_id
stringlengths 40
40
| text
stringlengths 0
9.75k
|
|---|---|
05378af0c67c59505067e2cbeb9ca29ed5f085e4 | ਅਸੀਂ ਪ੍ਰਸਾਰ-ਅਧਾਰਿਤ, ਵੰਡੇ ਹੋਏ ਟ੍ਰੈਫਿਕ ਜਾਣਕਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਨਿਰੀਖਣਾਂ ਦੇ ਲੜੀਵਾਰ ਸੰਚਵ ਲਈ ਇੱਕ ਐਲਗੋਰਿਦਮ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦੇ ਹਾਂ। ਖਾਸ ਮੁੱਲਾਂ ਨੂੰ ਲੈ ਕੇ ਜਾਣ ਦੀ ਬਜਾਏ (ਉਦਾਹਰਣ ਵਜੋਂ, ਕਿਸੇ ਦਿੱਤੇ ਖੇਤਰ ਵਿੱਚ ਮੁਫਤ ਪਾਰਕਿੰਗ ਸਥਾਨਾਂ ਦੀ ਗਿਣਤੀ), ਸਾਡੇ ਸਮੂਹਾਂ ਵਿੱਚ ਇੱਕ ਸੰਭਾਵਨਾਤਮਕ ਅਨੁਪਾਤ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਸੋਧਿਆ ਹੋਇਆ ਫਲੈਜੋਲੇਟ-ਮਾਰਟਿਨ ਸਕੈਚ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ. ਇਸ ਪਹੁੰਚ ਦਾ ਮੁੱਖ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਸਮੂਹਾਂ ਨੂੰ ਦੁਹਰਾਇਆ ਜਾ ਸਕਦਾ ਹੈ. ਇਸ ਨਾਲ VANET ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਮੌਜੂਦਾ ਏਕੀਕਰਣ ਸਕੀਮਾਂ ਦੀਆਂ ਦੋ ਮੁੱਖ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਦੂਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪਹਿਲੀ ਗੱਲ, ਜਦੋਂ ਇੱਕੋ ਖੇਤਰ ਲਈ ਨਿਰੀਖਣਾਂ ਦੇ ਕਈ ਸਮੂਹ ਉਪਲਬਧ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਸਮੂਹ ਵਿੱਚ ਜੋੜਨਾ ਸੰਭਵ ਹੁੰਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਮੂਲ ਸਮੂਹ ਤੋਂ ਸਾਰੀ ਜਾਣਕਾਰੀ ਹੁੰਦੀ ਹੈ। ਇਹ ਮੌਜੂਦਾ ਪਹੁੰਚਾਂ ਤੋਂ ਬੁਨਿਆਦੀ ਤੌਰ ਤੇ ਵੱਖਰਾ ਹੈ ਜਿੱਥੇ ਆਮ ਤੌਰ ਤੇ ਇਕ ਸਮੱਗਰੀ ਨੂੰ ਹੋਰ ਵਰਤੋਂ ਲਈ ਚੁਣਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਕਿ ਬਾਕੀ ਨੂੰ ਰੱਦ ਕਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਦੂਜਾ, ਕੋਈ ਵੀ ਨਿਰੀਖਣ ਜਾਂ ਸਮੂਹਿਕ ਨੂੰ ਉੱਚ ਪੱਧਰੀ ਸਮੂਹਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਇਸ ਗੱਲ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ ਕਿ ਇਹ ਪਹਿਲਾਂ ਹੀ - ਸਿੱਧੇ ਜਾਂ ਅਸਿੱਧੇ ਤੌਰ ਤੇ - ਜੋੜਿਆ ਗਿਆ ਹੈ. ਇਹ ਪੱਥਰ ਪੱਥਰ ਦੇ ਪੱਥਰ ਦੇ ਰੂਪ ਵਿੱਚ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਅਸੀਂ ਇੱਕ ਸਿਮੂਲੇਸ਼ਨ ਅਧਿਐਨ ਰਾਹੀਂ ਆਪਣੀ ਪਹੁੰਚ ਦੇ ਇਨ੍ਹਾਂ ਗੁਣਾਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਾਂ। |
2f83d2294d44b44ad07d327635a34276abe1ec55 | ਇਹ ਪੇਪਰ ਆਈਈਈਈ 802.11 ਬੀ / ਜੀ ਐਪਲੀਕੇਸ਼ਨ ਲਈ ਐਂਟੀਨਾ-ਇੰਟੀਗਰੇਟਡ ਪੈਕੇਜ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਐਮਸੀਐਮ-ਡੀ ਮੈਨੂਫੈਕਚਰਿੰਗ ਟੈਕਨੋਲੋਜੀ ਦੇ ਅਧਾਰ ਤੇ ਐਂਟੀਨਾ ਡਿਜ਼ਾਈਨ ਪੇਸ਼ ਕਰਦਾ ਹੈ. ਐਂਟੀਨਾ ਅਤੇ ਆਰਐਫ ਮੋਡੀਊਲ ਦੇ ਏਕੀਕਰਨ ਦੇ ਕਾਰਨ ਪੈਰਾਸਿਟਿਕ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਸਹਿ-ਡਿਜ਼ਾਈਨ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਲੂਪ ਐਂਟੀਨਾ ਐਮਸੀਐਮ-ਡੀ ਸਬਸਟਰੇਟ ਦੀ ਦੂਜੀ ਪਰਤ ਤੇ ਸਥਿਤ ਹੈ। ਐਂਟੀਨਾ ਵਿੱਚ ਸਮਰੱਥਾਤਮਕ ਤੌਰ ਤੇ ਫੀਡ ਸਟ੍ਰਿਪ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ ਜੋ ਕੋਪਲੈਨਰ ਵੇਵ ਗਾਈਡ (ਸੀਪੀਡਬਲਯੂ) ਦੁਆਰਾ ਫੀਡ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਕਪਲਿੰਗ ਫੀਡ ਤਕਨੀਕ ਦੁਆਰਾ, ਪ੍ਰਸਤਾਵਿਤ ਐਂਟੀਨਾ ਦਾ ਆਕਾਰ ਡਬਲਯੂਐਲਏਐਨ ਬੈਂਡ (2.4-2.484 ਗੀਗਾਹਰਟਜ਼) ਤੇ ਸਿਰਫ 3.8 ਮਿਲੀਮੀਟਰ × 4.7 ਮਿਲੀਮੀਟਰ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕਪਲਿੰਗ ਸਟ੍ਰਿਪ ਦੀ ਲੰਬਾਈ ਨੂੰ ਟਿਊਨਿੰਗ ਕਰਕੇ ਰੌਸ਼ਨ ਫ੍ਰੀਕਵੈਂਸੀ ਨੂੰ ਐਡਜਸਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਨਤੀਜੇ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਕਪਲਿੰਗ-ਫਿਡ ਲੂਪ ਐਂਟੀਨਾ ਨੇ 1.6 dBi ਦਾ ਲਾਭ ਪ੍ਰਾਪਤ ਕੀਤਾ ਅਤੇ 2.45 ਗੀਗਾਹਰਟਜ਼ ਤੇ 85 ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਰੇਡੀਏਸ਼ਨ ਕੁਸ਼ਲਤਾ ਬਹੁਤ ਸੰਖੇਪ ਆਕਾਰ (0.03 λ0 × 0.04 λ0) ਵਿੱਚ ਪ੍ਰਾਪਤ ਕੀਤੀ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਪੈਕਜ ਦੇ ਸਮੁੱਚੇ ਖੇਤਰ ਦੇ ਮੁਕਾਬਲੇ ਐਂਟੀਨਾ ਦਾ ਕਬਜ਼ਾ ਕੀਤਾ ਖੇਤਰ ਬਹੁਤ ਛੋਟਾ ਹੈ (4.4%); ਇਸ ਲਈ, ਪ੍ਰਸਤਾਵਿਤ ਵਿਧੀ ਪੈਕਜ ਐਂਟੀਨਾ ਡਿਜ਼ਾਈਨ ਲਈ ਬਹੁਤ ਲਾਭਦਾਇਕ ਹੈ। ਵਿਸਤ੍ਰਿਤ ਪੈਰਾਮੀਟਰ ਅਧਿਐਨ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਹਨ, ਜੋ ਪ੍ਰਸਤਾਵਿਤ ਵਿਧੀ ਦੀ ਵਿਵਹਾਰਕਤਾ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। |
cf08bf7bcf3d3ec926d0cedf453e257e21cc398a | ਉਪਕਰਣ ਟੈਸਟਿੰਗ ਅਰਧ-ਕੰਡਕਟਰ ਉਦਯੋਗ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡਾ ਨਿਰਮਾਣ ਖਰਚਾ ਦਰਸਾਉਂਦੀ ਹੈ, ਜਿਸਦੀ ਸਾਲਾਨਾ ਲਾਗਤ 40 ਮਿਲੀਅਨ ਡਾਲਰ ਤੋਂ ਵੱਧ ਹੈ। ਆਪਣੀ ਕਿਸਮ ਦੀ ਸਭ ਤੋਂ ਵਿਆਪਕ ਅਤੇ ਵਿਆਪਕ ਕਿਤਾਬ, ਟੈਸਟਿੰਗ ਆਫ਼ ਡਿਜੀਟਲ ਸਿਸਟਮਜ਼ ਵਿੱਚ ਉਹ ਸਭ ਕੁਝ ਸ਼ਾਮਲ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਇਸ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਵਿਸ਼ੇ ਬਾਰੇ ਜਾਣਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ। ਬੁਨਿਆਦ ਤੋਂ ਸ਼ੁਰੂ ਕਰਦਿਆਂ, ਲੇਖਕ ਪਾਠਕ ਨੂੰ ਆਟੋਮੈਟਿਕ ਟੈਸਟ ਪੈਟਰਨ ਜਨਰੇਸ਼ਨ, ਟੈਸਟਯੋਗਤਾ ਲਈ ਡਿਜ਼ਾਈਨ ਅਤੇ ਡਿਜੀਟਲ ਸਰਕਟਾਂ ਦੇ ਬਿਲਟ-ਇਨ ਸਵੈ-ਟੈਸਟ ਦੁਆਰਾ ਲੈ ਜਾਂਦੇ ਹਨ, ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਉਹ ਵਧੇਰੇ ਉੱਨਤ ਵਿਸ਼ਿਆਂ ਜਿਵੇਂ ਕਿ ਆਈਡੀਡੀਕਿQ ਟੈਸਟਿੰਗ, ਫੰਕਸ਼ਨਲ ਟੈਸਟਿੰਗ, ਦੇਰੀ ਫਾਲਟ ਟੈਸਟਿੰਗ, ਮੈਮੋਰੀ ਟੈਸਟਿੰਗ, ਅਤੇ ਫਾਲਟ ਡਾਇਗਨੋਸਿਸ ਵੱਲ ਵਧਣ. ਇਸ ਕਿਤਾਬ ਵਿੱਚ ਨਵੀਨਤਮ ਤਕਨੀਕਾਂ ਦਾ ਵਿਸਥਾਰਪੂਰਵਕ ਇਲਾਜ ਸ਼ਾਮਲ ਹੈ ਜਿਸ ਵਿੱਚ ਵੱਖ ਵੱਖ ਫਾਲਟ ਮੋਡਾਂ ਲਈ ਟੈਸਟ ਜਨਰੇਸ਼ਨ, ਏਕੀਕ੍ਰਿਤ ਸਰਕਟ ਲੜੀ ਦੇ ਵੱਖ ਵੱਖ ਪੱਧਰਾਂ ਤੇ ਟੈਸਟਿੰਗ ਤਕਨੀਕਾਂ ਦੀ ਚਰਚਾ ਅਤੇ ਸਿਸਟਮ-ਆਨ-ਏ-ਚਿੱਪ ਟੈਸਟ ਸਿੰਥੇਸਿਸ ਬਾਰੇ ਇੱਕ ਅਧਿਆਇ ਸ਼ਾਮਲ ਹੈ। ਵਿਦਿਆਰਥੀਆਂ ਅਤੇ ਇੰਜੀਨੀਅਰਾਂ ਲਈ ਲਿਖੀ ਗਈ ਇਹ ਕਿਤਾਬ ਇੱਕ ਸ਼ਾਨਦਾਰ ਸੀਨੀਅਰ/ ਗ੍ਰੈਜੂਏਟ ਪੱਧਰ ਦੀ ਪਾਠ ਪੁਸਤਕ ਅਤੇ ਇੱਕ ਕੀਮਤੀ ਹਵਾਲਾ ਹੈ। |
44c3dac2957f379e7646986f593b9a7db59bd714 | |
5a4bb08d4750d27bd5a2ad0a993d144c4fb9586c | ਹਾਲ ਹੀ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ ਤੇ ਪ੍ਰਚਾਰਿਤ ਡਾਟਾ ਉਲੰਘਣਾ ਨੇ ਸੈਂਕੜੇ ਲੱਖਾਂ ਲੋਕਾਂ ਦੀ ਨਿੱਜੀ ਜਾਣਕਾਰੀ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਹੈ। ਕੁਝ ਰਿਪੋਰਟਾਂ ਵਿੱਚ ਡਾਟਾ ਦੀ ਉਲੰਘਣਾ ਦੇ ਆਕਾਰ ਅਤੇ ਬਾਰੰਬਾਰਤਾ ਵਿੱਚ ਚਿੰਤਾਜਨਕ ਵਾਧਾ ਦਰਸਾਇਆ ਗਿਆ ਹੈ, ਜਿਸ ਨਾਲ ਦੁਨੀਆ ਭਰ ਦੀਆਂ ਸੰਸਥਾਵਾਂ ਨੂੰ ਇੱਕ ਵਿਗੜਦੀ ਸਥਿਤੀ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਪ੍ਰੇਰਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਪਰ ਕੀ ਸਮੱਸਿਆ ਅਸਲ ਵਿੱਚ ਵੱਧ ਰਹੀ ਹੈ? ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਪ੍ਰਸਿੱਧ ਜਨਤਕ ਡੇਟਾ ਸੈੱਟ ਦਾ ਅਧਿਐਨ ਕਰਦੇ ਹਾਂ ਅਤੇ ਡਾਟਾ ਉਲੰਘਣਾ ਦੇ ਰੁਝਾਨਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਬੇਜ਼ੀਅਨ ਜਨਰਲਾਈਜ਼ਡ ਲੀਨੀਅਰ ਮਾਡਲ ਵਿਕਸਿਤ ਕਰਦੇ ਹਾਂ। ਮਾਡਲ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਪਿਛਲੇ ਦਹਾਕੇ ਦੌਰਾਨ ਨਾ ਤਾਂ ਡਾਟਾ ਉਲੰਘਣਾ ਦਾ ਆਕਾਰ ਅਤੇ ਨਾ ਹੀ ਬਾਰੰਬਾਰਤਾ ਵਧੀ ਹੈ। ਅਸੀਂ ਇਹ ਪਾਇਆ ਹੈ ਕਿ ਜੋ ਵਾਧੇ ਨੇ ਧਿਆਨ ਖਿੱਚਿਆ ਹੈ ਉਹ ਡੇਟਾ ਸੈੱਟ ਦੇ ਅਧਾਰ ਤੇ ਭਾਰੀ-ਪੂਛ ਵਾਲੇ ਅੰਕੜਾ ਵੰਡ ਦੁਆਰਾ ਸਮਝਾਏ ਜਾ ਸਕਦੇ ਹਨ. ਵਿਸ਼ੇਸ਼ ਤੌਰ ਤੇ, ਅਸੀਂ ਇਹ ਪਾਉਂਦੇ ਹਾਂ ਕਿ ਡਾਟਾ ਉਲੰਘਣਾ ਦਾ ਆਕਾਰ ਲੌਗ-ਸਧਾਰਣ ਤੌਰ ਤੇ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਉਲੰਘਣਾ ਦੀ ਰੋਜ਼ਾਨਾ ਬਾਰੰਬਾਰਤਾ ਨੂੰ ਇੱਕ ਨਕਾਰਾਤਮਕ ਦੋ-ਅੰਕ ਵੰਡ ਦੁਆਰਾ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਵੰਡਾਂ ਉਨ੍ਹਾਂ ਉਤਪੰਨ ਕਰਨ ਵਾਲੇ ਤੰਤਰਾਂ ਲਈ ਸੁਰਾਗ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀਆਂ ਹਨ ਜੋ ਉਲੰਘਣਾ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਾਡਾ ਮਾਡਲ ਭਵਿੱਖ ਵਿੱਚ ਇੱਕ ਖਾਸ ਆਕਾਰ ਦੇ ਉਲੰਘਣਾ ਦੀ ਸੰਭਾਵਨਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ। ਉਦਾਹਰਣ ਦੇ ਲਈ, ਅਸੀਂ ਪਾਇਆ ਕਿ ਅਗਲੇ ਸਾਲ ਵਿੱਚ ਸਿਰਫ 31% ਸੰਭਾਵਨਾ ਹੈ ਕਿ 10 ਮਿਲੀਅਨ ਰਿਕਾਰਡਾਂ ਦੀ ਉਲੰਘਣਾ ਜਾਂ ਅਮਰੀਕਾ ਵਿੱਚ ਹੋਰ. ਕਿਸੇ ਵੀ ਰੁਝਾਨ ਦੇ ਬਾਵਜੂਦ, ਡਾਟਾ ਉਲੰਘਣਾ ਮਹਿੰਗੀ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਅਸੀਂ ਮਾਡਲ ਨੂੰ ਦੋ ਵੱਖ-ਵੱਖ ਲਾਗਤ ਮਾਡਲਾਂ ਨਾਲ ਜੋੜਦੇ ਹਾਂ, ਇਹ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਕਿ ਅਗਲੇ ਤਿੰਨ ਸਾਲਾਂ ਵਿੱਚ ਉਲੰਘਣਾ ਦੀ ਕੀਮਤ 55 ਬਿਲੀਅਨ ਡਾਲਰ ਤੱਕ ਹੋ ਸਕਦੀ ਹੈ। |
e8e2c3d884bba807bcf7fbfa2c27f864b20ceb80 | ਇਹ ਮੈਮੋ ਇੰਟਰਨੈੱਟ ਭਾਈਚਾਰੇ ਲਈ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਹ ਮੈਮੋ ਕਿਸੇ ਵੀ ਪ੍ਰਕਾਰ ਦੇ ਇੰਟਰਨੈਟ ਸਟੈਂਡਰਡ ਨੂੰ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕਰਦਾ ਹੈ। ਇਸ ਮੈਮੋ ਦੀ ਵੰਡ ਬੇਅੰਤ ਹੈ। ਸੰਖੇਪ ਇਹ ਦਸਤਾਵੇਜ਼ ਐਚਐਮਏਸੀ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਹੈਸ਼ ਫੰਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸੰਦੇਸ਼ ਪ੍ਰਮਾਣਿਕਤਾ ਲਈ ਇੱਕ ਵਿਧੀ ਹੈ। ਐਚਐਮਏਸੀ ਨੂੰ ਕਿਸੇ ਵੀ ਆਵਰਤੀ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਹੈਸ਼ ਫੰਕਸ਼ਨ ਨਾਲ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਉਦਾਹਰਣ ਵਜੋਂ, ਐਮਡੀ 5, ਐਚਏਐਚ -1, ਇੱਕ ਗੁਪਤ ਸਾਂਝੀ ਕੁੰਜੀ ਦੇ ਨਾਲ. ਐਚਐਮਏਸੀ ਦੀ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਤਾਕਤ ਅੰਡਰਲਾਈੰਗ ਹੈਸ਼ ਫੰਕਸ਼ਨ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। |
f01d369becb42ff69d156d5e19d8af18dadacc6e | ਜਿਵੇਂ ਕਿ ਵਾਇਰਲੈੱਸ ਸੈਂਸਰ ਨੈਟਵਰਕ (ਡਬਲਯੂਐੱਸਐੱਨ) ਵਧਦੇ ਜਾ ਰਹੇ ਹਨ, ਇਸ ਲਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸੁਰੱਖਿਆ ਵਿਧੀ ਦੀ ਜ਼ਰੂਰਤ ਵੀ ਵਧਦੀ ਜਾ ਰਹੀ ਹੈ। ਕਿਉਂਕਿ ਸੈਂਸਰ ਨੈਟਵਰਕ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ/ਜਾਂ ਦੁਸ਼ਮਣ ਵਾਤਾਵਰਣ ਵਿੱਚ ਬਿਨਾਂ ਨਿਗਰਾਨੀ ਦੇ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ, ਇਸ ਲਈ ਇਹ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਇਨ੍ਹਾਂ ਸੁਰੱਖਿਆ ਚਿੰਤਾਵਾਂ ਨੂੰ ਸਿਸਟਮ ਡਿਜ਼ਾਈਨ ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਹੀ ਹੱਲ ਕੀਤਾ ਜਾਵੇ। ਇਸ ਪੇਪਰ ਦਾ ਉਦੇਸ਼ ਡਬਲਯੂਐੱਸਐੱਨ ਵਿੱਚ ਡਾਟਾ ਇਕੱਤਰ ਕਰਨ ਅਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਸੁਰੱਖਿਆ ਹੱਲਾਂ ਦਾ ਵਰਣਨ ਕਰਨਾ ਹੈ। ਮੱਧਮ ਅਤੇ ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਡਬਲਯੂਐੱਸਐੱਨ ਲਈ ਢੁਕਵੀਂ ਸੁਰੱਖਿਆ ਸਮਰੱਥਾ ਪ੍ਰਾਪਤ ਕਰਨਾ ਇੱਕ ਮੁਸ਼ਕਲ ਪਰ ਜ਼ਰੂਰੀ ਟੀਚਾ ਹੈ, ਜਿਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਇਨ੍ਹਾਂ ਨੈਟਵਰਕਾਂ ਨੂੰ ਮਾਰਕੀਟ ਲਈ ਤਿਆਰ ਕਰਨਾ ਹੈ। ਇਸ ਪੇਪਰ ਵਿੱਚ ਡਬਲਯੂਐੱਸਐੱਨ ਦੀ ਸਪੇਸ ਸੁਰੱਖਿਆ ਦੇ ਹੱਲ ਅਤੇ ਡਬਲਯੂਐੱਸਐੱਨ ਲਈ ਭਰੋਸੇਯੋਗਤਾ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਦਾ ਸੰਖੇਪ ਵੇਰਵਾ ਸ਼ਾਮਲ ਹੈ। |
18f5593d6082b1ba3c02cf64d64eb9d969db3e6b | ਵੈਕਟਰ ਸਪੇਸ ਸ਼ਬਦ ਪ੍ਰਤੀਨਿਧਤਾ ਬਹੁਤ ਸਾਰੇ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਉਪਯੋਗੀ ਹਨ। ਵੈਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾਵਾਂ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਤਕਨੀਕਾਂ ਦੀ ਵਿਭਿੰਨਤਾ ਅਤੇ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਮੁਲਾਂਕਣ ਬੈਂਚਮਾਰਕ ਭਰੋਸੇਯੋਗ ਤੁਲਨਾ ਨੂੰ ਨਵੇਂ ਵੈਕਟਰ ਸਪੇਸ ਮਾਡਲਾਂ ਵਿਕਸਿਤ ਕਰਨ ਵਾਲੇ ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਉਹਨਾਂ ਲਈ ਜੋ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ, ਲਈ ਇੱਕ ਥਕਾਵਟਪੂਰਨ ਕੰਮ ਬਣਾਉਂਦੇ ਹਨ। ਅਸੀਂ ਇੱਕ ਵੈਬਸਾਈਟ ਅਤੇ ਔਫਲਾਈਨ ਟੂਲਸ ਦਾ ਇੱਕ ਸੂਟ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ ਜੋ ਮਿਆਰੀ ਸ਼ਬਦਾਵਲੀ ਅਰਥ ਸ਼ਾਸਤਰ ਬੈਂਚਮਾਰਕ ਤੇ ਸ਼ਬਦ ਵੈਕਟਰਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਦੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਐਕਸਚੇਂਜ ਅਤੇ ਪੁਰਾਲੇਖ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ ਜੋ ਉਨ੍ਹਾਂ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਚੰਗੇ ਵੈਕਟਰ ਲੱਭਣਾ ਚਾਹੁੰਦੇ ਹਨ। ਇਹ ਸਿਸਟਮ www.wordvectors.org ਉੱਤੇ ਪਹੁੰਚਯੋਗ ਹੈ। |
cc383d9308c38e36d268b77bd6acee7bcd79fc10 | ਪਹਿਨਣਯੋਗ ਅਤੇ ਇਮਪਲਾਂਟਡ ਸਿਹਤ ਨਿਗਰਾਨੀ ਤਕਨਾਲੋਜੀਆਂ ਵਿੱਚ ਮੌਜੂਦਾ ਤਰੱਕੀ ਮਰੀਜ਼ਾਂ ਦੀ ਸਰਬਵਿਆਪੀ ਨਿਗਰਾਨੀ ਨੂੰ ਸਮਰੱਥ ਬਣਾ ਕੇ ਸਿਹਤ ਸੰਭਾਲ ਸੇਵਾਵਾਂ ਦੇ ਭਵਿੱਖ ਨੂੰ ਬਦਲਣ ਦੀ ਮਜ਼ਬੂਤ ਸੰਭਾਵਨਾ ਰੱਖਦੀ ਹੈ। ਇੱਕ ਆਮ ਸਿਹਤ ਨਿਗਰਾਨੀ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਪਹਿਨਣਯੋਗ ਜਾਂ ਲਗਾਏ ਗਏ ਸੈਂਸਰਾਂ ਦਾ ਇੱਕ ਨੈਟਵਰਕ ਹੁੰਦਾ ਹੈ ਜੋ ਨਿਰੰਤਰ ਸਰੀਰਕ ਮਾਪਦੰਡਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਦੇ ਹਨ। ਇਕੱਠੇ ਕੀਤੇ ਗਏ ਡੇਟਾ ਨੂੰ ਵਾਧੂ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਬੇਸ ਸਟੇਸ਼ਨ ਨੂੰ ਮੌਜੂਦਾ ਵਾਇਰਲੈੱਸ ਸੰਚਾਰ ਪ੍ਰੋਟੋਕੋਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਰੀਲੇਅ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਲੇਖ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਮੌਜੂਦਾ ਘੱਟ-ਪਾਵਰ ਸੰਚਾਰ ਤਕਨਾਲੋਜੀਆਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਸੰਭਾਵਤ ਤੌਰ ਤੇ ਡਬਲਯੂਬੀਏਐਨ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਾਸ ਅਤੇ ਤਾਇਨਾਤੀ ਦਾ ਸਮਰਥਨ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਮੁੱਖ ਤੌਰ ਤੇ ਰਿਹਾਇਸ਼ੀ ਵਾਤਾਵਰਣ ਵਿੱਚ ਬਜ਼ੁਰਗ ਜਾਂ ਗੰਭੀਰ ਬਿਮਾਰ ਮਰੀਜ਼ਾਂ ਦੀ ਰਿਮੋਟ ਨਿਗਰਾਨੀ ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ। |
b3e326f56fd2e32f33fd5a8f3138c6633da25786 | ਇਹ ਪੇਪਰ ਸਵੈ-ਨਿਰਭਰ ਸਫਾਈ ਰੋਬੋਟ ਰੋਬੋਕਿੰਗ ਦੀ ਸਿਸਟਮ ਏਕੀਕਰਣ ਅਤੇ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਪੇਸ਼ ਕਰੇਗਾ। ਰੋਬੋਕਿੰਗ ਸਵੈ-ਚਾਲਿਤ ਆਟੋਮੈਟਿਕ ਤੌਰ ਤੇ ਨੈਵੀਗੇਟ ਕਰਨ ਵਾਲਾ ਵੈਕਿਊਮ ਕਲੀਨਿੰਗ ਰੋਬੋਟ ਹੈ। ਇਹ ਸਫਾਈ ਦੌਰਾਨ ਅੰਦਰੂਨੀ ਵਾਤਾਵਰਣ ਅਤੇ ਆਪਣੇ ਆਪ ਨੂੰ ਬਚਾਉਣ ਲਈ ਕਈ ਸੈਂਸਰ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਸਿਸਟਮ ਢਾਂਚੇ, ਸੈਂਸਰ, ਫੰਕਸ਼ਨ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਉਪ-ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਨਾਲ-ਨਾਲ ਆਪਰੇਸ਼ਨ ਦੇ ਸਿਧਾਂਤ ਦਾ ਵਰਣਨ ਕਰਾਂਗੇ। |
85b3cd74945cc6517aa3a7017f89d8857c3600da | ਵਿਦਿਆਰਥੀ ਦੀ ਭਵਿੱਖ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦਾ ਸਹੀ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਮਹੱਤਤਾ ਵਿਦਿਆਰਥੀ ਨੂੰ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਢੁਕਵੀਂ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਇਸ ਉਦੇਸ਼ ਲਈ, ਇਸ ਖੋਜ ਦਾ ਉਦੇਸ਼ ਕੁਝ ਪਛਾਣੇ ਗਏ ਗੁਣਾਂ ਦੇ ਮੁੱਲਾਂ ਦੇ ਅਧਾਰ ਤੇ, ਇੱਕ ਵਿਦਿਆਰਥੀ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਬੇਸਿਅਨ ਨੈਟਵਰਕ ਦੀ ਵਰਤੋਂ ਦੀ ਜਾਂਚ ਕਰਨਾ ਸੀ। ਅਸੀਂ ਹਾਈ ਸਕੂਲ ਦੇ ਵਿਦਿਆਰਥੀਆਂ ਦੇ ਡੇਟਾ ਸੈਟ ਦੇ ਨਾਲ 8 ਗੁਣਾਂ ਵਾਲੇ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਭਵਿੱਖਬਾਣੀ ਤੇ ਅਨੁਭਵੀ ਪ੍ਰਯੋਗ ਪੇਸ਼ ਕੀਤੇ। ਪੇਪਰ ਸਿੱਖਿਆ ਦੇ ਖੇਤਰ ਵਿੱਚ ਬੇਯਸੀਅਨ ਪਹੁੰਚ ਦੀ ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ ਅਤੇ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਬੇਯਸੀਅਨ ਨੈਟਵਰਕ ਵਰਗੀਕਰਤਾ ਦੀ ਵਰਤੋਂ ਵਿਦਿਆਰਥੀ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਇੱਕ ਸਾਧਨ ਵਜੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। |
86aa83ebab0f72ef84f8e6d62379c71c04cb6b68 | |
05e5e58edead6167befb089444d35fbd17b13414 | |
8c63d23cc29dc6221ed6bd0704fccc03baf20ebc | ਹਾਲ ਹੀ ਵਿੱਚ ਡਾਇਲਾਗ ਇੰਟਰੈਕਸ਼ਨ ਲਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਇੱਕ ਵਿਸਫੋਟ ਹੋਇਆ ਹੈ ਜੋ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਦੇਣ ਅਤੇ ਸੈਲਾਨੀ ਜਾਣਕਾਰੀ ਤੋਂ ਲੈ ਕੇ ਇੰਟਰੈਕਟਿਵ ਕਹਾਣੀ ਪ੍ਰਣਾਲੀਆਂ ਤੱਕ ਹੈ। ਫਿਰ ਵੀ ਇਹਨਾਂ ਵਿੱਚੋਂ ਬਹੁਤ ਸਾਰੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਉਤਪਾਦਨ (ਐਨਐਲਜੀ) ਭਾਗ ਵੱਡੇ ਪੱਧਰ ਤੇ ਹੱਥ ਨਾਲ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਇਹ ਸੀਮਾ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਸੀਮਾ ਨੂੰ ਬਹੁਤ ਸੀਮਤ ਕਰਦੀ ਹੈ; ਇਸਦਾ ਮਤਲਬ ਇਹ ਵੀ ਹੈ ਕਿ ਪ੍ਰਗਟਾਵੇ ਅਤੇ ਅੰਕੜਾ ਭਾਸ਼ਾ ਉਤਪਾਦਨ ਵਿੱਚ ਹਾਲ ਦੇ ਕੰਮ ਦਾ ਫਾਇਦਾ ਲੈਣਾ ਅਸੰਭਵ ਹੈ ਜੋ ਗਤੀਸ਼ੀਲ ਅਤੇ ਆਟੋਮੈਟਿਕ ਤੌਰ ਤੇ ਦਿੱਤੀ ਗਈ ਸਮੱਗਰੀ ਦੀਆਂ ਬਹੁਤ ਸਾਰੀਆਂ ਭਿੰਨਤਾਵਾਂ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ. ਅਸੀਂ ਇਹ ਸੁਝਾਅ ਦਿੰਦੇ ਹਾਂ ਕਿ ਇਸ ਸਮੱਸਿਆ ਦਾ ਹੱਲ ਭਾਸ਼ਾ ਉਤਪਾਦਨ ਸਰੋਤਾਂ ਦੇ ਵਿਕਾਸ ਲਈ ਨਵੇਂ ਤਰੀਕਿਆਂ ਵਿੱਚ ਹੈ। ਅਸੀਂ ਈਐਸ-ਟ੍ਰਾਂਸਲੇਟਰ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਾਂ, ਇੱਕ ਕੰਪਿ computerਟੇਸ਼ਨਲ ਭਾਸ਼ਾ ਜਨਰੇਟਰ ਜੋ ਪਹਿਲਾਂ ਸਿਰਫ ਪਰੀ ਕਹਾਣੀਆਂ ਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਵੈਬਲਾੱਗਾਂ ਤੋਂ ਨਿੱਜੀ ਬਿਰਤਾਂਤਾਂ ਤੇ ਲਾਗੂ ਕਰਕੇ ਈਐਸਟੀ ਦੀ ਡੋਮੇਨ ਦੀ ਸੁਤੰਤਰਤਾ ਦਾ ਗਿਣਾਤਮਕ ਤੌਰ ਤੇ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹਾਂ. ਫਿਰ ਅਸੀਂ ਭਾਸ਼ਾ ਉਤਪਾਦਨ ਤੇ ਹਾਲ ਹੀ ਦੇ ਕੰਮ ਦਾ ਫਾਇਦਾ ਉਠਾਉਂਦੇ ਹਾਂ ਕਹਾਣੀ ਉਤਪਾਦਨ ਲਈ ਇੱਕ ਪੈਰਾਮੀਟਰਾਈਜ਼ਡ ਸਜ਼ਾ ਯੋਜਨਾਕਾਰ ਬਣਾਉਣ ਲਈ ਜੋ ਸੰਚਾਲਨ ਕਾਰਜਾਂ, ਭਾਸ਼ਣ ਅਤੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਵਿੱਚ ਭਿੰਨਤਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ. ਅੰਤ ਵਿੱਚ, ਅਸੀਂ ਵੱਖ-ਵੱਖ ਨਿੱਜੀ ਕਥਾਤਮਕ ਪੁਨਰ-ਕਥਾਵਾਂ ਦੇ ਉਪਭੋਗਤਾ ਮੁਲਾਂਕਣ ਨੂੰ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ। |
43dfdf71c82d7a61367e94ea927ef1c33d4ac17a | ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣ ਅਤੇ ਸਰਕਾਰੀ ਨਿਯਮਾਂ ਦੀ ਵਧਦੀ ਗਿਣਤੀ ਜਿਸ ਨਾਲ ਲੰਬੇ ਸਮੇਂ ਲਈ ਡੇਟਾ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣ ਅਤੇ ਸੁਰੱਖਿਆ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਨੇ ਉਦਯੋਗਾਂ ਨੂੰ ਸਟੋਰੇਜ ਸੁਰੱਖਿਆ ਵੱਲ ਗੰਭੀਰਤਾ ਨਾਲ ਧਿਆਨ ਦੇਣ ਲਈ ਮਜਬੂਰ ਕੀਤਾ ਹੈ। ਇਸ ਪੇਪਰ ਵਿੱਚ ਅਸੀਂ ਸਟੋਰੇਜ ਨਾਲ ਸਬੰਧਤ ਮਹੱਤਵਪੂਰਨ ਸੁਰੱਖਿਆ ਮੁੱਦਿਆਂ ਤੇ ਚਰਚਾ ਕਰਦੇ ਹਾਂ ਅਤੇ ਮੌਜੂਦਾ ਸਟੋਰੇਜ ਪ੍ਰਣਾਲੀਆਂ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੀਆਂ ਗਈਆਂ ਸੁਰੱਖਿਆ ਸੇਵਾਵਾਂ ਦਾ ਇੱਕ ਵਿਆਪਕ ਸਰਵੇਖਣ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ। ਅਸੀਂ ਸਟੋਰੇਜ ਸੁਰੱਖਿਆ ਸਾਹਿਤ ਦੀ ਇੱਕ ਵਿਆਪਕ ਲੜੀ ਨੂੰ ਕਵਰ ਕਰਦੇ ਹਾਂ, ਮੌਜੂਦਾ ਹੱਲਾਂ ਦੀ ਇੱਕ ਆਲੋਚਨਾਤਮਕ ਸਮੀਖਿਆ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ, ਉਹਨਾਂ ਦੀ ਤੁਲਨਾ ਕਰਦੇ ਹਾਂ, ਅਤੇ ਸੰਭਾਵੀ ਖੋਜ ਮੁੱਦਿਆਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦੇ ਹਾਂ। |
b594a248218121789e5073a90c31b261610478e0 | ਇਹ ਪੇਪਰ ਲਾਈਨਰ ਘੱਟੋ ਘੱਟ ਵਰਗ ਸਮੱਸਿਆਵਾਂ ਦੇ ਕ੍ਰਮ ਨੂੰ ਹੱਲ ਕਰਨ ਦੁਆਰਾ ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਐਸਐਲਐਮ ਲਈ ਇੱਕ ਰਣਨੀਤੀ ਪੇਸ਼ ਕਰਦਾ ਹੈ. ਐਲਗੋਰਿਥਮ ਸਬਮੈਪ ਜੁਆਇਨਿੰਗ ਤੇ ਅਧਾਰਤ ਹੈ ਜਿੱਥੇ ਉਪ-ਮੈਪ ਕਿਸੇ ਵੀ ਮੌਜੂਦਾ ਐਸਐਲਐਮ ਤਕਨੀਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਣਾਏ ਜਾਂਦੇ ਹਨ। ਇਹ ਦਰਸਾਇਆ ਗਿਆ ਹੈ ਕਿ ਜੇ ਸਬਮੈਪਸ ਕੋਆਰਡੀਨੇਟ ਫਰੇਮ ਨੂੰ ਸਮਝਦਾਰੀ ਨਾਲ ਚੁਣਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਦੋ ਸਬਮੈਪਸ ਨੂੰ ਜੋੜਨ ਲਈ ਘੱਟੋ ਘੱਟ ਵਰਗ ਦਾ ਉਦੇਸ਼ ਫੰਕਸ਼ਨ ਰਾਜ ਵੈਕਟਰ ਦਾ ਵਰਗ ਫੰਕਸ਼ਨ ਬਣ ਜਾਂਦਾ ਹੈ. ਇਸ ਲਈ, ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਐਸਐਲਏਐਮ ਦਾ ਇੱਕ ਰੇਖਿਕ ਹੱਲ ਹੈ ਜਿਸ ਲਈ ਕਈ ਸਥਾਨਕ ਸਬਮੈਪਾਂ ਨੂੰ ਕ੍ਰਮਵਾਰ ਜਾਂ ਵਧੇਰੇ ਕੁਸ਼ਲ ਡਿਵਾਈਡ ਐਂਡ ਕਨਕਟਰ ਤਰੀਕੇ ਨਾਲ ਜੋੜਨ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ, ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ. ਪ੍ਰਸਤਾਵਿਤ ਲੀਨੀਅਰ ਐਸਐਲਐਮ ਤਕਨੀਕ ਦੋ ਅਤੇ ਤਿੰਨ ਮਾਪਾਂ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ਤਾ ਅਧਾਰਤ ਅਤੇ ਪੋਜ ਗ੍ਰਾਫ ਐਸਐਲਐਮ ਦੋਵਾਂ ਲਈ ਲਾਗੂ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਇਸ ਨੂੰ ਕੋਵਾਰੀਐਂਸ ਮੈਟ੍ਰਿਕਸ ਦੇ ਚਰਿੱਤਰ ਬਾਰੇ ਕਿਸੇ ਵੀ ਧਾਰਨਾ ਦੀ ਜ਼ਰੂਰਤ ਨਹੀਂ ਹੁੰਦੀ ਜਾਂ ਰਾਜ ਵੈਕਟਰ ਦਾ ਸ਼ੁਰੂਆਤੀ ਅਨੁਮਾਨ ਨਹੀਂ ਹੁੰਦਾ. ਹਾਲਾਂਕਿ ਇਹ ਐਲਗੋਰਿਥਮ ਅਨੁਕੂਲ ਪੂਰਨ ਗੈਰ-ਰੁਖਵੀਂ ਘੱਟੋ ਘੱਟ ਵਰਗ ਐਸਐਲਐਮ ਦਾ ਇੱਕ ਅਨੁਮਾਨ ਹੈ, 2 ਡੀ ਅਤੇ 3 ਡੀ ਵਿੱਚ ਜਨਤਕ ਤੌਰ ਤੇ ਉਪਲਬਧ ਡੇਟਾਸੇਟ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਪ੍ਰਯੋਗ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਲੀਨੀਅਰ ਐਸਐਲਐਮ ਨਤੀਜੇ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਸਭ ਤੋਂ ਵਧੀਆ ਹੱਲਾਂ ਦੇ ਬਹੁਤ ਨੇੜੇ ਹੁੰਦੇ ਹਨ ਜੋ ਇੱਕ ਸਹੀ ਸ਼ੁਰੂਆਤੀ ਮੁੱਲ ਤੋਂ ਸ਼ੁਰੂ ਹੋਏ ਪੂਰੇ ਗੈਰ-ਰੁਖਵੀਂ ਅਨੁਕੂਲਤਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ. ਪ੍ਰਸਤਾਵਿਤ ਐਲਗੋਰਿਥਮ ਲਈ C/C++ ਅਤੇ MATLAB ਸਰੋਤ ਕੋਡ ਓਪਨ ਐਸਐਲਐਮ ਤੇ ਉਪਲਬਧ ਹਨ। |
69ab8fe2bdc2b1ea63d86c7fd64142e5d3ed88ec | ਅਸੀਂ ਜਾਣਕਾਰੀ ਦੀ ਮੁੜ ਪ੍ਰਾਪਤੀ ਦੇ ਕਲਾਸੀਕਲ ਸੰਭਾਵਨਾਵਾਦੀ ਮਾਡਲਾਂ ਅਤੇ ਉਭਰ ਰਹੇ ਭਾਸ਼ਾ ਮਾਡਲਿੰਗ ਪਹੁੰਚਾਂ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦੀ ਪੜਚੋਲ ਕਰਦੇ ਹਾਂ। ਇਹ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਹੈ ਕਿ ਕਲਾਸੀਕਲ ਮਾਡਲਾਂ ਦੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਪ੍ਰਾਇਮਰੀ ਰੁਕਾਵਟ ਇਕ ਸਾਰਥਕ ਮਾਡਲ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੀ ਜ਼ਰੂਰਤ ਹੈਃ ਸੰਬੰਧਿਤ ਕਲਾਸ ਵਿਚ ਸ਼ਬਦਾਂ ਦੀ ਸੰਭਾਵਨਾ. ਅਸੀਂ ਇਨ੍ਹਾਂ ਸੰਭਾਵਨਾਵਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਇਕ ਨਾਵਲ ਤਕਨੀਕ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦੇ ਹਾਂ ਜੋ ਸਿਰਫ ਪੁੱਛਗਿੱਛ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ. ਅਸੀਂ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ ਸਾਡੀ ਤਕਨੀਕ ਉੱਚਿਤ ਸਟੀਕਤਾ ਵਾਲੇ ਮਾਡਲਾਂ ਨੂੰ ਤਿਆਰ ਕਰ ਸਕਦੀ ਹੈ, ਜੋ ਸਮਾਨਾਰਥੀ ਅਤੇ ਬਹੁ-ਸੰਕੇਤ ਦੀਆਂ ਮਹੱਤਵਪੂਰਣ ਧਾਰਨਾਵਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦੀ ਹੈ। ਸਾਡੇ ਪ੍ਰਯੋਗਾਂ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ TREC ਰਿਟ੍ਰੀਵ ਅਤੇ TDT ਟਰੈਕਿੰਗ ਕਾਰਜਾਂ ਤੇ ਬੇਸਲਾਈਨ ਭਾਸ਼ਾ ਮਾਡਲਿੰਗ ਪ੍ਰਣਾਲੀਆਂ ਨਾਲੋਂ ਪ੍ਰਭਾਵੀ ਮਾਡਲ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਨ। ਇਸ ਕੰਮ ਦਾ ਮੁੱਖ ਯੋਗਦਾਨ ਕਿਸੇ ਸਿਖਲਾਈ ਡੇਟਾ ਦੇ ਬਿਨਾਂ ਕਿਸੇ ਢੁਕਵੇਂ ਮਾਡਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਇੱਕ ਪ੍ਰਭਾਵੀ ਰਸਮੀ ਢੰਗ ਹੈ। |
2a894be44d07a963c28893cc6f45d29fbfa872f7 | ਮਸ਼ੀਨ ਲਰਨਿੰਗ (ਐਮਐਲ) ਐਲਗੋਰਿਥਮ ਆਮ ਤੌਰ ਤੇ ਵੱਡੇ ਡੇਟਾ ਤੇ ਲਾਗੂ ਹੁੰਦੇ ਹਨ, ਵੰਡੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਜੋ ਡੇਟਾ ਨੂੰ ਮਸ਼ੀਨਾਂ ਵਿੱਚ ਵੰਡਦੇ ਹਨ ਅਤੇ ਹਰੇਕ ਮਸ਼ੀਨ ਨੂੰ ਸਾਰੇ ਐਮਐਲ ਮਾਡਲ ਪੈਰਾਮੀਟਰਾਂ ਨੂੰ ਪੜ੍ਹਨ ਅਤੇ ਅਪਡੇਟ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ - ਇੱਕ ਰਣਨੀਤੀ ਜਿਸ ਨੂੰ ਡੇਟਾ ਪੈਰਲਲਿਜ਼ਮ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ. ਇੱਕ ਵਿਕਲਪਕ ਅਤੇ ਪੂਰਕ ਰਣਨੀਤੀ, ਮਾਡਲ ਸਮਾਨਤਾਵਾਦ, ਗੈਰ-ਸਾਂਝੀ ਸਮਾਨ ਪਹੁੰਚ ਅਤੇ ਅਪਡੇਟਾਂ ਲਈ ਮਾਡਲ ਪੈਰਾਮੀਟਰਾਂ ਨੂੰ ਵੰਡਦਾ ਹੈ, ਅਤੇ ਸੰਚਾਰ ਦੀ ਸਹੂਲਤ ਲਈ ਪੈਰਾਮੀਟਰਾਂ ਨੂੰ ਸਮੇਂ-ਸਮੇਂ ਤੇ ਦੁਬਾਰਾ ਵੰਡ ਸਕਦਾ ਹੈ. ਮਾਡਲ ਸਮਾਨਤਾ ਦੋ ਚੁਣੌਤੀਆਂ ਦੁਆਰਾ ਪ੍ਰੇਰਿਤ ਹੁੰਦੀ ਹੈ ਜੋ ਡੇਟਾ-ਸਮਾਨਤਾ ਆਮ ਤੌਰ ਤੇ ਸੰਬੋਧਿਤ ਨਹੀਂ ਹੁੰਦੀਃ (1) ਪੈਰਾਮੀਟਰ ਨਿਰਭਰ ਹੋ ਸਕਦੇ ਹਨ, ਇਸ ਲਈ ਨਿਰਪੱਖ ਸਮਕਾਲੀ ਅਪਡੇਟਾਂ ਗਲਤੀਆਂ ਪੇਸ਼ ਕਰ ਸਕਦੀਆਂ ਹਨ ਜੋ ਸੰਚਾਰ ਨੂੰ ਹੌਲੀ ਕਰਦੀਆਂ ਹਨ ਜਾਂ ਐਲਗੋਰਿਦਮ ਅਸਫਲਤਾ ਦਾ ਕਾਰਨ ਵੀ ਬਣ ਸਕਦੀਆਂ ਹਨ; (2) ਮਾਡਲ ਪੈਰਾਮੀਟਰ ਵੱਖ ਵੱਖ ਦਰਾਂ ਤੇ ਸੰਚਾਰ ਕਰਦੇ ਹਨ, ਇਸ ਲਈ ਪੈਰਾਮੀਟਰਾਂ ਦਾ ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਉਪ ਸਮੂਹ ਐਮ ਐਲ ਐਲਗੋਰਿਦਮ ਨੂੰ ਪੂਰਾ ਕਰ ਸਕਦਾ ਹੈ. ਅਸੀਂ ਯੋਜਨਾਬੱਧ ਮਾਡਲ ਸਮਾਨਤਾਵਾਦ (ਐਸਐਮਪੀ) ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦੇ ਹਾਂ, ਇੱਕ ਪ੍ਰੋਗਰਾਮਿੰਗ ਪਹੁੰਚ ਜੋ ਪੈਰਾਮੀਟਰ ਨਿਰਭਰਤਾਵਾਂ ਅਤੇ ਅਸਮਾਨ ਸੰਜੋਗ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦਿਆਂ, ਪੈਰਾਮੀਟਰ ਅਪਡੇਟਾਂ ਨੂੰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਤਹਿ ਕਰਕੇ ਐਮਐਲ ਐਲਗੋਰਿਦਮ ਸੰਜੋਗ ਦੀ ਗਤੀ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦੀ ਹੈ। ਸਕੇਲ ਤੇ ਸ਼ਮਪ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ, ਅਸੀਂ ਇੱਕ ਵੰਡਿਆ ਹੋਇਆ ਫਰੇਮਵਰਕ ਸਟ੍ਰੈਡਸ ਵਿਕਸਿਤ ਕਰਦੇ ਹਾਂ ਜੋ ਸ਼ਮਪ ਪ੍ਰੋਗਰਾਮਾਂ ਦੀ ਥ੍ਰੂਪੁੱਟ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਸ਼ਮਪ ਪ੍ਰੋਗਰਾਮਾਂ ਦੇ ਤੌਰ ਤੇ ਲਿਖੀਆਂ ਗਈਆਂ ਚਾਰ ਆਮ ਐਮਐਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦਾ ਬੈਂਚਮਾਰਕ ਕਰਦਾ ਹੈਃ ਐਲਡੀਏ ਵਿਸ਼ਾ ਮਾਡਲਿੰਗ, ਮੈਟ੍ਰਿਕਸ ਫੈਕਟਰਾਈਜ਼ੇਸ਼ਨ, ਘੱਟ ਤੋਂ ਘੱਟ ਘੱਟ ਵਰਗ (ਲੈਸੋ) ਰਿਗਰੈਸ਼ਨ ਅਤੇ ਘੱਟ ਲੌਜਿਸਟਿਕ ਰਿਗਰੈਸ਼ਨ. ਸ਼੍ਰਮਪ ਪ੍ਰੋਗਰਾਮਿੰਗ ਰਾਹੀਂ ਐਮਐਲ ਦੀ ਪ੍ਰਗਤੀ ਨੂੰ ਸੁਧਾਰ ਕੇ ਅਤੇ ਸਟ੍ਰੈਡਸ ਦੁਆਰਾ ਆਵਰਤੀ ਦੀ ਥ੍ਰੂਪੁੱਟ ਨੂੰ ਸੁਧਾਰ ਕੇ ਅਸੀਂ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ ਸਟ੍ਰੈਡਸ ਤੇ ਚੱਲ ਰਹੇ ਸ਼੍ਰਮਪ ਪ੍ਰੋਗਰਾਮ ਗੈਰ-ਮਾਡਲ-ਸਮਾਨ ML ਲਾਗੂਕਰਣ ਨੂੰ ਪਛਾੜਦੇ ਹਨਃ ਉਦਾਹਰਣ ਵਜੋਂ, ਸ਼੍ਰਮਪ ਐਲਡੀਏ ਅਤੇ ਸ਼੍ਰਮਪ ਲਾਸੋ ਕ੍ਰਮਵਾਰ 10x ਅਤੇ 5x ਤੇਜ਼ੀ ਨਾਲ ਕਨਵਰਜੈਂਸ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ ਹਾਲ ਹੀ ਵਿੱਚ, ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਥਾਪਤ ਬੇਸਲਾਈਨਜ਼. |
bdc6acc8d11b9ef1e8f0fe2f0f41ce7b6f6a100a | ਰਵਾਇਤੀ ਟੈਕਸਟ ਸਮਾਨਤਾ ਮਾਪ ਹਰੇਕ ਸ਼ਬਦ ਨੂੰ ਸਿਰਫ ਆਪਣੇ ਆਪ ਨਾਲ ਸਮਾਨ ਮੰਨਦੇ ਹਨ ਅਤੇ ਸ਼ਬਦਾਂ ਦੀ ਅਰਥ ਸੰਬੰਧੀ ਸੰਬੰਧਤਾ ਦਾ ਨਮੂਨਾ ਨਹੀਂ ਲੈਂਦੇ. ਅਸੀਂ ਇੱਕ ਨਾਵਲ ਵਿਵੇਕਸ਼ੀਲ ਸਿਖਲਾਈ ਵਿਧੀ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਦੇ ਹਾਂ ਜੋ ਕੱਚੇ ਸ਼ਬਦਾਂ ਦੇ ਵੈਕਟਰਾਂ ਨੂੰ ਇੱਕ ਆਮ, ਘੱਟ-ਅਯਾਮੀ ਵੈਕਟਰ ਸਪੇਸ ਵਿੱਚ ਪ੍ਰਾਜੈਕਟ ਕਰਦਾ ਹੈ। ਸਾਡੀ ਪਹੁੰਚ ਅਨੁਮਾਨਿਤ ਵੈਕਟਰਾਂ ਦੀ ਪੂਰਵ-ਚੁਣੀ ਸਮਾਨਤਾ ਫੰਕਸ਼ਨ (ਜਿਵੇਂ ਕਿ ਕੋਸਾਈਨ) ਦੇ ਨੁਕਸਾਨ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਅਨੁਕੂਲ ਮੈਟ੍ਰਿਕਸ ਲੱਭ ਕੇ ਕੰਮ ਕਰਦੀ ਹੈ, ਅਤੇ ਉੱਚ-ਅਯਾਮੀ ਸਪੇਸ ਵਿੱਚ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਸਿਖਲਾਈ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਨੂੰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਸੰਭਾਲਣ ਦੇ ਯੋਗ ਹੈ। ਦੋ ਬਹੁਤ ਹੀ ਵੱਖਰੇ ਕੰਮਾਂ, ਅੰਤਰ-ਭਾਸ਼ਾਈ ਦਸਤਾਵੇਜ਼ ਦੀ ਮੁੜ-ਪ੍ਰਾਪਤੀ ਅਤੇ ਵਿਗਿਆਪਨ ਸੰਬੰਧਤਤਾ ਮਾਪ ਦੇ ਮੁਲਾਂਕਣ ਤੇ, ਸਾਡੀ ਵਿਧੀ ਨਾ ਸਿਰਫ ਮੌਜੂਦਾ ਅਤਿ-ਆਧੁਨਿਕ ਪਹੁੰਚਾਂ ਨੂੰ ਪਛਾੜਦੀ ਹੈ, ਬਲਕਿ ਘੱਟ ਮਾਪਾਂ ਤੇ ਉੱਚ ਸ਼ੁੱਧਤਾ ਵੀ ਪ੍ਰਾਪਤ ਕਰਦੀ ਹੈ ਅਤੇ ਇਸ ਲਈ ਵਧੇਰੇ ਕੁਸ਼ਲ ਹੈ. |
50988101501366324c11e9e7a199e88a9a899bec | |
b2e68ca577636aaa6f6241c3af7478a3ae1389a7 | ਨਰਸਿੰਗ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਪਰਿਵਰਤਨਸ਼ੀਲ ਲੀਡਰਸ਼ਿਪ ਦੀ ਧਾਰਨਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ। ਪਿਛੋਕੜ ਦੇਖਭਾਲ ਦੀ ਵਿਵਸਥਾ ਦੀ ਲਾਗਤ ਨੂੰ ਘਟਾਉਂਦੇ ਹੋਏ ਮਰੀਜ਼ਾਂ ਦੇ ਨਤੀਜਿਆਂ ਵਿੱਚ ਸੁਧਾਰ ਲਿਆਉਣ ਦੇ ਨਾਲ, ਨਰਸਾਂ ਨੂੰ ਸਿਹਤ ਸੰਭਾਲ ਵਿੱਚ ਸੁਧਾਰ ਲਾਗੂ ਕਰਨ ਲਈ ਰਣਨੀਤੀਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਅਤੇ ਇੱਕ ਵਾਅਦਾ ਰਣਨੀਤੀ ਪਰਿਵਰਤਨਸ਼ੀਲ ਲੀਡਰਸ਼ਿਪ ਹੈ। ਪਰਿਵਰਤਨਸ਼ੀਲ ਲੀਡਰਸ਼ਿਪ ਅਤੇ ਇਸ ਦੀ ਸੰਭਾਵਨਾ ਦੀ ਖੋਜ ਅਤੇ ਵਧੇਰੇ ਸਮਝ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸੁਧਾਰ ਅਤੇ ਮਰੀਜ਼ ਦੀ ਸੁਰੱਖਿਆ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਵਾਕਰ ਅਤੇ ਅਵੈਂਟ (2005) ਦੀ ਧਾਰਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਡਿਜ਼ਾਈਨ ਸੰਕਲਪ ਵਿਸ਼ਲੇਸ਼ਣ. ਡਾਟਾ ਸ੍ਰੋਤ ਪਬਮੇਡ, ਸਿਨਾਹਲ ਅਤੇ ਸਾਈਕਿਨਫੋ. ਵਿਧੀ ਇਹ ਰਿਪੋਰਟ ਨਰਸਿੰਗ ਸੰਦਰਭ ਵਿੱਚ ਪਰਿਵਰਤਨਸ਼ੀਲ ਲੀਡਰਸ਼ਿਪ ਦੀ ਧਾਰਨਾ ਦਾ ਪ੍ਰਭਾਵੀ ਢੰਗ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਪਰਿਵਰਤਨਸ਼ੀਲ ਲੀਡਰਸ਼ਿਪ, ਪ੍ਰਬੰਧਨ ਅਤੇ ਨਰਸਿੰਗ ਬਾਰੇ ਮੌਜੂਦਾ ਸਾਹਿਤ ਤੇ ਆਧਾਰਿਤ ਹੈ। ਨਰਸਿੰਗ ਲਈ ਪ੍ਰਭਾਵ ਇਹ ਰਿਪੋਰਟ ਪਰਿਵਰਤਨਸ਼ੀਲ ਲੀਡਰਸ਼ਿਪ ਲਈ ਇੱਕ ਨਵੀਂ ਕਾਰਜਸ਼ੀਲ ਪਰਿਭਾਸ਼ਾ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦੀ ਹੈ ਅਤੇ ਨਮੂਨੇ ਵਾਲੇ ਕੇਸਾਂ ਦੀ ਪਛਾਣ ਕਰਦੀ ਹੈ ਅਤੇ ਨਰਸਿੰਗ ਸੰਦਰਭ ਲਈ ਵਿਸ਼ੇਸ਼ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਤ ਕਰਦੀ ਹੈ। ਸੰਗਠਨਾਤਮਕ ਸੱਭਿਆਚਾਰ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੇ ਨਤੀਜਿਆਂ ਤੇ ਪਰਿਵਰਤਨਸ਼ੀਲ ਲੀਡਰਸ਼ਿਪ ਦਾ ਪ੍ਰਭਾਵ ਸਪੱਸ਼ਟ ਹੈ। ਵਿਸ਼ੇਸ਼ ਦਿਲਚਸਪੀ ਦੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਪਰਿਵਰਤਨਸ਼ੀਲ ਲੀਡਰਸ਼ਿਪ ਨੂੰ ਸਿਖਾਉਣ ਯੋਗ ਯੋਗਤਾਵਾਂ ਦੇ ਸਮੂਹ ਵਜੋਂ ਪਰਿਭਾਸ਼ਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਉਹ ਵਿਧੀ ਜਿਸ ਨਾਲ ਪਰਿਵਰਤਨਸ਼ੀਲ ਲੀਡਰਸ਼ਿਪ ਮਰੀਜ਼ਾਂ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੀ ਹੈ, ਅਸਪਸ਼ਟ ਹੈ। ਸਿੱਟਾ ਨਰਸਿੰਗ ਵਿੱਚ ਪਰਿਵਰਤਨਸ਼ੀਲ ਲੀਡਰਸ਼ਿਪ ਨੂੰ ਉੱਚ-ਪ੍ਰਦਰਸ਼ਨ ਵਾਲੀਆਂ ਟੀਮਾਂ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੀ ਬਿਹਤਰ ਦੇਖਭਾਲ ਨਾਲ ਜੋੜਿਆ ਗਿਆ ਹੈ, ਪਰ ਸ਼ਾਇਦ ਹੀ ਇਸ ਨੂੰ ਯੋਗਤਾਵਾਂ ਦੇ ਸਮੂਹ ਵਜੋਂ ਮੰਨਿਆ ਗਿਆ ਹੈ ਜੋ ਸਿਖਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਨੁਭਵੀ ਹਵਾਲਿਆਂ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨ ਲਈ ਹੋਰ ਖੋਜ ਦੀ ਲੋੜ ਹੈ; ਇਹ ਕਾਰਜਸ਼ੀਲ ਪਰਿਭਾਸ਼ਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾ ਕੇ, ਮੁੱਖ ਨਿਰਮਾਣ ਵਿੱਚ ਅਸਪਸ਼ਟਤਾ ਨੂੰ ਘਟਾ ਕੇ ਅਤੇ ਖਾਸ ਵਿਧੀ ਦੀ ਪੜਚੋਲ ਕਰਕੇ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਿਸ ਦੁਆਰਾ ਪਰਿਵਰਤਨਸ਼ੀਲ ਲੀਡਰਸ਼ਿਪ ਸਿਹਤ ਦੇਖਭਾਲ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੀ ਹੈ ਤਾਂ ਜੋ ਉਪ-ਪੱਧਰ ਦੇ ਉਪਾਵਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾ ਸਕੇ। |
bdcdc95ef36b003fce90e8686bfd292c342b0b57 | ਰੀਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਨੇ ਮੁੱਲ ਅਨੁਕੂਲਤਾ ਲਈ ਸਿਰਫ ਇੱਕ ਸਿੰਗਲ ਨਯੂਰਲ ਨੈਟਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਕੱਚੇ ਸੰਵੇਦਨਾਤਮਕ ਡੇਟਾ ਉੱਤੇ ਆਮ ਬਣਾਉਣ ਵਿੱਚ ਵੱਡੀ ਸੰਭਾਵਨਾ ਦਿਖਾਈ ਹੈ। ਮੌਜੂਦਾ ਅਤਿ-ਆਧੁਨਿਕ ਰੀਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਐਲਗੋਰਿਥਮ ਵਿੱਚ ਕਈ ਚੁਣੌਤੀਆਂ ਹਨ ਜੋ ਉਨ੍ਹਾਂ ਨੂੰ ਗਲੋਬਲ ਓਪਟੀਮਮ ਵੱਲ ਸੰਚਾਰ ਕਰਨ ਤੋਂ ਰੋਕਦੀਆਂ ਹਨ। ਇਹ ਸੰਭਾਵਨਾ ਹੈ ਕਿ ਇਨ੍ਹਾਂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਹੱਲ ਥੋੜ੍ਹੇ ਸਮੇਂ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੀ ਯੋਜਨਾਬੰਦੀ, ਖੋਜ ਅਤੇ ਮਜਬੂਤ ਸਿਖਲਾਈ ਐਲਗੋਰਿਥਮ ਲਈ ਮੈਮੋਰੀ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਹੈ। ਗੇਮਜ਼ ਅਕਸਰ ਰੀਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਐਲਗੋਰਿਥਮਜ਼ ਨੂੰ ਬੈਂਚਮਾਰਕ ਕਰਨ ਲਈ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਕਿਉਂਕਿ ਉਹ ਇੱਕ ਲਚਕਦਾਰ, ਦੁਹਰਾਉਣ ਯੋਗ ਅਤੇ ਨਿਯੰਤਰਣ ਵਿੱਚ ਅਸਾਨ ਵਾਤਾਵਰਣ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਇਸ ਦੇ ਬਾਵਜੂਦ, ਕੁਝ ਖੇਡਾਂ ਵਿੱਚ ਇੱਕ ਰਾਜ-ਸਪੇਸ ਹੈ ਜਿੱਥੇ ਖੋਜ, ਮੈਮੋਰੀ ਅਤੇ ਯੋਜਨਾਬੰਦੀ ਦੇ ਨਤੀਜੇ ਆਸਾਨੀ ਨਾਲ ਸਮਝੇ ਜਾਂਦੇ ਹਨ. ਇਹ ਪੇਪਰ ਡ੍ਰੀਮਿੰਗ ਵੇਰੀਏਸ਼ਨਲ ਆਟੋਇਨਕੋਡਰ (ਡੀਵੀਏਈ) ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਘੱਟ ਫੀਡਬੈਕ ਵਾਲੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਖੋਜ ਲਈ ਇੱਕ ਨਯੂਰਲ ਨੈਟਵਰਕ ਅਧਾਰਿਤ ਜਨਰੇਟਿਵ ਮਾਡਲਿੰਗ ਆਰਕੀਟੈਕਚਰ ਹੈ। ਅਸੀਂ ਅੱਗੇ ਦੀਪ ਮੈਜ਼ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ, ਇੱਕ ਨਾਵਲ ਅਤੇ ਲਚਕਦਾਰ ਮੈਜ਼ਿਨ ਇੰਜਣ ਜੋ ਕਿ ਅੰਸ਼ਕ ਅਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ-ਨਿਰੀਖਣਯੋਗ ਰਾਜ-ਸਪੇਸ, ਲੰਬੇ-ਕਾਲ-ਕਾਲ ਦੇ ਕੰਮਾਂ, ਅਤੇ ਨਿਰਧਾਰਤ ਅਤੇ ਸਟੋਚੈਸਟਿਕ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਡੀਵੀਏਈ ਨੂੰ ਚੁਣੌਤੀ ਦਿੰਦਾ ਹੈ. ਅਸੀਂ ਸ਼ੁਰੂਆਤੀ ਖੋਜਾਂ ਨੂੰ ਦਿਖਾਉਂਦੇ ਹਾਂ ਅਤੇ ਉਤਸ਼ਾਹਤ ਖੋਜ ਦੁਆਰਾ ਚਲਾਏ ਗਏ ਪੁਨਰ-ਸੁਰਜੀਤੀ ਸਿਖਲਾਈ ਵਿੱਚ ਹੋਰ ਕੰਮ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਹਾਂ। |
7e5af1cf715305fc394b5d24fc1caf17643a9205 | ਸੂਚਨਾ ਤਕਨਾਲੋਜੀ (ਆਈਟੀ) ਅਤੇ ਸੰਗਠਨਾਂ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧ ਦੀ ਪ੍ਰਕਿਰਤੀ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀ ਦੇ ਸਾਹਿਤ ਵਿੱਚ ਇੱਕ ਲੰਬੇ ਸਮੇਂ ਦੀ ਬਹਿਸ ਰਹੀ ਹੈ। ਕੀ ਆਈਟੀ ਸੰਗਠਨਾਂ ਨੂੰ ਰੂਪ ਦਿੰਦੀ ਹੈ, ਜਾਂ ਸੰਗਠਨਾਂ ਵਿੱਚ ਲੋਕ ਇਸ ਗੱਲ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦੇ ਹਨ ਕਿ ਆਈਟੀ ਕਿਵੇਂ ਵਰਤੀ ਜਾਂਦੀ ਹੈ? ਇਸ ਸਵਾਲ ਨੂੰ ਥੋੜ੍ਹਾ ਵੱਖਰਾ ਰੂਪ ਦੇਣ ਲਈਃ ਕੀ ਏਜੰਸੀ (ਫਰਕ ਲਿਆਉਣ ਦੀ ਸਮਰੱਥਾ) ਮੁੱਖ ਤੌਰ ਤੇ ਮਸ਼ੀਨਾਂ (ਕੰਪਿਊਟਰ ਪ੍ਰਣਾਲੀਆਂ) ਜਾਂ ਮਨੁੱਖਾਂ (ਸੰਗਠਨ ਦੇ ਅਦਾਕਾਰਾਂ) ਨਾਲ ਹੈ? ਤਕਨੀਕੀ ਅਤੇ ਸਮਾਜਿਕ ਨਿਰਧਾਰਨਵਾਦ ਦੀਆਂ ਅਤਿਅੰਤਤਾਵਾਂ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਮੱਧ ਮਾਰਗ ਲਈ ਬਹੁਤ ਸਾਰੇ ਪ੍ਰਸਤਾਵ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਹਨ; ਹਾਲ ਹੀ ਦੇ ਸਾਲਾਂ ਵਿੱਚ ਸਮਾਜਿਕ ਸਿਧਾਂਤਾਂ ਵੱਲ ਮੁਖੀ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਢਾਂਚਾ ਸਿਧਾਂਤ ਅਤੇ (ਆਖਰੀ) ਅਦਾਕਾਰ ਨੈਟਵਰਕ ਸਿਧਾਂਤ ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕੀਤਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਦੋਵੇਂ ਸਿਧਾਂਤ ਏਜੰਸੀ ਦੇ ਵੱਖਰੇ ਅਤੇ ਅਸੰਗਤ ਵਿਚਾਰਾਂ ਨੂੰ ਅਪਣਾਉਂਦੇ ਹਨ। ਇਸ ਤਰ੍ਹਾਂ, ਢਾਂਚਾਗਤ ਸਿਧਾਂਤ ਏਜੰਸੀ ਨੂੰ ਸਿਰਫ਼ ਮਨੁੱਖ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਵੇਖਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਐਕਟਰ ਨੈਟਵਰਕ ਸਿਧਾਂਤ ਵਿੱਚ ਆਮ ਸਮਮਿਤੀ ਦਾ ਸਿਧਾਂਤ ਇਹ ਸੰਕੇਤ ਕਰਦਾ ਹੈ ਕਿ ਮਸ਼ੀਨਾਂ ਵੀ ਏਜੰਟ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਢਾਂਚਾਗਤ ਸਿਧਾਂਤ ਅਤੇ ਅਦਾਕਾਰ ਨੈਟਵਰਕ ਸਿਧਾਂਤ ਦੋਵਾਂ ਦੀ ਆਲੋਚਨਾ ਤੇ ਆਧਾਰਿਤ, ਇਹ ਪੇਪਰ ਮਨੁੱਖੀ ਅਤੇ ਮਸ਼ੀਨ ਏਜੰਸੀ ਦੇ ਵਿਚਕਾਰ ਆਪਸੀ ਤਾਲਮੇਲ ਦਾ ਇੱਕ ਸਿਧਾਂਤਕ ਖਾਤਾ ਵਿਕਸਿਤ ਕਰਦਾ ਹੈਃ ਏਜੰਸੀ ਦਾ ਦੋਹਰਾ ਨਾਚ. ਇਸ ਰਿਪੋਰਟ ਵਿੱਚ ਮਨੁੱਖੀ ਅਤੇ ਮਸ਼ੀਨ ਏਜੰਸੀ ਦੇ ਵੱਖਰੇ ਚਰਿੱਤਰ ਨੂੰ ਮਾਨਤਾ ਦੇ ਕੇ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਆਪਸੀ ਪ੍ਰਭਾਵ ਦੀਆਂ ਉਭਰ ਰਹੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਮਾਨਤਾ ਦੇ ਕੇ ਤਕਨਾਲੋਜੀ ਅਤੇ ਸੰਗਠਨ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦੇ ਸਿਧਾਂਤਕਕਰਨ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਗਈ ਹੈ। |
d7cbedbee06293e78661335c7dd9059c70143a28 | ਅਸੀਂ ਬਹੁਤ ਹੀ ਕੁਸ਼ਲ ਸੀਐਨਐਨ ਮਾਡਲਾਂ ਦੀ ਇੱਕ ਸ਼੍ਰੇਣੀ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ, ਮੋਬਾਈਲਫੇਸਨੇਟਸ, ਜੋ 1 ਮਿਲੀਅਨ ਤੋਂ ਘੱਟ ਪੈਰਾਮੀਟਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਅਤੇ ਮੋਬਾਈਲ ਅਤੇ ਏਮਬੇਡਡ ਡਿਵਾਈਸਾਂ ਤੇ ਉੱਚ-ਸ਼ੁੱਧਤਾ ਰੀਅਲ-ਟਾਈਮ ਚਿਹਰੇ ਦੀ ਤਸਦੀਕ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ ਤੇ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਅਸੀਂ ਪਹਿਲਾਂ ਆਮ ਮੋਬਾਈਲ ਨੈੱਟਵਰਕ ਦੀ ਕਮਜ਼ੋਰੀ ਤੇ ਇੱਕ ਸਧਾਰਨ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਾਂ ਚਿਹਰੇ ਦੀ ਤਸਦੀਕ ਲਈ। ਇਸ ਕਮਜ਼ੋਰੀ ਨੂੰ ਸਾਡੇ ਵਿਸ਼ੇਸ਼ ਤੌਰ ਤੇ ਡਿਜ਼ਾਈਨ ਕੀਤੇ ਮੋਬਾਈਲ ਫੇਸ ਨੈੱਟਸ ਨੇ ਚੰਗੀ ਤਰ੍ਹਾਂ ਨਾਲ ਦੂਰ ਕਰ ਦਿੱਤਾ ਹੈ। ਉਸੇ ਪ੍ਰਯੋਗਾਤਮਕ ਹਾਲਤਾਂ ਵਿੱਚ, ਸਾਡੇ ਮੋਬਾਈਲਫੇਸਨੇਟਸ ਮੋਬਾਈਲਨੈੱਟਵੀ 2 ਦੇ ਮੁਕਾਬਲੇ ਕਾਫ਼ੀ ਵਧੀਆ ਸ਼ੁੱਧਤਾ ਦੇ ਨਾਲ ਨਾਲ 2 ਗੁਣਾ ਤੋਂ ਵੱਧ ਅਸਲ ਸਪੀਡ ਅਪ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ। ਐਮਐਸ-ਸੇਲੇਬ -1 ਐਮ ਤੇ ਆਰਕਫੇਸ ਨੁਕਸਾਨ ਦੁਆਰਾ ਸਿਖਲਾਈ ਦੇਣ ਤੋਂ ਬਾਅਦ, 4.0 ਐਮ ਬੀ ਦੇ ਆਕਾਰ ਦਾ ਸਾਡਾ ਸਿੰਗਲ ਮੋਬਾਈਲਫੇਸਨੈੱਟ ਐਲਐਫਡਬਲਯੂ ਤੇ 99.55% ਸ਼ੁੱਧਤਾ ਅਤੇ ਮੇਗਾਫੇਸ ਤੇ 92.59% ਟੀਏਆਰ @ ਫਾਰ 1 ਈ -6 ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਸੈਂਕੜੇ ਐਮ ਬੀ ਦੇ ਆਕਾਰ ਦੇ ਅਤਿ ਆਧੁਨਿਕ ਵੱਡੇ ਸੀ ਐਨ ਐਨ ਮਾਡਲਾਂ ਨਾਲ ਵੀ ਤੁਲਨਾਤਮਕ ਹੈ. ਮੋਬਾਈਲਫੇਸਨੇਟਸ ਦਾ ਸਭ ਤੋਂ ਤੇਜ਼ ਇੱਕ ਮੋਬਾਈਲ ਫੋਨ ਤੇ 18 ਮਿਲੀਸਕਿੰਟ ਦਾ ਅਸਲ ਅਨੁਮਾਨ ਸਮਾਂ ਹੈ। ਚਿਹਰੇ ਦੀ ਤਸਦੀਕ ਲਈ, ਮੋਬਾਈਲਫੇਸਨੇਟਸ ਪਿਛਲੇ ਅਤਿ ਆਧੁਨਿਕ ਮੋਬਾਈਲ ਸੀਐਨਐਨਜ਼ ਦੇ ਮੁਕਾਬਲੇ ਕਾਫ਼ੀ ਸੁਧਾਰ ਕੀਤੀ ਕੁਸ਼ਲਤਾ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ। |
44f18ef0800e276617e458bc21502947f35a7f94 | ਮਾਰਕਰ-ਅਧਾਰਿਤ ਅਤੇ ਮਾਰਕਰ-ਘੱਟ ਆਪਟੀਕਲ ਢਾਂਚਾਗਤ ਮੋਸ਼ਨ-ਕੈਪਚਰ ਵਿਧੀਆਂ ਇੱਕ ਦ੍ਰਿਸ਼ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਰੱਖੇ ਗਏ ਕੈਮਰਿਆਂ ਦੀ ਇੱਕ ਬਾਹਰ-ਵਿੱਚ ਵਿਵਸਥਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਕੇਂਦਰ ਵਿੱਚ ਪਰਿਪੇਖ ਦੇ ਨਾਲ. ਉਹ ਅਕਸਰ ਮਾਰਕਰ ਸੂਟ ਨਾਲ ਬੇਅਰਾਮੀ ਪੈਦਾ ਕਰਦੇ ਹਨ, ਅਤੇ ਉਨ੍ਹਾਂ ਦੀ ਰਿਕਾਰਡਿੰਗ ਵਾਲੀਅਮ ਬਹੁਤ ਸੀਮਤ ਹੁੰਦੀ ਹੈ ਅਤੇ ਅਕਸਰ ਨਿਯੰਤਰਿਤ ਪਿਛੋਕੜ ਵਾਲੇ ਅੰਦਰੂਨੀ ਦ੍ਰਿਸ਼ਾਂ ਤੱਕ ਸੀਮਿਤ ਹੁੰਦੀ ਹੈ। ਵਿਕਲਪਕ ਸੂਟ-ਅਧਾਰਿਤ ਪ੍ਰਣਾਲੀਆਂ ਅੰਦਰੂਨੀ-ਵਿੱਚ ਸੈਟਅਪ ਨਾਲ ਗਤੀ ਨੂੰ ਹਾਸਲ ਕਰਨ ਲਈ ਕਈ ਇਨਰਸ਼ੀਅਲ ਮਾਪ ਇਕਾਈਆਂ ਜਾਂ ਇੱਕ ਐਕਸੋਸਕੇਲੈਟ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ, ਭਾਵ. ਬਾਹਰੀ ਸੈਂਸਰ ਤੋਂ ਬਿਨਾਂ ਇਹ ਕੈਪਚਰ ਨੂੰ ਸੀਮਤ ਵਾਲੀਅਮ ਤੋਂ ਸੁਤੰਤਰ ਬਣਾਉਂਦਾ ਹੈ, ਪਰ ਇਸ ਲਈ ਮਹੱਤਵਪੂਰਨ, ਅਕਸਰ ਸੀਮਤ, ਅਤੇ ਸਰੀਰ ਦੇ ਉਪਕਰਣਾਂ ਨੂੰ ਸਥਾਪਤ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ। ਇਸ ਲਈ, ਅਸੀਂ ਰੀਅਲ-ਟਾਈਮ, ਮਾਰਕਰ-ਲਿਮਸ, ਅਤੇ ਈਗੋਸੇਂਟਰਿਕ ਮੋਸ਼ਨ ਕੈਪਚਰ ਲਈ ਇੱਕ ਨਵੀਂ ਵਿਧੀ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦੇ ਹਾਂ: ਪੂਰੇ ਸਰੀਰ ਦੇ ਪਿੰਜਰ ਦੀ ਸਥਿਤੀ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਹੈਲਮੇਟ ਜਾਂ ਵਰਚੁਅਲ ਰਿਐਲਿਟੀ ਹੈੱਡਸੈੱਟ ਨਾਲ ਜੁੜੇ ਫਿਸ਼-ਆਈ ਕੈਮਰਿਆਂ ਦੀ ਇੱਕ ਹਲਕੇ ਭਾਰ ਵਾਲੀ ਸਟੀਰੀਓ ਜੋੜੀ ਤੋਂ - ਇੱਕ ਆਪਟੀਕਲ ਅੰਦਰ-ਵਿੱਚ ਵਿਧੀ, ਇਸ ਤਰ੍ਹਾਂ ਬੋਲਣ ਲਈ. ਇਹ ਆਮ ਤੌਰ ਤੇ ਅੰਦਰੂਨੀ ਅਤੇ ਬਾਹਰੀ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਪੂਰੇ ਸਰੀਰ ਦੀ ਗਤੀ ਨੂੰ ਹਾਸਲ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਦੇ ਨਾਲ ਭੀੜ ਵਾਲੇ ਦ੍ਰਿਸ਼ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ, ਜੋ ਵੱਡੇ ਪੈਮਾਨੇ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ ਵਿੱਚ ਪੁਨਰ ਨਿਰਮਾਣ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ। ਸਾਡੀ ਪਹੁੰਚ ਮੱਛੀ ਅੱਖ ਦੇ ਦ੍ਰਿਸ਼ਾਂ ਲਈ ਇੱਕ ਨਵੇਂ ਜਨਰੇਟਿਵ ਪੋਜ਼ ਅਨੁਮਾਨ ਫਰੇਮਵਰਕ ਦੀ ਤਾਕਤ ਨੂੰ ਇੱਕ ਵੱਡੇ ਨਵੇਂ ਡੇਟਾ ਸੈਟ ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਨਵੈਟ-ਅਧਾਰਤ ਸਰੀਰ ਦੇ ਹਿੱਸੇ ਦੇ ਖੋਜਕਰਤਾ ਨਾਲ ਜੋੜਦੀ ਹੈ। ਵਰਚੁਅਲ ਰਿਐਲਿਟੀ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮੋਸ਼ਨ-ਕੈਪਚਰਡ ਵਰਚੁਅਲ ਬਾਡੀ ਨੂੰ ਦੇਖਦੇ ਹੋਏ, ਸੁਤੰਤਰਤਾ ਨਾਲ ਘੁੰਮਣ ਅਤੇ ਗੱਲਬਾਤ ਕਰਨ ਲਈ ਇਹ ਵਿਸ਼ੇਸ਼ ਤੌਰ ਤੇ ਲਾਭਦਾਇਕ ਹੈ। |
094ca99cc94e38984823776158da738e5bc3963d | ਇਹ ਲੇਖ ਭਵਿੱਖਬਾਣੀ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ ਤੇ ਵਧੀਆਂ ਸਿੱਖਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਇੱਕ ਸ਼੍ਰੇਣੀ ਪੇਸ਼ ਕਰਦਾ ਹੈ - ਭਾਵ, ਇਸਦੇ ਭਵਿੱਖ ਦੇ ਵਿਵਹਾਰ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਇੱਕ ਅਧੂਰੇ ਜਾਣੇ ਜਾਂਦੇ ਸਿਸਟਮ ਨਾਲ ਪਿਛਲੇ ਤਜ਼ਰਬੇ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ. ਜਦੋਂ ਕਿ ਰਵਾਇਤੀ ਭਵਿੱਖਬਾਣੀ-ਸਿੱਖਣ ਦੇ ਤਰੀਕਿਆਂ ਨਾਲ ਅਨੁਮਾਨਿਤ ਅਤੇ ਅਸਲ ਨਤੀਜਿਆਂ ਦੇ ਅੰਤਰ ਦੇ ਜ਼ਰੀਏ ਕ੍ਰੈਡਿਟ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਨਵੀਆਂ ਵਿਧੀਆਂ ਸਮੇਂ ਦੇ ਨਾਲ ਲਗਾਤਾਰ ਭਵਿੱਖਬਾਣੀਆਂ ਦੇ ਅੰਤਰ ਦੇ ਜ਼ਰੀਏ ਕ੍ਰੈਡਿਟ ਨਿਰਧਾਰਤ ਕਰਦੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ ਸਮੂਏਲ ਦੇ ਚੈਕਰ ਖਿਡਾਰੀ, ਹੌਲੈਂਡ ਦੀ ਬਾਲਕੇਟ ਬ੍ਰਿਗੇਡ ਅਤੇ ਲੇਖਕ ਦੇ ਅਨੁਕੂਲ ਹੇਵਰਿਸਟਿਕ ਆਲੋਚਕ ਵਿੱਚ ਅਜਿਹੇ ਸਮੇਂ-ਭਿੰਨਤਾ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਹੈ, ਪਰ ਉਹ ਮਾੜੀ ਤਰ੍ਹਾਂ ਸਮਝੇ ਗਏ ਹਨ। ਇੱਥੇ ਅਸੀਂ ਵਿਸ਼ੇਸ਼ ਮਾਮਲਿਆਂ ਲਈ ਉਨ੍ਹਾਂ ਦੀ ਇਕਸਾਰਤਾ ਅਤੇ ਅਨੁਕੂਲਤਾ ਨੂੰ ਸਾਬਤ ਕਰਦੇ ਹਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਸੁਪਰਵਾਈਜ਼ਡ-ਲਰਨਿੰਗ ਵਿਧੀਆਂ ਨਾਲ ਜੋੜਦੇ ਹਾਂ। ਜ਼ਿਆਦਾਤਰ ਅਸਲ-ਵਿਸ਼ਵ ਭਵਿੱਖਬਾਣੀ ਸਮੱਸਿਆਵਾਂ ਲਈ, ਟਾਈਮਲ-ਵਿਕਲਪ ਦੇ ਤਰੀਕਿਆਂ ਲਈ ਘੱਟ ਮੈਮੋਰੀ ਅਤੇ ਘੱਟ ਪੀਕ ਕੰਪਿਉਟੇਸ਼ਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਅਤੇ ਉਹ ਰਵਾਇਤੀ ਤਰੀਕਿਆਂ ਨਾਲੋਂ ਵਧੇਰੇ ਸਹੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦੇ ਹਨ। ਅਸੀਂ ਦਲੀਲ ਦਿੰਦੇ ਹਾਂ ਕਿ ਜ਼ਿਆਦਾਤਰ ਸਮੱਸਿਆਵਾਂ ਜਿਨ੍ਹਾਂ ਲਈ ਨਿਗਰਾਨੀ ਅਧੀਨ ਸਿੱਖਣ ਨੂੰ ਵਰਤਮਾਨ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਸਲ ਵਿੱਚ ਭਵਿੱਖਬਾਣੀ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਹਨ ਜਿਸ ਤਰ੍ਹਾਂ ਦੇ ਸਮੇਂ-ਵਿਕਲਪ ਦੇ ਢੰਗਾਂ ਨੂੰ ਫਾਇਦੇ ਲਈ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. |
86955608218ab293d41b6d1c0bf9e1be97f571d8 | |
03aca587f27fda3cbdad708aa69c07fc71b691d7 | ਆਟੋਮੈਟਿਕ ਟਿਸ਼ੂ ਚਰਿੱਤਰਕਰਣ ਇੰਟਰਸਟਿਸ਼ੀਅਲ ਫੇਫੜੇ ਦੀਆਂ ਬਿਮਾਰੀਆਂ (ਆਈਐੱਲਡੀਜ਼) ਲਈ ਕੰਪਿਊਟਰ ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਨਿਦਾਨ (ਸੀਏਡੀ) ਪ੍ਰਣਾਲੀ ਦੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਹਾਲਾਂਕਿ ਇਸ ਖੇਤਰ ਵਿੱਚ ਬਹੁਤ ਖੋਜ ਕੀਤੀ ਗਈ ਹੈ, ਪਰ ਸਮੱਸਿਆ ਚੁਣੌਤੀਪੂਰਨ ਹੈ। ਡੂੰਘੀ ਸਿੱਖਣ ਦੀਆਂ ਤਕਨੀਕਾਂ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਦੀਆਂ ਕਈ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਹਨ, ਉਮੀਦਾਂ ਨੂੰ ਵਧਾਉਂਦੇ ਹੋਏ ਕਿ ਉਹ ਹੋਰ ਖੇਤਰਾਂ ਵਿੱਚ ਲਾਗੂ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਮੈਡੀਕਲ ਚਿੱਤਰ ਵਿਸ਼ਲੇਸ਼ਣ। ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਆਈਐਲਡੀ ਪੈਟਰਨ ਦੇ ਵਰਗੀਕਰਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਇੱਕ ਕਨਵੋਲੂਸ਼ਨਲ ਨਯੂਰਲ ਨੈਟਵਰਕ (ਸੀਐਨਐਨ) ਦਾ ਪ੍ਰਸਤਾਵ ਅਤੇ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹਾਂ। ਪ੍ਰਸਤਾਵਿਤ ਨੈਟਵਰਕ ਵਿੱਚ 2 × 2 ਕੁੰਡਿਆਂ ਅਤੇ ਲੀਕਰੀਐਲਯੂ ਐਕਟੀਵੇਸ਼ਨ ਦੇ ਨਾਲ 5 ਕਨਵੋਲੂਸ਼ਨਲ ਲੇਅਰਾਂ ਹਨ, ਜਿਸਦੇ ਬਾਅਦ ਅੰਤਮ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਨਕਸ਼ਿਆਂ ਦੇ ਆਕਾਰ ਦੇ ਬਰਾਬਰ ਆਕਾਰ ਦੇ ਨਾਲ ਔਸਤ ਪੂਲਿੰਗ ਅਤੇ ਤਿੰਨ ਸੰਘਣੀ ਪਰਤਾਂ ਹਨ। ਆਖਰੀ ਸੰਘਣੀ ਪਰਤ ਵਿੱਚ 7 ਆਉਟਪੁੱਟ ਹਨ, ਜੋ ਵਿਚਾਰ ਕੀਤੇ ਗਏ ਵਰਗਾਂ ਦੇ ਬਰਾਬਰ ਹਨਃ ਸਿਹਤਮੰਦ, ਮਿੱਟੀ ਦਾ ਸ਼ੀਸ਼ੇ ਦੀ ਗੜਬੜੀ (ਜੀਜੀਓ), ਮਾਈਕਰੋਨੋਡੂਲਸ, ਇਕਸਾਰਤਾ, ਨੈਟੀਕੁਲੇਸ਼ਨ, ਹਨੀਕੈਮਿੰਗ ਅਤੇ ਜੀਜੀਓ/ਨੈਟਿਕੂਲੇਸ਼ਨ ਦਾ ਸੁਮੇਲ. ਸੀਐਨਐਨ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਅਤੇ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ, ਅਸੀਂ 14,696 ਚਿੱਤਰਾਂ ਦੇ ਡੇਟਾ ਸੈੱਟ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਜੋ ਵੱਖ-ਵੱਖ ਸਕੈਨਰਾਂ ਅਤੇ ਹਸਪਤਾਲਾਂ ਤੋਂ 120 ਸੀਟੀ ਸਕੈਨ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਸੀ। ਸਾਡੇ ਗਿਆਨ ਦੇ ਸਰਬੋਤਮ ਲਈ, ਇਹ ਪਹਿਲਾ ਡੂੰਘਾ ਸੀ ਐਨ ਐਨ ਹੈ ਜੋ ਖਾਸ ਸਮੱਸਿਆ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ. ਇੱਕ ਤੁਲਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ ਇੱਕ ਚੁਣੌਤੀਪੂਰਨ ਡੇਟਾ ਸੈੱਟ ਵਿੱਚ ਪਿਛਲੇ ਤਰੀਕਿਆਂ ਦੇ ਮੁਕਾਬਲੇ ਪ੍ਰਸਤਾਵਿਤ ਸੀਐਨਐਨ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਨੂੰ ਸਾਬਤ ਕੀਤਾ। ਵਰਗੀਕਰਨ ਪ੍ਰਦਰਸ਼ਨ (~ 85.5%) ਨੇ ਫੇਫੜਿਆਂ ਦੇ ਨਮੂਨੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਵਿੱਚ ਸੀਐਨਐਨ ਦੀ ਸੰਭਾਵਨਾ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ। ਭਵਿੱਖ ਦੇ ਕੰਮ ਵਿੱਚ ਸੀ.ਐੱਨ.ਐੱਨ. ਨੂੰ ਸੀ.ਟੀ. ਵਾਲੀਅਮ ਸਕੈਨ ਦੁਆਰਾ ਮੁਹੱਈਆ ਕਰਵਾਏ ਗਏ ਤਿੰਨ-ਅਯਾਮੀ ਡੇਟਾ ਤੱਕ ਵਧਾਉਣਾ ਅਤੇ ਪ੍ਰਸਤਾਵਿਤ ਵਿਧੀ ਨੂੰ ਇੱਕ ਸੀ.ਏ.ਡੀ. ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਜੋੜਨਾ ਸ਼ਾਮਲ ਹੈ ਜਿਸਦਾ ਉਦੇਸ਼ ਆਈ.ਐੱਲ.ਡੀਜ਼ ਲਈ ਇੱਕ ਸਹਾਇਕ ਸਾਧਨ ਦੇ ਰੂਪ ਵਿੱਚ ਆਈ.ਐੱਲ.ਡੀਜ਼ ਲਈ ਅੰਤਰ ਨਿਦਾਨ ਪ੍ਰਦਾਨ ਕਰਨਾ ਹੈ। |
e7ad8adbb447300ecafb4d00fb84efc3cf4996cf | ਸਿੰਥੈਟਿਕ ਸੰਭਾਵਨਾ ਵਿਧੀ ਸੰਖੇਪ ਅੰਕੜੇ ਲਈ ਪਲੱਗ-ਇਨ ਸਧਾਰਣ ਘਣਤਾ ਅਨੁਮਾਨ ਤੋਂ ਇੱਕ ਅਨੁਮਾਨਿਤ ਸੰਭਾਵਨਾ ਫੰਕਸ਼ਨ ਪ੍ਰਾਪਤ ਕਰਦੀ ਹੈ, ਪਲੱਗ-ਇਨ ਮੱਧ ਅਤੇ ਕੋਵਾਰੀਐਂਸ ਮੈਟ੍ਰਿਕਸ ਮਾਡਲ ਤੋਂ ਮੌਂਟੇ ਕਾਰਲੋ ਸਿਮੂਲੇਸ਼ਨ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਘੱਟ ਗਣਨਾਤਮਕ ਓਵਰਹੈੱਡਾਂ ਨਾਲ ਬੇਯਸੀਅਨ ਸਿੰਥੈਟਿਕ ਸੰਭਾਵਨਾਵਾਂ ਦੇ ਮਾਰਕੋਵ ਚੇਨ ਮੋਂਟੇ ਕਾਰਲੋ ਲਾਗੂਕਰਣ ਦੇ ਵਿਕਲਪ ਵਿਕਸਿਤ ਕਰਦੇ ਹਾਂ। ਸਾਡੀ ਪਹੁੰਚ ਸਿੰਥੈਟਿਕ ਸੰਭਾਵਨਾ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਪਿਛਲੀ ਅਨੁਪਾਤ ਲਈ ਸਟੋਚੈਸਟਿਕ ਗਰੇਡੀਐਂਟ ਪਰਿਵਰਤਨਸ਼ੀਲ ਅਨੁਮਾਨਣ ਵਿਧੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ, ਜੋ ਕਿ ਲੌਗ ਸੰਭਾਵਨਾ ਦੇ ਨਿਰਪੱਖ ਅਨੁਮਾਨਾਂ ਨੂੰ ਨਿਯੁਕਤ ਕਰਦੀ ਹੈ। ਅਸੀਂ ਨਵੀਂ ਵਿਧੀ ਦੀ ਸਾਹਿਤ ਵਿੱਚ ਇੱਕ ਸੰਬੰਧਿਤ ਸੰਭਾਵਨਾ ਮੁਕਤ ਪਰਿਵਰਤਨਸ਼ੀਲ ਸਿੱਟਾ ਕੱ techniqueਣ ਦੀ ਤਕਨੀਕ ਨਾਲ ਤੁਲਨਾ ਕਰਦੇ ਹਾਂ, ਜਦੋਂ ਕਿ ਉਸੇ ਸਮੇਂ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਉਸ ਪਹੁੰਚ ਦੇ ਲਾਗੂਕਰਨ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦੇ ਹਾਂ. ਇਹ ਨਵੇਂ ਐਲਗੋਰਿਥਮ ਉਨ੍ਹਾਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਲਾਗੂ ਕਰਨ ਲਈ ਵਿਵਹਾਰਕ ਹਨ ਜੋ ਪੈਰਾਮੀਟਰ ਅਤੇ ਸੰਖੇਪ ਅੰਕੜਿਆਂ ਦੀ ਅਯਾਮੀਤਾ ਦੇ ਰੂਪ ਵਿੱਚ, ਰਵਾਇਤੀ ਅਨੁਮਾਨਿਤ ਬੇਸਿਅਨ ਗਣਨਾ (ਏਬੀਸੀ) ਵਿਧੀਆਂ ਲਈ ਚੁਣੌਤੀਪੂਰਨ ਹਨ। ਸਿੰਥੈਟਿਕ ਸੰਭਾਵਨਾ ਸੰਭਾਵਨਾ-ਮੁਕਤ ਸਿੱਟਾ ਕੱਢਣ ਲਈ ਇੱਕ ਆਕਰਸ਼ਕ ਪਹੁੰਚ ਹੈ ਜਦੋਂ ਡੇਟਾ ਲਈ ਲਗਭਗ ਗੌਸੀ ਸੰਖੇਪ ਅੰਕੜਾ, ਪੈਰਾਮੀਟਰਾਂ ਬਾਰੇ ਸਿੱਟਾ ਕੱਢਣ ਲਈ ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਹੁੰਦਾ ਹੈ. |
27a8f746f43876dbd1019235ad8e302ea838a499 | ਮਲਟੀ-ਰੋਟਰ ਵਰਗੇ ਮਾਈਕਰੋ ਏਰੀਅਲ ਵਹੀਕਲ ਖਾਸ ਤੌਰ ਤੇ ਇਮਾਰਤਾਂ ਦੀ ਆਟੋਨੋਮਸ ਨਿਗਰਾਨੀ, ਨਿਰੀਖਣ ਅਤੇ ਨਿਗਰਾਨੀ ਲਈ, ਉਦਾਹਰਣ ਵਜੋਂ, ਉਦਯੋਗਿਕ ਪਲਾਂਟਾਂ ਵਿੱਚ ਰੱਖ-ਰਖਾਅ ਲਈ ਬਹੁਤ ਵਧੀਆ ਹਨ। ਸੀਮਤ ਵਾਤਾਵਰਣ ਵਿੱਚ ਮਾਈਕਰੋ ਏਰੀਅਲ ਵਾਹਨਾਂ ਦੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਵੈ-ਨਿਰਭਰ ਸੰਚਾਲਨ ਲਈ ਮੁੱਖ ਪੂਰਵ-ਲੋੜਾਂ 3 ਡੀ ਮੈਪਿੰਗ, ਰੀਅਲ-ਟਾਈਮ ਪੋਜ਼ ਟਰੈਕਿੰਗ, ਰੁਕਾਵਟਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ਅਤੇ ਟੱਕਰ-ਮੁਕਤ ਟਰੈਕਜੋਰੀਆਂ ਦੀ ਯੋਜਨਾਬੰਦੀ ਹਨ। ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਸਰਬ-ਦਿਸ਼ਾਵੀ ਵਾਤਾਵਰਣ ਦੀ ਧਾਰਨਾ ਲਈ ਇੱਕ ਬਹੁ-ਮੋਡਲ ਸੈਂਸਰ ਸੈਟਅਪ ਦੇ ਨਾਲ ਇੱਕ ਸੰਪੂਰਨ ਨੈਵੀਗੇਸ਼ਨ ਪ੍ਰਣਾਲੀ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦੇ ਹਾਂ। 3ਡੀ ਲੇਜ਼ਰ ਸਕੈਨਰ ਦੇ ਮਾਪਾਂ ਨੂੰ ਈਗੋਸੇਂਟਰਿਕ ਸਥਾਨਕ ਮਲਟੀ-ਰੈਜ਼ੋਲੂਸ਼ਨ ਗਰਿੱਡ ਮੈਪਸ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ। ਸਥਾਨਕ ਨਕਸ਼ੇ ਰਜਿਸਟਰਡ ਹੁੰਦੇ ਹਨ ਅਤੇ ਐਲੋਸੈਂਟ੍ਰਿਕ ਨਕਸ਼ਿਆਂ ਵਿੱਚ ਮਿਲਾਏ ਜਾਂਦੇ ਹਨ ਜਿਸ ਵਿੱਚ ਐਮਏਵੀ ਸਥਾਪਤ ਹੁੰਦਾ ਹੈ. ਆਟੋਨੋਮਸ ਨੇਵੀਗੇਸ਼ਨ ਲਈ, ਅਸੀਂ ਮਲਟੀਲੇਅਰ ਪਹੁੰਚ ਵਿੱਚ ਟਰੈਕਟੀਰੀ ਤਿਆਰ ਕਰਦੇ ਹਾਂ: ਮਿਸ਼ਨ ਯੋਜਨਾਬੰਦੀ ਤੋਂ ਲੈ ਕੇ ਗਲੋਬਲ ਅਤੇ ਸਥਾਨਕ ਟਰੈਕਟੀਰੀ ਯੋਜਨਾਬੰਦੀ ਤੱਕ ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ ਰੁਕਾਵਟ ਤੋਂ ਬਚਣ ਤੱਕ। ਅਸੀਂ ਆਪਣੇ ਪਹੁੰਚ ਦਾ ਮੁਲਾਂਕਣ ਇੱਕ ਜੀਐਨਐਸਐਸ-ਨਿਰਧਾਰਤ ਇਨਡੋਰ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕਰਦੇ ਹਾਂ ਜਿੱਥੇ ਮਲਟੀਪਲ ਟੱਕਰ ਦੇ ਖਤਰੇ ਲਈ ਭਰੋਸੇਯੋਗ ਸਰਬ-ਦਿਸ਼ਾਵੀ ਧਾਰਨਾ ਅਤੇ ਤੇਜ਼ ਨੈਵੀਗੇਸ਼ਨ ਪ੍ਰਤੀਕ੍ਰਿਆਵਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। |
e80d9d10956310d4ea926c2105c74de766c22345 | ਇਸ ਪੇਪਰ ਵਿੱਚ ਡਿਜੀਟਲ ਐਰੇ ਰਡਾਰ ਦਾ ਢਾਂਚਾ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਮੁੱਖ ਤਕਨੀਕਾਂ, ਡਿਜੀਟਲ ਟੀ/ਆਰ ਮੋਡੀਊਲ, ਵੇਵਫਾਰਮ ਜਨਰੇਸ਼ਨ ਅਤੇ ਐਮਪਲੀਟਿਊਡ-ਫੇਜ਼ ਕੰਟਰੋਲ ਮੋਡੀਊਲ ਜੋ ਡੀਡੀਐਸ, ਫ੍ਰੀਕੁਐਂਸੀ ਅਪ/ਡਾਊਨ ਕਨਵਰਟਰ, ਉੱਚ ਕੁਸ਼ਲਤਾ ਪਾਵਰ ਐਂਪਲੀਫਾਇਰ, ਹਾਈਬ੍ਰਿਡ ਡਿਜੀਟਲ/ਮਾਈਕ੍ਰੋਵੇਵ ਮਲਟੀਲੇਅਰ ਸਰਕਟ ਅਤੇ ਉੱਚ ਪ੍ਰਦਰਸ਼ਨ ਕੰਪਿਊਟਿੰਗ ਦੇ ਆਧਾਰ ਤੇ ਵਰਣਿਤ ਹਨ। ਮਾਈਕਰੋਸਿਸਟਮ ਤਕਨਾਲੋਜੀਆਂ ਅਤੇ ਡਿਜੀਟਲ ਐਰੇ ਆਰਕੀਟੈਕਚਰ ਰੁਝਾਨਾਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਬਾਰੇ ਵੀ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ। |
6f6e10b229a5a9eca2a2f694143632191d4c5e0c | ਡਰਾਈਵਰ ਦੀ ਥਕਾਵਟ ਦੇ ਥਕਾਵਟ ਦੇ ਪੱਧਰਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ ਤਕਨੀਕੀ ਪਹੁੰਚਾਂ ਦਾ ਉਭਾਰ ਜਾਰੀ ਹੈ ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਹੁਣ ਵਿਕਾਸ, ਪ੍ਰਮਾਣਿਕਤਾ ਟੈਸਟਿੰਗ, ਜਾਂ ਸ਼ੁਰੂਆਤੀ ਲਾਗੂ ਕਰਨ ਦੇ ਪੜਾਵਾਂ ਵਿੱਚ ਹਨ। ਪਿਛਲੇ ਅਧਿਐਨਾਂ ਵਿੱਚ ਉਪਲੱਬਧ ਥਕਾਵਟ ਦਾ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੀਆਂ ਤਕਨੀਕਾਂ ਅਤੇ ਵਿਧੀਆਂ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ ਗਈ ਹੈ। ਜਿਵੇਂ ਕਿ ਨਾਮ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਇਹ ਪ੍ਰੋਜੈਕਟ ਕਾਰਾਂ ਵਿੱਚ ਤਕਨੀਕੀ ਤਕਨਾਲੋਜੀਆਂ ਬਾਰੇ ਹੈ ਤਾਂ ਜੋ ਇਸਨੂੰ ਸੜਕਾਂ ਤੇ ਹਾਦਸਿਆਂ ਤੋਂ ਬਚਣ ਲਈ ਵਧੇਰੇ ਬੁੱਧੀਮਾਨ ਅਤੇ ਪਰਸਪਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣਾਇਆ ਜਾ ਸਕੇ। ARM7 ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਹ ਪ੍ਰਣਾਲੀ ਵਧੇਰੇ ਕੁਸ਼ਲ, ਭਰੋਸੇਮੰਦ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣ ਜਾਂਦੀ ਹੈ। ਕਾਰਾਂ ਵਿੱਚ ਜਾਂ ਨਾਲ ਮਨੁੱਖੀ ਵਿਵਹਾਰ ਦੀ ਖੋਜ ਕਰਨ ਲਈ ਬਹੁਤ ਘੱਟ ਗਿਣਤੀ ਵਿੱਚ ਪ੍ਰਣਾਲੀਆਂ ਲਾਗੂ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ। ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਰੀਅਲ-ਟਾਈਮ ਆਨਲਾਈਨ ਸੁਰੱਖਿਆ ਪ੍ਰੋਟੋਟਾਈਪ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਾਂ ਜੋ ਡਰਾਈਵਰ ਦੀ ਥਕਾਵਟ ਦੇ ਤਹਿਤ ਵਾਹਨ ਦੀ ਗਤੀ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ। ਅਜਿਹੇ ਮਾਡਲ ਦਾ ਉਦੇਸ਼ ਡਰਾਈਵਰਾਂ ਵਿੱਚ ਥਕਾਵਟ ਦੇ ਲੱਛਣਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਹਾਦਸਿਆਂ ਤੋਂ ਬਚਣ ਲਈ ਵਾਹਨ ਦੀ ਗਤੀ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਲਈ ਇੱਕ ਪ੍ਰਣਾਲੀ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣਾ ਹੈ। ਇਸ ਪ੍ਰਣਾਲੀ ਦੇ ਮੁੱਖ ਭਾਗਾਂ ਵਿੱਚ ਗੈਸ, ਅੱਖਾਂ ਝਪਕਣ, ਸ਼ਰਾਬ, ਬਾਲਣ, ਪ੍ਰਭਾਵ ਸੂਚਕ ਅਤੇ ਸਥਾਨ ਲਈ ਜੀਪੀਐਸ ਅਤੇ ਗੂਗਲ ਮੈਪਸ ਏਪੀਆਈ ਦੇ ਨਾਲ ਇੱਕ ਸਾੱਫਟਵੇਅਰ ਇੰਟਰਫੇਸ ਵਰਗੇ ਕਈ ਰੀਅਲ ਟਾਈਮ ਸੈਂਸਰ ਸ਼ਾਮਲ ਹਨ। |
593bdaa21941dda0b8c888ee88bbe730c4219ad6 | ਆਉਟਲਿਅਰ ਖੋਜ ਡਾਟਾ ਮਾਈਨਿੰਗ ਦਾ ਇਕ ਅਨਿੱਖੜਵਾਂ ਅੰਗ ਹੈ ਅਤੇ ਹਾਲ ਹੀ ਵਿਚ ਇਸ ਨੇ ਬਹੁਤ ਧਿਆਨ ਖਿੱਚਿਆ ਹੈ [ਬੀਕੇਐਨਐਸ 00, ਜੇਟੀਐਚ 01, ਕੇਐਨਟੀ 00]. ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਅਵਿਸ਼ਵਾਸੀਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਇੱਕ ਨਵੀਂ ਵਿਧੀ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦੇ ਹਾਂ, ਜਿਸ ਨੂੰ ਅਸੀਂ ਸਥਾਨਕ ਸੰਬੰਧ ਸੰਪੂਰਨ (ਐਲਓਸੀਆਈ) ਕਹਿੰਦੇ ਹਾਂ। ਪਹਿਲਾਂ ਦੀਆਂ ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਧੀਆਂ ਦੀ ਤਰ੍ਹਾਂ, ਐਲ.ਓ.ਸੀ.ਆਈ. ਅਲੱਗ-ਥਲੱਗ ਮੁੱਲਾਂ ਅਤੇ ਅਲੱਗ-ਥਲੱਗ ਮੁੱਲਾਂ ਦੇ ਸਮੂਹਾਂ (ਜਿਸ ਨੂੰ ਮਾਈਕਰੋ-ਕਲੱਸਟਰ ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ) ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਬਹੁਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਹੇਠ ਲਿਖੇ ਫਾਇਦੇ ਅਤੇ ਨਵੀਨਤਾਵਾਂ ਪੇਸ਼ ਕਰਦਾ ਹੈਃ (a) ਇਹ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਇੱਕ ਆਟੋਮੈਟਿਕ, ਡੇਟਾ-ਦਿੱਤੇ ਕੱਟ-ਆਫ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਕੋਈ ਬਿੰਦੂ ਇੱਕ ਅਵਿਸ਼ਵਾਸੀ ਹੈ-ਇਸ ਦੇ ਉਲਟ, ਪਿਛਲੇ methodsੰਗਾਂ ਨੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਕੱਟ-ਆਫ ਚੁਣਨ ਲਈ ਮਜਬੂਰ ਕੀਤਾ, ਬਿਨਾਂ ਕਿਸੇ ਸੁਝਾਅ ਦੇ ਕਿ ਕਿਸੇ ਦਿੱਤੇ ਡੇਟਾ ਸੈਟ ਲਈ ਕਿਹੜਾ ਕੱਟ-ਆਫ ਮੁੱਲ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ. (ਅ) ਇਹ ਹਰੇਕ ਬਿੰਦੂ ਲਈ ਇੱਕ LOCI ਗ੍ਰਾਫ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ; ਇਹ ਗ੍ਰਾਫ ਬਿੰਦੂ ਦੇ ਨੇੜਲੇ ਡੇਟਾ ਬਾਰੇ ਬਹੁਤ ਸਾਰੀ ਜਾਣਕਾਰੀ ਦਾ ਸਾਰ ਦਿੰਦਾ ਹੈ, ਜੋ ਕਲੱਸਟਰਾਂ, ਮਾਈਕਰੋ-ਕਲੱਸਟਰਾਂ, ਉਨ੍ਹਾਂ ਦੇ ਵਿਆਸ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਅੰਤਰ-ਕਲੱਸਟਰਾਂ ਦੀ ਦੂਰੀ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ. ਮੌਜੂਦਾ ਆਊਟਲੀਅਰ-ਡਿਟੈਕਸ਼ਨ ਵਿਧੀਆਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਇਸ ਵਿਸ਼ੇਸ਼ਤਾ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦਾ, ਕਿਉਂਕਿ ਉਹ ਹਰੇਕ ਬਿੰਦੂ ਲਈ ਸਿਰਫ ਇੱਕ ਨੰਬਰ ਹੀ ਆਉਟਪੁੱਟ ਕਰਦੇ ਹਨਃ ਇਸਦਾ ਆਊਟਲੀਅਰ ਸਕੋਰ। (c) ਸਾਡੀ LOCI ਵਿਧੀ ਦੀ ਗਣਨਾ ਵੀ ਉਨੀ ਹੀ ਤੇਜ਼ੀ ਨਾਲ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਜਿੰਨੀ ਕਿ ਪਹਿਲਾਂ ਦੀਆਂ ਸਰਬੋਤਮ ਵਿਧੀਆਂ। (d) ਇਸ ਤੋਂ ਇਲਾਵਾ, LOCI ਇੱਕ ਲਗਭਗ ਰੇਖਿਕ ਅਨੁਮਾਨਿਤ ਵਿਧੀ, aLOCI (ਲਗਭਗ LOCI ਲਈ) ਦੀ ਅਗਵਾਈ ਕਰਦਾ ਹੈ, ਜੋ ਤੇਜ਼ ਅਤੇ ਬਹੁਤ ਹੀ ਸਹੀ ਆਉਟਲਿਅਰ ਖੋਜ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਸਾਡੇ ਗਿਆਨ ਦੇ ਸਰਬੋਤਮ ਲਈ, ਇਹ ਪਹਿਲਾ ਕੰਮ ਹੈ ਜੋ ਕਿ ਅੰਦਾਜ਼ਨ ਗਣਨਾ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਅਵਿਸ਼ਵਾਸੀ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕੀਤਾ ਜਾ ਸਕੇ. ਸਿੰਥੈਟਿਕ ਅਤੇ ਅਸਲ ਸੰਸਾਰ ਡੇਟਾ ਸੈੱਟਾਂ ਤੇ ਕੀਤੇ ਗਏ ਪ੍ਰਯੋਗਾਂ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ LOCI ਅਤੇ aLOCI ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਲੋੜੀਂਦੇ ਕੱਟ-ਆਫ ਦੇ ਬਿਨਾਂ ਆਟੋਮੈਟਿਕ ਤੌਰ ਤੇ ਆਉਟਲਿਅਰਸ ਅਤੇ ਮਾਈਕਰੋ-ਕਲੱਸਟਰਾਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦੇ ਹਨ, ਅਤੇ ਉਹ ਆਸਾਨੀ ਨਾਲ ਉਮੀਦ ਕੀਤੇ ਗਏ ਅਤੇ ਅਚਾਨਕ ਆਉਟਲਿਅਰਸ ਦੋਵਾਂ ਨੂੰ ਜਲਦੀ ਪਛਾਣ ਸਕਦੇ ਹਨ। |
c1cfb9b530daae4dbb89f96a9bff415536aa7e4b | ਸ਼ੈਲੀ ਦੇ ਤਬਾਦਲੇ ਦਾ ਉਦੇਸ਼ ਸਮੱਗਰੀ ਚਿੱਤਰਾਂ ਵਿੱਚ ਮਨਮਾਨੀ ਵਿਜ਼ੂਅਲ ਸਟਾਈਲ ਨੂੰ ਤਬਦੀਲ ਕਰਨਾ ਹੈ। ਅਸੀਂ ਦੋ ਕਾਗਜ਼ਾਂ ਤੋਂ ਅਨੁਕੂਲਿਤ ਐਲਗੋਰਿਥਮ ਦੀ ਪੜਚੋਲ ਕਰਦੇ ਹਾਂ ਜੋ ਅਣਦੇਖੀ ਸਟਾਈਲ ਜਾਂ ਸਮਝੌਤਾ ਕੀਤੀ ਵਿਜ਼ੂਅਲ ਕੁਆਲਿਟੀ ਤੇ ਆਮ ਬਣਾਉਂਦੇ ਹੋਏ ਸ਼ੈਲੀ ਟ੍ਰਾਂਸਫਰ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ. ਜ਼ਿਆਦਾਤਰ ਸੁਧਾਰਾਂ ਨੇ ਰੀਅਲ-ਟਾਈਮ ਸਟਾਈਲ ਟ੍ਰਾਂਸਫਰ ਲਈ ਐਲਗੋਰਿਦਮ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕੀਤਾ ਹੈ ਜਦੋਂ ਕਿ ਨਵੇਂ ਸਟਾਈਲ ਨੂੰ ਕਾਫ਼ੀ ਘੱਟ ਸਰੋਤਾਂ ਅਤੇ ਰੁਕਾਵਟਾਂ ਨਾਲ ਅਨੁਕੂਲ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਅਸੀਂ ਇਨ੍ਹਾਂ ਰਣਨੀਤੀਆਂ ਦੀ ਤੁਲਨਾ ਕਰਦੇ ਹਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਦੀ ਤੁਲਨਾ ਕਰਦੇ ਹਾਂ ਕਿ ਉਹ ਕਿਵੇਂ ਆਕਰਸ਼ਕ ਚਿੱਤਰ ਤਿਆਰ ਕਰਨ ਲਈ ਮਾਪਦੇ ਹਨ. ਅਸੀਂ ਸ਼ੈਲੀ ਦੇ ਤਬਾਦਲੇ ਦੇ ਦੋ ਤਰੀਕਿਆਂ ਦੀ ਪੜਚੋਲ ਕਰਦੇ ਹਾਂ: ਸੁਧਾਰਾਂ ਦੇ ਨਾਲ ਨਿ neਰਲ ਸ਼ੈਲੀ ਦਾ ਤਬਾਦਲਾ ਅਤੇ ਸਰਵ ਵਿਆਪਕ ਸ਼ੈਲੀ ਦਾ ਤਬਾਦਲਾ. ਅਸੀਂ ਵੱਖ-ਵੱਖ ਤਸਵੀਰਾਂ ਦੀ ਤੁਲਨਾ ਵੀ ਕਰਦੇ ਹਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਕਿਵੇਂ ਮਾਪਿਆ ਜਾ ਸਕਦਾ ਹੈ। |
1d2a3436fc7ff4b964fa61c0789df19e32ddf0ed | ਕਿਉਂਕਿ ਇਹ ਪੇਪਰ Oblivious Transfers ਦੀ ਧਾਰਨਾ ਨੂੰ ਅੱਗੇ ਵਧਾਉਂਦਾ ਹੈ ਅਤੇ ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਜਾਣਿਆ ਜਾਂਦਾ ਅਤੇ ਅਕਸਰ ਹਵਾਲਾ ਦਿੱਤਾ ਜਾਂਦਾ ਪੇਪਰ ਹੈ, ਮੈਂ ਮਹਿਸੂਸ ਕੀਤਾ ਕਿ ਮੈਨੂੰ ਖਰੜੇ ਨੂੰ ਟਾਈਪ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਇਹ ਨਤੀਜਾ ਹੈ. ਟਾਈਪ ਸੈਟਿੰਗ ਕਰਦੇ ਸਮੇਂ, ਮੈਂ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਮੂਲ ਖਰੜੇ ਦੀ ਪਾਲਣਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ। ਹਾਲਾਂਕਿ, ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਜਿਵੇਂ ਕਿ ਕੁਝ ਟਾਈਪ ਫੋਕਸ ਜਾਂ ਵਿਰਾਮ ਚਿੰਨ੍ਹ, ਜੋ ਬਦਲੇ ਗਏ ਸਨ. ਕ੍ਰਿਪਟੋਗ੍ਰਾਫੀ ਤੇ ਬਹੁਤ ਸਾਰੇ ਕਾਗਜ਼ਾਂ ਦੀ ਤਰ੍ਹਾਂ, ਐਲਿਸ ਅਤੇ ਬੌਬ ਦਿੱਤੇ ਗਏ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਪ੍ਰੋਟੋਕੋਲ ਦੇ ਭਾਗੀਦਾਰਾਂ ਦੀ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦੇ ਹਨ। ਪੜ੍ਹਨਯੋਗਤਾ ਦੇ ਲਈ, ਐਲਿਸ ਅਤੇ ਬੌਬ ਦੇ ਸੰਦੇਸ਼ ਕ੍ਰਮਵਾਰ ਲਾਲ ਅਤੇ ਨੀਲੀ ਸਿਆਹੀ ਵਿੱਚ ਛਾਪੇ ਗਏ ਸਨ. ਇਸ ਕੰਮ ਦੀ ਜਾਂਚ ਮੇਰੇ ਸਾਥੀ ਯ. ਸੋਭਦਲ ([email protected]) ਨੇ ਕੀਤੀ। ਐਚ.ਐਮ. ਮੋਘੱਦਮ ਦਾ ਵੀ ਧੰਨਵਾਦ ਕਿ ਉਨ੍ਹਾਂ ਨੇ ਇੱਕ ਪੁਰਾਣੇ ਸੰਸਕਰਣ ਵਿੱਚ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਗਲਤੀ ਦਾ ਜ਼ਿਕਰ ਕੀਤਾ। ਇਸ ਦੇ ਨਾਲ ਹੀ, ਮੈਂ ਸ਼ੁਕਰਗੁਜ਼ਾਰ ਹੋਵਾਂਗਾ ਜੇ ਤੁਸੀਂ ਮੈਨੂੰ ਕਿਸੇ ਵੀ ਸੰਭਾਵਿਤ ਗਲਤੀ ਬਾਰੇ ਸੂਚਿਤ ਕਰੋ। |
d20a17b42f95ee07e9a43cc852b35bda407c4be6 | |
caf912b716905ccbf46d6d00d6a0b622834a7cd9 | ਜਿਵੇਂ-ਜਿਵੇਂ ਮਸ਼ੀਨਾਂ ਵਧੇਰੇ ਬੁੱਧੀਮਾਨ ਬਣੀਆਂ ਹਨ, ਉਨ੍ਹਾਂ ਦੀ ਬੁੱਧੀ ਨੂੰ ਮਾਪਣ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਇੱਕ ਨਵੀਂ ਦਿਲਚਸਪੀ ਆਈ ਹੈ। ਇੱਕ ਆਮ ਪਹੁੰਚ ਉਹ ਕਾਰਜਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਦੇਣਾ ਹੈ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਮਨੁੱਖ ਉੱਤਮ ਹੈ, ਪਰ ਇੱਕ ਅਜਿਹਾ ਕੰਮ ਜੋ ਮਸ਼ੀਨਾਂ ਲਈ ਮੁਸ਼ਕਲ ਹੈ। ਹਾਲਾਂਕਿ, ਇੱਕ ਆਦਰਸ਼ ਕਾਰਜ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਵੀ ਅਸਾਨ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਖੇਡਣਾ ਅਸਾਨ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ. ਅਸੀਂ ਇੱਕ ਕੇਸ ਅਧਿਐਨ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰਦੇ ਹਾਂ ਜੋ ਹਾਲ ਹੀ ਵਿੱਚ ਪ੍ਰਸਿੱਧ ਚਿੱਤਰ ਸਿਰਲੇਖ ਦੇ ਕੰਮ ਅਤੇ ਮਸ਼ੀਨ ਦੀ ਬੁੱਧੀ ਨੂੰ ਮਾਪਣ ਲਈ ਇੱਕ ਕੰਮ ਦੇ ਰੂਪ ਵਿੱਚ ਇਸ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੀ ਪੜਚੋਲ ਕਰਦਾ ਹੈ। ਇੱਕ ਵਿਕਲਪਕ ਅਤੇ ਵਧੇਰੇ ਵਾਅਦਾਪੂਰਨ ਕਾਰਜ ਵਿਜ਼ੂਅਲ ਪ੍ਰਸ਼ਨ ਉੱਤਰ ਹੈ ਜੋ ਭਾਸ਼ਾ ਅਤੇ ਦਰਸ਼ਣ ਬਾਰੇ ਤਰਕ ਕਰਨ ਦੀ ਇੱਕ ਮਸ਼ੀਨ ਦੀ ਯੋਗਤਾ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ। ਅਸੀਂ ਇਸ ਕੰਮ ਲਈ ਬਣਾਏ ਗਏ ਡੇਟਾ ਸੈੱਟ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਾਂ ਜਿਸ ਵਿੱਚ ਚਿੱਤਰਾਂ ਬਾਰੇ 760,000 ਤੋਂ ਵੱਧ ਮਨੁੱਖ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਪ੍ਰਸ਼ਨ ਹਨ। ਲਗਭਗ 10 ਮਿਲੀਅਨ ਮਨੁੱਖ ਦੁਆਰਾ ਤਿਆਰ ਜਵਾਬਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ, ਮਸ਼ੀਨਾਂ ਦਾ ਆਸਾਨੀ ਨਾਲ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। |
8d3b8a59144352d0f60015f32c836001e4344a34 | ਤਿੰਨ-ਅਯਾਮੀ ਜਿਓਮੈਟ੍ਰਿਕ ਡੇਟਾ ਪ੍ਰਤੀਨਿਧਤਾ ਸਿੱਖਣ ਅਤੇ ਜਨਰੇਟਿਵ ਮਾਡਲਿੰਗ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਇੱਕ ਸ਼ਾਨਦਾਰ ਡੋਮੇਨ ਪੇਸ਼ ਕਰਦੇ ਹਨ। ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਭੂਮੱਧਿਕ ਡੇਟਾ ਨੂੰ ਬਿੰਦੂ ਬੱਦਲ ਦੇ ਰੂਪ ਵਿੱਚ ਦਰਸਾਉਂਦੇ ਹਾਂ। ਅਸੀਂ ਇੱਕ ਡੂੰਘੀ ਆਟੋ ਏਨਕੋਡਰ (ਏਈ) ਨੈਟਵਰਕ ਦੀ ਸ਼ੁਰੂਆਤ ਕਰਦੇ ਹਾਂ ਜਿਸ ਵਿੱਚ ਅਤਿ-ਆਧੁਨਿਕ ਪੁਨਰ ਨਿਰਮਾਣ ਗੁਣਵੱਤਾ ਅਤੇ ਆਮਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਸਿੱਖੀਆਂ ਗਈਆਂ ਪ੍ਰਤੀਨਿਧੀਆਂ 3D ਮਾਨਤਾ ਕਾਰਜਾਂ ਤੇ ਮੌਜੂਦਾ ਤਰੀਕਿਆਂ ਨੂੰ ਪਛਾੜਦੀਆਂ ਹਨ ਅਤੇ ਸਧਾਰਨ ਅਲਜਬਰਾਇਕ ਹੇਰਾਫੇਰੀਆਂ ਰਾਹੀਂ ਬੁਨਿਆਦੀ ਸ਼ਕਲ ਸੰਪਾਦਨ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦੀਆਂ ਹਨ, ਜਿਵੇਂ ਕਿ ਅਰਥਵਾਦੀ ਭਾਗ ਸੰਪਾਦਨ, ਸ਼ਕਲ ਸਮਾਨਤਾਵਾਂ ਅਤੇ ਸ਼ਕਲ ਇੰਟਰਪੋਲੇਸ਼ਨ। ਅਸੀਂ ਵੱਖ-ਵੱਖ ਜਨਰੇਟਿਵ ਮਾਡਲਾਂ ਦਾ ਪੂਰਾ ਅਧਿਐਨ ਕਰਦੇ ਹਾਂ ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨਃ ਕੱਚੇ ਬਿੰਦੂ ਬੱਦਲਾਂ ਤੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਜੀਏਐਨ, ਸਾਡੇ ਏਈਜ਼ ਦੀ ਸਥਿਰ ਲੁਕਵੀਂ ਜਗ੍ਹਾ ਵਿੱਚ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਹੱਤਵਪੂਰਣ ਸੁਧਾਰ ਕੀਤੇ ਗਏ ਜੀਏਐਨ ਅਤੇ, ਗੌਸੀਅਨ ਮਿਸ਼ਰਣ ਮਾਡਲ (ਜੀਐਮਐਮ). ਸਾਡੇ ਮਾਤਰਾਤਮਕ ਮੁਲਾਂਕਣ ਲਈ ਅਸੀਂ ਨਮੂਨੇ ਦੀ ਵਫ਼ਾਦਾਰੀ ਅਤੇ ਵਿਭਿੰਨਤਾ ਦੇ ਉਪਾਅ ਪ੍ਰਸਤਾਵਿਤ ਕਰਦੇ ਹਾਂ ਜੋ ਪੁਆਇੰਟ ਕਲਾਉਡ ਦੇ ਸੈੱਟਾਂ ਵਿਚਕਾਰ ਮੇਲ ਖਾਂਦਾ ਹੈ. ਦਿਲਚਸਪ ਗੱਲ ਇਹ ਹੈ ਕਿ ਸਾਡੇ ਆਮਕਰਨ, ਵਫ਼ਾਦਾਰੀ ਅਤੇ ਵਿਭਿੰਨਤਾ ਦੇ ਧਿਆਨ ਨਾਲ ਮੁਲਾਂਕਣ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਸਾਡੇ ਏਈਜ਼ ਦੇ ਲੁਕਵੇਂ ਸਥਾਨ ਵਿੱਚ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਜੀਐਮਐਮ ਵਧੀਆ ਨਤੀਜੇ ਪੈਦਾ ਕਰਦੇ ਹਨ। |
2c51c8da2f82a956e633049616b1bb7730faa2da | ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਇੰਟਰਨੈੱਟ ਆਫ਼ ਥਿੰਗਸ (ਆਈਓਟੀ) ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ, ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਤਾਇਨਾਤ ਸੈਂਸਰਾਂ ਦੀ ਗਿਣਤੀ ਤੇਜ਼ੀ ਨਾਲ ਵੱਧ ਰਹੀ ਹੈ। ਮਾਰਕੀਟ ਖੋਜ ਨੇ ਪਿਛਲੇ ਦਹਾਕੇ ਦੌਰਾਨ ਸੈਂਸਰ ਦੀ ਤੈਨਾਤੀ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਵਾਧਾ ਦਿਖਾਇਆ ਹੈ ਅਤੇ ਭਵਿੱਖ ਵਿੱਚ ਵਿਕਾਸ ਦਰ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਵਾਧਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਹੈ। ਇਹ ਸੈਂਸਰ ਲਗਾਤਾਰ ਬਹੁਤ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡਾਟਾ ਪੈਦਾ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਕੱਚੇ ਸੈਂਸਰ ਡੇਟਾ ਨੂੰ ਜੋੜਨ ਲਈ ਸਾਨੂੰ ਇਸ ਨੂੰ ਸਮਝਣ ਦੀ ਲੋੜ ਹੈ। ਸੈਂਸਰ ਡੇਟਾ ਦੇ ਸਬੰਧ ਵਿੱਚ ਸੰਦਰਭ ਦੇ ਸੰਗ੍ਰਹਿ, ਮਾਡਲਿੰਗ, ਤਰਕ ਅਤੇ ਵੰਡ ਇਸ ਚੁਣੌਤੀ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦੀ ਹੈ। ਸੰਦਰਭ-ਜਾਗਰੂਕ ਕੰਪਿਊਟਿੰਗ ਸੈਂਸਰ ਡੇਟਾ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਸਫਲ ਸਾਬਤ ਹੋਈ ਹੈ। ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਆਈਓਟੀ ਦੇ ਨਜ਼ਰੀਏ ਤੋਂ ਪ੍ਰਸੰਗਿਕ ਜਾਗਰੂਕਤਾ ਦਾ ਸਰਵੇਖਣ ਕਰਦੇ ਹਾਂ। ਅਸੀਂ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਆਈਓਟੀ ਪੈਰਾਡਿਜ਼ਮ ਅਤੇ ਸੰਦਰਭ-ਜਾਗਰੂਕ ਬੁਨਿਆਦ ਪੇਸ਼ ਕਰਕੇ ਜ਼ਰੂਰੀ ਪਿਛੋਕੜ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ। ਫਿਰ ਅਸੀਂ ਪ੍ਰਸੰਗ ਜੀਵਨ ਚੱਕਰ ਦਾ ਡੂੰਘਾ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਾਂ। ਅਸੀਂ ਪ੍ਰੋਜੈਕਟਾਂ ਦੇ ਇੱਕ ਉਪ ਸਮੂਹ (50) ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹਾਂ ਜੋ ਸਾਡੇ ਆਪਣੇ ਟੈਕਸੋਨੋਮੀ ਦੇ ਅਧਾਰ ਤੇ ਪਿਛਲੇ ਦਹਾਕੇ (2001-2011) ਦੌਰਾਨ ਕੀਤੇ ਗਏ ਪ੍ਰਸੰਗ-ਜਾਗਰੂਕ ਕੰਪਿutingਟਿੰਗ ਦੇ ਖੇਤਰ ਵਿੱਚ ਪ੍ਰਸਤਾਵਿਤ ਖੋਜ ਅਤੇ ਵਪਾਰਕ ਹੱਲਾਂ ਦੇ ਬਹੁਗਿਣਤੀ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ. ਅੰਤ ਵਿੱਚ, ਸਾਡੇ ਮੁਲਾਂਕਣ ਦੇ ਆਧਾਰ ਤੇ, ਅਸੀਂ ਅਤੀਤ ਤੋਂ ਸਿੱਖਣ ਵਾਲੇ ਸਬਕ ਅਤੇ ਭਵਿੱਖ ਦੀ ਖੋਜ ਲਈ ਕੁਝ ਸੰਭਾਵਿਤ ਦਿਸ਼ਾਵਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦੇ ਹਾਂ। ਸਰਵੇਖਣ ਵਿੱਚ ਸੰਦਰਭ ਜਾਗਰੂਕਤਾ ਅਤੇ ਆਈਓਟੀ ਨਾਲ ਸਬੰਧਤ ਤਕਨੀਕਾਂ, ਵਿਧੀਆਂ, ਮਾਡਲਾਂ, ਕਾਰਜਸ਼ੀਲਤਾਵਾਂ, ਪ੍ਰਣਾਲੀਆਂ, ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ ਮਿਡਲਵੇਅਰ ਹੱਲਾਂ ਦੀ ਇੱਕ ਵਿਆਪਕ ਲੜੀ ਨੂੰ ਸੰਬੋਧਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਸਾਡਾ ਟੀਚਾ ਨਾ ਸਿਰਫ ਪਿਛਲੇ ਖੋਜ ਕਾਰਜਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਤੁਲਨਾ ਅਤੇ ਇਕਜੁੱਟ ਕਰਨਾ ਹੈ ਬਲਕਿ ਉਨ੍ਹਾਂ ਦੀਆਂ ਖੋਜਾਂ ਦੀ ਕਦਰ ਕਰਨਾ ਅਤੇ ਆਈਓਟੀ ਪ੍ਰਤੀ ਉਨ੍ਹਾਂ ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਵਿਚਾਰ ਵਟਾਂਦਰਾ ਕਰਨਾ ਹੈ। |
3406b672402828f2522b57e9ab11e0ae9c76ab2e | ਸਰਬ ਵਿਆਪੀ ਕੰਪਿਊਟਿੰਗ ਨੇ ਗਿਆਨਵਾਨ, ਜਾਣਕਾਰੀ ਨਾਲ ਭਰਪੂਰ "ਸਮਾਰਟ ਸਪੇਸ" ਬਣਾਉਣ ਦੇ ਵਿਚਾਰ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕੀਤਾ ਹੈ ਜੋ ਰਵਾਇਤੀ ਕੰਪਿਊਟਿੰਗ ਦੀਆਂ ਹੱਦਾਂ ਨੂੰ ਵਧਾ ਕੇ ਭੌਤਿਕ ਸਪੇਸ, ਏਮਬੇਡਡ ਡਿਵਾਈਸਾਂ, ਸੈਂਸਰਾਂ ਅਤੇ ਹੋਰ ਮਸ਼ੀਨਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਇਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਸਮਾਰਟ ਸਪੇਸ ਨੂੰ ਸਥਿਤੀ ਦੀ ਜਾਣਕਾਰੀ ਹਾਸਲ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ ਤਾਂ ਜੋ ਉਹ ਪ੍ਰਸੰਗ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਣ ਅਤੇ ਆਪਣੇ ਆਪ ਨੂੰ ਇਸ ਅਨੁਸਾਰ ਅਨੁਕੂਲ ਕਰ ਸਕਣ. ਹਾਲਾਂਕਿ, ਬੁਨਿਆਦੀ ਸੁਰੱਖਿਆ ਮੁੱਦਿਆਂ ਤੇ ਵਿਚਾਰ ਕੀਤੇ ਬਿਨਾਂ, ਸਰਬ ਵਿਆਪੀ ਕੰਪਿutingਟਿੰਗ ਵਾਤਾਵਰਣ ਕਮਜ਼ੋਰੀਆਂ ਨਾਲ ਭਰਪੂਰ ਹੋ ਸਕਦੇ ਹਨ. ਹਰ ਥਾਂ ਮੌਜੂਦ ਕੰਪਿਊਟਿੰਗ ਵਾਤਾਵਰਣ ਸੁਰੱਖਿਆ ਲਈ ਨਵੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹਨ। ਸੁਰੱਖਿਆ ਸੇਵਾਵਾਂ, ਜਿਵੇਂ ਕਿ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਪਹੁੰਚ ਨਿਯੰਤਰਣ, ਗੈਰ-ਦਖਲਅੰਦਾਜ਼ੀ, ਬੁੱਧੀਮਾਨ, ਅਤੇ ਸਥਾਨਾਂ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲਦੇ ਸੰਦਰਭਾਂ ਦੇ ਅਨੁਕੂਲ ਹੋਣ ਦੇ ਯੋਗ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਅਸੀਂ ਇੱਕ ਸਰਬਵਿਆਪੀ ਸੁਰੱਖਿਆ ਵਿਧੀ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ ਜੋ ਸਰਬਵਿਆਪੀ ਕੰਪਿutingਟਿੰਗ ਵਾਤਾਵਰਣ ਵਿੱਚ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਪਹੁੰਚ ਨਿਯੰਤਰਣ ਕਰਨ ਲਈ ਸਵੈਚਾਲਿਤ ਤਰਕ ਨਾਲ ਪ੍ਰਸੰਗ-ਜਾਗਰੂਕਤਾ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦੀ ਹੈ. |
e658f77af84415bfa794202c433a22d08c91bed2 | ਇਸ ਲਈ-ਕਹਿੰਦੇ ਹੋਏ ਇੰਟਰਨੈੱਟ ਆਫ਼ ਥਿੰਗਸ (ਆਈਓਟੀ) ਦੇ ਉਭਾਰ ਕਾਰਨ ਵਿਆਪਕ ਕੰਪਿਊਟਿੰਗ ਇੱਕ ਹਕੀਕਤ ਬਣ ਰਹੀ ਹੈ। ਇਸ ਪੈਰਾਡਾਈਮ ਵਿੱਚ, ਰੋਜ਼ਾਨਾ ਅਤੇ ਭੌਤਿਕ ਵਸਤੂਆਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਵਾਤਾਵਰਣ ਤੋਂ ਪ੍ਰਾਪਤ ਜਾਣਕਾਰੀ ਦਾ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਸੰਚਾਰ ਕਰਨ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨਾਲ ਲੈਸ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ, ਉਹਨਾਂ ਨੂੰ ਸਮਾਰਟ ਵਸਤੂਆਂ ਵਿੱਚ ਬਦਲਣਾ. ਹਾਲਾਂਕਿ, ਅਜਿਹੀਆਂ ਸੰਸਥਾਵਾਂ ਆਮ ਤੌਰ ਤੇ ਬਦਲਦੀਆਂ ਅਤੇ ਗਤੀਸ਼ੀਲ ਸਥਿਤੀਆਂ ਵਾਲੇ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਤਾਇਨਾਤ ਹੁੰਦੀਆਂ ਹਨ, ਜਿਨ੍ਹਾਂ ਦੀ ਵਰਤੋਂ ਉਹਨਾਂ ਦੁਆਰਾ ਆਪਣੇ ਕਾਰਜ ਜਾਂ ਵਿਵਹਾਰ ਨੂੰ ਸੋਧਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਈਯੂ ਐਫਪੀ7 ਫ੍ਰੈਂਚ ਪ੍ਰੋਜੈਕਟ ਸੋਕੋਲੋਟਲ ਦੇ ਬੁਨਿਆਦ ਦੇ ਤਹਿਤ, ਇਹ ਕੰਮ ਇਸ ਬਾਰੇ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਸਮਾਰਟ ਆਬਜੈਕਟਸ ਸੁਰੱਖਿਆ ਫੈਸਲੇ ਲੈਣ ਵੇਲੇ ਪ੍ਰਸੰਗਿਕ ਜਾਣਕਾਰੀ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖ ਸਕਦੇ ਹਨ, ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਨੂੰ ਪਹਿਲੇ ਦਰਜੇ ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਵਿਚਾਰ ਕੇ, ਆਈਓਟੀ ਦ੍ਰਿਸ਼ਾਂ ਤੇ ਅਖੌਤੀ ਪ੍ਰਸੰਗ-ਜਾਗਰੂਕ ਸੁਰੱਖਿਆ ਨੂੰ ਸਾਕਾਰ ਕਰਨ ਲਈ. |
1c5a40cff6297bd14ecc3e0c5efbae76a6afce5b | ਅਸੀਂ ਸੰਦਰਭ-ਜਾਗਰੂਕ ਵਾਤਾਵਰਣ ਲਈ ਸੁਰੱਖਿਆ ਸੇਵਾਵਾਂ ਬਣਾਉਣ ਦੀ ਪਹੁੰਚ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਾਂ। ਵਿਸ਼ੇਸ਼ ਤੌਰ ਤੇ, ਅਸੀਂ ਸੁਰੱਖਿਆ ਸੇਵਾਵਾਂ ਦੇ ਡਿਜ਼ਾਈਨ ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਦੇ ਹਾਂ ਜੋ ਲਚਕਦਾਰ ਪਹੁੰਚ ਨਿਯੰਤਰਣ ਅਤੇ ਨੀਤੀ ਲਾਗੂ ਕਰਨ ਲਈ ਸੁਰੱਖਿਆ-ਸੰਬੰਧੀ "ਸੰਦਰਭ" ਦੀ ਵਰਤੋਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ। ਅਸੀਂ ਪਹਿਲਾਂ ਇੱਕ ਆਮ ਪਹੁੰਚ ਨਿਯੰਤਰਣ ਮਾਡਲ ਪੇਸ਼ ਕੀਤਾ ਹੈ ਜੋ ਨੀਤੀ ਪਰਿਭਾਸ਼ਾ ਵਿੱਚ ਪ੍ਰਸੰਗਿਕ ਜਾਣਕਾਰੀ ਦਾ ਮਹੱਤਵਪੂਰਨ ਉਪਯੋਗ ਕਰਦਾ ਹੈ। ਇਹ ਦਸਤਾਵੇਜ਼ ਸਿਸਟਮ-ਪੱਧਰ ਦੀ ਸੇਵਾ ਆਰਕੀਟੈਕਚਰ ਦੇ ਨਾਲ ਨਾਲ ਫਰੇਮਵਰਕ ਦੇ ਨਾਲ ਸ਼ੁਰੂਆਤੀ ਲਾਗੂ ਕਰਨ ਦੇ ਤਜਰਬੇ ਨੂੰ ਪੇਸ਼ ਕਰਕੇ ਅਜਿਹੇ ਮਾਡਲ ਦੀ ਇੱਕ ਠੋਸ ਪ੍ਰਾਪਤੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ. ਸਾਡੇ ਸੰਦਰਭ-ਜਾਗਰੂਕ ਸੁਰੱਖਿਆ ਸੇਵਾਵਾਂ ਰਾਹੀਂ, ਸਾਡਾ ਸਿਸਟਮ ਆਰਕੀਟੈਕਚਰ ਵਧੀਆਂ ਪ੍ਰਮਾਣਿਕਤਾ ਸੇਵਾਵਾਂ, ਵਧੇਰੇ ਲਚਕਦਾਰ ਪਹੁੰਚ ਨਿਯੰਤਰਣ ਅਤੇ ਇੱਕ ਸੁਰੱਖਿਆ ਉਪ-ਪ੍ਰਣਾਲੀ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ ਜੋ ਵਾਤਾਵਰਣ ਵਿੱਚ ਮੌਜੂਦਾ ਹਾਲਤਾਂ ਦੇ ਅਧਾਰ ਤੇ ਆਪਣੇ ਆਪ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾ ਸਕਦਾ ਹੈ। ਅਸੀਂ ਆਪਣੇ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਲਾਗੂਕਰਨ ਬਾਰੇ ਚਰਚਾ ਕਰਦੇ ਹਾਂ ਅਤੇ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ ਇਸ ਨੂੰ ਕਈ ਨਮੂਨੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਲਈ ਕਿਵੇਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। |
4b814e9d09ff72279030960df5718041b8c1b50c | |
586407b38cc3bb0560ff9941a89f3402e34ee08b | ਇਸ ਪੇਪਰ ਵਿੱਚ ਕਾਰੋਬਾਰੀ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਦੀ ਧਾਰਨਾ ਬਾਰੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ। ਕਾਰੋਬਾਰੀ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਕਾਰੋਬਾਰੀ ਖੋਜ ਦੇ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਮੁਕਾਬਲਤਨ ਨਵੀਂ ਧਾਰਨਾ ਹੈ, ਅਤੇ ਇਸ ਨੂੰ ਸਥਾਪਤ ਕਰਨ ਲਈ ਅਜੇ ਵੀ ਬਹੁਤ ਸਾਰਾ ਕੰਮ ਕਰਨਾ ਬਾਕੀ ਹੈ। ਪਹਿਲਾਂ ਵਿਸ਼ੇ ਨੂੰ ਇੱਕ ਜੀਵ-ਵਿਗਿਆਨਕ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਦੀ ਜਾਂਚ ਕਰਕੇ ਪਹੁੰਚਿਆ ਜਾਂਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਕਿਵੇਂ ਜੀਵ-ਵਿਗਿਆਨਕ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਪਰਿਭਾਸ਼ਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਉਹ ਕਿਵੇਂ ਵਿਕਸਤ ਹੁੰਦੇ ਹਨ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਕਿਵੇਂ ਸ਼੍ਰੇਣੀਬੱਧ ਅਤੇ structਾਂਚਾਗਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ. ਦੂਜਾ, ਜੈਵਿਕ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਦੀਆਂ ਵੱਖੋ ਵੱਖਰੀਆਂ ਸਮਾਨਤਾਵਾਂ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਉਦਯੋਗਿਕ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ, ਇੱਕ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਦੇ ਰੂਪ ਵਿੱਚ ਆਰਥਿਕਤਾ, ਡਿਜੀਟਲ ਵਪਾਰਕ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਅਤੇ ਸਮਾਜਿਕ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਸ਼ਾਮਲ ਹਨ। ਤੀਜਾ, ਕਾਰੋਬਾਰੀ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਦੀ ਧਾਰਨਾ ਨੂੰ ਮੁੱਖ ਯੋਗਦਾਨ ਪਾਉਣ ਵਾਲਿਆਂ ਦੇ ਵਿਚਾਰਾਂ ਦੀ ਚਰਚਾ ਕਰਕੇ ਅਤੇ ਫਿਰ ਲੇਖਕਾਂ ਦੀ ਆਪਣੀ ਪਰਿਭਾਸ਼ਾ ਨੂੰ ਬਾਹਰ ਲਿਆ ਕੇ ਦੱਸਿਆ ਗਿਆ ਹੈ। ਚੌਥਾ, ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਵਿੱਚ ਗੁੰਝਲਦਾਰਤਾ ਦਾ ਉਭਰਦਾ ਖੋਜ ਖੇਤਰ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਕਾਰੋਬਾਰੀ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਗੁੰਝਲਦਾਰ, ਅਨੁਕੂਲ ਪ੍ਰਣਾਲੀਆਂ ਵਜੋਂ ਵਿਚਾਰਨ ਲਈ ਲੇਖਕਾਂ ਦੇ ਰਵੱਈਏ ਕਾਰਨ ਸਾਹਮਣੇ ਆਇਆ ਹੈ। ਕਾਰੋਬਾਰੀ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਦਿਖਾਈ ਦੇਣ ਵਾਲੇ ਫੋਕਲ ਕੰਪਲੈਕਸਿਟੀ ਪਹਿਲੂ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਹਨ; ਉਹ ਸਵੈ-ਸੰਗਠਨ, ਉਭਰਨ, ਸਹਿ-ਵਿਕਾਸ ਅਤੇ ਅਨੁਕੂਲਤਾ ਹਨ। ਕਾਰੋਬਾਰੀ ਵਾਤਾਵਰਣ ਦੀ ਧਾਰਨਾ ਨੂੰ ਗੁੰਝਲਦਾਰਤਾ ਖੋਜ ਨਾਲ ਜੋੜ ਕੇ, ਬਦਲਦੇ ਕਾਰੋਬਾਰੀ ਵਾਤਾਵਰਣ ਵਿੱਚ ਨਵੀਂ ਸਮਝ ਲਿਆਉਣਾ ਸੰਭਵ ਹੈ। |
08c2649dee7ba1ab46106425a854ca3af869c2f0 | ਵਿਆਪਕ ਧਾਰਨਾ ਦੇ ਉਲਟ, ਡਾਇਨਾਮਿਕ ਰੈਮ (DRAM), ਜ਼ਿਆਦਾਤਰ ਆਧੁਨਿਕ ਕੰਪਿਊਟਰਾਂ ਦੀ ਮੁੱਖ ਮੈਮੋਰੀ, ਕਮਰੇ ਦੇ ਤਾਪਮਾਨ ਤੇ ਅਤੇ ਭਾਵੇਂ ਮਦਰਬੋਰਡ ਤੋਂ ਹਟਾਏ ਜਾਣ ਦੇ ਬਾਵਜੂਦ, ਪਾਵਰ ਖਤਮ ਹੋਣ ਤੋਂ ਬਾਅਦ ਕਈ ਸਕਿੰਟਾਂ ਲਈ ਇਸਦੀ ਸਮੱਗਰੀ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਦੀ ਹੈ। ਹਾਲਾਂਕਿ ਡ੍ਰੈਮ ਘੱਟ ਭਰੋਸੇਯੋਗ ਹੋ ਜਾਂਦੀ ਹੈ ਜਦੋਂ ਇਸ ਨੂੰ ਤਾਜ਼ਾ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ, ਇਹ ਤੁਰੰਤ ਨਹੀਂ ਮਿਟਾਇਆ ਜਾਂਦਾ, ਅਤੇ ਇਸਦੀ ਸਮੱਗਰੀ ਖਤਰਨਾਕ (ਜਾਂ ਫੋਰੈਂਸਿਕ) ਵਰਤੋਂ ਯੋਗ ਪੂਰੇ ਸਿਸਟਮ ਮੈਮੋਰੀ ਚਿੱਤਰਾਂ ਦੇ ਪ੍ਰਾਪਤੀ ਲਈ ਕਾਫ਼ੀ ਰਹਿੰਦੀ ਹੈ. ਅਸੀਂ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ ਇਹ ਵਰਤਾਰਾ ਇੱਕ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਦੀ ਯੋਗਤਾ ਨੂੰ ਸੀਮਿਤ ਕਰਦਾ ਹੈ ਜੋ ਇੱਕ ਮਸ਼ੀਨ ਤੱਕ ਸਰੀਰਕ ਪਹੁੰਚ ਵਾਲੇ ਹਮਲਾਵਰ ਤੋਂ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਕੁੰਜੀ ਸਮੱਗਰੀ ਦੀ ਰੱਖਿਆ ਕਰਦਾ ਹੈ। ਇਹ ਲੈਪਟਾਪ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਇੱਕ ਖਾਸ ਖ਼ਤਰਾ ਹੈ ਜੋ ਡਿਸਕ ਐਨਕ੍ਰਿਪਸ਼ਨ ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ: ਅਸੀਂ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ ਇਸਦੀ ਵਰਤੋਂ ਬਿਨਾਂ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ ਉਪਕਰਣਾਂ ਜਾਂ ਸਮੱਗਰੀ ਦੀ ਜ਼ਰੂਰਤ ਦੇ ਕਈ ਪ੍ਰਸਿੱਧ ਡਿਸਕ ਐਨਕ੍ਰਿਪਸ਼ਨ ਉਤਪਾਦਾਂ ਨੂੰ ਸਮਝੌਤਾ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਅਸੀਂ ਪ੍ਰਯੋਗਾਤਮਕ ਤੌਰ ਤੇ ਮੈਮੋਰੀ ਰਿਟੈਂਸ਼ਨ ਦੀ ਹੱਦ ਅਤੇ ਅਨੁਮਾਨਯੋਗਤਾ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਾਂ ਅਤੇ ਰਿਪੋਰਟ ਕਰਦੇ ਹਾਂ ਕਿ ਸਧਾਰਣ ਠੰਢਾ ਕਰਨ ਦੀਆਂ ਤਕਨੀਕਾਂ ਨਾਲ ਰਮੈਨੈਂਸ ਦੇ ਸਮੇਂ ਨੂੰ ਨਾਟਕੀ ਰੂਪ ਵਿੱਚ ਵਧਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਅਸੀਂ ਮੈਮੋਰੀ ਚਿੱਤਰਾਂ ਵਿੱਚ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਕੁੰਜੀਆਂ ਲੱਭਣ ਅਤੇ ਬਿੱਟ ਵਿਗਾੜ ਕਾਰਨ ਹੋਈਆਂ ਗਲਤੀਆਂ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਨਵੇਂ ਐਲਗੋਰਿਥਮ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ। ਹਾਲਾਂਕਿ ਅਸੀਂ ਇਨ੍ਹਾਂ ਜੋਖਮਾਂ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਕਈ ਰਣਨੀਤੀਆਂ ਬਾਰੇ ਚਰਚਾ ਕਰਦੇ ਹਾਂ, ਪਰ ਅਸੀਂ ਕੋਈ ਅਜਿਹਾ ਸੌਖਾ ਉਪਾਅ ਨਹੀਂ ਜਾਣਦੇ ਜੋ ਇਨ੍ਹਾਂ ਨੂੰ ਖਤਮ ਕਰ ਦੇਵੇ। |
05ba00812bbbe15be83418df6657f74edf76f727 | ਪਿਛਲੇ ਦਹਾਕੇ ਦੌਰਾਨ ਐਕਸ਼ਨ ਰੀਕੋਨੋਇਸ਼ਨ ਨੂੰ ਵੱਧ ਧਿਆਨ ਮਿਲਿਆ ਹੈ। ਵਿਡੀਓਜ਼ ਨੂੰ ਏਨਕੋਡ ਕਰਨ ਲਈ ਵੱਖ-ਵੱਖ ਪਹੁੰਚਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ ਗਿਆ ਹੈ ਜਿਸ ਵਿੱਚ ਕਾਰਵਾਈਆਂ ਸ਼ਾਮਲ ਹਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਸਵੈ-ਉਪਸਾਰੀ ਮੈਟ੍ਰਿਕਸ (ਐਸਐਸਐਮ) ਨੇ ਵੀਡੀਓ ਦੀ ਗਤੀਸ਼ੀਲਤਾ ਨੂੰ ਏਨਕੋਡ ਕਰਕੇ ਬਹੁਤ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਦਿਖਾਇਆ ਹੈ। ਹਾਲਾਂਕਿ, ਜਦੋਂ ਬਹੁਤ ਵੱਡਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਬਦਲਦਾ ਹੈ ਤਾਂ ਐਸਐਸਐਮ ਸੰਵੇਦਨਸ਼ੀਲ ਹੋ ਜਾਂਦੇ ਹਨ। ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਸਪਾਰਸ ਕੋਡ ਫਿਲਟਰਿੰਗ (ਐਸਸੀਐਫ) ਫਰੇਮਵਰਕ ਦਾ ਪ੍ਰਸਤਾਵ ਦੇ ਕੇ ਮਲਟੀ-ਵਿਊ ਐਕਸ਼ਨ ਰੀਕੋਗਨੀਸ਼ਨ ਸਮੱਸਿਆ ਨਾਲ ਨਜਿੱਠਦੇ ਹਾਂ ਜੋ ਐਕਸ਼ਨ ਪੈਟਰਨ ਨੂੰ ਮਾਈਨ ਕਰ ਸਕਦਾ ਹੈ। ਪਹਿਲਾਂ, ਇੱਕ ਕਲਾਸ-ਵਿਸ਼ਾਲ ਵਿਲੱਖਣ ਕੋਡਿੰਗ ਵਿਧੀ ਪ੍ਰਸਤਾਵਿਤ ਹੈ ਤਾਂ ਜੋ ਅੰਤਰ-ਕਲਾਸ ਡੇਟਾ ਦੇ ਵਿਲੱਖਣ ਕੋਡ ਨੇੜੇ ਹੋਣ. ਫਿਰ ਅਸੀਂ ਵਰਗੀਕਰਤਾਵਾਂ ਅਤੇ ਕਲਾਸ-ਵਿਸ਼ੇ ਅਨੁਸਾਰ ਸਪਾਰਸ ਕੋਡਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਇੱਕ ਸਹਿਯੋਗੀ ਫਿਲਟਰਿੰਗ (ਸੀ.ਐਫ.) ਫਰੇਮਵਰਕ ਵਿੱਚ ਜੋੜਦੇ ਹਾਂ ਤਾਂ ਜੋ ਵਿਤਕਰੇ ਵਾਲੇ ਸਪਾਰਸ ਕੋਡਾਂ ਅਤੇ ਵਰਗੀਕਰਤਾਵਾਂ ਨੂੰ ਸਾਂਝੇ ਤੌਰ ਤੇ ਖਣਨ ਲਈ. ਕਈ ਜਨਤਕ ਮਲਟੀ-ਵਿਊ ਐਕਸ਼ਨ ਰੀਕੋਨਾਈਜ਼ੇਸ਼ਨ ਡੇਟਾ ਸੈੱਟਾਂ ਤੇ ਪ੍ਰਯੋਗਾਤਮਕ ਨਤੀਜੇ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਐਸਸੀਐਫ ਫਰੇਮਵਰਕ ਹੋਰ ਅਤਿ-ਆਧੁਨਿਕ ਤਰੀਕਿਆਂ ਤੋਂ ਵਧੀਆ ਹੈ। |
c956b29a133673c32586c7736d12c606f2d59a21 | |
f36ef0d3e8d3abc1f30abc06603471c9aa1cc0d7 | |
9c573daa179718f6c362f296f123e8ea2a775082 | ਅਸੀਂ ਇੱਕ ਸਧਾਰਨ ਅਤੇ ਕੁਸ਼ਲ ਪ੍ਰਕਿਰਿਆ ਵਿਕਸਿਤ ਕੀਤੀ ਹੈ ਜੋ ਕਿ ਦੋ-ਪਾਸੀ ਸ਼ਕਤੀ ਵੰਡਣ ਵਾਲੇ ਬਰਾਬਰ ਅਤੇ ਅਸਮਾਨ ਦੋ-ਪਾਸੀ ਸ਼ਕਤੀ ਵੰਡਣ ਵਾਲੇ ਲਈ ਐੱਚ-ਪਲੇਨ ਆਇਤਾਕਾਰ ਵੇਵਗਾਈਡ ਟੀ-ਜੰਕਸ਼ਨ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਹੈ। ਇਹ ਸੰਸਲੇਸ਼ਣ ਪ੍ਰਕਿਰਿਆ ਸਕੇਲੇਬਲ ਹੈ, ਨਿਰਮਾਣ ਯੋਗ ਬਣਤਰਾਂ ਨੂੰ ਬਣਾਉਂਦੀ ਹੈ, ਕਿਸੇ ਵੀ ਮਨਮਰਜ਼ੀ ਨਾਲ ਬਿਜਲੀ ਵੰਡ-ਅਨੁਪਾਤ ਲਈ ਲਾਗੂ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਵਿਆਪਕ ਬੈਂਡ ਓਪਰੇਸ਼ਨ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰ ਸਕਦੀ ਹੈ। ਸਾਡੇ ਲਾਗੂਕਰਨ ਵਿੱਚ, ਅਸੀਂ ਵਧੇਰੇ ਡਿਗਰੀ ਦੀ ਆਜ਼ਾਦੀ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ, ਟਾਈ-ਜੰਕਸ਼ਨ ਦਾ ਇੱਕ ਅਨਿੱਖੜਵਾਂ ਹਿੱਸਾ ਹੋਣ ਦੇ ਨਾਤੇ, ਕਾਇਲਾਂ ਅਤੇ ਇੰਡਕਟੀਵ ਵਿੰਡੋਜ਼ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਇਸ ਤਰ੍ਹਾਂ, ਇੰਪੁੱਟ ਪੋਰਟ ਤੇ ਸ਼ਾਨਦਾਰ ਮੈਚ, ਬਰਾਬਰ ਪੜਾਅ ਦੇ ਨਾਲ ਬੈਂਡ ਉੱਤੇ ਫਲੈਟ ਪਾਵਰ-ਸਪਲਿਟ ਅਨੁਪਾਤ, ਜਿੱਥੇ ਪੜਾਅ ਸੰਤੁਲਨ ਵੱਖ-ਵੱਖ ਐਂਟੀਨਾ ਫੀਡਾਂ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। |
640eccc55eeb23f561efcb32ca97d445624cf326 | ਵਾਇਰਲੈੱਸ ਸੈਂਸਰ ਨੈਟਵਰਕ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਅਸਲ ਸੰਸਾਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਤਾਇਨਾਤ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ ਜੋ ਊਰਜਾ ਦੀ ਨਿਗਰਾਨੀ ਤੋਂ ਲੈ ਕੇ ਪਾਣੀ ਦੇ ਪੱਧਰ ਦੀ ਮਾਪ ਤੱਕ ਹੈ। ਮੌਜੂਦਾ ਨੈਟਵਰਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨਾਲ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਜੁੜਨ ਲਈ, ਉਹਨਾਂ ਨੂੰ ਆਈਪੀਵੀ6 ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸੰਚਾਰ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਆਈਪੀਵੀ6-ਅਧਾਰਿਤ ਸੈਂਸਰ ਨੈਟਵਰਕ ਵਿੱਚ ਰੂਟਿੰਗ ਲਈ ਮੌਜੂਦਾ ਡੀ-ਫੈਕਟੋ ਸਟੈਂਡਰਡ ਸਭ ਤੋਂ ਛੋਟਾ ਮਾਰਗ-ਅਧਾਰਿਤ ਆਰਪੀਐਲ ਹੈ, ਜੋ ਆਈਈਟੀਐਫ 6 ਲੋਵਪੈਨ ਵਰਕਿੰਗ ਗਰੁੱਪ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਪੇਪਰ ਬੈਕਆਈਪੀ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ, ਜੋ ਆਈਪੀਵੀ6-ਅਧਾਰਿਤ ਵਾਇਰਲੈੱਸ ਸੈਂਸਰ ਨੈਟਵਰਕ ਵਿੱਚ ਡਾਟਾ ਇਕੱਤਰ ਕਰਨ ਲਈ ਇੱਕ ਵਿਕਲਪਕ ਰੂਟਿੰਗ ਪ੍ਰੋਟੋਕੋਲ ਹੈ ਜੋ ਕਿ ਬੈਕਪ੍ਰੈਸ਼ਰ ਪੈਰਾਡਾਈਮ ਤੇ ਅਧਾਰਤ ਹੈ। ਬੈਕਪ੍ਰੈਸ਼ਰ ਅਧਾਰਤ ਪ੍ਰੋਟੋਕੋਲ ਵਿੱਚ, ਨੋਡਾਂ ਦੁਆਰਾ ਮੌਜੂਦਾ ਸਥਾਨਕ ਤੌਰ ਤੇ ਵੇਖੀ ਗਈ ਸਥਿਤੀ ਦੇ ਅਧਾਰ ਤੇ ਪ੍ਰਤੀ-ਪੈਕੇਟ ਅਧਾਰ ਤੇ ਰੂਟਿੰਗ ਫੈਸਲੇ ਫਲਾਈ ਤੇ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ, ਅਤੇ ਪਿਛਲੇ ਕੰਮ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਉਹ ਸਭ ਤੋਂ ਛੋਟੇ ਮਾਰਗ ਦੇ ਰੂਟਿੰਗ ਪ੍ਰੋਟੋਕੋਲ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਗਤੀਸ਼ੀਲ ਹਾਲਤਾਂ ਲਈ ਉੱਤਮ ਥ੍ਰੂਪੁੱਟ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਜਵਾਬਦੇਹਤਾ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰ ਸਕਦੇ ਹਨ। ਅਸੀਂ ਕਈ ਡਿਜ਼ਾਇਨ ਫੈਸਲਿਆਂ ਬਾਰੇ ਚਰਚਾ ਕਰਦੇ ਹਾਂ ਜੋ ਆਈਪੀਵੀ 6 ਨਾਲ ਸਕੇਲੇਬਲ ਅਤੇ ਕੁਸ਼ਲ ਤਰੀਕੇ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਬੈਕਪ੍ਰੈਸ਼ਰ ਰੂਟਿੰਗ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਹਨ। ਅਸੀਂ ਇਸ ਪ੍ਰੋਟੋਕੋਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹਾਂ ਅਤੇ ਟਾਇਨੀਓਸ-ਅਧਾਰਤ ਅਸਲ ਵਾਇਰਲੈੱਸ ਸੈਂਸਰ ਨੈਟਵਰਕ ਟੈਸਟਬੈੱਡ ਤੇ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹਾਂ। |
053912e76e50c9f923a1fc1c173f1365776060cc | ਡੂੰਘੀ ਸਿਖਲਾਈ ਦੀ ਸਿਖਲਾਈ ਵਿੱਚ ਪ੍ਰਮੁੱਖ ਵਿਧੀ ਸਟੋਚੈਸਟਿਕ ਗਰੇਡੀਐਂਟ ਡੈਸੈਂਟ ਵਿਧੀਆਂ (ਐਸਜੀਡੀਜ਼) ਦੀ ਵਰਤੋਂ ਦੀ ਵਕਾਲਤ ਕਰਦੀ ਹੈ। ਲਾਗੂ ਕਰਨ ਦੀ ਸੌਖ ਦੇ ਬਾਵਜੂਦ, ਐਸਜੀਡੀਜ਼ ਨੂੰ ਟਿਊਨ ਅਤੇ ਪੈਰਲਲ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ। ਇਹ ਸਮੱਸਿਆਵਾਂ ਐਸਜੀਡੀਜ਼ ਨਾਲ ਡੂੰਘੀ ਸਿਖਲਾਈ ਐਲਗੋਰਿਥਮ ਨੂੰ ਵਿਕਸਤ ਕਰਨ, ਡੀਬੱਗ ਕਰਨ ਅਤੇ ਸਕੇਲ ਕਰਨ ਲਈ ਚੁਣੌਤੀਪੂਰਨ ਬਣਾਉਂਦੀਆਂ ਹਨ। ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ ਵਧੇਰੇ ਸੂਝਵਾਨ ਆਫ-ਦਿ-ਸ਼ੈਲਫ ਅਨੁਕੂਲਤਾ ਵਿਧੀਆਂ ਜਿਵੇਂ ਕਿ ਸੀਮਤ ਮੈਮੋਰੀ ਬੀਐਫਜੀਐਸ (ਐਲ-ਬੀਐਫਜੀਐਸ) ਅਤੇ ਲਾਈਨ ਸਰਚ ਦੇ ਨਾਲ ਕਨਜੁਗੇਟ ਗਰੇਡੀਐਂਟ (ਸੀਜੀ) ਡੂੰਘੀ ਐਲਗੋਰਿਦਮ ਦੀ ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਮਹੱਤਵਪੂਰਣ ਰੂਪ ਵਿੱਚ ਸਰਲ ਅਤੇ ਤੇਜ਼ ਕਰ ਸਕਦੇ ਹਨ. ਸਾਡੇ ਪ੍ਰਯੋਗਾਂ ਵਿੱਚ, LBFGS/CG ਅਤੇ SGDs ਵਿਚਕਾਰ ਅੰਤਰ ਵਧੇਰੇ ਸਪੱਸ਼ਟ ਹੁੰਦਾ ਹੈ ਜੇ ਅਸੀਂ ਐਲਗੋਰਿਦਮਿਕ ਐਕਸਟੈਂਸ਼ਨਾਂ (ਜਿਵੇਂ ਕਿ, ਸਪਾਰਸਟੀ ਰੈਗੂਲਰਾਈਜ਼ੇਸ਼ਨ) ਅਤੇ ਹਾਰਡਵੇਅਰ ਐਕਸਟੈਂਸ਼ਨਾਂ (ਜਿਵੇਂ ਕਿ, GPU ਜਾਂ ਕੰਪਿਊਟਰ ਕਲੱਸਟਰ) ਤੇ ਵਿਚਾਰ ਕਰਦੇ ਹਾਂ। ਵੰਡੇ ਹੋਏ ਅਨੁਕੂਲਤਾ ਦੇ ਨਾਲ ਸਾਡੇ ਪ੍ਰਯੋਗ ਸਥਾਨਕ ਤੌਰ ਤੇ ਜੁੜੇ ਨੈਟਵਰਕ ਅਤੇ ਕਨਵੋਲੂਸ਼ਨਲ ਨਯੂਰਲ ਨੈਟਵਰਕ ਦੇ ਨਾਲ ਐਲ-ਬੀਐਫਜੀਐਸ ਦੀ ਵਰਤੋਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ. L-BFGS ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਸਾਡਾ ਕਨਵੋਲੂਸ਼ਨਲ ਨੈਟਵਰਕ ਮਾਡਲ ਸਟੈਂਡਰਡ MNIST ਡੇਟਾ ਸੈਟ ਤੇ 0.69% ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਇਹ ਐਮਐਨਆਈਐਸਟੀ ਤੇ ਐਲਗੋਰਿਥਮ ਦੇ ਵਿੱਚ ਇੱਕ ਅਤਿ-ਆਧੁਨਿਕ ਨਤੀਜਾ ਹੈ ਜੋ ਵਿਗਾੜ ਜਾਂ ਪ੍ਰੀਟ੍ਰੇਨਿੰਗ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦੇ. |
cabcfc0c8704fa15fa8212a6f8944a249d5dcfa9 | ਇਸ ਪੇਪਰ ਵਿੱਚ, ਇੱਕ ਨਵਾਂ ਮਿੰਨੀਯੁਰਾਈਜ਼ਡ ਡਬਲ-ਸਾਈਡ ਪ੍ਰਿੰਟਿਡ ਡਿਪੋਲ ਐਂਟੀਨਾ ਮੈਟਾ ਮੈਟੀਰੀਅਲ ਢਾਂਚੇ ਦੇ ਰੂਪ ਵਿੱਚ ਸੰਤੁਲਿਤ ਕੈਪਸੀਟਿਵ ਲੋਡਡ ਲੂਪਸ (ਸੀਐਲਐਲ) ਨਾਲ ਲੋਡ ਕੀਤਾ ਗਿਆ ਹੈ। ਛਾਪੇ ਹੋਏ ਐਂਟੀਨਾ ਦੇ ਕਿਨਾਰੇ ਦੇ ਨੇੜੇ ਰੱਖੇ ਗਏ ਸੀਐਲਐਲ ਕਾਰਨ ਐਂਟੀਨਾ ਦੋ ਵੱਖ-ਵੱਖ ਬਾਰੰਬਾਰਤਾਵਾਂ ਤੇ ਰੇਡੀਏਟ ਕਰਦੀ ਹੈ, ਜਿਨ੍ਹਾਂ ਵਿਚੋਂ ਇਕ ਡਾਇਪੋਲ ਐਂਟੀਨਾ ਦੀ ਸਵੈ-ਪ੍ਰਤੀਕ੍ਰਿਆ ਬਾਰੰਬਾਰਤਾ ਤੋਂ ਘੱਟ ਹੈ. ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਲੋਡਡ ਡਾਇਪੋਲ ਐਂਟੀਨਾ ਘੱਟ ਬਾਰੰਬਾਰਤਾ ਤੇ ਕੰਮ ਕਰ ਸਕਦੀ ਹੈ ਜਦੋਂ ਕਿ ਅੱਧੇ ਵੇਵ ਲੰਬਾਈ ਡਾਇਪੋਲ ਦੀ ਕੁਦਰਤੀ ਗੂੰਜ ਦੀ ਬਾਰੰਬਾਰਤਾ ਦੀ ਤੁਲਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅੰਤ ਵਿੱਚ, ਸੀਐਲਐਲ ਤੱਤ ਨੂੰ ਇੱਕ ਵੱਡਾ ਸਮਰੱਥਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਚਿੱਪ ਕੈਪਸੀਟਰ ਨਾਲ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ ਜੋ ਬਦਲੇ ਵਿੱਚ ਨਤੀਜੇ ਵਜੋਂ ਸੀਐਲਐਲ ਤੱਤ ਨੂੰ ਇੱਕ ਘੱਟ ਬਾਰੰਬਾਰਤਾ ਤੇ ਗੂੰਜਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਹ ਦਰਸਾਇਆ ਗਿਆ ਹੈ ਕਿ ਪ੍ਰਸਤਾਵਿਤ ਲੋਡਡ ਡਾਇਪੋਲ ਐਂਟੀਨਾ ਇੱਕ ਡੁਅਲ ਬੈਂਡ ਰੇਡੀਏਟਰ ਹੈ ਜਿਸ ਵਿੱਚ ਮੋਬਾਈਲ ਸੰਚਾਰ ਅਤੇ ਉਦਯੋਗਿਕ, ਵਿਗਿਆਨਕ ਅਤੇ ਮੈਡੀਕਲ (ਆਈਐਸਐਮ) ਪ੍ਰਣਾਲੀ ਵਰਗੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਢੁਕਵਾਂ ਲਾਭ ਹੈ। ਮਿੰਨੀਅਟਾਈਜ਼ਡ ਡਬਲ ਰੈਸੋਨੈਂਟ ਡਿਪੋਲ ਐਂਟੀਨਾ ਦਾ ਪ੍ਰੋਟੋਟਾਈਪ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਅਤੇ ਟੈਸਟ ਕੀਤਾ ਗਿਆ। ਮਾਪੇ ਗਏ ਨਤੀਜੇ ਸਿਮੂਲੇਸ਼ਨ ਤੋਂ ਪ੍ਰਾਪਤ ਨਤੀਜਿਆਂ ਨਾਲ ਚੰਗੀ ਤਰ੍ਹਾਂ ਇਕਰਾਰ ਕਰਦੇ ਹਨ। |
2671bf82168234a25fce7950e0527eb03b201e0c | ਪੈਨ ਵਾਲ ਸਟ੍ਰੀਟ ਜਰਨਲ (ਡਬਲਯੂਐਸਜੇ) ਦੇ ਟ੍ਰੀਬੈਂਕ ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਅਤੇ ਟੈਸਟ ਕੀਤੇ ਗਏ ਅੰਕੜਾ ਪਾਰਸਰਜ਼ ਨੇ ਪਿਛਲੇ 10 ਸਾਲਾਂ ਦੌਰਾਨ ਬਹੁਤ ਸੁਧਾਰ ਦਿਖਾਇਆ ਹੈ। ਹਾਲਾਂਕਿ, ਇਸ ਸੁਧਾਰ ਦਾ ਬਹੁਤ ਸਾਰਾ ਹਿੱਸਾ ਡਬਲਯੂਐਸਜੇ ਟ੍ਰੀਬੈਂਕ ਡੇਟਾ ਤੇ ਸਿਖਲਾਈ ਦੇਣ ਵਾਲੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਲਗਾਤਾਰ ਵਧ ਰਹੀ ਗਿਣਤੀ ਤੇ ਅਧਾਰਤ ਹੈ। ਇਸ ਨਾਲ ਚਿੰਤਾ ਪੈਦਾ ਹੋਈ ਹੈ ਕਿ ਅਜਿਹੇ ਪਾਰਸਰਾਂ ਨੂੰ ਹੋਰ ਸ਼ੈਲੀਆਂ ਵਿੱਚ ਪੋਰਟੇਬਿਲਟੀ ਦੀ ਕੀਮਤ ਤੇ ਇਸ ਕੋਰਸ ਦੇ ਨਾਲ ਬਹੁਤ ਵਧੀਆ ਢੰਗ ਨਾਲ ਟਿਊਨ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਚਿੰਤਾ ਕਰਨ ਦੀ ਕੋਈ ਵਜ੍ਹਾ ਨਹੀਂ ਸਟੈਂਡਰਡ ਚਾਰਨੀਆਕ ਪਾਰਸਰ ਪੈਨ ਡਬਲਯੂਐਸਜੇ ਟੈਸਟ ਸੈੱਟ ਤੇ 89.7% ਦੀ ਲੇਬਲਡ ਪ੍ਰੀਕਸੀ ਰੀਕਾਲ f-ਮਾਪ ਤੇ ਚੈਕ ਇਨ ਕਰਦਾ ਹੈ, ਪਰ ਬ੍ਰਾਉਨ ਟ੍ਰੀਬੈਂਕ ਕੋਰਪਸ ਤੋਂ ਟੈਸਟ ਸੈੱਟ ਤੇ ਸਿਰਫ 82.9% ਹੈ। ਇਹ ਕਾਗਜ਼ ਇਨ੍ਹਾਂ ਡਰਾਂ ਨੂੰ ਦੂਰ ਕਰੇਗਾ। ਵਿਸ਼ੇਸ਼ ਤੌਰ ਤੇ, ਅਸੀਂ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ Charniak and Johnson (2005) ਵਿੱਚ ਵਰਣਿਤ ਕੀਤੇ ਗਏ ਰੀਰੈਂਕਿੰਗ ਪਾਰਸਰ ਨੇ ਬ੍ਰਾਊਨ ਉੱਤੇ ਪਾਰਸਰ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ 85.2% ਤੱਕ ਸੁਧਾਰਿਆ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, (ਮੈਕਲੋਸਕੀ ਐਟ ਅਲ., 2006) ਵਿਚ ਵਰਣਿਤ ਸਵੈ-ਸਿਖਲਾਈ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਇਸ ਨੂੰ 87.8% (ਇੱਕ ਗਲਤੀ ਵਿੱਚ ਕਮੀ 28%) ਨੂੰ ਲੈਬਲ ਕੀਤੇ ਬ੍ਰਾਉਨ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕੀਤੇ ਬਿਨਾਂ ਦੁਬਾਰਾ ਵਧਾਉਂਦੀ ਹੈ. ਇਹ ਕਮਾਲ ਦੀ ਗੱਲ ਹੈ ਕਿਉਂਕਿ ਲੇਬਲ ਵਾਲੇ ਬ੍ਰਾਉਨ ਡੇਟਾ ਤੇ ਪਾਰਸਰ ਅਤੇ ਰੀਰੈਂਕਰ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਨਾਲ ਸਿਰਫ 88.4% ਪ੍ਰਾਪਤ ਹੁੰਦਾ ਹੈ. |
d4e974d68c36de92609fcffaa3ee11bbcbc9eb57 | |
13d09bcec49d2f0c76194f88b59520e6d20e7a34 | ਅਪਰਾਧਿਕ ਸਥਾਨਾਂ ਤੋਂ ਲਏ ਗਏ ਅਣਜਾਣ ਛੁਪੇ ਫਿੰਗਰਪ੍ਰਿੰਟਸ ਨੂੰ ਕਾਨੂੰਨ ਲਾਗੂ ਕਰਨ ਵਾਲੇ ਡੇਟਾਬੇਸ ਵਿੱਚ ਪੂਰੇ (ਰੋਲਡ ਜਾਂ ਪਲੇਨ) ਫਿੰਗਰਪ੍ਰਿੰਟਸ ਨਾਲ ਮੇਲ ਕਰਨਾ ਅਪਰਾਧ ਅਤੇ ਅੱਤਵਾਦ ਵਿਰੁੱਧ ਲੜਨ ਲਈ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਦਾਖਲੇ ਦੌਰਾਨ ਲਾਈਵ-ਸਕੈਨ ਜਾਂ ਸਿਆਹੀ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਗਏ ਚੰਗੀ ਕੁਆਲਟੀ ਦੇ ਪੂਰੇ ਫਿੰਗਰਪ੍ਰਿੰਟਸ ਦੀ ਤੁਲਨਾ ਵਿੱਚ, ਲੁਕਵੇਂ ਫਿੰਗਰਪ੍ਰਿੰਟਸ ਅਕਸਰ ਧੁੰਦਲੇ ਅਤੇ ਧੁੰਦਲੇ ਹੁੰਦੇ ਹਨ, ਸਿਰਫ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਉਂਗਲੀ ਖੇਤਰ ਨੂੰ ਹਾਸਲ ਕਰਦੇ ਹਨ, ਅਤੇ ਵੱਡੇ ਗੈਰ-ਰੁਖਵੀਂ ਵਿਗਾੜ ਹੁੰਦੇ ਹਨ। ਇਸ ਕਾਰਨ ਕਰਕੇ, ਲਾਈਟਾਂ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ (ਮਿਨੂਟੀਅਸ ਅਤੇ ਸਿੰਗਲ ਪੁਆਇੰਟ) ਨੂੰ ਆਮ ਤੌਰ ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਲਾਈਟਾਂ ਦੇ ਜਾਂਚਕਰਤਾਵਾਂ ਦੁਆਰਾ ਹੱਥੀਂ ਮਾਰਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਲੁਕਵੇਂ ਜਾਂਚਕਰਤਾਵਾਂ ਅਤੇ ਆਟੋਮੈਟਿਕ ਫਿੰਗਰਪ੍ਰਿੰਟ ਪਛਾਣ ਪ੍ਰਣਾਲੀਆਂ (ਏਐਫਆਈਐਸ) ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਅਣਚਾਹੇ ਅੰਤਰ-ਕਾਰਜਸ਼ੀਲਤਾ ਸਮੱਸਿਆ ਪੇਸ਼ ਕਰਦਾ ਹੈ; ਜਾਂਚਕਰਤਾਵਾਂ ਦੁਆਰਾ ਨਿਸ਼ਾਨਬੱਧ ਕੀਤੇ ਗਏ ਫੀਚਰ ਹਮੇਸ਼ਾ ਏਐਫਆਈਐਸ ਦੁਆਰਾ ਆਟੋਮੈਟਿਕ ਤੌਰ ਤੇ ਕੱractedੇ ਗਏ ਨਾਲ ਅਨੁਕੂਲ ਨਹੀਂ ਹੁੰਦੇ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਮੈਚਿੰਗ ਸ਼ੁੱਧਤਾ ਘੱਟ ਜਾਂਦੀ ਹੈ. ਹਾਲਾਂਕਿ ਲਾਈਟਾਂ ਤੋਂ ਆਟੋਮੈਟਿਕਲੀ ਕੱਢੇ ਗਏ ਮਿੰਨੀਅਸ ਦੀ ਵਰਤੋਂ ਨਾਲ ਆਪਰੇਟਿਬਿਲਟੀ ਸਮੱਸਿਆ ਤੋਂ ਬਚਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਪਰ ਅਜਿਹੇ ਮਿੰਨੀਅਸ ਬਹੁਤ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੁੰਦੇ, ਕਿਉਂਕਿ ਲਾਈਟਾਂ ਦੀ ਮਾੜੀ ਗੁਣਵੱਤਾ ਹੈ। ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਹੱਥੀਂ ਮਾਰਕ ਕੀਤੇ (ਜ਼ਮੀਨੀ ਸੱਚ) ਮਿੰਨੀਅਸ ਨੂੰ ਆਟੋਮੈਟਿਕਲੀ ਕੱਢੇ ਗਏ ਮਿੰਨੀਅਸ ਨਾਲ ਜੋੜ ਕੇ ਫਿੰਗਰਪ੍ਰਿੰਟ ਮੇਲ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੁਧਾਰਦੇ ਹਾਂ. ਇੱਕ ਜਨਤਕ ਡੋਮੇਨ ਡੇਟਾਬੇਸ, ਐਨਆਈਐਸਟੀ ਐਸਡੀ 27 ਤੇ ਪ੍ਰਯੋਗਾਤਮਕ ਨਤੀਜੇ ਪ੍ਰਸਤਾਵਿਤ ਐਲਗੋਰਿਦਮ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। |
a5a268d65ad1e069770c11005021d830754b0b5c | ਇੰਟਰਨੈੱਟ ਆਫ਼ ਥਿੰਗਸ ਇਸ ਸਮੇਂ ਵਿਗਿਆਨਕ ਭਾਈਚਾਰੇ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਦਿਲਚਸਪੀ ਲੈ ਰਿਹਾ ਹੈ। ਅਕਾਦਮਿਕ ਅਤੇ ਉਦਯੋਗ ਦੋਵੇਂ ਹੀ ਵਰਤੋਂਯੋਗਤਾ, ਰੱਖ-ਰਖਾਅ ਅਤੇ ਸੁਰੱਖਿਆ ਨੂੰ ਮਾਨਕੀਕਰਨ ਅਤੇ ਸਰਬੋਤਮ ਅਭਿਆਸਾਂ ਦੇ ਵਿਕਾਸ ਦੁਆਰਾ ਵਧਾਉਣ ਦੇ ਯਤਨਾਂ ਵਿੱਚ ਅੱਗੇ ਵਧਣ ਤੇ ਕੇਂਦ੍ਰਤ ਹਨ। ਅਸੀਂ ਸੁਰੱਖਿਆ ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਦੇ ਹਾਂ ਕਿਉਂਕਿ ਇਸ ਦੇ ਪ੍ਰਭਾਵ ਦੇ ਕਾਰਨ ਵਿਸ਼ਾਲ ਇੰਟਰਨੈਟ ਆਫ਼ ਥਿੰਗਸ ਅਪਣਾਉਣ ਲਈ ਸਭ ਤੋਂ ਸੀਮਤ ਕਾਰਕ ਹਨ। ਸੁਰੱਖਿਆ ਖੇਤਰ ਵਿੱਚ ਖੋਜ ਦੇ ਬਹੁਤ ਸਾਰੇ ਖੇਤਰ ਮੌਜੂਦ ਹਨ, ਜੋ ਕਿ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫੀ ਤੋਂ ਲੈ ਕੇ ਨੈਟਵਰਕ ਸੁਰੱਖਿਆ ਅਤੇ ਪਛਾਣ ਪ੍ਰਬੰਧਨ ਤੱਕ ਹੈ। ਇਹ ਪੇਪਰ ਪਛਾਣ ਪ੍ਰਬੰਧਨ, ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਅਧਿਕਾਰ ਦੇ ਖੇਤਰਾਂ ਵਿੱਚ ਐਪਲੀਕੇਸ਼ਨ ਲੇਅਰ ਤੇ ਇੰਟਰਨੈਟ ਆਫ਼ ਥਿੰਗਸ ਵਾਤਾਵਰਣ ਤੇ ਲਾਗੂ ਮੌਜੂਦਾ ਖੋਜ ਦਾ ਇੱਕ ਸਰਵੇਖਣ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਅਸੀਂ 200 ਤੋਂ ਵੱਧ ਲੇਖਾਂ ਦਾ ਸਰਵੇਖਣ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਾਂ, ਉਹਨਾਂ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਦੇ ਹਾਂ, ਅਤੇ ਇੰਟਰਨੈਟ ਆਫ਼ ਥਿੰਗਸ ਸੁਰੱਖਿਆ ਖੇਤਰ ਵਿੱਚ ਮੌਜੂਦਾ ਰੁਝਾਨਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ। |
81f76e74807e9d04e14065715e46a2d770a6d9cd | |
df26f9822785b07e787d43429ee5fdd2794ac7f8 | ਇਹ ਪੇਪਰ ਆਬਜੈਕਟ ਦੇ ਅਨੁਸਾਰੀ ਸਥਾਨਾਂ ਨੂੰ ਦਰਸਾਉਣ ਵਾਲੇ ਕੋਆਰਡੀਨੇਟ ਫਰੇਮਜ਼ ਦੇ ਵਿਚਕਾਰ ਨਾਮਾਤਰ ਸਬੰਧ ਅਤੇ ਅਨੁਮਾਨਤ ਗਲਤੀ (ਕੋਵਾਰੀਐਂਸ) ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਇੱਕ ਆਮ ਵਿਧੀ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ। ਫਰੇਮ ਸਿਰਫ ਅਸਿੱਧੇ ਤੌਰ ਤੇ ਸਪੇਸ ਸੰਬੰਧਾਂ ਦੀ ਇੱਕ ਲੜੀ ਦੁਆਰਾ ਜਾਣੇ ਜਾ ਸਕਦੇ ਹਨ, ਹਰ ਇੱਕ ਇਸਦੇ ਨਾਲ ਜੁੜੀ ਗਲਤੀ ਨਾਲ, ਵੱਖੋ ਵੱਖਰੇ ਕਾਰਨਾਂ ਕਰਕੇ ਪੈਦਾ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਸਥਿਤੀ ਦੀਆਂ ਗਲਤੀਆਂ, ਮਾਪ ਦੀਆਂ ਗਲਤੀਆਂ ਜਾਂ ਹਿੱਸੇ ਦੇ ਮਾਪ ਵਿੱਚ ਸਹਿਣਸ਼ੀਲਤਾ ਸ਼ਾਮਲ ਹਨ. ਇਸ ਅਨੁਮਾਨ ਵਿਧੀ ਦਾ ਇਸਤੇਮਾਲ ਅਜਿਹੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਕੀ ਇੱਕ ਕੈਮਰਾ ਜੋ ਕਿ ਰੋਬੋਟ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ, ਉਸ ਦੇ ਵਿਜ਼ੂਅਲ ਫੀਲਡ ਵਿੱਚ ਇੱਕ ਖਾਸ ਰੈਫਰੈਂਸ ਆਬਜੈਕਟ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ। ਗਣਿਤ ਕੀਤੇ ਗਏ ਅਨੁਮਾਨ ਇੱਕ ਸੁਤੰਤਰ ਮੋਂਟੇ ਕਾਰਲੋ ਸਿਮੂਲੇਸ਼ਨ ਦੇ ਅਨੁਮਾਨਾਂ ਨਾਲ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਹਿਮਤ ਹਨ। ਇਹ ਵਿਧੀ ਇਹ ਫੈਸਲਾ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ ਕਿ ਕੀ ਕਿਸੇ ਅਨਿਸ਼ਚਿਤ ਸੰਬੰਧ ਨੂੰ ਕਿਸੇ ਕੰਮ ਲਈ ਕਾਫ਼ੀ ਸਹੀ ਢੰਗ ਨਾਲ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ, ਜੇ ਨਹੀਂ, ਤਾਂ ਸਥਾਨਿਕ ਗਿਆਨ ਵਿੱਚ ਕਿੰਨੀ ਤਰੱਕੀ ਦਾ ਪ੍ਰਸਤਾਵਿਤ ਸੈਂਸਰ ਪ੍ਰਦਾਨ ਕਰੇਗਾ। ਪੇਸ਼ ਕੀਤੀ ਗਈ ਵਿਧੀ ਨੂੰ ਛੇ ਡਿਗਰੀ ਦੀ ਆਜ਼ਾਦੀ ਲਈ ਆਮ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਵਸਤੂਆਂ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ (ਸਥਿਤੀ ਅਤੇ ਰੁਝਾਨ) ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੇ ਨਾਲ ਨਾਲ ਸੰਬੰਧਾਂ ਨਾਲ ਜੁੜੀ ਅਨਿਸ਼ਚਿਤਤਾ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦਾ ਇੱਕ ਵਿਹਾਰਕ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ. |
414b0d139d83024d47649ba37c3d11b1165057d6 | ਭਾਰਤ ਖੇਤੀਬਾੜੀ ਅਧਾਰਿਤ ਰਾਸ਼ਟਰ ਹੈ। ਖੇਤੀ ਆਧਾਰਿਤ ਉਤਪਾਦਾਂ ਦੀ ਉਤਪਾਦਕਤਾ ਅਤੇ ਗੁਣਵੱਤਾ ਵਿੱਚ ਸੁਧਾਰ ਲਿਆਉਣਾ ਜ਼ਰੂਰੀ ਹੈ। ਪ੍ਰਸਤਾਵਿਤ ਡਿਜ਼ਾਇਨ ਇੱਕ ਆਟੋਮੈਟਿਕ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਕਿਸਾਨਾਂ ਨੂੰ ਸਿੰਚਾਈ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਦੀ ਹੈ। ਇਹ ਬੋਰਡ ਤੇ ਬਣੇ ਐਲਸੀਡੀ ਡਿਸਪਲੇਅ ਅਤੇ ਸੰਦੇਸ਼ਾਂ ਰਾਹੀਂ ਕਿਸਾਨ ਨੂੰ ਸੂਚਿਤ ਕਰਦਾ ਰਹਿੰਦਾ ਹੈ ਜੋ ਕਿਸਾਨ ਦੇ ਸੈਲੂਲਰ ਨੰਬਰ ਤੇ ਭੇਜੇ ਜਾਂਦੇ ਹਨ। ਇਹ ਪ੍ਰਸਤਾਵਿਤ ਡਿਜ਼ਾਇਨ ਉਨ੍ਹਾਂ ਕਿਸਾਨਾਂ ਲਈ ਵੀ ਮਦਦਗਾਰ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਬਿਜਲੀ ਦੀ ਕਮੀ ਜਾਂ ਨਾਕਾਫ਼ੀ ਅਤੇ ਗ਼ੈਰ-ਇੱਕਸਾਰ ਪਾਣੀ ਦੀ ਸਪਲਾਈ ਕਾਰਨ ਪਾਣੀ ਦੀ ਇਕਸਾਰ ਸਪਲਾਈ ਬਣਾਈ ਰੱਖਣ ਲਈ ਬਿਜਲੀ ਦੀ ਕਮੀ ਦੇ ਮੁੱਦਿਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ। ਆਟੋਮੈਟਿਕ ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀ ਇੱਕ SIM900 ਮੋਡੀਊਲ ਰਾਹੀਂ ਕਿਸਾਨ ਨੂੰ ਪਿਛੋਕੜ ਦੀਆਂ ਸਾਰੀਆਂ ਗਤੀਵਿਧੀਆਂ ਬਾਰੇ ਵੀ ਸੂਚਿਤ ਕਰਦੀ ਹੈ ਜੋ ਰਜਿਸਟਰਡ ਨੰਬਰ ਤੇ ਸੰਦੇਸ਼ ਭੇਜਦੀ ਹੈ। ਇਹ ਉਪਕਰਣ ਸਾਡੇ ਸਮਾਜ ਲਈ ਇੱਕ ਪਰਿਵਰਤਨ ਦਾ ਬਿੰਦੂ ਹੋ ਸਕਦਾ ਹੈ। ਦੇਸ਼ ਦੇ ਕਿਸਾਨਾਂ ਨੂੰ ਇਹ ਉਪਕਰਣ ਆਸਾਨੀ ਨਾਲ ਮਿਲਦਾ ਹੈ। ਇਹ ਪ੍ਰਸਤਾਵਿਤ ਡਿਜ਼ਾਇਨ ਮਨੁੱਖੀ ਕਿਰਤ ਨੂੰ ਘਟਾਉਣ ਲਈ ਮਦਦਗਾਰ ਹੈ। ਇਹ ਇੱਕ ਘੱਟ ਬਜਟ ਵਾਲੀ ਪ੍ਰਣਾਲੀ ਹੈ ਜਿਸਦਾ ਇੱਕ ਜ਼ਰੂਰੀ ਸਮਾਜਿਕ ਕਾਰਜ ਹੈ। |
6ed591fec03437ed2bf7479d92f49833e3851f71 | ਇੱਕ ਬੁੱਧੀਮਾਨ ਡ੍ਰਿਪ ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀ ਬੇਤਾਰ ਸੈਂਸਰਾਂ ਅਤੇ ਫਜ਼ੀ ਤਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਖੇਤੀਬਾੜੀ ਫਸਲਾਂ ਲਈ ਪਾਣੀ ਅਤੇ ਖਾਦ ਦੀ ਵਰਤੋਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਂਦੀ ਹੈ। ਵਾਇਰਲੈੱਸ ਸੈਂਸਰ ਨੈਟਵਰਕ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਸੈਂਸਰ ਨੋਡ, ਹੱਬ ਅਤੇ ਕੰਟਰੋਲ ਯੂਨਿਟ ਹੁੰਦੇ ਹਨ। ਸੈਂਸਰ ਤਾਪਮਾਨ, ਮਿੱਟੀ ਦੀ ਨਮੀ ਵਰਗੇ ਰੀਅਲ-ਟਾਈਮ ਡਾਟਾ ਇਕੱਤਰ ਕਰਦਾ ਹੈ। ਇਹ ਡਾਟਾ ਵਾਇਰਲੈੱਸ ਟੈਕਨੋਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਹੱਬ ਨੂੰ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ। ਹੱਬ ਫੁਜੀ ਤਰਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਡਾਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ ਅਤੇ ਵਾਲਵ ਨੂੰ ਖੁੱਲ੍ਹਾ ਰੱਖਣ ਲਈ ਸਮੇਂ ਦੀ ਮਿਆਦ ਦਾ ਫੈਸਲਾ ਕਰਦਾ ਹੈ। ਇਸ ਅਨੁਸਾਰ, ਡ੍ਰਿਪ ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀ ਨੂੰ ਇੱਕ ਖਾਸ ਸਮੇਂ ਲਈ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪੂਰਾ ਸਿਸਟਮ ਫੋਟੋਵੋਲਟੈਕ ਸੈੱਲਾਂ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਇੱਕ ਸੰਚਾਰ ਲਿੰਕ ਹੈ ਜੋ ਸੈਲੂਲਰ ਟੈਕਸਟ ਸੰਦੇਸ਼ਾਂ ਰਾਹੀਂ ਸਿਸਟਮ ਦੀ ਨਿਗਰਾਨੀ, ਨਿਯੰਤਰਣ ਅਤੇ ਤਹਿ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਹ ਪ੍ਰਣਾਲੀ ਫਸਲਾਂ ਦੀ ਪਾਣੀ ਦੀ ਮੰਗ ਦੀ ਮਾਤਰਾ ਨੂੰ ਤੇਜ਼ੀ ਅਤੇ ਸਹੀ ਤਰ੍ਹਾਂ ਗਿਣ ਸਕਦੀ ਹੈ, ਜੋ ਪਾਣੀ ਦੀ ਬਚਤ ਕਰਨ ਵਾਲੀ ਸਿੰਚਾਈ ਲਈ ਵਿਗਿਆਨਕ ਅਧਾਰ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀ ਹੈ, ਨਾਲ ਹੀ ਖਾਦ ਦੀ ਮਾਤਰਾ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੀ ਵਿਧੀ ਵੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀ ਹੈ। |
8075c73fd8b13fa9663230a383f5712bf210ebcf | ਅਰਧ ਸੁੱਕੇ ਅਤੇ ਸੁੱਕੇ ਖੇਤਰਾਂ ਵਿੱਚ ਪਾਣੀ ਦਾ ਪ੍ਰਭਾਵੀ ਪ੍ਰਬੰਧਨ ਬਹੁਤ ਸਾਰੇ ਫਸਲਾਂ ਦੇ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਚਿੰਤਾ ਹੈ। ਖੇਤ ਵਿੱਚ ਵੰਡੀਆਂ ਹੋਈਆਂ ਸੈਂਸਰ-ਅਧਾਰਿਤ ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀਆਂ ਸਾਈਟ-ਵਿਸ਼ੇਸ਼ ਸਿੰਚਾਈ ਪ੍ਰਬੰਧਨ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਇੱਕ ਸੰਭਾਵੀ ਹੱਲ ਪੇਸ਼ ਕਰਦੀਆਂ ਹਨ ਜੋ ਉਤਪਾਦਕਾਂ ਨੂੰ ਪਾਣੀ ਦੀ ਬਚਤ ਕਰਦੇ ਹੋਏ ਆਪਣੀ ਉਤਪਾਦਕਤਾ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀਆਂ ਹਨ। ਇਸ ਪੇਪਰ ਵਿੱਚ ਵੇਰੀਏਬਲ ਰੇਟ ਸਿੰਚਾਈ, ਇੱਕ ਵਾਇਰਲੈੱਸ ਸੈਂਸਰ ਨੈਟਵਰਕ, ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਇਨ-ਫੀਲਡ ਸੈਂਸਿੰਗ ਅਤੇ ਸਾਈਟ-ਵਿਸ਼ੇਸ਼ ਸ਼ੁੱਧਤਾ ਲੀਨੀਅਰ-ਮੋਵ ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀ ਦੇ ਨਿਯੰਤਰਣ ਲਈ ਸਾੱਫਟਵੇਅਰ ਦੇ ਡਿਜ਼ਾਈਨ ਅਤੇ ਉਪਕਰਣਾਂ ਦਾ ਵੇਰਵਾ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਖੇਤ ਦੀਆਂ ਸਥਿਤੀਆਂ ਦੀ ਸਾਈਟ-ਵਿਸ਼ੇਸ਼ ਤੌਰ ਤੇ ਛੇ ਇਨ-ਫੀਲਡ ਸੈਂਸਰ ਸਟੇਸ਼ਨਾਂ ਦੁਆਰਾ ਨਿਗਰਾਨੀ ਕੀਤੀ ਗਈ ਸੀ ਜੋ ਮਿੱਟੀ ਦੀ ਜਾਇਦਾਦ ਦੇ ਨਕਸ਼ੇ ਦੇ ਅਧਾਰ ਤੇ ਖੇਤ ਵਿੱਚ ਵੰਡੀਆਂ ਗਈਆਂ ਸਨ, ਅਤੇ ਨਿਯਮਤ ਤੌਰ ਤੇ ਨਮੂਨੇ ਲਏ ਗਏ ਸਨ ਅਤੇ ਬੇਸ ਸਟੇਸ਼ਨ ਨੂੰ ਵਾਇਰਲੈੱਸ ਪ੍ਰਸਾਰਿਤ ਕੀਤੇ ਗਏ ਸਨ। ਇੱਕ ਸਿੰਚਾਈ ਮਸ਼ੀਨ ਨੂੰ ਇੱਕ ਪ੍ਰੋਗ੍ਰਾਮਿੰਗ ਲਾਜ਼ੀਕਲ ਕੰਟਰੋਲਰ ਦੁਆਰਾ ਇਲੈਕਟ੍ਰਾਨਿਕ ਤੌਰ ਤੇ ਨਿਯੰਤਰਿਤ ਕਰਨ ਲਈ ਬਦਲਿਆ ਗਿਆ ਸੀ ਜੋ ਇੱਕ ਅੰਤਰ ਗਲੋਬਲ ਪੋਜੀਸ਼ਨਿੰਗ ਸਿਸਟਮ (ਜੀਪੀਐਸ) ਤੋਂ ਸਪ੍ਰਿੰਕਰਾਂ ਦੀ ਭੂਗੋਲਿਕ ਤੌਰ ਤੇ ਨਿਰਧਾਰਤ ਸਥਿਤੀ ਨੂੰ ਅਪਡੇਟ ਕਰਦਾ ਹੈ ਅਤੇ ਬੇਸ ਸਟੇਸ਼ਨ ਤੇ ਇੱਕ ਕੰਪਿ computerਟਰ ਨਾਲ ਵਾਇਰਲੈੱਸ ਸੰਚਾਰ ਕਰਦਾ ਹੈ. ਸੈਂਸਰ ਨੈੱਟਵਰਕ ਅਤੇ ਸਿੰਚਾਈ ਕੰਟਰੋਲਰ ਤੋਂ ਬੇਸ ਸਟੇਸ਼ਨ ਤੱਕ ਸੰਚਾਰ ਸੰਕੇਤਾਂ ਨੂੰ ਘੱਟ ਲਾਗਤ ਵਾਲੇ ਬਲੂਟੁੱਥ ਵਾਇਰਲੈੱਸ ਰੇਡੀਓ ਸੰਚਾਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਫਲਤਾਪੂਰਵਕ ਇੰਟਰਫੇਸ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਸ ਪੇਪਰ ਵਿੱਚ ਵਿਕਸਿਤ ਗ੍ਰਾਫਿਕ ਯੂਜ਼ਰ ਇੰਟਰਫੇਸ-ਅਧਾਰਿਤ ਸਾਫਟਵੇਅਰ ਨੇ ਫੀਲਡ ਹਾਲਤਾਂ ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਕੰਟਰੋਲ ਅਤੇ ਵੇਰੀਏਬਲ-ਰੇਟ ਸਿੰਚਾਈ ਕੰਟਰੋਲਰ ਦੀ ਨਿਗਰਾਨੀ ਲਈ ਸਥਿਰ ਰਿਮੋਟ ਪਹੁੰਚ ਦੀ ਪੇਸ਼ਕਸ਼ ਕੀਤੀ। |
ebf9bfbb122237ffdde5ecbbb292181c92738fd4 | ਇਸ ਪੇਪਰ ਵਿੱਚ ਥਰਮੋ-ਇਲੈਕਟ੍ਰਿਕ ਜਨਰੇਟਰ (ਟੀਈਜੀ) ਦਾ ਡਿਜ਼ਾਇਨ ਅਤੇ ਨਿਰਮਾਣ ਅਤੇ ਇਸ ਟੀਈਜੀ ਨੂੰ ਮਿੱਟੀ ਨਮੀ ਡਿਟੈਕਟਰ ਦੇ ਤੌਰ ਤੇ ਵਰਤਦੇ ਹੋਏ ਇੱਕ ਆਟੋਮੈਟਿਕ ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀ ਦੀ ਸਥਾਪਨਾ ਦਰਸਾਉਂਦੀ ਹੈ। ਦੋ ਹੀਟ ਐਕਸਚੇਂਜਰਾਂ ਵਿੱਚ ਪਾਏ ਗਏ ਟੀਈਜੀ ਹਵਾ ਅਤੇ ਮਿੱਟੀ ਦੇ ਵਿਚਕਾਰ ਥਰਮਲ ਅੰਤਰ ਨੂੰ ਲੱਭਣ ਦੇ ਸਮਰੱਥ ਹੈ ਜੋ ਮਿੱਟੀ ਦੀ ਨਮੀ ਦੀ ਸਥਿਤੀ ਨਾਲ ਸਬੰਧ ਸਥਾਪਤ ਕਰਦਾ ਹੈ। ਟੀਈਜੀ ਦੇ ਆਉਟਪੁੱਟ ਤੋਂ ਮਿੱਟੀ ਦੇ ਨਮੀ ਦੇ ਪੱਧਰ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣ ਕਰਕੇ, ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰਨ ਲਈ ਇੱਕ ਮਾਈਕਰੋ ਕੰਟਰੋਲਰ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀ, ਟੀਈਜੀ ਰਾਹੀਂ ਖੋਜੀ ਗਈ ਨਮੀ ਦੇ ਆਧਾਰ ਤੇ, ਮਿੱਟੀ ਦੇ ਖੇਤਰ ਦੀ ਸਥਿਤੀ ਅਨੁਸਾਰ ਅਨੁਕੂਲ ਹੁੰਦੀ ਹੈ। ਮਿੱਟੀ ਦੀ ਪਾਣੀ ਦੀ ਖਪਤ ਨੂੰ ਮਿੱਟੀ ਦੀ ਸਥਿਤੀ ਦੇ ਅਧਾਰ ਤੇ ਆਟੋਮੈਟਿਕ ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀ ਦੁਆਰਾ ਨਿਯੰਤਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਸ ਲਈ, ਹੱਥੀਂ ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀ ਦੀ ਪਾਣੀ ਦੀ ਖਪਤ ਦੇ ਮੁਕਾਬਲੇ ਪਾਣੀ ਦੀ ਸੰਭਾਲ ਨੂੰ ਉਤਸ਼ਾਹਤ ਕਰਦਾ ਹੈ। ਪੌਦੇ ਦੇ ਵਾਧੇ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਂਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਸਹੀ ਸਮੇਂ ਤੇ ਨਮੀ ਦੇ ਸਹੀ ਪੱਧਰ ਤੱਕ ਪਾਣੀ ਦਿੰਦਾ ਹੈ. |
59f153ddd37e22af153aa0d7caf3ec44053aa8e8 | ਵਰਤਮਾਨ ਵਿੱਚ, ਲੇਬਰ-ਸੇਵਿੰਗ ਅਤੇ ਵਾਟਰ-ਸੇਵਿੰਗ ਤਕਨਾਲੋਜੀ ਸਿੰਚਾਈ ਵਿੱਚ ਇੱਕ ਮੁੱਖ ਮੁੱਦਾ ਹੈ। ਇਸ ਪੇਪਰ ਵਿੱਚ ਜ਼ਿੱਗਬੀ ਤਕਨਾਲੋਜੀ ਦੇ ਅਧਾਰ ਤੇ, ਚੀਨ ਦੇ ਜ਼ੇਜੀਅੰਗ, ਲਿਸ਼ੂਈ ਵਿੱਚ ਯਹੂਦੀ-ਕੰਨ ਦੀ ਬਿਜਾਈ ਨੂੰ ਸਮਰਪਿਤ ਬੁੱਧੀਮਾਨ ਖੇਤ ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀ ਲਈ ਇੱਕ ਵਾਇਰਲੈੱਸ ਹੱਲ ਪ੍ਰਸਤਾਵਿਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਰਵਾਇਤੀ ਵਾਇਰਡ ਕਨੈਕਸ਼ਨ ਦੀ ਬਜਾਏ, ਵਾਇਰਲੈੱਸ ਡਿਜ਼ਾਈਨ ਨੇ ਸਿਸਟਮ ਨੂੰ ਅਸਾਨ ਇੰਸਟਾਲੇਸ਼ਨ ਅਤੇ ਰੱਖ-ਰਖਾਅ ਕੀਤਾ. ਜ਼ਿੱਗਬੀ ਵਾਇਰਲੈੱਸ ਸੈਂਸਰ ਨੈਟਵਰਕ ਵਿੱਚ ਕ੍ਰਮਵਾਰ ਅੰਤ ਉਪਕਰਣ ਅਤੇ ਕੋਆਰਡੀਨੇਟਰ ਵਜੋਂ ਕੰਮ ਕਰਨ ਵਾਲੇ ਵਾਇਰਲੈੱਸ ਸੈਂਸਰ/ਐਕਟੀਵੇਟਰ ਨੋਡ ਅਤੇ ਪੋਰਟੇਬਲ ਕੰਟਰੋਲਰ ਦੇ ਹਾਰਡਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਸਾਫਟਵੇਅਰ ਐਲਗੋਰਿਦਮ ਨੂੰ ਵਿਸਥਾਰ ਨਾਲ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਸਮੁੱਚੀ ਪ੍ਰਣਾਲੀ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦਾ ਅੰਤ ਵਿੱਚ ਮੁਲਾਂਕਣ ਕੀਤਾ ਗਿਆ। ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਇਸ ਪ੍ਰਣਾਲੀ ਦੇ ਸੁਚਾਰੂ ਅਤੇ ਸਹੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਨਾਲ ਇਸ ਦੀ ਉੱਚ ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਵਿਵਹਾਰਕਤਾ ਸਾਬਤ ਹੋਈ ਹੈ। ਸਿੰਚਾਈ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਵਾਇਰਲੈੱਸ ਸੈਂਸਰ ਨੈਟਵਰਕ ਦੀ ਇੱਕ ਖੋਜੀ ਐਪਲੀਕੇਸ਼ਨ ਦੇ ਰੂਪ ਵਿੱਚ, ਇਸ ਪੇਪਰ ਨੇ ਵੱਡੇ ਪੱਧਰ ਤੇ ਰਿਮੋਟ ਇੰਟੈਲੀਜੈਂਟ ਸਿੰਚਾਈ ਪ੍ਰਣਾਲੀ ਸਥਾਪਤ ਕਰਨ ਲਈ ਇੱਕ ਵਿਧੀ ਦੀ ਪੇਸ਼ਕਸ਼ ਕੀਤੀ। |
96e92ff6c7642cc75dc856ae4b22a5409c69e6cb | ਸਹਿਕਾਰੀ ਨੈਵੀਗੇਸ਼ਨ (ਸੀ.ਐਨ.) ਸਹਿਕਾਰੀ ਰੋਬੋਟਾਂ ਦੇ ਸਮੂਹ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀਆਂ ਵਿਅਕਤੀਗਤ ਨੈਵੀਗੇਸ਼ਨ ਗਲਤੀਆਂ ਨੂੰ ਘਟਾਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਇੱਕ ਆਮ ਮਲਟੀ-ਰੋਬੋਟ (ਐਮਆਰ) ਮਾਪ ਮਾਡਲ ਲਈ ਜਿਸ ਵਿੱਚ ਇਨਰਸ਼ੀਅਲ ਨੈਵੀਗੇਸ਼ਨ ਡੇਟਾ ਅਤੇ ਹੋਰ ਬੋਰਡ ਸੈਂਸਰ ਰੀਡਿੰਗ ਸ਼ਾਮਲ ਹਨ, ਜੋ ਵੱਖ-ਵੱਖ ਸਮੇਂ ਦੇ ਮਾਮਲਿਆਂ ਵਿੱਚ ਲਈਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਜਾਣਕਾਰੀ ਦੇ ਵੱਖ-ਵੱਖ ਸਰੋਤ ਸੰਬੰਧਿਤ ਹੋ ਜਾਂਦੇ ਹਨ। ਇਸ ਲਈ, ਇਸ ਸਬੰਧ ਨੂੰ ਸੂਚਨਾ ਦੇ ਅਭੇਦ ਹੋਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਹੱਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਤਾਂ ਜੋ ਇਕਸਾਰ ਰਾਜ ਦਾ ਅਨੁਮਾਨ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾ ਸਕੇ। ਸੰਬੰਧਿਤ ਸ਼ਬਦਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਆਮ ਪਹੁੰਚ ਇੱਕ ਵਧੀ ਹੋਈ ਸਹਿ-ਵਿਰਤੀ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਬਣਾਈ ਰੱਖਣਾ ਹੈ। ਇਹ ਵਿਧੀ ਰਿਸ਼ਤੇਦਾਰ ਸਥਿਤੀ ਮਾਪ ਲਈ ਕੰਮ ਕਰੇਗੀ, ਪਰ ਇੱਕ ਆਮ ਐਮਆਰ ਮਾਪ ਮਾਡਲ ਲਈ ਅਮਲੀ ਨਹੀਂ ਹੈ, ਕਿਉਂਕਿ ਮਾਪਾਂ ਨੂੰ ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਸ਼ਾਮਲ ਰੋਬੋਟਾਂ ਦੀ ਪਛਾਣ, ਅਤੇ ਨਾਲ ਹੀ ਮਾਪਣ ਦੇ ਸਮੇਂ ਦੇ ਮੌਕੇ, ਅਗਿਆਤ ਹਨ. ਮੌਜੂਦਾ ਕੰਮ ਵਿੱਚ, ਇੱਕ ਆਮ ਐਮਆਰ ਮਾਪ ਮਾਡਲ ਲਈ ਇੱਕ ਨਵੀਂ ਇਕਸਾਰ ਜਾਣਕਾਰੀ ਫਿਊਜ਼ਨ ਵਿਧੀ ਵਿਕਸਿਤ ਕੀਤੀ ਗਈ ਹੈ। ਪ੍ਰਸਤਾਵਿਤ ਪਹੁੰਚ ਗ੍ਰਾਫ ਸਿਧਾਂਤ ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਇਹ ਲੋੜੀਂਦੇ ਸਬੰਧ ਸ਼ਬਦਾਂ ਦੀ ਮੰਗ ਤੇ ਸਪੱਸ਼ਟ ਗਣਨਾ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ। ਗ੍ਰਾਫ ਨੂੰ ਸਮੂਹ ਦੇ ਹਰੇਕ ਰੋਬੋਟ ਦੁਆਰਾ ਸਥਾਨਕ ਤੌਰ ਤੇ ਬਣਾਈ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ, ਜੋ ਕਿ ਸਾਰੇ ਐਮਆਰ ਮਾਪ ਅਪਡੇਟਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਵਿਕਸਿਤ ਕੀਤੀ ਗਈ ਵਿਧੀ, ਐਮਆਰ ਮਾਪਾਂ ਦੇ ਸਭ ਤੋਂ ਆਮ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਸੰਬੰਧਿਤ ਸ਼ਬਦਾਂ ਦੀ ਗਣਨਾ ਕਰਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਸ਼ਾਮਲ ਪ੍ਰਕਿਰਿਆ ਅਤੇ ਮਾਪ ਦੇ ਸ਼ੋਰ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਸੰਭਾਲਦੀ ਹੈ। ਇੱਕ ਸਿਧਾਂਤਕ ਉਦਾਹਰਣ ਅਤੇ ਇੱਕ ਅੰਕੜਾ ਅਧਿਐਨ ਪ੍ਰਦਾਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਤਿੰਨ-ਦ੍ਰਿਸ਼ ਮਾਪ ਮਾਡਲ ਦੇ ਅਧਾਰ ਤੇ ਵਿਜ਼ਨ-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਨੈਵੀਗੇਸ਼ਨ ਲਈ ਵਿਧੀ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ. ਇਸ ਵਿਧੀ ਦੀ ਤੁਲਨਾ, ਇੱਕ ਸਿਮੂਲੇਟ ਵਾਤਾਵਰਣ ਵਿੱਚ, ਇੱਕ ਫਿਕਸਡ-ਲੈਗ ਕੇਂਦਰੀਕ੍ਰਿਤ ਸਮਤਲ ਕਰਨ ਦੇ ਪਹੁੰਚ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਵਿਧੀ ਨੂੰ ਇੱਕ ਪ੍ਰਯੋਗ ਵਿੱਚ ਵੀ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ ਹੈ ਜਿਸ ਵਿੱਚ ਅਸਲ ਚਿੱਤਰ ਅਤੇ ਨੈਵੀਗੇਸ਼ਨ ਡੇਟਾ ਸ਼ਾਮਲ ਸਨ। ਕੰਪਿਊਟੇਸ਼ਨਲ ਗੁੰਝਲਤਾ ਦੇ ਅਨੁਮਾਨਾਂ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਨਵੇਂ ਵਿਕਸਿਤ ਢੰਗ ਕੰਪਿਊਟੇਸ਼ਨਲ ਤੌਰ ਤੇ ਕੁਸ਼ਲ ਹੈ। |
fc20f0ce11946c7d17a676fd880fec6dfc1c0397 | |
bef9d9edd340eb09e2cda37cb7f4d4886a36fe66 | |
96230bbd9804f4e7ac0017f9065ebe488f30b642 | ਡੂੰਘੇ ਨਯੂਰਲ ਨੈਟਵਰਕ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਸਟੋਚੈਸਟਿਕ ਗਰੇਡੀਐਂਟ ਡੈਸੈਂਟ (ਐਸਜੀਡੀ) ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਸਮਝਣਾ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਚਿੰਤਾਵਾਂ ਪੈਦਾ ਕੀਤੀਆਂ ਹਨ। ਇਸ ਲਾਈਨ ਦੇ ਨਾਲ, ਅਸੀਂ ਸਿਧਾਂਤਕ ਤੌਰ ਤੇ ਨਿਰਪੱਖ ਸ਼ੋਰ ਨਾਲ ਗਰੇਡੀਐਂਟ ਅਧਾਰਤ optimਪਟੀਮਾਈਜ਼ੇਸ਼ਨ ਡਾਇਨਾਮਿਕਸ ਦੇ ਇੱਕ ਆਮ ਰੂਪ ਦਾ ਅਧਿਐਨ ਕਰਦੇ ਹਾਂ, ਜੋ ਐਸਜੀਡੀ ਅਤੇ ਸਟੈਂਡਰਡ ਲੈਂਜਵਿਨ ਡਾਇਨਾਮਿਕਸ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ. ਇਸ ਆਮ ਅਨੁਕੂਲਤਾ ਗਤੀਸ਼ੀਲਤਾ ਦੀ ਜਾਂਚ ਕਰਨ ਦੁਆਰਾ, ਅਸੀਂ ਐਸਜੀਡੀ ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਘੱਟੋ ਘੱਟ ਤੋਂ ਬਚਣ ਅਤੇ ਇਸਦੇ ਨਿਯਮਤਕਰਨ ਪ੍ਰਭਾਵਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਾਂ. ਇੱਕ ਨਵਾਂ ਸੰਕੇਤਕ ਮਿਨੀਮਮ ਤੋਂ ਬਚਣ ਦੀ ਕੁਸ਼ਲਤਾ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਲਿਆ ਗਿਆ ਹੈ ਜੋ ਸ਼ੋਰ ਦੇ ਸਹਿ-ਵਿਰਤੀ ਅਤੇ ਨੁਕਸਾਨ ਫੰਕਸ਼ਨ ਦੇ ਕਰਵਚਰ ਦੇ ਅਨੁਕੂਲਤਾ ਨੂੰ ਮਾਪਣ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਸ ਸੂਚਕ ਦੇ ਆਧਾਰ ਤੇ, ਦੋ ਸ਼ਰਤਾਂ ਸਥਾਪਤ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਤਾਂ ਜੋ ਇਹ ਦਰਸਾਇਆ ਜਾ ਸਕੇ ਕਿ ਕਿਹੜਾ ਕਿਸਮ ਦਾ ਸ਼ੋਰ ਢਾਂਚਾ ਹੈ ਜੋ ਕਿ ਨਿਕਾਸ ਦੀ ਕੁਸ਼ਲਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਆਈਸੋਟ੍ਰੋਪਿਕ ਸ਼ੋਰ ਤੋਂ ਵਧੀਆ ਹੈ. ਅਸੀਂ ਅੱਗੇ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ ਐਸਜੀਡੀ ਵਿੱਚ ਅਨਿਯੋਟ੍ਰੋਪਿਕ ਸ਼ੋਰ ਦੋ ਸ਼ਰਤਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਤਿੱਖੀ ਅਤੇ ਮਾੜੇ ਘੱਟੋ ਘੱਟ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਬਚਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਵਧੇਰੇ ਸਥਿਰ ਅਤੇ ਫਲੈਟ ਮਿਨਿਮਮਾਂ ਵੱਲ ਜੋ ਆਮ ਤੌਰ ਤੇ ਚੰਗੀ ਤਰ੍ਹਾਂ ਆਮ ਬਣਾਉਂਦੇ ਹਨ. ਅਸੀਂ ਇਸ ਅਨਿਯੋਟ੍ਰੋਪਿਕ ਫੈਲਾਅ ਦੀ ਤੁਲਨਾ ਪੂਰੀ ਗਰੇਡੀਐਂਟ ਉਤਰਾਈ ਨਾਲ ਆਈਸੋਟ੍ਰੋਪਿਕ ਫੈਲਾਅ (ਭਾਵ. ਲੈਨਜਵੀਨ ਡਾਇਨਾਮਿਕਸ) ਅਤੇ ਹੋਰ ਕਿਸਮ ਦੇ ਸਥਿਤੀ-ਨਿਰਭਰ ਸ਼ੋਰ. |
d908f630582f1a11b6d481e635fb1d06e7671f32 | |
27db63ab642d9c27601a9311d65b63e2d2d26744 | ਜਦੋਂ ਕਿ ਇੱਕ ਸਿੰਗਲ ਡੇਟਾ ਸੈੱਟ ਤੇ ਦੋ ਸਿੱਖਣ ਵਾਲੇ ਐਲਗੋਰਿਦਮ ਦੀ ਤੁਲਨਾ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਜਾਂਚ ਪਹਿਲਾਂ ਹੀ ਕਾਫ਼ੀ ਸਮੇਂ ਤੋਂ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ, ਮਲਟੀਪਲ ਡੇਟਾ ਸੈੱਟਾਂ ਤੇ ਵਧੇਰੇ ਐਲਗੋਰਿਦਮ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਅੰਕੜਾ ਟੈਸਟਾਂ ਦਾ ਮੁੱਦਾ, ਜੋ ਕਿ ਆਮ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੇ ਅਧਿਐਨਾਂ ਲਈ ਹੋਰ ਵੀ ਜ਼ਰੂਰੀ ਹੈ, ਨੂੰ ਨਜ਼ਰ ਅੰਦਾਜ਼ ਕੀਤਾ ਗਿਆ ਹੈ. ਇਸ ਲੇਖ ਵਿੱਚ ਮੌਜੂਦਾ ਅਭਿਆਸ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ ਗਈ ਹੈ ਅਤੇ ਫਿਰ ਸਿਧਾਂਤਕ ਅਤੇ ਅਨੁਭਵੀ ਤੌਰ ਤੇ ਕਈ ਉਚਿਤ ਟੈਸਟਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਗਈ ਹੈ। ਇਸ ਦੇ ਆਧਾਰ ਤੇ, ਅਸੀਂ ਵਰਗੀਕਰਤਾਵਾਂ ਦੀ ਅੰਕੜਾ ਤੁਲਨਾ ਲਈ ਸਧਾਰਨ, ਪਰ ਸੁਰੱਖਿਅਤ ਅਤੇ ਮਜ਼ਬੂਤ ਗੈਰ-ਪੈਰਾਮੀਟਰਿਕ ਟੈਸਟਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਾਂਃ ਦੋ ਵਰਗੀਕਰਤਾਵਾਂ ਦੀ ਤੁਲਨਾ ਲਈ ਵਿਲਕੋਕਸਨ ਦਸਤਖਤ ਕੀਤੇ ਰੈਂਕ ਟੈਸਟ ਅਤੇ ਫ੍ਰੀਡਮੈਨ ਟੈਸਟ ਨਾਲ ਸੰਬੰਧਿਤ ਪੋਸਟ-ਹੋਕ ਟੈਸਟਾਂ ਦੀ ਤੁਲਨਾ ਲਈ ਕਈ ਵਰਗੀਕਰਤਾਵਾਂ ਦੀ ਤੁਲਨਾ ਲਈ ਕਈ ਡਾਟਾ ਸੈੱਟਾਂ ਤੇ. ਬਾਅਦ ਵਾਲੇ ਦੇ ਨਤੀਜੇ ਵੀ ਨਵੇਂ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਸੀਡੀ (ਨਾਜ਼ੁਕ ਅੰਤਰ) ਚਿੱਤਰਾਂ ਨਾਲ ਸਾਫ਼-ਸਾਫ਼ ਪੇਸ਼ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ। |
4dbd924046193a51e4a5780d0e6eb3a4705784cd | ਬੇਅਸਓਪਟ ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਹੈ ਜਿਸ ਵਿੱਚ ਗੈਰ-ਰੁਖਵੀਂ ਅਨੁਕੂਲਤਾ, ਸਟੋਚੈਸਟਿਕ ਡਾਕੂਆਂ ਜਾਂ ਕ੍ਰਮਵਾਰ ਪ੍ਰਯੋਗਾਤਮਕ ਡਿਜ਼ਾਈਨ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਅਤਿ-ਆਧੁਨਿਕ ਬੇਅਸੀਅਨ ਅਨੁਕੂਲਤਾ methodsੰਗ ਹਨ. ਬੇਜ਼ੀਅਨ ਅਨੁਕੂਲਤਾ ਨਿਸ਼ਾਨਾ ਫੰਕਸ਼ਨ ਲਈ ਸਬੂਤ ਅਤੇ ਪੂਰਵ ਗਿਆਨ ਨੂੰ ਹਾਸਲ ਕਰਨ ਲਈ ਇੱਕ ਪਿਛਲੀ ਵੰਡ ਦਾ ਨਿਰਮਾਣ ਕਰਕੇ ਨਮੂਨਾ ਕੁਸ਼ਲ ਹੈ। ਮਿਆਰੀ ਸੀ ++ ਵਿੱਚ ਬਣਾਈ ਗਈ, ਲਾਇਬ੍ਰੇਰੀ ਪੋਰਟੇਬਲ ਅਤੇ ਲਚਕਦਾਰ ਹੋਣ ਦੇ ਨਾਲ ਬਹੁਤ ਕੁਸ਼ਲ ਹੈ। ਇਸ ਵਿੱਚ ਸੀ, ਸੀ++, ਪਾਇਥਨ, ਮੈਟਲੈਬ ਅਤੇ ਓਕਟੇਵ ਲਈ ਇੱਕ ਸਾਂਝਾ ਇੰਟਰਫੇਸ ਸ਼ਾਮਲ ਹੈ। |
801556eae6de26616d2ce90cdd4aecc4e2de7fe4 | ਇੱਕ ਕੁਰਸੀ ਤੇ ਬਿਜਲੀ ਨਾਲ ਸੰਪਰਕ ਰਹਿਤ ਈਸੀਜੀ ਮਾਪ ਪ੍ਰਣਾਲੀ ਨੂੰ ਰੋਜ਼ਾਨਾ ਜੀਵਨ ਵਿੱਚ ਨਿਰੰਤਰ ਸਿਹਤ ਨਿਗਰਾਨੀ ਲਈ ਕਈ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਸ ਪ੍ਰਣਾਲੀ ਲਈ ਸਰੀਰ ਨੂੰ ਬਿਜਲੀ ਨਾਲ ਫਲੋਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ ਸਮਰੱਥਾਤਮਕ ਇਲੈਕਟ੍ਰੋਡਸ ਅਤੇ ਫਲੋਟਿਡ ਬਾਡੀ ਬਾਹਰੀ ਸ਼ੋਰਾਂ ਜਾਂ ਗਤੀ ਦੀਆਂ ਕਲਾਵਾਂ ਪ੍ਰਤੀ ਬਹੁਤ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੀ ਹੈ ਜੋ ਮਾਪ ਪ੍ਰਣਾਲੀ ਨੂੰ ਆਮ ਮੋਡ ਸ਼ੋਰ ਦੇ ਤੌਰ ਤੇ ਪ੍ਰਭਾਵਤ ਕਰਦੇ ਹਨ. ਇਸ ਪੇਪਰ ਵਿੱਚ, ਡ੍ਰਾਇਵ-ਸੀਟ-ਗਰਾਊਂਡ ਸਰਕਟ ਡ੍ਰਾਇਵ-ਰਾਈਟ-ਲੇਗ ਸਰਕਟ ਦੇ ਸਮਾਨ ਹੈ ਜੋ ਆਮ ਮੋਡ ਸ਼ੋਰ ਨੂੰ ਘਟਾਉਣ ਲਈ ਪ੍ਰਸਤਾਵਿਤ ਹੈ। ਇਸ ਬਰਾਬਰ ਸਰਕਟ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਆਉਟਪੁੱਟ ਸਿਗਨਲ ਵੇਵਫਾਰਮ ਦੀ ਤੁਲਨਾ ਡਰਾਈਵ-ਸੀਟ-ਗਰਾਊਂਡ ਅਤੇ ਕੈਪਸੀਟਿਵ ਗਰਾਊਂਡ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, ਡ੍ਰਾਇਵ-ਸੀਟ-ਗਰਾਊਂਡ ਸਰਕਟ ਨਕਾਰਾਤਮਕ ਫੀਡਬੈਕ ਦੇ ਰੂਪ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਰੱਥਾਤਮਕ ਈਸੀਜੀ ਮਾਪ ਪ੍ਰਣਾਲੀ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਣ ਸੁਧਾਰ ਕਰਦਾ ਹੈ। |
95f388c8cd9db1e800e515e53aaaf4e9b433866f | 0747-5632/$ 2012 ਏਲਸੇਵੀਅਰ ਲਿਮਟਿਡ ਏ http://dx.doi.org/10.1016/j.chb.2012.08.001 ਪੱਤਰ ਪ੍ਰੇਰਕ ਲੇਖਕ ਟੈਲ. ਈ-ਮੇਲ ਪਤਾ: [email protected] (ਮਿਸਟਰ ਜੂ). ਕਲਾਊਡ ਕੰਪਿਊਟਿੰਗ ਟੈਕਨੋਲੋਜੀ ਪਰਿਪੱਕ ਹੋ ਗਈ ਹੈ ਕਿਉਂਕਿ ਇਸ ਨੂੰ ਹਰ ਤਰ੍ਹਾਂ ਦੇ ਡਿਜੀਟਲਾਈਜੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨਾਲ ਜੋੜਿਆ ਗਿਆ ਹੈ। ਇਹ ਡਾਟਾ ਅਤੇ ਸਾਫਟਵੇਅਰ ਸਾਂਝੇ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੇ ਫਾਇਦੇ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਗੁੰਝਲਦਾਰ ਆਈਟੀ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਪ੍ਰਬੰਧਨ ਬਹੁਤ ਸੌਖਾ ਬਣਾਉਂਦਾ ਹੈ। ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਸਿੱਖਿਆ ਲਈ, ਕਲਾਉਡ ਕੰਪਿਊਟਿੰਗ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਇੱਕ ਅਸਲ ਕੰਪਿਊਟਰ ਲੈਬ ਵਿੱਚ ਕਦਮ ਰੱਖਣ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਖੇਤਰ ਵਿੱਚ ਆਮ ਤੌਰ ਤੇ ਵਰਤੇ ਜਾਂਦੇ ਸਾਫਟਵੇਅਰ ਤੱਕ ਬਹੁਪੱਖੀ ਅਤੇ ਸਰਬਵਿਆਪੀ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਸਾਡੇ ਅਧਿਐਨ ਨੇ ਕਲਾਉਡ ਕੰਪਿਊਟਿੰਗ ਤਕਨਾਲੋਜੀਆਂ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਦੁਆਰਾ ਸਿੱਖਣ ਦੇ ਰਵੱਈਏ ਅਤੇ ਅਕਾਦਮਿਕ ਪ੍ਰਦਰਸ਼ਨ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ। ਹਾਈ ਸਕੂਲ ਅਤੇ ਵੋਕੇਸ਼ਨਲ ਹਾਈ ਸਕੂਲ ਪਿਛੋਕੜ ਵਾਲੇ ਕਾਲਜ ਦੇ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਤੁਲਨਾ ਕੀਤੀ ਗਈ। ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਕੰਪਿਊਟਰ ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਡਿਜ਼ਾਈਨਿੰਗ (CAD) ਕੋਰਸ ਵਿੱਚ ਸ਼ਾਮਲ 123 ਵਿਦਿਆਰਥੀਆਂ ਨੇ ਹਿੱਸਾ ਲਿਆ। ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਤੌਰ ਤੇ ਟੈਕਨੋਲੋਜੀ ਪ੍ਰਵਾਨਗੀ ਮਾਡਲ (ਟੀਏਐੱਮ) ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ। ਖੁੱਲ੍ਹੇ-ਅੰਤ ਵਾਲੇ ਪ੍ਰਸ਼ਨਾਵਲੀ ਸੈੱਟਾਂ ਨੂੰ ਅਕਾਦਮਿਕ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਕਾਰਨ ਸੰਬੰਧਾਂ ਨੂੰ ਮਾਪਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ; ਨਤੀਜਿਆਂ ਨੇ ਵਿਦਿਆਰਥੀਆਂ ਦੇ ਦੋ ਸਮੂਹਾਂ ਦੇ ਵਿਚਕਾਰ ਬੋਧਿਕ ਖੇਤਰ ਵਿੱਚ ਕੋਈ ਮਹੱਤਵਪੂਰਨ ਅੰਤਰ ਨਹੀਂ ਦਰਸਾਇਆ, ਹਾਲਾਂਕਿ ਇਹ ਮਨੋ-ਮੋਟਰ ਅਤੇ ਭਾਵਨਾਤਮਕ ਖੇਤਰਾਂ ਦੋਵਾਂ ਵਿੱਚ ਅਜਿਹਾ ਨਹੀਂ ਹੈ। ਵੋਕੇਸ਼ਨਲ ਹਾਈ ਸਕੂਲ ਦੀ ਪਿਛੋਕੜ ਵਾਲੇ ਕਾਲਜ ਦੇ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਸੀਏਡੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਸਿੱਖਣ ਦੀ ਉੱਚ ਪ੍ਰੇਰਣਾ ਦਿਖਾਈ ਦਿੱਤੀ। 2012 ਏਲਸੇਵੀਅਰ ਲਿਮਟਿਡ ਸਾਰੇ ਹੱਕ ਰਾਖਵੇਂ ਹਨ। |
e2413f14a014603253815398e56c7fee0ba01a3d | ਇਹ ਅਧਿਆਇ ਘੁਸਪੈਠ ਦਾ ਪਤਾ ਲਗਾਉਣ ਦੀ ਖੋਜ ਵਿੱਚ ਤਕਨੀਕ ਦੀ ਸਥਿਤੀ ਦਾ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਦਿੰਦਾ ਹੈ। ਘੁਸਪੈਠ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵਾਲੇ ਸਿਸਟਮ ਸਾਫਟਵੇਅਰ ਅਤੇ/ਜਾਂ ਹਾਰਡਵੇਅਰ ਕੰਪੋਨੈਂਟ ਹੁੰਦੇ ਹਨ ਜੋ ਕੰਪਿਊਟਰ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਦੇ ਹਨ ਅਤੇ ਘੁਸਪੈਠ ਦੇ ਸੰਕੇਤਾਂ ਲਈ ਉਨ੍ਹਾਂ ਵਿੱਚ ਹੋਣ ਵਾਲੀਆਂ ਘਟਨਾਵਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ। ਕੰਪਿਊਟਰ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਵਿਆਪਕ ਵਿਭਿੰਨਤਾ ਅਤੇ ਗੁੰਝਲਤਾ ਕਾਰਨ, ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੁਰੱਖਿਅਤ ਕੰਪਿਊਟਰ ਪ੍ਰਣਾਲੀ ਪ੍ਰਦਾਨ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ। ਇਸ ਲਈ, ਬਹੁਤ ਸਾਰੇ ਸੁਰੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਘੁਸਪੈਠ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵਾਲੇ ਸਿਸਟਮ ਹਨ ਜੋ ਕੰਪਿ computerਟਰ ਸੁਰੱਖਿਆ ਦੇ ਵੱਖ ਵੱਖ ਪਹਿਲੂਆਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦੇ ਹਨ. ਇਹ ਅਧਿਆਇ ਪਹਿਲਾਂ ਕੰਪਿਊਟਰ ਹਮਲਿਆਂ ਦੀ ਵਰਗੀਕਰਣ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਨਾਲ ਹੀ ਮੁੱਖ ਕੰਪਿਊਟਰ ਹਮਲਿਆਂ ਦੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਦੇ ਸੰਖੇਪ ਵਰਣਨ ਵੀ ਕਰਦਾ ਹੈ। ਦੂਜਾ, ਘੁਸਪੈਠ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵਾਲੇ ਸਿਸਟਮ ਦੀ ਇੱਕ ਆਮ ਢਾਂਚਾ ਅਤੇ ਉਨ੍ਹਾਂ ਦੀਆਂ ਬੁਨਿਆਦੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਪੇਸ਼ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ। ਤੀਜਾ, ਪੰਜ ਮਾਪਦੰਡਾਂ (ਜਾਣਕਾਰੀ ਸਰੋਤ, ਵਿਸ਼ਲੇਸ਼ਣ ਰਣਨੀਤੀ, ਸਮਾਂ ਪਹਿਲੂ, ਆਰਕੀਟੈਕਚਰ, ਪ੍ਰਤੀਕ੍ਰਿਆ) ਦੇ ਅਧਾਰ ਤੇ ਘੁਸਪੈਠ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵਾਲੇ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਵਰਗੀਕਰਣ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਅੰਤ ਵਿੱਚ, ਘੁਸਪੈਠ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵਾਲੇ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਇਹਨਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਸ਼੍ਰੇਣੀ ਦੇ ਅਨੁਸਾਰ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਪ੍ਰਤੀਨਿਧ ਖੋਜ ਪ੍ਰੋਟੋਟਾਈਪਾਂ ਦਾ ਸੰਖੇਪ ਵਰਣਨ ਕੀਤਾ ਗਿਆ ਹੈ। |
42cfb5614cbef64a5efb0209ca31efe760cec0fc | ਵਿਕਾਸਸ਼ੀਲ ਰੋਬੋਟ ਦੀ ਮੁੱਲ ਪ੍ਰਣਾਲੀ ਪ੍ਰਮੁੱਖ ਸੰਵੇਦਨਾਤਮਕ ਇਨਪੁਟਸ ਦੀ ਮੌਜੂਦਗੀ ਦਾ ਸੰਕੇਤ ਦਿੰਦੀ ਹੈ, ਸੰਵੇਦਨਾਤਮਕ ਇਨਪੁਟਸ ਤੋਂ ਐਕਸ਼ਨ ਆਉਟਪੁੱਟ ਤੱਕ ਮੈਪਿੰਗ ਨੂੰ ਮਾਡਿulaਟ ਕਰਦੀ ਹੈ, ਅਤੇ ਉਮੀਦਵਾਰ ਕਾਰਵਾਈਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੀ ਹੈ. ਇੱਥੇ ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਕੰਮ ਵਿੱਚ, ਇੱਕ ਘੱਟ ਪੱਧਰ ਦੀ ਮੁੱਲ ਪ੍ਰਣਾਲੀ ਦਾ ਨਮੂਨਾ ਅਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਜਾਨਵਰਾਂ ਦੇ ਗੈਰ-ਸੰਬੰਧਕ ਸਿੱਖਣ ਦੀ ਵਿਧੀ ਨੂੰ ਨਕਲ ਕਰਦਾ ਹੈ ਜਿਸ ਨੂੰ ਆਦਤ ਪਾਉਣ ਦੇ ਪ੍ਰਭਾਵ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਰੀਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਨੂੰ ਵੀ ਨਵੀਨਤਾ ਨਾਲ ਜੋੜਿਆ ਗਿਆ ਹੈ। ਪ੍ਰਯੋਗਾਤਮਕ ਨਤੀਜੇ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਪ੍ਰਸਤਾਵਿਤ ਮੁੱਲ ਪ੍ਰਣਾਲੀ ਰੋਬੋਟ ਵਿਊਇੰਗਲ ਚੋਣ ਦੇ ਅਧਿਐਨ ਵਿੱਚ ਡਿਜ਼ਾਇਨ ਕੀਤੇ ਅਨੁਸਾਰ ਕੰਮ ਕਰਦੀ ਹੈ। |
73447b6a02d1caff0a96472a2e0b571e1be497c8 | ਇੰਟਰਨੈੱਟ ਟੈਕਨੋਲੋਜੀ ਡਿਜੀਟਲ ਯੁੱਗ ਵਿੱਚ ਨਿੱਜੀ ਯਾਦਾਂ ਨੂੰ ਯਾਦ ਕਰਨ ਅਤੇ ਸਾਂਝਾ ਕਰਨ ਦਾ ਇੱਕ ਨਵਾਂ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਨਿੱਜੀ ਯਾਦਾਂ ਨੂੰ ਆਨਲਾਈਨ ਪੋਸਟ ਕਰਨ ਦਾ ਕੀ ਨਤੀਜਾ ਹੁੰਦਾ ਹੈ? ਟ੍ਰਾਂਸੈਕਟਿਵ ਮੈਮੋਰੀ ਅਤੇ ਆਟੋਬਾਇਓਗ੍ਰਾਫਿਕ ਮੈਮੋਰੀ ਦੇ ਸਿਧਾਂਤ ਵੱਖੋ-ਵੱਖਰੀਆਂ ਭਵਿੱਖਬਾਣੀਆਂ ਕਰਨਗੇ। ਇਸ ਅਧਿਐਨ ਵਿੱਚ, ਕਾਲਜ ਦੇ ਵਿਦਿਆਰਥੀਆਂ ਨੇ ਇੱਕ ਹਫ਼ਤੇ ਲਈ ਇੱਕ ਰੋਜ਼ਾਨਾ ਡਾਇਰੀ ਪੂਰੀ ਕੀਤੀ, ਹਰ ਦਿਨ ਦੇ ਅੰਤ ਵਿੱਚ ਉਨ੍ਹਾਂ ਨਾਲ ਉਸ ਦਿਨ ਵਾਪਰੀਆਂ ਸਾਰੀਆਂ ਘਟਨਾਵਾਂ ਦੀ ਸੂਚੀ ਬਣਾਈ। ਉਨ੍ਹਾਂ ਨੇ ਇਹ ਵੀ ਦੱਸਿਆ ਕਿ ਕੀ ਉਨ੍ਹਾਂ ਨੇ ਕਿਸੇ ਵੀ ਘਟਨਾ ਨੂੰ ਆਨਲਾਈਨ ਪੋਸਟ ਕੀਤਾ ਹੈ। ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਡਾਇਰੀ ਰਿਕਾਰਡਿੰਗ ਦੇ ਮੁਕੰਮਲ ਹੋਣ ਤੋਂ ਬਾਅਦ ਇੱਕ ਹੈਰਾਨੀਜਨਕ ਮੈਮੋਰੀ ਟੈਸਟ ਅਤੇ ਫਿਰ ਇੱਕ ਹਫ਼ਤੇ ਬਾਅਦ ਇੱਕ ਹੋਰ ਟੈਸਟ ਦਿੱਤਾ ਗਿਆ। ਦੋਵਾਂ ਟੈਸਟਾਂ ਵਿੱਚ, ਆਨਲਾਈਨ ਪੋਸਟ ਕੀਤੀਆਂ ਘਟਨਾਵਾਂ ਨੂੰ ਯਾਦ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਆਨਲਾਈਨ ਪੋਸਟ ਨਾ ਕੀਤੀਆਂ ਘਟਨਾਵਾਂ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਸੀ। ਇਹ ਜਾਪਦਾ ਹੈ ਕਿ ਯਾਦਾਂ ਨੂੰ ਆਨਲਾਈਨ ਸਾਂਝਾ ਕਰਨਾ ਰੀਹੈਬਿੰਗ ਅਤੇ ਅਰਥ ਬਣਾਉਣ ਲਈ ਵਿਲੱਖਣ ਮੌਕੇ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਯਾਦਦਾਸ਼ਤ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਦੇ ਹਨ। |
b3ede733fcd97271f745d8c0f71e44562abbb6d5 | ਸਮੱਸਿਆ ਦੇ ਵਿਵਹਾਰ ਦੇ ਕਾਰਜ ਦੀ ਪਛਾਣ ਕਰਨ ਨਾਲ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਦਖਲਅੰਦਾਜ਼ੀ ਦੇ ਵਿਕਾਸ ਹੋ ਸਕਦੇ ਹਨ। ਫੰਕਸ਼ਨ ਦੀ ਪਛਾਣ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਫੰਕਸ਼ਨਲ ਵਿਵਹਾਰ ਮੁਲਾਂਕਣ (ਐਫਬੀਏ) ਦੁਆਰਾ ਹੈ। ਅਧਿਆਪਕ ਸਕੂਲਾਂ ਵਿੱਚ ਐਫਬੀਏ ਦਾ ਸੰਚਾਲਨ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਡਾਟਾ ਨੂੰ ਹੱਥੀਂ ਰਿਕਾਰਡ ਕਰਨ ਦਾ ਕੰਮ ਦਾ ਭਾਰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ, ਅਤੇ ਵਿਦਿਆਰਥੀਆਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਦੇ ਸਮੇਂ ਪੂਰਵ-ਅਨੁਸ਼ਾਸਨਾਂ ਅਤੇ ਨਤੀਜਿਆਂ ਦੀ ਸਹੀ ਪਛਾਣ ਕਰਨ ਦੀ ਚੁਣੌਤੀ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਇਨ੍ਹਾਂ ਮੁੱਦਿਆਂ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਅਕਸਰ ਅਧੂਰੀ ਜਾਣਕਾਰੀ ਹਾਸਲ ਹੁੰਦੀ ਹੈ। ਕੇਅਰਲੌਗ ਅਧਿਆਪਕਾਂ ਨੂੰ FBAs ਨੂੰ ਅਸਾਨੀ ਨਾਲ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਅਤੇ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ ਨੂੰ ਹਾਸਲ ਕਰਨ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ। ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਡਿਜ਼ਾਇਨ ਪ੍ਰਕਿਰਿਆ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਾਂ ਜਿਸ ਨਾਲ ਪੰਜ ਡਿਜ਼ਾਇਨ ਸਿਧਾਂਤ ਪੈਦਾ ਹੋਏ ਜੋ ਕੇਅਰਲੌਗ ਦੇ ਵਿਕਾਸ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੇ ਹਨ। ਅਸੀਂ ਇਹਨਾਂ ਡਿਜ਼ਾਇਨ ਸਿਧਾਂਤਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੇ ਉਦੇਸ਼ ਨਾਲ ਪੰਜ ਮਹੀਨਿਆਂ ਦੇ, ਕਵਾਸੀ-ਨਿਯੰਤਰਿਤ ਅਧਿਐਨ ਦੇ ਨਤੀਜੇ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ। ਅਸੀਂ ਇਸ ਬਾਰੇ ਵਿਚਾਰ ਕਰਦੇ ਹਾਂ ਕਿ ਵਿਸ਼ੇਸ਼ ਸਿੱਖਿਆ ਸੈਟਿੰਗਾਂ ਦੁਆਰਾ ਲਗਾਏ ਗਏ ਵੱਖ-ਵੱਖ ਪਾਬੰਦੀਆਂ ਐਚਸੀਆਈ ਪ੍ਰੈਕਟੀਸ਼ਨਰਾਂ ਅਤੇ ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਡਿਜ਼ਾਈਨ ਅਤੇ ਮੁਲਾਂਕਣ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਤ ਕਰਦੀਆਂ ਹਨ। |
77e7b0663f6774b3d6e1d51106020a9a0f96bcd2 | ਇਹ ਲੇਖ ਇੰਟਰਨੈੱਟ ਦੀ ਵਰਤੋਂ ਅਤੇ ਸਮਾਜਿਕ ਪੂੰਜੀ ਦੇ ਵਿਅਕਤੀਗਤ ਪੱਧਰ ਦੇ ਉਤਪਾਦਨ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦੀ ਪੜਚੋਲ ਕਰਦਾ ਹੈ। ਅਜਿਹਾ ਕਰਨ ਲਈ, ਲੇਖਕ ਨਾਗਰਿਕ ਸ਼ਮੂਲੀਅਤ, ਅੰਤਰ-ਵਿਅਕਤੀਗਤ ਵਿਸ਼ਵਾਸ ਅਤੇ ਜੀਵਨ ਸੰਤੁਸ਼ਟੀ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੇ ਕਾਰਕਾਂ ਦੀ ਜਾਂਚ ਕਰਦੇ ਸਮੇਂ ਇੰਟਰਨੈਟ ਦੀ ਵਰਤੋਂ ਦੀਆਂ ਕਿਸਮਾਂ ਵਿੱਚ ਅੰਤਰ ਕਰਨ ਲਈ ਇੱਕ ਪ੍ਰੇਰਣਾਦਾਇਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਅਪਣਾਉਂਦੇ ਹਨ। ਫਿਰ 1999 ਦੇ ਡੀਡੀਬੀ ਲਾਈਫ ਸਟਾਈਲ ਸਟੱਡੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਨਵੇਂ ਮੀਡੀਆ ਦੀ ਵਰਤੋਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਸ਼ਕਤੀ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਐਸੋਸੀਏਸ਼ਨਾਂ ਦਾ ਆਕਾਰ ਆਮ ਤੌਰ ਤੇ ਛੋਟਾ ਹੁੰਦਾ ਹੈ, ਪਰ ਅੰਕੜੇ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਇੰਟਰਨੈਟ ਦੀ ਜਾਣਕਾਰੀ ਸੰਬੰਧੀ ਵਰਤੋਂ ਸਮਾਜਿਕ ਪੂੰਜੀ ਦੇ ਉਤਪਾਦਨ ਵਿੱਚ ਵਿਅਕਤੀਗਤ ਅੰਤਰਾਂ ਨਾਲ ਸਕਾਰਾਤਮਕ ਤੌਰ ਤੇ ਸੰਬੰਧਿਤ ਹੈ, ਜਦੋਂ ਕਿ ਸਮਾਜਿਕ-ਮਨੋਰੰਜਨ ਸੰਬੰਧੀ ਵਰਤੋਂ ਇਨ੍ਹਾਂ ਨਾਗਰਿਕ ਸੰਕੇਤਾਂ ਨਾਲ ਨਕਾਰਾਤਮਕ ਤੌਰ ਤੇ ਸੰਬੰਧਿਤ ਹੈ। ਪੀੜ੍ਹੀ ਦੀ ਉਮਰ ਦੇ ਅੰਤਰ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤੇ ਗਏ ਉਪ-ਨਮੂਨੇ ਦੇ ਅੰਦਰ ਵਿਸ਼ਲੇਸ਼ਣ ਅੱਗੇ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਸਮਾਜਿਕ ਪੂੰਜੀ ਉਤਪਾਦਨ ਪੀੜ੍ਹੀ X ਦੇ ਵਿਚਕਾਰ ਇੰਟਰਨੈਟ ਦੀ ਵਰਤੋਂ ਨਾਲ ਸਬੰਧਤ ਹੈ, ਜਦੋਂ ਕਿ ਇਹ ਬੇਬੀ ਬੂਮਰਜ਼ ਦੇ ਵਿਚਕਾਰ ਟੈਲੀਵਿਜ਼ਨ ਦੀ ਵਰਤੋਂ ਅਤੇ ਸਿਵਿਕ ਪੀੜ੍ਹੀ ਦੇ ਮੈਂਬਰਾਂ ਵਿੱਚ ਅਖਬਾਰ ਦੀ ਵਰਤੋਂ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ। ਜੀਵਨ ਚੱਕਰ ਅਤੇ ਕੋਹੋਰਟ ਪ੍ਰਭਾਵਾਂ ਦੀ ਸੰਭਾਵਨਾ ਬਾਰੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ। |
076be17f97325fda82d1537aaa48798eb66ba91f | ਪਛਾਣ ਅਧਾਰਤ ਐਨਕ੍ਰਿਪਸ਼ਨ (ਆਈਬੀਈ) ਪਬਲਿਕ-ਕੀ ਐਨਕ੍ਰਿਪਸ਼ਨ ਦਾ ਇੱਕ ਦਿਲਚਸਪ ਵਿਕਲਪ ਹੈ, ਕਿਉਂਕਿ ਆਈਬੀਈ ਪਬਲਿਕ ਕੀ ਇਨਫਰਾਸਟ੍ਰਕਚਰ (ਪੀਕੇਆਈ) ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ। ਆਈਬੀਈ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਪ੍ਰੇਸ਼ਕਾਂ ਨੂੰ ਪ੍ਰਾਪਤਕਰਤਾਵਾਂ ਦੀਆਂ ਜਨਤਕ ਕੁੰਜੀਆਂ ਅਤੇ ਸੰਬੰਧਿਤ ਸਰਟੀਫਿਕੇਟ, ਪਛਾਣ (ਉਦਾਹਰਣ ਵਜੋਂ ਆਈਬੀਈ) ਦੀ ਖੋਜ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਨਹੀਂ ਹੁੰਦੀ। ਈਮੇਲ ਜਾਂ ਆਈਪੀ ਐਡਰੈੱਸ) ਨੂੰ ਐਨਕ੍ਰਿਪਟ ਕਰਨ ਲਈ ਕਾਫੀ ਹਨ। ਕਿਸੇ ਵੀ ਸੈਟਿੰਗ, PKI- ਜਾਂ ਪਛਾਣ-ਅਧਾਰਿਤ, ਨੂੰ ਸਿਸਟਮ ਤੋਂ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਰੱਦ ਕਰਨ ਦਾ ਇੱਕ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਪ੍ਰਭਾਵੀ ਰੱਦ ਕਰਨਾ ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਅਧਿਐਨ ਕੀਤੀ ਗਈ ਸਮੱਸਿਆ ਹੈ ਜੋ ਰਵਾਇਤੀ ਪੀਕੇਆਈ ਸੈਟਿੰਗ ਵਿੱਚ ਹੈ। ਹਾਲਾਂਕਿ ਆਈਬੀਈ ਦੀ ਸਥਾਪਨਾ ਵਿੱਚ, ਰੱਦ ਕਰਨ ਦੇ ਵਿਧੀਵਾਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਬਹੁਤ ਘੱਟ ਕੰਮ ਕੀਤਾ ਗਿਆ ਹੈ। ਸਭ ਤੋਂ ਵੱਧ ਵਿਹਾਰਕ ਹੱਲ ਲਈ ਭੇਜਣ ਵਾਲਿਆਂ ਨੂੰ ਵੀ ਏਨਕ੍ਰਿਪਟ ਕਰਨ ਵੇਲੇ ਸਮੇਂ ਦੀ ਮਿਆਦ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਸਾਰੇ ਪ੍ਰਾਪਤਕਰਤਾ (ਇਸ ਗੱਲ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ ਕਿ ਉਨ੍ਹਾਂ ਦੀਆਂ ਕੁੰਜੀਆਂ ਨਾਲ ਸਮਝੌਤਾ ਕੀਤਾ ਗਿਆ ਹੈ ਜਾਂ ਨਹੀਂ) ਭਰੋਸੇਯੋਗ ਅਥਾਰਟੀ ਨਾਲ ਸੰਪਰਕ ਕਰਕੇ ਨਿਯਮਿਤ ਤੌਰ ਤੇ ਆਪਣੀਆਂ ਪ੍ਰਾਈਵੇਟ ਕੁੰਜੀਆਂ ਨੂੰ ਅਪਡੇਟ ਕਰਨ ਲਈ. ਅਸੀਂ ਨੋਟ ਕਰਦੇ ਹਾਂ ਕਿ ਇਹ ਹੱਲ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਕੇਲ ਨਹੀਂ ਕਰਦਾ ਹੈ - ਜਿਵੇਂ ਕਿ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਗਿਣਤੀ ਵਧਦੀ ਹੈ, ਕੁੰਜੀ ਅਪਡੇਟਾਂ ਤੇ ਕੰਮ ਇੱਕ ਬੋਤਲ ਦੀ ਗੰਢ ਬਣ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇੱਕ ਆਈਬੀਈ ਸਕੀਮ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦੇ ਹਾਂ ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਕੁਸ਼ਲ ਰਹਿੰਦੇ ਹੋਏ ਭਰੋਸੇਯੋਗ ਪਾਰਟੀ (ਲਾਈਨਅਰ ਤੋਂ ਲੋਗਾਰੀਥਮਿਕ ਤੱਕ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਗਿਣਤੀ ਵਿੱਚ) ਦੇ ਪਾਸੇ ਕੁੰਜੀ-ਅਪਡੇਟ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਮਹੱਤਵਪੂਰਣ ਸੁਧਾਰ ਕਰਦਾ ਹੈ। ਸਾਡੀ ਸਕੀਮ ਫਜ਼ੀ ਆਈਬੀਈ ਪ੍ਰਾਚੀਨ ਅਤੇ ਬਾਈਨਰੀ ਟ੍ਰੀ ਡਾਟਾ ਢਾਂਚੇ ਦੇ ਵਿਚਾਰਾਂ ਤੇ ਅਧਾਰਤ ਹੈ, ਅਤੇ ਇਹ ਸਾਬਤ ਤੌਰ ਤੇ ਸੁਰੱਖਿਅਤ ਹੈ। |
7a58abc92dbe41c9e5b3c7b0a358ab9096880f25 | ਅਣਚਾਹੇ ਬਲਕ ਈਮੇਲ ( ਸਪੈਮ) ਨੂੰ ਘਟਾਉਣ ਲਈ ਇੱਕ ਅਕਸਰ ਪ੍ਰਸਤਾਵਿਤ ਵਿਧੀ ਇਹ ਹੈ ਕਿ ਭੇਜਣ ਵਾਲਿਆਂ ਨੂੰ ਉਹ ਹਰ ਈਮੇਲ ਲਈ ਭੁਗਤਾਨ ਕਰਨ ਜੋ ਉਹ ਭੇਜਦੇ ਹਨ. ਪਰੂਫ-ਆਫ-ਵਰਕ ਸਕੀਮਾਂ ਅਸਲ ਪੈਸੇ ਦੀ ਵਸੂਲੀ ਤੋਂ ਬਚਣ ਲਈ ਭੇਜਣ ਵਾਲਿਆਂ ਨੂੰ ਇਹ ਦਰਸਾਉਣ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਨੇ ਇਕ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਬੁਝਾਰਤ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿਚ ਪ੍ਰੋਸੈਸਿੰਗ ਸਮਾਂ ਖਰਚ ਕੀਤਾ ਹੈ। ਅਸੀਂ ਇਹ ਪਤਾ ਲਗਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ ਕਿ ਸਪੈਮ ਨੂੰ ਰੋਕਣ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੋਣ ਲਈ ਇਹ ਬੁਝਾਰਤ ਕਿੰਨੀ ਮੁਸ਼ਕਲ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਆਰਥਿਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਕਰਦੇ ਹਾਂ, "ਅਸੀਂ ਸਪੈਮ ਭੇਜਣ ਨੂੰ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੋਣ ਤੋਂ ਕਿਵੇਂ ਰੋਕ ਸਕਦੇ ਹਾਂ", ਅਤੇ ਸੁਰੱਖਿਆ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, "ਸਪੈਮਰ ਅਸੁਰੱਖਿਅਤ ਅੰਤ-ਉਪਭੋਗਤਾ ਮਸ਼ੀਨਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਬੁਝਾਰਤਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਪ੍ਰੋਸੈਸਿੰਗ ਚੱਕਰ ਚੋਰੀ ਕਰ ਸਕਦੇ ਹਨ। ਦੋਵੇਂ ਵਿਸ਼ਲੇਸ਼ਣ ਬੁਝਾਰਤ ਦੀ ਮੁਸ਼ਕਲ ਦੇ ਸਮਾਨ ਮੁੱਲਾਂ ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ। ਬਦਕਿਸਮਤੀ ਨਾਲ, ਇੱਕ ਵੱਡੇ ਆਈਐਸਪੀ ਦੇ ਅਸਲ ਸੰਸਾਰ ਦੇ ਅੰਕੜੇ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਇਨ੍ਹਾਂ ਮੁਸ਼ਕਲਾਂ ਦੇ ਪੱਧਰਾਂ ਦਾ ਅਰਥ ਇਹ ਹੋਵੇਗਾ ਕਿ ਕਾਨੂੰਨੀ ਈਮੇਲ ਭੇਜਣ ਵਾਲਿਆਂ ਦੀ ਇੱਕ ਮਹੱਤਵਪੂਰਣ ਗਿਣਤੀ ਆਪਣੀ ਮੌਜੂਦਾ ਗਤੀਵਿਧੀ ਦੇ ਪੱਧਰ ਨੂੰ ਜਾਰੀ ਰੱਖਣ ਵਿੱਚ ਅਸਮਰੱਥ ਹੋਵੇਗੀ। ਅਸੀਂ ਸਿੱਟਾ ਕੱਢਦੇ ਹਾਂ ਕਿ ਪ੍ਰਮਾਣ-ਕਾਰਜ ਸਪੈਮ ਦੀ ਸਮੱਸਿਆ ਦਾ ਹੱਲ ਨਹੀਂ ਹੋਵੇਗਾ। |
5284e8897f3a73ff08da1f2ce744ba652583405a | 1. ਸੰਖੇਪ ਪ੍ਰੋਗਰਾਮਿੰਗ ਅਸਾਈਨਮੈਂਟਸ ਦੀ ਆਟੋਮੈਟਿਕ ਗਰੇਡਿੰਗ ਲਗਭਗ ਓਨੀ ਹੀ ਦੇਰ ਤੱਕ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਕੋਰਸਾਂ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਰਹੀ ਹੈ ਜਿੰਨੀ ਦੇਰ ਤੱਕ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਕੋਰਸ ਮੌਜੂਦ ਹਨ [1]। ਹਾਲਾਂਕਿ, ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਕੋਰਸਾਂ ਵਿੱਚ ਸਮਕਾਲੀ ਆਟੋ-ਗਰੇਡਿੰਗ ਪ੍ਰਣਾਲੀਆਂ ਨੇ ਆਪਣੇ ਦਾਇਰੇ ਨੂੰ ਆਟੋਮੈਟਿਕ ਮੁਲਾਂਕਣ ਕਰਨ ਤੋਂ ਇਲਾਵਾ ਗੇਮਿਫਿਕੇਸ਼ਨ [2], ਟੈਸਟ ਕਵਰੇਜ ਵਿਸ਼ਲੇਸ਼ਣ [3], ਮਨੁੱਖੀ-ਲੇਖਕ ਫੀਡਬੈਕ ਦਾ ਪ੍ਰਬੰਧਨ, ਮੁਕਾਬਲੇ ਦਾ ਨਿਰਣਾ [4], ਸੁਰੱਖਿਅਤ ਰਿਮੋਟ ਕੋਡ ਐਗਜ਼ੀਕਿਊਸ਼ਨ [5] ਅਤੇ ਹੋਰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਵਧਾ ਦਿੱਤਾ ਹੈ। ਇਹਨਾਂ ਵਿੱਚੋਂ ਬਹੁਤ ਸਾਰੀਆਂ ਵਿਅਕਤੀਗਤ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਸਿੱਖਿਆ ਸਾਹਿਤ ਵਿੱਚ ਵਰਣਨ ਅਤੇ ਮੁਲਾਂਕਣ ਕੀਤਾ ਗਿਆ ਹੈ, ਪਰ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਕੋਰਸਾਂ ਵਿੱਚ ਇਹਨਾਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਾਲੇ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਵਰਤੋਂ ਦੇ ਵਿਹਾਰਕ ਲਾਭਾਂ ਅਤੇ ਚੁਣੌਤੀਆਂ ਵੱਲ ਬਹੁਤ ਘੱਟ ਧਿਆਨ ਦਿੱਤਾ ਗਿਆ ਹੈ। |
8a58a1107f790bc07774d18e0184e4bf9d1901ba | ਇਹ ਥੀਸਿਸ ਵਾਈਟ੍ਰੈਕ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਇੱਕ ਪ੍ਰਣਾਲੀ ਜੋ ਉਸ ਦੇ ਸਰੀਰ ਤੋਂ ਪ੍ਰਤੀਬਿੰਬਿਤ ਰੇਡੀਓ ਸੰਕੇਤਾਂ ਤੋਂ ਇੱਕ ਉਪਭੋਗਤਾ ਦੀ 3D ਗਤੀ ਨੂੰ ਟਰੈਕ ਕਰਦੀ ਹੈ। ਇਹ ਕੰਮ ਕਰਦਾ ਹੈ ਭਾਵੇਂ ਵਿਅਕਤੀ WiTrack ਉਪਕਰਣ ਤੋਂ ਬੰਦ ਹੋਵੇ ਜਾਂ ਕਿਸੇ ਵੱਖਰੇ ਕਮਰੇ ਵਿੱਚ ਹੋਵੇ। ਵਾਈਟ੍ਰੈਕ ਲਈ ਉਪਭੋਗਤਾ ਨੂੰ ਕਿਸੇ ਵੀ ਵਾਇਰਲੈੱਸ ਉਪਕਰਣ ਨੂੰ ਚੁੱਕਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ, ਫਿਰ ਵੀ ਇਸਦੀ ਸ਼ੁੱਧਤਾ ਮੌਜੂਦਾ ਆਰਐਫ ਲੋਕਲਾਈਜ਼ੇਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਵੱਧ ਹੈ, ਜਿਸ ਲਈ ਉਪਭੋਗਤਾ ਨੂੰ ਟ੍ਰਾਂਸਸੀਵਰ ਰੱਖਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇੱਕ WiTrack ਪ੍ਰੋਟੋਟਾਈਪ ਨਾਲ ਅਨੁਭਵੀ ਮਾਪ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ, ਔਸਤਨ, ਇਹ ਇੱਕ ਮਨੁੱਖੀ ਸਰੀਰ ਦੇ ਕੇਂਦਰ ਨੂੰ x ਅਤੇ y ਮਾਪਾਂ ਵਿੱਚ 10 ਤੋਂ 13 ਸੈਂਟੀਮੀਟਰ ਦੇ ਵਿਚਕਾਰਲੇ ਅਤੇ z ਮਾਪ ਵਿੱਚ 21 ਸੈਂਟੀਮੀਟਰ ਦੇ ਅੰਦਰ ਸਥਾਪਤ ਕਰਦਾ ਹੈ। ਇਹ ਸਰੀਰ ਦੇ ਅੰਗਾਂ ਦੀ ਮੋਟਾ ਟਰੈਕਿੰਗ ਵੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ 11.20 ਦੇ ਮੱਧ ਦੇ ਨਾਲ ਇੱਕ ਸੰਕੇਤ ਕਰਨ ਵਾਲੇ ਹੱਥ ਦੀ ਦਿਸ਼ਾ ਦੀ ਪਛਾਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਵਾਈਟ੍ਰੈਕ ਆਰਐਫ-ਅਧਾਰਤ ਲੋਕਲਾਈਜ਼ੇਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਪਾੜਾ ਭਰਦਾ ਹੈ ਜੋ ਕੰਧਾਂ ਅਤੇ ਰੁਕਾਵਟਾਂ ਦੁਆਰਾ ਇੱਕ ਉਪਭੋਗਤਾ ਦਾ ਪਤਾ ਲਗਾਉਂਦੇ ਹਨ, ਅਤੇ ਕਿਨੈਕਟ ਵਰਗੇ ਮਨੁੱਖ-ਕੰਪਿ computerਟਰ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਪ੍ਰਣਾਲੀਆਂ, ਜੋ ਕਿ ਉਸਦੇ ਸਰੀਰ ਨੂੰ ਇੰਸਟ੍ਰੂਮੈਂਟ ਕੀਤੇ ਬਿਨਾਂ ਇੱਕ ਉਪਭੋਗਤਾ ਨੂੰ ਟਰੈਕ ਕਰ ਸਕਦੇ ਹਨ, ਪਰ ਉਪਭੋਗਤਾ ਨੂੰ ਡਿਵਾਈਸ ਦੀ ਸਿੱਧੀ ਲਾਈਨ ਦੇ ਅੰਦਰ ਰਹਿਣ ਦੀ ਜ਼ਰੂਰਤ ਹੈ. ਥੀਸਿਸ ਸੁਪਰਵਾਈਜ਼ਰ: ਦੀਨਾ ਕਟਬੀ ਟਾਈਟਲਃ ਕੰਪਿਊਟਰ ਸਾਇੰਸ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਪ੍ਰੋਫੈਸਰ |
42004b6bdf5ea375dfaeb96c1fd6f8f77d908d65 | ਇੰਟਰਨੈਟ ਖੋਜ ਰੈਂਕਿੰਗ ਦਾ ਖਪਤਕਾਰਾਂ ਦੀਆਂ ਚੋਣਾਂ ਤੇ ਮਹੱਤਵਪੂਰਣ ਪ੍ਰਭਾਵ ਪੈਂਦਾ ਹੈ, ਮੁੱਖ ਤੌਰ ਤੇ ਕਿਉਂਕਿ ਉਪਭੋਗਤਾ ਉੱਚ ਰੈਂਕ ਵਾਲੇ ਨਤੀਜਿਆਂ ਤੇ ਘੱਟ ਰੈਂਕ ਵਾਲੇ ਨਤੀਜਿਆਂ ਨਾਲੋਂ ਵਧੇਰੇ ਭਰੋਸਾ ਕਰਦੇ ਹਨ ਅਤੇ ਚੁਣਦੇ ਹਨ. ਸਰਚ ਰੈਂਕਿੰਗ ਦੀ ਸਪੱਸ਼ਟ ਸ਼ਕਤੀ ਨੂੰ ਵੇਖਦੇ ਹੋਏ, ਅਸੀਂ ਪੁੱਛਿਆ ਕਿ ਕੀ ਉਨ੍ਹਾਂ ਨੂੰ ਲੋਕਤੰਤਰੀ ਚੋਣਾਂ ਵਿੱਚ ਅਣਚਾਹੇ ਵੋਟਰਾਂ ਦੀਆਂ ਤਰਜੀਹਾਂ ਨੂੰ ਬਦਲਣ ਲਈ ਹੇਰਾਫੇਰੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇੱਥੇ ਅਸੀਂ ਪੰਜ ਸੰਬੰਧਿਤ ਡਬਲ-ਅੰਨ੍ਹੇ, ਬੇਤਰਤੀਬ ਨਿਯੰਤਰਿਤ ਪ੍ਰਯੋਗਾਂ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਰਿਪੋਰਟ ਕਰਦੇ ਹਾਂ, ਕੁੱਲ 4,556 ਅਣ-ਨਿਰਧਾਰਤ ਵੋਟਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਜੋ ਸੰਯੁਕਤ ਰਾਜ ਅਤੇ ਭਾਰਤ ਦੀਆਂ ਵੋਟਿੰਗ ਆਬਾਦੀ ਦੀਆਂ ਵਿਭਿੰਨ ਜਨਸੰਖਿਆ ਸੰਬੰਧੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਪੰਜਵਾਂ ਪ੍ਰਯੋਗ ਇਸ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ ਤੇ ਧਿਆਨ ਦੇਣ ਯੋਗ ਹੈ ਕਿ ਇਹ ਪੂਰੇ ਭਾਰਤ ਵਿੱਚ ਯੋਗ ਵੋਟਰਾਂ ਨਾਲ ਭਾਰਤ ਦੀਆਂ 2014 ਦੀਆਂ ਲੋਕ ਸਭਾ ਚੋਣਾਂ ਦੇ ਮੱਧ ਵਿੱਚ ਅੰਤਮ ਵੋਟਾਂ ਪਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਨ੍ਹਾਂ ਪ੍ਰਯੋਗਾਂ ਦੇ ਨਤੀਜੇ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ (i) ਪੱਖਪਾਤੀ ਖੋਜ ਦਰਜਾਬੰਦੀ ਅਣਚਾਹੇ ਵੋਟਰਾਂ ਦੀਆਂ ਵੋਟਿੰਗ ਤਰਜੀਹਾਂ ਨੂੰ 20% ਜਾਂ ਇਸ ਤੋਂ ਵੱਧ ਬਦਲ ਸਕਦੀ ਹੈ, (ii) ਤਬਦੀਲੀ ਕੁਝ ਜਨਸੰਖਿਆ ਸਮੂਹਾਂ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੋ ਸਕਦੀ ਹੈ, ਅਤੇ (iii) ਖੋਜ ਦਰਜਾਬੰਦੀ ਪੱਖਪਾਤ ਨੂੰ ਮਾਸਕ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਤਾਂ ਜੋ ਲੋਕ ਹੇਰਾਫੇਰੀ ਦੀ ਕੋਈ ਜਾਗਰੂਕਤਾ ਨਾ ਦਿਖਾਉਣ. ਅਸੀਂ ਇਸ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਕਹਿੰਦੇ ਹਾਂ, ਜੋ ਕਿ ਵੱਖ-ਵੱਖ ਰਵੱਈਏ ਅਤੇ ਵਿਸ਼ਵਾਸਾਂ ਲਈ ਲਾਗੂ ਹੋ ਸਕਦਾ ਹੈ, ਖੋਜ ਇੰਜਨ ਹੇਰਾਫੇਰੀ ਪ੍ਰਭਾਵ. ਇਹ ਦੇਖਦੇ ਹੋਏ ਕਿ ਬਹੁਤ ਸਾਰੀਆਂ ਚੋਣਾਂ ਥੋੜ੍ਹੇ ਫਰਕ ਨਾਲ ਜਿੱਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਸਾਡੇ ਨਤੀਜੇ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਇੱਕ ਖੋਜ ਇੰਜਨ ਕੰਪਨੀ ਕੋਲ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਚੋਣਾਂ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਦੀ ਸ਼ਕਤੀ ਹੈ। ਅਜਿਹੇ ਹੇਰਾਫੇਰੀਆਂ ਦਾ ਪ੍ਰਭਾਵ ਖਾਸ ਤੌਰ ਤੇ ਉਨ੍ਹਾਂ ਦੇਸ਼ਾਂ ਵਿੱਚ ਵੱਡਾ ਹੋਵੇਗਾ ਜਿੱਥੇ ਇੱਕ ਹੀ ਖੋਜ ਇੰਜਨ ਕੰਪਨੀ ਦਾ ਦਬਦਬਾ ਹੈ। |
30a7fcdaa836837d87a8e4702ed015cd66e6ad03 | ਇਹ ਪੇਪਰ ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਣਾਲੀ ਦੇ ਨਿਰਮਾਣ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ ਜੋ ਹੱਥ-ਪ੍ਰਿੰਟ ਕੀਤੇ ਅੰਕ ਨੂੰ ਪਛਾਣਦਾ ਹੈ, ਕਲਾਸੀਕਲ ਤਕਨੀਕਾਂ ਅਤੇ ਨਯੂਰਲ-ਨੈੱਟ ਵਿਧੀਆਂ ਦੇ ਸੁਮੇਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਸ ਪ੍ਰਣਾਲੀ ਨੂੰ ਅਸਲ ਸੰਸਾਰ ਦੇ ਅੰਕੜਿਆਂ ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਹੈ ਅਤੇ ਟੈਸਟ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਅਸਲ ਯੂ.ਐਸ. ਮੇਲ ਤੇ ਦੇਖੇ ਗਏ ਜ਼ਿਪ ਕੋਡ ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ। ਸਿਸਟਮ ਉਦਾਹਰਣਾਂ ਦੀ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਅਸੰਵੇਦਨਸ਼ੀਲ ਵਜੋਂ ਰੱਦ ਕਰਦਾ ਹੈ, ਅਤੇ ਬਾਕੀ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਤੇ ਇੱਕ ਬਹੁਤ ਘੱਟ ਗਲਤੀ ਦਰ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ. ਇਹ ਪ੍ਰਣਾਲੀ ਹੋਰ ਅਤਿ-ਆਧੁਨਿਕ ਮਾਨਕਾਂ ਨਾਲ ਤੁਲਨਾਤਮਕ ਤੌਰ ਤੇ ਅਨੁਕੂਲ ਹੈ। ਹਾਲਾਂਕਿ ਕੁਝ ਵਿਧੀਆਂ ਇਸ ਕੰਮ ਲਈ ਵਿਸ਼ੇਸ਼ ਹਨ, ਇਹ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੀਆਂ ਤਕਨੀਕਾਂ ਨੂੰ ਮਾਨਤਾ ਦੇਣ ਦੇ ਕੰਮਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਲਈ ਲਾਗੂ ਕੀਤਾ ਜਾਏਗਾ. |
605a12a1d02451157cc5fd4dc475d5cbddd5cb01 | ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਲਈ ਘਰ ਇਕ ਪਵਿੱਤਰ ਸਥਾਨ ਹੈ। ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਲਈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਵਿਸ਼ੇਸ਼ ਡਾਕਟਰੀ ਦੇਖਭਾਲ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਉਨ੍ਹਾਂ ਨੂੰ ਆਪਣੀਆਂ ਡਾਕਟਰੀ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਉਨ੍ਹਾਂ ਨੂੰ ਆਪਣੇ ਘਰ ਤੋਂ ਬਾਹਰ ਕੱ . ਜਿਵੇਂ-ਜਿਵੇਂ ਆਬਾਦੀ ਦੀ ਉਮਰ ਵਧਦੀ ਜਾਂਦੀ ਹੈ, ਇਸ ਸਮੂਹ ਵਿੱਚ ਲੋਕਾਂ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਵਧਦੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਪ੍ਰਭਾਵ ਮਹਿੰਗੇ ਅਤੇ ਅਸੰਤੁਸ਼ਟ ਹੁੰਦੇ ਹਨ। ਅਸੀਂ ਇਹ ਅਨੁਮਾਨ ਲਗਾਉਂਦੇ ਹਾਂ ਕਿ ਬਹੁਤ ਸਾਰੇ ਅਪਾਹਜ ਲੋਕ ਆਪਣੇ ਘਰਾਂ ਵਿੱਚ ਆਟੋਮੈਟਿਕ ਸਹਾਇਤਾ ਅਤੇ ਸਿਹਤ ਨਿਗਰਾਨੀ ਦੀ ਸਹਾਇਤਾ ਨਾਲ ਸੁਤੰਤਰ ਜੀਵਨ ਜੀ ਸਕਦੇ ਹਨ। ਇਸ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ, ਢੁਕਵੇਂ ਡੇਟਾ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਅਤੇ ਇਸ ਨੂੰ ਗਤੀਸ਼ੀਲ ਅਤੇ ਅਨੁਕੂਲ ਢੰਗ ਨਾਲ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਲਈ ਮਜ਼ਬੂਤ ਢੰਗ ਵਿਕਸਿਤ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ ਤਾਂ ਜੋ ਲੰਬੇ ਸਮੇਂ ਦੇ ਰੁਝਾਨਾਂ ਜਾਂ ਤੁਰੰਤ ਸੰਕਟ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਜਾ ਸਕੇ। ਇਸ ਪੇਪਰ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਘਰ ਵਿੱਚ ਸਿਹਤ ਦੀ ਨਿਗਰਾਨੀ ਅਤੇ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਏਜੰਟ-ਅਧਾਰਤ ਸਮਾਰਟ ਹੋਮ ਤਕਨਾਲੋਜੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀਆਂ ਤਕਨੀਕਾਂ ਦੀ ਜਾਂਚ ਕਰਨਾ ਹੈ। ਇਸ ਉਦੇਸ਼ ਲਈ, ਅਸੀਂ ਨਵੀਨਤਾਕਾਰੀ ਆਬਾਦੀ ਮਾਡਲਿੰਗ ਅਤੇ ਸਵੈਚਾਲਨ ਐਲਗੋਰਿਥਮ ਵਿਕਸਿਤ ਕੀਤੇ ਹਨ ਜੋ ਦੇਖਭਾਲ ਕਰਨ ਵਾਲਿਆਂ ਲਈ ਰਿਮੋਟ ਸਿਹਤ ਨਿਗਰਾਨੀ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਵਿਸ਼ੇਸ਼ ਤੌਰ ਤੇ, ਅਸੀਂ ਹੇਠ ਲਿਖੀਆਂ ਤਕਨੀਕੀ ਚੁਣੌਤੀਆਂ ਦਾ ਹੱਲ ਕਰਦੇ ਹਾਂ: 1) ਜੀਵਨਸ਼ੈਲੀ ਦੇ ਰੁਝਾਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ, 2) ਮੌਜੂਦਾ ਅੰਕੜਿਆਂ ਵਿੱਚ ਅਸੰਗਤਤਾਵਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ, ਅਤੇ 3) ਇੱਕ ਯਾਦ ਦਿਵਾਉਣ ਵਾਲੀ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀ ਤਿਆਰ ਕਰਨਾ। ਸਾਡੇ ਹੱਲ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਅਤੇ UTA ਦੇ MavHome ਸਾਈਟ ਤੇ ਸਵੈਸੇਵਕਾਂ ਨਾਲ ਜਾਂਚ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ, ਇੱਕ ਏਜੰਟ-ਅਧਾਰਤ |
494fc1e30be172fbe393e0d68695ae318e23da8c | ਗ੍ਰੀਨ ਸਪਲਾਈ ਚੇਨ ਮੈਨੇਜਮੈਂਟ (ਜੀਐਸਸੀਐਮ) ਨੇ ਅਕਾਦਮਿਕ ਅਤੇ ਉਦਯੋਗ ਦੋਵਾਂ ਵਿੱਚ ਵੱਧ ਰਹੀ ਧਿਆਨ ਪ੍ਰਾਪਤ ਕੀਤਾ ਹੈ। ਜਿਵੇਂ ਕਿ ਸਾਹਿਤ ਵਧਦਾ ਹੈ, ਖੋਜ ਦਾ ਆਲੋਚਨਾਤਮਕ ਮੁਲਾਂਕਣ ਕਰਕੇ ਅਤੇ ਭਵਿੱਖ ਦੀਆਂ ਦਿਸ਼ਾਵਾਂ ਦੀ ਪਛਾਣ ਕਰਕੇ ਨਵੀਆਂ ਦਿਸ਼ਾਵਾਂ ਲੱਭਣਾ ਖੇਤਰ ਲਈ ਗਿਆਨ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਬਣ ਜਾਂਦਾ ਹੈ। ਸਾਹਿਤ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਸੰਗਠਨਾਤਮਕ ਸਿਧਾਂਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਦੋਨਾਂ ਉਦੇਸ਼ਾਂ ਨੂੰ ਸਮਝਣ ਦੇ ਮੌਕੇ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਕਿ ਖੇਤਰ ਇਸ ਵੇਲੇ ਕਿੱਥੇ ਖੜ੍ਹਾ ਹੈ ਅਤੇ ਖੋਜ ਦੇ ਮੌਕਿਆਂ ਅਤੇ ਦਿਸ਼ਾਵਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਹੈ। ਜੀਐਸਸੀਐਮ ਤੇ ਪਿਛੋਕੜ ਦੀ ਚਰਚਾ ਪ੍ਰਦਾਨ ਕਰਨ ਤੋਂ ਬਾਅਦ ਅਸੀਂ ਨੌਂ ਵਿਆਪਕ ਸੰਗਠਨਾਤਮਕ ਸਿਧਾਂਤਾਂ ਦੇ ਤਹਿਤ ਹਾਲ ਹੀ ਦੇ ਜੀਐਸਸੀਐਮ ਸਾਹਿਤ ਦੀ ਸ਼੍ਰੇਣੀਬੱਧ ਅਤੇ ਸਮੀਖਿਆ ਕਰਦੇ ਹਾਂ। ਇਸ ਸਮੀਖਿਆ ਦੇ ਢਾਂਚੇ ਦੇ ਅੰਦਰ, ਅਸੀਂ ਜੀਐਸਸੀਐਮ ਖੋਜ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਵੀ ਪਛਾਣ ਕਰਦੇ ਹਾਂ ਜੋ ਜਾਂਚ ਦੇ ਯੋਗ ਹਨ। ਵਾਧੂ ਸੰਗਠਨਾਤਮਕ ਸਿਧਾਂਤ ਜੋ ਭਵਿੱਖ ਦੇ ਜੀਐਸਸੀਐਮ ਖੋਜ ਲਈ ਕੀਮਤੀ ਮੰਨੇ ਜਾਂਦੇ ਹਨ, ਦੀ ਵੀ ਇਸ ਸਮੀਖਿਆ ਲਈ ਸਿੱਟੇ ਵਜੋਂ ਪਛਾਣ ਕੀਤੀ ਗਈ ਹੈ। |
c3a41f97b29c6abce6f75ee9c668584d77a84170 | ਟਿਕਾਊਤਾ ਇਸ ਸਿਧਾਂਤ ਤੇ ਅਧਾਰਤ ਹੈ ਕਿ ਸਾਨੂੰ ਭਵਿੱਖ ਦੀਆਂ ਪੀੜ੍ਹੀਆਂ ਦੀਆਂ ਆਪਣੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦੀ ਯੋਗਤਾ ਨੂੰ ਸਮਝੌਤਾ ਕੀਤੇ ਬਿਨਾਂ ਵਰਤਮਾਨ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਗਰੀਬ ਦੇਸ਼ਾਂ ਵਿੱਚ ਭੁੱਖੇ ਲੋਕਾਂ, ਅਮੀਰ ਦੇਸ਼ਾਂ ਵਿੱਚ ਮੋਟਾਪੇ, ਭੋਜਨ ਦੀਆਂ ਵਧਦੀਆਂ ਕੀਮਤਾਂ, ਚੱਲ ਰਹੇ ਮੌਸਮ ਵਿੱਚ ਤਬਦੀਲੀਆਂ, ਬਾਲਣ ਅਤੇ ਆਵਾਜਾਈ ਦੇ ਵਧਦੇ ਖਰਚਿਆਂ, ਵਿਸ਼ਵ ਬਾਜ਼ਾਰ ਦੀਆਂ ਕਮੀਆਂ, ਵਿਸ਼ਵ ਭਰ ਵਿੱਚ ਕੀਟਨਾਸ਼ਕ ਪ੍ਰਦੂਸ਼ਣ, ਕੀਟ ਅਨੁਕੂਲਤਾ ਅਤੇ ਪ੍ਰਤੀਰੋਧ, ਮਿੱਟੀ ਦੀ ਉਪਜਾਊਤਾ ਅਤੇ ਜੈਵਿਕ ਕਾਰਬਨ ਦਾ ਨੁਕਸਾਨ, ਮਿੱਟੀ ਦੀ ਖੋਰ, ਜੈਵਿਕ ਵਿਭਿੰਨਤਾ ਵਿੱਚ ਕਮੀ, ਰੇਗਿਸਤਾਨ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਹੋਰ। ਵਿਗਿਆਨ ਵਿੱਚ ਬੇਮਿਸਾਲ ਤਰੱਕੀ ਦੇ ਬਾਵਜੂਦ ਜੋ ਸਾਨੂੰ ਗ੍ਰਹਿਾਂ ਦਾ ਦੌਰਾ ਕਰਨ ਅਤੇ ਸਬ-ਪ੍ਰਮਾਣੂ ਕਣਾਂ ਦਾ ਖੁਲਾਸਾ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ, ਭੋਜਨ ਬਾਰੇ ਗੰਭੀਰ ਧਰਤੀ ਦੇ ਮੁੱਦੇ ਸਪੱਸ਼ਟ ਤੌਰ ਤੇ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਰਵਾਇਤੀ ਖੇਤੀਬਾੜੀ ਹੁਣ ਮਨੁੱਖਾਂ ਨੂੰ ਖੁਆਉਣ ਅਤੇ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਲਈ . ਟਿਕਾਊ ਖੇਤੀਬਾੜੀ ਵਾਤਾਵਰਣਕ ਤਰੀਕੇ ਨਾਲ ਭੋਜਨ ਉਤਪਾਦਨ ਨਾਲ ਸਬੰਧਤ ਬੁਨਿਆਦੀ ਅਤੇ ਲਾਗੂ ਮੁੱਦਿਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਇੱਕ ਵਿਕਲਪ ਹੈ (ਲਾਲ (2008) ਐਗਰੋਨ) । ਸਹਿਣ ਕਰੋ। ਦੇਵ। 28, 57-64) । ਜਦੋਂ ਕਿ ਰਵਾਇਤੀ ਖੇਤੀਬਾੜੀ ਲਗਭਗ ਪੂਰੀ ਤਰ੍ਹਾਂ ਉਤਪਾਦਕਤਾ ਅਤੇ ਮੁਨਾਫੇ ਦੁਆਰਾ ਚਲਾਇਆ ਜਾਂਦਾ ਹੈ, ਟਿਕਾable ਖੇਤੀਬਾੜੀ ਜੈਵਿਕ, ਰਸਾਇਣਕ, ਭੌਤਿਕ, ਵਾਤਾਵਰਣ, ਆਰਥਿਕ ਅਤੇ ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਨੂੰ ਇੱਕ ਵਿਆਪਕ ਤਰੀਕੇ ਨਾਲ ਜੋੜਦੀ ਹੈ ਤਾਂ ਜੋ ਨਵੇਂ ਖੇਤੀਬਾੜੀ ਅਭਿਆਸਾਂ ਨੂੰ ਵਿਕਸਤ ਕੀਤਾ ਜਾ ਸਕੇ ਜੋ ਸੁਰੱਖਿਅਤ ਹਨ ਅਤੇ ਸਾਡੇ ਵਾਤਾਵਰਣ ਨੂੰ ਖਰਾਬ ਨਹੀਂ ਕਰਦੇ. ਮੌਜੂਦਾ ਖੇਤੀਬਾੜੀ ਮੁੱਦਿਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਅਤੇ ਵਿਸ਼ਵਵਿਆਪੀ ਵਿਚਾਰ ਵਟਾਂਦਰੇ ਅਤੇ ਸਹਿਯੋਗ ਨੂੰ ਉਤਸ਼ਾਹਤ ਕਰਨ ਲਈ ਅਸੀਂ 2003 ਤੋਂ 2006 ਤੱਕ ਰਸਾਲੇ ਐਗਰੋਨੋਮੀ ਫਾਰ ਸਸਟੇਨੇਬਲ ਡਿਵੈਲਪਮੈਂਟ ਵਿੱਚ ਤਿੱਖੀ ਤਬਦੀਲੀਆਂ ਲਾਗੂ ਕੀਤੀਆਂ। ਇੱਥੇ ਅਸੀਂ (1) ਰਸਾਲੇ ਦੇ ਨਵੀਨੀਕਰਨ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਰਿਪੋਰਟ ਕਰਦੇ ਹਾਂ ਅਤੇ (2) ਟਿਕਾable ਖੇਤੀਬਾੜੀ ਲਈ ਖੇਤੀਬਾੜੀ ਖੋਜ ਦੇ ਮੌਜੂਦਾ ਸੰਕਲਪਾਂ ਦੀ ਇੱਕ ਸੰਖੇਪ ਝਾਤ ਦਿੰਦੇ ਹਾਂ। ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਇੱਕ ਨਰਮ, ਸਾਈਡ ਸਾਇੰਸ ਦੇ ਰੂਪ ਵਿੱਚ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਖੇਤੀ ਵਿਗਿਆਨ ਇੱਕ ਕੇਂਦਰੀ ਵਿਗਿਆਨ ਦੇ ਰੂਪ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਵੱਧ ਰਿਹਾ ਹੈ ਕਿਉਂਕਿ ਮੌਜੂਦਾ ਮੁੱਦੇ ਭੋਜਨ ਬਾਰੇ ਹਨ, ਅਤੇ ਮਨੁੱਖ ਭੋਜਨ ਖਾਂਦੇ ਹਨ। ਇਹ ਰਿਪੋਰਟ ਈਡੀਪੀ ਸਾਇੰਸਜ਼ ਅਤੇ ਸਪ੍ਰਿੰਜਰ ਦੁਆਰਾ ਪ੍ਰਕਾਸ਼ਿਤ ਕਿਤਾਬ ਸਸਟੇਨੇਬਲ ਐਗਰੀਕਲਚਰ, ਵਾਲੀਅਮ 1 ਦਾ ਸ਼ੁਰੂਆਤੀ ਲੇਖ ਹੈ (ਲਿਚਫੌਸ ਐਟ ਅਲ. (2009) ਸਸਟੇਨੇਬਲ ਐਗਰੀਕਲਚਰ, ਵੋਲ. 1, ਸਪ੍ਰਿੰਜਰ, ਈਡੀਪੀ ਸਾਇੰਸਜ਼, ਪ੍ਰੈਸ ਵਿੱਚ). |
8216ca257a33d0d64cce02f5bb37de31c5b824f8 | |
1518c8dc6a07c2391e58ece6e2ad8edca87be56e | ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਅਤੇ ਉਤਪਾਦਨ ਤਕਨਾਲੋਜੀਆਂ ਵਿੱਚ ਤਰੱਕੀ ਦੇ ਨਾਲ, ਸੰਗਠਨਾਂ ਅਤੇ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਵੱਡੇ ਗਤੀਸ਼ੀਲ ਡੇਟਾ ਸੈਟਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਲਗਾਤਾਰ ਵਧ ਰਹੀ ਸਮੱਸਿਆ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਅਜਿਹੇ ਵਾਤਾਵਰਣ ਜੋ ਡਾਟਾ ਦੇ ਸਟ੍ਰੀਮਿੰਗ ਸਰੋਤਾਂ ਨੂੰ ਪੈਦਾ ਕਰਦੇ ਹਨ, ਆਮ ਥਾਂ ਬਣ ਰਹੇ ਹਨ। ਉਦਾਹਰਣਾਂ ਵਿੱਚ ਸਟਾਕ ਮਾਰਕੀਟ, ਸੈਂਸਰ, ਵੈਬ ਕਲਿਕ ਸਟ੍ਰੀਮ ਅਤੇ ਨੈਟਵਰਕ ਡੇਟਾ ਸ਼ਾਮਲ ਹਨ। ਕਈ ਵਾਰ, ਇਹ ਵਾਤਾਵਰਣ ਕਈ ਵੰਡੇ ਹੋਏ ਕੰਪਿਊਟਿੰਗ ਨੋਡਾਂ ਨਾਲ ਵੀ ਲੈਸ ਹੁੰਦੇ ਹਨ ਜੋ ਅਕਸਰ ਡਾਟਾ ਸਰੋਤਾਂ ਦੇ ਨੇੜੇ ਸਥਿਤ ਹੁੰਦੇ ਹਨ। ਅਜਿਹੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਡਾਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ ਡਾਟਾ ਮਾਈਨਿੰਗ ਤਕਨਾਲੋਜੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਮਾਈਨਿੰਗ ਕਾਰਜ, ਡਾਟਾ ਦੀ ਵੰਡਿਆ ਪ੍ਰਕਿਰਤੀ ਅਤੇ ਡਾਟਾ ਪ੍ਰਵਾਹ ਦਰ ਬਾਰੇ ਜਾਣੂ ਹੋਵੇ। ਇਸ ਅਧਿਆਇ ਵਿੱਚ ਅਸੀਂ ਖੇਤਰ ਦੀ ਮੌਜੂਦਾ ਸਥਿਤੀ ਦਾ ਸਰਵੇਖਣ ਕਰਦੇ ਹਾਂ ਅਤੇ ਭਵਿੱਖ ਦੀ ਖੋਜ ਦੇ ਸੰਭਾਵੀ ਦਿਸ਼ਾਵਾਂ ਦੀ ਪਛਾਣ ਕਰਦੇ ਹਾਂ। |
dd86669b91927f4c4504786269f93870854e117f | ਤਕਨੀਕਾਂ ਦੀ ਆਮ ਤੌਰ ਤੇ ਅਤੇ ਸਾੱਫਟਵੇਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਦੀ ਜਾਂਚ ਐਂਗਲੋ-ਅਮਰੀਕਨ ਰਿਸਰਚ ਦੇ ਅਨੁਸ਼ਾਸਨ (ਪ੍ਰਬੰਧਨ) ਜਾਣਕਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਜਰਮਨ ਬਿਜ਼ਨਸ ਇਨਫਾਰਮੇਟਿਕਸ ਵਿੱਚ ਇੱਕ ਫਲਦਾਇਕ ਖੇਤਰ ਹੈ. ਤਕਨਾਲੋਜੀ-ਅਨੁਕੂਲਤਾ ਮਾਡਲ ਅਤੇ ਸੰਬੰਧਿਤ ਸਿਧਾਂਤਾਂ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਅਧਿਐਨਾਂ ਦੇ ਬਾਵਜੂਦ, ਬਹੁਤ ਸਾਰੇ ਯੋਗਦਾਨ ਹਨ ਜੋ ਪਹਿਲਾਂ ਦੀਆਂ ਅਧਿਐਨਾਂ ਅਤੇ ਖੋਜ ਪਹੁੰਚਾਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ. ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਾਰਨ ਹੈ ਕਿ ਮਾਤਰਾਤਮਕ ਖੋਜ ਵਿਧੀਆਂ ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਨਾ, ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਮੈਟਾਸਟੂਡੀਅਨਜ਼ ਅਤੇ ਆਪਣੀ ਖੁਦ ਦੀ ਸਾਹਿਤ ਖੋਜ ਦੁਆਰਾ ਦਿਖਾਉਂਦੇ ਹਾਂ. ਜਦੋਂ ਕਿ ਮਾਤਰਾਤਮਕ ਵਿਧੀ ਆਮ ਤੌਰ ਤੇ ਇੱਕ ਪ੍ਰਮਾਣਿਤ ਸਿਧਾਂਤ ਦੀ ਜਾਂਚ ਲਈ ਚੰਗੀ ਹੁੰਦੀ ਹੈ, ਨਵੇਂ ਸਿਧਾਂਤ ਦੇ ਗਠਨ ਲਈ ਉਨ੍ਹਾਂ ਦਾ ਯੋਗਦਾਨ ਸੀਮਤ ਹੈ. Im vorliegenden Beitrag wird aufgezeigt, wie ein qualitatives Verfahren zur besseren Theoriebildung genutzt werden kann. ਇਸ ਵਿੱਚ ਇਹ ਗੱਲ ਉਜਾਗਰ ਕੀਤੀ ਗਈ ਹੈ ਕਿ ਬਿਹਤਰ ਸਿਧਾਂਤਕ ਸਿੱਖਿਆ ਲਈ ਕਿਸ ਤਰ੍ਹਾਂ ਦੀ ਕੁਆਲਟੀ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਪ੍ਰੋਜੈਕਟ ਮੈਨੇਜਮੈਂਟ ਸਾੱਫਟਵੇਅਰ (ਪੀਐਮਐਸ) ਦੀ ਪ੍ਰਵਾਨਗੀ ਦੀ ਜਾਂਚ ਦੀ ਉਦਾਹਰਣ ਵਜੋਂ, ਇਹ ਦਰਸਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਇਹ ਪ੍ਰਕਿਰਿਆ ਨਵੇਂ ਡਿਜ਼ਾਈਨ ਵੱਲ ਲੈ ਜਾਂਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਕੁਝ ਮੌਜੂਦਾ ਡਿਜ਼ਾਈਨ ਪ੍ਰਵਾਨਗੀ ਸਿਧਾਂਤ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰ ਸਕਦੇ. |
9249389a2fbc2151a80b4731f007c780616b067a | ਅਹਸਫ੍ਰੈਕਟ- ਫੇਡਿੰਗ ਮੈਮੋਰੀ ਦੀ ਧਾਰਨਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਅਸੀਂ ਦੋ ਲੋਕ ਥਿਊਰੇਮਾਂ ਦੇ ਬਹੁਤ ਮਜ਼ਬੂਤ ਸੰਸਕਰਣਾਂ ਨੂੰ ਸਾਬਤ ਕਰਦੇ ਹਾਂ। ਪਹਿਲਾ ਇਹ ਹੈ ਕਿ ਕਿਸੇ ਵੀ ਸਮੇਂ-ਇਨੂਅਰੀਐਂਟ (ਟੀ.ਜ਼ੈੱਡ.) ਕੰਨੂਇਨੂਅਰੀਅਨ ਗੈਰ-ਰੈਖਿਕ ਆਪਰੇਟਰ ਨੂੰ ਵੋਲਟੇਰਾ ਲੜੀ ਆਪਰੇਟਰ ਦੁਆਰਾ ਅਨੁਮਾਨਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਦੂਜਾ ਇਹ ਹੈ ਕਿ ਅਨੁਮਾਨਿਤ ਆਪਰੇਟਰ ਨੂੰ ਇੱਕ ਗੈਰ-ਰੈਖਿਕ ਰੀਡਆਉਟ ਮੈਪ ਦੇ ਨਾਲ ਇੱਕ ਫਾਈਨਿਡਿਮੈਂਸ਼ਨਲ ਲੀਨੀਅਰ ਡਾਇਨਾਮਿਕ ਸਿਸਟਮ ਦੇ ਰੂਪ ਵਿੱਚ ਅਨੁਭਵ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਪਿਛਲੇ ਅਨੁਮਾਨ ਨਤੀਜੇ ਸੰਪੂਰਨ ਸਮਿਆਂ ਵਿੱਚ ਅਤੇ ਸੰਖੇਪ ਸੈਟਾਂ ਵਿੱਚ ਸੰਕੇਤਾਂ ਲਈ ਪ੍ਰਮਾਣਿਤ ਹਨ, ਇੱਥੇ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਅਨੁਮਾਨ ਸਾਰੇ ਸਮੇਂ ਲਈ ਅਤੇ ਉਪਯੋਗੀ (ਗੈਰ-ਸੰਖੇਪ) ਸੈਟਾਂ ਵਿੱਚ ਸੰਕੇਤਾਂ ਲਈ ਪ੍ਰਮਾਣਿਤ ਹਨ। ਦੂਜੀ ਸਿਧਾਂਤ ਦਾ ਵਿਛੋੜੇ ਸਮੇਂ ਦਾ ਐਨਾਲਾਗ ਇਹ ਦਾਅਵਾ ਕਰਦਾ ਹੈ ਕਿ ਫੇਡਿੰਗ ਮੈਮੋਰੀ ਨਾਲ nny TZ ਆਪਰੇਟਰ ਨੂੰ ਇੱਕ ਗੈਰ-ਰੁਖਵੀਂ ਮੂਵਿੰਗ ਔਸਤ ਆਪਰੇਟਰ ਦੁਆਰਾ (ਸਾਡੇ ਮਜ਼ਬੂਤ ਅਰਥਾਂ ਵਿੱਚ) ਅਨੁਮਾਨਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਯਾਦਦਾਸ਼ਤ ਦੇ ਖ਼ਤਮ ਹੋਣ ਦੀ ਧਾਰਨਾ ਬਾਰੇ ਕੁਝ ਹੋਰ ਚਰਚਾ ਦਿੱਤੀ ਗਈ ਹੈ। |
ef8af16b408a7c78ab0780fe419d37130f2efe4c | ਫਿਲਟਰ ਪ੍ਰੋਟੋਟਾਈਪਾਂ ਦੇ ਸੰਸਲੇਸ਼ਣ ਦੇ ਆਧਾਰ ਤੇ ਮਿੰਨੀਅਟਾਈਜ਼ਡ ਮਾਰਚੈਂਡ ਬਾਲੂਨ ਦੀਆਂ ਤਿੰਨ ਨਵੀਆਂ ਕਲਾਸਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਉਹ ਛੋਟੇ ਆਕਾਰ ਦੇ ਨਾਲ ਮਿਸ਼ਰਤ ਗੁੰਝਲਦਾਰ-ਵੰਡਿਤ ਪਲੇਨਰ ਪ੍ਰਾਪਤੀਆਂ ਲਈ ਢੁਕਵੇਂ ਹਨ, ਜੋ ਕਿ ਪ੍ਰਸਾਰਣ-ਲਾਈਨ ਰੇਜ਼ੋਨਟਰਾਂ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਪਾਸਬੈਂਡ ਸੈਂਟਰ ਫ੍ਰੀਕੁਐਂਸੀ ਤੋਂ ਉੱਚੇ ਆਵਿਰਤੀ ਤੇ ਇੱਕ ਚੌਥਾਈ-ਵੇਵ ਲੰਬਾਈ ਦੇ ਹੁੰਦੇ ਹਨ. ਹਰੇਕ ਕਲਾਸ ਇੱਕ ਐਸ-ਪਲੇਨ ਬੈਂਡਪਾਸ ਪ੍ਰੋਟੋਟਾਈਪ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ ਜੋ ਸੰਚਾਰ ਜ਼ੀਰੋ ਸਥਾਨਾਂ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਇੱਥੇ ਪੇਸ਼ ਕੀਤੀ ਗਈ ਪਹੁੰਚ ਦੇ ਫਾਇਦੇ ਨੂੰ ਦਰਸਾਉਣ ਲਈ 1 ਗੀਗਾਹਰਟਜ਼ ਤੇ ਇੱਕ ਟਿਊਨੇਬਲ 50:100-/ਸਪਿਲ ਓਮੇਗਾ/ਬਾਲੂਨ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ। |
87eeb5622d8fbe4dca5f1c9b4190f719818c4d6e | ਵੈਬ 2.0 ਤਕਨਾਲੋਜੀਆਂ ਨੇ ਜ਼ਿਆਦਾ ਤੋਂ ਜ਼ਿਆਦਾ ਲੋਕਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਤਰ੍ਹਾਂ ਦੀਆਂ ਸੰਸਥਾਵਾਂ (ਜਿਵੇਂ ਕਿ ਵਿਕਰੇਤਾ, ਉਤਪਾਦ, ਸੇਵਾਵਾਂ) ਜਾਣਕਾਰੀ ਦਾ ਵੱਡਾ ਪੈਮਾਨਾ ਆਟੋਮੈਟਿਕ ਸੰਖੇਪ ਦੀ ਲੋੜ ਅਤੇ ਚੁਣੌਤੀ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਰ ਇੱਕ ਛੋਟੀ ਟਿੱਪਣੀ ਇੱਕ ਸਮੁੱਚੀ ਰੇਟਿੰਗ ਦੇ ਨਾਲ ਆਉਂਦੀ ਹੈ। ਇਸ ਪੇਪਰ ਵਿੱਚ, ਅਸੀਂ ਸੰਖੇਪ ਟਿੱਪਣੀਆਂ ਦੇ ਇੱਕ ਰੈਟਿੰਗਡ ਐਸਪੈਕਟ ਸੰਖੇਪ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮੱਸਿਆ ਦਾ ਅਧਿਐਨ ਕਰਦੇ ਹਾਂ, ਜੋ ਕਿ ਮੁੱਖ ਪਹਿਲੂਆਂ ਲਈ ਸਮੁੱਚੇ ਰੇਟਿੰਗਾਂ ਦਾ ਇੱਕ ਵਿਘਨਿਤ ਦ੍ਰਿਸ਼ ਹੈ ਤਾਂ ਜੋ ਇੱਕ ਉਪਭੋਗਤਾ ਟੀਚੇ ਵਾਲੀ ਇਕਾਈ ਪ੍ਰਤੀ ਵੱਖਰੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਪ੍ਰਾਪਤ ਕਰ ਸਕੇ. ਅਸੀਂ ਸਮੱਸਿਆ ਨੂੰ ਰਸਮੀ ਤੌਰ ਤੇ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹਾਂ ਅਤੇ ਹੱਲ ਨੂੰ ਤਿੰਨ ਕਦਮਾਂ ਵਿੱਚ ਵੰਡਦੇ ਹਾਂ। ਅਸੀਂ ਈਬੇ ਵਿਕਰੇਤਾਵਾਂ ਦੀਆਂ ਫੀਡਬੈਕ ਟਿੱਪਣੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਪਣੇ ਤਰੀਕਿਆਂ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਾਂ। ਅਸੀਂ ਆਪਣੇ ਢੰਗਾਂ ਦੇ ਹਰੇਕ ਕਦਮ ਦਾ ਅੰਕਾਂ ਅਨੁਸਾਰ ਮੁਲਾਂਕਣ ਵੀ ਕਰਦੇ ਹਾਂ ਅਤੇ ਅਧਿਐਨ ਕਰਦੇ ਹਾਂ ਕਿ ਮਨੁੱਖ ਅਜਿਹੇ ਸੰਖੇਪ ਕਾਰਜਾਂ ਤੇ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਹਿਮਤ ਹੈ। ਪ੍ਰਸਤਾਵਿਤ ਵਿਧੀਆਂ ਕਾਫ਼ੀ ਆਮ ਹਨ ਅਤੇ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਿਸੇ ਵੀ ਸੰਖੇਪ ਟਿੱਪਣੀਆਂ ਦੇ ਸੰਗ੍ਰਹਿ ਨੂੰ ਦਿੱਤੇ ਗਏ ਸਮੁੱਚੇ ਰੇਟਿੰਗ ਨਾਲ ਸੰਬੰਧਿਤ ਰੇਟਡ ਪਹਿਲੂ ਸੰਖੇਪ ਨੂੰ ਆਟੋਮੈਟਿਕ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। |
626d68fbbb10182a72d1ac305fbb52ae7e47f0dc | ਇਹ ਕੰਮ ਰਵਾਇਤੀ ਰੈਕਟੀਫਾਇਰ ਵਿੱਚ ਛੇਤੀ ਟੁੱਟਣ ਵਾਲੀ ਵੋਲਟੇਜ ਦੇ ਮੁੱਦੇ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਇੱਕ ਅਨੁਕੂਲ ਮੁੜ-ਨਿਰਧਾਰਤ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਰੈਕਟੀਫਾਇਰ ਦੇ ਡਿਜ਼ਾਇਨ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ ਅਤੇ ਵਿਆਪਕ ਗਤੀਸ਼ੀਲ ਇੰਪੁੱਟ ਪਾਵਰ ਰੇਂਜ ਲਈ ਰੈਕਟੀਫਾਇਰ ਦੇ ਸੰਚਾਲਨ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ। ਇੱਕ ਡਿਪਲੀਸ਼ਨ-ਮੋਡ ਫੀਲਡ-ਐਫੈਕਟ ਟ੍ਰਾਂਜਿਸਟਰ ਨੂੰ ਇੱਕ ਸਵਿੱਚ ਦੇ ਤੌਰ ਤੇ ਕੰਮ ਕਰਨ ਅਤੇ ਰੈਕਟਿਫਾਇਰ ਲਈ ਘੱਟ ਅਤੇ ਉੱਚ ਇੰਪੁੱਟ ਪਾਵਰ ਪੱਧਰਾਂ ਤੇ ਮੁਆਵਜ਼ਾ ਦੇਣ ਲਈ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਡਿਜ਼ਾਇਨ -10 ਡੀਬੀਐਮ ਤੋਂ 27 ਡੀਬੀਐਮ ਤੱਕ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਗਤੀਸ਼ੀਲ ਇੰਪੁੱਟ ਪਾਵਰ ਰੇਂਜ ਵਿੱਚ ਆਰਐਫ-ਡੀਸੀ ਪਾਵਰ ਪਰਿਵਰਤਨ ਕੁਸ਼ਲਤਾ ਦਾ 40% ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ 22 ਡੀਬੀਐਮ ਤੇ 78% ਪੀਕ ਪਾਵਰ ਕੁਸ਼ਲਤਾ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦਾ ਹੈ। ਪਾਵਰ ਹੌਰਵੇਸਟਰ ਨੂੰ 900 MHz ਆਈਐਸਐਮ ਬੈਂਡ ਵਿੱਚ ਕੰਮ ਕਰਨ ਲਈ ਡਿਜ਼ਾਇਨ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਵਾਇਰਲੈੱਸ ਪਾਵਰ ਟ੍ਰਾਂਸਫਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਢੁਕਵਾਂ ਹੈ। |
767755e5c7389eefb8b60e784dc8395c8d0f417a | ਬਿਟਕੋਇਨ ਵਰਗੀਆਂ ਕ੍ਰਿਪਟੋਕਰੰਸੀਜ਼ ਇੱਕ ਅਦਭੁਤ ਸਫਲਤਾ ਸਾਬਤ ਹੋਈ ਹੈ। ਬਿਟਕੋਿਨ ਵਰਗੇ ਸਿਸਟਮ ਪ੍ਰੂਫ-ਆਫ-ਵਰਕ ਮਕੈਨਿਜ਼ਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਜਿਸ ਨੂੰ ਇਸ ਲਈ 1-ਹੌਪ ਬਲਾਕਚੇਨ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਉਨ੍ਹਾਂ ਦੀ ਸੁਰੱਖਿਆ ਉਦੋਂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਜ਼ਿਆਦਾਤਰ ਕੰਪਿutingਟਿੰਗ ਪਾਵਰ ਈਮਾਨਦਾਰ ਖਿਡਾਰੀਆਂ ਦੇ ਨਿਯੰਤਰਣ ਵਿੱਚ ਹੁੰਦਾ ਹੈ. ਹਾਲਾਂਕਿ, ਇਸ ਧਾਰਨਾ ਨੂੰ ਹਾਲ ਹੀ ਵਿੱਚ ਗੰਭੀਰਤਾ ਨਾਲ ਚੁਣੌਤੀ ਦਿੱਤੀ ਗਈ ਹੈ ਅਤੇ ਬਿਟਕੋਿਨ ਵਰਗੇ ਸਿਸਟਮ ਅਸਫਲ ਹੋ ਜਾਣਗੇ ਜਦੋਂ ਇਹ ਧਾਰਨਾ ਟੁੱਟ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਪ੍ਰਮਾਣ-ਕਾਰਜ (ਪਹਿਲੀ ਛਾਲ) ਅਤੇ ਸਬੂਤ-ਦੇ-ਸਟੇਕ (ਦੂਜੀ ਛਾਲ) ਵਿਧੀ ਨੂੰ ਜੋੜ ਕੇ ਪਹਿਲੇ ਪ੍ਰਮਾਣਿਤ ਤੌਰ ਤੇ ਸੁਰੱਖਿਅਤ 2-ਹੌਪ ਬਲਾਕਚੇਨ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦੇ ਹਾਂ। ਬਿੱਟਕੋਇਨ ਦੇ ਉੱਤਮ ਵਿਚਾਰਾਂ ਦੇ ਸਿਖਰ ਤੇ, ਆਪਣੇ ਕੰਪਿਊਟਿੰਗ ਸਰੋਤਾਂ ਰਾਹੀਂ, ਈਮਾਨਦਾਰ ਮਾਈਨਰਾਂ ਦੀ ਸ਼ਕਤੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਬਲਾਕਚੈਨ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਲਈ, ਅਸੀਂ ਇਸ ਟੀਚੇ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਆਪਣੇ ਸਿੱਕਿਆਂ/ਹਿੱਸੇ ਰਾਹੀਂ ਈਮਾਨਦਾਰ ਉਪਭੋਗਤਾਵਾਂ/ਹਿੱਸੇਦਾਰਾਂ ਦੀ ਸ਼ਕਤੀ ਦਾ ਹੋਰ ਲਾਭ ਉਠਾਉਂਦੇ ਹਾਂ। ਸਾਡੇ ਬਲਾਕਚੇਨ ਦੀ ਸੁਰੱਖਿਆ ਉਦੋਂ ਹੀ ਕਾਇਮ ਰਹਿੰਦੀ ਹੈ ਜਦੋਂ ਇਮਾਨਦਾਰ ਖਿਡਾਰੀ ਸਮੂਹਿਕ ਸਰੋਤਾਂ (ਜਿਸ ਵਿੱਚ ਕੰਪਿਉਟਿੰਗ ਸ਼ਕਤੀ ਅਤੇ ਹਿੱਸੇਦਾਰੀ ਦੋਵੇਂ ਸ਼ਾਮਲ ਹਨ) ਦੇ ਬਹੁਗਿਣਤੀ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੇ ਹਨ। ਨੇ ਕਿਹਾ, ਭਾਵੇਂ ਵਿਰੋਧੀ 50% ਤੋਂ ਵੱਧ ਕੰਪਿਊਟਿੰਗ ਸ਼ਕਤੀ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦਾ ਹੈ, ਇਮਾਨਦਾਰ ਖਿਡਾਰੀਆਂ ਕੋਲ ਅਜੇ ਵੀ ਇਮਾਨਦਾਰ ਹਿੱਸੇਦਾਰੀ ਦੁਆਰਾ ਬਲਾਕਚੈਨ ਦੀ ਰੱਖਿਆ ਕਰਨ ਦਾ ਮੌਕਾ ਹੈ. ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਸੰਸਕਰਣ ਸਿਰਲੇਖ ਨਾਲ ਬਿਟਕੋਇਨ ਵਰਗੇ ਬਲਾਕਚੇਨ ਨੂੰ ਕੰਪਿutingਟਿੰਗ ਪਾਵਰ ਦੀ ਖਤਰਨਾਕ ਬਹੁਗਿਣਤੀ ਦੇ ਵਿਰੁੱਧ ਸੁਰੱਖਿਅਤ ਕਰਨਾ ਜੁਲਾਈ 2016 ਵਿੱਚ ਈਪ੍ਰਿੰਟ ਆਰਕਾਈਵ ਵਿੱਚ ਪ੍ਰਗਟ ਹੋਇਆ ਸੀ। ਮੌਜੂਦਾ ਸੰਸਕਰਣ ਵਿੱਚ ਵੀ ਇਹੀ ਪ੍ਰੇਰਣਾ ਹੈ। ਪਰ ਉਸਾਰੀ ਦਾ ਵਿਚਾਰ ਅਤੇ ਮਾਡਲਿੰਗ ਪਹੁੰਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੋਧਿਆ ਗਿਆ ਹੈ। ਵਰਜੀਨੀਆ ਰਾਸ਼ਟਰਮੰਡਲ ਯੂਨੀਵਰਸਿਟੀ ਈਮੇਲ: duong[email protected]. ‡ਸ਼ੰਘਾਈ ਜੀਆਓ ਟੋਂਗ ਯੂਨੀਵਰਸਿਟੀ ਵਰਜੀਨੀਆ ਕਾਮਨਵੈਲਥ ਯੂਨੀਵਰਸਿਟੀ ਵਿੱਚ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫੀ ਲੈਬ ਦਾ ਦੌਰਾ ਕਰਦੇ ਹੋਏ ਜ਼ਿਆਦਾਤਰ ਕੰਮ ਕੀਤਾ ਗਿਆ। ਈਮੇਲਃ [email protected]. ਵਰਜੀਨੀਆ ਰਾਸ਼ਟਰਮੰਡਲ ਯੂਨੀਵਰਸਿਟੀ ਈਮੇਲਃ [email protected]. |
a293b3804d1972c9f72ed3490eaafa66349d1597 | ਬਹੁਤ ਸਾਰੀਆਂ ਖੇਡਾਂ ਵਿੱਚ ਬੋਰਡਾਂ ਦਾ ਸੰਗ੍ਰਹਿ ਹੁੰਦਾ ਹੈ ਜਿਸਦੀ ਖੇਡ ਦੀ ਮੁਸ਼ਕਲ ਬੋਰਡ ਦੀ ਸ਼ੁਰੂਆਤੀ ਸੰਰਚਨਾ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਬੋਰਡਾਂ ਦੀ ਮੁਸ਼ਕਲ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਦਰਜਾ ਦੇਣਾ ਕੁਝ ਹੱਦ ਤੱਕ ਬੇਤਰਤੀਬ ਹੈ ਅਤੇ ਇਸ ਲਈ ਖੇਡ ਦੀ ਸਮਝ ਦਾ ਇੱਕ ਸ਼ਾਨਦਾਰ ਪੱਧਰ ਜਾਂ ਖੇਡ-ਪਰੀਖਿਆ ਦੀ ਇੱਕ ਚੰਗੀ ਰਕਮ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਅਸੀਂ ਸੋਕੋਬਨ ਗੇਮ ਦੇ ਇੱਕ ਸੰਸਕਰਣ ਲਈ ਬੋਰਡਾਂ ਦੀ ਮੁਸ਼ਕਲ ਨੂੰ ਆਟੋਮੈਟਿਕ ਗਰੇਡ ਕਰਨ ਦੇ ਇੱਕ ਸਾਧਨ ਦੇ ਰੂਪ ਵਿੱਚ ਵਿਕਾਸਵਾਦੀ ਐਲਗੋਰਿਦਮ ਦੀ ਪੜਚੋਲ ਕਰਦੇ ਹਾਂ। ਇੱਕ ਵਿਕਾਸਵਾਦੀ ਐਲਗੋਰਿਥਮ ਦੁਆਰਾ ਹੱਲ ਕਰਨ ਦਾ ਮਤਲਬ ਸਮਾਂ ਅਤੇ ਇੱਕ ਬੋਰਡ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਅਸਫਲਤਾਵਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਇੱਕ ਬੋਰਡ ਦੀ ਮੁਸ਼ਕਲ ਲਈ ਇੱਕ ਸਰਗਰੇਟ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਸਧਾਰਨ ਸਤਰ-ਅਧਾਰਿਤ ਨੁਮਾਇੰਦਗੀ ਦੇ ਨਾਲ ਸ਼ੁਰੂਆਤੀ ਟੈਸਟਿੰਗ, ਸੋਕੋਬਨ ਏਜੰਟ ਲਈ ਚਾਲਾਂ ਦਾ ਕ੍ਰਮ ਦਿੰਦੇ ਹੋਏ, ਬਹੁਤ ਘੱਟ ਸੰਕੇਤ ਪ੍ਰਦਾਨ ਕੀਤਾ; ਇਹ ਆਮ ਤੌਰ ਤੇ ਅਸਫਲ ਹੋ ਗਿਆ. ਦੋ ਹੋਰ ਨੁਮਾਇੰਦਗੀ, ਇੱਕ ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ ਰੇਖਿਕ ਜੈਨੇਟਿਕ ਪ੍ਰੋਗਰਾਮਿੰਗ ਢਾਂਚੇ ਤੇ ਆਧਾਰਿਤ ਹਨ ਜਿਸ ਨੂੰ ਆਈਐਸਏਸੀ ਸੂਚੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਨੇ ਦੋਵਾਂ ਕਠੋਰਤਾ ਸਰਗਰਮਾਂ ਲਈ ਉਪਯੋਗੀ ਕਠੋਰਤਾ-ਵਰਗੀਕਰਨ ਜਾਣਕਾਰੀ ਤਿਆਰ ਕੀਤੀ ਹੈ। ਇਹ ਦੋ ਨੁਮਾਇੰਦਗੀ ਇਸ ਵਿੱਚ ਵੱਖਰੀਆਂ ਹਨ ਕਿ ਇੱਕ ਆਈਐਸਏਸੀ ਸੂਚੀਆਂ ਦੀ ਬੇਤਰਤੀਬੇ ਸ਼ੁਰੂਆਤ ਕੀਤੀ ਆਬਾਦੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਜਦੋਂ ਕਿ ਦੂਜਾ ਸੋਕੋਬਨ ਬੋਰਡਾਂ ਦੇ ਬੇਤਰਤੀਬੇ ਸੰਗ੍ਰਹਿ ਤੇ ਪਹਿਲਾਂ ਤੋਂ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਯੋਗ ਏਜੰਟਾਂ ਨਾਲ ਆਬਾਦੀ ਦੀ ਸ਼ੁਰੂਆਤ ਕਰਦਾ ਹੈ। ਅਧਿਐਨ ਵਿੱਚ ਚਾਰ ਕਠੋਰਤਾ ਦੇ ਸਰਗਰਮੀਆਂ ਸ਼ਾਮਲ ਹਨ: ਇਹਨਾਂ ਦੋ ਪ੍ਰਤੀਨਿਧਤਾਵਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਲਈ ਅਸਫਲਤਾ ਦੀ ਸੰਭਾਵਨਾ ਅਤੇ ਔਸਤ ਸਮਾਂ-ਤੋਂ-ਹੱਲ. ਇਹ ਚਾਰਾਂ ਬੋਰਡਾਂ ਦੀ ਕਠੋਰਤਾ ਬਾਰੇ ਸਮਾਨ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰਨ ਲਈ ਪਾਏ ਗਏ ਹਨ, ਪਰ ਪ੍ਰੀ-ਵਿਕਸਤ ਏਜੰਟਾਂ ਨਾਲ ਅਸਫਲਤਾ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਹੋਰ ਤਿੰਨ ਬੋਰਡ-ਕਠੋਰਤਾ ਸਰਗਰਮਾਂ ਨਾਲੋਂ ਕੰਪਿਊਟ ਕਰਨ ਲਈ ਤੇਜ਼ ਅਤੇ ਸਪਸ਼ਟ ਅਰਥ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਪਾਇਆ ਗਿਆ ਹੈ. |
844b795767b7c382808cc866ffe0c74742f706d4 | ਕੋਰਟੀਕਲ, ਸੇਰੇਬੈਲਰ ਅਤੇ ਦਿਮਾਗ ਦੇ ਤਣੇ ਵਿੱਚ BOLD- ਸਿਗਨਲ ਬਦਲਾਅ ਦੀ ਪਛਾਣ ਮਨੁੱਖਾਂ ਵਿੱਚ fMRI ਨਾਲ ਚੱਲਣ ਦੇ ਮਾਨਸਿਕ ਚਿੱਤਰਾਂ ਦੇ ਦੌਰਾਨ ਕੀਤੀ ਗਈ ਹੈ। ਇਸ ਅਧਿਐਨ ਵਿੱਚ [(18) F]-FDG-PET ਦੁਆਰਾ ਅਸਲ ਗਤੀਵਿਧੀ ਦੌਰਾਨ ਪੂਰੇ ਦਿਮਾਗ ਦੇ ਸਰਗਰਮ ਅਤੇ ਅਯੋਗ ਪੈਟਰਨ ਦੀ ਜਾਂਚ ਕੀਤੀ ਗਈ ਅਤੇ fMRI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਉਸੇ ਵਿਸ਼ਿਆਂ ਵਿੱਚ ਕਲਪਨਾ ਕੀਤੀ ਗਤੀਵਿਧੀ ਦੌਰਾਨ BOLD- ਸਿਗਨਲ ਬਦਲਾਅ ਦੀ ਤੁਲਨਾ ਕੀਤੀ ਗਈ। [(18) F]-FDG-PET ਨਾਲ 16 ਤੰਦਰੁਸਤ ਵਿਅਕਤੀਆਂ ਦੀ ਗਤੀ ਅਤੇ ਆਰਾਮ ਦੌਰਾਨ ਸਕੈਨ ਕੀਤੀ ਗਈ। ਲੋਕੋਮੋਟੇਸ਼ਨ ਪੈਰਾਡਾਈਮ ਵਿੱਚ ਵਿਸ਼ੇ 10 ਮਿੰਟ ਲਈ ਨਿਰੰਤਰ ਗਤੀ ਨਾਲ ਚੱਲੇ। ਫਿਰ [(18) F]-FDG ਨੂੰ ਅੰਤੜੀ ਰਾਹੀਂ ਟੀਕਾ ਲਗਾਇਆ ਗਿਆ ਜਦੋਂ ਕਿ ਵਿਸ਼ੇ ਹੋਰ 10 ਮਿੰਟ ਲਈ ਚੱਲਦੇ ਰਹੇ। ਤੁਲਨਾ ਲਈ, ਉਸੇ ਵਿਸ਼ਿਆਂ ਵਿੱਚ ਐਫਐਮਆਰਆਈ ਕੀਤੀ ਗਈ ਜਦੋਂ ਉਹ ਕਲਪਨਾ ਕੀਤੀ ਗਈ ਤੁਰਨ ਦੌਰਾਨ. ਅਸਲ ਅਤੇ ਕਲਪਨਾਤਮਕ ਗਤੀਵਿਧੀ ਦੌਰਾਨ ਇੱਕ ਬੁਨਿਆਦੀ ਗਤੀਸ਼ੀਲਤਾ ਨੈਟਵਰਕ ਜਿਸ ਵਿੱਚ ਫਰੰਟਲ ਕੋਰਟੇਕਸ, ਸੇਰੇਬੈਲਮ, ਪੋਂਟੋਮੇਸੈਂਫੇਲਿਕ ਟੇਜਮੈਂਟਮ, ਪੈਰਾਹਿਪੋਕੈਂਪਲ, ਫੁਸੀਫਾਰਮ ਅਤੇ ਓਕਸੀਪਿਟਲ ਗਿਰਿਜ਼ ਵਿੱਚ ਸਰਗਰਮੀਆਂ ਅਤੇ ਮਲਟੀਸੈਂਸਰੀ ਵੈਸਟਿਬੂਲਰ ਕੋਰਟੇਕਸ (ਸਪੈਸ਼ਲ) ਵਿੱਚ ਅਸਮਰੱਥਾ ਸ਼ਾਮਲ ਹਨ। ਉਪਰਲੇ ਟੈਂਪੋਰਲ ਗਾਇਰਸ, ਹੇਠਲੇ ਪੈਰੀਇਟਲ ਲੋਬੂਲ) ਦਿਖਾਇਆ ਗਿਆ ਸੀ। ਇੱਕ ਅੰਤਰ ਦੇ ਰੂਪ ਵਿੱਚ, ਪ੍ਰਾਇਮਰੀ ਮੋਟਰ ਅਤੇ ਸੋਮੈਟੋਸੈਂਸਰ ਕੋਰਟੀਕਸ ਨੂੰ ਅਸਲ ਲੌਕਮੋਸ਼ਨ ਦੇ ਦੌਰਾਨ ਪੂਰਕ ਮੋਟਰ ਕੋਰਟੇਕਸ ਅਤੇ ਕਲਪਨਾਤਮਕ ਲੌਕਮੋਸ਼ਨ ਦੇ ਦੌਰਾਨ ਬੇਸਲ ਗੈਂਗਲੀਆ ਤੋਂ ਵੱਖਰੇ ਤੌਰ ਤੇ ਸਰਗਰਮ ਕੀਤਾ ਗਿਆ ਸੀ। ਦਿਮਾਗ ਦੇ ਤਣੇ ਦੇ ਗਤੀਸ਼ੀਲ ਕੇਂਦਰਾਂ ਦੀ ਸਰਗਰਮੀ ਕਲਪਨਾਤਮਕ ਗਤੀਵਿਧੀ ਵਿੱਚ ਵਧੇਰੇ ਪ੍ਰਮੁੱਖ ਸੀ। ਸਿੱਟੇ ਵਜੋਂ, ਅਸਲ ਗਤੀਸ਼ੀਲਤਾ ਦੇ ਬੁਨਿਆਦੀ ਸਰਗਰਮ ਅਤੇ ਅਯੋਗ ਪੈਟਰਨ ਕਲਪਨਾਤਮਕ ਗਤੀਸ਼ੀਲਤਾ ਦੇ ਅਨੁਸਾਰੀ ਹਨ। ਇਹ ਅੰਤਰ ਟੈਸਟ ਕੀਤੇ ਗਏ ਵੱਖਰੇ-ਵੱਖਰੇ ਆਵਾਜਾਈ ਦੇ ਨਮੂਨੇ ਦੇ ਕਾਰਨ ਹੋ ਸਕਦੇ ਹਨ। [(18) F]-FDG-PET ਵਿੱਚ ਸਥਿਰ ਗਤੀ ਅਸਲ ਗਤੀ (10 ਮਿੰਟ) ਦੇ ਉਲਟ, ਵਾਰ-ਵਾਰ 20 ਸਕਿੰਟ ਦੇ ਸਮੇਂ ਵਿੱਚ ਗਤੀ ਦੇ ਮਾਨਸਿਕ ਚਿੱਤਰਾਂ ਵਿੱਚ ਤੁਰਨ ਦੀ ਸ਼ੁਰੂਆਤ ਅਤੇ ਗਤੀ ਤਬਦੀਲੀਆਂ ਸ਼ਾਮਲ ਹਨ। ਅਸਲ ਸਥਿਰ-ਸਥਿਰ ਸਥਿਤੀ ਦੀ ਗਤੀ ਪ੍ਰਾਇਮਰੀ ਮੋਟਰ ਕੋਰਟੇਕਸ ਦੁਆਰਾ ਸਿੱਧੇ ਮਾਰਗ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਕਲਪਨਾ ਕੀਤੀ ਗਈ ਮਾਡਯੂਲੈਟਰੀ ਗਤੀ ਪੂਰਕ ਮੋਟਰ ਕੋਰਟੇਕਸ ਅਤੇ ਬੇਸਲ ਗੈਂਗਲੀਆ ਲੂਪ ਦੁਆਰਾ ਇੱਕ ਅਸਿੱਧੇ ਮਾਰਗ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ। |
d372629db7d6516c4729c847eb3f6484ee86de94 | ਵਿਜ਼ੂਅਲ ਪ੍ਰਸ਼ਨ ਉੱਤਰ (ਵੀਕੇਏ) ਚੁਣੌਤੀ ਦੀ ਸਭ ਤੋਂ ਦਿਲਚਸਪ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਅਨਿਸ਼ਚਿਤਤਾ। ਉਹਨਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ ਲੋੜੀਂਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਕੱਢਣ ਲਈ ਖੋਜ ਅਤੇ ਗਿਣਤੀ ਤੋਂ ਲੈ ਕੇ ਖੰਡਨ ਅਤੇ ਪੁਨਰ ਨਿਰਮਾਣ ਤੱਕ ਕਈ ਤਰ੍ਹਾਂ ਦੀਆਂ ਚਿੱਤਰ ਕਾਰਵਾਈਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। {ਚਿੱਤਰ, ਪ੍ਰਸ਼ਨ, ਉੱਤਰ} ਟਿਊਪਲਸ ਤੋਂ ਇਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵੀ ਓਪਰੇਸ਼ਨ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਕਰਨ ਲਈ ਇੱਕ ਵਿਧੀ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣਾ ਚੁਣੌਤੀਪੂਰਨ ਹੋਵੇਗਾ, ਪਰ ਅਜਿਹੇ ਸਿਖਲਾਈ ਡੇਟਾ ਦੇ ਸੀਮਤ ਸੈੱਟ ਨਾਲ ਉਨ੍ਹਾਂ ਸਾਰਿਆਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਦਾ ਟੀਚਾ ਵਧੀਆ ਲੱਗਦਾ ਹੈ. ਇਸ ਤਰ੍ਹਾਂ ਸਾਡੀ ਵਿਧੀ ਆਪਣੇ ਟੀਚੇ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਬਾਹਰੀ ਆਫ-ਦਿ-ਸ਼ੈਲਫ ਐਲਗੋਰਿਦਮ ਦੇ ਇੱਕ ਸਮੂਹ ਦਾ ਸ਼ੋਸ਼ਣ ਕਰਨਾ ਸਿੱਖਦੀ ਹੈ, ਇੱਕ ਪਹੁੰਚ ਜਿਸ ਵਿੱਚ ਨਿ Neਰਲ ਟਿuringਰਿੰਗ ਮਸ਼ੀਨ [10] ਨਾਲ ਕੁਝ ਸਾਂਝਾ ਹੈ. ਸਾਡੇ ਪ੍ਰਸਤਾਵਿਤ ਢੰਗ ਦਾ ਮੂਲ ਇੱਕ ਨਵਾਂ ਸਹਿ-ਧਿਆਨ ਮਾਡਲ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਪ੍ਰਸਤਾਵਿਤ ਪਹੁੰਚ ਆਪਣੇ ਫੈਸਲੇ ਲਈ ਮਨੁੱਖੀ-ਪੜ੍ਹਨਯੋਗ ਕਾਰਨ ਪੈਦਾ ਕਰਦੀ ਹੈ, ਅਤੇ ਅਜੇ ਵੀ ਅਧਾਰਤ ਸੱਚਾਈ ਕਾਰਨ ਦਿੱਤੇ ਜਾਣ ਤੋਂ ਬਿਨਾਂ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਅਸੀਂ ਦੋ ਜਨਤਕ ਤੌਰ ਤੇ ਉਪਲਬਧ ਡੇਟਾ ਸੈੱਟਾਂ, ਵਿਜ਼ੂਅਲ ਜੀਨੋਮ ਅਤੇ ਵੀਕੇਏ ਤੇ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਾਂ, ਅਤੇ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ ਇਹ ਦੋਵਾਂ ਮਾਮਲਿਆਂ ਵਿੱਚ ਅਤਿ ਆਧੁਨਿਕ ਨਤੀਜੇ ਪੈਦਾ ਕਰਦਾ ਹੈ। |
8e9119613bceb83cc8a5db810cf5fd015cf75739 | ਅੰਦਰੂਨੀ ਧਮਕੀਆਂ ਦੇ ਸਮੱਸਿਆ ਖੇਤਰ ਵਿੱਚ ਰੋਗੀ ਉਪਕਰਣ ਇੱਕ ਵਧਦੀ ਖਤਰਨਾਕ ਹਕੀਕਤ ਹੈ। ਉਦਯੋਗ, ਸਰਕਾਰ ਅਤੇ ਅਕਾਦਮਿਕ ਜਗਤ ਨੂੰ ਇਸ ਸਮੱਸਿਆ ਬਾਰੇ ਜਾਗਰੂਕ ਹੋਣ ਅਤੇ ਖੋਜ ਦੇ ਅਤਿ ਆਧੁਨਿਕ ਤਰੀਕਿਆਂ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। |
95a213c530b605b28e1db4fcad6c3e8e1944f48b | |
018fd30f1a51c6523b382b6f7db87ddd865e393d | ਅਸੀਂ LTCC ਉੱਤੇ ਦੋ ਅੰਤ-ਅੱਗ ਐਂਟੀਨਾ ਡਿਜ਼ਾਇਨ ਕੀਤੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਕ੍ਰਮਵਾਰ ਹਰੀਜ਼ਟਲ ਅਤੇ ਵਰਟੀਕਲ ਧਰੁਵੀਕਰਨ ਹਨ। ਐਂਟੀਨਾ 38GHz ਤੇ ਕੰਮ ਕਰਦੀ ਹੈ, ਜੋ 5G ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਇੱਕ ਸੰਭਾਵੀ ਬਾਰੰਬਾਰਤਾ ਹੈ। ਹਰੀਜੱਟਲ-ਪੋਲਰਾਈਜ਼ਡ ਐਂਟੀਨਾ ਲਗਭਗ 27% ਅਤੇ 6dB ਐਂਡ-ਫਾਇਰ ਲਾਭ ਦੀ ਬਰਾਡਬੈਂਡ ਕਾਰਗੁਜ਼ਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਅਤੇ ਲੰਬਕਾਰੀ-ਪੋਲਰਾਈਜ਼ਡ ਇੱਕ 12.5% ਬੈਂਡਵਿਡਥ ਅਤੇ 5dB ਲਾਭ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਦੋਵੇਂ ਐਂਟੀਨਾ ਇਕ ਸੰਖੇਪ ਸਬਸਟਰੇਟ ਦੇ ਹੇਠਾਂ ਏਕੀਕ੍ਰਿਤ ਹਨ। ਨੇੜਲੇ ਤੱਤਾਂ ਦੇ ਵਿਚਕਾਰ ਸ਼ਾਨਦਾਰ ਅਲੱਗ-ਥਲੱਗਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜਿਸ ਨਾਲ ਇਹ ਐਂਟੀਨਾ 5 ਜੀ ਮੋਬਾਈਲ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਕੋਨੇ ਦੇ ਤੱਤਾਂ ਲਈ ਢੁਕਵੀਂ ਬਣ ਜਾਂਦੀ ਹੈ। |
Subsets and Splits