_id
stringlengths 40
40
| text
stringlengths 0
10.2k
|
|---|---|
2f991be8d35e4c1a45bfb0d646673b1ef5239a1f | यन्त्रशिक्षणस्य मॉडल्-आकारस्य व्यवहारस्य कारणं ज्ञात्वा प्रणालीनिर्माण-कारकाः तथा अन्त-उपयोगिनः च अनेकप्रकारेण समर्थः भवति: मॉडल-निर्वाचन-विशेषण-इञ्जिनियरिङ्-प्रक्रियायां, पूर्वानुमानानां विश्वासः क्रियते, तथा अधिक-अभिज्ञानाय उपयोक्तृ-अन्तर्-सङ्केतेषु च। अतः मशीन् लर्निङ्ग्-प्रकरणे व्याख्यायमानत्वम् एकं महत्वपूर्णं चिन्तायाः विषयम् अभवत् , तथा व्याख्यायमान-मॉडल्-क्षेत्रे कार्यं पुनः रुचिः प्राप्तवती । केषुचित् अनुप्रयोगेषु एतादृशानि नमुनाः यथा नानुवादयितुं शक्यानि सन्ति, अतः तेषां पारदर्शितायाः कारणात् एतादृशानि नमुनाः अधिकानि भवन्ति । यदा अपि ते अच्युताः न भवन् ति, तदा अपि तेषु अधिकम् उपयोगं कर्तुम् शक्यते, यदा किमपि व्याख्यायितुं शक् नोति। तथापि, यन्त्रशिक्षणस्य व्याख्यायमानमौडलानां प्रतिबन्धः प्रायः एकं गम्भीरं प्रतिबन्धं भवति । अस्मिन् लेखे वयं मशीन् लर्निंग् भविष्यवाणीं मोडल-अज्ञेय-प्रयोजनाभिः व्याख्याय तर्कं कुर्वन्तः । यन्त्रशिक्षणस्य कार्यस्य कृते यन्त्रशिक्षणस्य कार्यस्य कृते च, एतेन कार्यविधिना प्रयोक्तॄणां विविधतायाः कृते डिबगिंग, तुलना, अन्तर्-सङ्केताः च वर्धयितुं, मॉडलानां, व्याख्यानां, प्रतिनिधित्वानां च चयनं कर्तुं महत्वपूर्णं लचीलापनं भवति । अस्मिन् विषये अस्मिन् लेखे एतादृशानां विधानां कृते मुख्यानि च् आव्हानिः उल्लिखितानि सन्ति, तथा एतादृशानां आव्हानाणां निवारणार्थं नन्व् एव प्रवर्तितस्य मॉडल-अग्नोस्टिक एस्प्लेनरेशन एप्रोचस् (LIME) -स्य समीक्षा अपि क्रियते। |
546add32740ac350dda44bab06f56d4e206622ab | गहन-संयन्त्रस्य प्रयोगाः प्रतिमाणां वर्गीकरणं कर्तुं प्रभावशालीः परिणामः प्राप्ताः, किन्तु प्रतिपक्षीय-विघटनानां विषये आश्चर्यजनकरूपेण अस्थिरः भवितुं शक्नोति, अर्थात्, इन्द्रियेण प्रविष्ट-प्रतिमायां न्यून-परिवर्तनं भवति, येन जालस्य अनुवर्तनं अप्रामाणिकं भवति । स्वयमेव वाहनानि चलायमानानि कारणां कृते अवधारणम् मॉड्यूलानि तथा अन्ततः-अन्ततः नियन्त्रकानि च सम्भाव्य अनुप्रयोगाः सन्ति, अतः एतेषां सुरक्षायाः विषये चिन्तायाः उद्भवति। अस्मिन् विषये, "सन्तुष्टिकरणमण्डलसिद्धान्तः" (एसएमटी) इत्यनेन आधारितः बहुस्तरीय-न्यूरल-नेटवर्क्स् (फीड-फर्वार्ड) कृते नूतनः स्वयमेव प्रमाणन-संरचना-संरचनाः निर्मिताः सन्ति । अस्मिन् प्रतिमायां प्रवर्तनम्, यथा स्क्रैचः अथवा कैमरायाः कोणस्य परिवर्तनम् अथवा प्रकाशस्य स्थितिः, केन्द्रितः भवति। तस्मिन् प्रतिमायां समीपे विद्यमानानां प्रतिमाणां क्षेत्रे मूलप्रतिमायां प्रवर्तनं प्रति वर्गीकरणस्य अविवर्तनस्य परिभाषया प्रतिमाणां वर्गीकरणस्य निर्णयस्य सुरक्षां परिभाषितं भवति। अस्मिन् क्षेत्रे विभक्तिः उपयुज्य सर्वेषां क्षेत्रानां शोधं कर्तुं शक्नुमः, तथा विश्लेषणम् स्तरात् स्तरात् प्रसारयितुं शक्नुमः। अस्मिन् पद्धतिरेव नेटवर्ककोडस्य कृते प्रत्यक्षं कार्यम् क्रियते, विद्यमानानां पद्धतानां विपरीतम् अस्ति यत्, यदि ते विद्यमानानि सन्ति, तर्हि प्रतिपक्षीय उदाहरणानि, दत्ताः क्षेत्रे तथा परिचारपरिवारस्य कृते लभन्ते इति गारन्टीं कर्तुं शक्नोति । यदि ते प्राप्यन्ते, तर्हि प्रतिपक्षीय उदाहरणानि मानवपरीक्षकाणां कृते प्रदर्शिताः भवितुं शक्नुवन्ति, तथा च/वा नेटवर्कस्य परिष्कृत-संशोधनार्थं उपयुज्यन्ते। अस्मिन् प्रक्रियया Z3 इत्यनेन विधिः प्रयुक्ता अस्ति, तथा च अस्मिन् प्रक्रियया अत्याधुनिक-संजालानां, यथा- नियमित-संजालानां, गहन-शिक्षण-संजालानां च प्रयोगः क्रियते । अपि च विद्यमानानां तन्त्रानां तुल्यरूपेण प्रतिपक्षात्मकानां उदाहरणानां शोधनं कृत्वा जालस्य दृढतायाः अनुमानं कुर्मः। |
8db9df2eadea654f128c1887722c677c708e8a47 | एतस्मिन् अन्तर्निहित-हार्ड्वेअर-प्रयोजनस्य कृते कम्प्युटिकल-कम्प्लेक्सिटी-प्रयोजनस्य न्यूनकरणं कर्तुं, प्रासंगिक-सूचनायाः केन्द्रम् कर्तुं, ध्यान-मॉडलानां कृते नूतन-कार्यम् अपि समाहितम् अस्ति । अस्य फ्रेमवर्कस्य परीक्षणं TORCS इति मुक्त-स्रोतस्य त्रि-आयामिक-कार-रेसिंग-सिमुलेटरस्य अन्तर्गतम् अभवत् । अस् माकं सिमुलेशन-परिणामः अन्यानां वाहनानां सह सरलसंयोगेन च जटिलानां मार्गानां वक्रतायाः परिदृश्ये स्वायत्त-यात्रायाः शिक्षां प्रदर्शयति। आरम्भे स्वयमेव वाहनं चलाय रोबोटकारः कृत्रिमबुद्धीयाः दीर्घकालपर्यन्तं लक्ष्यः अस्ति। वाहनं संचालितं कर्त्तुं मनुष्यस्य वाहनचालकस्य उच्चस्तरीयः कौशलः, ध्यानं, अनुभवः च अपेक्षते । यद्यपि कम्प्युटर्-आयुः मानव-आयुः अपेक्षायाः अधिकः सततं ध्यानं च ददाति, तथापि पूर्णतः स्वायत्त-ड्राइव् हिंस् य बुद्धिः अपेक्ष्यते, यत् एआई-एजेन्ट्-आयुः यावत् प्राप्तवती, तत् अपि अधिकं भवति। स्वयमेव वाहनं संचालितं कर्ता यन्त्रं निर्मातुं यानि कार्याणि आवश्यकानि सन्ति, तानि त्रयाणां श्रेणयः सन्ति, यथा चित्रम् १ दर्शयति। उदाहरणानि पैदलस्य अवलोकनम्, यातायातचिह्नस्य अनुज्ञा इत्यादयः सन्ति । यद्यपि न तुल्यं, तथापि वस्तुनि अभिज्ञानं तथा वर्गीकरणस्य समस्यायां मानवस्तरीयज्ञानं प्राप्तम् अस्ति । गहनशिक्षणस्य मॉडलेषु कच्चे इनपुट-डेटायाः जटिलं सुविधा-प्रदर्शनं सिध्यति, हस्तनिर्मित-विशेषणानां आवश्यकतां न भवति । इदम् अनुबन्धे, संवृतिक न्यूरल नेटवर्कस् (CNNs) सम्भवतः सर्वात् अधिकं सफलम् गहनशिक्षणम् अस्ति, तथा एलेक्सनेट् [8] इत्यतः इमेजेन्ट्-प्रश्नेषु सर्वेषां विजयी प्रतिवेदनानां आधारः अस्ति । यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि यानि। 2) पूर्वानुमानः स्वयमेव वाहनं संचालितं कर्ता पर्यावरणं विजानाति इति न केवलं; सः आन्तरिकं प्रतिमानं निर्मातु अपि शक्नोति, येन पर्यावरणस्य भवितव्याः अवस्थाः पूर्वानुमानं कर्तुं शक्यते । अस्मिन् वर्गस्य समस्यायाः उदाहरणं पर्यावरणस्य मानचित्रस्य निर्माणम् अथवा वस्तुनि अनुगमनम् च अस्ति । भवितव्यम् अवगन्तुं समर्थो भवितुम्, पूर्वसूचनाः समाहितं करणीयम् अस्ति । अतः पुनः पुनरावर्ती न्युरल नेटवर्कः (RNNs) अस्मिन् प्रकारस्य समस्यायाः निवारणार्थं अति आवश्यकः वर्तते । दीर्घ-लघु-अवधि-स्मृति-जालानि (Long-Short Term Memory (LSTM)) [5] एतानि आर.एन.एन.प्रकाराणि सन्ति, ये अन्त-अन्त-अन्त-दृश्य-लक्षण-प्रणालीषु प्रयुक्तानि सन्ति । आरएनएन-संज्ञायाः प्रयोगः डीपट्रैकिङ्ग-आदर्शने अपि भवति । 3) योजनाः कारके यानस्य सफलप्रयोजनं कर्तुं समर्थं भवितव्यम् इति योजनां कर्तुं अनुज्ञां च पूर्वानुमानं च समाहितं कुशलं प्रतिमानं निर्मितम् । योजना त्रिषुषुषु कठिनतमः कार्यः अस्ति । परिवेशस्य (अभिज्ञानम्) च गतिशीलतायाः (प्रत्याख्यानम्) अभिज्ञानं कर्तुं, अवांछितानि स्थितानि (दण्डानि) न कर्तुं, सुरक्षिततया गन्तव्यस्थानं (पुरस्कारं) च गन्तुं समर्थं भवतीत्यस्य कार्यस्य योजनां कर्तुं, एवम् एव एव मॉडेलस्य क्षमता सम्मिलितकरणेन समस्या अस्ति । चित्र 1: उच्चस्तरीयस्वायत्त वाहनकार्यक्रमाः प्रवर्धनशिक्षण (आरएल) [17] [20] रूपरेखायाः उपयोगः दीर्घकालं यावत् नियन्त्रणाकार्यक्रमेषु कृतः अस्ति । [९] मानवस्तरस्य नियन्त्रणस्य प्राप्तिः आरएल-डीएल मिश्रणस्य सर्वाधिकं आशाजनकम् उपायः इति निर्दिष्टम्। [१२] तथा [११] इत्यस्मिन् मानवस्तरीयस्य नियन्त्रणस्य प्रदर्शनं अत्तारी-खेलानां प्रयोगे कृतम् । अनन्तरं आर.एन.एन.स् मध्ये मिश्रणस्य अन्तर्भवः अङ्गिक अवलोकनीय परिदृश्यानां कारणं कृतम् । स्वयमेव वाहनं संचालितं कर्तुं सूचनायाः एकीकरणं आवश्यकम् अस्ति। 02 53 2v 1 [ st at .M L] 8 A pr 2 01 7 बहुव्रीहिः संवेदकः केचित् कम-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार- यद्यपि कैमरायाः कच्चीनिचित्रानि उच्च-आयामिकानि सन्ति तथापि स्वयमेव वाहनं चलाय प्रयत्नेन आवश्यकानि उपयोगी सूचनाः अत्यल्प-आयामिकानि सन्ति इति अत्र विशेषः उदाहरणः। उदाहरणार्थम्, दृश्यस्य महत्त्वपूर्णानि भागानि यानि वाहननिर्देशान् प्रभावितं कुर्वन्ति, ते गतिमानानां वाहनानां, अग्रे रस्ते मुक्तस्थानानां, कर्व्स्-अवस्थायाः इत्यादीनां विषये एव सीमितानि भवन्ति । वाहनानां सूक्ष्माणि अपि महत्त्वपूर्णानि न सन्ति, यतः समस्यायाः निवारणार्थं केवलं तेषां स्थानिकस्थानं आवश्यकम् अस्ति। अतः प्रासंगिक सूचनायाः स्मृतिव्यापकता अति न्यूनं भवति । यदि एवम् प्रासंगिकं सूचनां प्राप्तुं शक्यते, अन्येषु अप्रासंगिकानि भागानि च्छिन्नानि भवन्ति, तर्हि स्वायत्त-ड्राइव्हिङ्ग-प्रणालीनां सटीकतायाः कार्यक्षमतायाः च सुधारः भविष्यति । एतदतिरिक्तं, प्रणालीयाः गणना तथा स्मृतिः आवश्यकताः अपि न्यूनानि भवितव्याः, यानि एव एम्बेडेड प्रणालीषु महत्वपूर्णानि बाधकानि सन्ति, येषु स्वायत्त-ड्राइव्हिंग-नियन्त्रण-एक्य् युनिट् अन्तर्भवति । ध्यानमण्डलानि एतादृशानि सूचना-फिल्टरिङ्गप्रक्रियाणां स्वाभाविकानि सन्ति । इमे रूपाणि [२३] च [१०] मध्ये प्रतिमाज्ञानार्थं सफलतापूर्वकं प्रयुक्ताः, यत्र आरएलः आरएनएन-संयुक्तेन प्रतिमायाः भागान् प्राप्तुं प्रयुक्तः। एतानि मोडलानि सुलभतया डीक्यूएन [11] तथा डीप रिकर्न्ट क्यू नेटवर्कस् (डीआरक्यूएन) [4] मोडलैः सह समाविष्टानि च सन्ति । इयं एकीकरणं [16]-पत्रे कृतम् । ध्यानस्य यशः अस्मान् एव प्रवृत्तवान् यत् स्वयमेव वाहनं चलाय स्वयमेव वाहनं चलाय कच्चे संवेदकीय-सूचनायाः निम्न-स्तरीय-सूचनायाः निष्कर्षणार्थं तान् प्रस्तावयतु । अस्मिन् लेखे वयं एकं अन्तः-अन्तः स्वायत्त-ड्राइव् य् मॉडेलं प्रस्तावयामि यत् कच् छ् सेन्सर-इनपुटं गृहीत्वा ड्राइव् य् क्रियाम् निर्गच्छति । नमुनायाः आंशिकतया अवलोकनीयानि परिदृश्यानि सम्भाषणं कर्तुं शक्यते। अस्मिन् विषये, अद्यतनप्रगतिः ध्यानस्य प्रतिमानम् अपि योजयति, येन प्राप्ते सेन्सर-सूत्राणि केवलम् प्रासंगिकं सूचनां प्राप्तुं शक्यते, येन वास्तविक-समय-संयन्त्रानां कृते उपयुक्तं भवेत् । अस्य कार्यस्य मुख्यं योगदानम् अस्ति - 1) गहन-संवर्धन-शिक्षणस्य अद्यतनानां प्रगतिनां समीक्षा, 2) गहन-संवर्धन-शिक्षणस्य उपयोगेन स्वयंसहाय वाहनस्य परिष्कृत्य कार-समुदायस्य कृते एकं रूपं प्रस्तुतम्। शेषं पेपरं द्विभागं विभक्तम् अस्ति । प्रथमं भागं डीपी फ्रेमवर्क, क्यू-लर्निंग, डीक्यूएन, डीआरक्यूएन, डीपीएआरक्यूएन इत्यनेन आरभ्यते। पेपरस्य द्वितीयभागे प्रस्तावितस्य रूपरेखायाः वर्णनम् कृतम् अस्ति यत् गहन-संवर्धन-शिक्षणस्य अधुना प्राप्ताः प्रगतिः समाविष्टं भवति । अन्ते, भवितव्याः कार्याः निर्देशं च ददाति। पुनरावर्तनशिक्षणस्य समीक्षा पुनरावर्तनशिक्षणस्य व्यापकस्य अवलोकनस्य कृते कृपया रिच सटनस्य पाठ्यपुस्तकस्य द्वितीय संस्करणं [१८] पश्यत। अस्मिन् खण्डे महत्वपूर्णविषयाः संक्षेपतः विहङ्गानि। [17] इत्यनेन सूत्रेण प्रवर्धनात् शिक्षणाय रूपम् निर्मितम् यत्, उत्तमम् नीतिः प्रदत्तः अस्ति यत् कर्ता तत् अनुवर्तयितुं शक्नोति (प्रदत्तः राज्यम् अवलम्ब्य उत्तमम् कार्यम्), येन कर्ता तत् नीतिम् वर्तमानात् आरभ्य टर्मिनल-राज्यं प्राप्तुं यावत् अनुवर्तयितुं शक्नोति, तदा कुलः संचितः लाभः अधिकतमः भवति । आरएल-प्रारम्भाय प्रेरणम् बहु-एजन्ट्-सम्भाषणस्य समस्या अस्ति । एकं मानव-चालकं अन्य-कारैः सह सहकार्याणि न कुर्वन् , एकं लेनम् आचरितुं अधिकं सुलभम् अस्ति । अन्येषु वाहनानां व्यवहारस्य अनिश्चिततायाः कारणात् उत्तरार्धं अधिकं कठिनम् भवति । परस्परं कार्यकर्तृकानां वाहनानां संख्या, तेषां ज्यामितीयरूपेण विन्यासः, वाहनचालकोपचारः च बहुविधः भवति, अतः सर्वेषां परिदृश्यानां पूर्णतया समावेशेन पर्यवेक्षितशिक्षणस्य डाटासेटस्य रचनां कर्तुम् आव्हानं भवति। मानवानां वाहनचालकाः अन-लाइन-प्रवर्धन-शिक्षणस्य उपयोगं कुर्वन्ति येन ते अन्यानां वाहनचालकोणां व्यवहारं बोधयितुं शक्नुवन्ति यथा - ते रक्षात्मकं वा आक्रमकं, अनुभवी वा अनुभवहीनम् इत्यादयः। इदम् विशेषेण उपयोगः भवति यदा वार्तायाः आवश्यकता भवति, यथा चक्रेण प्रवेशः, ट्रॅफिक् लाइट् विना क्रॉसिंग्स्, घोर ट्रॅफिक् मध्ये लेनस् परिवर्तनम् इत्यादि। स्वयंसहायकारेण वाहनं चलयितुं मुख्यं आव्हानं अस्ति यत्, मानवस्य वाहनचालकस्य कृते अपि अप्रत्याशितानि विकल्पेषु अपि सम्भाषणं करणीयम्, यथा जीपीएस-विना अज्ञातक्षेत्रे गमने पुनः प्राप्तिः अथवा जलप्रलयं वा भूमिस्थानां खड्गानां उद्भवं वा इव आपदायाः स्थितिः। आरएल-आदर्शनात् अनभिज्ञक्षेत्रे प्रतिमानानि भवन्ति, तथा च क्रियायाः सञ्चालनं कृत्वा स्वस्य अनुभवात् शिखरिताः भवन्ति। अपि च, आरएलः नानाविधमूल्यकार्यं कर्तुं शक्नोति, यैः पर्यवेक्षितशिक्षणस्य समस्याः प्रवर्त्तयितुं शक्नुवन्ति। इदानीं स्वयंसिद्धेन वाहनं संचालितं कर्तुं मानकप्रयोजनं यन्त्रं पृथक्-पृथक् उप-प्रश्नेषु विभक्तं करोति, यथा पर्यवेक्षित-शिक्षण-सदृश-वस्तु-विज्ञापनम्, दृश्य-ओडोमेट्री इत्यादि, ततः पूर्व-चरणानां सर्वेषां परिणामानां संयोजनार्थं एकं पोस्ट-प्रोसेसिंग-स्तरं भवति । अथ दृष्टान्ते द्वौ मुख्यौ समस्याः सन्ति। प्रथमतः, उप-प्रश्नेषु यानि हलानि भवन्ति ते स्वयंसिद्धेन वाहनं संचालितं वाहनं संचालितं यावत् कठिनानि भवन्ति। उदाहरणार्थम्, कश्चित् अर्थविभाजनद्वारा वस्तुनि अभिज्ञानं हलयति यत् आव्हानात्मकं अनावश्यकं च भवति। वाहनं चलायमानः वाहनचालकः वाहनं चलायमानः सर्वः दृश्यमानः वस्तुः न अवलोकयति, केवलं तत्सम्बद्धं वस्तु एव वर्गीकृतयति च। द्वितीयः, पृथक्कृतः उप-प्रश्नः कदाचित् समन्वितः न भवेत्, येन सः लक्ष्यम् प्राप्तुं शक्नोति। अनुवर्धनात्मकशिक्षणम् एकं प्रबलं कृत्रिम-ज्ञानं रूपं मान्यते, यं यन्त्रानां पर्यावरणस्य सह अन्तर्क्रियाद्वारा तेषां त्रुटानां शिक्षां दातुं उपयोगं कर्तुं शक्यते। यद्यपि अस्य उपयोगितायाः अवगता अस्ति, तथापि अद्यापि अस्य उपयोगितायाः वाहननिर्माणस्य क्षेत्रे सफलः प्रयोगः न अभवत् । अत्रि-खेलानां तथा गुगल-दीपमाइण्ड-स्य गो-खेलानां यशःप्राप्तेन शिक्षाप्रदर्शनैः प्रेरितः अस्मिन् विषये गहन-सहायता-शिक्षणस्य उपयोगेन स्व-चालित-कारस्य कृते एकं रूपरेखां प्रस्तावयामि। अथ विशेषः महत्त्वं वर्तते यतः अन्यानां वाहनानां, पादपानां च चलनानां च पर्यावरणस्य सह तीव्रसंयोगाणां कारणात् स्वयंसहाय वाहनस्य पर्यवेक्षणीयशिक्षणस्य समस्यायाः रूपे प्रस्तुतम् अवघडम् अस्ति । स्वयंसहायकाराय शोधस्य अपेक्षाकृतं नवं क्षेत्रम् अस्ति अतः अस्मिन् अधोलिखितेषु विषयेषु संक्षेपतः गहनवर्धनशिक्षणस्य विषये चर्चां करिष् यामः, अनन्तरं अस् माकं प्रस्तावितस्य रूपरेखायाः वर्णनं करिष् यामः । इयं कारः सूचनासंयोजनार्थं पुनरावर्ती न्यूरल नेटवर्कस् य समावेशं करोति, येन कारः आंशिकरूपेण अवलोकनीयानि परिदृश्यानि सम्भाषणं कर्तुं शक्नोति । |
a4d513cfc9d4902ef1a80198582f29b8ba46ac28 | अस्मिन् प्रतिवेदने कृत्रिम बुद्धिमत्तायाः दुर्भावनायुक्ताः उपयोगाः सम्भाव्यस्य सुरक्षायाः खतराः अधोलिखितानि सन्ति, तथा एतेषां खतराानां पूर्वानुमानं, निवारणं, तथा तयोः निवारणं च उत्तमं कर्तुं मार्गानि प्रस्तूयन्ते। अस्मिन् विषये, कृत्रिम-जागृतिः डिजिटल-भौतिक-राजनीतिक-क्षेत्रेषु खतरापरिदृश्यं प्रभावितुं शक्नोति इति विश्लेषणात् अनन्तरं कृत्रिम-जागृति-शोधकानां च अन्यानां हितधारकानां कृते चत्वारः उच्च-स्तरीयानि शिफारसानि कृतानि। अस्मिन् अनेके क्षेत्रे अपि अन्वेषणं कर्तुम् आशाः सन्ति, ये रक्षायाः विस्तारं कर्तुं, आक्रमणं कमप्रभावीकर्तुं, अथवा क्रियान्वयनं कठिनं कर्तुं शक्नुवन्ति। अथातः परं वयं चर्चामकरोमः, किन्तु न च निष्कर्षाणम्, आक्रमणकर्तृणां रक्षकाणां च दीर्घकालिकसंतुलनम्। |
b5a047dffc3d70dce19de61257605dfc8c69535c | गहन-संयोजक-जालानि जटिल-विश्व-समस्यानां निवारणार्थं व्यापक-प्रयुक्ताः प्रभावशालीः साधनः च अभवत् । तथापि सुरक्षा-महत्त्वपूर्णप्रणालीषु तेषां प्रयोगे प्रमुखं बाधा तेषां व्यवहारस्य औपचारिकं गारन्टीं दातुं महतीं कठिनाईः वर्तते । अस्मिन् लेखे गहन-तृतीय-जालानां गुणानां प्रमाणनार्थं (वा प्रति-उदाहरणानि प्रदत्तुं) नूतनं, स्केलेबलम्, कुशलं च तंत्रम् प्रस्तूयते । अयं प्रविधिः सिम्प्लेक्स-प्रणालीयाः आधारेण अस्ति, यस्मिन् नॉन-कन्वेक्स रेक्टिफिड लीनियर यूनिट् (ReLU) सक्रियणक्रियायाः विस्तारः कृतः अस्ति, यस्मिन् अनेकेषु आधुनिक-संयन्त्रानाम् न्यूरल-नेटवर्क्स् मध्ये महत्वपूर्णः घटकः अस्ति । सत्यापनविधिः न्युरल नेटवर्कस् य समग्रतायाः विषये विचारं करोति, न च किमपि सरलीकरणं करोति। अस् माभिः अस् माकं तन्त्रं प्रवर्तक-प्रमाणं गहन-संयन्त्र-प्रवर्तनम् अग्रे-पीढीयाः वायु-प्रवाहित-संयोग-अवरोध-प्रणालस्य मानवरहित-विमानानां कृते (एसीएएस-क्सु) परीक्षितम् । अस्मिन् परिणामे एव सिद्धम् अभवत् यत् अस्मिन् प्रविधिने विद्यमानानां विधानां उपयोगेन सत्यापितानां सर्वाधिकानां जालानां गुणानां प्रमाणं यशः प्राप्नोति। |
b4bd9fab8439da4939a980a950838d1299a9b030 | पूर्णः उपयोगः नियमः http://pubsonline.informs.org/page/terms-and-conditions अयं लेखः केवलं अनुसंधानस्य, अध्यापनस्य, वा निजी अध्ययनस्य प्रयोजनार्थं उपयोक्तुं शक्यते । अन्यथा न निर्दिष्टं तर्हि प्रकाशकस्य स्पष्टं अनुमोदनं विना वाणिज्यिकप्रयोगः अथवा व्यवस्थितः डाउनलोडः (रोबोट्स अथवा अन्यः स्वचालित प्रक्रियाभिः) निषिद्धः अस्ति । अधिकविवरणार्थं, [email protected] इत्यनेन संपर्कं कुरुत। प्रकाशकः लेखस्य सटीकता, पूर्णता, विक्रययोग्यता, विशिष्ट प्रयोजनस्य उपयुक्तता, अथवा उल्लंघनस्य अभावः इति प्रतिवचनं न ददाति। उत्पादानां वा प्रकाशनानां वर्णनं, तेषां संदर्भः, अथवा विज्ञापनस्य समावेशः न एव एव एव प्रतिभूतिः, समर्थनः, अथवा तत् उत्पादं, प्रकाशनं वा सेवाम् प्रति दाव्यानां समर्थनः भवति, न च तत् अर्थः। © 1990 INFORMS |
5288d14f6a3937df5e10109d4e23d79b7ddf080f | |
c9946fedf333df0c6404765ba6ccbf8006779753 | स्वयंसिद्धेन वाहनस्य उपयोगः वाहनस्य सुविधां च वर्धयितुं समर्थः अस्ति। अस्मिन् वर्तमाने यातायातप्रणाले स्वायत्त-यात्रायाः प्रवर्तनम् आरब्धम् अस्ति, तथापि एकं महत्वपूर्णं प्रश्नम् अस्ति यत् स्वायत्त-यात्रायात्रायात्रायाः वाहनानां यथावत् मानवीय-यात्रिकानाम् इव प्रतिक्रियाः कर्तुं शक्यते। भवितव्यस्य स्वयंसिद्धेन वाहनस्य च मानवस्य वाहनस्य इव कार्यम् करणीयम् इति सुनिश्चित्यै, अस्मिन् लेखे वाहनस्य गति-योजनायै एकं प्रतिरूपं प्रस्तूयते, यस्मिन् वास्तविकं संकेतयुक्तं क्रॉस-मार्गेण वाहनस्य परिवेशस्य आकलनं कृत्वा वाहनस्य चालकस्य वाहनस्य नियमनं कर्तुं शक्यते। प्रस्तावितस्य गतियोजनायन्त्रस्य कार्यक्षेत्रेषु पादपात्रस्य आशयस्य अभिज्ञानं, अंतरस्य अभिज्ञानं, वाहनस्य गतिशीलस्य च नियमनं च अस्ति । त्रिषु कार्यकारणयोः निर्माणं वास्तविक-तराण-परिवेशात् प्राप्तानां वास्तविक-तराण-परिवेषणां विश्लेषणम् आधारितः अस्ति । अथातः परं अस्मिन् लेखे अस्मिन् पद्धतिस् य कार्यसम्पादनं प्रदर्शितम् यत् अस्मिन् पद्धतिस् य व्यवहारं वास्तविकानां पादपानां च वाहनानां च व्यवहारैः सह तुलनाम् कृतम् । प्रयोगाणां परिणामः दर्शयति यत् अस्मिन् प्रस्तावितमौडलस्य उपयोगे 85%-परिमाणं पादपानां क्रॉसिंग-योजनायाः अनुज्ञापने सम्भवति । तथा च प्रस्तावितस्य गति-नियोजन-आदर्शनेन नियन्त्रितस्य वाहनस्य च वास्तविक-मानव-चालितस्य वाहनस्य च क्रमाङ्केषु अंतर-स्वीकारस्य विषये अत्यन्तं समानं वर्तते । |
061356704ec86334dbbc073985375fe13cd39088 | अस्मिन् कार्ये वयं वृहत्-आकारे प्रतिमा-पहचान-प्रसङ्गेन तस्मिन् परिशुद्धेः परिभाषणं करणीयम् । अस्मिन् विषये अस्मिन् लेखे मुख्यं योगदानं वर्धमानगर्भस्य जालस्य विस्तृतं मूल्यांकनम् अस्ति, यस्मिन् दर्शितम् यत् पूर्व-कलासंरचनायाः विषये महत्त्वपूर्णं सुधारं गहनगर्भस्य १६-१९ भारस्तरं प्रति ध्रुवम् कर्तुं शक्यते । अस्मिन् वर्षे इमेजेन्ट् चलेन्ज २०१४-या प्रतिवेदनस्य आधारः एव एव आसीत्, अस्मिन् वर्षे अस्मिन् टीमः स्थानिककरण-वर्गीकरण-प्रकरणयोः प्रथम-द्वितीय-स्थानानि प्राप्तवान् । अस्मिन् विषये आचार्यस्य कथनानुसारं, "अन्यत्र अपि सर्वेषां विषयेषु सामान्यीकृत्य, अद्यतमं परिणामाणि प्राप्तुं शक्नुमः। अस्मिन् विषये महत्वपूर्णं यत्, कम्प्युटरदृष्टिप्रणालीयां गहनदृष्टिप्रदर्शनस्य उपयोगस्य अन्वेषणस्य सुगम्यार्थं वयं सर्वाङ्गप्रयुक्ताः कन्वेनेट-मॉडलानि सार्वजनिकरूपेण उपलभ्यमानाः कृतवन्तः । |
14318685b5959b51d0f1e3db34643eb2855dc6d9 | अस्मिन् प्रपञ्चे इनिसेशन नामकः गहन-परिवर्तनशीलः न्युरल-नेट् आर्किटेक्चरः अस्ति, यस् य वर्गीकरणं च इमेजनेट् वृहत्-स्केल-दृश्य-पह्चान-प्रश्नं २०१४ (ILSVRC14) -मध्ये प्राप्तम् । अस्य वास्तुकलायाः मुख्यं लक्षणं अस्ति यत् नेटवर्क अन्तर्गतस्य कम्प्युटिङ्ग संसाधनानां उपयोगः सुधृतः भवति । ध्यानपूर्वकम् आराध्यम् आराध्यम्, वयं जालस्य गहनतायाः विस्ताराय च वर्धयन् कम्प्युटरेशन् बजटम् स्थिरम् अकुर्वन् । गुणात्मकतायाः अभिवृद्धिकरणार्थं वास्तुशास्त्रस्य निर्णयः हेब्बियन-प्रिन्सिप्-आदिभिः बहु-आकार-प्रक्रियायाः अन्तर्ज्ञान-आधारेण कृतः। अस्मिन् विषये अस्मिन् लेखे इल्स्-विआरसी-१४ इत्यस्य एकं विशेषं रूपं प्रयुक्तम् अस्ति, यं गुग्लिनेट् इति कथ्यते, यस्मिन् २२ स्तरीयानि गहनानि जालानि सन्ति, यानि वर्गीकरणस्य च अवलोकने च गुणात्मकानि सन्ति। |
1827de6fa9c9c1b3d647a9d707042e89cf94abf0 | प्रशिक्षणकाले प्रत्येकस्तरस्य आदानप्रदानस्य वितरणं परिवर्तते, यथा पूर्ववर्तीस्तरस्य परिमाणानि परिवर्तन्ते, अतः गहन तंत्रिकाजालस्य प्रशिक्षणं जटिलं भवति । अतः कमतरशिक्षण-दरं च परिमाण-सूत्रस्य सावधानीपूर्वकम् आरम्भणं च अपेक्षते, अतः अ-रैखिकतायाः सञ्चयनेन सह मॉडलस्य प्रशिक्षणं कष्टकरं भवति । अस्मिन् विषये आन्तरिकः सहसंख्यकपरिवर्तनम् कथ्यते, तथा स्तरीकरणप्रवेशस्य सामान्यीकरणं कृत्वा समस्यायाः समाधानं भवति । अस्मिन् पद्धतिरेकस्य शक्तिः एव एव अस्ति यत् सामान्यकरणं प्रतिरूपनिर्माणस्य भागं कृत्वा प्रत्येकं लघु-सङ्ख्याप्रशिक्षणस्य सामान्यकरणं क्रियते । इयं सामान्यीकरणम् अस्मान् अधिकं शिक्षां ददाति, आरम्भणविषये च कमपि सतर्कता न भवति, तथा च केषुचित् प्रकरणेषु ड्रॉपआउटस्य आवश्यकता न भवति। अद्यतनं चित्रवर्गीकरणमण्डलं प्रति प्रयुक्तं, बैच-सामान्यीकरणं १४ गुणाः न्यूनं प्रशिक्षणं कृत्वा समानं परिशुद्धतायाः प्राप्तुं शक्नोति, तथा मूलं प्रतिरूपं उल्लेखनीयं मार्जिनं प्राप्तुं शक्नोति। इमेजेनट-वर्गीकरणस्य सर्वोत्कृष्टं प्रकाशितं फलं वर्धयितुं, बेच्-सामान्यीकृतानां जालानां प्रयोगं कृतम्: इमेजेनट-वर्गीकरणस्य सर्वोत्कृष्ट-पांच-परीक्षाणां 4.82% त्रुटिः प्राप्ता, यस्मिन् मानव-वर्गीकरणस्य परिशुद्धता अतिशयेन आसीत् । |
6e80768219b2ab5a3247444cfb280e8d33d369f0 | अस्मिन् लेखे अल्ट्रा-वाइड-बैंड् (UWB) शक्तिकलाकारस्य रचना कृता अस्ति । अस्य विद्युत्विभाजकस्य यूडब्लुबी प्रदर्शनं सूक्ष्म-पटरी रेखायाः उपयोगेन प्राप्नोति, यस्मिन् एक्सपोन्सिअल-एलिप्टिक-भागः अस्ति । ग्रौस् ग्रैन्स् पार्ललल माइक्रो-जेनेटिक अल्गोरिदमः (पीएमजीए) च सीएसटी माइक्रोवेव स्टुडियोः एकं स्वचालितम् पार्ललल डिझाइनप्रक्रियाम् प्राप्तुं संयुक्तं भवति । अस्य पद्धतिः यूडब्लुबी-प्रभावविभाजकस्य अनुकूलनार्थं प्रयुक्तः अस्ति । इष्टतमं विद्युत् विभाजकम् निर्मितम्, मापितम् च अस्ति । मापनपरिणामः अपेक्षाकृतं न्यूनं प्रविष्टव्यः हानिः, सुखा प्रतिगमनं हानिः, च सम्पूर्णम् UWB (3.1-10.6 GHz) -मध्ये निर्गतद्वारं उच्चं पृथक्करणं दर्शयति । |
2532d0567c8334e4cadf282a73ffe399c1c32476 | तत् कार्यसम्पादनमापकं तत् प्राप्तं प्रतिफलम् भवति । उदाहरणार्थम्, यदा भृगुः भोजनं करोति, तदा प्रत्येकं काल-चरणस्य पुरस्कृत्य-कार्यं विमानाः (नकारात्मक-भारित) दूरी च, अङ्गीकृतं मधुरं च संयोजनं भवति । मार्कोव-निर्धारण-प्रक्रियायाः (Markov Decision Processes - MDPs) समाधानार्थं प्रवर्धन-शिक्षण-विधिः (Reinforcement Learning - RL) आन्तरिक-अल्गोरिदमः अस्ति । MDP इत्यस्य परिभाषा इनाम-कार्यस्य च प्रतिमानस्य, अर्थात् प्रत्येकं सम्भाव्य-क्रियायाः परिशिष्टाः राज्य-परिवर्तन-संभाव्यताः, एव भवति । आरएल-अल्गोरिदमः मॉडल-आधारितः भवितुं शक्नोति, यत्र एजन्ट् एकः मॉडलम्, अथवा मॉडल-मुक्तम् - यथा, Q-लर्निंगः वाटकिन्सः १९८९-अध्यायः, यः केवलं Q{\displaystyle Q{\displaystyle Q{\displaystyle s} , a) इति फलनम् लभते, येन राज्यस्य s-स्थाने क्रियायाः दीर्घकालिक-मूल्यं निर्दिष्टं भवति, तथा तत्पश्चात् इष्टतम-प्रकारेण कार्यम् क्रियते । यद्यपि आरएल पद्धतिषु यशः प्राप्तेः, तथापि तेषु अधिकांशं परिमाणं पूर्णतया अवलोकनीयम् अस्ति, यस्मिन् प्रत्येकं अवस्थायां संवेदनात्मकम् आगतं राज्यं परिगणयितुं पर्याप्तम् अस्ति । प्रत्यक्षजगति प्रायः आंशिकदृष्ट्या अवलोकनीयानि MDPs (POMDPs) आख्यायिकाः सन्ति । एस्ट्रोम् (१९६५) इत्यनेन सिद्धम् अभवत् यत् पोम्डिप्स्-समये इष्टतमानि निर्णयाः प्रत्येकं क्षणम्, अर्थात् सम्भाव्यसर्वं वास्तविकं अवस्थायां पश्चादिसम्भाव्यसम्भाव्यप्रसङ्गाः, अद्यपर्यन्तं सर्वेषां प्रमाणानां आधारात्, विश्वस्ये स्थितिः b-आश्रितः अस्ति । पारे रस्स्स् (१९९५) इत्यनेन एकं सरलं पोम्डब्लु आरएल एल्गोरिदमं वर्णितम् यत् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इदम् इ न च तयोः मध्ये एकः अपि दृष्टिकोणः बहुसंख्यकानां अवस्थापरिवर्तकानां दीर्घकालिकाश्रयानां स्थितानां कृते परिमाणं कर्तुं शक्यते। ननु च ननु च प्रतिपाद्यं प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपाद्यं च प्रतिपादयति। गतिशीलबायेसियनजालानि (डीन & कानाजावा, १९८९) अपेक्षितानि गुणानि सन्ति; विशेषतया, तेषां अन्यप्रयत्नानां यथा कलमान-फिल्टर् तथा लुप्त-मार्कोव-आदर्शानां तुल्यम् महत्वपूर्णम् लाभः अस्ति । अस्मिन् चित्रे दर्शितम् अस्मिन् आधारसूत्रे, नवीनं सेन्सर-सूचना आगतात् विश्वास-स्थितिः प्रतिपादयितुं अद्यतनयितुं DBNs-प्रयोगः क्रियते । b इत्यस्य प्रतिपादनाय, इनामसंकेतोः उपयोगः Q-कार्यस्य शिक्षणाय भवति, यत् किञ्चित् black-box कार्यस्य अनुमानकारेण यथा किञ्चित् तंत्रिकाजालम् । यदि वयं संकरं (वि- अस्मिन् व्याख्यानम् एकं सरलं "आधारभूतम् वास्तुशास्त्रम्" (baseline architecture) प्रस्तौति यत् एकं शिक्षण-सञ्चालकम् (learning agent) भवति, यः स्थूलात्मकं, आंशिक-अवलोकनीयम् वातावरणं च संचलितुं शक्नोति । वास्तुशास्त्रस्य उपयोगे आश्रितशिक्षणम्, तात्कालिकप्रक्रियाणां ग्राफिकल-मॉडलरूपेण प्रतिपादनाय च विधिः प्रयुक्ता। अहं इन्द्रियाणां आगतानां परिमाणानां तथा तयोः संरचनायाः परिमाणं ज्ञातुं, तथा पश्चादनुमानानां गणनां कर्तुं च विधिं विमर्शयिष्यामि । पूर्णं औषधं प्रयोगं कर्तुं पूर्वं केचन समस्याः विद्यन्ते, यदा वयं विस्तारेण विचारं करिष्यामः तदा अधिकानि समस्याः उद्भवन्ति। द्वितीयविषयः, किमर्थं पुनरावर्तकशिक्षणम् प्राणिनां च मानवानां शिक्षणाय उत्तमम् आदर्शम् उपदिशति? अस्मिन् प्रश्नस्य उत्तरं दातुं, अस्मिन् अनुवर्तीय-सहायतायाः अभ्यासः करणीयः: अवलोकितव्यवहारस्य आधारात्, यदि किमपि अस्ति तर्हि, किं पुरस्कृत्यम् सिग्नलम् उत्तमम् भवति? COLT, UAI, ML समुदायेषु अयं समस्या रोचते, तथा इकोनोमेट्रिक्स-शास्त्रस्य मार्कोव-निर्णयप्रक्रियायाः संरचनात्मकं अनुमानं नामके विषये चर्चा कृतम् अस्ति । १ अनिश्चितपरिवेशेषु शिक्षणं कृत्रिमज्ञानं बुद्धिमत्तायुक्तानां अभिकर्मकानां निर्माणं, अर्थात्, तन्त्रं यानि परिवेशेषु प्रभावकारीतया (किञ्चित् कार्यसम्पादनमापकानुसारम्) अवगच्छन्ति तथा कार्यन्ति। अहं अन्यत्र Russell and Norvig (1995) इत्यनेन तर्कयामि यत् अधिकाः कृत्रिम-अभ्यासस्य शोधः स्थिरा, निर्धारात्मकः, पृथक्, पूर्णतया अवलोकनीयः च वातावरणं केन्द्रितः अस्ति । यदा वास्तविक-जगत्-स्थाने यथा वातावरणं गतिशील-स्थिर-अस्थिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर-अचिर- अयं लेखः एन.एस.एफ. @I-9634215), ओ.एन.आर. (N00014-97-l-0941) तथा आर.ए.0 (DAAH04-96-1-0341) इत्यनेन समर्थितः विविधः शोधप्रयत्नः प्रवर्त्तते। अस्मिन् कार्यस्य पूर्णतः अथवा अंशतः वैयक्तिकं वा कक्षा-प्रयोगार्थं डिजिटल-प्रतिकृतिं वा प्रिन्स्-प्रतिकृतिं कर्तुम् अनुज्ञां विना ददाति, यदि प्रतिलिपिं न निर्मातुं वा वितरणीयम्, यदि प्रतिलिपिं प्रति प्रथमपृष्ठे एव सूचना च दीयते। अन्यथा प्रतिलिपिं कर्तुम् । पुनः प्रकाशनं, सर्वरवरं पोस्टं वा सूचीषु पुनः वितरणं कर्तुं पूर्वमेव विशिष्ट अनुज्ञायाः च/अथवा शुल्कस्य आवश्यकता भवति । COLT 98 Madison WI IJSA Copyright ACM 1998 1-5X1 13-057--0/9X/ 7...$5.00 अनन्तरं वर्षैः संवर्धनशिक्षणम् (नवरोगामिकप्रोग्राम्मिङ्गः अपि कथ्यते) स्वयमेव रचनाकारस्य साधनं कृत्वा तीव्रतरं प्रगतिम् अकरोत् (Sutton, 1988; Kaelbling et al., 1996; Bertsekas & Tsitsiklis, 1996) । मूलभूतकल्पना अस्ति यत् कार्यसम्पादनस्य मापनं कर्तायाः कृते एकं पुरस्कृत्य-सम्बन्धि-सङ्ख्यारूपेण उपलब्धं भवति, यत् कर्तायाः प्रत्येकं अवस्थायां पुरस्कृत्य-सङ्ख्यां निर्दिष्टं करोति । |
6f20506ce955b7f82f587a14301213c08e79463b | |
d14ddc01cff72066c6655aa39f3e207e34fb8591 | अयं लेखः सूक्ष्म-इलेक्ट्रो-मकेनिकल-प्रणालीषु (MEMS) आधारितं रेडियो-फ्रिक्वेन्सी (RF) प्रौद्योगिकीयाः अपेक्षाकृतं नूतनं क्षेत्रं विषये लिखति । आरएफ एमईएमएसः नवीनानां उपकरणानां घटकानां च वर्गं प्रदत्तवान्, येषु उच्चतर-आवृत्तिः पारम्परिकानां (सामान्यतः अर्धचालकानां) उपकरणानां तुल्य श्रेष्ठः भवति, तथा नव-प्रणाली क्षमताः अपि सम्भाव्यन्ते । अपि च, MEMS यन्त्रानां रचनायाः निर्माणं च बहु-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महामहा-महामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहा अस्मिन् लेखे, केवलं यन्त्रं विद्युत्स्थानाय सूक्ष्मस्विचः अस्ति - कदाचित् आरएफ-एमईएमएस यन्त्रः आदर्शः अस्ति । अस्य सूक्ष्मविच्छेदकस्य उत्कृष्टप्रदर्शनविशेष्यैः विद्यमानानां सर्किटानां प्रणालीनां मध्ये विद्यमानः सूक्ष्मविच्छेदकः विकसितः अस्ति, यथा रेडिओः अग्रभागः, कपेन्सेटरबैंकः, तथा समय-विलम्बित-जालानि च । अति-निम्न-शक्ति-प्रसारण-संयुक्तं श्रेष्ठं प्रदर्शनं, बृहत्-आकारेण एकीकरणं च नवीन-प्रणाली-कार्यकारिणीयं क्षमतां अपि अनुमीयते। अत्र द्वौ सम्भाव्यौ विद्युत्प्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाहप्रवाह |
9d5f36b92ac155fccdae6730660ab44d46ad501a | जोखिम समता विविधीकृत पोर्टफोलियो निर्माण हेतु उपयोगिता एकं विनियोगविधिः अस्ति, यत् अपेक्षितं प्रतिफलं प्रति न अवलम्ब्यते, अतः जोखिम व्यवस्थापनम् रणनीतियुक्तिः केन्द्रस्थाने वर्तते । २००८ तमे वर्षे विश्वव्यापी वित्तीयसंकटात् अनन्तरं जोखिमसमानतायाः निवेशस्य लोकप्रियरूपेण उपयोगः अभवत् । तथापि जोखिमसमानतायाः अपि आलोचना कृतम् अस्ति यतः अस्य केन्द्रं जोखिमसङ्केन्द्रस्य व्यवस्थापनम् अस्ति, पोर्टफोलिओ प्रदर्शनस्य तु, अतः सक्रियप्रबन्धनस्य तु निष्क्रियप्रबन्धनस्य समीपे दृश्यते । अस्मिन् लेखे, वयं दर्शयिष्यामः यत् जोखिम-समता-परिमाण-परिमाण-परिमाणानां पोर्टफोलिओषु अपेक्षित-परिणामानां अनुमानं कथं प्रवर्तयितुं शक्यते । अस्मिन् कृते, वयं सामान्यीकृतं जोखिमं मापयाम यत् पोर्टफोलिओः प्रतिफलं च अस्थिरता च विचारयति । तथापि, निष्पादनस्य च अस्थिरतायाः योगदानस्य मध्य व्यापार-विक्रय-सम्बन्धः किञ्चित् कठिनाईं जनयति, तथा जोखिम-बजट-निर्माणस्य समस्या स्पष्टतया परिभाषितः भवितुम् अर्हति । अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये प्रथमतः दीर्घकालं निवेशनीयं नीतिः, सामरिकः सम्पत्तिसम्बन्धी विनियोगः च विचार्यते । अस्मिन् विषये, भवता अपि विचारः करणीयः अस्ति, यत् भवता भवता किमर्थं धनम् अपेक्षितम् अस्ति, यत् भवता अपेक्षितं प्रतिफलं दातुं शक्नोति। |
006df3db364f2a6d7cc23f46d22cc63081dd70db | तदर्थकसंजालः विद्यमानस्य अवसंरचनायाः अथवा केन्द्रिकप्रशासनाय विना अस्थायीसंजालस्य निर्माणं कुर्वन्ति। एतादृशपरिस्थितौ, एकस्य मोबाइल होस्टस्य कृते अन्यस्य होस्टस्य साहाय्यं प्राप्तुं आवश्यकता भवति यत् सः पकेटं गन्तव्यस्थानं प्रति प्रेषयतु, यतः प्रत्येकस्य मोबाइल होस्टस्य वायरलेस प्रसारणस्य सीमा सीमितम् अस्ति । अस्मिन् लेखे एडहोक-जालानां मार्गनिर्देशस्य कृते एकं प्रोटोकॉलम् प्रस्तूयते, यत् गतिशील-स्रोत-मार्गनिर्देशं प्रयुज्यते । यदा होस्ट्-परिवर्तनं बहुधा भवति तदा प्रोटोकल्-परिवर्तनं शीघ्रं स्वीकरोति, तथापि होस्ट्-परिवर्तनं क्वचित् कमं भवति यावत् अवधौ अतिभारः न भवति। तदर्थकसंजालस्य अन्तर्गतं कार्यरतानां मोबाइल-होस्टानां पैकेट-स्तरस्य अनुकरणस्य परिणामानुसारं, एतस्य प्रोटोकल्-प्रणाली विविध-प्रकृति-परिस्थितिसम्बन्धे यथा होस्ट-घनता तथा आवागमन-दरः, उत्तमं कार्यं करोति । सर्वेषु अपि अतिशयेन उच्चतरतर गतिः अनुकरितः, प्रोटोकल्-अभ्युपगमः अत्यन्तं न्यूनः अस्ति, २४ मोबाइल-होस्टानां नेटवर्क-मध्ये मध्यम गतिः प्रसारितः कुल-डाटा-पकेटानां केवलम् १% एव भवति । सर्वेषु प्रकरणेषु, प्रयुक्तानां मार्गानां च इष्टतममार्गानां मध्ये दीर्घतायाः अन्तरं नगण्यम् अस्ति, बहुधा प्रकरणेषु मार्गानां दीर्घता इष्टतममार्गात् 1.01 गुणाधिकतया अवस्थिते अस्ति । |
25a26b86f4a2ebca2b154effbaf894aef690c03c | अद्यकालतः पर्यवेक्षितशिक्षणविधिषु लक्षणीयं रुचिः अभवत्, ये पाठशिक्षणकार्यक्रमेषु लेबलयुक्तं तथा लेबलरहितं डाटाम् एकं कुर्वन्ति। सह-प्रशिक्षण-संरचना [1] तथ्याङ्क-सङ्ग्रहोः कृते प्रयुज्यते, येषां लक्षणानां स्वाभाविकं पृथक्करणं द्वयोः असङ्गत-सङ्ग्रहोः मध्ये भवति । अस्मिन् विषये अस्मिन् लेखे, अस्मिन् विषये आचार्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये, "अध्यायः" इत्यस्य विषये। यदा नैसर्गिकं विभाजनं न भवति, तदा सह-प्रशिक्षण-अल्गोरिथमः, यैः विशेषणविभाजनं निर्मितम्, विभक्तिं न प्रयुक्ताः एल्गोरिथमानां प्रदर्शनं विहायं कर्तुं शक्नोति । एते परिणामः स्पष्टीकरणं ददाति यत् सह-प्रशिक्षण-अल्गोरिथमः प्रकृतिः भेदभावपूर्णः अस्ति, एवं तेषां अन्तर्निहित-वर्गीकरणानां अनुमानानां प्रति दृढः अपि अस्ति। |
78beead3a05f7e8f2dc812298f813c5bacdc3061 | |
1d6889c44e11141cc82ef28bba1afe07f3c0a2b4 | गतवर्षेषु वस्तु-इन्टरनेटः (इण्टरनेट ऑफ थिंग्स - IoT) व्यापकरूपेण प्रयुज्यते, एवं प्रत्येकं क्षेत्रेषु अपि उपलभ्यते। यन्त्रानां मध्ये सुरक्षितसंचारं कर्तुं IoT इत्यस्य संदर्भे प्रमाणीकरणं तथा अभिगमनियन्त्रणं महत्त्वपूर्णं महत्वपूर्णं च कार्यकारणम् अस्ति । गतिशीलता, गतिशीलता, नेटवर्क टोपोलोजी, कम ऊर्जायुक्त उपकरणानां कम भौतिक सुरक्षा च IoT नेटवर्कस् मध्ये सुरक्षायाः कमजोरीयाः सम्भाव्य स्रोतानि सन्ति । एतस्य उपयोगाः प्रमाणीकरणं तथा अभिगमनियन्त्रणम् प्रतिरोधी च भवति । अस्मिन् प्रकरणे प्रोटोकॉल मूल्याङ्कनं प्रदर्शनविश्लेषणं च युक्तं परिचयप्रमाणन-सक्षमता-आधारितं अभिगमनियन्त्रण-आदर्शं (आईएसीएसी) प्रस्तुतम् अस्ति । मानव-मध्य-प्रहारात्, पुनः-प्रसारणात्, सेवा-अवरोधात् च IoT-संरक्षणार्थं अभिगम-नियन्त्रणस्य क्षमतायाः अवधारणा आरब्धः अस्ति । अस्य नूतनीकरणस्य कारणं यत्, सः IoT उपकरणानां प्रमाणनस्य तथा अभिगमनियन्त्रणस्य एकात्मदृष्टिः प्रदत्तवान् अस्ति। अस्मिन् विषये अन्यैः अध्ययनैः प्राप्तानि फलाः अपि अस्मिन् विषये अस्मिन् निष्कर्षे समर्थनं ददाति। अन्ततः प्रस्तावितप्रोटोकॉलस्य मूल्यांकनं सुरक्षाप्रोटोकॉल सत्यापनसामग्रीप्रयोगेण कृतम् अस्ति, सत्यापनपरिणामाणां परिणामतः पूर्वोक्तप्रहारानां विरुद्धं IACAC सुरक्षितं वर्तते इति प्रदर्शिता। एतस्मिन् लेखे कम्प्युटरेशनल-समये प्रोटोकॉलस्य कार्यसम्पादन-विश्लेषणं अन्यत्र जर्नल ऑफ साइबर सिक्युरिटी एंड मोबिलिटी, वॉल्यूम. १,३०९-३४८ c © 2013 नदी प्रकाशकः सर्वाधिकारः सुरक्षितः। 310 पी.एन. महले इतरेषां। विद्यमानानि समाधानानि। एतदपि, इयं पत्रिका IoT-संस्थानां च समस्यां विषये लिखति, तथा सुरक्षा-आक्रमणं IoT-संस्थानां वास्तविकं दृश्यं दातुं उपयोग-प्रकरणेन सह मॉडेलीकृतम् अस्ति। |
310b72fbc3d384ca88ca994b33476b8a2be2e27f | अस्मिन् लेखे भावनाविश्लेषणम् (Sentiment Analyzer) इत्यस्य प्रयोगः कृतः, येन आन्लाइन-पाठ्यग्रन्थेभ्यः विषये भावना (वा राय) प्राप्तुं शक्यते। विषयस्य विषये सम्पूर्णस्य दस्तावेजस्य भावनायाः वर्गीकरणस्य स्थाने, SA-यन्त्रः प्रदत्तविषयस्य सर्वान् संदर्भान् अवलोकयति, तथा च प्रकृतभाषाप्रक्रिया (NLP) तन्त्रस्य उपयोगेन प्रत्येकं संदर्भस्य भावनां निर्धारयति । अस्मिन् भावनाविश्लेषणम् 1) विषये विशिष्टं विशेषणम्, 2) भावनाविश्लेषणम्, 3) सम्बन्धविश्लेषणद्वारा (विषयः, भावना) सम्बन्धः च समावेशितः अस्ति । एसए-संस्थाने विश्लेषणार्थं द्विविधं भाषिकं साधनं उपयुज्यते - भावनाशब्दावली तथा भावनाप्रकरणसूची। अनलाईन-उत्पाद-समीक्षा-लेखानां (डिजिटल-कैमरा-संगीत-समीक्षा) तथा सामान्य-वेब-पृष्ठानां समाचार-लेखानां च समावेशेन सामान्य-वस्तूनां प्रयोगेन एल्गोरिदमस्य कार्यप्रदर्शनं प्रमाणीकृतम् । |
59d9160780bf3eac8c621983a36ff332a3497219 | स्वयमेव भावनाविश्लेषणस्य बहुषु प्रवृत्तौ शब्दानां विशालः शब्दकोशः प्रारम्भ्यते, यानि तेषां पूर्वं ध्रुवत्वेन (अथवा अर्थविषयक अभिमुखता) चिह्नितानि सन्ति । तथापि, शब्दस्य विशेषः उदाहरणः प्रतीयते, तस्मिन् वाक्यांशस्य प्रासंगिकः ध्रुवत्वम् शब्दस्य पूर्वं ध्रुवत्वात् पूर्णतया भिन्नः भवितुम् अर्हति । सकारात्मकशब्दः नकारात्मकभावनायाः अभिव्यक्तिषु वा विपरीतरूपेण प्रयुक्तः भवति। अपि च, प्रायः शब्दः, यानि सकारात्मकं वा नकारात्मकं वा असम्बन्धेन निर्गताः सन्ति, असम्बन्धेषु तटस्थानि भवन्ति, यानि अर्थानि ये भावनायाः अभिव्यक्तुं अपि न प्रयुज्यते। अस्य कार्यस्य लक्ष्यम् अस्ति पूर्वकालिक-सम्बद्ध-ध्रुव-प्रवृत्तिः स्वयमेव विभक्तं कर्तुम्, अतः इदम् कार्यम् कर्तुम् कानि विशेषताः महत् सन्ति इति ज्ञापयितुं ध्यानं केन्द्रितम् अस्ति । अत्र विषयेषु महत्त्वपूर्णं पक्षं अस्ति यत्, यदा ध्रुवशब्दः तटस्थसंबन्धेषु प्रयुक्तः भवति तदा तस्य परिचयः भवति। अतः तटस्थ-ध्रुव-उपकरणेषु भेदः कर्तुं, ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रुव-ध्रु अस्य मूल्याङ्कनं बहुविधं यन्त्रशिक्षण-अल्गोरिथमं प्रति विशेषणानां कार्यसम्पादनस्य मूल्याङ्कनं करोति । एकं बाधकं सर्वम् अभ्यासेन युक्तम्, सर्वस्य लक्षणस्य संयोजनं सर्वोत्तमं प्रदर्शनं ददाति । अन्येषु विषयेषु, निक्षेपप्रसङ्गः सकारात्मक-नकारात्मक-ध्रुव-भेदस्य लक्षणानां प्रदर्शनं कथं प्रभावितं करोति इति विचार्यते। एते प्रयोगाः दर्शयन्ति यत् तटस्थप्रकरणाणाणाः उपस्थिती एव एतेषां लक्षणानां प्रदर्शनं निम्नायते, तथा च सर्वध्रुवीयतावर्गानां प्रदर्शनं वर्धयितुं सर्वोत्तमः मार्गः तन्त्रस्य क्षमतां वर्धयितुम् अस्ति यत् यदा एकं उदाहरणं तटस्थम् भवति तदा तत् परिचयं कर्तुं शक्नोति । |
7c89cbf5d860819c9b5e5217d079dc8aafcba336 | अस्मिन् लेखे, वयं वाक्य-स्तर-वर्गीकरणस्य एकं प्रकरण-अध्ययनं वर्णयामि यत्र चारिणः न्यायाधीशाः वॉल स्ट्रीट जर्नल-पत्रिकायाः अनुच्छेदान् विषयी वा वस्तुनिष्ठ इति वर्गीकृत्य ट्यागिङ्ग-निर्देशान् विकसितवन्तः, उपयुज्यन्ते च। चतुर्भिः न्यायाधीशाः परस्परं सहमतीं कुर्वन्ति इति विश्लेषणं कृत्वा, प्रत्येकं खंडं एकं अन्तिमं वर्गीकरणं करोति। वर्गीकरणानां अनुभवात्मकं समर्थनं कर्तुं, क्विर्क इतराणां द्वारा व्यक्तं व्यक्तिगतं वर्गं तथा मूलभूतं अर्थशास्त्रीयं वर्गं च डाटामध्ये सहसंबन्धं मूल्याङ्कितम् अस्ति । (१९८५) |
9141d85998eadb1bca5cca027ae07670cfafb015 | भावनायाः (मतानां अनुभूतिपूर्णानां भागानां) परिचयः एकं चुनौतीपूर्णं समस्या वर्तते । अस्मिन् प्रणालीयां विषये जनानां मतं, तेषां भावनां च स्वयमेव ज्ञातुं शक्यते। अत्र शब्दस्य भावनायाः निर्धारणार्थं एकं विभागं, वाक्यस्य अन्तर्गतं भावनायाः संयोजनार्थं च अन्यम् विभागम् अस्ति । अस् माभिः शब्दानां वाक्यानां स्तरयोः भावनायाः वर्गीकरणं संयोजयितुं च विविधं प्रतिमानम् प्रयोगः कृतः, यस् य परिणामः आशाजनकः आसीत् । |
c2ac213982e189e4ad4c7f60608914a489ec9051 | अस्मिन् लेखे, अस्मिन् त्रिवर्षे अरबीभाषायाः ग्रन्थाः विस्तृततया अध्ययनं कृत्वा प्राप्तेषु अनुभवात् एव, अस्मिन् लेखे निम्नलिखितानि विषयाः विवक्षितानि सन्ति: (क) अरबीभाषायाः विषयाः, यानि पद्धतिविकल्पेषु प्रासंगिकानि सन्ति, पुनरावलोकनं करणीयम्। (ख) पेन्न्न् इंग्लिश-ट्रीबैंक-शैलीयाः मार्गदर्शकानिर्देशानां उपयोगे अस्मिन् लेखे स्पष्टीकरणं दातुं, (अयं निर्देशः अरबीभाषया व्याख्याकर्तृणां नवीनं व्याकरणिक-शैलीयाः प्रयोगं कर्तुम् अपेक्षते। (क) मानवविश्लेषणस्य महत्त्वं, स्वयमेव विश्लेषणस्य च कठिनाईः, यथा वर्णनात्मकविश्लेषणकारिणां तथा मानवविश्लेषकारिणां वाक्यात्मकअस्पष्टतायाः व्यवहारः, इत्यनेन दर्शयतु। अरबी वृक्ष-बैंक पद्धतिः, शब्द-विश्लेषण-प्रतीकार-विश्लेषण-प्रतीकार-प्रतीकारयोः एक-विशेष-निर्माण-प्रतीकारयोः केन्द्रितः, एवं तत् सम्पूर्ण-विश्लेषण-प्रक्रियायाः माध्यमात् विस्तृत-रूपेण अनुवर्तते, अन्ततः च (e) अद्यपर्यन्तं यत् प्राप्तम्, तत् तथा यत् कर्त्तव्यम्, तत् समापयति। |
e33a3487f9b656631159186db4b2aebaed230b36 | अद्यतः डिजिटल-प्लटफर्म-संस्थाः प्रायः सर्वेषु उद्योगेषु परिवर्तनं कुर्वन्ति, अतः तेषु सूचनाप्रणालीनां (आईएस) साहित्यस्य मुख्यधारायां अपि धीरे-धीरे प्रवेशः भवति । डिजिटल-प्लटफर्म-संस्थाः, बाजार-संस्थाः, प्रौद्योगिकी-संस्थाः च परस्पर-अन्तर्विन्ध्यं कृत्वा, तेषां वितरित-प्रकृतिः, तेषां विषये अनुसंधानम् कर्तुम् आव्हानं ददाति। नव-अनुसन्धानस्य च् चुनौतीः प्लेटफर्मस्य नवोन्मेषस्य वृद्धिः, प्लेटफर्मस्य आर्किटेक्चरस्य जटिलता, अनेकानि उद्योगानाम् डिजिटल प्लेटफर्मस्य प्रसारः च् उद्भवन्ति । अस्मिन् लेखे IS-क्षेत्रे डिजिटल-प्लटफर्म-अनुसन्धानस्य कृते एकं शोधकार्यसूचीं निर्मितम् अस्ति । अस्मिन् विषये शोधकर्तॄणां कृते अनुशंसाः अस्ति यत् ते (1) विश्लेषणस्य एकादेशं, डिजिटलतायाः स्तरं, डिजिटलप्लटफर्मस् य सामाजिक-तकनीकीकृतं स्वरूपं च निर्दिष्टं स्पष्टं परिभाषां ददाति, (1) अवधारणात्मकं स्पष्टं करणीयम्; (2) विभिन्नं वास्तुशास्त्रीयं स्तरं, विभिन्नं उद्योग-सम्बन्धिं च अध्ययनं कृत्वा डिजिटलप्लटफर्म-कल्पनायाः उचितं व्याप्तिकरणं निर्दिशति; (3) अन्तर्निहितं प्रकरण-अध्ययनं, अनुदैर्ध्य-अध्ययनं, रचना-अनुसन्धानं, डाटा-आधारित-मॉडेलिङ्गं, दृश्य-प्रकरण-प्रणालीं च उपयोजित्वा पद्धतिशास्त्रीयं कठोरतायाः उन्नयनं कुर्वन्ति। वर्तमानेषु व्यवसायेषु यत् विकासं भवति, तत् विचार्य वयं अधोलिखितानां षट् प्रश्नां अन्वेषणं कर्तुम् सुचिरं कुर्मः (1) किमर्थं प्लॅटफर्मः अत्र तिष्ठति? ; (2) प्लेटफर्मस्य रचना कीदृशी भवेत् ? ; (3) डिजिटल-प्लटफर्मः उद्योगानां परिवर्तनं कथं करोति? ; (4) डिजिटल प्लेटफर्म अनुसंधान के लिए डेटा आधारित दृष्टिकोण किस प्रकार उपयोगी हो सकता है? ; (5) शोधकाः डिजिटल-प्लटफर्मानां कृते सिद्धान्तं कथं विकासयितुं शक्नुवन्ति? ; च (६) डिजिटल-प्लटफर्मस् य दैनिक-जीवनं किं प्रभावितं भवति? |
1be8cab8701586e751d6ed6d186ca0b6f58a54e7 | प्रणालीविशेषणस्य उपयोगिता भागतः आवश्यकतायाः पूर्णतायाः निर्भरते । तथापि, सर्वस्य आवश्यकस्य आवश्यकतायाः सूचीकरणं कठिनम् अस्ति, विशेषतया यदा आवश्यकतायाः अप्रत्याशितपरिवेशस्य सह अन्तर्क्रिया भवति। आदर्शपर्यावरणदृष्ट्या निर्मितं विशिष्टं निर्दिष्टं यदि न आदर्शपर्यावरणव्यवहारस्य निवारणार्थं आवश्यकतां न गृह्णाति तर्हि अपूर्णं भवति । अपूर्णानि आवश्यकताः प्रायः कार्यान्वयनं, परीक्षणं, अथवा अधिकतरं, तैनातीनाम् अनन्तरं एव अवलोक्यन्ते । आवश्यकताविश्लेषणकाले अपि अपूर्णानां आवश्यकताणां परिचयः त्रुटीप्रवणः, कष्टकरः, तथा हस्तकार्यम् अस्ति । अस्मिन् लेखे एरेस् नामकः डिझाईन-टाइम पद्धतिः प्रवर्तते, येन अधूरे आवश्यकतायाः विघटनं अनुज्ञापयितुं, पदानुक्रमित आवश्यकतायाः प्रतिमानानां प्रतीकात्मकविश्लेषणं क्रियते। अस्मिन् विषये अस्मिन् लेखे, उद्योगे प्रयुक्ताः वाहनानां अनुकूलनशील-क्रूझ-नियन्त्रण-प्रणालीः आवश्यकता-आदर्शनात् अस्मिन् विषये अस्मिन् विषये आरेस्-प्रकरणस्य प्रयोगः क्रियते । आरेस्-प्रणालीः स्वयमेव विशिष्टाः अपूर्ण-प्रयोजन-विघटन-प्रकरणेषु डिझाइन-कालतः अवलोकयितुं समर्थः अस्ति, यानि बहवः सूक्ष्म-प्रमाणानि सन्ति, तथा च हस्त-प्रयोजन-प्रयोजन-प्रयोजन-प्रयोजनैः वा अवलोकयितुं कठिनाः भवन्ति । |
155ed7834a8a44a195b80719985a8b4ca11e6fdc | बहु-प्रवेश-बहु-उत्पादन (MIMO) रडारः पारम्परिक-चरण-सरणी रडार-प्रणालीषु तरंग-रूप-विविधतायाः माध्यमात् श्रेष्ठं प्रदर्शनं प्राप्तुं शक्नोति । यदा MIMO रडारः orthogonal waveforms प्रसारयति, तदा scatterers-भ्यः प्रतिबिम्बितानि सिग्नलानि परस्परं रेखात्मकरूपेण स्वतन्त्रानि भवन्ति । अतः अनुकूलाः प्राप्तिः फिल्टर्-उपकरणानि यथा कैपोन, एम्प्ल्युड-अण्ड-फेज-एस्मेटिश् (एपीईएस) फिल्टर्-उपकरणानि, मिमो रडार-अनुप्रयोगेषु प्रत्यक्षं प्रयुक्तुं शक्यते । तथापि उच्चस्तरीय-ध्वनिः, अति-अव्यवस्थितः च डाटा-निर्भर-बीम-फार्मरानां अवलोकन-प्रदर्शनं लक्षणीयतया दूषितं करोति, यतोहि तस्बिर-अवलोकनानां अभावः भवति । इटरेटिव् एडाप्टिव् ए एप्रोच (IAA), नन्-पारामेट्रिक् एवं यूजर-पारामेटर-फ्री वेटेड लेट् स्क्वायरस् एल्गोरिथ्म्, अनेकेषु निष्क्रिय-सक्रिय-संवेदन-प्रयोगेषु सुधृता रिजोलुशन-अन्तर्घात-प्रतिषेध-प्रदर्शनं ददाति इति ननु दर्शितम् । अस्मिन् लेखे, वयं प्रदर्शयिष्यामः यत् IAA-प्रत्ययः MIMO रडार-चित्रणार्थं अपि विस्ताराय शक्यते, नानार्थक-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अन्वय-अ एतदतिरिक्तं, वयं एकं नियमनं IAA-अल्गोरिथमं प्रस्तौम, यं IAA-R इति कथ्यते, यं IAA-अल्गोरिथमं IAA-अल्गोरिथमं प्रति, यं सिग्नलमॉडेलमध्ये अप्रतिपादितम् अतिरिक्त-ध्वनि-शब्दानां लेखाभावेन IAA-अल्गोरिथमात् अधिकं प्रदर्शनं कर्तुं शक्नोति । एक-प्रवेश-बहु-प्रस्थान-रडार- (सिमो) रडार-परिमित-प्रदर्शनं दर्शयितुं संख्यात्मक-उदाहरणानि प्रस्तुतानि, तथा लक्ष्य-प्रतिबिम्बणार्थं प्रस्तावित-आया-आर-विधिना प्राप्तं वर्धितं प्रदर्शनं च प्रकाशयन्ति । |
0cfe588996f1bc319f87c6f75160d1cf1542d9a9 | |
20efcba63a0d9f12251a5e5dda745ac75a6a84a9 | |
ccaab0cee02fe1e5ffde33b79274b66aedeccc65 | यातायातस्य भविष्यत्कल्पेन स्व-ड्राइव् यकारः सामाजिकः, आर्थिकः, अभियान्त्रिकः, कम्प्युटरविज्ञानः, रचना, नैतिकता च विविधदृष्टिषु चर्चां कुर्वन्ति। एकपक्षे स्व-ड्राइव् य् कार् यं नन् वेन अभियान्त्रिक-प्रश् नानि प्रदत्तानि, यानि क्रमेण सफलतापूर्वकं हलानि जातानि। अन्येषां च सामाजिक-नैतिक-समस्याणां विषये निर्णय-निर्माणस्य विषये असम्भवं आदर्श-समस्यां, तथाकथित-ट्रॉली-समस्यां च प्रस्तौति, यया एव असम्भवं निर्णय-निर्माणं न भवति। अस्मिन् विषये अस्मिन् लेखे वचनात्, ननु प्रविधिनाम् विकासार्थं अभियान्त्रिक-नैतिक-दृष्टिः अपेक्षितः अस्ति। स्वयमेव वाहनं संचालितुं शक्यानां कारणां नियमनं कर्त्तुं साफ्टवेयरः महत्त्वपूर्णः अस्ति, अतः साफ्टवेयर-इञ्जिनियरिङ्-समाधानं नैतिक-सामाजिक-सम्बन्धि विचारानां गम्भीरतायाः सह सम्बद्धं भवेत् । अस्मिन् लेखे, वयं नियामक-उपकरणानि, मानके, रचना, तथा अवयवानां, प्रणालीनां, सेवाणां च कार्यान्वयनानि समीचीनतया अवलोकयिष्यामः, तथा च साम्प्रदायिक-नैतिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूहिक-सामूह-सामूह-सामूह-सामूह-सामूह-सामूह-सामूह-सामूह-सामूह- |
288c67457f09c0c30cadd7439040114e9c377bc3 | अग्रवालः, इमिलेन्स्की, स्वामि च एसोसिएशन नियमः प्रवर्तयन्ति, यदि रस् यम् W-सङ्ख्यायाः स्तम्भानां मध्ये 1 इत्यस्य मूल्यम् अस्ति, तदा B-स्तम्भस्य अपि 1 इत्यस्य मूल्यम् अस्ति, यदि रस् यम् W-सङ्ख्यायाः 90% पंक्तयः सन्ति, तर्हि इत्यस्य नियमः भवति । बृहत्-सङ्ग्रहाणां डाटाः सङ्घटन-नियमानां अन्वेषणार्थं कुशल-विधिः विद्यमानः अस्ति । तथापि, अदृशानां नियमानां संख्या इत्येतदधिकं भवति यत् नियमसमुच्चयं विहर्तुं, रोचकं नियमं च लभितुं प्रयोक्त्राणां कृते कठिना भवति । अस्मिन् लेखे, नियमस्य साध्याः स्वरूपवादः सुलभतया रोचकं नियमस्य संरचनायाः वर्णनम् कर्तुम् कियत् साध्यं करोति इति प्रदर्शयति स्म । नियमानां दृश्यकरणस्य च उदाहरणानि दातुं, नियमस्य टेम्प्लेटानां सह दृश्यकरणस्य साधनस्य अन्तर्भागाः कथं भवन्तीति च प्रदर्शयति। |
384bb3944abe9441dcd2cede5e7cd7353e9ee5f7 | |
47f0f6a2fd518932734cc90936292775cc95aa5d | |
b336f946d34cb427452517f503ada4bbe0181d3c | विडियोः समवेदनायाः अद्यतनप्रगतिं प्राप्तवान्, वर्षैः कालान्तरे कार्यस्य स्थानिकीकरणस्य सुधारेण च निरंतरं गतिः अभवत्, तथापि अद्यापि न ज्ञातम् अस्ति यत् कति दूरम् (वा समीपम्) अस्ति? अस्मिन् विषये समस्यायाः समाधानं करणीयम्। अस्मिन् प्रयोजनम्, वयं नवीनं निदानसाधनं विदित्वा विडियो-प्रदर्शनस्य समयावधि-क्रिया-संवेदकेषु विश्लेषणं कृत्वा एकस्य स्केलर-मेट्रिकस्य परे विभिन्निषु पद्धतिषु तुलनां कुर्मः। अस्मिन् उपकरणस्य उपयोगस्य उदाहरणं क्रियते यत् अद्यतनं एक्टिविटीनेट-कार्यस्य स्थानिकीकरणस्य च्लेन्जस्य शीर्षस्थानां पुरस्कृतानां प्रविष्टानां प्रदर्शनस्य विश्लेषणं क्रियते। अस्मिन् विश्लेषणात् प्रतीयते यत् कार्यकर्तृकानां कृते सर्वाधिकप्रभावः अस्ति - उदाहरणानां समये सम्यक् परिचयं कर्तुम्, वर्धनाय च। उदाहरणस्य निरपेक्षः सापेक्षः आकारः, तथा स्थानिकरणत्रुटिं कमयितुं युक्त्या। अस्मिन् विषये प्रयोगात्मकविश्लेषणात् एव सिद्धम् अभवत् यत् एनोटेटरस् य परस्परं असहमतिः क्षेत्रे प्रगतिः कर्तुम् महत् बाधा न भवति । अस्मिन् निदानसामग्रीयाः सर्वसाधारणैः उपलभ्यते यत् अन्वेषकाः अपि तेषां एल्गोरिदमस्य विषये अन्वेषणं कुर्वन् तु। |
160404fb0d05a1a2efa593c448fcb8796c24b873 | प्रतिपादनाय अनुकरणसिद्धान्तः एव विकसितः एवं अन्वेषितः अस्ति यत् एकं रूपकं यत् मस्तिष्कस्य विविधाः प्रतिपादकीयकार्यक्रियाः संश्लेषितुं शक्नोति । अस्य रूपमण्डलस्य आधारः नियंत्रणसिद्धान्तः (फॉरवर्ड मॉडल) तथा सिग्नलप्रक्रिया (कलमन फिल्टर्स) इत्यस्य रचनाः सन्ति । शरीरस्य च पर्यावरणस्य च सह सह क्रियाम् कर्तुम् अपि च, मस्तिष्कः न्युरोन् सर्किटानि निर्माति, ये शरीरस्य च पर्यावरणस्य च प्रतिरूपं कुर्वन्ति। इन्द्रियाणां प्रतिबिम्बानां प्रयोगः शरीरस्य च पर्यावरणस्य समानांतरम् भवति, इन्द्रियाणां प्रतिबिम्बानां प्रत्याशां प्रदत्तुं, इन्द्रियाणां सूचनां वर्धयितुं च। इमे रूपाणि चित्रणार्थं, विभिन्नक्रियाणां परिणामाणां अनुमानार्थं, तथा च मोटर योजनाणां मूल्यांकनं तथा विकासार्थं अपि अन-लाइनरूपेण च चलितुं शक्नुवन्ति । प्रारम्भे एव शरीरस्य समानांतरं कार्यम् कुर्वन् आन्तरिक-मॉडलानि प्रतिपाद्यन्ते, येन प्रतिपाद्य-विलम्बस्य समस्यायाः प्रभावः न्यूनः भवति इति मोटोरि-नियन्त्रणस्य विषये सिद्धम् अभवत् । इमे यन्त्रं मोटर् इमेजिन्स् इत्यस्य कारणं भवति, यथा इमुलेटरस्य ऑफलाइन ड्राइव् इति इफेरन्स् कापीयाम्। तन्त्रस्य विस्तारः दृश्य-चित्रणस्य मोटो-विजुअल लूपस्य एमुलेटरस्य ऑफलाइन ड्राइविंग् इत्यनेन भवति । अहं अपि दर्शयिष्यामि कीदृशाः प्रणालीः अमोदलकृतायाः स्थानिकचित्रणस्य साधनानि कर्तुं शक्नुवन्ति। दृश्यदृष्टिः च अपि अन्तर्भवति, यतो हि इदृशानि प्रतिमानानि इन्द्रियप्रवेशस्य अपेक्षां निर्मातुं, एवं व्याख्याय च उपयुज्यते । अहं संक्षेपतः अन्यः संज्ञानात्मकः कार्यः निर्दिश्य समापयामि, यानि अपि एतस्मिन् फ्रेमवर्कस् मध्ये संश्लेषितुं शक्यते, तर्कः, मनः घटनायाः सिद्धान्तः, भाषा च। |
65c85498be307ee940976db668dae4546943a4c8 | |
761f2288b1b0cea385b0b9a89bb068593d94d6bd | थ्रीडी-मुख-विज्ञानाय उद्योगे तथा विद्यालये च अनुसंधानस्य प्रवृत्तिः अभवत् । अस्य प्रकृतौ 2D चेह्नोपलब्धिः, यथा प्राकृतप्रक्रियायाः च बहुविधप्रयोजकत्वम् । एतदपि, 3D चेह् य-पदानि मानव-मुखं निम्ना प्रकाश-स्थाने अपि, भिन्न-भिन्न चेह् य-स्थिति-प्रकरणे च अच्युतं विज्ञातुं शक् नुयुः, अतः 2D चेह् य-पदानि कार्यम् कर्तुम् अतीव कठिणानि भवन् ति। अस्मिन् लेखे त्रि-आयामिक-अभिज्ञानस्य अनुसंधानक्षेत्रे इतिहासस्य तथा नवीनतमस्य प्रगतिः संक्षेपतः उल्लिखितम् अस्ति । सीमायाः अनुसंधानपरिणामः त्रयाणां श्रेणयः - पद-अपरिवर्तनीय-पदं, अभिव्यक्ति-अपरिवर्तनीय-पदं, आवरण-अपरिवर्तनीय-पदं च। भविष्यात् अनुसंधानं प्रवर्धयितुं, अयं लेखः सार्वजनिकरूपेण उपलब्धानां त्रिआयामिक-मुख-सूचना-संरचना-संरचनाणां विषये सूचनां सङ्कलनं करोति । अस्मिन् लेखे महत्वपूर्णानि समस्याः अपि सूचीबद्धानि सन्ति। |
2d2b1f9446e9b4cdb46327cda32a8d9621944e29 | सामाजिकजालस्थलेषु सहभागितायाः संख्या गतवर्षौ नाटकीयरूपेण वर्धते। मित्रं, जनजातिः, वा फेसबुकः इत्यादयः सेवाः कोटिसहस्राणि जनाः अनलाईन-प्रोफाइलानि निर्मितुं, मित्रानां विशालजालानां सह व्यक्तिगत-सूचनां शेयरिणुं, बहुधा अनभिज्ञानां सह अपि, अनुमतीं ददाति। अस्मिन् लेखे अस्मिन् विषये अध्ययनं कृतम् अस्ति यत् अनलाईन-सामाजिक-जालानां सूचनायाः प्रकटीकरणं, तेषां गोपनीयता-प्रभावः च किम् भवति । वयं ४०००-अधिकानां कार्नेगी मेलन विश्वविद्यालयस्य छात्राणां अनलाईनव्यवहारस्य विश्लेषणं कृतवन्तः, ये महाविद्यालयेषु प्रयुक्तेषु सामाजिकजालस्थलेषु सम्मिलिताः आसन् । वयं तेषां सूचनायाः मात्रायाः मूल्यांकनं कुर्मः, तेषां वेबसाइटस्य गोपनीयता-संरचनायाः उपयोगं च अध्ययनं कुर्मः। अस्मिन् लेखे, निजस्य जीवनस्य विविधविषयेषु सम्भाव्यम् आक्रमणम् प्रकाशयन्, प्रयोक्तॄणां अल्पसंख्याके एव निजस्य जीवनस्य प्राधान्यं परिवर्तयन्ति इति दर्शयति। |
e9c525679fed4dad85699d09b5ce1ccaffe8f11d | |
192687300b76bca25d06744b6586f2826c722645 | अस्मिन् लेखे गहनगौसीयप्रक्रियायाः (जीपी) मोडलानि प्रस्तूयन्ते । गहन-वैद्यः गहन-विश्वासाः जालः अस्ति, गौसिअन-प्रक्रियायाः मानचित्रणम् अधः अस्ति । डाटाः बहुविकल्पेन GP-आउटपुटरूपेण निर्मिताः सन्ति । तत्प्रक्रमेण गॉसियन्-प्रक्रियायाः आदानानि अन्ये GP-प्रक्रमेण निर्देशिताः भवन्ति । एक-स्तरस्य प्रतिमानम् GP अथवा GP-LVM इत्यनेन समकक्षम् अस्ति । अस्मिन् मॉडलस् मध्ये अनुमानं परिवर्तनीय मार्जिनलकरणद्वारा क्रियते । अस्मिन् परिणामे, मॉडलस्य सीमाङ्गीयसंभाव्यतायाः कट्टरम् निम्नसीमा भवति, यम् वयं मॉडलस्य चयनार्थं उपयुज्यामः (लेयर्स प्रति लेयर्स च नोड्स संख्या) । गहनविश्वासाः नेटवर्कः सामान्यतः अपेक्षाकृतं विशालं डाटा सेटम् उपयुज्यन्ते, यथा यथा उत्तमम् कर्तुम् स्टोकास्टिक ग्रेडियन्ट् डिसेंटः उपयुज्यते। अस्मिन् पूर्णतया बेयसीयनप्रकरणे यदा अपि डाटाः न्यूनानि भवन्ति तदा अपि गहनमॉडलानां प्रयोगं कर्तुं शक्यते। अस्मिन् परिवर्तनशील-बाध्य-प्रकरणेन प्रतिमान-निर्वाचनं दर्शयति यत् पञ्च-स्तर-क्रम-व्यवस्थायाः न्याय्यम् अस्ति, यदा केवलं १५० उदाहरणेन युक्तं एकं अङ्केषु डाटा-सङ्ख्या-समूहं प्रतिमान-निर्माणं क्रियते तदा अपि । |
2cac0942a692c3dbb46bcf826d71d202ab0f2e02 | अस्मिन् गहनगौसीयप्रक्रियायाः अनुज्ञाकरणमण्डलद्वारा वृद्धिं कृत्वा स्केलेबलम् गहनगौसीय-प्रकृतिः निर्मितम् । ननु स्केलेबल-विवर्तन-संरचनायां निश्चेष्टं क्रियते यत्र बहु-स्तर-प्रतिक्रियायाः माध्यमात् विवर्तन-पश्चिम-विवर्तनानि पुनः-सङ्केताः भवन्ति । अस्य पुनः सूत्रणस्य प्रमुखं पक्षम् अस्ति यत्, सः भिन्नतासूत्रेषु प्रवर्तनं निवारयति, यानि अन्यथा नमूना आकारस्य अनुपाते रेखात्मकरूपेण वर्धन्ते । अस्मिन् सूत्रे, भिन्नतायाः निम्नसीमायाः नन्वेवं सूत्रं निर्दिश्यते, यस् य कारणात् अस् माकं बहुसंख्यकगणनानि, सामान्यज्ञानस्य गहनशिक्षणकार्यस्य आकाराः डाटासेटस् य व्यवहारं कर्तुं शक् नोति। अस्मिन् पद्धतिः प्रभावकारिता विविधप्रश्नेषु प्रतीयते, यथा गहनः अप्रबन्धितः शिक्षणम्, गहनः बेयसीयन-अनुकूलनम् च। |
722fcc35def20cfcca3ada76c8dd7a585d6de386 | कैफेन मल्टीमीडिया वैज्ञानिकानां तथा अभ्यासिनः प्राविधिक-अधुनिक-अल्प-अधुनिक-अल्गोरिथमानां कृते स्वच्छं परिवर्तनीयञ्च रूपं तथा संदर्भ-आदर्शानां संग्रहं च प्रदत्तम् अस्ति । फ्रेमवर्कः बीएसडी-अनुज्ञाप्राप्तः सी++ पुस्तकालयः, येन पायथन्-म्याटलाब-संबद्धानि प्रशिक्षणानि च कर्तुं शक्यते। काफ्फेन उद्योगस्य च इन्टरनेट-स्तरस्य मेडिया-अवश्यकतायां CUDA GPU गणनाद्वारा पूरयति, एकस्मिन् K40 अथवा Titan GPU (प्रति चित्रम् लगभगम् 2 ms) प्रति दिनम् 40 मिलियनानि प्रतिमाणि प्रोसेस् करोति । कैफेन वास्तविकं कार्यान्वयनं प्रति प्रतिरूपं पृथक् कृत्वा प्रयोगं तथा प्लॅटफर्मानां मध्ये सहजं स्विचिंगं कर्तुं, विकासस्य सुलभतायाः कृते, तथा प्रोटोटाइप् मशीन्स् तः क्लाउड् वातावरणं प्रति तैनातीं कर्तुं अनुमतिं ददाति । कैफेनः बर्कले विजन एण्ड लर्निङ्ग सेन्टर (BVLC) -द्वारा GitHub-स्थाने सक्रियसमुदायस्य सहयोगेन प्रवर्त्तते। अयं विद्युत्-संयोजनं वर्तमान-अनुसन्धान-प्रकल्पानां, बृहत्-आधारस्य औद्योगिक-अनुप्रयोगानां, तथा च विजन-भाषण-मल्टीमीडिया-क्षेत्रेषु स्टार्ट-अप-प्रोटोटाइपानां समर्थनं करोति । |
fd50fa6954e1f6f78ca66f43346e7e86b196b137 | नगरस्य वर्धमान-प्रक्रियेण सह, नगरेषु जनानां क्रियाकलापं व्यवस्थितरूपेण प्रतिपादयितुं सामाजिक-आर्थिकदृष्ट्या महत्त्वपूर्णं कार्यम् इति अभिज्ञातम् अस्ति । वर्षैः पूर्वं विश्वस्तस्य डाटास्रोतः अभावात् एतत् कार्यम् लगभगम् अशक्यम् आसीत्, तथापि भौगोलिक-टग्-सहायस्य सामाजिक-माध्यमेन (जीटीएसएम) डाटाः आगमनं तस्मिन् नवीनं प्रकाशं ददाति। जीटीएसएम-संख्येयसूत्राणां उपरि भूगोलविषयकविषयानां शोधनार्थं अद्यतनैः अध्ययनैः फलानि प्राप्तानि। तथापि, तेषां उच्चः गणनाय व्ययश्च तथा प्रबलः वितरणविषयकः अनुमानः तेषां जीटीएसएम-प्रणालीयाः पूर्णतया प्रवर्तनं निवारयति । अस्मिन् विषये, क्रॉसमैप-प्रकरणं प्रस्तुतम्, यस् य उपयोगेण नगरस्य गतिशीलतायाः विषये विशाल-प्रमाण-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहाम क्रॉसमैप-प्रकरणे प्रथमतः लोकानां क्रियाकलापाणां अधःस्थ स्थानीय-कालिक-हटस्पोटाः ज्ञातुं त्वरित-प्रक्रियायाः शोधनविधिः प्रयुक्तः । येषु अवगतासु उष्मस्थानेषु न केवलं स्थानिक-कालिक-भिन्नतायाः विषये विचारः क्रियते, अपितु जीटीएसएम-सूत्राणां विरक्तता अपि महत्प्रमाणं न्यूनं भवति । क्रॉसमैप-प्रणालीः अवगतानां हॉटस्पोट्सानां सह, द्वयोः भिन्न-भिन्नानां रणनीतिकाम् उपयोजित्वा, सर्व-स्थानिक-काल-पाठ-विभागाः एकस्मिन् स्थाने संयुक्तरूपेण अन्तर्निहितं करोति: एकः पुनर्निर्माण-आधारितः, अन्यः ग्राफ-आधारितः च भवति । उभयत्र युनिटानां मध्ये सहसंबन्धः भवति, तेषां सहसंयोगः, समीपस्थः सम्बन्धः च सङ्केतः भवति, तथा एव सहसंबन्धं संरक्षितुं निम्न-आयामिक-प्रतीकानि अपि ज्ञापयति । अस्मिन् प्रयोगे क्रॉसमैप-प्रकरणे न केवलं क्रियाकलापस्य पुनर्प्राप्तेः वर्गीकरणस्य अत्याधुनिकप्रणालीनां अपेक्षायाः अधिकं प्रदर्शनं भवति, अपि च अस्य कार्यक्षमतायाः अपि अधिकं वृद्धिः भवति। |
ce8d99e5b270d15dc09422c08c500c5d86ed3703 | मानवानां चालानां विश्लेषणं एकं अन्तर्निहित चाल-अक्षरं (intrinsic gait signature) प्राप्नोति, यस्मिन् व्यापक-प्रसङ्गे सर्वत्र विद्यमानानां मानव-पहचान-प्रसङ्गेषु च चिकित्सा-विकारानां विषयेषु अन्वेषणं कर्तुं शक्यते । गात्राण्युपगतायां बायोमेट्रिक-प्रणालीयाः अनवधानात्मकं विशेषणम् अस्ति, यया विषये पूर्वं जागरूकतायाः आवश्यकतायाः विना विडियो गात्राण्युपगतायां सूचनायाः अधिकं दूरीं प्राप्तुं शक्यते । अस्मिन् लेखे, क्विन्ट् एक्सबॉक्स यन्त्रेण मानवस्य गमनस्य विश्लेषणस्य अध्ययनार्थं नूतनं तन्त्रं विवक्षितम् अस्ति । अस्मिन् स्वयमेव पार्श्वभूमिकाम् घटादि-प्रकरणं कृत्वा विभक्ति-त्रुटिं न्यूनं कर्तुं शक्नुमः। मानवस्य अस्थिभङ्गस्य प्रतिरूपं पृष्ठभूमिकाम् उपसर्गेण प्राप्तं, सह-परिवर्तनशीलानां स्थितानां, यथा-पाद-गतिपरिवर्तनं, वस्त्र-प्रकारस्य परिवर्तनं च, परिवर्तितम्। वामपार्श्वे, वामपार्श्वे, दक्षिणपार्श्वे, दक्षिणपार्श्वे च स्केलेटनस्य प्रतिमानस्य संयुक्त-कोण-प्रक्षेप-मार्गात् गमन-प्रमाणं प्राप्तम् अस्ति । किनेक् ट् गात्राणि प्रयोगाः प्रमाणिकरणं अस् माकं स्वदेशीय विकासस्य सेन्सर-आधारितं बायोमेट्रिक सूटम्, बुद्धिमान् गात्राणि उत् थलनं अवलोकयन् (आईजीओडी) इति च सह तुलना कृतम् । इयं संवेदकीय-आधारित-बायोमेट्रिक-सूट-प्रणाली किनेक्ट-उपकरणैः परिवर्तनीयः अस्ति वा न इति अन्वेषणार्थं प्रयत्नः कृतः अस्ति । फिशर्-विभेद-विश्लेषणं प्रशिक्षण-गति-अक्षरं प्रति विशेषण-वेक्टरस्य भेद-शक्तिः परीक्षाय प्रयुक्तः। नैवेय बेयसिअन वर्गीकरणं किनेक्ट सेन्सरद्वारा प्राप्तं सीमितं डाटासेट-संख्यकं दोषं अनुमानयित्वा उत्साहजनकम् वर्गीकरणं प्रदर्शयति । |
582ea307db25c5764e7d2ed82c4846757f4e95d7 | कार्यस्य समीकरणं परिमेयस्थानस्य एव तु कार्यस्थानस्य संख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकसङ्ख्यात्मकस चरणानुक्रमेण योजकविस्तारः तथा खण्डवद् अवरोहः न्यूनकरणं च सम्बन्धः कृतः । सामान्यं प्रवर्तनं (gradient descending) सर्वकारेण प्रवर्तनं (gradient descending) इति रूपं (paradigm) विकसितम् अस्ति । लघुतमवर्गानां, लघुतमपरिमाणानां, तथा ह्युबर-मात्राणां हानि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-सम्बन्धि-स विशेषेण परिष्कृतं भवति यदा विशिष्टाः घटकः निर्णयवृक्षः भवति, तथा एव "वृक्षवृद्धि"मॉडलानां व्याख्याय साधनानि प्रदत्तानि। निर्णयवृक्षाणां क्रमेण वृद्धिरिति प्रतिस्पृहः, अतिशयेन बलवान्, प्रतिगमनं वर्गीकरणं च व्याख्यायितुं शक्यते, विशेषतया शुद्धं डेटां विना खननं कर्तुं उपयुक्तम्। अस्मिन् विषये फ्रेन्ड् च शापायर १९९६, फ्रेड्मन, हस्टी, टिब्शिरानी १९९८ च अध्ययनानि च प्रवर्धयन्ति। 1 फलन अनुमान फलन अनुमान समस्या में एक प्रणाली है जिसमें एक यादृच्छिक \output" या \response" चर y तथा यादृच्छिक \input" या \explanatory" चरों का एक सेट x = fx1; ; xng. यदि ज्ञातानां (y;x) {-मूल्यानां fyi;xig N 1 "प्रशिक्षण" नमूनां प्राप्नोति, तर्हि लक्ष्यम् अस्ति यत् F (x) इति फलनम् निर्मातुं यत् x-ं y-ं प्रतिपादयति, येन सर्वेषां (y;x) {-मूल्यानां संयुक्तं वितरणं कृत्वा, किञ्चित् विशिष्टं हानि-कार्यस्य (y; F (x)) अपेक्षित-मूल्यं न्यूनं भवेत् F (x) = argmin F (x) Ey;x (y; F (x)) = argmin F (x) Ex [Ey (y; F (x)) jx]: (1) प्रायः प्रयुक्तानि हानि-कार्य-कार्याणि (y; F ) वर्ग-त्रुटि (y F ) च निरपेक्ष-त्रुटि (error) jy F j for y 2 R (regression), तथा ऋणात्मक द्वि-आकार-लघुमिती (logominal) {likelihood, log1 + e 2y F), यदा y 2 f 1 (classification) 1; सामान्यं कार्यविधिः अस्ति यत् F (x) इत्यस्य सदस्यं क्रियते, यत्र P = fP1; P2; g इत्यस्य परिमाणं भवति । अस्मिन् लेखे अस्मिन् रूपे "अतिरिक्त" विस्ताराणां विषये चर्चा क्रियते |
6a7c63a73724c0ca68b1675e256bb8b9a35c94f4 | भवता JSTOR अभिलेखालयस्य उपयोगः JSTOR-स्य उपयोगस्य नियमः एवं शर्तेः स्वीकरणेन सूचितं भवति, ये http://www.jstor.org/about/terms.html इत्यस्मिन् स्थाने उपलभ्यन्ते । JSTOR-स्य उपयोगस्य नियमः च अङ्गतः एव प्रदत्तः अस्ति यत् पूर्वं अनुज्ञां प्राप्तुं न शक्यते, तर्हि भवन्तः पत्रिकायाः पूर्णं अंकं वा लेखानां बहुलप्रतीकं डाउनलोडं न कर्तुं शक्नुवन्ति, तथा JSTOR-संग्रहस्य सामग्रीं केवलं स्वस्य व्यक्तिगतं, अव्यवसायिकं उपयोगं कर्तुं शक्नुवन्ति । कृपया अस्य कार्यस्य पुनः उपयोगं कुर्वन् प्रकाशकं प्रति निवेदनं कुरुत। सम्पादकेभ्यः संपर्कस्य सूचनाः http://www.jstor.org/journals/econosoc.html इत्यस्मिन् स्थाने लभ्यते । JSTOR प्रसारणस्य कस्यचित् भागस्य प्रतिलिपिः, तस्मिन् एव प्रतिलिपिप्रमाणपत्रे विद्यमानस्य प्रतिलिपिप्रमाणपत्रस्य सूचनायाः अनुपालनं करणीयम् । |
8eca169f19425c76fa72078824e6a91a5b37f470 | कम-लाभाय उच्च-प्रदर्शनस्य रडार-प्रणालीनां सफलस्य रचनाय सटीकस्य च कुशलस्य प्रणाली-अनुकरणस्य आवश्यकता वर्तते । अस्मिन् लेखे आवृत्ति-संयोजित-सङ्क्रमेण-लहरीय राडार-प्रणालीनां कृते नूतनं बहुमुखी अनुकरण-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महा-महामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहामहा सामान्यकौशल्यस्य सिमुलेशनस्य अतिरिक्तं, इयं एकीकृतप्रणालीयाः सिमुलेशनं तथा सिग्नलसंश्लेषणात् बेस्बान्द्पर्यन्तम् अवधारणाविश्लेषणं च समाहितवती । अत्र लचीला परिदृश्यजनकः, सटीकः शोरस्य मॉडलिङ्गः, सिग्नलप्रक्रिया-अल्गोरिथमस्य विकासस्य च परीक्षणस्य कृते सिमुलेशन-माहङ्कारः च दक्षतया प्रदत्तः अस्ति । ७७-गघ्झ-रेडारस्य एकात्मप्रारम्भिकप्रकरणस्य सिमुलेशनस्य च मापनपरिणामाणां तुलना द्वयोः भिन्न-भिन्न परिदृश्ययोः सिमुलेटरस्य क्षमतां दर्शयति । |
71337276460b50a2cb37959a2d843e593dc4fdcc | ननु न-अन्तर्विभक्त त्रि-द्वारं परिवर्तकम् (एनआई-टीपीसी) प्रस्ताव्यते, यस्मिन् एकः पीवी-द्वारं, एकः द्विदिशात्मक-बट्री-द्वारं, एकः लोड-द्वारं च अन्तर्-संयोज्यम् अस्ति । एक-चरण-शक्ति-परिवर्तनं त्रि-द्वय-द्वय-द्वय-द्वययोः मध्ये प्राप्नोति । तयोर्विभागेन द्विदिशात्मकं विद्युत्प्रवाहमार्गं द्विदिशात्मकं विद्युत्प्रवाहमार्गं द्विदिशात्मकं च विच्छेदयित्वा तयोर्विभागेन तयोर्विभागेन तयोर्विभागेन उपपद्यते । द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ द्वौ कार्यस्य स्थितिः विश्लेषणं भवति। बहु-नियन्त्रक-स्पर्धायाः नियंत्रणस्य रणनीतिः प्रस्तुतम् अस्ति यत् सौर-उपयोगी विद्युत्-प्रवेश-शक्ति-अवस्थायाः परिवर्तनं कृत्वा स्वायत्त-प्रवृत्तौ च सुगम-प्रवृत्तौ परिवर्तनीयम् भवति । प्रयोगाणां परिणामैः विश्लेषणं प्रमाणं प्राप्नोति। |
ac8877b0e87625e26f52ab75e84c534a576b1e77 | डिजिटल-संसारस्य परिदृश्यतः उद्यमेन कार्यकर्तृभिः स्वस्य उद्यमेन मूल्यनिर्माणस्य हेतुः सूचनायाः तथा सूचनाप्रबन्धस्य रणनीतिक-महत्त्वस्य प्रति जागरूकता वर्धते। इदम् आचार्यानां कृते नेतृत्वस्य अवसरं च च् चुनौती च् उपदिशति। सीआईओः पदं बहिष्कृतं न कर्तुं, व्यवसायस्य मूल्यनिर्माणं कर्तुं च तेषां योगदानं वर्धयितुं, ते सक्षमः सूचनाप्रविधिप्रबन्धकः न भूत्वा, स्वकम्पानिनां सुदृढं सूचनाप्रयोजनसंस्कृतिनिर्माणं कर्तुम् सक्रियं भूमिकां कर्त्तव्याः सन्ति। अस्य लेखस्य उद्देश्यः, सीआईओः च व्यवसायिकानाम् कार्यकर्तृभिः स्वकर्तृषु सूचनाप्रधानतायाः अभिवृद्धये नेतृत्वस्य दृष्टिकोनस्य उत्तमं बोधः प्रदानं अस्ति । अस् माकं चतुर्णां अध्ययनानां निष्कर्षानां आधारेण, वयं चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतुर्णां चतु अस्य रूपरेखायाः निर्माणं सीआईओः परिप्रेक्ष्यतः कृतम् अस्ति, तथा च इदम् सूचितम् अस्ति यत् सीआईओः कम्पनीयाः सूचनाप्रधानस्य विकासस्य कृते नेतृत्वादुत्तरो वा अनुयायी वा नात्र-अभिनेता च भूत्वा कार्यम् कर्तुं शक्नोति, येन सः कम्पनीयाः सामरिक-लक्ष्यस्य प्राप्तिः कर्तुं शक्नोति । अथ लेखस्य अन्ते सूचनाप्रधानैः निर्देशैः, येषां उपयोगं कर्ता सीआईओः कर्ता सीआईओः विशिष्टाः स्थितयः अवलम्ब्य विशिष्टाः नेतृत्वस्य उपायाणि च अनुशंसां कुर्वन्ति। |
5c6b51bb44c9b2297733b58daaf26af01c98fe09 | अत्र ग्राहकाणां समीक्षणेषु प्रयुक्ताः खननस्य उत्पादनाः विशेषणानि प्रति व्यवस्थितरूपेण द्वौ विशेषता-अवशोषण-अल्गोरिथमौ तुलनाः कृतौ । प्रथमप्रकरणम् [17] प्रोक्तप्रकारानां समूहं प्रयुक्त्वा तथा प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमाणापेक्षया प्रमा द्वितीयः दृष्टिकोणः [११] बहुधा प्रादुर्भावं दर्शयितुं संघटनसङ्कीर्तनं, अप्रादुर्भावं दर्शयितुं भावनाशब्देन आधारीकृतं च प्रयोगं करोति । अस्मिन् प्रयोगे उपभोक्ता-इलेक्ट्रॉनिक-उपकरणेषु पञ्च उत्पाद-विशिष्ट-दस्तावेज-सङ्ग्रहानां प्रयोगे अल्गोरिदमस्य कार्यसम्पादनं मूल्याङ्कितम् । अस्मिन् त्रुटिविश्लेषणं क्रियते, तथा च अल्गोरिदमस्य लाभानि च परिसीमाणि च विमर्शः भवति । |
623fd6adaa5585707d8d7339b5125185af6e3bf1 | अस्मिन् अध्ययने इन्टरनेट गेमिङ्ग डिसअर्डर (IGD) -इन्द्रिय-अवरोधस्य कृते उपक्रमस्य प्रयोगात्मक-प्रश्नात्मक-अध्ययनम् अस्ति । अस् मिन् विषये चतुर्भिः समूहैः सह सह १४० अभिभावकाः च उपचाराय उपविष्टः आसन् । ७ दिनानि सिरिराज-उपचार-निवास-शिबिरम् (एस-टीआरसी) केवलं, ८ सप्ताहानि क्रीडा-व्यसन-प्रबन्धन-शिक्षणम् (पीएमटी-जी) केवलं, एस-टीआरसी-पीएमटी-जी-संयुक्तं, तथा मूलभूत-मनोविज्ञान-शिक्षणम् (नियन्त्रण) च । इग्ग्- डि- र्गस्य तीव्रतायाः मापनं गेम्- आदीपनस्य स्क्रिनिंग- परीक्षणैः (GAST) कृतम् । समूहानां मध्ये GAST स्कोर्स् मध्ये सांख्यिकीयदृष्ट्या महत्वपूर्णः एव भेदः आसीत्, P- मूल्यम् क्रमशः 0. 001, 0. 002, 0. 005 च आसीत्, 1, 3, 6 मासानां पश्चात्। सर्वेषु समूहेषु नियंत्रणग्रुपेषु अपेक्षायाः सुधारः अभवत् । व्यसनयुक्ताः अथवा व्यसनयुक्ताः भवितुम् अर्हन्ति इति समूहेषु विद्यमानानां किशोरानां प्रतिशतं S-TRC, PMT-G, एवं समन्वित-समूहयोः ५०% -तः न्यूनम् आसीत् । अतः निष्कर्षः यत् एस- टी आर सी तथा पी एम टी- जी- द्वयोः प्रयोगाः इजीडी- प्रति प्रभावशाली मनोसामाजिक- हस्तक्षेपः आसन् । |
aca437e9e2a453c84a38d716ca9a7a7683ae58b6 | अस्मिन् लेखे इन्द्रियानुभूतियुक्ता यन्त्रणायाः उपयोगेन वस्तुस्थिरतायाः सुरक्षायाः तर्कस्य उपयोगेन त्रि-आयामिक-दृश्यस्य बोधस्य नवीनं परिप्रेक्ष्यम् प्रस्तुतम् अस्ति । अस्मिन् दृष्टिकारे सरलनिरीक्षणं क्रियते यत्, मानवीयनिर्माणानुसारं स्थिरावस्थानेषु वस्तुषु गुरुत्वाकर्षणक्षेत्रे स्थिराभावः, मानवक्रियायाम् इव विविधानां भौतिकानां विकारानां विरुद्धं च सुरक्षितः भवितुम् अर्हति । अयं अनुमानः दृश्यस्य सर्वश्रेणीषु प्रयुज्यते, तथा दृश्यस्य बोधाय कल्पनीयव्याख्यानां (पार्स) कृते उपयोगीः बाधकः भवति । गहन-कैमराभिः स्थानिवद् दृश्यस्य कृते ३ डी-बिन्दु-क्लाउड् प्राप्तः अस्मिन् पद्धतिरेकेषु चरणेषु वर्तते: (i) भक्सेल्स्-प्रत्ययात् स्थानिवद् ३ डी-आकारिक-प्रमाणं पुनर्प्राप्तम्; (ii) स्थानिवद्-प्रमाणं भौतिक-स्थिर-वस्तुषु समूहीकृत्य स्थानिवद्-प्रमाणं तर्कयित्वा स्थैर्यं निश्चेष्टम्; (iii) भौतिक-विघटन-प्रभावः यथा मानवाधिकारः, वात-भूमिसङ्कटः च, भौतिक-वस्तुनां भौतिक-संकटानां मूल्यांकनं कृत्वा सुरक्षा-विचारः। अस्मिन् दृश्यम् एकं नवीनं सहजज्ञानयुक्तं भौतिकं प्रतिरूपं दत्तम् , तथा दृश्यस्य प्रत्येकं आदिमवस्तुः ऊर्जाप्रदेशं एकं विच्छेदकग्राफ (डीजी) द्वारा प्रतिपादयति । अस्मिन् ग्राफे, नोडस् त्रि-आयामिक-आकारस्य आदिमत्वे, कणयोः सहकारि-सम्बन्धे च, सम्पर्क-आकारः निर्मितः भवति । ततः स्वेन्ड्सन-वाङ्ग-कट्स-अल्गोरिथमम् अवलम्ब्य संपर्क-ग्राफं समूहं कृत्वा प्रत्येकं स्थिरं वस्तु भवति । स्थिरावस्थाने असुरक्षितवस्तुनां परिचयं कर्तुं, अस्मिन् पद्धतिरेव दृश्यस्थले अदृश्यं स्थितं च कारणं (अवरोधं) निश्चीयते, ततः अवरोधस्य परिणामस्वरूपं सम्भाव्यप्रभावं (उदाहरणार्थः पतनम्) पूर्वानुमानं कर्तुं अन्तर्ज्ञानयुक्तं भौतिकं यन्त्रं प्रवर्तते । प्रयोगेषु वयं प्रदर्शयमहे यत् एल्गोरिदमः (i) वस्तुनि विभक्तिः, (ii) त्रि-आयामिक-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आकार-आ अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये। |
7e9507924ceebd784503fd25128218a7119ff722 | अस्मिन् पद्धतिरेकस्मिन् प्रत्येकं ग्रन्थग्रन्थः विषयाभिमुखं ग्राफं रूपेण प्रवर्त्तते । इदम् ग्राफं एकस्मिन् स्थाने एकस्मिन् एव ग्राफस्य मिलनं प्रयुक्तं भवति । अनन्तरं, वयं एकं विस्तृत-स्तरं (LOD) दृश्यं निर्मातुं प्रयतन्ते यत् पठनीयता च स्थिरता च समतोलम् करोति। अतः परिणामे दृश्यतायाः उपयोगेन उपयोक्तॄणां सम्यक् ग्राफस्य बहुविधदृष्टिषु विश्लेषणं च कर्तुं शक्नोति । ग्राफ-सम्बद्ध-अल्गोरिदमस्य मध्ये मीट्रिक-लर्निंग् च सुविधा-निर्वाचनम् समाहितं कृत्वा, वयं प्रयोक्तॄणां सूचना-आवश्यकतायाः आधारात् ग्राफ-सम्बद्ध-परिणामं परस्पर-संयोजितरूपेण परिवर्तयितुं अनुमन्त्रितवन्तः । समाचारलेखः, ट्विट् च, ब्लॉगस्य डाटाः च समावेशितः विभिन् नप्रकारस् य डाटाः अस् माभिः अस् माकं दृष्टिकोणं प्रयुज्यते। गुणात्मकं मूल्यांकनं तथा वास्तविक-विश्वस्य प्रकरण-अध्ययनं अस्मिन् दृष्टिकोनस्य प्रतिज्ञां प्रदर्शयति, विशेषतया विषया-ग्राफ-आधारितं पूर्ण-चित्रं विभिन्नाः स्तरैः विस्तृतं परीक्षयितुं समर्थयितुं। अस्मिन् लेखे दृश्यविश्लेषणस्य उपयोगः बहुषु स्रोतसु चर्चां कृतवन्तः विषयाः यथा समाचारं, ब्लॉगस् य वा सूक्ष्म-ब्लॉगस् य पूर्णविश्लेषणं कर्तुम् भवति । पूर्णं चित्रं बहुषु स्रोतसु समाहितं सामान्यविषयं, प्रत्येकं स्रोतस्य विशिष्टविषयं च समाहितं अस्ति । |
b04a503487bc6505aa8972fd690da573f771badb | स्वयमेव वाहनानि चलायमानानि वाहनानि अपि गहन-तृण-संवेदन-नियन्त्रण-जालानि प्रमुखानि अवयवानि भवितुम् अर्हन्ति । एतेन नमुनायाः व्याख्याः करणीया अस्ति - तेषां व्यवहारस्य तर्क्यं सुलभं भवेत् - येन यात्रीः, बीमाकर्तृकाः, विधिप्रवर्तकः, विकासकर्तृकाः इत्यादयः, किं विशिष्टव्यवहारस्य कारणं बोधयितुं शक्नुवन्ति। अत्र वयं दृश्यव्याख्यानां उपयोगं अन्वेषयिष्यामः। इमे व्याख्यायाः वास्तविक-समय-प्रदर्शित-क्षेत्रेषु प्रतिमायाः रूपं गृह्णन्ति, ये नेटवर्कस् (steering control) निष्कर्षेषु कारण-प्रभावं कुर्वन्ति । अस् माकं दृष्टिकोणं द्वि-चरणं वर्तते। प्रथमं चरणं विदुः ध्यानं प्रतिरूपेण प्रतिमायां सेतुना रुचिरं प्रति प्रतिरूपेण अन्तः अन्तः संकुचनजालम् प्रशिक्षयिष्यामः। ध्यानमण्डले प्रतिमाक्षेत्रेषु प्रकाशः भवति यैः सम्भाव्यतया जालस्य उत्पादनं प्रभावितं भवति। केचित् अस्मिन् विषये सत् प्रभावः भवति, केचित् मिथ्या च। ततः कारणवशात् फिल्टरिङ्-चरणं कृत्वा निर्धारयाम यत् कानि आगतप्रदेशानि वास्तवतः आगतप्रदेशान् प्रभावितवन्ति । इत्थं संक्षिप्तं दृश्यं व्याख्यातं भवति तथा च अधिकं शुद्धतया जालस्य व्यवहारं प्रदर्शयति । अस्मिन् प्रकरणे, 16 घन्टां यावत् वाहनं चलाय त्रयः डाटा सेट्स् उपयुज्य अस्मिन् प्रकरणे, अस्मिन् प्रकरणे, 16 घन्टां यावत् वाहनं चलाय 16 घन्टां यावत् वाहनं चलाय 16 घन्टां यावत् वाहनं चलाय 16 घन्टां यावत् वाहनं चलाय 16 घन्टां यावत् वाहनं चलाय 16 घन्टाः प्रथमतः एव दर्शयति यत् ध्यानयुक्ताः प्रशिक्षणानि अन्ततः अन्ततः सञ्जालस्य कार्यसम्पादनं नीचानि कुर्वन्ति । ततः वयं दर्शयति स्म यत् संजालः अनेन प्रकारेण निर्देशं ददाति यत् वाहनं चलायमानः जनाः उपयोगं कुर्वन्ति। |
4954bb26107d69eb79bb32ffa247c8731cf20fcf | एट्रिब्युट् बेस्ड एन्क्रिप्शन (एबीई) [13] इत्यनेन प्रयोक्त्राणां एट्रिब्युट्-आधारेण डिक्रिप्टेशन-क्षमतां निर्धारयति । बहु-प्राधिकरण-एबीई योजनायां बहु-गुण-प्राधिकरणः विभिन्न-गुणानां निरीक्षणेन, तथा च प्रयोक्तॄणां सम्यक् विक्रिप्टेण कुञ्जीं प्रददाति, तथा च एन्क्रिप्टेर्-प्रयोजकानां आवश्यकता भवति यत् प्रयोक्तारं सन्देशस्य विक्रिप्टेण पूर्वं प्रत्येक-प्राधिकरणात् उचित-गुणानां कुञ्जीं प्राप्तुं शक्नोति । चेस्-इति संस्थायाः [5] एकाधिक-प्राधिकरण-एबीई योजनायाः उपयोगे विश्वस्तस्य केन्द्रीय-प्राधिकरणस्य (सीए) तथा वैश्विक-पहचानकर्तृणां (जीआईडी) अवधारणाः प्रदत्तः। तथापि, एतस्मिन् निर्माणे सीए-यस्य प्रत्येकं सिफ्रेट् पाठं विवक्षितुं शक्तिरस्ति, यस्मात् अनेकेषु सम्भाविततया अविश्वसनीयानां अधिकारिणां नियंत्रणं वितरणीयम् इति मूललक्ष्यं प्रति किञ्चित् प्रकारेण विरोधाभासात्मकं दृश्यते । एतदपि, तत् निर्माणं, एकस्य सुसंगतस्य GID-स्य उपयोगः अधिकारिणां कृते तेषां सूचनायाः संयोजनं कर्तुं समर्थः कृतः, येन प्रयोक्तृणां सर्वैः गुणैः युक्तः पूर्णः प्रोफाइलः निर्मितः, यस्मात् प्रयोक्तृणां निजतायाः अनावश्यकतया हानिः भवति। अस्मिन् लेखे, वयं एकं समाधानं प्रस्तौम यत्, एतस्य केन्द्रस्य प्राधिकारस्य विलोमणं करोति, तथा च प्रयोक्तॄणां गोपनीयतायाः संरक्षणं करोति, यतोहि प्राधिकारिणः विशिष्टप्रयोक्तॄणां सूचनायाः एकत्रिकरणं न कुर्वन्ति, अतः प्रक्रियया एबीई अधिकं प्रयोज्यमस्ति। |
25098861749fe9eab62fbe90c1ebeaed58c211bb | अस्मिन् लेखे वयं नवदृष्ट्या प्रवर्धकप्रणालीनां अध्ययनं करिष्यामः। इफ्रोन् इतरेषां नन्दिभ्यः कार्येभ्यः अस्मिन् विषये आधारेण अस्मिन् लेखः निर्मितः अस्ति । इदम् दर्शयितुम् यत् इदम् उदयः लगभगः (अपि कस्यचित् प्रकरणस्य समये) घटः घटः भवति, येन गुणांकवेक्टरस्य l1 प्रतिबन्धः भवति। इदम् अनुभूयमानम् यत्, आरम्भिकं समापनं विनाशस्य मापदण्डस्य नियमनं कृत्वा उत्प्रेरणायाः सफलतायाः कारणम् अस्ति। द्वयोः सामान्यतया प्रयुक्ताः मापदण्डयोः (अभिव्यक्तिकः, द्विपदिकः च) कृते, वयं अपि दर्शयति स्म यत् यथा-अवरोधः सुस्थिरः भवति, अथवा उत्तरोत्तरम् उत्तरोत्तरम् पुनरावृत्तयः प्रवर्तन्ते, तदा हलः (विभक्त्यभावे) एकम् l1-उत्तमम् विभक्त्यभावे अतिसमानादेशं प्रति अभिसर्पिष्यते । अस्मिन् प्रमाणे इयं इल-उत्तमविभक्त्यन्तरे अति-विस्तरीकरणं भवति यत् इल-उत्तमविस्तरीकरणं प्रशिक्षण-तदर्थानां न्यूनतम इल-विस्तरीकरणं वर्धयति, यथा वर्धक-साहित्ये निर्दिष्टम् अस्ति । उत्प्रेरणायाम् तथा कर्नेलस्य समर्थनस्य वेक्टरमशीनानां मध्ये एकं रोचकं मूलभूतम् समानता उदयते, यतः उभयतः उच्च-आयामिक-प्रभिक्षक-स्थानस्य नियमनयुक्तम् अनुकूलनम्, गणनायाः व्यावहारिकतायाः कृते कम्प्युटेशनल-ट्रिकस्य उपयोगः, तथा मार्जिन-अधिकतमकरणस्य समाधानानां प्रति अभिसरणम् इति वर्णयितुं शक्यते । यद्यपि अयं कथनः एस.वी.एम.स् य विषये यथार्थतया अवगच्छति, तथापि सः केवलम् एव बोस्ट्-आध्यायस्य विषये प्रयुज्यते । |
0825788b9b5a18e3dfea5b0af123b5e939a4f564 | शब्दानां वेक्टर-स्थान-प्रदर्शनानां अध्ययनस्य नूतनानि विधयः वेक्टर-गणितस्य उपयोगेन सूक्ष्म-अक्षराणि सिद्धांशाय च नियमितां प्राप्तुं सफलानि सन्ति, किन्तु एतेषां नियमिताणां उत्पत्तिः अपारदर्शी वर्तते। अस्मिन् विषये, शब्दवेक्टरस् य नियमानुसारं वर्धनाय आवश्यकानि गुणानि विवक्ष्यामः। अस्य परिणामः एकं नूतनं वैश्विक-लॉगबिलीनियर-प्रतिक्रिया-आदर्शं वर्तते, यत् साहित्यस्य द्वयोः प्रमुख-आदर्श-परिवारानां लाभानि एकं करोति: वैश्विक-मात्राणां कारक-विभाजनम्, स्थानिक-सम्बद्ध-विन्डो-विधिः च। अस्मिन् मॉडले शब्द-शब्द-संयोग-मात्रायां केवलम् शून्य-विशिष्ट-तत्त्वम् प्रशिक्षितम् , न तु सम्पूर्णं विरचित-मात्रायां अथवा विशाल-मात्रायां विशिष्ट-सम्बद्ध-विन्डोः । अस्य प्रतिरूपेण अर्थपूर्णं उपसंरचनायुक्तं वेक्टरस्थानं निर्मितम् अस्ति, यस्मात् तस्य 75%-प्रदर्शनं प्रमाणम् अस्ति। इदम् अपि समानताकार्यस्य तथा नामकरणस्य अनुज्ञापनस्य विषये संबंधितमध्यमोदाहरणं श्रेष्ठं करोति । |
326cfa1ffff97bd923bb6ff58d9cb6a3f60edbe5 | अस्मिन् विषये, द्वयोः वितरणयोः मध्ये स्थितं मेट्रिकं, अर्थ् मूवर्स् डिस्टन्स् (ईएमडी) -म्, सामग्री-आधारितं चित्र-प्राप्त्यर्थं, अस्मिन् विषये अन्वेषणं क्रियते। ई.एम.डी. इत्यस्य आधारः एव न्यूनतमः व्ययः अस्ति, यः एकं वितरणं अन्यस्मिन् परिवर्तयितुं देयम् अस्ति, यथार्थतया, एवं प्रथमं पेलग, वेरमन, रोमन च द्वारा विशिषं दृष्टिप्रसङ्गं प्रति प्रस्तावितम् आसीत् । इमेज रिकवरीयस् य कृते वयं इमं विचारं वेक्टरक्वांटिजेशन-आधारितं वितरणं प्रतिपादयितुम् योजनायाः सह संयोजयामः । इदम् संयोजनम् एकं चित्रम् तुलनाय रूपरेखां प्राप्नोति यत् प्रायः अन्यैः पूर्वम् प्रस्तावितैः पद्धतैः अपेक्षाकृतम् अवधारणात्मकम् समानतायाः कारणम् भवति । ई.एम.डी. इत्यस्य आधारः रेखागत-अनुकूलनस्य परिवहन-समस्यायाः समाधानम् अस्ति, यस्मिन् कुशल-अल्गोरिदमः उपलब्धः अस्ति, तथा अपि च स्वाभाविकरूपेण अंश-अनुकूलनम् अनुमन्त्रयति । हिस्टोग्राम्-सम्बद्ध-प्रणालीषु अधिकं बलम् अस्ति, यतो हिस्टोग्राम्-सम्बद्ध-प्रणालीषु क्वान्टिज्यासनम् अन्य-सम्बद्ध-प्रश्नान् न कुर्वन्ति । यदा समानं समग्रं द्रव्यमानम् उपयुज्यते तदा ई.एम.डी. एकं सत्यं मेट्रिकम् भवति । अस्मिन् लेखे वयं रङ्गं तथा रङ्गं च प्रयोगे केन्द्रितवन्तः, अन्यानां दूराणां सह ई.एम.डी.स् य पुनः प्राप्तिप्रदर्शनं तुल्यवन्तः। |
508d8c1dbc250732bd2067689565a8225013292f | स्थानिकं पल्स् वेल्ल् वेत् (पीडब्लुवी) मापनं च कर्तुं एकं नवं द्वैध-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाश-प्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्रकाशप्र इयं प्रोबिका प्रतिबिम्बप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदीपनप्रदी निरन्तरं प्राप्तं द्वैध-ध्रुव-तरङ्ग-रूपं पारगमन-काल-अवधौ प्रयुज्यते ध्रुव-ध्रुव-स्थानीय-पीडब्लूवी-मापनार्थं । पीपीजी- जांचकस्य रचनायाः प्रमाणिकरणार्थं च पीडब्लुवी- मापनप्रणालीयाः विकासार्थं १० स्वस्थानां स्वयंसेविकाणां (८ पुरुषः २ महिलाः २१- ३३ वर्षस्य) उपरि एकं इन- विवो प्रयोगात्मक प्रमाणिकरण- अध्ययनं कृतम् । प्रस्तावितप्रणाली बहुषु विषयेषु श्लेष्म-अङ्गस्य स्थानीयं पीडब्लुवी मापयितुं समर्थः आसीत् । अध्ययनकाले १० मध्ये ७ जनाः पीडब्लुवी- र्धातुकस्य आरम्भिक- रेखयाम् ७. ५% - यम् न्यूनं परिवर्तनं प्राप्तवन्तः, अध्ययनकाले १६% - यम् अधिकतम परिवर्तनं प्राप्तम् । व्यायामात् पश्चात् पुनः प्राप्तिकालस्य कालान्तरे श्रोणि- धातूनां स्थानिक- पीडब्लुवी- र्- तथा श्रोणि- धातूनां रक्त- दाह- मानानां परिवर्तनं अपि निरीक्षितम् । आन्तरिक- विषये स्थानीयं पीडब्लुवी- परिवर्तनं तथा बाह्यात्मक- रक्त- द्राव- परिमाणं सांख्यिकीय- महत्त्वपूर्णं सम्बन्धं विलोकितम् (आर > ०. ८५, पी < ०.००१) । परिणामैः प्रस्तूयमानः पीपीजी प्रोबः श्लेष्मधमनीरपि स्थानीयं पीडब्लुवी मापनं कर्तुं समर्थः इति प्रदर्शितः। एतद् अव्याहत-स्थानीय-पीडब्लुवी मापन-एक-संयन्त्रं निरन्तर-चिकित्सागत-रक्त-धातो-मापनार्थं उपयोगं कर्तुं शक्यते । |
79465f3bac4fb9f8cc66dcbe676022ddcd9c05c6 | अस्मिन् लेखे मानवस्य क्रियायाः परिचयः गहनताचित्रस्य अनुक्रमात् कृतः अस्ति । विशेषरूपेण, क्रियाग्राहस्य उपयोगेण क्रियाणां गतिशीलतायाः स्पष्टरूपेण प्रतिरूपणम् क्रियते, तथा क्रियाग्राहेषु नोडानां अनुरूपं विशिष्टं आसनं दर्शयितुं त्रि-आयामिक-बिन्दु-संकुलम् अपि क्रियते। एतदतिरिक्तं, वयं सरलम्, किन्तु प्रभावशालीम् प्रक्षेपण-आधारितं नमुनाकरण-यन्त्रं प्रस्तावयामि यत् 3D-बिन्दु-संकुलं गहन-नक्शेभ्यः नमुनाकर्तुम्। प्रयोगाः दर्शयन्ति यत्, केवलम् १% त्रि-आयामिक-बिन्दूनां नमूनाकरणं कृत्वा ९०%-अधिकं परिचयः प्राप्तः। 2D सिल्हूट-आधारितं प्रतिरूपं प्रति तुलनायां, प्रतिरूपस्य दोषः अधः घटितः। अपि च, अनुकरणमार्गे अवरुद्धेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विषयेषु विष |
46fd85775cab39ecb32cf2e41642ed2d0984c760 | कृत्रिम-संज्ञकानां रोबोटानां विधिक-स्थितिविषये अद्यतनं वादविवादं च अध्ययनं कृतम् अस्ति, एवं विद्वान् नीतिनिर्माताश् च कतिधा एतेषां कृत्रिम-संज्ञकानां विधिक-प्रतिपादकतायाः विधिक-व्यक्ति-स्थितिः इति भ्रमितवन्तः सन्ति। क्षेत्रस्य वर्तमानस्य प्रवृत्तौ विचार्य, पेपरः द्वैधं पदं सुचिकित्सा करोति । प्रथमतः नीतिनिर्माताः अनुबंध-व्यवसाय-नियमयोः अन्तर्गतं कृत्रिम-जाणु-रोबोटानां क्रियाकलापानां प्रति उत्तरदायित्वस्य नूतन-रूपं स्थापयितुं, यथा- जटिल-विभाजित-प्रतिक्रियायाः प्रकरणेषु विधि-एजन्सी-अधिकारस्य नूतन-रूपं स्थापयितुं, सम्भाव्यतां गम्भीरतया चिन्तयन्ति । द्वितीयम्, कृत्रिम-जाणु-रोबोटानां पूर्ण-न्यायिक-व्यक्ति-पदं दातुं भवितव्यम् इति परिकल्पनं निकट-भविष्यं निरस्तम्। तथापि, सोफियायाः विषये किम् करणीयम्, यत् अक्टोबर् २०१७ तमे वर्षे सौदी अरेबियायाः देशस्य नागरिकत्वम् प्राप्तुं प्रथमं कृत्रिम-बुद्धिक अनुप्रयोगम् अभवत् ? किञ्चिदपि वा किञ्चिदपि वा विधिकव्यक्तिः प्रदानं यत्, तत् सर्वदा अतिसंवेदनशीलं राजनैतिकविषयम् अस्ति, यत् केवलम् तर्कसंगतानां विकल्पानां अनुभवसाक्षात्कारस्य प्रमाणानां च आधारेण न भवति। विवेकः, मनमानी, विचित्रः निर्णयः च अपि अत्र भूमिकां निर्वहन्ति। तथापि, ये नियमात्मककारणानि सन्ति, येषां कारणात् न्यायव्यवस्थाः मानवानां कृत्रिमसृष्टिनां यथा निगमानां, तेषां स्थितिं ददाति, ते अस्मान् कृत्रिम-संशोधन-रोबोटानां विधि-व्यक्ति-पदं प्राप्तुं अद्यतन-प्रयत्नस्य पक्षे स्थापयितुं साहाय्यं ददाति । नागरिकः सोफियाः किमपि बुध्यते वा, अथवा विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् विद्वान् |
0943ed739c909d17f8686280d43d50769fe2c2f8 | अस्मिन् कार्य-प्रतिभास-अभ्यासः मानवव्यवहारस्य विश्लेषणस्य च संश्लेषणस्य दृष्टिकोनः अस्ति । अयं प्रतिमानः भूतकालस्य भवितव्यस्य च घटनायाः वा क्रियायाः च प्रतिक्रियायाः च कारणं प्रकटयति। अस्मिन् पद्धतिः मानवानां परस्परसम्भाषणस्य विश्लेषणं तथा मानवव्यवहारस्य संश्लेषणं क्रियते। समयक्रमेण अवधारणात्मकं मापनं कृत्वा, प्रणाली स्वयमेव एकस्य मानवस्य सहभागिनां (क्रिया) आचरणं, अन्येषां सहभागिनां (प्रतिक्रिया) आचरणं च प्रतिचित्रणं करोति । मानवसम्पर्कस्य डाटाः उपयोगेन एकं संभाव्य-आदर्शम् प्रशिक्षितम् भवति, यस्मिन् नवीनं अनुमान-प्रकरणं, सशर्त-आशा-अधिकरणम् (सीईएम) प्रयुक्तम् भवति । प्रणाली एकं ग्राफिकल-अन्तर्क्रियात्मक-वर्णं चलाति, यः प्रयोक्त्राणां व्यवहारस्य प्रति सम्भाव्य-प्रतिक्रियायाः सम्भाव्यता-पूर्वानुमानं करोति, एवं तत् अन्तर्क्रियात्मक-रूपेण क्रियते। अतः, सहभागिनां च द्वाभ्याम् मानवानां परस्परसम्भाषणस्य विश्लेषणात् अनन्तरं, प्रणाली एकं प्रतिस्थापयितुं, एकेन शेषेन सह सह सम्भाषणं कर्तुं समर्थः भवति । |
272216c1f097706721096669d85b2843c23fa77d | अस्मिन् आदमः प्रथम-क्रमस्य ग्रेडियन्ट्-आधारितस्य स्टोकास्टिक-उद्देश्य-सम्बन्धि-सञ्चालस्य अनुकूलनस्य एल्गोरिदमः प्रस्तूयते, यः निम्न-क्रमस्य क्षणानां अनुकूलात्मक-अनुमानानां आधारः अस्ति । अयं विधिरुत्पादयितुं सरलः, गणनायाम् कुशलः, स्मृत्याम् अल्पः आवश्यकताः, स्खलनानां विकर्णपरिमाणं प्रति अपरिवर्तनीयः, तथा च समस्यायाः कृते उपयुक्तः, ये डाटाः परिमाणं च/वा परिमाणं च वृहत् अस्ति । अयं विधिरपि न स्थिराणां लक्षणाणां कृते उपयुक्तः अस्ति, तथा च अतिशयेन शोरयुक्ताः, अथवा अल्पतरः स्खलनं युक्तः समस्याः अपि अस्ति। अति-परिमितिषु सहज-व्याख्या भवति तथा सामान्यतः किञ्चिदपि परिमार्जनं अपेक्षते । अथ च आदित्यादीनां सम्बद्धानां एल्गोरिदमानां सम्बन्धः विवक्षितः। अस्मिन् विषये, अल्गोरिदमस्य सैद्धान्तिक-संयोगादि गुणानाम् विश्लेषणं कृत्वा, संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोगादि-संयोग अनुभवजन्यपरिणामाणां निदर्शनात् आदमः व्यवहारतः सुप्रसिद्धः भवति, अन्यैः स्टोकास्टिक-अनुकूलनविधिभिः सह तु तुलनाः भवति च। अन्ततः, वयं अडामैक्स-विषये चर्चां करिष्यामः, यः आदमः, अनित्यतायाः नियमस्य आधारेण निर्मितः अस्ति। |
05aba481e8a221df5d8775a3bb749001e7f2525e | अस्मिन् अधोलिखितेषु उप-प्रकरणानां नवपरिवारं प्रस्तुतं यत् पूर्ववर्तीषु प्रयोगेषु अवलोकितानां डाटाणां ज्यामितीयज्ञानं गतिशीलरूपेण समाहितं कृत्वा अधिकं सूचनात्मकं ग्रेडियन्ट्-आधारितं शिक्षणं कर्तुम् शक्नोति। अलंकारिकरूपेण, अनुकूलाभ्याम् अस्मान् अनुमन्त्रयति यत् अलंकारिकरूपेण अलंकारं पश्यामः, अलंकारिकरूपेण अलंकारं पश्यामः, अलंकारिकरूपेण अलंकारं पश्यामः, अलंकारिकरूपेण अलंकारं पश्यामः, अलंकारिकरूपेण अलंकारं पश्यामः, अलंकारिकरूपेण अलंकारं पश्यामः, अलंकारिकरूपेण अलंकारं पश्यामः, अलंकारिकरूपेण अलंकारं पश्यामः, अलंकारिकरूपेण अलंकारं पश्यामः, अलंकारिकरूपेण अलंकारिकरूपेण अलंकारिकरूपेण अलंकारिकरूपेण अलंकारिकरूपेण अलंकारिकरूपं पश्यामः। अस्मिन् पद्धतिरेकस्मिन् हालवतः स्टोकास्टिक-अनुकूलन-अन्लाइन-शिक्षण-प्रगतिः अभवत्, यस्मिन् अल्गोरिदमस्य ग्रेडियन्ट्-चरणानां नियमनार्थं समीपस्थ-कार्य-योगं प्रयुक्तम् अस्ति । अस्मिन् लेखे, समीपस्थं फलनम् अनुकूलेन परिवर्तयितुं यन्त्रस्य वर्णनं च कृतम् अस्ति, यस्मात् एव लर्निंग रेट् स् थापितं भवति, तथा च इदम् अनुस्वारः अपि सिद्धः भवति यत् इदम् अपि उत्तमः समीपस्थं फलनम् अस्ति, यत् पश्चात् अवलोक्य च्छिन्नम् अस्ति । अस्मिन् लेखे, सामान्यं महत्त्वपूर्णं नियमनं च कार्यम्, क्षेत्रस्य च बाध्यतायाः विषये अनुभवात्मकं जोखिमं न्यूनं करणीयम् इति समस्यायाः कृते अनेके कुशल-अल्गोरिथमानि प्रदत्ताः सन्ति । अस्मिन् प्रयोगे, अस्मिन् सैद्धांतिकविश्लेषणे, अनुकूला उपवर्गविधिः अत्याधुनिकं, तथापि अनुकूला न, उपवर्गविधिं श्रेष्ठं करोति इति प्रदर्शयति। |
f2bc77fdcea85738d1062da83d84dfa3371d378d | अस्मिन् लेखे चिप्-टू-चिप् अनुप्रयोगानां कृते ९० नन् मेट् र्-नम् सीएमओएस-प्रणाले ६.२५ गीगाबिटस्/सेकंट् १४ मेगावाट्-परिग्रहणेन प्रदत्तं ट्रान्ससीवरं वर्णितम् अस्ति । एतस्मिन् ट्रान्ससीवरमध्ये विद्युत् उपभोगं न्यूनं कर्तुम् अनेकानि सुविधाः सन्ति, यथा - साझा एलसी-पीएलएल क्लॉक गुणक, इण्डक्टर-लोड्ड रेजोनेन्ट क्लॉक वितरण नेटवर्क, कम- तथा प्रोग्रामयोग्य-स्विङ्ग-वोल्टेज-मोड ट्रान्समिटर, सॉफ्टवेयर-नियन्त्रित क्लॉक तथा डाटा रिकवरी (सीडीआर) तथा रिसीवर अन्तर्गत अनुकूली समानाकरण, तथा सीडीआर हेतु नवीनं पीएलएल-आधारित चरण-परिवर्तक। "इन्द्रियप्रसङ्गः" (Earth-Thin-Thin-Thin-Thin-Thin-Thin) इत्यस्य अर्थः "इन्द्रियप्रसङ्गः" (Earth-Thin-Thin-Thin-Thin-Thin-Thin-Thin-Thin-Thin-Thin) इति। |
9da870dbbc32c23013ef92dd9b30db60a3cd7628 | त्रि-आयामिक-आकारानां न कठोर-पञ्जीकरणं एकं अत्यावश्यकं कार्यम् अस्ति, यतो हि गतिशील-दृश्यानां स्कन्निंगार्थं वस्तुगत-गहनता-संवेदकाः अधिकाः प्राप्यन्ते। नन्-रिगिड् रजिस्ट्रेशनः रिगिड् रजिस्ट्रेशनं अपेक्षाकृतं अधिकं चुनौतीपूर्णं भवति यतः सः एकस्य वैश्विकपरिवर्तनस्य एव स्थानीयपरिवर्तनानां समूहस्य अनुमानं करोति, अतः अधःनिर्धारणेन कारणात् अतिपरिपाटने समस्याः प्रवृद्धः भवति । पूर्वम् प्रयुक्ताः विधयः स्थानीयपरिवर्तनभेदानां कृते १-२-नियमस्य नियमनं प्रवर्तयन्ति स्म । तथापि, l2-नर्म नियमनं हलस्य बहिर्भागां प्रति तथा घोर-पच्छिन्न-वितरणस्य शोरं प्रति प्रवृत्तं करोति, यच्च रूपांतरणभेदानां विषये गौसियनवितरणस्य दुर्बल-योग्यतायाः प्रमाणं भवति । अपरम् अपि, लाप्लासीयप्रसारणं रूपांतरणभेदानां सम्यक् अनुकूलं भवति, यस्मात् पूर्वम् एकं अल्पत्वम् उपयुज्यते इति सूचितम् । अस्मिन् प्रकरणे, परिवर्तनस्य अनुमानार्थं l1-नर्म नियमनयुक्तं विधिः (Sparse Non-Rigid Registration - SNR) प्रस्तौति, यं वर्धित-लग्रन्जियन्-प्रणालीयाः अन्तर्गतम् एकं वैकल्पिक-निर्देश-विधिः (Alternate Direction Method - ADM) प्रभावीतया हलयति । अस् माभिः एकं बहु-उपलब्धि-प्रयोजनं सुदृढं, क्रमिकं च पंजीकरणं कर्तुम् अपि निर्मितम् । सार्वजनिकं डाटासेट-मण्डलं, स्कन्न् कृतं डाटासेट-मण्डलं च चकारः परिणामः अस्मिन् पद्धतिरेव श्रेष्ठतायाः प्रमाणं ददाति, विशेषतया बृहत्-आकारस्य विकृति-प्रकरणं, अपवर्गं, शोरं च निवारयितुं। |
e36ecd4250fac29cc990330e01c9abee4c67a9d6 | अस्मिन् पत्रे का-बान्द् द्वैध-बान्द् द्वैध-सर्कल्-ध्रुवीकृत-एन्टेना-संयोजनं प्रस्तुतम् अस्ति । का-बण्ड-अन्तरालङ्कारस्य आवृत्तौ वाम-हस्तं वृत्तिकं ध्रुवीकरणं तथा का-बण्ड-उप-लङ्कारस्य आवृत्तौ दक्षिण-हस्तं वृत्तिकं ध्रुवीकरणं युक्तं द्वैध-बण्ड-अन्तरालङ्कारं कम्प्याट् रिंग स्लॉटैः प्राप्तम् अस्ति । अनुक्रमिकं चक्रं कृत्वा, 2 × 2 उप-अङ्कनानि प्राप्तानि भवन्ति, येषु उत्तमं प्रदर्शनं भवति । अस्मिन् पत्रे रचनाप्रक्रियायाः वर्णनं तथा सिमुलेशन-मापन-परिणामस्य प्रस्तुतं च अस्ति । |
0bb71e91b29cf9739c0e1334f905baad01b663e6 | अत्र एल.टी.ई. नेटवर्कस् मध्ये विद्युत् उपभोगं न्यूनं कर्तुम् विद्युत् प्रवाहनस्य नियमनं च अध्ययनं कृतम् अस्ति । यन्त्रप्रकारस्य ग्राहकाः बहवः सन्ति अतः तेषां कृते कार्यक्षमः योजनाः प्रस्तूयितुं, एकं नवीनं वितरितं योजनां प्रस्ताव्यते यत् यन्त्रस्य नोडः स्थानिकं क्लस्टरं निर्मातु, क्लस्टर-हेडस् द्वारा आधारस्थानकं सह सम्पर्कं कुर्यात् च। ततः LTE-जालानां अपलिङ्ग्-निर्धारणं च विद्युत्-नियन्त्रणं च आरब्धम्, तथा क्लस्टर-हेड्स्-आधारस्थानयोः सम्पर्काणां कृते जीवनकाल-जागृतानि समाधानानि अन्वेषितानि। अच्युतसमाधानस्य अतिरिक्तं, निम्न-जटिलतायाः उप-उत्तमसमाधानानि अत्र प्रस्तूयन्ते, यानि बहु-अल्प-गणनायाम् जटिलतायाः सह निकट-उत्तम-कार्यप्रदर्शनं प्राप्तुं शक्नुवन्ति । कार्यसम्पादनस्य मूल्याङ्कनं दर्शयति यत् प्रस्तावितप्रोटोकॉलानां उपयोगेन नेटवर्कस्य जीवनकालः लक्षणीयतया दीर्घः भवति । |
6dc4be33a07c277ee68d42c151b4ee866108281f | कम्प्रेस्सिव मापनात् सह-विपर्यासाः अनुमानं विज्ञानस्य अभियान्त्रिकीयानां च विविधक्षेत्रेषु हालसालै महत्त्वपूर्णं अनुसंधानकार्यम् आकृष्टवान् अस्ति । अवलोकनानां अल्पसंख्यस्य कारणात् सह-विपर्यासेषु मैट्रिक्सस्य अनुमानं अतिदुर्लभं समस्या वर्तते । इदम् पूर्वं सह-विपर्यास-मात्रायाः संरचनायाः पूर्वं प्राप्ते सूचनायाः उपयोगेन पराभवं कर्तुं शक्यते । अस्मिन् लेखे उच्च-आयामिक-सह-विपर्यास-मात्राणां अनुमानस्य समस्यायाः सङ्कुचित-मापन-प्रकरणे एक-वर्गस्य उत्तल-आकारस्य सूत्रेषु च संबंधितं समाधानं प्रस्तुतं, यस्मिन् सकारात्मक-अर्ध-परिभाषितत्वेन सह समाधानस्य कृते टोप्लिट्झ-अल्प-अवशिष्ट-अल्प-प्रमाण-अल्प-श्रेणी-अल्प-परिवर्तित-श्रेणी-संरचनाः प्रदत्तानि सन्ति । इष्टतमकरणस्य समस्यायाः समाधानार्थं, वयं सह-विभेदस्य विस्तारित-लग्रन्जियन्-संकुचन-अल्गोरिथमस्य (COVALSA) परिचयं दातुं शक्नुमः, यस्मिन् स्प्लिट्-अल्गोरिथमस्य (SALSA) उदाहरणं विद्यते । अस्मिन् लेखे अद्यतन-अल्गोरिथमानां तुल्यरूपेण अस्मिन् पद्धतिरेकस्य प्रभावकारितायाः प्रदर्शनम् कृतम् । |
05357314fe2da7c2248b03d89b7ab9e358cbf01e | सर्वाधिकारः सुरक्षितः। प्रकाशकस्य लिखितानुमतिं विना अस्य ग्रन्थस्य कोऽपि अंशः विद्युतीय-या यन्त्र-या वा किमपि रूपेण (फोटोकोपी, रेकर्डिङ्ग, वा सूचनायाः संग्रहणम्, पुनर्प्राप्तम् च) पुनरुत्पादितुं न शक्यते । |
06d0a9697a0f0242dbdeeff08ec5266b74bfe457 | अस्मिन् लेखे प्राकृतिकभाषावृक्षसंरचनायै नूतनं जननमॉडलम् प्रस्तुतं यत् अर्थविशिष्टं (शब्दार्थविशिष्टं) वाक्यार्थविशिष्टं च पृथक् पृथक् मॉडेलैः स्कोरं क्रियते। अस्य कारकविभाजनं अवयवमॉडलानां पृथक् पृथक् सुधारणायै कल्पनारत्ने सरलता, सहजसाध्यता, तत्समप्रदर्शनं च प्रदत्तम्, यानि तत्समप्रदर्शनानि नानाविधप्रदर्शनानां तुल्यानि सन्ति। अन्यानुरूपप्रदर्शनमॉडलानां विपरीतम्, कारकविशिष्टमॉडलम् अतिप्रभावी विश्लेषणेन युक्तम्, यया कार्यक्षमं, सटीकं अनुक्रमणं सम्भवति। |
8f76334bd276a2b92bd79203774f292318f42dc6 | अयं लेखः एकं वृत्तिकं कर्णं आन्तनेन युक्तम् अस्ति, यं L-आकारेण प्रोबितः भवति। 50 ओमेगा-अक्षीयकेबलस्य अनुरूपं ब्रॉडबान्द्-प्रक्रिया, अक्षीय-अक्षीय-अनुपातस्य च ऐन्टेनायाः प्रदर्शनं च प्रस्तुतम् अस्ति । अस्मिन् लेखे एन्सोफ्ट् एचएफएसएस ९.२-प्रयोगेण सिमुलेशनस्य परिणामः प्राप्तः । |
41c987b8a7e916d56fed2ea7311397e0f2286f3b | परम्परागतप्रयत्नैः न किञ्चिदपि नेटवर्क-स्तरस्य क्वांटिज्याकरणं प्रति केन्द्रितम्, अस्मिन् कार्ये वयं टान्सर-स्तरस्य क्वांटिज्याकरणप्रभावं न्यूनं कर्तुम् प्रस्तावयामि। अस्मिन् विषये कम परिशुद्धतायाः सञ्जालानां मध्ये क्वांटिजन् शोरस्य तथा क्लिप् पि विकृतस्य व्यापार-सम्बन्धः विवक्षितः अस्ति । अस्मिन् विभिन्निः टेन्सरस्य साङ्ख्यिकीं परिगणयित्वा क्लिप्-प्रकरणस्य कारणात् माध्य-वर्ग-त्रुटि-घटाः प्रति सटीकं अभिव्यक्तिं प्राप्तुं शक्नुमः । इदम् अव्ययस्य परिष्कृतम् करणम् अस्मिन् प्रमाणम् अस्ति यत् मानकम् क्वांटिज्यासनम् न भवति । उदाहरणार्थम्, शुद्धः क्लिप्-मूल्यं चयनयित्वा ४०% अधिकं शुद्धतायाः सुधारः प्राप्तः भवति VGG16-BN-के क्वांटिज्याकरणस्य कृते ४-बिट्-परिशुद्धतायाः कृते । अस्मिन् परिणामे अनेके अनुप्रयोगाः सन्ति, तादृशानां तंत्रिकाणां जालानां क्वांटिज्याकरणं प्रशिक्षणकाले तथा अन्वेषणकाले अपि। एकं तत्कालिकं अनुप्रयोगं न्यून-सटीकत्वेन त्वरयन्त्रेषु न्यूरल-जालानां शीघ्रं तैनातीकरणं भवति, विना समय-व्यययुक्तं सूक्ष्म-संशोधनं वा पूर्ण-तदर्थ-समूहस्य उपलभ्यताम् । |
1bde4205a9f1395390c451a37f9014c8bea32a8a | रोबोटस्य प्रयोगे तथा नेविगेशनस्य कृते रोबोटस्य रेन्ज इमेजेस् मध्ये क्वेरीकृतानां वस्तुनां परिचयः स्थानिककरणं च महत्त्वपूर्णं भूमिकं भुमिकां करोति। यद्यपि अस्य अध्ययनं निरन्तरं जातं तथापि अवरुद्धं च अव्यवस्थितं दृश्यं द्रष्टुं अद्यापि कठिनं कार्यम् अस्ति । |
242caa8e04b73f56a8d4adae36028cc176364540 | अस्मिन् प्रस्तावः मतदान-आधारितं मुद्रा-अनुमान-अल्गोरिथमम् अस्ति यत् त्रि-आयामिक-संवेदनेषु लागूः भवति, यैः बहुषु रोबोटिक्स-प्रयोजनानां, कम्प्युटर-दृष्टि-प्रयोजनानां, गेमिंग-प्रयोजनानां च कृते द्रुतगत्या द्विमितीय-प्रयोजनानां स्थानं गच्छति। ननु च, अत्र इत्यत्र अत्र इत्यस्य अत्र इत्यस्य अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अत्र इत्यस्य च अतः इत्यर्थः। यद्यपि अभिमुखः पृष्ठभागः पर्याप्तं वक्रतापरिवर्तनं युक्तं वस्तुनां कृते भेदभावः भवति, तथापि बहुषु औद्योगिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसारिक-संसार-संसारिक-संसार-संसार-संसार-संसार-संसार-संसार-संसार-संसार-संसार-संसार-संसार-संसार- 2D-प्रमाणनस्य कृते कणयोः प्रमुखं भुमिका अस्ति, अतः 3D-प्रमाणनस्य कृते गहनतायाः विच्छेदं महत्त्वपूर्णम् अस्ति । अस्मिन् लेखे, वयं एकं पोस अनुमान एल्गोरिदमस्य परिवारं अन्वेषणं विकासं कुर्मः, येन इयं सीमा सूचना उत्तमरूपेण उपयोज्यते। अभिमुख्य पृष्ठबिन्दुभ्यः अतिरिक्तम् अन्ययोः आदिमयोः उपयोगः भवति, दिशाभिः युक्तः सीमाबिन्दुः, तथा सीमा रेखाभागः च। अस्मिन् प्रयोगे एव सिद्धम् अभवत् यत् एते सावधानीपूर्वकम् चयनित-प्रथम-प्रकारे अधिकं सूचनां संकुचितरूपेण संकेतुं शक्नुवन्ति, अतः औद्योगिक-भागानां विस्तृत-वर्गस्य कृते अधिकं परिशुद्धता च द्रुतगतिं गणनाम् अनुमन्त्रयन्ति । अस्मिन् प्रस्तावित-अल्गोरिदमस्य तथा त्रि-आयामिक-संवेदकस्य उपयोगेन रोबोट-कस्मैचित्-सङ्घटन-प्रणाली प्रदर्शिता। |
5df318e4aac5313124571ecc7e186cba9e84a264 | अधिकृत-मोबाइल-अनुप्रयोग-बाजारानां मध्ये पुनः पुनः दुर्भावनापूर्ण-सङ्ख्यायाः प्रवेशः अन्त-उपयोगकर्तृणां वैयक्तिक-संवेदनशील-सूचनायाः गोपनीयता-संरक्षणं प्रति उच्च-सुरक्षा-धमकेषु वर्तते । अन्ते प्रयोक्तृयन्त्रानां संरक्षणं प्रतिपक्षीयानां अनुप्रयोगानां प्रभावेण विद्यापीठानां उद्योगानां च सुरक्षाविदानां अभियन्ताणां च कृते एकं तकनीकी-अनुसन्धानात्मकं च चुनौती अस्ति । एप मार्क् ट् कृत् वा सुरक्षाप्रथाः विश्लेषणानि च प्रयुक्तानि सन्ति, तथापि मालवेरः सुरक्षाप्रणालीं विसर्जयित्वा उपयोक्तृयन्त्रं संसर्जयति। दुर्भावनायुक्तसम्बन्धिनां विकासः एवम् अभवत् यत् ते सुसंस्कृतं, गतिशीलतया परिवर्तनीयम् च साफ्टवेयरम् अभवत्, यत् प्रायः वैधप्रयोगाणां रूपे प्रच्छन्नं भवति। अतिप्रगतानां विकृतप्रणालीनां प्रयोगः यथा- एन्क्रिप्टेड कोड्, ओफ्फस्केशन्, डायनामिक् कोड् अद्यतनम् इत्यादयः नवीन-माल् वेर-सम्बद्धाः सामान्यप्रथाः सन्ति । गतिशीलसंहिता अद्यतनानां उपेक्षायाम् उपयोगेन, एकः दुर्भावनायुक्तः अनुप्रयोगः विश्लेषणपरीक्षणं न करोति, तथा उपयोगकर्तायन्त्रे स्थापिते एव तस्य दुर्भावनायुक्तः कार्यशीलता प्रकटयति। अस्मिन् विषये अण्ड्रॉइड-आप्लिकेशनस् मध्ये गतिशील-कोड-अद्यतनानां उपयोगं, उपयोग-प्रकारं च विस्तृतं अध्ययनं भवति । अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विष अस् माकं वास्तविक-विश्वस्य अनुप्रयोगानां परीक्षणे प्राप्ताः परिणामः StaDART-प्रयोजनायाः प्रभावकारितायाः प्रदर्शनं करोति। तथापि, सामान्यतया गतिशीलविश्लेषणं, तथा संकरविश्लेषणमपि, अनुप्रयोगस्य व्यवहारस्य उत्तेजनाय समस्यां जनयति, यानि स्वयमेव विश्लेषणसामग्रीनां कृते न तुल्यम् आव्हानं भवति । अस्मिन् प्रयोजनम्, वयं एकं अनुवर्ती स्लासिन्ग-आधारितं लक्ष्यीकृतं अन्तः-सम्पन्नोन् कोड-पथ-कार्याकरण-प्रणालीम्, टी.इ.आइ.सी.सी. प्रस्तापयामः । TeICC इत्यनेन अनुप्रयोगस्य लक्ष्यबिन्दुतः आरभ्य कूटस्य पथस्य निष्कर्षणं कर्तुं एकं पश्चाद् विच्छेदनविधिः प्रयुक्तः अस्ति । इयं प्रणाली निर्भरता रेखाचित्रस्य उपयोगं करोति, येन अन्तः-सञ्चालकसंचारं युक्तं कोड् पथं निष्कर्षयति । अप्राप्य कूटपद्धतिं तत्पश्चात् उपकरणयुक्तं कृत्वा अनुप्रयोगाः परिदृश्यं कृत्वा संवेदनशील गतिशील व्यवहारं, गतिशील कूटस्य अद्यतनं, तथा अस्पष्टीकरणं च कारयन्ति । अस् माकं TeICC-प्रकरणस्य मूल्यांकनं दर्शयति यत् अस्य उपयोगं लक्ष्यीकृतं अन्तः-सम्पन् नसंहिता-मार्गं निर्वाहयितुं अन्धकारयुक्तं Android-अनुप्रयोगेषु क्रियते। अपि च, अद्यापि प्रतिपक्षीयोपयोगकर्तृकेषु उपयोजकस्य उपलभ्यमानस्य सम्भावनस्य बहिर्निषेधः न भवति, अस्मिन् प्रपञ्चस्य अन्तर्भागे एपीआई-हूक-इदं प्रस्तावयामि |
5ed4b57999d2a6c28c66341179e2888c9ca96a25 | अस्मिन् लेखे, वयं जटिलविश्वेषु कार्यम् कर्तुम् सिध्यन्ति एजेन्ट्स् विकासयितुं प्रयतमानः अस्मः । अस्मिन् विषये सम्भाव्यतापरक-संबन्धपरक-योजनायाः नियमस्य प्रतिपादनाय कार्यम् क्रियते, येन शोरयुक्ताः अनिश्चितप्रवृत्तयः प्रभावं प्राप्नुवन्ति, एवं च एतादृशानां नियमानां प्रभावकारितायाः अध्ययनं कर्तुं शक्यते। साध्या योजनाक्षेत्रेषु प्रयोगाः कृत्वा यथार्थवादी भौतिकविद्यायुक्तं त्रि-आयामिकं अनुकरणं कृत्वा, वयं प्रदर्शयमहे यत् इदं शिक्षण-अल्गोरिथ्म् अभिकर्त्याः विश्व-आकारं प्रभावपूर्णं रूपेण प्रतिपादयितुं अनुमन्त्रयति। |
55c769b5829ca88ba940e0050497f4956c233445 | दृश्य ओडोमेट्रियायाः विस्तारः आरजीबी-डी कैमरायाः अथवा कैमरायाः लिडारस् य गहनतायाः सूचनायाः सह संभवति । तथापि, इदृशम् गहनम् सूचनां सेन्सरैः सीमितं कर्तुं शक्यते, यस्मात् दृश्यप्रतिमायां विशालानि क्षेत्रानि अवशिष्यन्ते यत्र गहनता अनुपलब्धः भवति । अत्र वयं कैमरायाः गतिः पुनर्प्राप्तुं, यद्यपि कमः, तथापि गहनतायाः उपयोगं कर्तुं एकं पद्धतौ प्रस्तावयामि। अपि च, पूर्वमेव अनुमानं कृतम् चलनम्, तथा च दृश्यविशेषणानि यानि गहनानि न सन्ति, तेषां प्रयोगं गहनतया संरचनायाः आधारात् क्रियते । अतः अस्य पद्धतिः आर.जी.बी.डी. दृश्यात्मक-ओडोमेट्रियायाः विस्तारं कर्तुं समर्थः अस्ति, यत्र व्यापक-मात्रायाः, खुलाः परिवेशः, यत्र प्रायः गहनतायाः पर्याप्ततया प्राप्तिः न भवति। अस्मिन् पद्धतिरेव मूलतः एकं बण्डल-समायोजन-चरणं भवति, यस्मिन् समानांतरं प्रतिमाणां क्रमेण प्रसंस्करणं कृत्वा गति-अनुमानानि परिष्कृतानि भवन्ति, एकस्मिन् बैच-अनुकूलने। अस्मिन् पद्धतिः त्रिषु संवेदकसंयोजनयोः प्रयोगः कृतः, एकः आरजीबी-डी-कैमरायाः प्रयोगः, द्वयोः प्रयोगे च कैमरायाः त्रि-आयामिक-लिडारस्य संयोजनम्। अस्मिन् पद्धतिः किट्टि-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इन्-इ परिणामेण औसतस्थानत्रयस्य 1.14% भागः भवति। |
0c668ee24d58ecca165f788d40765e79ed615471 | |
9cccd211c9208f790d71fa5b3499d8f827744aa0 | शैक्षिक-तथ्यादि-अभिनयनस्य माध्यमात् विविधाः शैक्षिक-उन्मुखः समस्याः हलन्ते, यानि च डाटा-अभिनयनस्य सर्वाधिक-प्रचलितानि अनुप्रयोगानि सन्ति । अस्मिन् लेखे एकं महत्त्वपूर्णं लक्ष्यम् ई.डी.एम.विषये नवीनतमकार्यस्य अध्ययनं, तेषां गुणानां दोषानां च विश्लेषणम् च अस्ति । अस्मिन् लेखे सर्वेषु लेखानां विषये प्रयुक्ताः विभिन्नानि डाटा माइन्न्ग प्रथाः, तन्त्रानि च, तेषां संचयी परिणामानि अपि प्रकाशयन्ति, अतः ई.डी.एम. विषये भविष्यात् दिशां प्रति शोधकर्तॄणां विचारं कर्तुम् शक्नुवन्ति । एतदतिरिक्तं भविष्यत्कालस्य शोधानां कृते अधिकं विश्वसनीयं एल्गोरिदमं अवलोकयितुं विशिष्टं वर्गीकरणं क्लस्टरिंगं च एल्गोरिदमं मूल्याङ्कनं कर्तुं प्रयोगः कृतः। |
197a7fc2f8d57d93727b348851b59b34ce990afd | एसआरआईएलएमः सी++ ग्रन्थालयेषु, निष्पादितप्रोग्राम् च सहायकस्क्रिप्टेषु सम्मिलितः अस्ति, येन भाषणस्य अनुज्ञायाः तथा अन्यप्रयोगानां सांख्यिकीयभाषायाः मॉडलानां उत्पादनं तथा प्रयोगं च कर्तुं शक्यते। एसआरआईएलएम-प्रकरणं विना-व्यापारिकं प्रयोजनं मुक्तं भवति । अयं उपकरणसङ्ग्रहो एन-ग्राम-सांख्यिकीयान् आधारयित्वा विविधप्रकारस् य भाषा-मॉडलानां निर्माणं च मूल्यांकनं समर्थयति, तथैव अनेके संबंधितकार्यक्रमाः, यथा एन-सर्वोत्तमसूचीनां तथा शब्दजालानां सांख्यिकीय-ट्यागिङ्गं च प्रयोगः। अस्मिन् लेखे उपकरणसमुच्चयस्य कार्यक्षमतायाः सारांशः कृतः, तत्प्रयोजनं च चर्चा कृतः, तत्प्रयोजनस्य सुलभता, पुनः प्रयोज्य, उपकरणानां संयोज्य च प्रकाशितः। |
12f661171799cbd899e1ff4ae0a7e2170c3d547b | साङ्ख्यिकी भाषायाः प्रतिमानानि भाषणस्य अभिज्ञानस्य च अन्यभाषायाः प्रविधिनां प्रयोजनार्थं विविधप्रकृतिभाषायाः घटनायाः वितरणं अनुमानयन्ति । १९८० तमे वर्षे प्रथमं महत्वपूर्णं प्रतिमानं प्रस्तावितम्, अतः अद्यतनं प्रतिमानं सुधारेण अनेके प्रयत्नः कृतवन्तः । अस् माभिः तेषां समीक्षा कृतम् , कियत् आशाजनकानि दिशि निर्दिशति, तथैव भाषाविज्ञानस्य सिद्धान्तानां तथ्यानां सह एकीकरणं करणीयं यत् बेयसनियम् दृष्टिकोणं भवेत् । |
395f4b41578c3ff5139ddcf9e90eb60801b50394 | CMU सांख्यिकीय भाषा मॉडलिंग उपकरणसंचयः २००५ तमे वर्षे पुनः आरब्धः येन बिग्राम-त्रिग्राम भाषा-आदर्शानां निर्माणं च परीक्षणं सुगमं भवेत् । इदानीं अस्य प्रयोगः २०० देशेषु अधिकं शैक्षणिक-सरकार-औद्योगिक-प्रयोगशालासु भवति । अस्मिन् लेखे उपकरणसंचयाः नूतनं संस्करणं प्रस्तुतं वर्तते । |
0b8f4edf1a7b4d19d47d419f41cde432b9708ab7 | अस्मिन् लेखे सिलिकन्-पूर्णे एकीकृतवेवगाइडस्य निर्माणस्य कृते प्रविधिः प्रस्तूयते, येन न्यून-हानि-उच्च-प्रदर्शनयुक्तं मिलिमीटर-वेव-प्रतिकूलकं घटकम् तथा उच्च-लाभयुक्तं एरे-एन्टेनम् निर्मातुं शक्यते, येन उच्च-एकत्रापितं मिलिमीटर-वेव-प्रणालीः निर्मातुं सुलभं भवति। प्रयुक्ते प्रविधिना अल्युमिनियमधातुकरणस्य चरणैः सह गहन-प्रतिक्रिया-आयन-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथु-अथ १०५ गीगाहर्ट्स्- रे रे रेणुक- वेवगाइडस् मध्ये मापनं निष्पादितम्, तत्र १०५ गीगाहर्ट्स्- रेणुक- वेवगाइडस् मध्ये ०.१५ डीबी/ एलजी- र्- क्षयः दृश्यते । अतिविस्तारं बान्धवं सह-पटलिकं वेव-गाइडं परिवर्तयन्तीनां वर्णनम् च कृतम् अस्ति, यत्र १०५ गीगाहर्ट्स्-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येय-संख्येयसंख्येयसंख्येयसंख्येयसंख्येयसंख्येयसंख्येयसंख्येयसंख्येयसंख्येयसंख्येयसंख्येयसंख्येयसंख्येय २३ गीगाहर्जः व्याप्तौ ८२ डिग्रीसेट्स् एव रेणुकस्य दिशां कर्तुं क्षमते, ९६ गीगाहर्जः व्याप्तौ ८५ डिग्रीसेट्स् एव अर्धशक्तिरेणुकस्य व्याप्तिः भवति इति रेणुकस्य रेणुकस्य स्कन्निंगस्य, एकीकरणस्य, तथा मापनस्य प्रदर्शनस्य विवरणम् अत्र प्रदत्तम् अस्ति । अथातः, न्यून-मूल्यस्य मिमी-लहरीय-प्रणाली-स्तरस्य एकीकरणस्य सुविधायाः कृते अस्य प्रविधिः समर्थः इति प्रदर्शयितुं, इमेजिङ्ग राडार-अनुप्रयोगानां कृते आवृत्ति-संयोजितं सतत-लहरीय-प्रसारण-प्राप्तिकर्मक-इ.सी. (FMCW) फ्लिप-चिप-रूपेण प्रत्यक्षं एकीकृत-सूत्रे आरोहितं प्रायोगिक-वर्णनं च कृतम् । |
31864e13a9b3473ebb07b4f991f0ae3363517244 | अयं लेखः कप्-प्रत्यक्षाय कम्प्युटरेटिभ्-आधारेण कार्यस्य वर्णनं करोति । इदम् उपयोजनस्य सफलतायाः कारणम् अस्ति किमर्थम् एकं व्यापकम् लक्ष्यसङ्ख्यायाः परिभाषया कप्सरूपेण गणना क्रियते इति । इमे लक्ष्येषु पर्याप्ततया परिशुद्धतायाः आवश्यकता अस्ति यत् डिटेक्टरस्य अपेक्षितव्यवहारं परिसीमं कृत्वा समाधानस्य रूपं प्रति न्यूनतमं अनुमानं कुर्यात् । अस्मिन् वर्गस्य कक्षेषु अवलोकनं स्थानिकरणं च निर्दिष्टं भवति, तथा च एतेषां मापदण्डानां गणितीयरूपं प्रचालकस्य आवेगप्रतिक्रियायाः कार्यकारणत्वेन प्रदत्तम् । एकं तृतीयं मापदण्डं योजयित्वा, एकं कणस्य प्रति एकमेव उत्तरं प्राप्तुं सुनिश्चितं भवति । अस्मिन् विशेषाङ्के संख्यात्मकं अनुकूलनम् क्रियते, येन अनेकेषु सामान्यप्रतिमासु, यथा चरण-अङ्केषु, डिटेक्टरः प्राप्तुं शक्यते। अस्मिन् विषये विशेषविश्लेषणं कृत्वा, अस्मिन् विषये अवलोकनं स्थानिककरणं च प्राधान्येन कृतम् । अस्मिन् सिद्धे एकं एकं परिचालकं रूपं प्राप्नोति, यः कस्यचित् अपि स्तरस्य कृते उत्तमः भवति । इष्टतमं डिटेक्टरं सरलम् अनुमानम् अस्ति, यत्र गॉसियन-स्मूथ्ड इमेजेस् मध्ये ग्रैडियन्ट्-महामात्रायां कर्णेषु अधिकतमं चिह्नं भवति । अस्मिन् सरलसंवेदने अनेकेषु विस्तारेषु संचालकानाम् उपयोगेन इमेजस्य भिन्न-भिन्नं सिग्नल-ध्वनि-सम्बन्धं कर्तुं वयं विस्तारं कुर्मः। अस्मिन् विषये, विभिन्नि स्केलानां प्रचालकानां सूचनायाः सूक्ष्म-अथवा कच्चित्त्-संयोगे, सामान्यविधिः प्रस्तूयते, यं विभिन्नि स्केलानां प्रचालकानां सूक्ष्म-अथवा कच्चित्त्-संयोगे कथ्यते। अथातः परं वयं दर्शयति स्म यत्, चरण-अङ्केषु डिटेक्टरस्य कार्यसम्पादनं लक्षणीयतया वर्धते यदा परिचालक-बिन्दु-प्रसारण-कार्यस्य विस्तारः अङ्केषु भवति । |
b41c45b2ca0c38a4514f0779395ebdf3d34cecc0 | |
7e19f7a82528fa79349f1fc61c7f0d35a9ad3a5e | मुखं जटिलं बहुआयामिकं, अर्थपूर्णं दृश्यं उत्तेजकम् एव प्रतिपादयति तथा मुखं विज्ञातुं कम्प्युटरेशनल-मॉडलस्य विकासः कठिना भवति [४२] । अस्मिन् विषये अन्यैः पद्धतैः सह तुलनायां हिम्ब्राइड् न्युरल नेटवर्कस् य समाधानम् प्रस्तुतम् अस्ति । अस्य प्रणालीयाः अन्तर्गतम् स्थानीय-चित्र-नमुनाकरणम्, स्व-संयोजक-चित्र-नवसंजालम्, तथा च संवृत-नवसंजालम् अस्ति । स्व-संयोजक-नक्शेन प्रतिमा-नमुनाः स्थूल-स्थान-स्थाने परिमाण-संयोजनं भवति, यत्र मूल-स्थान-स्थाने नर्व्-स्थानि आगतानि अपि निर्गत-स्थान-स्थाने समीपे विद्यन्ते, येन प्रतिमा-नमुनायां अल्प-परिवर्तनानां परिमाण-अवस्था च भवति, तथा च संवृत-निरपेक्ष-संजाल-स्थाने अनुवादे, परिवर्तन-मापने, विकृति-रूपे च अंश-अवस्था च भवति । संवृत-जाल-कार्यम् क्रमेण बृहत्-विशेषणं स्तराणां श्रेणीबद्ध-सङ्ख्यायां निष्कासितं करोति । अस्मिन् प्रतिपादितायां कार्तुनेन-लोवे-परिवर्तनं स्व-संयोजक-चित्रस्य स्थानं, तथा च बहु-स्तरिक-प्रतिबिम्बं संवर्तन-जालस्य स्थानं च उपयुज्यन्ते । कारुनेन-लोवे-परिवर्तनं अपि प्रायः उत्तमः (५.३% त्रुटिः ३.८% विरुद्धम्) । बहु-स्तरयुक्तः पार्थिवाकारः अतिदुर्लभः (३.८% विरुद्धम् ४०% त्रुटिः) । अथ पद्धतिः शीघ्रं वर्गीकरणं कर्तुं समर्थः अस्ति, शीघ्रं, अनुमानात्मकं सामान्यीकरणं च पूर्वप्रक्रिया च अपेक्षते, एवं स्वयमेव मुखं (इगेन्फेसेस) इति पद्धतिः [४२]पेक्षा तु उत्तम वर्गीकरणं प्रदर्शनं करोति, यतोहि प्रशिक्षण-सूत्रे प्रतिव्यक्ति प्रतिमाणां संख्या १-५ एव भवति । प्रतिव्यक्तिः ५ प्रतिमायां प्रस्तावितविधिः स्वयमेव पृष्ठेषु अनुक्रमे ३.८% तथा १०.५% त्रुटिः भवति । अनुज्ञाकारः तस्य निष्कर्षेण विश्वासं ददाति, एवं वर्गीकरणत्रुटिः शून्यम् एव भवति यदा 10% उदाहरणानि एव निरस्तानि भवन्ति। अस्मिन् ४० व्यक्तेः ४०० चित्राणां डाटाबेसः अस्ति, येषु व्यक्तेः, मुद्रायाः, मुखस्य च विवरणानां विषये बहवः भिन्नताः सन्ति। अस्मिन् विषये कम्प्युटेरियन् जटिलतायाः विश्लेषणं कृत्वा, प्रशिक्षित-पहचानकर्तृषु नूतनानि वर्गानि कियत् प्रकारेण योजयितुं शक्यते इति चर्चां कुर्मः। |
5dd9dc47c4acc9ea3e597751194db52119398ac6 | शिफ्ट रजिस्टर् इत्यस्य प्रकारः अनुक्रमिक तर्किकः सर्किटः अस्ति, यं मुख्यतः डिजिटल डाटाः भण्डारणार्थं अथवा प्रणालीयाः सुरक्षायाः वर्धनाय रेडियो फ्रिक्वेन्सी आइडेंटिफिकेशन (आरएफआईडी) अनुप्रयोगाः मध्ये द्विव्रीहिसंख्यायाः रूपे डाटाः प्रेषणार्थं प्रयुक्तं भवति । अस्मिन् लेखे एकं विद्युत्-कुशलयुक्तं शिफ्ट-रेजिस्टर् नवीनं फ्लिप-फ्लोप-प्रणालीम् अव्यक्त-पल्स्-ट्रिगर-संरचनाम् उपलभ्यते । प्रस्तावितस्य फ्लिप्-फ्लोपस्य उच्चप्रदर्शनस्य न्यूनशक्तिकस्य च विशेषताः सन्ति । अस्य अन्तर्गतः एकः नमूनाकरणप्रचण्डः अस्ति, यत्र पञ्च-ट्रान्जिस्टर्-अन्तर्गतः एकः सी-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर्-अन्तर् चतुर्भिः क्रौचयुक्ताः ट्रान्जिस्टर्-प्रणालीभिः सह एकस्मिन् स्थानान्तरण-स्थिति-प्रणालीयाः प्रयोगेण गतिः वर्धते । अनुकरणपरिणामः पुष्टिं करोति यत् प्रस्तावितस्य स्थूलसूत्रस्य विद्युत् उपभोगः क्रमशः २२ μm2 चिप् क्षेत्रस्य समानांतर-समानांतर-बाह्य (PIPO) तथा क्रमाङ्गीय-क्रमाङ्गीय-बाह्य (SISO) शिफ्ट रेजिस्टर्स् कृते ३०.९७७ तथा २२.७०७१ nW इत्यनेन न्यूनः अस्ति । अस्य समग्रं रचनायां केवलं १६ ट्रांजिस्टर्-संयोजनेषु विद्यमानम् अस्ति । |
d76beb59a23c01c9bec1940c4cec1ca26e00480a | वायुसेना अनुसंधान प्रयोगशाला द्वौ मस्तिष्क-कम्प्युटर अन्तर्भागाः (बीसीआई) प्रवर्तयित्वा च मूल्यांकनं कृतवन्तः ये स्थिर-राज्यस्य दृश्य-उत्प्रेषित-प्रतिक्रियायाः भौतिक-उपकरणस्य अथवा कम्प्युटर-प्रोग्राम्म् अभिनिर्माणस्य कृते नियंत्रण-संकेतरूपेण अनुवादयन्ति । एकस्मिन् प्रवृत्तौ, कार्यकर्तृभिः मस्तिष्कप्रतिक्रिया स्व-नियन्त्रिते भवति; अन्यत्र बहु-उत्प्रेषित-प्रतिक्रियाः प्रयुक्ताः भवन्ति । |
8a65dc637d39c14323dccd5cbcc08eed2553880e | दक्षिण अफ्रिकायाः जिलाप्रबन्धे स्वास्थ्यसूचनाप्रणालीनां विकासार्थं कार्यशोधप्रकल्पस्य प्रारम्भिककालस्य (१९९४-२००१) वर्णनम् अत्र कृतम् । दक्षिण अफ्रिकायाः स्वास्थ्यसेवायाः पुनर्निर्माणं, स्वास्थ्यसेवायाः वितरणं समतायाः प्रयत्नाः, स्वास्थ्यक्षेत्रेषु अवलम्बितम् विकेन्द्रीकृतं संरचनायाः निर्माणं च। सूचनाप्रणालीनां विकासस्य दृष्ट्या, अस्मिन् सुधारप्रक्रमे स्वास्थ्यस्य तथ्यानां मानकीकरणं भवति, येन सूचनाप्रणालीनां स्थानिकनियन्त्रणस्य वर्धनाय सूचनाप्रबन्धस्य एकीकरणस्य च माध्यमात् नूतनस्य दक्षिण अफ्रिकेन लक्ष्यं प्रतिपादयति। अस्मिन् कार्यक्रमे कार्यशोधने अस्माकं दृष्टिकोणं वर्णयितव्यम्, तथा प्रकरणसामग्रीनां विश्लेषणार्थं अभिनेता-जालस्य तथा संरचना-सिद्धान्तानां अवधारणायाः उपयोगः क्रियते। अस्मिन् प्रदत्ते IS विकासप्रक्रमे सविस्तरवर्णने च विश्लेषणे, वयं मानकीकरणं स्थानिकविनाशित्वं च समतोलस्य आवश्यकतायाः विषये केन्द्रितवन्तः; अतः मानकीकरणं विविध-अभिनेताणां समूहस्य अधः-उपसङ्गतत्वे दृष्टम् अस्ति । सूचनाप्रणालीनां सामाजिकप्रणालीनाम् आदर्शस्य आधारेण, वयं सूचनाप्रणालीनां रचनायोजनायाः विकासं तथा उपयोगं प्रक्रियायाः संवर्धनं इति अवगच्छमः, यस्मिन् ये कर्ता स्वेच्छायाः अनुवादं कुर्वन्ति, तेषां हितानां समन्वयनं कुर्वन्ति च। वयं वैश्विक-स्थानीय-तदन्तराणां एकं मॉड्यूलर-उपक्रमं विकासयितवन्तः, येन मानकीकरण-स्थानीयकरणयोः मध्ये स्थितं तनावं सम्यक् सम्यक् सम्यक् सम्यक् सम्यक् सम्यक् च सम्यक् सम्यक् च सम्यक् सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक् च सम्यक्। अन्वयः - अस्मिन् विषये अन्यदेशानां कृते अपि शोधनपरिणामाणां सम्भावित प्रासंगिकतायाः चर्चा भवति । |
600434c6255c160b53ad26912c1c0b96f0d48ce6 | रान्डाम् फरेस् (Random Forest) इति कम्प्युटेरियल् रूपेण कुशलः प्रविधिः अस्ति, यः विशालैः डाटासेटैः सह शीघ्रं कार्यम् कर्तुं शक्नोति । अस्य प्रयोगः अनेकेषु अन्वेषणप्रयोजनासु तथा विभिन्नक्षेत्रेषु वास्तविक-विश्वस्य अनुप्रयोगेषु अपि कृतः अस्ति । तथापि, अनियमित वनस्य रचनाय कति वृक्षाः प्रयुक्ताः भवितव्या इति विषये संबंधितं साहित्यं प्रायः किमपि निर्देशं न ददाति। अत्र प्रतिपादितं शोधं विश्लेषणं करोति यत् किमर्थं रान्दम् वनस्य अन्तर्गतम् उत्तम संख्यायाः वृक्षान् अस्ति, अर्थात्, एकं सीमां, यस्मिन् वृक्षानां संख्यायाः वृद्धिः कार्यसम्पादनस्य महत् लाभं न ददाति, केवलं गणनाय लागतस्य वृद्धिः भवति। अस्मिन् विषये अस्मिन् लेखे मुख्यानि निष्कर्षानि सन्ति - वृक्षाणां संख्यायाः वृद्धिः न सर्वदा वनस्य प्रदर्शनं पूर्ववर्ती वनानां (कमवृक्षानां) अपेक्षायाः अधिकं भवति इति सूचितं करोति, वृक्षानां संख्यायाः द्विगुणं करणं अनर्थकं भवति च। अपि च, एतद् वक्तुं शक्यते यत् एकं सीमा अस्ति, यस्मिन् परे महत् लाभः न भवति, यदि विशालः कम्प्युटरेशनल-परिसरः उपलब्धः न भवेत् । अपि च, प्रयोगात् एव एयूसी लाभस्य सम्बन्धः प्राप्नोति यदा किञ्चित् वनस्थले वृक्षाणां संख्या द्विगुणी भवति। अपि च वृक्षानां संख्या वर्धते, अतः पूर्णं गुणसंख्यकं रँडम फॉरेस् अन्तर्गतं प्रयुज्यते, यस्मात् जीवचिकित्साक्षेत्रे रुचिः न भवेत् । अत्र प्रस्तूयते यत् डाटासेटस् (डेटासेटस्) -संख्येय-आधारित-मेट्रिक्सः निर्णयवृक्षाणां वीसी-आकारस्य केचन पक्षान् प्रतिपादयति, तथा च लो-डेंसिटी डाटासेटस् इत्यस्य कृते बृहत्-संज्ञकानां यन्त्रानाम् आवश्यकता भवितुम् अर्हति, यद्यपि विपरीतम् अपि सत्यम् दृश्यते । |
4cbadc5f4afe9ac178fd14a6875ef1956a528313 | गतवर्षेषु प्रविधिः प्रगतिः कृतः, येन लघुसंवेदकेन्द्रयोः अनवरतसंचारः सम्भविष्यति। एतद् प्राप्ते एव IP-सक्षमस्य वायर्डस् सेन्सर-नेटवर्क् (IP-WSNs) इत्यस्य सुरक्षायाः प्रश्नः उद्भवत्, सः च इदानीं एकं महत्त्वपूर्णं शोधविषयम् अभवत् । अस्मिन् कार्यक्रमे, कण्टिकि प्रचालनप्रणालीयाः पूर्व-साझा कुञ्जी श्लेष्मसूत्रेण (टीएलएस पीएसके विथ एईएस १२८ सीसीएम ८) टीएलएस तथा डीटीएलएस प्रोटोकल्-अस्य कार्यान्वयनं विषये चर्चां कुर्मः। कण्टिकि ओएस-द्वारा समर्थितानां प्रोटोकलानां समूहस्य नवीनं प्रोटोकलम् योजयितुम् अपि, अयं प्रकल्पः अस्मान् इदम् अवलोकयितुम् अनुमन्त्रयति यत् आय.पी.-डब्लू.एस.एन. कृते परिवहन-स्तरस्य सुरक्षायाः पूर्व-साझा कुञ्जीप्रबन्धनस्य योजनायाः कति उपयुक्तानि सन्ति । |
0ab99aa04e3a8340a7552355fb547374a5604b24 | अनेकेषु निदानकार्यक्रमेषु अपरंपराणां परिचयः, समयानन्तरं मापनं च परिमाणं च कर्तुम् प्रारम्भिकः शोधप्रक्रिया अपेक्षते । कम्प्युटरयुक्ताः उपकरणानि, विशेषतया चित्रविश्लेषणं यन्त्रशिक्षणञ्च, रोगनिदानस्य सुधारेण, उपचारस्य आवश्यकतायाः निदानस्य सुगमकरणं तथा विशेषज्ञस्य कार्यप्रवाहे सहयोगं च कर्तुं महत्वपूर्णानि सन्ति। एतेषु साधनानां मध्ये गहनशिक्षणम् अतिशीघ्रं अत्याधुनिकं आधारं सिद्धयति, यस्मात् अधिकं परिशुद्धता भवति। तथैव डाटा विश्लेषणस्य नवीनं क्षेत्रं अपि उद्भवति, यत् पूर्वं अभूतपूर्वं आसीत् । D ईईपी-शिक्षणम् सामान्यं डाटा विश्लेषणस्य वर्धमानः प्रवृत्तिः अस्ति, तथा च २०१३ तमे वर्षे दश प्रवर्तक-प्रौद्योगिकानां मध्ये एकः इति ख्यातः अस्ति । गहनशिक्षणम् कृत्रिम-संयन्त्रस्य उन्नतिः अस्ति, यस्मिन् अधिक-स्तरः अस्ति, येन उच्चतर-स्तरस्य अमूर्ततायाः अनुमतिः भवति, तथैव डाटा-सम्बद्धः पूर्वानुमानः अपि वर्धते । अद्यतः सामान्य इमेजिन्ग-आणि कम्प्युटर-विजन-क्षेत्रेषु यन्त्र-शिक्षणस्य अग्रणी साधनम् अभवत् । विशेषतया, कम्प्युटरदृष्टिप्रक्रियायां बहुविधानां कार्याणां कृते कन्वल्युशनल न्यूरल नेटवर्क (CNN) इत्यस्य प्रभावः प्रतीयते। गहन सी.एन.एन.स् स्वयमेव कच्चेषु डाटासु (उदाहरणार्थः चित्राणि) प्राप्तेषु मध्यम-स्तर-उच्च-स्तरस्य अमूर्तानि सिध्यति । ननु च सन्निधौ इत्यनेन सन्निधौ इत्यस्य सन्निधौ इत्यस्य सन्निधौ इत्यस्य च सन्निधौ इत्यस्य च सन्निधौ इत्यस्य च सन्निधौ इत्यस्य च सन्निधौ इत्यस्य च सन्निधौ इत्यस्य च सन्निधौ इत्यस्य च सन्निधौ इत्यस्य च सन्निधौ इत्यस्य च सन्निधौ इत्यस्य च सन्निधौ इत्यस्य च सन्निधौ इत्यस्य च। संसारस्य सर्वत्र चिकित्साप्रतिमाविश्लेषणसमूहः शीघ्रमेव क्षेत्रं प्रविश्य सी.एन.एन.स् तथा अन्यः गहनशिक्षणविधिः विविधप्रयोजनानां कृते उपयुज्यते। आशाजनकानि परिणामानि उद्भवन्ति। चिकित्साप्रतिमायां रोगस्य निदानं च/अथवा मूल्यांकनं च चित्रग्रहणस्य चित्रव्याख्यानाञ्चैव निर्भरम् अस्ति । अलिकवर्षेषु इमेज-अधिग्रहणं सुदृढं अभवत्, यन्त्रैः अधिकतरं डेटा प्राप्तं भवति, तस्मात् तस्मिन् अधिकतरं रिजोल्युशनं च लभ्यते । किन्तु कम्प्युटरप्रौद्योगिकेन प्रतिमायाः व्याख्यायाः प्रक्रियायाः लाभः न अद्यतः प्राप्तः। चिकित्साप्रतिमाणां बहुसंख्यकव्याख्यानां चिकित्सकाः कुर्वन्ति; तथापि, मानवैः चित्रव्याख्यानां विषयता, व्याख्यानकारयोः मध्ये वृहत् भिन्नता, तथा च थकानम् एव सीमितम् अस्ति । |
5343b6d5c9f3a2c4d9648991162a6cc13c1c5e70 | अनियन्त्रित-चित्रानुवादः, यस्मिन् द्वयोः स्वतन्त्र-चित्रानां समूहानां अनुवादः लक्ष्य्यते, सम्यक्-सूत्रेण डाटायाः विना उचितं प्रतिपाद्यं ज्ञातुं कठिनं भवति । विद्यमानानि कार्यानि जनरेटिव्ह एड्विसरीअल नेटवर्क्स (GANs) इत्यनेन निर्मितानि सन्ति यत् अनुवादितानां चित्रानां वितरणं लक्ष्यसङ्ख्यायाः वितरणं प्रति अदृश्यम् अस्ति । तथापि, एतादृशानां सेट-स्तरस्य प्रतिबन्धानां कृते उदाहरण-स्तरस्य अनुवादे (उदाहरणार्थः वस्तुपरिवर्तनकार्यस्य समन्वितार्थकभागः) । इदम् प्रतिबन्धः प्रायः मिथ्या-सकारात्मकानां परिणामः भवति (उदाहरणार्थः भूमित्रीक-अर्थ-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि-आदि । उपरोक्तविषयेषु विषयेषु विषयेषु, डीप एटेंशन गैन (डीए-गैन) द्वारा उदाहरण-स्तरस्य चित्रानुवादस्य कृते नूतनं रूपं प्रस्तूयते । एतद् अवयवनिर्माणं DA-GAN-संयन्त्रं द्वयोः समुच्चययोः मध्येषु नमुनाः अनुवादयितुं समर्थं करोति, येन उच्च-संरचितं लुप्तस्थानं मध्ये अनुवादयितुं शक्यते । विशेषरूपेण, वयं संयुक्तरूपेण गहनध्यानस्य एन्कोडरं शिक्षितवन्तः, अतः उदाहरण-स्तरस्य अनुवादेषु अवगतायाः उदाहरणानां उपस्थिताय अवगतायाः परिणामतः अवगताः। अतः, अवरोधानां उपयोगं कृतुं शक्यते सेट-स्तरयोः तथा इन्सटान्स्-स्तरयोः अपि । अस्मिन् विषये अद्यतनप्रौद्योगिकानां तुलनायाः परिणामः अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विषये अस्मिन् विष |
f1526054914997591ffdb8cd523bea219ce7a26e | अस्मिन् वर्षे मार्चमासस्य अमेरीकन सांख्यिकीय संघः (एएसए) पी-मूल्यस्य उचितप्रयोगस्य विषये एकं वक्तव्यम् प्रकाशितवान्, येन पी-मूल्यस्य सामान्यतया दुरुपयोगः, दुर्व्याख्याः च वर्धमानः चिन्तायाः उत्तरं दातुं। अस्मिन् विषये अस्मिन् लेखे, अस्मिन् विषये अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये, अस्मिन् विषये। अस्मिन् विषये, अस्मिन् विषये, पी-मूल्यस्य प्रयोगे च, यदि तस्य प्रयोगः च उचितः भवेत् तर्हि, तस्य मर्यादां प्रदर्शयितुं, च अध्ययनस्य निष्कर्षानां क्लिनिकल-सम्बद्धतायाः अधिकं ध्यानं दातुं, अद्य अद्य प्रकाशितेषु द्वयोः अध्ययनानां उदाहरणानि उपयोगं करिष्यामः। अस्मिन् विषये अस्मिन् लेखे, पी-मूल्यं प्रायः दुर्वचनं भवति। सामान्यं मिथ्यापि कथ्यते यत् P < 0.05 इत्यस्य अर्थः अस्ति यत् शून्यप्रत्यासृतं मिथ्या अस्ति, तथा P ≥0.05 इत्यस्य अर्थः अस्ति यत् शून्यप्रत्यासृतं मिथ्या अस्ति। ०.०५-अङ्के P-मूल्यस्य उचितं व्याख्या यदि शून्यकल्पना वास्तवतः सत्यं स्यात् तर्हि समानं वा अधिकं परिणामो ५% समये समानं नमुनेषु पुनः अध्ययनं कृत्वा प्राप्नोति । अन्यत्र, P-मूल्यं शून्यकल्पनायाः आधारात् डाटायाः संभाव्यतां सूचितं करोति न तु अन्यतरस्याम्। पी-मूल्यं सम्बद्धं एकं विकल्पं विश्वास-अवधिः (सीआई) अस्ति । इदम् प्रभावस्य परिमाणं, अनिश्चितता च, येन सः प्रभावः अनुमानितः आसीत्, अधिकं जानकारीं ददाति । तथापि, पी-मूल्यं प्रतिस्थापयितुं, वैज्ञानिकपरिणामानां गलतव्याख्यां रोक्न च कोऽपि जादुः उपायः नास्ति। सांख्यिकीयपरीक्षाणां, पी-मूल्यानां च सार्थक व्याख्यानां विषये वैज्ञानिकैः च वाचकैः अपि स्वयमेव परिचयं कर्त्तव्यम् । |
50ca90bc847694a7a2d9a291f0d903a15e408481 | अस् माभिः मानवानां इन्द्रियाणां चलनं सामान्यीकृतं, बहुविधं डेटा-प्रकरणं यथा गहन-विडियो, स्पष्ट-आकारं तथा भाषणम् च प्रस्तौति। अस्मिन् प्रणालीयां प्रत्येकं सङ्केतम् शरीरस्य विशाल-आन्दोलनम् च स्थानिक-सूक्ष्म-आन्दोलनम् यथा हस्त-संवाहनम् इति विघटितम् अस्ति । बहुविध-स्केल-प्रमाणं शिक्षणं तत्तत्काल-आकारे अपि प्रयुज्यते, येन आचरणं विशिष्ट-आवृत्ति-आवेगानां, अथवा गतिशील-आवृत्ति-आधारानां समूहः इति मन्यते । प्रत्येकं प्रकारं प्रथमं लघु स्थानिक-कालिक-खंडेषु पृथक् पृथक् प्रवर्तते, यत्र भेदभावपूर्णं डेटा-विशिष्टं लक्षणं हस्त-द्वारा निष्कासितं वा शिक्षितम् भवति । अन्ततः, वयं पुनः पुनरावर्ती न्यूरल नेटवर्कम् उपयोगं कुर्मः, वृहत्-आकारस्य काल-निर्भरतायाः, डाटा-संलयनस्य, तथा अन्ततः इन्द्रिय-प्रवृत्ति-वर्गीकरणस्य कृते। अस्मिन् वर्षस्य २०१३-वर्षे बहुविध-आकार-संज्ञा-प्रमाण-सूत्रे (Challenge on Multimodal Gesture Recognition) अस्मिन् प्रयोगे प्रदर्शिताः यत् बहुविध-आकार-संज्ञायाः उपयोगः अनेक-स्थानिक-कालिक-आकारे कार्यसम्पादनस्य महत्त्वपूर्ण-वृद्धिकरणं करोति, येन प्रतिमानम् व्यक्तिगत-वर्गीकरण-संयोजकानां त्रुटानां च, पृथक्-संवाहकानां शोरस्य च निवारणं कर्तुं शक्नोति । |
586d7b215d1174f01a1dc2f6abf6b2eb0f740ab6 | अस्मिन् अधोलिखितेषु विषयेषु, अल्पपरिवर्तनानां विकृतिनां च प्रति अव्ययीभावं दर्शयितुं, अल्पपरिवर्तनानां च प्रति अव्ययीभावं दर्शयितुं, एकं अनियन्त्रित-विधिः प्रस्तूयते। एतस्य परिणामतः बहुव्रीहिः फिल्टर्स् भवति, ततः एकं फीचर-पूलिंग-लेयरम् भवति, यत् समीपस्थ विंडोस् मध्ये प्रत्येकं फिल्टर्स् आउटपुटस्य अधिकतमं गणना करोति, तथा एकं सिग्मोइड् नॉन-लीनेरिटी-बिन्दु-विवेकयुक्तं भवति । द्वितीयस्तरीयस्य अधिकं च अपरिवर्तनीयम् च गुणं प्रथमस्तरीयस्य गुणानां पटचानां समानं एल्गोरिदमं प्रशिक्षणं कृत्वा प्राप्तम् भवति । एतेषां लक्षणानां विषये पर्यवेक्षित वर्गीकरणकर्तृणां प्रशिक्षणं कर्तुं एमएनआईएसटी-प्रकरणस्य ०.६४% त्रुटिः भवति, तथा कल्टेक-प्रकरणस्य १०१-प्रकरणस्य ५४% औसतः अनुज्ञापनीयताः भवति, प्रतिवर्गं ३० प्रशिक्षणस्य नमुनेः उपलभ्यते। यद्यपि परिणामी वास्तुशास्त्रं कन्वल्शनल नेटवर्कस् तु समानम् अस्ति, तथापि स्तर-विवेकयुक्तः अप्रशिक्षित-प्रशिक्षण-प्रक्रियाः अति-परिमाण-निर्धारणस्य समस्यां निवारयति, यानि विशुद्धतः पर्यवेक्षित-शिक्षण-प्रक्रियायाः समस्याः सन्ति, तथा च अति-कतिभिः लेबल-प्रशिक्षण-नमुनाभिः उत्तमं प्रदर्शनं प्राप्नोति । |
80bcfbb1a30149e636ff1a08aeb715dad6dd9285 | अत्र द्वयोः उच्चदक्षतायाः का-बान्द् विद्युतवर्धकानां MMIC-संयन्त्रानां रचना च प्रस्तूयते, येषु 0.15μm GaN HEMT प्रक्रियायाः प्रविधिः प्रयुक्ता अस्ति । त्रि-चरण-समतोल-प्रवर्धकस्य यन्त्र-अन्तर्गत-सङ्कीर्ण-तरङ्ग-परिणामः 11W-पर्यन्तं निर्गत-शक्तीः, 30GHz-रेखायां 30%-परिमाणं विद्युत्-उपयोगिता (PAE) च प्रदर्शयति । त्रि-चरणस्य एक-अन्ताः रचनायाः 6W-अधिकं निर्गतशक्ती च 34% PAE-पर्यन्तं निर्मिता। समतोलयुक्तं च एक-अन्ता MMIC-यन्त्रं क्रमशः 3.24×3.60mm2 तथा 1.74×3.24mm2 इति आकारेण भवति । |
284de726e700a6c52f9f8fb9f3de4d4b0ff778bb | पुनरावर्ती न्युरल नेटवर्क (RNNs) -ः स्वभावेन भाषणस्य अनुज्ञायाम् उपयुक्तः अस्ति यतः तेन गतिशीलतया परिवर्तनीयकालिकी सूचनायाः उपयोगः भवति । गहन आर.एन.एन.संभवात् विभिन्नकाल-अवस्थायां समयावस्थायां सम्बन्धानां प्रतिरूपणं कर्तुं शक्यते, किन्तु विलुप्त-प्रवृत्तेः समस्याः सन्ति। अस्मिन् लेखे, अस्मिन् विषये दीर्घ-लघु-काल-स्मृति (LSTM) आर.एन.एन.स् विस्तारयितुं ग्रिड-एल.एस.टी.एम.ब्लॉक्स् उपयुज्य, न केवलं काल-आकारेण, अपि तु गहन-आकारेण गणनां कर्तुं, अस्मिन् विषये समाधानं प्राप्नुमः। अपि च, वयं समयस्य तुल्यम् अङ्गं गहनतायाः अङ्गं प्राधान्यम् दातुं प्रयतन्ते, येन गहनतायाः अङ्गस्य अद्यतनं सूचनां प्राप्नुयात्, यतः अस्य निष्कर्षणं वर्गीकरणार्थं उपयोगं भवति। अस्मिन् मॉडले प्राधान्येन ग्रिड-एल.एस.टी.एम. (pGLSTM) इति नामकरणम् कृतम् । चत्वारः बृहत् डाटासेटस् (एएमआई, एचकेयूएसटी, गाले, एमजीबी) इत्यस्मिन् व्यापकानि प्रयोगानि सूचयन्ति यत् पीजीएलएसटीएमः अन्यः गहनः एलएसटीएमः मॉडेलः श्रेष्ठः अस्ति, 4%-7% सापेक्षिक-सुधारैः स्टैक्ड एलएसटीएमः श्रेष्ठः अस्ति, तथा च सर्वे डाटासेटस् मध्ये एकदिशात्मक-मॉडेलानां मध्ये नूतनानि मानकाणि प्राप्तानि सन्ति। |