100 Ω अंतर माइक्रोस्ट्रिप लाइन फीड के साथ एक समतल ग्रिड सरणी एंटीना प्रस्तुत करता है। यह एंटीना 79 गीगाहर्ट्ज आवृत्ति बैंड में ऑटोमोटिव रडार अनुप्रयोगों के लिए काम करती है। इसकी एक पंक्ति की रचना ऊंचाई में एक संकीर्ण बीम और अज़ीमुथ में एक चौड़ी बीम प्रदान करती है। अंतर माइक्रोस्ट्रिप लाइन फीडिंग के साथ, एंटीना आवृत्ति रेंज में अंतर मल्टीचैनल MMICs के लिए उपयुक्त है।

bc7308a97ec2d3f7985d48671abe7a8942a5b9f8

इस पेपर में भावना विश्लेषण के लिए एक दृष्टिकोण पेश किया गया है जो संभावित प्रासंगिक जानकारी के विभिन्न स्रोतों को एक साथ लाने के लिए समर्थन वेक्टर मशीनों (एसवीएम) का उपयोग करता है, जिसमें वाक्यांशों और विशेषणों के लिए कई अनुकूलता उपाय और, जहां उपलब्ध हो, पाठ के विषय का ज्ञान। प्रस्तुत विशेषताओं का उपयोग करने वाले मॉडल को एकोग्राम मॉडल के साथ और जोड़ा जाता है जो अतीत में प्रभावी साबित हुए हैं (पंग एट अल, 2002) और एकोग्राम मॉडल के लेमेटाइज्ड संस्करण। Epinions.com से फिल्म समीक्षा डेटा पर प्रयोगों से पता चलता है कि हाइब्रिड एसवीएम जो कि एकोग्राम-शैली के फीचर-आधारित एसवीएम को वास्तविक मूल्य के अनुकूलता उपायों पर आधारित लोगों के साथ जोड़ते हैं, बेहतर प्रदर्शन प्राप्त करते हैं, जो इस डेटा का उपयोग करके अब तक प्रकाशित सर्वोत्तम परिणाम उत्पन्न करते हैं। विषय के लिए संगीत समीक्षाओं के एक छोटे डेटासेट पर विषय की जानकारी के साथ समृद्ध एक सुविधा सेट का उपयोग करने वाले आगे के प्रयोगों की भी सूचना दी जाती है, जिसके परिणाम बताते हैं कि ऐसे मॉडलों में विषय की जानकारी को शामिल करने से सुधार भी हो सकता है।

be389fb59c12c8c6ed813db13ab74841433ea1e3

अंजीर। 1. हम आईमैपर प्रस्तुत करते हैं, एक विधि जो वस्तुओं के साथ मनुष्यों की बातचीत के बारे में तर्क देती है, एक प्रशंसनीय दृश्य व्यवस्था और मानव आंदोलन दोनों को पुनर्प्राप्त करने के लिए, जो एक इनपुट मोनोकुलर वीडियो (इन्सैट देखें) की सबसे अच्छी व्याख्या करते हैं। हम दृश्यों (जैसे, ए, बी, सी) नामक विशेषता इंटरैक्शन को वीडियो में फिट करते हैं और उनका उपयोग एक प्रशंसनीय वस्तु व्यवस्था और मानव गति पथ (बाएं) के पुनर्निर्माण के लिए करते हैं। मुख्य चुनौती यह है कि विश्वसनीय फिटिंग के लिए अवरुद्ध होने के बारे में जानकारी की आवश्यकता होती है, जो अज्ञात (यानी, गुप्त) होती है। (दाएं) हम हमारे परिणाम के ओवरले (ऊपर से) को मैन्युअल रूप से एनोटेटेड ग्राउंडट्रथ ऑब्जेक्ट प्लेसमेंट पर दिखाते हैं। ध्यान दें कि वस्तु मेषों को अनुमानित वस्तु श्रेणी, स्थान और आकार की जानकारी के आधार पर रखा गया है।

f24a1af3bd8873920593786d81590d29520cfebc

यह पत्र बहुपरत सब्सट्रेट एकीकृत वेवगाइड (एमएसआईडब्ल्यू) तकनीक पर आधारित एक उपन्यास अण्डाकार फिल्टर के डिजाइन और प्रयोग को प्रस्तुत करता है। चार गुना एमएसआईडब्ल्यू गुहाओं के साथ एक सी-बैंड अण्डाकार फिल्टर उच्च आवृत्ति संरचना सिम्युलेटर सॉफ्टवेयर का उपयोग करके और दो-परत मुद्रित सर्किट बोर्ड प्रक्रिया के साथ निर्मित किया जाता है, मापा परिणाम अच्छे प्रदर्शन को दिखाते हैं और सिमुलेटेड परिणामों के साथ समझौते में हैं।

8052bc5f9beb389b3144d423e7b5d6fcf5d0cc4f

विशेषताएँ वस्तुओं द्वारा साझा की जाने वाली अर्थ संबंधी दृश्य गुण हैं। इनसे वस्तुओं की पहचान में सुधार और सामग्री आधारित छवि खोज में वृद्धि हुई है। जबकि गुणों से कई श्रेणियों को कवर करने की उम्मीद है, जैसे कि एक dalmatian और एक व्हेल दोनों "चमनी त्वचा" हो सकता है, हम पाते हैं कि एक ही विशेषता की उपस्थिति श्रेणियों के बीच काफी भिन्न होता है। इस प्रकार, एक श्रेणी पर सीखा गया एक विशेषता मॉडल दूसरी श्रेणी पर प्रयोग करने योग्य नहीं हो सकता है। हम दिखाएंगे कि नई श्रेणियों के लिए विशेषता मॉडल को कैसे अनुकूलित किया जाए। हम यह सुनिश्चित करते हैं कि श्रेणियों के स्रोत डोमेन और एक नए लक्ष्य डोमेन के बीच सकारात्मक हस्तांतरण हो सकता है, एक सुविधा उप-स्थान में सीखने से सुविधा चयन द्वारा पाया जाता है जहां डोमेन के डेटा वितरण समान होते हैं। हम यह प्रदर्शित करते हैं कि जब उपन्यास डोमेन से डेटा सीमित होता है, तो सहायक डोमेन (अनुकूली एसवीएम के माध्यम से) पर प्रशिक्षित मॉडल के साथ उस उपन्यास डोमेन के लिए विशेषता मॉडल को नियमित करना विशेषता भविष्यवाणी की सटीकता में सुधार करता है।

01094798b20e96e1d029d6874577167f2214c7b6

तेज समवर्ती हैश तालिकाएं एक तेजी से महत्वपूर्ण बिल्डिंग ब्लॉक हैं क्योंकि हम सिस्टम को बड़ी संख्या में कोर और थ्रेड के लिए स्केल करते हैं। यह कागज एक उच्च-प्रवाह और स्मृति-कुशल समवर्ती हैश तालिका के डिजाइन, कार्यान्वयन और मूल्यांकन को प्रस्तुत करता है जो कई पाठकों और लेखकों का समर्थन करता है। यह डिजाइन सिस्टम-स्तरीय अनुकूलन पर सावधानीपूर्वक ध्यान देने से उत्पन्न होता है जैसे कि महत्वपूर्ण अनुभाग की लंबाई को कम करना और एल्गोरिथ्म री-इंजीनियरिंग के माध्यम से इंटरप्रोसेसर सुसंगतता यातायात को कम करना। इस इंजीनियरिंग के वास्तुशिल्प आधार के भाग के रूप में, हम इस महत्वपूर्ण बिल्डिंग ब्लॉक के लिए इंटेल के हालिया हार्डवेयर ट्रांजेक्शनल मेमोरी (एचटीएम) समर्थन को अपनाने के हमारे अनुभव और परिणामों की चर्चा शामिल करते हैं। हम पाते हैं कि एक साथ पहुंच की अनुमति देने के लिए एक मोटे अनाज वाले लॉक का उपयोग करके मौजूदा डेटा संरचनाओं पर समग्र प्रदर्शन को कम करता है अधिक धागे के साथ। एचटीएम इस मंदी को कुछ हद तक कम करता है, लेकिन इसे समाप्त नहीं करता है। उच्च प्रदर्शन प्राप्त करने के लिए एचटीएम और फाइन ग्रेनेड लॉक के लिए डिज़ाइन दोनों को लाभ देने वाले एल्गोरिथमिक अनुकूलन की आवश्यकता होती है। हमारे प्रदर्शन परिणामों से पता चलता है कि हमारे नए हैश टेबल डिजाइन---आशावादी कुक्कू हैशिंग के आसपास आधारित---लेखन-भारी कार्यभार के लिए 2.5x तक अन्य अनुकूलित समवर्ती हैश टेबल को पार करता है, यहां तक कि छोटे कुंजी-मूल्य आइटम के लिए काफी कम मेमोरी का उपयोग करते हुए भी। 16-कोर मशीन पर, हमारी हैश टेबल लगभग 40 मिलियन सम्मिलित और प्रति सेकंड 70 मिलियन से अधिक लुकअप ऑपरेशन निष्पादित करती है।

5685a394b25fcb27b6ad91f7325f2e60a9892e2a

ग्राफ-जैसी संरचना वाले डेटा को संग्रहीत करने और प्रबंधित करने के लिए पारंपरिक डेटाबेस की सीमाओं को दूर करने के लिए ग्राफ डेटाबेस (जीडीबी) हाल ही में उत्पन्न हुए हैं। आज, वे सामाजिक नेटवर्क जैसे ग्राफ-जैसे डेटा को प्रबंधित करने वाले कई अनुप्रयोगों के लिए एक आवश्यकता का प्रतिनिधित्व करते हैं। ग्राफ डेटाबेस में प्रश्नों को अनुकूलित करने के लिए लागू अधिकांश तकनीकों का उपयोग पारंपरिक डेटाबेस, वितरण प्रणालियों में किया गया है, या वे ग्राफ सिद्धांत से प्रेरित हैं। हालांकि, ग्राफ डेटाबेस में उनके पुनः उपयोग में ग्राफ डेटाबेस की मुख्य विशेषताओं का ध्यान रखा जाना चाहिए, जैसे कि गतिशील संरचना, अत्यधिक परस्पर जुड़े डेटा और डेटा संबंधों तक कुशलतापूर्वक पहुँचने की क्षमता। इस पेपर में, हम ग्राफ डेटाबेस में क्वेरी अनुकूलन तकनीकों का सर्वेक्षण करते हैं। विशेष रूप से, हम उन विशेषताओं पर ध्यान केंद्रित करते हैं जिन्हें उन्होंने ग्राफ जैसे डेटा को बेहतर बनाने के लिए पेश किया है।

0541d5338adc48276b3b8cd3a141d799e2d40150

MapReduce एक प्रोग्रामिंग मॉडल और एक संबंधित कार्यान्वयन है जो बड़े डेटासेट को संसाधित करने और उत्पन्न करने के लिए है जो वास्तविक दुनिया के कार्यों की एक विस्तृत विविधता के लिए उत्तरदायी है। उपयोगकर्ता मानचित्र और एक कम करने के कार्य के संदर्भ में गणना निर्दिष्ट करते हैं, और अंतर्निहित रनटाइम सिस्टम स्वचालित रूप से मशीनों के बड़े पैमाने पर समूहों में गणना को समानांतर करता है, मशीन विफलताओं को संभालता है, और नेटवर्क और डिस्क का कुशल उपयोग करने के लिए अंतर-मशीन संचार को शेड्यूल करता है। प्रोग्रामरों को सिस्टम का उपयोग करना आसान लगता हैः पिछले चार वर्षों में Google में आंतरिक रूप से दस हजार से अधिक अलग-अलग MapReduce प्रोग्राम लागू किए गए हैं, और हर दिन Google के क्लस्टर पर औसतन एक लाख MapReduce जॉब निष्पादित किए जाते हैं, जो प्रति दिन कुल बीस से अधिक पेटाबाइट डेटा को संसाधित करते हैं।

683c8f5c60916751bb23f159c86c1f2d4170e43f

3a116f2ae10a979c18787245933cb9f984569599

वायरलेस सेंसर नेटवर्क (डब्ल्यूएसएन) कई प्रकार के अनुप्रयोगों के लिए एक प्रभावी समाधान के रूप में उभरे हैं। अधिकांश पारंपरिक डब्ल्यूएसएन वास्तुकला में स्थिर नोड्स होते हैं जो एक संवेदन क्षेत्र में घने रूप से तैनात होते हैं। हाल ही में, मोबाइल तत्वों (एमई) पर आधारित कई डब्ल्यूएसएन वास्तुकला का प्रस्ताव किया गया है। इनमें से अधिकतर WSN में डेटा संग्रह की समस्या को हल करने के लिए गतिशीलता का उपयोग करते हैं। इस लेख में हम पहले एमई के साथ डब्ल्यूएसएन को परिभाषित करते हैं और एमई की भूमिका के आधार पर उनके आर्किटेक्चर की एक व्यापक वर्गीकरण प्रदान करते हैं। फिर हम इस तरह के परिदृश्य में डेटा संग्रह प्रक्रिया का अवलोकन प्रस्तुत करते हैं, और संबंधित मुद्दों और चुनौतियों की पहचान करते हैं। इन मुद्दों के आधार पर, हम संबंधित साहित्य का व्यापक सर्वेक्षण प्रदान करते हैं। अंत में, हम अंतर्निहित दृष्टिकोणों और समाधानों की तुलना करते हैं, खुली समस्याओं और भविष्य के अनुसंधान दिशाओं के संकेत के साथ।

e7b50e3f56e21fd2a5eb34923d427a0bc6dd8905

इस पेपर में माइक्रोवेव फिल्टर के लिए युग्मन मैट्रिक्स के संश्लेषण के लिए एक नया दृष्टिकोण प्रस्तुत किया गया है। यह नया दृष्टिकोण युग्मन मैट्रिक्स संश्लेषण के लिए मौजूदा प्रत्यक्ष और अनुकूलन विधियों पर एक अग्रिम का प्रतिनिधित्व करता है क्योंकि यह एक नेटवर्क के लिए सभी संभावित युग्मन मैट्रिक्स समाधानों की पूरी तरह से खोज करेगा यदि एक से अधिक मौजूद हैं। इससे युग्मन मानों, प्रतिध्वनि आवृत्ति ऑफसेट, परजीवी युग्मन सहिष्णुता आदि के सेट का चयन किया जा सकता है जो माइक्रोवेव फिल्टर को प्राप्त करने के लिए नियत प्रौद्योगिकी के लिए सबसे उपयुक्त होगा। इस विधि के उपयोग को प्रदर्शित करने के लिए, हाल ही में पेश किए गए विस्तारित बॉक्स (ईबी) युग्मन मैट्रिक्स विन्यास का मामला लिया गया है। ईबी फिल्टर संरचनाओं की एक नई श्रेणी का प्रतिनिधित्व करता है जिसमें कई महत्वपूर्ण फायदे हैं, जिनमें से एक प्रत्येक प्रोटोटाइप फिल्टरिंग फ़ंक्शन के लिए कई युग्मन मैट्रिक्स समाधानों का अस्तित्व है, उदाहरण के लिए 8 डिग्री मामलों के लिए 16। इस मामले को संश्लेषण विधि के उपयोग को प्रदर्शित करने के लिए एक उदाहरण के रूप में लिया गया है - दोहरे मोड के लिए उपयुक्त एक समाधान और एक जहां कुछ युग्मन उपेक्षित करने के लिए पर्याप्त छोटे हैं। सूचकांक शब्द - युग्मन मैट्रिक्स, फिल्टर संश्लेषण, ग्रॉबनेर आधार, उलटा विशेषता, बहु समाधान।

a6f1dfcc44277d4cfd8507284d994c9283dc3a2f

हमने एक वास्तविक समय के कंप्यूटर प्रणाली विकसित की है जो किसी व्यक्ति के सिर का पता लगा सकती है और उसे ट्रैक कर सकती है, और फिर चेहरे की विशेषताओं की तुलना करके उस व्यक्ति को पहचान सकती है जो किसी ज्ञात व्यक्ति के साथ है। इस प्रणाली में लिया गया कम्प्यूटेशनल दृष्टिकोण फिजियोलॉजी और सूचना सिद्धांत दोनों द्वारा प्रेरित है, साथ ही साथ वास्तविक समय के प्रदर्शन और सटीकता की व्यावहारिक आवश्यकताओं द्वारा भी प्रेरित है। हमारा दृष्टिकोण चेहरे की पहचान की समस्या को तीन आयामी ज्यामिति की वसूली की आवश्यकता के बजाय एक आंतरिक रूप से द्वि-आयामी (2-डी) पहचान समस्या के रूप में मानता है, इस तथ्य का लाभ उठाते हुए कि चेहरे सामान्य रूप से खड़ी होती हैं और इस प्रकार 2-डी विशेषता विचारों के एक छोटे से सेट द्वारा वर्णित की जा सकती हैं। यह प्रणाली चेहरे की छवियों को एक विशेषता स्थान पर प्रोजेक्ट करके कार्य करती है जो ज्ञात चेहरे की छवियों के बीच महत्वपूर्ण भिन्नताओं को फैलाता है। महत्वपूर्ण विशेषताओं को "स्वयं-चेहरे" के रूप में जाना जाता है, क्योंकि वे चेहरे के सेट के स्वयं-वेक्टर (मुख्य घटक) हैं; वे आंखों, कानों और नाक जैसी विशेषताओं के अनुरूप नहीं हैं। प्रक्षेपण कार्य किसी व्यक्ति के चेहरे को उसके स्वयं के चेहरे की विशेषताओं के भारित योग से दर्शाती है, और इस प्रकार किसी विशेष चेहरे को पहचानने के लिए केवल इन भारों की ज्ञात व्यक्तियों के भारों से तुलना करना आवश्यक है। हमारे दृष्टिकोण के कुछ विशेष लाभ यह हैं कि यह सीखने की क्षमता प्रदान करता है और बाद में बिना किसी पर्यवेक्षण के नए चेहरों को पहचानता है, और यह एक तंत्रिका नेटवर्क वास्तुकला का उपयोग करके लागू करना आसान है।

b217788dd6d274ad391ee950e6f6a34033bd2fc7

बहुपरत पर्सेप्ट्रॉन, जब इसे बैकप्रोपेगशन का उपयोग करके वर्गीकरणकर्ता के रूप में प्रशिक्षित किया जाता है, तो बेज़ इष्टतम भेदभाव फलन के करीब होने के लिए दिखाया जाता है। परिणाम दो वर्ग समस्या और कई वर्गों के लिए प्रदर्शित किया गया है। यह दिखाया गया है कि बहुपरत पर्सेप्ट्रॉन के आउटपुट प्रशिक्षित किए जा रहे वर्गों के पश्चात की संभावना कार्यों के करीब हैं। प्रमाण किसी भी संख्या में परतों और किसी भी प्रकार की इकाई सक्रियण समारोह, रैखिक या गैर-रैखिक पर लागू होता है।

647cb3825baecb6fab8b098166d5a446f7711f9b

हाल के वर्षों में, गहरे जनरेटिव मॉडल को चित्र, ऑडियो और यहां तक कि वीडियो जैसे उच्च आयामी अवलोकनों को समझाने के लिए दिखाया गया है, जो सीधे कच्चे डेटा से सीखते हैं। इस कार्य में, हम पूछते हैं कि लक्ष्य-निर्देशित दृश्य योजनाओं की कल्पना कैसे करें - अवलोकनों का एक प्रशंसनीय अनुक्रम जो एक गतिशील प्रणाली को इसके वर्तमान विन्यास से वांछित लक्ष्य स्थिति में संक्रमण करता है, जिसे बाद में नियंत्रण के लिए एक संदर्भ प्रक्षेपवक्र के रूप में उपयोग किया जा सकता है। हम उच्च आयामी अवलोकनों वाली प्रणालियों पर ध्यान केंद्रित करते हैं, जैसे कि छवियां, और एक दृष्टिकोण का प्रस्ताव करते हैं जो स्वाभाविक रूप से प्रतिनिधित्व सीखने और योजना को जोड़ती है। हमारा ढांचा अनुक्रमिक अवलोकनों का एक जनरेटिव मॉडल सीखता है, जहां जनरेटिव प्रक्रिया को एक निम्न-आयामी योजना मॉडल में संक्रमण द्वारा प्रेरित किया जाता है, और एक अतिरिक्त शोर। उत्पन्न अवलोकनों और नियोजन मॉडल में संक्रमण के बीच पारस्परिक जानकारी को अधिकतम करके, हम एक निम्न-आयामी प्रतिनिधित्व प्राप्त करते हैं जो डेटा की कारण प्रकृति को सबसे अच्छा बताता है। हम योजना मॉडल को कुशल योजना एल्गोरिदम के साथ संगत बनाने के लिए संरचना करते हैं, और हम या तो असतत या निरंतर राज्यों पर आधारित ऐसे कई मॉडल प्रस्तावित करते हैं। अंत में, एक दृश्य योजना उत्पन्न करने के लिए, हम वर्तमान और लक्ष्य अवलोकनों को योजना मॉडल में अपनी संबंधित राज्यों पर प्रोजेक्ट करते हैं, एक प्रक्षेपवक्र की योजना बनाते हैं, और फिर प्रक्षेपवक्र को अवलोकनों के अनुक्रम में बदलने के लिए जनरेटिव मॉडल का उपयोग करते हैं। हम रस्सी के हेरफेर की कल्पना करने वाली दृश्य योजनाओं पर अपनी विधि का प्रदर्शन करते हैं।

a63b97291149bfed416aa9e56a21314069540a7b

उद्देश्य ध्यान-अवसर/अति सक्रियता विकार (एडीएचडी) वाले बच्चों और किशोरों में कार्यशील स्मृति (डब्ल्यूएम) प्रक्रियाओं में कमी के लिए अनुभवजन्य साक्ष्य निर्धारित करना। विधि एडीएचडी वाले बच्चों में WM विकारों की जांच करने के लिए खोजपूर्ण मेटा-विश्लेषणात्मक प्रक्रियाओं का उपयोग किया गया था। 1997 से दिसंबर 2003 तक प्रकाशित 26 अनुभवजन्य अनुसंधान अध्ययन (पिछली समीक्षा के बाद) हमारे समावेशन मानदंडों को पूरा करते हैं। WM उपायों को दोनों प्रकार (मौखिक, स्थानिक) और आवश्यक प्रसंस्करण के प्रकार (भंडारण बनाम भंडारण/संशोधन) के अनुसार वर्गीकृत किया गया था। परिणाम एडीएचडी वाले बच्चों में डब्ल्यूएम के कई घटकों में कमी दिखाई दी जो भाषा सीखने के विकारों और सामान्य बौद्धिक क्षमता में कमजोरियों के साथ सह-रोग से स्वतंत्र थे। स्थानिक भंडारण (प्रभाव आकार = 0.85, आईसी = 0.62 - 1.08) और स्थानिक केंद्रीय कार्यकारी डब्ल्यूएम (प्रभाव आकार = 1.06, विश्वास अंतराल = 0.72-1.39) के लिए समग्र प्रभाव आकार मौखिक भंडारण (प्रभाव आकार = 0.47, विश्वास अंतराल = 0.36-0.59) और मौखिक केंद्रीय कार्यकारी डब्ल्यूएम (प्रभाव आकार = 0.43, विश्वास अंतराल = 0.24-0.62) के लिए प्राप्त की तुलना में अधिक थे। निष्कर्ष एडीएचडी वाले बच्चों में डब्ल्यूएम विकारों के साक्ष्य एडीएचडी में डब्ल्यूएम प्रक्रियाओं को शामिल करने वाले हालिया सैद्धांतिक मॉडलों का समर्थन करते हैं। एडीएचडी के विकारों की प्रकृति, गंभीरता और विशिष्टता को अधिक स्पष्ट रूप से परिभाषित करने के लिए भविष्य के शोध की आवश्यकता है।

49e77b981a0813460e2da2760ff72c522ae49871

गहरी शिक्षा विभिन्न मशीन सीखने के कार्यों में अन्य दृष्टिकोणों से बेहतर प्रदर्शन करने के लिए बड़े डेटासेट और कम्प्यूटेशनल रूप से कुशल प्रशिक्षण एल्गोरिदम का लाभ उठाती है। हालांकि, गहरे तंत्रिका नेटवर्क के प्रशिक्षण चरण में अपूर्णता उन्हें विरोधी नमूनों के लिए कमजोर बनाती है: विरोधी द्वारा गहरे तंत्रिका नेटवर्क को गलत वर्गीकरण करने के इरादे से तैयार किए गए इनपुट। इस कार्य में, हम गहरे तंत्रिका नेटवर्क (डीएनएन) के खिलाफ विरोधियों के स्थान को औपचारिक रूप देते हैं और डीएनएन के इनपुट और आउटपुट के बीच मानचित्रण की सटीक समझ के आधार पर विरोधी नमूनों को शिल्प करने के लिए एल्गोरिदम के एक नए वर्ग की शुरुआत करते हैं। कंप्यूटर दृष्टि के लिए एक आवेदन में, हम दिखाते हैं कि हमारे एल्गोरिदम विश्वसनीय रूप से मानव विषयों द्वारा सही ढंग से वर्गीकृत नमूने का उत्पादन कर सकते हैं लेकिन 97% विरोधी सफलता दर के साथ एक डीएनएन द्वारा विशिष्ट लक्ष्यों में गलत वर्गीकृत जबकि केवल प्रति नमूना इनपुट सुविधाओं का औसतन 4.02% संशोधित करते हैं। फिर हम कठोरता माप को परिभाषित करके प्रतिकूल विकारों के लिए विभिन्न नमूना वर्गों की भेद्यता का मूल्यांकन करते हैं। अंत में, हम एक सौम्य इनपुट और एक लक्ष्य वर्गीकरण के बीच दूरी के एक भविष्य कहनेवाला उपाय को परिभाषित करके विरोधी नमूनों के खिलाफ बचाव की रूपरेखा तैयार करने वाले प्रारंभिक कार्य का वर्णन करते हैं।

3f52f57dcfdd1bb0514ff744f4fdaa986a325591

ऐप्पल के मैकबुक फर्मवेयर सुरक्षा में कई खामियां हैं जो इन लैपटॉप के एसपीआई फ्लैश बूट रोम में अविश्वसनीय संशोधनों को लिखने की अनुमति देती हैं। यह क्षमता लोकप्रिय एप्पल मैकबुक उत्पाद लाइन के लिए स्थायी फर्मवेयर रूटकिट, या बूटकिट की एक नई श्रेणी का प्रतिनिधित्व करती है। चुपके बूटकिट खुद को पता लगाने से छिपा सकते हैं और उन्हें हटाने के सॉफ्टवेयर प्रयासों को रोक सकते हैं। बूट रोम में दुर्भावनापूर्ण संशोधन ऑपरेटिंग सिस्टम की पुनः स्थापना और यहां तक कि हार्ड ड्राइव प्रतिस्थापन को भी जीवित रहने में सक्षम हैं। इसके अतिरिक्त, मैलवेयर अन्य थंडरबोल्ट उपकरणों के विकल्प ROM पर खुद की एक प्रति स्थापित कर सकता है ताकि एयर-गैप सुरक्षा परिधि में वायरल रूप से फैल सके। ऐप्पल ने सीवीई 2014-4498 के हिस्से के रूप में इनमें से कुछ खामियों को ठीक कर दिया है, लेकिन इस वर्ग की भेद्यता के लिए कोई आसान समाधान नहीं है, क्योंकि मैकबुक में बूट समय पर फर्मवेयर के क्रिप्टोग्राफिक सत्यापन करने के लिए विश्वसनीय हार्डवेयर की कमी है।

3b3acbf7cc2ec806e4177eac286a2ee22f6f7630

यह पेपर अति-ब्रॉडबैंड डिजिटल-टू-एनालॉग (डी/ए) रूपांतरण उपप्रणालियों के लिए 110-जीएचजेड-बैंडविड्थ 2:1 एनालॉग मल्टीप्लेक्सर (एएमयूएक्स) प्रस्तुत करता है। AMUX को नव विकसित $\pmb{0.25-\mu \mathrm{m}}$ -इमिटर-चौड़ाई InP डबल हेटरोजंक्शन द्विध्रुवीय ट्रांजिस्टर (DHBTs) का उपयोग करके डिजाइन और निर्मित किया गया था, जिनमें क्रमशः 460 और 480 GHz की $\pmb{f_{\mathrm{T}}}$ और $\pmb{f\displaystyle \max}$ चोटी है। AMUX IC में डेटा-इनपुट रैखिक बफर, क्लॉक-इनपुट लिमिटिंग बफर, एक AMUX कोर और एक आउटपुट रैखिक बफर सहित एक साथ बिल्डिंग ब्लॉक होते हैं। डेटा और घड़ी पथों के लिए मापा गया 3-डीबी बैंडविड्थ दोनों 110 गीगाहर्ट्ज से अधिक है। इसके अतिरिक्त, यह 180 GS/s तक के समय-क्षेत्र बड़े संकेत नमूनाकरण संचालन को मापता और प्राप्त करता है। इस AMUX का उपयोग करके 224-Gb/s (112-GBaud) चार-स्तरीय पल्स-एम्प्लीटुडे मॉड्यूलेशन (PAM4) सिग्नल सफलतापूर्वक उत्पन्न किया गया था। हमारे ज्ञान के अनुसार, इस AMUX IC में सबसे व्यापक बैंडविड्थ और सबसे तेज नमूना दर है जो पहले की रिपोर्ट की गई किसी भी अन्य AMUX की तुलना में है।

4dd7721248c5489e25f46f7ab78c7d0229a596d4

यह कागज एक पूरी तरह से एकीकृत आरएफ ऊर्जा-कटाई प्रणाली का परिचय देता है। यह प्रणाली एक साथ बाहरी सीसी भारों द्वारा मांग की गई वर्तमान को वितरित कर सकती है और अतिरिक्त आउटपुट शक्ति की अवधि के दौरान बाहरी कैपेसिटर में अतिरिक्त ऊर्जा को संग्रहीत कर सकती है। यह डिजाइन 0.18- $\mu \text{m}$ सीएमओएस तकनीक में निर्मित है और सक्रिय चिप क्षेत्र 1.08 मिमी2 है। प्रस्तावित स्व-प्रारंभ प्रणाली एक एकीकृत एलसी मिलान नेटवर्क, एक आरएफ रेक्टिफायर, और एक पावर मैनेजमेंट/कंट्रोलर इकाई के साथ पुनः विन्यास योग्य है, जो 66-157 एनडब्ल्यू की खपत करती है। आवश्यक घड़ी उत्पादन और वोल्टेज संदर्भ सर्किट एक ही चिप पर एकीकृत हैं। कम इनपुट शक्ति के लिए कार्य करने के लिए ड्यूटी साइकिल नियंत्रण का उपयोग किया जाता है जो मांग की गई आउटपुट शक्ति प्रदान नहीं कर सकता है। इसके अलावा, आरएफ रेक्टिफायर के चरणों की संख्या उपलब्ध आउटपुट पावर की दक्षता बढ़ाने के लिए पुनः विन्यस्त है। उच्च उपलब्ध शक्ति के लिए, एक बाहरी ऊर्जा भंडारण तत्व को चार्ज करने के लिए एक माध्यमिक पथ सक्रिय किया जाता है। मापा गया आरएफ इनपुट पावर संवेदनशीलता -14.8 डीबीएम है एक 1-वोल्ट सीसी आउटपुट पर।

7314be5cd836c8f06bd1ecab565b00b65259eac6

एल्गोरिदम के एक सूट का सर्वेक्षण करना जो बड़े दस्तावेज़ अभिलेखागार के प्रबंधन के लिए एक समाधान प्रदान करता है।

f0eace9bfe72c2449f76461ad97c4042d2a7141b

इस पत्र में डब्ल्यू-बैंड पर एक उपन्यास एंटीना-इन-पैकेज (एआईपी) तकनीक का प्रस्ताव किया गया है। इस तकनीक को विशेष मामले को हल करने के लिए प्रस्तुत किया गया है कि धातु पैकेज का उपयोग उच्च यांत्रिक शक्ति को समायोजित करने के लिए किया जाना चाहिए। बहुपरत कम तापमान सह-उत्पादित सिरेमिक (एलटीसीसी) प्रौद्योगिकी के लाभों को लेकर, एंटीना की विकिरण दक्षता को बनाए रखा जा सकता है। इस बीच, उच्च यांत्रिक शक्ति और ढालना प्रदर्शन प्राप्त किया जाता है। एआईपी का एक प्रोटोटाइप तैयार किया गया है। प्रोटोटाइप एकीकृत एलटीसीसी एंटीना, कम हानि फीडर और एक कॉनियर हॉर्न एपर्चर के साथ धातु पैकेज का गठन करता है। यह एलटीसीसी फीडर लेमिनेटेड वेव गाइड (एलडब्ल्यूजी) द्वारा प्राप्त किया जाता है। एलटीसीसी में दफन एक एलडब्ल्यूजी गुहा का उपयोग एंटीना प्रतिबाधा बैंडविड्थ को व्यापक बनाने के लिए किया जाता है। विद्युत चुम्बकीय (ईएम) सिमुलेशन और एंटेना प्रदर्शन के माप पूरे आवृत्ति रेंज में अच्छी तरह से सहमत हैं। प्रस्तावित प्रोटोटाइप 88 से 98 गीगाहर्ट्ज तक 10 गीगाहर्ट्ज की -10-डीबी प्रतिबाधा बैंडविड्थ और 89 गीगाहर्ट्ज पर 12.3 डीबीआई के शिखर लाभ प्राप्त करता है।

2077d0f30507d51a0d3bbec4957d55e817d66a59

हम सामान्य, अभिव्यंजक छवि पूर्ववर्ती सीखने के लिए एक ढांचा विकसित करते हैं जो प्राकृतिक दृश्यों के आंकड़ों को पकड़ते हैं और विभिन्न प्रकार के मशीन विजन कार्यों के लिए उपयोग किया जा सकता है। यह दृष्टिकोण विस्तारित पिक्सेल पड़ोस में संभावित कार्यों को सीखकर पारंपरिक मार्कोव यादृच्छिक क्षेत्र (एमआरएफ) मॉडल का विस्तार करता है। फील्ड क्षमताओं को उत्पाद-ऑफ-विशेषज्ञ ढांचे का उपयोग करके मॉडलिंग किया जाता है जो कई रैखिक फ़िल्टर प्रतिक्रियाओं के गैर-रैखिक कार्यों का शोषण करता है। पिछले एमआरएफ दृष्टिकोणों के विपरीत, रैखिक फ़िल्टरों सहित सभी पैरामीटर प्रशिक्षण डेटा से सीखे जाते हैं। हम इस फील्ड ऑफ एक्सपर्ट्स मॉडल की क्षमताओं को दो उदाहरण अनुप्रयोगों, छवि डेनोइजिंग और छवि इनपेंटिंग के साथ प्रदर्शित करते हैं, जिन्हें एक सरल, अनुमानित अनुमान योजना का उपयोग करके लागू किया जाता है। जबकि मॉडल को सामान्य छवि डेटाबेस पर प्रशिक्षित किया जाता है और किसी विशिष्ट अनुप्रयोग के लिए ट्यून नहीं किया जाता है, हम ऐसे परिणाम प्राप्त करते हैं जो विशेष तकनीकों के साथ प्रतिस्पर्धा करते हैं और यहां तक कि बेहतर भी होते हैं।

214658334c581f0d18b9a871928e91b6e4f83be7

यह विचार स्विच किए गए कैपेसिटर टोपोलॉजी के समान है जिसमें वोल्टेज को संतुलित करने के लिए बैटरी की कोशिकाओं में एक कैपेसिटर या कैपेसिटर बैंकों को स्विच किया जाता है। चूंकि एक मूल बैटरी सेल मॉडल में सेल के संधारित्र प्रभाव के कारण क्षमता शामिल होती है, इसलिए इस संधारित्र प्रभाव का उपयोग सेल संतुलन में किया जा सकता है। इसलिए स्विच्ड कैपेसिटर टोपोलॉजी में इक्वलाइज़र कैपेसिटर को समाप्त किया जा सकता है और बैटरी की कोशिकाओं को एक दूसरे के साथ स्विच किया जा सकता है। इससे ऊर्जा का तेजी से हस्तांतरण होता है और इस प्रकार तेजी से समता प्राप्त होती है। प्रस्तावित टोपोलॉजी में अतिरिक्त ऊर्जा भंडारण तत्वों जैसे कैपेसिटर की आवश्यकता को समाप्त किया गया है जो अक्सर पावर इलेक्ट्रॉनिक सर्किट में विफल हो जाते हैं, अतिरिक्त ऊर्जा भंडारण तत्वों द्वारा डाले गए नुकसान और सर्किट की लागत और मात्रा को कम करते हैं और नियंत्रण एल्गोरिथ्म को सरल बनाते हैं। प्रस्तावित संतुलन सर्किट को आवेदन आवश्यकता के अनुसार लागू किया जा सकता है। प्रस्तावित टोपोलॉजी को MATLAB/Simulink वातावरण में अनुकरण किया गया है और स्विच्ड कैपेसिटर टोपोलॉजी की तुलना में संतुलन गति के संदर्भ में बेहतर परिणाम दिखाए गए हैं। बैटरी के जीवन चक्र को बढ़ाने और बैटरी से अधिकतम शक्ति निकालने के लिए सेल संतुलन सर्किट महत्वपूर्ण हैं। बैटरी पैकेजों में सेल संतुलन के लिए बहुत सारे पावर इलेक्ट्रॉनिक्स टोपोलॉजी की कोशिश की गई है। सक्रिय सेल संतुलन टोपोलॉजीज ऊर्जावान को ऊर्जावान से अधिक प्रदर्शन दिखाने वाले कोशिकाओं से कम प्रदर्शन दिखाने वाले कोशिकाओं में स्थानांतरित करते हैं, जो इंडक्टर-कैपेसिटर या ट्रांसफार्मर-कैपेसिटर या स्विच किए गए कैपेसिटर या स्विच किए गए इंडक्टर के संयोजन जैसे ऊर्जा भंडारण तत्वों का उपयोग करके बैटरी की कोशिकाओं में वोल्टेज को संतुलित करने के लिए होता है। इस अध्ययन में किसी भी ऊर्जा भंडारण तत्व का उपयोग किए बिना एक सक्रिय संतुलन टोपोलॉजी का प्रस्ताव किया गया है।

0c04909ed933469246defcf9aca2b71ae8e3f623

इस पुस्तक के दूसरे संस्करण में प्रमुख परिवर्तन संभाव्यता पुनर्प्राप्ति पर एक नए अध्याय का जोड़ है। यह अध्याय इसलिए शामिल किया गया है क्योंकि मुझे लगता है कि यह सूचना पुनर्प्राप्ति में अनुसंधान के सबसे दिलचस्प और सक्रिय क्षेत्रों में से एक है। अभी भी बहुत सी समस्याएं हल करने की हैं इसलिए मुझे आशा है कि यह विशेष अध्याय उन लोगों के लिए कुछ मददगार होगा जो इस क्षेत्र में ज्ञान की स्थिति को आगे बढ़ाना चाहते हैं। अन्य सभी अध्यायों को शामिल किए गए विषयों पर कुछ हालिया कामों को शामिल करके अद्यतन किया गया है। इस पुस्तक की सामग्री का उद्देश्य उन्नत स्नातक सूचना (या कंप्यूटर) विज्ञान के छात्रों, स्नातकोत्तर पुस्तकालय विज्ञान के छात्रों और आईआर के क्षेत्र में अनुसंधान कार्यकर्ताओं के लिए है। कुछ अध्यायों में, विशेष रूप से अध्याय 6 * में, थोड़ा उन्नत गणित का सरल उपयोग किया गया है। हालांकि, आवश्यक गणितीय उपकरण आसानी से कई गणितीय ग्रंथों से महारत हासिल की जा सकती हैं जो अब मौजूद हैं और किसी भी मामले में, संदर्भ दिए गए हैं जहां गणित होता है। मुझे स्पष्टता के साथ संदर्भों के घनत्व को संतुलित करने की समस्या का सामना करना पड़ा। मैं बड़ी संख्या में संदर्भ देने के लिए प्रलोभित था लेकिन डर था कि वे पाठ की निरंतरता को नष्ट कर देंगे। मैंने मध्य मार्ग पर चलने की कोशिश की है और सूचना विज्ञान और प्रौद्योगिकी की वार्षिक समीक्षा के साथ प्रतिस्पर्धा नहीं की है। सामान्यतः केवल उन रचनाओं का उद्धरण करने के लिए प्रोत्साहित किया जाता है जो किसी पुस्तक या पत्रिका जैसे सुलभ रूप में प्रकाशित हो चुकी हों। दुर्भाग्य से, IR में बहुत से दिलचस्प काम तकनीकी रिपोर्टों और पीएचडी थीसिस में निहित हैं। उदाहरण के लिए, कॉर्नेल में स्मार्ट प्रणाली पर किए गए अधिकांश कार्य केवल रिपोर्टों में उपलब्ध हैं। सौभाग्य से इनमें से कई अब राष्ट्रीय तकनीकी सूचना सेवा (यू.एस.) और विश्वविद्यालय माइक्रोफिल्म्स (यू.के.) के माध्यम से उपलब्ध हैं। मैंने इन स्रोतों का उपयोग करने से नहीं बचा है, यद्यपि यदि वही सामग्री किसी अन्य रूप में अधिक आसानी से सुलभ हो तो मैंने इसे प्राथमिकता दी है। मैं उन अनेक व्यक्तियों और संस्थाओं के प्रति अपना ऋण स्वीकार करना चाहूंगा जिन्होंने मेरी सहायता की है। सबसे पहले मैं यह कहना चाहूंगा कि इस पुस्तक में अनेक विचारों के लिए वे जिम्मेदार हैं, लेकिन मैं चाहता हूं कि केवल मुझे ही जिम्मेदार ठहराया जाए। मेरा सबसे बड़ा ऋण है करेन स्पार्क जोन्स के लिए जिन्होंने मुझे एक प्रयोगात्मक विज्ञान के रूप में सूचना पुनर्प्राप्ति पर शोध करना सिखाया। निक जार्डिन और रॉबिन ...

3cfbb77e5a0e24772cfdb2eb3d4f35dead54b118

संदर्भ-पूर्वानुमान मॉडल (जिसे आम तौर पर एम्बेडिंग या न्यूरल लैंग्वेज मॉडल के रूप में जाना जाता है) वितरण अर्थशास्त्र ब्लॉक पर नए बच्चे हैं। इन मॉडलों के आसपास चर्चा के बावजूद, साहित्य में अभी भी क्लासिक, गिनती-वेक्टर-आधारित वितरण अर्थ संबंधी दृष्टिकोणों के साथ भविष्य कहनेवाला मॉडल की एक व्यवस्थित तुलना की कमी है। इस पेपर में, हम लेक्सिकल सिमेंटिक्स कार्यों की एक विस्तृत श्रृंखला पर और कई पैरामीटर सेटिंग्स में इस तरह के व्यापक मूल्यांकन करते हैं। परिणाम, हमारे अपने आश्चर्य के लिए, दिखाता है कि चर्चा पूरी तरह से उचित है, क्योंकि संदर्भ-पूर्वानुमान मॉडल अपने गणना-आधारित समकक्षों के खिलाफ एक पूरी तरह से और गूंज जीत हासिल करते हैं।

9ec20b90593695e0f5a343dade71eace4a5145de

1छात्र, डिपार्टमेंट कम्प्यूटर इंजीनियरिंग, वेसिएट, महाराष्ट्र, भारत -------------------------------------------------------------------------------------------*** अमूर्त गहरी शिक्षा मशीन सीखने में अनुसंधान के लिए एक नए क्षेत्र के रूप में अस्तित्व में आई है। इसका उद्देश्य मानव मस्तिष्क की तरह कार्य करना है, जिसमें जटिल डेटा से सीखने और संसाधित करने की क्षमता है और जटिल कार्यों को हल करने की भी कोशिश करता है। इस क्षमता के कारण इसका उपयोग विभिन्न क्षेत्रों जैसे पाठ, ध्वनि, चित्र आदि में किया गया है। प्राकृतिक भाषा प्रक्रिया गहरी सीखने की तकनीकों से प्रभावित होने लगी है। इस शोध पत्र में प्राकृतिक भाषा प्रसंस्करण में डीप लर्निंग के हालिया विकास और अनुप्रयोगों पर प्रकाश डाला गया है।

cc13fde0a91f4d618e6af66b49690702906316ae

हाल के वर्षों में क्लाउड कंप्यूटिंग और बड़े डेटा युग के विकास का गवाह रहा है, जो पारंपरिक निर्णय वृक्ष एल्गोरिदम के लिए चुनौतियां लाता है। पहला, जैसे-जैसे डाटासेट का आकार बहुत बड़ा होता जाता है, निर्णय वृक्ष बनाने की प्रक्रिया काफी समय लेने वाली हो सकती है। दूसरा, क्योंकि डेटा मेमोरी में फिट नहीं हो सकता है, कुछ गणना को बाहरी भंडारण में ले जाया जाना चाहिए और इसलिए I/O लागत बढ़ जाती है। इस उद्देश्य के लिए, हम एक विशिष्ट निर्णय वृक्ष एल्गोरिथ्म, C4.5, MapReduce प्रोग्रामिंग मॉडल का उपयोग करके लागू करने का प्रस्ताव करते हैं। विशेष रूप से, हम पारंपरिक एल्गोरिथ्म को नक्शा और प्रक्रियाओं को कम करने की एक श्रृंखला में बदलते हैं। इसके अलावा, हम संचार लागत को कम करने के लिए कुछ डेटा संरचनाओं को डिजाइन करते हैं। हम बड़े पैमाने पर डेटासेट पर भी व्यापक प्रयोग करते हैं। परिणाम बताते हैं कि हमारा एल्गोरिथ्म समय दक्षता और स्केलेबिलिटी दोनों प्रदर्शित करता है।

d73a71fa24b582accb934a9c2308567376ff396d

3डी भू-डेटाबेस अनुसंधान 3डी शहरी नियोजन, पर्यावरण निगरानी, बुनियादी ढांचा प्रबंधन और प्रारंभिक चेतावनी या आपदा प्रबंधन और प्रतिक्रिया जैसे चुनौतीपूर्ण अनुप्रयोगों का समर्थन करने के लिए एक आशाजनक क्षेत्र है। इन क्षेत्रों में, जीआईएससाइंस और संबंधित क्षेत्रों में अंतःविषय अनुसंधान की आवश्यकता है ताकि बड़े भू-संदर्भित डेटा सेटों के मॉडलिंग, विश्लेषण, प्रबंधन और एकीकरण का समर्थन किया जा सके, जो मानव गतिविधियों और भूभौतिकीय घटनाओं का वर्णन करते हैं। भू-डेटाबेस 2 डी मानचित्रों, 3 डी भू-वैज्ञानिक मॉडल और अन्य भू-संदर्भित डेटा को एकीकृत करने के लिए प्लेटफार्मों के रूप में कार्य कर सकते हैं। हालांकि, वर्तमान भू-डेटाबेस पर्याप्त 3डी डेटा मॉडलिंग और डेटा हैंडलिंग तकनीक प्रदान नहीं करते हैं। सतह और आयतन मॉडल को संभालने के लिए नए 3 डी भू-डेटाबेस की आवश्यकता है। यह लेख पहले भू-डेटाबेस अनुसंधान के 25 वर्षों के एक अवलोकन को प्रस्तुत करता है। भू-डेटा के डेटा मॉडलिंग, मानकों और अनुक्रमण पर विस्तार से चर्चा की गई है। अंतःविषय अनुसंधान के लिए नए क्षेत्र खोलने के लिए 3 डी भू-डेटाबेस के विकास के लिए नई दिशाओं को संबोधित किया गया है। प्रारंभिक चेतावनी और आपातकालीन प्रतिक्रिया के क्षेत्र में दो परिदृश्य मानव और भूभौतिकीय घटनाओं के संयुक्त प्रबंधन को प्रदर्शित करते हैं। लेख का समापन खुली अनुसंधान समस्याओं पर एक आलोचनात्मक दृष्टिकोण के साथ होता है। & 2011 एल्सवियर लिमिटेड सभी अधिकार सुरक्षित.

dce7a0550b4d63f6fe2e6908073ce0ce63626b0c

जैसे जैसे हम रोबोटिक्स और कृत्रिम बुद्धिमत्ता में स्वचालन के रास्ते पर चलेंगे, हमें नैतिक निर्णय लेने की बढ़ती मात्रा को स्वचालित करने की आवश्यकता होगी ताकि हमारे उपकरण हमसे स्वतंत्र रूप से काम कर सकें। लेकिन नैतिक निर्णय लेने को स्वचालित करने से इंजीनियरों और डिजाइनरों के लिए नए सवाल उठते हैं, जिन्हें इस कार्य को पूरा करने के बारे में निर्णय लेना होगा। उदाहरण के लिए, कुछ नैतिक निर्णय लेने में कठिन नैतिक मामले शामिल होते हैं, जिसके बदले में उपयोगकर्ता के इनपुट की आवश्यकता होती है यदि हम स्वायत्तता और सूचित सहमति के आसपास स्थापित मानदंडों का सम्मान करना चाहते हैं। लेखक इस और अन्य नैतिक विचारों पर विचार करता है जो नैतिक निर्णय लेने के स्वचालन के साथ आते हैं। वह कुछ सामान्य नैतिक आवश्यकताओं का प्रस्ताव करता है जिन्हें डिजाइन रूम में ध्यान में रखा जाना चाहिए, और एक डिजाइन टूल का स्केच देता है जिसे इंजीनियरों, डिजाइनरों, नैतिकतावादियों और नीति निर्माताओं को यह तय करने में मदद करने के लिए डिजाइन प्रक्रिया में एकीकृत किया जा सकता है कि नैतिक निर्णय लेने के कुछ रूपों को स्वचालित करने के लिए सबसे अच्छा कैसे है।

ab19cbea5c61536b616cfa7654cf01bf0621b83f

102153467f27d43dd1db8a973846d3ac10ffdc3c

स्वास्थ्य सेवा इंटरनेट ऑफ थिंग्स (आईओटी) प्रौद्योगिकी के सबसे तेजी से विस्तार करने वाले अनुप्रयोग क्षेत्रों में से एक है। आईओटी उपकरणों का उपयोग हृदय रोगों (सीवीडी) जैसे पुरानी बीमारियों वाले रोगियों की दूरस्थ स्वास्थ्य निगरानी को सक्षम करने के लिए किया जा सकता है। इस पेपर में हम हृदय गति निदान के लिए ईसीजी विश्लेषण और वर्गीकरण के लिए एक एल्गोरिथ्म विकसित करते हैं, और इसे आईओटी-आधारित एम्बेडेड प्लेटफॉर्म पर लागू करते हैं। यह एल्गोरिथ्म एक पहनने योग्य ईसीजी निदान उपकरण के लिए हमारा प्रस्ताव है, जो रोगी की 24 घंटे की निरंतर निगरानी के लिए उपयुक्त है। हम ईसीजी विश्लेषण के लिए डिस्क्रीट वेवलेट ट्रांसफॉर्म (डीडब्ल्यूटी) और एक समर्थन वेक्टर मशीन (एसवीएम) वर्गीकरणकर्ता का उपयोग करते हैं। सबसे अच्छा वर्गीकरण सटीकता प्राप्त की गई है 98.9%, आकार 18 के एक विशेषता वेक्टर के लिए, और 2493 समर्थन वेक्टरों के लिए। गैलीलियो बोर्ड पर एल्गोरिथ्म के विभिन्न कार्यान्वयन, यह प्रदर्शित करने में मदद करते हैं कि गणना लागत ऐसी है, कि ईसीजी विश्लेषण और वर्गीकरण वास्तविक समय में किया जा सकता है।

44159c85dec6df7a257cbe697bfc854ecb1ebb0b

हाल ही में आरंभ किए गए जटिल शारीरिक संकेतों के लिए अनुसंधान संसाधन, जो राष्ट्रीय स्वास्थ्य संस्थानों के अनुसंधान संसाधनों के लिए राष्ट्रीय केंद्र के तत्वावधान में बनाया गया था, का उद्देश्य हृदय और अन्य जटिल जैव चिकित्सा संकेतों के अध्ययन में वर्तमान अनुसंधान और नई जांच को प्रोत्साहित करना है। संसाधन में 3 परस्पर निर्भर घटक हैं। फिजियोबैंक, जैव चिकित्सा अनुसंधान समुदाय द्वारा उपयोग के लिए शारीरिक संकेतों और संबंधित डेटा की अच्छी तरह से वर्णित डिजिटल रिकॉर्डिंग का एक बड़ा और बढ़ता संग्रह है। वर्तमान में इसमें स्वस्थ व्यक्तियों और विभिन्न प्रकार की स्थितियों वाले रोगियों से प्राप्त बहु-पैरामीटर हृदय-पल्मोनेरी, तंत्रिका और अन्य जैव चिकित्सा संकेतों के डेटाबेस शामिल हैं, जिनमें जीवन-धमकी देने वाले अरिथमिया, हृदय की विफलता, नींद की समस्या, तंत्रिका संबंधी विकार और बुढ़ापे शामिल हैं। फिजियोटूलकिट शारीरिक संकेत प्रसंस्करण और विश्लेषण के लिए ओपन-सोर्स सॉफ्टवेयर का एक पुस्तकालय है, जो सांख्यिकीय भौतिकी और गैर-रैखिक गतिशीलता पर आधारित क्लासिक तकनीकों और उपन्यास विधियों दोनों का उपयोग करके शारीरिक रूप से महत्वपूर्ण घटनाओं का पता लगाने, संकेतों के इंटरैक्टिव प्रदर्शन और लक्षण, नए डेटाबेस का निर्माण, शारीरिक और अन्य संकेतों का अनुकरण, विश्लेषण विधियों का मात्रात्मक मूल्यांकन और तुलना, और गैर-स्थिर प्रक्रियाओं का विश्लेषण करता है। PhysioNet रिकॉर्ड किए गए जैव चिकित्सा संकेतों और उनके विश्लेषण के लिए ओपन-सोर्स सॉफ्टवेयर के प्रसार और आदान-प्रदान के लिए एक ऑनलाइन मंच है। यह डेटा के सहकारी विश्लेषण और प्रस्तावित नए एल्गोरिदम के मूल्यांकन के लिए सुविधाएं प्रदान करता है। इसके अलावा, वर्ल्ड वाइड वेब (http://www.physionet.com) के माध्यम से PhysioBank डेटा और PhysioToolkit सॉफ्टवेयर तक मुफ्त इलेक्ट्रॉनिक पहुंच प्रदान करना। org), PhysioNet विभिन्न स्तरों की विशेषज्ञता वाले उपयोगकर्ताओं की सहायता के लिए ऑनलाइन ट्यूटोरियल के माध्यम से सेवाएं और प्रशिक्षण प्रदान करता है।

a92eac4415719698d7d2097ef9564e7b36699010

उद्देश्य - कॉरपोरेट स्थिरता और इसके प्रदर्शन के बारे में मूल्यांकन और रिपोर्टिंग में हितधारकों को शामिल करने के दृष्टिकोण के रूप में सामाजिक लेखा परीक्षा की प्रयोज्यता की पहचान करना। डिजाइन/विधि/दृष्टिकोण - एए1000 और सामाजिक लेखा परीक्षा अध्ययनों की रूपरेखा पर आधारित, यह कागज कॉर्पोरेट स्थिरता को संबोधित करने के लिए संवाद-आधारित सामाजिक लेखा परीक्षा को लागू करने के उद्देश्य से हितधारक भागीदारी, सामाजिक लेखा परीक्षा और कॉर्पोरेट स्थिरता को जोड़ता है। निष्कर्ष - इस पत्र में कॉर्पोरेट स्थिरता और सामाजिक लेखा परीक्षा के बीच एक मिलान की पहचान की गई है, क्योंकि दोनों का उद्देश्य एक संगठन के सामाजिक, पर्यावरणीय और आर्थिक प्रदर्शन में सुधार करना है, हितधारकों की एक व्यापक श्रेणी की भलाई को ध्यान में रखते हुए और प्रक्रिया में हितधारकों की भागीदारी की आवश्यकता है। इस पत्र में सुझाव दिया गया है कि संवाद के माध्यम से हितधारकों को शामिल करके सामाजिक लेखा परीक्षा का उपयोग ट्रस्ट बनाने, प्रतिबद्धता की पहचान करने और हितधारकों और निगमों के बीच सहयोग को बढ़ावा देने के लिए किया जा सकता है। अनुसंधान सीमाएं/परिणाम - इस शोध के लिए कॉर्पोरेट स्थिरता को संबोधित करने में सामाजिक लेखा परीक्षा की व्यावहारिकता और संवाद आधारित सामाजिक लेखा परीक्षा की सीमाओं के निर्धारण में आगे अनुभवजन्य अनुसंधान की आवश्यकता है। व्यावहारिक प्रभाव - सामाजिक लेखा परीक्षा को एक लोकतांत्रिक व्यापार समाज में हितधारकों और निगमों के बीच भिन्न हितों को संतुलित करने के लिए एक उपयोगी तंत्र के रूप में पहचाना गया है। कॉर्पोरेट स्थिरता के विकास और प्राप्ति में सामाजिक लेखा परीक्षा का अनुप्रयोग स्पष्ट रूप से व्यावहारिक निहितार्थ है। मौलिकता/मूल्य - इस पेपर में व्यापार को स्थिरता की ओर बढ़ने में मदद करने के लिए संवाद आधारित सामाजिक लेखा परीक्षा की प्रयोज्यता की जांच की गई है। सामाजिक लेखा परीक्षा को संवाद के माध्यम से हितधारकों को शामिल करके कॉर्पोरेट सामाजिक और पर्यावरणीय प्रदर्शन का आकलन करने और रिपोर्टिंग करने की प्रक्रिया के रूप में ट्रस्ट बनाने, प्रतिबद्धता की पहचान करने और हितधारकों और निगमों के बीच सहयोग को बढ़ावा देने के लिए लागू किया जा सकता है।

915c4bb289b3642489e904c65a47fa56efb60658

हम छवि परिवर्तन समस्याओं पर विचार करते हैं, जहां एक इनपुट छवि को एक आउटपुट छवि में बदल दिया जाता है। ऐसी समस्याओं के लिए हालिया विधियां आम तौर पर आउटपुट और ग्राउंड-ट्रूथ छवियों के बीच प्रति-पिक्सेल हानि का उपयोग करके फीड-फॉरवर्ड संवहन तंत्रिका नेटवर्क को प्रशिक्षित करती हैं। समानांतर कार्य से पता चला है कि पूर्व प्रशिक्षित नेटवर्क से निकाले गए उच्च-स्तरीय विशेषताओं के आधार पर धारणा हानि कार्यों को परिभाषित और अनुकूलित करके उच्च-गुणवत्ता वाली छवियां उत्पन्न की जा सकती हैं। हम दोनों दृष्टिकोणों के लाभों को जोड़ते हैं, और छवि परिवर्तन कार्यों के लिए फीड-फॉरवर्ड नेटवर्क को प्रशिक्षित करने के लिए धारणा हानि कार्यों का उपयोग करने का प्रस्ताव करते हैं। हम छवि शैली हस्तांतरण पर परिणाम दिखाते हैं, जहां एक फ़ीड-फॉरवर्ड नेटवर्क को वास्तविक समय में गैटिस एट अल द्वारा प्रस्तावित अनुकूलन समस्या को हल करने के लिए प्रशिक्षित किया जाता है। अनुकूलन आधारित पद्धति की तुलना में, हमारा नेटवर्क समान गुणात्मक परिणाम देता है लेकिन परिमाण के तीन आदेश तेज है। हम एक एकल छवि के सुपर-रिज़ॉल्यूशन के साथ भी प्रयोग करते हैं, जहां प्रति-पिक्सेल हानि को एक अवधारणात्मक हानि से बदलना नेत्रहीन सुखद परिणाम देता है।

9201bf6f8222c2335913002e13fbac640fc0f4ec

929a376c6fea1376baf40fc2979cfbdd867f03ab

हानिपूर्ण छवि संपीड़न विधियां संपीड़ित परिणामों में हमेशा विभिन्न अप्रिय कलाकृतियों को पेश करती हैं, विशेष रूप से कम बिट-रेट पर। हाल के वर्षों में, जेपीईजी संपीड़ित छवियों के लिए कई प्रभावी सॉफ्ट डिकोडिंग विधियां प्रस्तावित की गई हैं। हालांकि, हमारी जानकारी के अनुसार, जेपीईजी 2000 संपीड़ित छवियों के सॉफ्ट डिकोडिंग पर बहुत कम काम किया गया है। विभिन्न कंप्यूटर दृष्टि कार्यों में Convolution Neural Network (CNN) के उत्कृष्ट प्रदर्शन से प्रेरित होकर, हम कई बिट-रेट-संचालित गहरे CNN का उपयोग करके JPEG 2000 के लिए एक नरम डिकोडिंग विधि प्रस्तुत करते हैं। अधिक विशेष रूप से, प्रशिक्षण चरण में, हम उच्च गुणवत्ता वाले प्रशिक्षण छवियों और विभिन्न कोडिंग बिट-रेट पर संबंधित जेपीईजी 2000 संपीड़ित छवियों का उपयोग करके गहरी सीएनएन की एक श्रृंखला को प्रशिक्षित करते हैं। परीक्षण चरण में, एक इनपुट संपीड़ित छवि के लिए, निकटतम कोडिंग बिट-रेट के साथ प्रशिक्षित सीएनएन को सॉफ्ट डिकोडिंग करने के लिए चुना जाता है। व्यापक प्रयोगों से प्रस्तुत सॉफ्ट डिकोडिंग फ्रेमवर्क की प्रभावशीलता का प्रदर्शन हुआ है, जो जेपीईजी 2000 संपीड़ित छवियों की दृश्य गुणवत्ता और उद्देश्य स्कोर में काफी सुधार करता है।

cfa092829c4c7a42ec77ab6844661e1dae082172

बिटकॉइन ने एक नई अवधारणा पेश की है जो पूरी तरह से इंटरनेट को क्रांतिकारी रूप दे सकती है, और बैंकिंग, सार्वजनिक क्षेत्र और आपूर्ति श्रृंखला सहित कई प्रकार के उद्योगों पर सकारात्मक प्रभाव डाल सकती है, लेकिन यह सीमित नहीं है। यह नवाचार छद्म-अनामिकता पर आधारित है और ब्लॉकचेन प्रौद्योगिकी पर आधारित अपनी अभिनव विकेन्द्रीकृत वास्तुकला पर प्रयास करता है। ब्लॉकचेन एक केंद्रीकृत प्राधिकरण की आवश्यकता के बिना ट्रस्ट की स्थापना के साथ लेनदेन-आधारित अनुप्रयोगों की दौड़ को आगे बढ़ा रहा है, जो व्यावसायिक प्रक्रिया के भीतर जवाबदेही और पारदर्शिता को बढ़ावा देता है। हालांकि, एक ब्लॉकचेन लेजर (जैसे, बिटकॉइन) बहुत जटिल और विशेष उपकरण बन जाता है, जिसे सामूहिक रूप से ब्लॉकचेन एनालिटिक्स कहा जाता है, व्यक्तियों, कानून प्रवर्तन एजेंसियों और सेवा प्रदाताओं को इसे खोजने, अन्वेषण और कल्पना करने की अनुमति देने की आवश्यकता होती है। पिछले वर्षों में, कई विश्लेषणात्मक उपकरण विकसित किए गए हैं, जो क्षमताओं के साथ अनुमति देते हैं, उदाहरण के लिए, संबंधों को मैप करने के लिए, लेनदेन के प्रवाह की जांच और अपराध के उदाहरणों को फ़िल्टर करने के लिए फोरेंसिक जांच को बढ़ाने के तरीके के रूप में। यह पेपर ब्लॉकचेन विश्लेषणात्मक उपकरणों की वर्तमान स्थिति पर चर्चा करता है और उनके अनुप्रयोगों के आधार पर एक विषयगत वर्गीकरण मॉडल प्रस्तुत करता है। इसमें भविष्य के विकास और अनुसंधान के लिए खुली चुनौतियों की भी जांच की गई है।

2e5fadbaab27af0c2b5cc6a3481c11b2b83c4f94

हम एक तस्वीर के पीछे फोटोग्राफर की पहचान करने की नवीन समस्या का परिचय देते हैं। इस समस्या को हल करने के लिए वर्तमान कंप्यूटर विजन तकनीकों की व्यवहार्यता का पता लगाने के लिए, हमने एक नया डेटासेट बनाया 180,000 से अधिक छवियों का 41 प्रसिद्ध फोटोग्राफरों द्वारा लिया गया। इस डेटासेट का उपयोग करते हुए, हमने फोटोग्राफर की पहचान करने में विभिन्न प्रकार की विशेषताओं (निम्न और उच्च-स्तरीय, सीएनएन विशेषताओं सहित) की प्रभावशीलता की जांच की। हमने इस कार्य के लिए एक नया गहरे संवहन तंत्रिका नेटवर्क भी प्रशिक्षित किया। हमारे परिणाम बताते हैं कि उच्च स्तरीय विशेषताएं निम्न स्तरीय सुविधाओं से बहुत बेहतर हैं। हम इन सीखे मॉडल का उपयोग गुणात्मक परिणाम प्रदान करते हैं जो हमारे विधि की क्षमता में अंतर्दृष्टि देते हैं फोटोग्राफरों के बीच अंतर करने के लिए, और हमें दिलचस्प निष्कर्ष निकालने की अनुमति देते हैं कि विशिष्ट फोटोग्राफर क्या शूट करते हैं। हम अपनी पद्धति के दो अनुप्रयोगों का भी प्रदर्शन करते हैं।

25b6818743a6c0b9502a1c026c653038ff505c09

6ed67a876b3afd2f2fb7b5b8c0800a0398c76603

24281c886cd9339fe2fc5881faf5ed72b731a03e

MapReduce और इसके वेरिएंट्स बड़े पैमाने पर डेटा-गहन अनुप्रयोगों को लागू करने में अत्यधिक सफल रहे हैं। हालांकि, इनमें से अधिकांश प्रणालियाँ एक अचक्रिक डेटा प्रवाह मॉडल के आसपास निर्मित होती हैं जो अन्य लोकप्रिय अनुप्रयोगों के लिए उपयुक्त नहीं है। यह पत्र ऐसे अनुप्रयोगों के एक वर्ग पर केंद्रित हैः वे जो कई समानांतर संचालनों में डेटा के एक कार्य सेट का पुनः उपयोग करते हैं। इसमें कई पुनरावर्ती मशीन लर्निंग एल्गोरिदम, साथ ही साथ इंटरैक्टिव डेटा विश्लेषण उपकरण शामिल हैं। हम स्पार्क नामक एक नए ढांचे का प्रस्ताव करते हैं जो मैपरेड्यूस की स्केलेबिलिटी और दोष सहिष्णुता को बनाए रखते हुए इन अनुप्रयोगों का समर्थन करता है। इन लक्ष्यों को प्राप्त करने के लिए, स्पार्क एक अमूर्तता को लचीला वितरित डेटासेट (आरडीडी) नामक परिचय देता है। आरडीडी वस्तुओं का एक केवल-पढ़ने का संग्रह है जो मशीनों के एक सेट में विभाजित है जिसे विभाजन खो जाने पर फिर से बनाया जा सकता है। स्पार्क पुनरावर्ती मशीन लर्निंग नौकरियों में 10 गुना तक हडोप को पार कर सकता है, और इसका उपयोग उप-सेकंड प्रतिक्रिया समय के साथ 39 जीबी डेटासेट को इंटरैक्टिव रूप से क्वेरी करने के लिए किया जा सकता है।

03ff3f8f4d5a700fbe8f3a3e63a39523c29bb60f

वाक्य को सही ढंग से प्रस्तुत करने की क्षमता भाषा की समझ के लिए महत्वपूर्ण है। हम एक संवहन वास्तुकला का वर्णन करते हैं जिसे डायनामिक कन्वोल्यूशनल न्यूरल नेटवर्क (डीसीएनएन) कहा जाता है जिसे हम वाक्यों के अर्थिक मॉडलिंग के लिए अपनाते हैं। नेटवर्क डायनेमिक के-मैक्स पूलिंग का उपयोग करता है, जो रैखिक अनुक्रमों पर एक वैश्विक पूलिंग ऑपरेशन है। नेटवर्क विभिन्न लंबाई के इनपुट वाक्यों को संभालता है और वाक्य पर एक विशेषता ग्राफ को प्रेरित करता है जो स्पष्ट रूप से छोटी और लंबी दूरी के संबंधों को पकड़ने में सक्षम है। यह नेटवर्क किसी पार्स ट्री पर निर्भर नहीं है और किसी भी भाषा पर आसानी से लागू होता है। हम चार प्रयोगों में डीसीएनएन का परीक्षण करते हैं: छोटे पैमाने पर द्विआधारी और बहु-वर्ग भावना भविष्यवाणी, छह-तरफा प्रश्न वर्गीकरण और दूरस्थ पर्यवेक्षण द्वारा ट्विटर भावना भविष्यवाणी। नेटवर्क पहले तीन कार्यों में उत्कृष्ट प्रदर्शन प्राप्त करता है और सबसे मजबूत आधार रेखा के संबंध में अंतिम कार्य में 25% से अधिक त्रुटि में कमी आती है।

ff5c193fd7142b3f426baf997b43937eca1bbbad

उच्च शक्ति मध्यम वोल्टेज ऊर्जा नियंत्रण के क्षेत्र में बहुस्तरीय इन्वर्टर प्रौद्योगिकी हाल ही में एक बहुत ही महत्वपूर्ण विकल्प के रूप में उभरी है। इस पत्र में डायोड-कलेम्प्ड इन्वर्टर (न्यूट्रल-पॉइंट क्लैंप्ड), कैपेसिटर-कलेम्प्ड (फ्लाइंग कैपेसिटर), और अलग-अलग डीसी स्रोतों के साथ कैस्केड मल्टीसेल जैसे सबसे महत्वपूर्ण टोपोलॉजी प्रस्तुत किए गए हैं। असममित हाइब्रिड कोशिकाओं और नरम-स्विच बहुस्तरीय इन्वर्टर जैसे उभरते हुए टोपॉलजी पर भी चर्चा की गई है। इस पत्र में परिवर्तक के इस परिवार के लिए विकसित सबसे प्रासंगिक नियंत्रण और मॉडुलन विधियों का भी वर्णन किया गया है: बहुस्तरीय साइनसॉइडल पल्सविड्थ मॉडुलन, बहुस्तरीय चयनात्मक हार्मोनिक उन्मूलन, और अंतरिक्ष-वेक्टर मॉडुलन। इन कन्वर्टर्स के नवीनतम और अधिक प्रासंगिक अनुप्रयोगों जैसे कि लैमिनेटर, कन्वेयर बेल्ट और एकीकृत पावर-फ्लो नियंत्रकों को विशेष ध्यान दिया जाता है। इनवर्टरों के लिए इनपुट पक्ष पर सक्रिय फ्रंट एंड की आवश्यकता पर भी चर्चा की गई है, जो पुनर्योजी भार की आपूर्ति करते हैं, और सर्किट टोपोलॉजी विकल्प भी प्रस्तुत किए गए हैं। अंत में, भविष्य के विकास के लिए उच्च-वोल्टेज उच्च-शक्ति उपकरणों और ऑप्टिकल सेंसर और अन्य अवसरों जैसे परिधीय विकास क्षेत्रों को संबोधित किया जाता है।