Datasets:

carlfeynman

/

Bharat_NanoSCIDOCS_sa

like 0

2b211f9553ec78ff17fa3ebe16c0a036ef33c54b

मार्को ए. रोद्रिगेस् AT&T Interactive इत्यस्य ग्राफ सिस्टम्स् आर्किटेक् ट् अस् ति । सः मार्कोः मार्कोरड्रिग्जः डट कम-पत्रिकायां पठेत् । पीटर न्युबॉवरः नियो टेक्नोलोजीयाः प्रमुखः कार्यकारी अधिकारी वर्तते। सः peter.neubauer<at>neotechnology.com इत्यनेन सम्पर्कं कर्तुं शक्नोति। ग्राफः बिन्दुभिः (अर्थात् वर्टिक्सः) तथा रेखाभिः (अर्थात् कणैः) युक्तः डाटा संरचना अस्ति। रेखाचित्रस्य बिन्दुषु च जटिलानि व्यवस्थाः सन्ति। ग्राफस्य वस्तुनां च परस्परसम्बन्धानां च प्रतिपादनाय क्षमता आश्चर्यजनकरूपेण बहुसंख्याकानां वस्तुनां ग्राफरूपेण प्रतिरूपणम् अनुमीयते । सफ्टवेयर-पैकटानां सम्बन्धानां आधारं गृहेषु विद्यमानानां काठानां बीमानां कृते, प्रायः किमपि ग्राफिकरूपेण प्रतिपादितम् अस्ति । तथापि, ग्राफरूपेण किञ्चित् प्रतिपादयितुं शक्यते, अतः एव न भवति यत् ग्राफरूपेण तस्य प्रतिपादनाय उपयोगः भविष्यति। यदि एकं प्रतिरूपणकारं बहुविधं उपकरणं तथा एल्गोरिदमं उपयुज्य ग्राफानि संचययितुं प्रसंशयेत् तर्हि एतस्य मानचित्रणस्य उपयोगः भवति । अयं लेखः कम्प्युटिङ्ग्-प्रकरणस्य ग्राफिसम्बन्धेन विषये चर्चां करोति, तथैव ग्राफिकल-मॉडेलस् य उपयोगं दर्शयति।

0c5e3186822a3d10d5377b741f36b6478d0a8667

कृत्रिमबुद्धेः एकं मुख्यं समस्या अस्ति यत्, अनिश्चिततायाः अधीनं आंशिकरूपेण अवलोकनीयम् वातावरणम् भवितव्यम् इनामम् अधिकतमं कर्तुं योजनां कुर्वन्ति । अस्मिन् लेखे वयं नवीनं एल्गोरिदमं प्रस्तौम, यं क्रिया-निरीक्षण-युग्मानां अनुक्रमात् एव एव एव परिवेशस्य प्रतिमानम् अचूकतया शिक्षयति। ततः वयं अवलोकनात् क्रियायाः च चक्रं समापयंमः, यत् पूर्वम् अनुभूतं रूपं योजयित्वा मूलपरिवेशे यथा उत्तमम् एव नीतिः पुनः प्राप्ताः। विशेषरूपेण, भविष्यवाणीप्रतीकस्य (PSR) परिमाणानि शिक्षयितुं एकं कुशलं सांख्यिकीयदृष्ट्या सुसंगतं स्पेक्ट्रल् एल्गोरिदमम् अस्मिन् लेखे प्रस्तूयते । अस्मिन् कार्यक्रमे, वयं उच्च-आयामिक-दृष्टि-आधारित-मोबाइल-रोबोट-योजनाकार्यस्य अनुकरण-मॉडलम् शिक्षितवन्तः, ततः अनुगतायां पी.एस.आर.मध्ये अनुमानात्मक-बिन्दु-आधारित-योजनां कर्तुम् शक्नुमः। अस्मिन् परिणामे विश्लेषणं दर्शयति यत् एल्गोरिदमः एकं राज्यक्षेत्रं विदितवान् यत् पर्यावरणस्य आवश्यकानि विशेषताः कुशलतया प्राप्तुं शक्नोति । इदम् प्रतिपादनेन अल्पसंख्याकानां परिमाणानां सह सटीकं भविष्यवाणीं कर्तुं, सफलम्, कार्यक्षमम् च योजनाम् कर्तुं शक्यते ।

16611312448f5897c7a84e2f590617f4fa3847c4

छिद्यमान-मार्कोव-आदर्शनाः (HMMs) विशिख-काल-श्रृङ्गाणां प्रतिरूपणार्थं सर्वाधिक-मूलभूत-प्रयुक्ताः सांख्यिकीय-सामग्रीः सन्ति । सामान्यतया, ते समुद्र-रच हेरिस्टिक्स (बाउम-वेल्च/ईएम एल्गोरिदम) इत्यनेन शिक्षिताः भवन्ति, यानि सामान्यस्थानीय-उत्तम-प्रश्नेभ्यः पीडिताः भवन्ति । यद्यपि सामान्यतया एतेन मोडलैः मूलभूतप्रसारणस्य नमुनाभिः सह अध्ययनं कर्तुम् कठिनम् अस्ति, तथापि अस्मिन् लेखे प्राकृतिकविभाजनस्य स्थितौ एचएमएम-मण्डलस्य अध्ययनार्थं प्रथमतः (नमुनायाः तथा गणनायाम् जटिलतायाः दृष्ट्या) प्रमाणीकृतः कुशलः एल्गोरिथ्मः प्रदत्तः। इयं स्थितिः मिश्रणप्रसारणं शिक्षयितुं विचार्यमानानां पृथक्करणस्य स्थितिसम्बन्धानां समाना अस्ति (यत्र, समानरूपेण, एतेन मोडलैः सामान्यतया शिक्षणं कठिनम् भवति) । न च चात्र नमुनापूर्णतायाः परिणामः स्पष्टरूपेण विशिष्यते (विशिष्यते) अवलोकनानां सङ्ख्यायाः अवलम्बनं करोति - ते अन्तर्निहिततया HMM-स्य स्पेक्ट्रल गुणानां माध्यमात् अस्मिन् सङ्ख्यायाः अवलम्बनं कुर्वन्ति । अतः अस्य एल्गोरिदमस्य उपयोगः बहुसंख्याकानां अवलोकनानां कृते विशेषः भवति, यथा प्राकृतभाषाप्रक्रियायां यत्र अवलोकनानां स्थानं कदाचित् भाषायाः शब्दानां कृते भवति । अथातः, एल्गोरिदमः विशेषतया सरलः अस्ति, केवलं सिङ्गुला आर-मूल्यविघटनं च मैट्रिक्स-गुणानां च आधारेण।

8ad6fda2d41dd823d2569797c8c7353dad31b371

अस्मिन् एट्रिब्युट्-आधारितं एन्क्रिप्शन् (एबीई) योजना निर्मिता यत् प्रयोक्त्राणां निजी कुञ्जीं एट्रिब्युट्-आधारितं एक्स्स्-फार्मुले व्यक्तं कर्तुं अनुमते। पूर्वम् एबीई योजनाः केवलम् एकरूपी अभिगम संरचनाः प्रतिपादयितुं सीमितानि आसन् । अस्मिन् योजनायाः सुरक्षायाः प्रमाणं दीयते, यस् य आधारः निर्णयात्मक द्विधातुके डिफी-हेल्मन (BDH) उपमानम् अस्ति । अस्मिन् विषये, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च।

4f3dbfec5c67f0fb0602d9c803a391bc2f6ee4c7

२०-जीएचजेड-संवर्गस्य चरण-बन्दः लूपः ४.९ पीएस/सब्-पीपी/०.६५ पीएस/सब्-आरएमएस/जिट्टर्-संवर्गः च १०-एमएचजेड-संवर्गस्य -११३.५ डीबीसी/एचजेड-संवर्गस्य चरण-भ्रमः च अस्ति । अर्ध-कार्य-निरूपित-आहार-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि-अपि- एकं डिझाईन पुनरावृत्तीकरणं कार्यविधिः विवक्षितम् अस्ति यत् एकं ऋणात्मक-जी/उप-एम/अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थ स्थिराङ्गी आवृत्तिविभाजकानि पल्स्ड-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्-लट्- ०.१३-/स्प्ल् म्यु/मि. सी.एम.ओ.एस. इत्यनेन निर्मितस्य चरण-बन्दितस्य लूपस्य परिचालनं १७.६-१९.४ गीगाहर्जपर्यन्तं भवति, तथा ४८० मेगावाट्-मात्राणि विकीर्णं भवति ।

1fcaf7ddcadda724d67684d66856c107375f448b

अस्मिन् लेखे, पाठ्यवर्गीकरणार्थं नवीनं Convolutional Neural Network (CNN) -रूपं प्रस्तूयते, यस्मिन् संयुक्तरूपेण दस्तावेजानां तथा तेषां वाक्यानां लेबलिः उपयुज्यते । विशेषरूपेण, वयं परिदृश्यं विवक्ष्यामः यत्र टिप्पणीकारः स्पष्टरूपेण वाक्यम् (वा अंशं) चिह्नयति यत् तेषां समग्रं दस्तावेजवर्गीकरणं समर्थयति, अर्थात्, ते तर्कसंगतानि प्रदानं कुर्वन्ति । अस्मिन् प्ररूपे, एकं वर्गाकारं दृष्टिकोनम् उपयुज्य एव निरीक्षणं क्रियते, यत्र प्रत्येकं दस्तावेजं तस्य घटकवाक्यस्य वेक्टरप्रदर्शनानां रेखात्मकसंयोगेन प्रतिपादितं भवति । अस्मिन् वाक्ये वाक्य-स्तरस्य एकं अनुवर्तन-आदर्शं प्रस्तूयते यत् यत् वाक्यम् तर्कसंगतम् अस्ति, ततः अस्मिन् अनुमाने प्रत्येकं वाक्यम् समग्र-लेखनात् योगदानं स्केलयति । पञ्चवर्गस्य वर्गीकरणस्य डाटासेटस्य प्रयोगेषु, यानि दस्तावेजस्य लेबलानि, तथैव तर्कसंगतानि प्रमाणानि च सन्ति, अस्मिन् प्रमाणे अस्मिन् पद्धतिरेखायाः प्रदर्शनं दृढं भवति। अपि च अस्मिन् मॉडले स्वभावेन पूर्वानुमानानां स्पष्टीकरणं ददाति।

20b41b2a0d8ee71efd3986b4baeed24eba904350

विकासशीलदेशानां मातृणां अवसादस्य बालानां विकासस्य च सम्बन्धस्य अध्ययनं व्यवस्थितसाहित्यसमीक्षायाम् एवं मेटा-विश्लेषणस्य माध्यमात् कर्तुम्। विधीयमानाः षट् डाटाबेसः विकासशीलदेशानां अध्ययनानां कृते शोधं कृतवन्तः, येषु 2010 पर्यन्तं मातृणां अवसादस्य तथा बालानां विकासस्य विषये अध्ययनानि प्रकाशितानि। मानक- मेटा- विश्लेषणात्मक- पद्धतयः अनुवर्तितवन्तः, अवसादग्रस्तानां माताणां शिशुषु न्यून- भारस्य तथा अवसादनस्य सम्मिश्रित- सम्भावना- अनुपातः सर्वेषां अध्ययनानां च, अध्ययनस्य रचना, मातृ- अवसादस्य प्रदर्शनात् परिणामादिपरिमाणानां च सख्ठीं मापदण्डं पूरयितवन्तः अध्ययनानां उपसङ्ख्यानां च यादृच्छिक- प्रभाव- मॉडेलानि उपयोग्यतया गणनायन् । जनसङ्ख्यायाः कारणं भवितुं शक्यते इति जोखिमः (PAR) चयनितानां अध्ययनानां कृते अनुमानं कृतम् । ११ देशेषु १३,९२३ मातुः शिशुभिः सह सम्बद्धानि १७ अध्ययनेषु सर्वेषु समावेशेन सिद्धानि सिद्धानि। अवसादः अथवा अवसादात्मक लक्षणं वा असि माताः सन्तः अधिकतया कमवजनं (OR: 1. 5; 95% confidence interval, CI: 1. 2- 1. 8) अथवा स्थूलवृद्धी (OR: 1. 4; 95% CI: 1. 2- 1. 7) आसन् । त्रीणि दीर्घकालिकायाः अध्ययनानां उपविश्लेषणं अधिकं प्रभावं दर्शयति - अधः वजनस्य कृते OR 2. 2 (95% CI: 1. 5- 3. 2) तथा stunting- इत्यस्य कृते 2.0 (95% CI: 1. 0- 3. 9) आसीत् । यदि शिशुजनसंख्यायां मातृकस्य अवसादस्य लक्षणं न भवेत् तर्हि २३- २९% न्यूनं संख्यायां बालकाः अध्वरोगाः वा स्थूलवृद्धयः भवितुम् अर्हन्ति इति चयनितानां अध्ययनानां PAR- दशां सूचयत् । मातुः अवसादः बाल्यकालस्य अधः वजनाय तथा वात-अवरोधः च संबन्धितः आसीत् । तन्त्रं च कारणं च ज्ञातुं सख्यं भविष्यत्कल्पेन अध्ययनं आवश्यकम् अस्ति । मातृकस्य अवसादस्य प्रारम्भिकं निदानं, उपचारं, निवारणं च विकासशीलदेशानां बालानां वात्सल्यस्य न्यूनतायाः च समस्यायाः निवारणम् कर्तुं शक्नोति ।

c596f88ccba5b7d5276ac6a9b68972fd7d14d959

वस्तु-इन्टरनेट-संस्थाने वास्तविक-वस्तु-संसारस्य आभासी-संसारस्य सूचना-प्रणालीनां संयोजनं कृत्वा उद्यमोद्योगे समाजस्य च महत्वपूर्णं परिवर्तनं कर्तुं शक्नोति । तथापि, इयं शब्दाः विभिन्नसमुदायेषु बहुप्रचलितः, भिन्नरूपेण च बोध्यः अस्ति, विशेषतया यतो हि IoT एव न किञ्चिद् प्रौद्योगिकी अस्ति, किन्तु विविध-प्रौद्योगिकीय-क्षेत्रेषु विविधेषु - प्रायः नूतन-प्रौद्योगिकीय-क्षेत्रेषु अभिसम्बन्धः अस्ति । सामान्यज्ञानस्य प्राप्तिः वस्तु-इण्टरनेटस्य डोमेन-आदर्शस्य आवश्यकता अस्ति, येन मुख्य-अवधारणाः तेषां सम्बन्धः च परिभाषितः भवेत्, एवं सामान्य-शब्दकोशः, वर्गीकरण-आधारः च भवेत्, अतः वस्तु-इण्टरनेटस्य वैज्ञानिक-उपदेशस्य विकासस्य आधारः भवेत् । यथा वयं दर्शयिष्यामः, एतस्य डोमेनस्य मॉडलः कंक्रीटस्य IoT प्रणालीयाः वास्तुकलायाः डिजाइने अपि उपयोगीः भवति, यतः सः एकं टेम्प्लेटं प्रदत्तवान् अस्ति, अतः उपयोगाः प्रकरणेषु विश्लेषणं संरचितं करोति।

5a9f4dc3e5d7c70d58c9512d7193d079c3331273

अस् माभिः गौस् प्रक्रियां गतिशील-आदर्शानां (GPDMs) उपयोगं 3D-व्यक्तानां अनुगमनार्थं मानव-अवस्थायाः तथा गति-पूर्व-आदर्शानां अध्ययनार्थं वकालतम् । जीपीडीएम-प्रकरणं मानवस्य गति-प्रमाणस्य न्यून-आकारस्य अन्तर्निहितं प्रदानं करोति, यत् घनत्व-सम्बन्धि-कार्यस्य कारणं भवति यत् प्रशिक्षण-प्रमाणस्य समीपे स्थितानां आसनानां च गतिः अधिकं सम्भाव्यते । बेयस्-आदर्शस्य माध्यमेन जीपीडीएम-आकारं अपेक्षाकृतं लघु-मात्रायाः डाटाभ्यः सिध्यति, तथा च सः प्रशिक्षण-सङ्ख्यायाः बहिः गतिः कृत्स्नं सामान्यीकृत्य भवति । अत्र वयं जीपीडीएम-प्रकरणं परिवर्तितवन्तः, येन महत्वपूर्ण-शैली-विविधतायुक्त-चलनानां शिक्षां कर्तुं शक्यते। इदम् परिणामम् मानवानां चलयितुम् शैलीनां विविधानां अनुगमनं कर्तुं प्रभावशाली भवति, यद्यपि दृश्याणां मापनं दुर्बलं, शोरयुक्तं च भवति, तथा च महत्वपूर्णं अन्धकारं भवति ।

c3f2d101b616d82d07ca2cc4cb8ed0cb53fde21f

अस्मिन् मानव-अध्ययनम् कृतम् यत् अस्मिन् वर्तमाने CD तथा EMD मूल्यानां प्रतिवेदनं प्रतिपादनं कृतम् । अस्मिन् विषये, चित्रस्य त्रिकोणीयजालस्य निर्माणार्थं, वयं मानव-प्रयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक-संयोजक- यन्त्रं (चित्रम् १) उपयोक्तारं त्रिमूर्तीं मेषं सम्पादयितुं तथा आकृतं वस्तु पुनः आगतं चित्रं प्रति समानीकर्तुं समर्थयति । अस्मिन् प्रमाणनसूत्रे अन्तर्निहितानां चित्रानां आधारात् १६ प्रकाराः निर्मिताः सन्ति । न = १०२४ गुणः प्रतिरूपेण नमुनाः लभ्यते ।

32791996c1040b9dcc34e71a05d72e5c649eeff9

सामान्यदिनचर्यायां हृदयस्य असामान्यविद्युत् व्यवहारं ज्ञातुं क्लिनिकलप्रयासेषु एम्ब्युलेटरिय इलेक्ट्रोकार्डियोग्राफियायाः उपयोगः वर्धते। अथ निरीक्षणस्य उपयोगितायाः सुधारः श्वसनस्य निष्कर्षणद्वारा सम्भवति, यत् पूर्वम् रात्रौ अप्नेयस्य अध्ययनस्य आधारम् आसीत्, यत्र रुग्णः स्थिरा अस्ति, अथवा तनावपरीक्षणार्थं बहु-अधिकाः ईसीजी-प्रणालानां उपयोगः। अस्मिन् अध्ययने एक-प्रमुखं पोर्टेबलं ईसीजी-मनिटरं एकस्मिन् समये नासालयिक-कन्युला-प्रश्वास-मनिटरात् प्राप्तं श्वसन-वायु-प्रवाहं मापयित्वा षट् श्वसन-मापकं तुल्यीकृतम् । दश-घण्टायाः नियन्त्रित- रेकर्डिङ्गानि दैनिक- जीवने (झूलना, आसनम्, उभे- निवेशनम्, चलना, जोगिङ्ग, धावना, सीढी- आरोहणम्) च षट् रात्रि- अध्ययनानि च कृतानि । सर्वोत्तमः पद्धतिः ०.२-०.८ हर्ट्स् बण्डपास-फिल्टर् च आरआर-अन्तरालस्य दीर्घं लघुञ्च कृत्वा आरआर-प्रविधिः आसीत् । माध्यमेषु त्रुटिः प्रति मिनटम् +mn4 श्वासः (bpm) (सर्वं क्रियाम्), +mn2 bpm (झुण्डं, आसनम्), +mn1 श्वासः प्रति मिनटम् (रात्रिकं अध्ययनम्) । हृदय- गति- सूचनायाः प्रयोगः केवलं हृदय- गति- सूचनायाः प्रयोगः एव, सांख्यिकीयदृष्ट्या समानं परिणामं प्राप्तम्, यानि पूर्ण- ईसीजी- तरंगरूपेण प्राप्तानि सर्वात् श्रेष्ट- प्रविधिः, यानि डाटा- संग्रहप्रक्रियायाः सरलीकरणानि कुर्वन्ति, सह तुलनाः कृतानि। अध्ययनं दर्शयति यत् एक-प्रमुख-ईसीजी-प्रणालेषु गतिशील-कार्यक्रमेषु श्वसनं पारम्परिक-प्रणालेभ्यः महत्वपूर्ण-भिन्नतायाः विना प्राप्तुं शक्यते ।

7eac1eb85b919667c785b9ac4085d8ca68998d20

२. ई-लर्निंग्-प्रक्रियायाः मोबाईल-लर्निंग्-प्रक्रियायाः भेदः मोबाइलशिक्षणस्य मूल्यम् लाभः च मोबिल लर्निंगस्य च् चुनौतीः च् बाधाः अध्ययनं दर्शयति यत् दूरस्थशिक्षणस्य रूपे मोबिल लर्निंग् इत्यनेन समाजस्य महती लाभः अभवत् । तथा च, नोटबुक, मोबाइल ट्याब्लेट, आइपड टच, आईपॅड च मोबाइल शिक्षायाः कृते अतिप्रसिद्धं यन्त्रं अस्ति यतः तेषु एप्लीकेशनानां उपलब्धता च महती अस्ति। ---------------------------------------- ---- ---- ---- ---- ---- ---- ---- ---- ---- शिक्षा च तालीम च एव प्रक्रिया, येन एकस्य पीढीयाः ज्ञानं, ज्ञानं, कौशल्यं च अग्रे जनपदे प्रसार्यते। अद्य शिक्षायाः च प्रशिक्षणस्य द्वे रूपे विद्यन्ते - परम्परागतशिक्षा च दूरस्थशिक्षा च। मोबाइल लर्निंग् अथवा "एम-लर्निंग्" इत्यनेन मोबाइल-उपकरणैः, यथा-हस्त-उपकरण-ट्याब्लेट-कम्प्युटर्, एमपी३-प्लेयर्, स्मार्ट-फोन-मोबाइल-फोनैः, लर्निंग् प्रक्रियायाः समर्थनं कर्तुं आधुनिक-विधिः प्रदत्तः अस्ति । अस्मिन् प्रकरणे शिक्षायाः प्रयोजनार्थं चल-अध्ययनस्य विषये परिचयः कृतः अस्ति । अत्र च शिक्षणाय तथा शिक्षणाय च मोबाईल उपकरणानां प्रभावः कति वर्तते इति अध्ययनं कृत्वा मोबाईल उपकरणानां डिजिटल माध्यमेन उपयोजनेन सम्भाव्यानि संभावनाः अपि अवलोक्यन्ते । अस्मिन् लेखे मुख्यं उद्देश्यम् अस्ति - मोबाइल लर्निंग् - इत्यस्य वर्तमानस्य स्थितिः, लाभः, चुनौतीः, तथा शिक्षणस्य समर्थनस्य अवरोधः इति वर्णनं। अस्मिन् विषये लेखस्य कृते जनवरी-मार्च् २०१३ पर्यन्तं ग्रन्थालङ्कार-वेदिकायाः तथा इन्टरनेट-सर्च-मार्गेण डाटाः प्राप्ताः। अस्मिन् प्रकरणे चत्वारः प्रमुखक्षेत्रेषु विषयाः सन्ति - मोबाइल लर्निंग् विश्लेषणम्

57820e6f974d198bf4bbdf26ae7e1063bac190c3

8e393c18974baa8d5d704edaf116f009cb919463

उच्च-गति-सर्डेस्-प्रणालीयाः उच्च-गति-प्रचालनम्, तीव्र-समन्वयन-तंत्रम्, न्यून-शक्ति-उपभोगः, लघु-क्षेत्रं, चञ्चलता च अनेकेषु विषयेषु च प्रतिबन्धः भवितुम् अर्हति । ननु OIF CEI-25G-LR, CEI-28G-MR/SR/VSR, IEEE802.3bj तथा 32G-FC इत्यनेन मानकानां अनुपालनार्थं डाटा-दरं २५-२८Gb/s इत्येतत् वर्धितम्, यत् पूर्ववर्ती पीढीयाम् सेर्डेस्-संस्करणात् ७५% अधिकम् अस्ति । एकस्मिन् चिपे समाहितेषु शतकेषु लेनानां सेर्डेस् अनुप्रयोगानां कृते ऊर्ध्वाध्यायः उच्चः कार्यसम्पादनं च धारयित्वा विद्युत् उपभोगः अतिमहत्त्वपूर्णः अस्ति । 28Gb/s यावत् उच्चतरस्य डाटा-दरस्य कृते अनेके पूर्ववर्तीः कार्यानि सन्ति [1-2] । ते निर्विघटित-डीएफई-संयन्त्रं उपयोगं कुर्वन्ति, किन्तु निर्विघटित-डीएफई-संरचनायाः कारणात् डीएफई-स्लाइसरानां सङ्ख्या वर्धते, समग्रशक्तिः, मरकस्य क्षेत्रफलः च वर्धते। अस्मिन् विषये अस्मिन् विषये कार्यक्रमे च विविधाः वास्तुशास्त्रीयप्रणालयः प्रयुक्ताः। अनलग् फ्रण्ट्-एण्ड् (एएफइ) इत्यनेन एक-चरणस्य आर्किटेक्चरः, तथा ट्रान्स्-इम्पेडन्स् एम्पलीफायर (टीआईए) इत्यनेन एकं कम्प्याक्टः अन-चिप् पासिव-इण्डुक्टरः प्रयुक्तः अस्ति, येन १५ डीबी-आकारस्य वर्धकः प्रदत्तः अस्ति । इयं वृद्धिः अनुकूला भवति, तस्य अनुकूला लूपः निर्णय-प्रतिगमन-समन्वयकस्य (डीएफई) अनुकूला लूपात् समूह-विलम्ब-अनुकूला (जीडीए) एल्गोरिदमस्य उपयोगेन विच्छेदितः भवति । डीएफई-संरचनायां अर्ध-दरः, एक-टप् अनवृतः, शक्ति-क्षेत्र-क्षयार्थं द्वौ कुल-त्रुटि-लट्-लट् च सन्ति । द्वौ-चरणौ इन्द्रिय-विवर्धक-आधारितः स्लाइसरः १५mV-संवेदन-शक्तिः प्राप्तवान् अस्ति तथा DFE-समये समापनं कृतम् अस्ति । वयं अपि एकं उच्च-गति-घण्टा-पञ्चकं निर्मितम् यत् नूतनं सक्रिय-आवर्तक-चक्रं प्रयुज्यते । इयं सक्रिय-आवर्तक-सर्किट् सर्किट्-कार्य-बिन्दु-अनुकूलनार्थं आउटपुट-सामान्य-मोड-वोल्टेज-नियन्त्रण-सम्भाविता अस्ति ।

505c58c2c100e7512b7f7d906a9d4af72f6e8415

पृष्ठम् २ जटिल अनुकूलाः प्रणालीः जॉन एच. हॉलैंड, क्रिस्टोफर लैंगटन, स्टुअर्ट डब्ल्यू. विल्सन, सलाहकारः अनुकूलाः प्राकृतिक एवं कृत्रिम प्रणालीः जीवविज्ञान, नियंत्रण, कृत्रिम बुद्धिमत्ता, एमआईटी प्रेस संस्करण के अनुप्रयोगों के साथ एक परिचयात्मक विश्लेषण जॉन एच. हॉलैंड स्वायत्त प्रणालियों के अभ्यास की ओर: फ्रांसिस्को जे. वेरेला और पॉल बोर्गिन द्वारा संपादित कृत्रिम जीवन पर प्रथम यूरोपीय सम्मेलन की कार्यवाही आनुवंशिक प्रोग्रामिंग: प्राकृतिक चयन के माध्यम से कंप्यूटर के प्रोग्रामिंग पर जॉन आर. कोजा

3a46c11ad7afed8defbb368e478dbf94c24f43a3

विज्ञानस्य समस्याः, येषु वृहत् मात्रायाः डाटाः प्रसंस्कृतः भवति, तेषां अनेकक्षेत्रेषु समस्यायाः समाधानं करणीयम् अस्ति: वृहत् मात्रायाः डाटाः वितरणस्य व्यवस्थापनम्, संगणकीयसाधनैः डाटाः सह-स्थापनम्, डाटाः समय-निर्धारणम्, डाटाः वृहत् मात्रायाः भंडारणम्, डाटाः हस्तांतरणम् च। अस्मिन् लेखे डाटा-अतीव-उपयोगे प्रयुक्ताः द्वयोः प्रमुखप्रकरणानां पारिस्थितिक-प्रणालानां विश्लेषणं कृतम्, यानि अधः उच्च-प्रदर्शनकलनप्रणालयोः अपि अपाचे-हडूपप्रणालयोः इति कथयन्ति। अस्मिन् विषये एकं आधारं, एकं सामान्यं शब्दावली, कार्यकारणानि च प्रस्तूय, येन उभयप्रकरणानां द्वयोः दृष्टिकोणानां विश्लेषणं कर्तुं शक्यते। अस्मिन् विषये "बिग डाटा ओग्रस्" (Big DataOgres) इति संकल्पनायाः विषये च चर्चा भवति, यानि द्वयोः परिदृश्ययोः अन्तर्गतं प्राप्यमानाः सर्वसामान्यप्रयोजनकार्यभारः अवगन्तुं च वर्णयितुं साधनानि सन्ति। अनन्तरं वयं द्वयोः प्रतिमानयोः प्रमुखविशेष्यकानां चर्चां करिष्यामः, द्वयोः दृष्टिकोणयोः तुलनां करिष्यामः। विशेषरूपेण, वयं एतेषां प्रतिमानानां सामान्यं कार्यान्वयनं/प्रकरणं विवक्ष्यामः, तेषां वर्तमानस्य "आर्किटेक्चरस्य" कारणं प्रकाशयितुं, तेषां उपयोगेन विशिष्टकार्यभारानां चर्चां करिष्यामः। सफ्टवेयर-विभागेऽपि वास्तुशास्त्रे एकत्वे वर्तते इति वयं मन्यन्ते। अस्मिन् विषये विभिन्निः कार्यान्वयनानि विभिन्निः स्तरैः घटकैः सम्बद्धानि भवितुं शक्नुवन्ति। अस्मिन् विषये अस्मिन् विषये द्वयोः प्रतिमानयोः पूर्णगुणात्मकविश्लेषणात् अर्ध-गुणात्मकविधिः प्रवर्तते । अस्मिन् लेखे सरलम् एवं व्यापकरूपेण प्रयुक्तम् ओग्र (K-meansclustering) इति प्रयोगं कृतम्, तस्य प्रदर्शनं च विविधासु प्रतिनिधिषु मंचसु वर्णितम्, उभयतः प्रवर्तनं च समाविष्टम्। अस्मिन् प्रयोगे द्वयोः प्रतिमानयोः सापेक्षशक्तेः विषये अन्तर्दृष्टिः उपलभ्यते । अस्मिन् विषये अस्मिन् लेखे, "अग्निः" इत्यस्य समूहः द्वयोः परिदृश्ययोः भिन्न-भिन्नानां आयामानां मूल्याङ्कनार्थं एकं मानकं रूपं स्वीकरोति।

dc7024840a4ba7ab634517fae53e77695ff5dda9

अस्मिन् लेखे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अक्षरे अस्मिन् अत्र फिक्स्ड-पॉइंट-आरिथमेटिक-प्रयोजनं प्रयुक्तम् अस्ति, येन बहुवर्गानां समर्थन-वेक्टर-मशीनानां (SVM) शिक्षा-अल्गोरिथमस्य प्रस्तावः कृतः, येन तुल्य-सङ्ख्यकानां प्रणालीनां परिशुद्धता-स्तरानां रक्षणाय पारम्परिक-फ्लोटिंग-पॉइंट-आधारित-सूत्रेण तुलनायां स्मार्टफोन-बैटरी-जीवनस्य उत्तमं संरक्षणं कर्तुं शक्यते । प्रयोगाः एवम् एव दर्शयन्ति यत् अस्मिन् पद्धतिः पारम्परिक एसवीएम-प्रणालीयाः तुलनात्मकं परिणामं ज्ञापनकार्यप्रदर्शनस्य च विद्युत्-उपभोगस्य विषये भवति, येन प्रस्तावितप्रणालीयाः लाभः प्रकाश्यते ।

f4cdd1d15112a3458746b58a276d97e79d8f495d

न्युरल नेटवर्कस् य इनपुटस् य सम्बन्धे आउटपुटस् य ग्रेडियन्ट् नर्मस् य नियमनम् एकं प्रबलप्रणालिः अस्ति, यत् अनेकेषु अवकाशयोः पुनः आविष्कृतम् अस्ति । अस्मिन् लेखे प्रमाणं प्रदत्तम् यत् ग्रेडियन्ट् नियमनं आधुनिक-गहन-संजालानां उपयोगेन दृश्यात्मक-कार्यानां वर्गीकरणस्य परिशुद्धतायाः सुदृढतया वर्धयितुं शक्नोति, विशेषतया यदा प्रशिक्षण-माहङ्कारस्य मात्रा लघुः भवति। अस्मिन् लेखे वयं नियमितकर्तृकानां परिचयं याकोबियन-आधारितानां नियमितकर्तृकानां व्यापकवर्गस्य सदस्यत्वेन करोमः। अस्मिन् विषये वयं वास्तविकं तथा कृत्रिमं च डाटाम् उपयुज्य अनुभवात्मकं प्रदर्शनं कुर्मः यत् शिक्षणाय प्रक्रियायाः परिणामः एव भवति यत् प्रशिक्षणं विहाय अपि अनुप्रस्थं भवति, तथा च समाधानं भवति यत् सामान्यीकृतं भवति।

984df1f081fbd623600ec45635e5d9a4811c0aef

विवल्डी-अन्टेनाः द्वौ सम्प्रसारणं कृतवन्तः । प्रथमः ८-तत्प्रकाराः कणिकाः स्लोट-मात्राः सन्ति, ये 1.2-4 गीगाहर्ट्स्-बान्दस्य अन्तर्गतं ईट-कंक्रीट-दीवार-चित्रणस्य कृते STW अनुप्रयोगानां कृते उपयुज्यन्ते । द्वितीयम् एकम् १६-तत्प्रकाराः प्रतिपादिकाः सरणीः अस्ति, यत् ८-१०.६ गीगाहर्ज-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटिङ्-रेटि विवल्दि-अन्टेना-संयोजनस्य कृते एकं सुगन्धाः विस्तृत-बान्दस् स्लोटः सूक्ष्म-पट्टी-परिवर्तनं कृत्वा 1-10 गीगाहर्ज-सङ्ख्यान-बान्धः आच्छादयितुं शक्यते । अथवा, 1-3 GHz अथवा 8-10 GHz बण्डं समाहितं कर्तुं पुनःसंरचनायै रचनायाः उपयोगं कर्तुं शक्यते। प्रयोगात्मकं च परिणामाणि पूर्णानि सन्ति, तेषां विस्तृतं चर्चा भविष्यति। एतेन डिझाईनेन कम्प्याक्ट, पुनर्संरचनायोग्य, पोर्टेबल सिस्टिमे विकासः महत्त्वपूर्णः भविष्यति।

e3f4fdf6d2f10ebe4cfc6d0544afa63976527d60

अयं लेखः रेडियो खगोलशास्त्रे उपकरणेभ्यः ३२४-तत्प्रकाराणां द्विमितीय-विस्तृत-पार्श्व-सूत्रं प्रस्तूयते, यः परस्पर-अर्थोगोनल-ध्रुव-विभागेन संवेदनशीलः अस्ति । क्रूसरूपेण चारु विवल्डीय-अन्तर्-अङ्गानि विद्यन्ते । एतस्मिन् मेले प्रयुक्ते विवल्डी ऐन्टेने त्रिज्यायाः ३ गीगाहर्ट्स्-रेखायां ८७.५ डिग्री, ६ गीगाहर्ट्स्-रेखायां ४४.२ डिग्री इत्यनेन सममितं मुख्यप्रकाशं प्रदर्शयति । अधोलिखितानि सूत्राणि विद्युत्प्रकाशस्य अधिकतमं स्तरं दर्शयन्ति - 10.3 dB below the main beam level. इयं पटलः 5.4 गीगाहर्ट्स् इत्येतेषु उच्चतरतर-वार्तिकानां कार्यम् कर्तुं शक्नोति, येन किमपि ग्रिट्स् लोब्स् न निर्मातुं शक्यते।

1a090df137014acab572aa5dc23449b270db64b4

9ae252d3b0821303f8d63ba9daf10030c9c97d37

अस्मिन् प्रपञ्चे प्राकृतिकं दृश्यं श्रेणिं ज्ञापयितुं च नवीनं दृष्टिकोनम् प्रस्तूयते। पूर्वं कृतं कार्यम् एव न भवति, अतः तज्ज्ञानाः प्रशिक्षणसङ्ग्रहेषु टिप्पणीं कर्तुम् अपेक्षन्ते । अस्मिन् दृश्यस्य प्रतिमायाः प्रतिनिधित्वं स्थानिकक्षेत्रेषु क्रियते, येषु अनियन्त्रितशिक्षणद्वारा प्राप्तानि कूटशब्दाः सन्ति। प्रत्येकं क्षेत्रं "विषयस्य" भागं रूपेण प्रतिपादितम् अस्ति । पूर्वं कार्यम् अकरोत्, तज्ज्ञानां हस्त-अनोटेशनात् विषयाः शिक्षिताः आसन्, अस्मिन् पद्धतिः विषयाः वितरणं तथा विषयेषु कोड-शब्दानां वितरणं विना पर्यवेक्षणं शिक्षयति। अस्मिन् १३ वर्गस्य विस्तृते दृश्यभेदे संतोषजनकवर्गीकरणप्रदर्शनं कृतम् ।

fa6cbc948677d29ecce76f1a49cea01a75686619

अस्मिन् लेखे, वयं वास्तविक-संसारस्य दृश्यानां अनुज्ञायाः कम्प्युटरेशनल-मॉडलस्य प्रस्तावं करोमः, येन विभाजनाय, पृथक्-पृथक् वस्तुनां वा क्षेत्रानां प्रसंस्करणं च विवर्जितं भवति । प्रक्रिया दृश्यस्य अति न्यून-आयामिक-प्रदर्शनम् अधीत्य भवति, यम् वयं स्थानिक-परिघं (स्पेशियल एन्वल्प्) इति कथयामः । अस्मिन् दृश्यस्य प्रबलस्थानिकसंरचनायाः प्रतिनिधित्वं कर्तुं अवधारणात्मकानां आयामानां (प्राकृतिकता, खुलापन, कठोरता, विस्तार, कठोरता) समूहं प्रस्तावयामि । ततः, अस्मिन् प्रमाणे दर्शितम् यत् एते आयामाः स्पेक्ट्रल्-आदि-स्थानीय-सूचनायाः उपयोगेन विश्वासार्हतया अनुमानं कर्तुं शक्यते । अत्र बहुआयामिकस्थानं निर्मितम् अस्ति यत्र दृश्यं अर्थविशिष्टेषु वर्गेषु (उदाहरणार्थः सड़के, राजमार्गः, तटः) एकस्मिन् स्थले प्रक्षेपितम् अस्ति । स्थानिक-परिच्छद-आकारस्य प्रदर्शनं दर्शयति यत् वस्तु-आकारस्य वा अस्मितायाः विशिष्ट-सूचना दृश्य-वर्गीकरणस्य आवश्यकता नास्ति, तथा दृश्य-आकारस्य समग्र-प्रतिपादनाय मॉडलिङ्-करणं तस्य सम्भाव्य-अर्थ-वर्गस्य सूचनां ददाति ।

1ac52b7d8db223029388551b2db25657ed8c9852

अस्मिन् लेखे, अनेकेषु समानानि भविष्यवाणीकार्यानि सम्बद्धानि समस्याः यन्त्रशिक्षणयुक्तं समाधानं प्रस्तूयन्ते । प्रत्येकं कार्यम् अतिशयेन जोखिमयुक्तम् अस्ति । अस्मिन् कार्ये ज्ञानप्रसारणस्य द्वयोः प्रकाराः समाविष्टः भवितुम् अर्हन्ति: बहुकार्यशिक्षणम्, बेयसनस्य श्रेणीबद्धस्य मॉडलिङ्गस्य च। बहुकार्यशिक्षणम् एतत् धारणायाः आधारः अस्ति यत् कार्यस्य विशिष्टविशेषणानि विद्यन्ते । एतेषां लक्षणानां अन्वेषणार्थं वयं विशालद्वय-स्तरयुक्तं तंत्रिकाजालम् प्रशिक्षितवन्तः । प्रत्येकं कार्यम् स्वीयम् आउटपुटं करोति, किन्तु अन्यैः कार्यैः सह इनपुटात् गुप्त-एकतां प्रति भारं भागं करोति । इत्थं सम्भाव्यव्याख्यात्मकपरिवर्तकानां (नेटवर्क इनपुट्स) अपेक्षाकृतं विशालं समूहं लघुतरं, सुलभं च लक्षणानां समूहं (अदृश्य इकायाः) घटादिष्यते । एतानि लक्षणानि च प्राप्य उचितं परिमाणं परिवर्तयित्वा, वयं गृहीतवन्तः यत् कार्यानि विनिमययणीयानि सन्ति। अयं अनुमानः एकं उच्चतर-आधारयुक्तं बेयसीयन-विश्लेषणं कर्तुं अनुमतीं ददाति, यत्र अति-परिमितिः डाटायाः आधारात् अनुमानं कर्तुं शक्यते । ईएइकत्वे, एते अति-पा-रामेटरः नियमनकर्तृकत्वेन कार्ययन्ति तथा अति-पा-रचनां रोधयन्ति । समयक्रमेण असमञ्जसा प्रति तन्त्रस्य किमर्थं बलवान् भवितुम् अर्हति इति वर्णयित्वा, आगमस्य सुधारस्य निर्देशं ददाति। समाचारपत्रविक्रीतस्य पूर्वानुमानस्य विषये वयं डाटाबेस-संस्थाने अस्मिन् विषये विचारं प्रदर्शयिष्यामः।

1e56ed3d2c855f848ffd91baa90f661772a279e1

अस्मिन् लेखे पाठस्य च अन्येषां पृथक्-पृथक् डाटासङ्ग्रहाणां कृते एकं जनरेटिव्ह-मॉडलम् प्रस्तावितम् अस्ति, यत् अनेकेषु पूर्वम् आदर्शेषु सामान्यीकृतं वा वर्धितम् अस्ति, यथा - नैवेय बेयस्/युनिग्राम्, युनिग्राम्-सम्मिश्रणम्, होफ्मान्-आदर्शः, यं प्रोबेबिलिस्टिक लॅटेंट सिमेंटिक इन्डेक्सिन्ग् (pLSI) इति अपि जानामः । पाठस्य प्रतिरूपणस्य सन्दर्भे अस्मिन् प्रतिरूपणे प्रतीयते यत् प्रत्येकं दस्तावेजम् विषयेषु मिश्रणरूपेण निर्मितम् अस्ति, यत्र सतत-मूल्ययुक्ताः मिश्रणप्रमाणानि लुप्त-डिरिच्लेट-आकस्मिक-परिवर्तिकायाः रूपे वितरन्ते । निश्चेष्टं च शिक्षणं च भिन्न-भिन्न-अल्गोरिथमैः कुशलतया क्रियते। अस्मिन् लेखे, अस्मिन् पाठस्य मॉडलिङ्, सहयोगात्मक-फिल्टरिङ्, पाठ-वर्गीकरणस्य समस्याषु अस्य मॉडलस्य अनुप्रयोगस्य अनुभवात्मकं परिणामं प्रस्तुतं।

e990a41e8f09e0ef4695c39af351bf25f333eefa

1f8116db538169de3553b1091e82107f7594301a

539ea86fa738afd939fb18566107c971461f8548

संरचितं निर्गमस्थानं प्रति प्रतिबिम्बनं (स्ट्रिंग्, ट्री, विभाजकानि इत्यादि) सामान्यतया वर्गीकरणविधिना साध्या ग्राफिकलानि संरचनाः (उदाहरणार्थः रेखात्मक शृङ्खलाः) उपयुज्य सिध्यन्ति, यस्मिन् शोधः तथा परिमिति अनुमानः सम्यक् रूपेण कर्तुं शक्यते। दुर्दैवतः अनेकानां जटिलानां समस्याषु, दुर्लभं भवति यत् सटीकं शोधनं अथवा परिमिति अनुमानं व्यवहार्यम् भवेत् । अचिन्त्यरूपं विदित्वा च हेयार्थेन अन्वेषणं कर्तुं न शक्यते, अस्मिन् विषये कठिनायाः विषये विचारं कृत्वा, अनुमानात्मकं अन्वेषणं कृत्वा संरचितं निर्गतस्य समस्यां निवारयितुं शक्नुमः। अस्मिन् अधः, वयं शिक्षणाय एकं फ्रेमवर्कम् प्रस्तुतवन्तः, यथा खोज-अनुकूलनम्, तथा द्वौ परिमिति-अद्यतनानि, अभिसरण-द-ओरेम्स् तथा सीमाः च। अनुभवसाक्षात्कारेण एव दर्शिता यत् अस्माकं एकात्म-अभ्यासस्य तथा डिकोडिङ्गस्य कार्यप्रणाली लघुतम-गणनात्मक-व्ययस्य कृते सटीक-आदर्शानां निष्कर्षणं कर्तुं शक्नोति ।

1219fb39b46aabd74879a7d6d3c724fb4e55aeae

अस्मिन् प्रविधिप्रौद्योगिकानाम् उद्यमितायाः परिदृश्याः विकासः क्रियते, यत् विभिन्नप्रकारस् य अभिकर्त्यानां मध्ये वितरति। प्रत्येकं कर्ता प्रविधिना सह सम्बद्धः भवति, तथा च प्रक्रियायां, इदम् आदानम् उत्पद्यते यत् उत्पद्यमानस्य प्राविधिकस्य मार्गस्य परिवर्तनम् उत्पद्यते । प्राविधिकमार्गस्य अन्तर्भागेषु अवयवानां स्थिरः संचयः एकं गतिप्रवाहं जनयति, यः वितरित-अभिनेतॄणां क्रियाकलापं समर्थयति, अपि च प्रतिबन्धयति च। अन्यत्र च, कार्यकारणभावः न केवलं वितरति, अपि तु अन्तर्निहितः अपि भवति। अस्मिन् लेखे डेन्मार्क-संयुक्तराज्ययोः पवनविद्युत्संस्थायाः उत्पत्तौ प्रवर्तमानानां प्रक्रियाणां तुलनात्मकं अध्ययनं कृतम् । अस्मिन् तुलनात्मक अध्ययने, वयं "हस्तकला" तथा "विस्फूर्ति" इति द्वयोः विपर्ययात्मकयोः दृष्टिकोणयोः प्रविधिप्रणालीनां मार्गनिर्माणस्य प्रति कर्ताणां सहभागितायाः विषये चर्चां कुर्मः। © २००२ एल्सेवियर साइन्स बी.वी. सर्वाधिकारः सुरक्षितः।

2266636d87e44590ade738b92377d1fe1bc5c970

2af586c64c32baeb445992e0ea6b76bbbbc30c7f

0e8b8e0c37b0ebc9c36b99103a487dbbbdf9ee97

2c03df8b48bf3fa39054345bafabfeff15bfd11d

गहनं तंत्रिकाजालम् प्रशिक्षणं कठिनम् भवति। अस्मिन् अधोलिखितेषु विषयेषु पूर्वम् प्रयुक्तेषु विषयेषु अपेक्षाकृतं गहनं जालस्य प्रशिक्षणं सुगमं कर्तुम् एकं अवशिष्टशिक्षणसंरचनां प्रस्तुतम्। अस्मिन् स्तरे अवशिष्टं कार्यम् उपयुज्य स्तराणां आगतानां संदर्भं कृत्वा, अप्रसङ्ख्यानं कार्यम् उपयुज्य स्तराणि पुनः विरचितानि। अस्मिन् विषये व्यापकः अनुभवः प्रतीयते यत् एते अवशिष्टजालानि सुलभतरं अनुकूलयितुं शक्नुवन्ति, तथा च अतीव गहनतायाः कारणात् अचूकतायाः वृद्धिः सम्भवति। इमेजेनट्-आधारणे अस्मिन् जालस्य परिमाणं १५२ स्तराणि गहनम् अस्ति, यानि विजिग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लुग्लग्ल इमेजनेट-परीक्षणसमूहस्य 3.57% त्रुटिः प्राप्ता। इयं परिणामः ILSVRC 2015 वर्गीकरणकार्यक्रमे प्रथमस्थानं प्राप्तवान् । अस्मिन् लेखे १००, १००० स्तराणि च अस्याः CIFAR-१०-अध्यायस्य विश्लेषणानि अपि प्रस्तूयन्ते । दृश्यप्रतीकारस्य कार्यस्य कृते प्रतिपादानां गहनतायाः महत्वपूर्णं महत्त्वं वर्तते । अस्मिन् अतिगूढे प्रतिपादने एव कोको-अवस्थायाः वस्तुनि अभिज्ञापनस्य डाटा-सैट्-समूहस्य 28% परिमाणं वर्धितम् अभवत् । इल्स्वर्क् (ILSVRC) च कोको (COCO) २०१५ (COCO 2015) इति प्रतियोगीनां मध्ये गहनं अवशिष्टजालानि अस्माकं प्रस्तुतीनां आधारः अस्ति, यत्र इमेजेन्ट् (ImageNet) शोधनम्, इमेजेन्ट् (ImageNet) स्थानिकीकरणम्, कोको (COCO) शोधनम्, कोको (COCO) विभाजनम् इत्यादीनां कार्यानां मध्ये प्रथमस्थानं प्राप्तवान् अस्मिन् प्रतियोगीने।

5763c2c62463c61926c7e192dcc340c4691ee3aa

अस्मिन् प्रकरणे एकस्य चित्रस्य अतिविशिष्टतायाः (एसआर) कृते गहनशिक्षणविधिः प्रस्तूयते । अस्मिन् पद्धतिरेकतः निम्न-उच्च-विभागेन प्रतिमाणां मध्ये अन्त-अन्त-संयोजनं सिध्यति । ननु च सति नानाविधप्रकरणेषु प्रतिपादितेषु प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु च प्रतिपादितेषु प्रतिपादितेषु प्रतिपादितेषु प्रतिपादितेषु प्रतिपादितेषु प्रतिपादितेषु प्रतिपादितेषु प्रतिपादितेषु प्रतिपादितेषु प्रति अस्मिन् विषये अपि स्पष्टं यत् पारम्परिकं स्परस् कोडिन्ग-आधारितं एसआर-प्रणालं गहन-परिवर्तनशील-जालम् इति अपि विवक्षितुं शक्यते । परन्तु पारम्परिकविधिषु प्रत्येकं घटकम् पृथक् पृथक् उपयुज्यते, अस्मिन् पद्धतिषु सर्वेषु स्तरेषु एकसमानतया सुसज्जितं भवति। अस्मिन् गहन-सीएनएन-संस्थाने हलके संरचनाः सन्ति, तथापि अत्याधुनिक-पुनर्निर्माण-गुणवत्ताः प्रदर्शिताः सन्ति, तथा प्रयाणशील-लाइन-प्रयोगे कृते तीव्र-गतिं प्राप्नोति।

2db168f14f3169b8939b843b9f4caf78c3884fb3

अत्र आरएफ उर्जायाः संग्रहार्थं ब्रॉडबान्द् वक्र त्रिभुजः सर्वदिशात्मकः ऐन्टेनाः प्रस्तूयन्ते। एण्टेनस्य वी.एस.डब्लू.आर. ≤ २.८५ मेगाहर्ट्स्-१.९४ गीगाहर्ट्स्-पर्यन्तं बण्डविड्थः अस्ति । एण्टेनः क्षैतिजः, ऊर्ध्वाधरः च ध्रुवीकृतः वेब्ः प्राप्तुं रचनाः कृतः अस्ति, तथा च तस्य सम्पूर्णं बैंडविड्थ-क्षेत्रे स्थिरा विकिरण-रूपः अस्ति । एनर्जेन उत्पत्तिमात्रं कर्तुं अपि एण्टेनः सुसज्जितः अस्ति। ९८० मेगाहर्ट्स् तथा १८०० मेगाहर्ट्स् इत्यनेन ५०० ओम् भारं कृत्वा ६०% तथा १७% एव अधिकतमः दक्षता प्राप्ता भवति । एकस्मिन् सेल-स्थले एकस्मिन् एव समये सर्वेषां बण्डानां संग्रहणेन, रिक्त-सर्किट्-प्रवेशार्थं ३.७६ व्, ४.३ के ओम् भारस्य कृते १.३८ व् इति विद्युत्-उत्पादनेन २५ मीटर् दूरे रेक्टेनस्य द्वयोः अवयवानां सरणीयाः उपयोगेन प्राप्तम् भवति ।

484ac571356251355d3e24dcb23bdd6d0911bd94

विज्ञानस्य तथा प्रविधिप्रवर्तनस्य साम्प्रतं यानि प्रगतिः कृतानि, तानि ग्राफरूपेण निर्मितानि संरचनात्मकानि नमुन्यानि प्रचुररूपेण निर्मिताः सन्ति। अतः ग्राफसंयोजनस्य प्रश्नानां प्रसंस्करणं वृहत् ग्राफ-संयोजन-सूत्रेषु प्रभावशाली भवेत् । ग्राफ-संरचना-माध्यमस्य G, तथा क्वेरी-ग्राफस्य q, ग्राफ-संयोजन-सम्बद्धा क्वेरी G-स्थानेषु सर्वेषु ग्राफेषु उपग्राफ-रूपेण q-प्रत्ययस्य पुनः प्राप्तिः भवति । ग्राफस्य उप-ग्राफ-आकारान्तरसंयोगस्य परीक्षणस्य जटिलतायाः कारणात्, उच्च-गुणवत्तायाः ग्राफ-अनुक्रमणिकायाम् यन्त्रानां उपयोगः समग्रः क्वेरी प्रसंस्करणस्य लागतस्य घटादेः अपेक्ष्यते । अस्मिन् लेखे, ग्राफ-संरचनालयस्य बहुधा वृक्ष-विशेषणानां आधारात् नवीनं, लागत-प्रभावी ग्राफ-सूचिकाकरणविधिं प्रस्तूयमानम् अस्ति । अस्मिन् वृक्षस्य प्रभावकारितायाः च विश्लेषणं त्रयाणां महत्वपूर्णानां पक्षानां आधारात् क्रियते: आकारः, चयनं, चर्मकरणं च। विद्यमानानां ग्राफ-आधारित-सूचिका-विधिषु उत्तमं परिष्कृत-क्षमतां प्राप्तुं, वयं प्रायः वृक्षादि-विशेष्यकानां (Tree) अतिरिक्तं, पूर्वमेव किञ्चिद् महत्-खर्चिता ग्राफ-अभिनयनक्रियायाः आवश्यकतां विना, अल्पसंख्याकानां भेद-भावपूर्णानां ग्राफ-अभिनयनक्रियायाः (∆) चयनं कुर्मः । अस्मिन् अध्ययने प्रमाणं प्राप्नोति यत् (Tree+∆) ग्राफः अनुक्रमणिकायै (Tree+∆ ≥Graph) इति सङ्केतः प्राप्तः, ग्राफसंयोजनसम्बद्धाः प्रश्नानाम् उत्तरम् दातुं ग्राफः उत्तमः विकल्पः अस्ति । अस्य द्वयोः अर्थयोः (1) (Tree+∆) द्वारा सूचिका निर्माणं कार्यक्षमम् अस्ति, (2) (Tree+∆) द्वारा ग्राफसंयोजन-सम्बद्धाः प्रश्नप्रक्रियाः कार्यक्षमः अस्ति। अस्मिन् प्रयोगे (Tree+∆) इत्यस्य सूचकाङ्कायाः संरचना संकुचितः, सूचकाङ्कायाः निर्माणं कर्तुं अधिकं कार्यसम्पादनं प्राप्नोति, ग्राफ-आधारितसूचकाङ्कनविधिषु (gIndex and C-Tree) ग्राफ-संयोजन-सम्बद्धाः प्रश्नप्रक्रियाः अधिकं क्रियते इति प्रदर्शिताः।

22749899b50c5113516b9820f875a580910aa746

अत्र लघु-स्लोट-लोडेड-पच-एन्टेना-डिजाइनम् आरब्धम्, यत् एल-१, एल-२-बान्ड्-द्वयं जीपीएस-संकेतानां प्राप्तिः कर्तुं निर्मितम् । द्वैध-बान्धव्याप्तिकरणं L2 बान्धवे पैच-मोडः L1 बान्धवे स्लट-मोडश्च उपयुज्यन्ते । उच्च-इलेक्ट्रिक-सामग्रीः तथा कुण्डलयुक्त-स्लोट-लाइनः एण्टेनस्य आकारं २५.४ मिमी व्यासस्य न्यूनं कर्तुम् उपयुज्यते । आरएचसीपी-प्रक्रियायाः उद्भवः द्वयोः अर्थाङ्गिक-प्रवृत्तयः लघुः ०-९० डिग्री-संकरः चिप्-मार्गेण संयोज्यन्ते । इयं च चकारः एकं समीपस्थत्वप्रशिक्षणं करोति, यस्मिन् एण्टेनस्य पार्श्वे स्थितं भवति (चित्रम् १) । अस्मिन् लेखे एण्टेनस्य रचनाप्रक्रियायाः तथा सिमुलेटेड एण्टेनस्य कार्यसम्पादनस्य विषये चर्चा क्रियते।

afbe59950a7d452ce0a3f412ee865f1e1d94d9ef

सुदृढिकरणशिक्षणस्य अन्तर्गतं स्वयमेव कार्यं कुर्वन् यन्त्रं मानवस्य न्यूनतमे हस्तक्षेपेन वृहत् व्यवहारिक-कुशलानि शिक्षयितुं समर्थं करिष्यति इति प्रतिज्ञा अस्ति । तथापि, र्बोट्-प्रयोजनैः प्रवर्धनात् शिक्षणायाः स्वयमेव प्रक्रियायाः अनुबन्धः क्रियते, येन वास्तविक-भौतिक-प्रणालीनां कृते व्यावहारिकः प्रशिक्षणः प्राप्नोति । अथ सामान्यतया हस्त-संरचितं नीति-प्रदर्शनं च मानव-सम्पद्यमानं प्रदर्शनं च समावेशयति । गहन-सदृश-शिक्षण-प्रकरणं सामान्य-उपयोगाः तंत्रिका-जाल-नीति-प्रणालानां प्रशिक्षणं कृत्वा एतस्य प्रतिबन्धस्य निवारणं करोति, किन्तु प्रत्यक्ष-गहन-सदृश-शिक्षण-प्रणालानां अनुप्रयोगः इदानीं सिमुलेटेड-सेटिंग् च सापेक्षतया सरल-कार्यानां कृते सीमितः अस्ति, यतः तेषां उच्च-सम्पलेः नमूना-कम्प्लेक्सिटी अस्ति । अस्मिन् लेखे, वयं प्रदर्शयतिमः यत् अधुना प्रवर्तमानः गहन-सहायता-शिक्षण-अल्गोरिथमः गहन-क्यू-कार्यस्य बहिः-नीति-प्रशिक्षणस्य आधारेण जटिलं त्रि-आयामिक-संशोधन-कार्यम् कर्तुं शक्नोति, तथा गहन-संशोधन-संजालस्य नीतयः पर्याप्ततया कुशलतया वास्तविक-भौतिक-रोबोटानां प्रशिक्षणार्थं ज्ञापयितुं शक्नोति । अस्मिन् विषये, प्रशिक्षणसमये, अनेकेषु रोबोट्सभ् यः समानांतररूपेण कार्यकरणं कर्तुं शक्यते, यैः नीति-अद्यतनानि असिन्क्रोनस् रूपेण एकत्राणि कुर्वन्ति। अस् माकं प्रयोगात्मकं मूल्यांकनं दर्शयति यत् अस् माकं पद्धतिः सिमुलेशन-प्रकरणे बहुविधं त्रि-आयामिक-संशोधनं सिध्यति, तथा वास्तविक-रोबोटानां समक्षे जटिलं द्वार-उपकरणं सिध्यति, पूर्व-प्रदर्शनं यावत् हस्त-रचितं प्रतिपादकं विना।

b8aa8b5d06c98a900d8cea61864669b28c3ac0fc

अयं लेखः वाहनपरिवेशस्य वाहनविलम्बनशीलजालानां (वीडीटीएन) मार्गनिर्देशनाय प्रस्तावितानां मार्गनिर्देशप्रोटोकल्पेषु विस्तृतं सर्वेक्षणं करोति । DTNs विभिन्नप्रचालनपर्यावरणेषु प्रयुक्ताः सन्ति, यानि च विकार-विच्छेद-प्रवणानि, तथा वाहन-अधिष्ठित-जालानि (VANET) इत्यादयः उच्च-विलम्ब-प्रवणानि सन्ति । अस्मिन् विषये विशेषप्रकारे वैनैट्-संस्थायाः विषये चर्चा क्रियते, यत्र वाहनानां आवागमनं विरलम् अस्ति, संचारयितुम् अवलम्बितानां पक्षानां मध्य च प्रत्यक्षः अन्तः-अन्तः मार्गः न अस्ति। अतः एतस्मिन् विषये संचारः वाहनस्य विलम्ब-सहनशीलता-जालस्य (वीडीटीएन) श्रेणीयां वर्तते । RSU (Road Side Unit) इत्यस्य सीमितप्रसारणक्षेत्रेभ्यः दूरस्थ-वाहनानि VDTN-संस्थाने RSU-संस्थानेभ्यः प्रत्यक्षं न योजयन्ति, अतः पैकेटानां प्रसारणार्थं मध्यवर्ती वाहनानां कृते आवश्यकता भवति। सन्देशप्रसारणप्रक्रमेण अतिविभाजितेषु वेनेट्समध्ये पूर्णं अन्तः-अन्त-मार्गं न सम्भवति । अतः मध्यवर्ती वाहनानां संदेशानां बफर-प्रसारणं च अवसरिकरूपेण करणीयम् । बफर, ट्रान्सफर, फॉरवर्ड इत्येतेषां माध्यमेन सन्देशः गन्तव्यस्थाने वितरति, यद्यपि स्रोतः गन्तव्यस्थाने च अन्तः अन्तः संबन्धः न अस्ति। DTN-संयुक्ते मार्गनिर्देशप्रोटोकल्-संस्थायाः मुख्यं उद्देश्यम् अस्ति गन्तव्यस्थाने वितरणाय सम्भाव्यतां अधिकतमं कृत्वा अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त-अन्त- वाहनजालानां मध्ये डीटीएन मार्गनिर्देशनाय वाहनयात्राप्रकाराः अपि महत्त्वपूर्णानि सन्ति, यतः डीटीएन मार्गनिर्देशनप्रोटोकल्-अस्य प्रदर्शनं नेटवर्क-जनसंख्या-गतिशीलता-मॉडलानां निकटतया सम्बद्धं भवति । २०१४ एल्सेवियर बी.वी. सर्वाधिकारः सुरक्षितः।

4555fd3622908e2170e4ffdd717b83518b123b09

अधोलिखितेषु विषयेषु, यदा एकः ऐन्टेना धातुपटलस्य समीपे क्षैतिजः स्थानिवद् भवति तदा ऐन्टेनायाः परिमाणं किं भवति? तप्तिकायाः परिमितं आकारं च आयताकारं रूपं च अस्ति । एकं द्विध्रुवं अन्तर्भागेण विहितं पटलस्य उपरि सममितं स्थाप्यते । FEM (finite element method) इति पद्धतिः पटलस्य आकारः पटलस्य च पटलस्य पटलस्य च मध्यं दूरी च ऐन्टेनायाः परिमाणानां निर्भरतायाः अनुकरणार्थं प्रयुक्तः अस्ति । धातुः, यदि उचितं दूरे अस्ति तर्हि लघुः अपि, एण्टेनस्य व्यवहारस्य मध्ये महत् परिवर्तनं करोति । विशेषतया व्यासतः प्लेट्-अस्य बृहत्-अवसरः, विकिरण-प्रकरणस्य लोपः अधिकं तीक्ष्णं, लघु च भवति । ऐन्टेनायाः उचाः एव निर्दिशति यत् विकिरणप्रकरणस्य कति लोभाः सन्ति । एण्टेनस्य ऊर्ध्वं वर्धयित्वा अनेके एण्टेनस्य परिमाणानि यथा प्रतिबाधा, दिशा, अग्र-पश्चिम अनुपातः च आवधिकरूपेण परिवर्तन्ते । धातुपटलस्य प्रभावतः ऐन्टेनायाः अनुनासिक आवृत्तिः अपि परिवर्तते।

d70cd3d2fe0a194321ee92c305976873b883d529

एकं व्याप्त-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्रसारण-प्र लान्गे युग्मकस्य पश्चाद् द्वौ बलून-परिवर्तकाः सन्ति ये IQ वेक्टर-संस्करणं भिन्न-भिन्न I तथा Q सिग्नलैः प्रदायन्ति । चरण-परिवर्तकस्य प्रयोगे ६ डीबी-परिवर्तनं, ५ डीबी-परिवर्तनं च भवति । मध्यमं रेम्स् चरणं गान् गार् त्रुटिः क्रमशः ७ डिग्री च १ डीबी च भवति । चरणपरिवर्तकः ग्लोबलफाउन्ड्रीस् ४५-एनएम-एसओआई सीएमओएस-प्रौद्योगिकया प्रयुक्तः अस्ति। चिप् क्षेत्रः ३८५ μm × २८५ μm अस्ति, तथा चरण-परिवर्तकस्य उपभोगः १७ mW-तः न्यूनः अस्ति । लेखकस्य ज्ञानानुसारं, अयं प्रथमः चरण-परिवर्तकः अस्ति, यः ३७% बैंडविड्थेन ६० गीगाहर्ट्ज-बान्द्-बान्द्-इ-बान्द्-बान्द्-बान्द्-सङ्ख्येय-सङ्ख्येय-सङ्ख्येययोः आवृत्तौ समाहितः अस्ति ।

eb58118b9db1e95f9792f39c3780dbba3bb966cb

अस्मिन् लेखे, स्ट्रोक-रोगाणां रोगिणां स्थानीय-काल-गति-प्रणालीनां परिमाणात्मक-मापनं तथा क्लिनिकल-संकेतकानां अन्वेषणं कर्तुम्, एकं परिधानयोग्यम् इनेरशियल-मापन-प्रणाली, तस्य सह-अल्गोरिथमम् च प्रस्तूयते । वस्त्रप्रणाली सूक्ष्मनियन्त्रक, त्रैधातुके त्वरणमापक, त्रैधातुके ज्योरस्कोप, आरएफ वायरलेस प्रसारण मॉड्यूल च अस्ति । अन्तरिक्ष-काल-गति-विश्लेषण-अल्गोरिदमः, इनेरशियल सिग्नल-अधिग्रहण-प्रक्रिया-सिग्नल-प्रक्रिया-पूर्व-प्रक्रिया-गति-चरण-विश्लेषण-आचरणेन च गति-अनुमान-अङ्गुल-क्षेत्रे च युक्तः, गति-विशेषणं त्वरण-अङ्गुल्य-गति-प्रवृत्तौ निष्कर्तुं विकसितः अस्ति । अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थि-अस्थ सर्वेषु २४ प्रतिभागिषु प्रणालीं पादयोः स्थापितं कृत्वा सामान्यगते १० मीटर्-या रेखया गन्तुम् अकुर्वन् , तेषां गमनस्य रेकर्डिङ्गं प्रस्तावितप्रणालीयाः कार्यक्षमतायाः प्रमाणनार्थं सङ्कलनं कृतम् । प्रयोगात्मकपरिणामः दर्शयति यत् प्रस्तावितम् इनेरशियल मापनप्रणाली विसृजितस्थानिक-कालिक-गति विश्लेषण एल्गोरिदमः स्थानिक-कालिक-गति सूचनायाः स्वयमेव विश्लेषणार्थं आशाजनकः साधनः अस्ति, यस् य उपयोजनं क्लिनिकल-संकेतकानां रूपे क्रियते, येन स्ट्रोक-रोगस्य वा पार्किन्सन-रोगस्य निदानार्थं चिकित्सीय-प्रभावकारितायाः निरीक्षणं कर्तुं शक्यते।

7e7f14f325d7e8d70e20ca22800ad87cfbf339ff

अस्मिन् प्रकाशने पुनःप्रकाशितानि लेखानि सन्ति, येषां प्रतिलिपिस्वामित्वं IEEE-यस्य न विद्यते । एतयोः लेखानां पूर्णपाठः IEEE Xplore-पृष्ठे उपलभ्यते ।

002a8b9ef513d46dc8dcce85c04a87ae6a221b4c

अस्मिन् वर्गे प्रतिगमनं वर्गीकरणं च कृते नूतनं समर्थनवेक्टर-अल्गोरिथमं प्रस्तूयते। एतेषु एल्गोरिदमयोः, एकं परिमितिः एकं समर्थितवेक्टरानां संख्यां प्रभावीरूपेण नियन्त्रयितुम् अनुमन्त्रयति । यद्यपि इदम् स्वयमेव उपयोगीः भवति, तथापि परिमेयकरणस्य अतिरिक्तं लाभम् अस्ति यत् अस्मिन् अन्यः स्वतन्त्रः परिमेयः समाप्तः भवति। अस्मिन् सूत्रे, अल्गोरिदमस्य वर्णनं, प्रयोगस्य विकल्पस्य च अर्थस्य विषये सैद्धांतिकपरिणामः च दीयते, प्रयोगपरिणामस्य च रिपोर्टः भवति ।

0911bcf6bfff20a84a56b9d448bcb3d72a1eb093

स्वयमेव सङ्केतकस्य नियमित प्रशिक्षणं सामान्यतया गुप्त-विभागेन निष्पन्नं भवति, यानि बृहत् नकारात्मक-मूल्यं गृहीत्वा भवति । अस्मिन् विषये अस्मिन् लेखे स्पष्टीकृतम् यत् नकारात्मकप्रवृत्तिः एकं अदृष्यम् स्तरं प्रयुक्तं भवति, यस्य दायित्वं एव यत् सः आगतसूत्राणि प्रतिपादयति, तथा च चयनप्रयन्त्रं करोति, येन प्रतिपादने विरक्तता भवति। अस्मिन् विषये, अहं वक्ष्यामि यत् नकारात्मकप्रवृत्तिः डाटा वितरणस्य अध्ययनं प्रति बाधयति, यस् य अन्तर्निहित-आकारः उच्चः अस्ति । अस्मिन् नवीनः सक्रियकरणं कार्यम् अपि प्रस्तावितम् यत् द्वयोः गुप्तस्तरयोः भूमिकाः विच्छेदयति, तथा अस्मिन् उच्च-अन्तर्भावात् आयामात्मकतायाः डाटायाः प्रतिपादनेषु शिक्षणं कर्तुं अनुमत्तं भवति, यत्र मानक-स्वतः सङ्केतकानां सामान्यतया अपयशः भवति । अनवगता सक्रियणक्रियाः एकं निहितं नियमनं करोति, अतः प्रशिक्षणस्य डाटाः पुनर्निर्माणस्य त्रुटिः न्यूनं कृत्वा, अतिरिक्तं नियमनं न अपेक्ष्यते, अतः मॉडलम् प्रशिक्षितुं शक्यते ।

27f9b805de1f125273a88786d2383621e60c6094

अस्मिन् लेखे वयं गतिप्रबन्धं तथा स्थितिप्रमाणं सुधारेण ट्रैकयुक्तं मोबाइल-रोबोटं चालयितुं एकं गतिप्रबन्धं प्रस्तावयामि। स्लिप्-प्रक्रियायाः कारणात् जटिलं गतिशीलतायाः कारणात् ट्रैक-मृदा-अन्तरक्रियायाः कारणात् ट्रैक-वेगस्य आधारात् वाहनस्य सटीकं गतिः पूर्वानुमानम् कर्तुम् कठिनम् भवति । तथापि, स्वायत्त नेविगेशनस्य वास्तविक-समयगणनानां कृते लूपे गतिशीलतायाः परिचयं विना प्रभावशाली गतिविज्ञानस्य अनुमानः आवश्यकः भवति । वाहनस्य प्रति गतिः विमानस्य पृष्ठे विद्यमानानां रथानां क्षणिकं केन्द्रं (ICR) गतिशीलता-निर्भरं भवति, किन्तु एतेषु केन्द्रं एकं निर्दिष्टक्षेत्रे वर्तते इति तथ्यस्य आधारः। अतः विशिष्टं भूभागं प्रति स्थिराङ्गी ICR स्थितिः अनुकूलितवती भवति, अतः ट्रैकयुक्तं मोबाइलं रोबोटं प्रति एकं अनुमानिकं गतिशीलता-आदर्शं निर्मितम् भवति । गतिशील-परिमाणानां ऑफलाइन-अनुमानानां कृते द्वौ भिन्न-भिन्नौ दृष्टिकोनौ प्रस्तुतौ सन्ति: (i) वाहनस्य सम्पूर्ण-वेग-क्षेत्रे गतिशील-मॉडलस्य स्थानिवत्तया प्रतिसङ्कल्पः; (ii) प्रयोगात्मक-संयोजनस्य परिचयः येन आनुवंशिक-अल्गोरिथमः वास्तविक-सेन्सर-पठनात् प्रतिमानं निर्मातुम् शक्नोति । एते विधयः अन-लाइन ओडोमेट्रिक गणनायां तथा नीच-स्तरस्य गति-नियन्त्रणेन एव एव एवार्गिय-अङ्केण मोबाइल-रोबोटेन मध्यम-गतिषु कठोर-पृष्ठ-स्थूल-भूमौ परीक्षितानि। कुञ्जीशब्दः - ट्रैक-युक्त वाहनानि, गतिशील-नियन्त्रणम्, गतिशील-रोबोटिक्सः, परिमिति-पदं चलनम्, गतिशील-अनुकरणम्

04caa1a55b12d5f3830ed4a31c4b47921a3546f2

क्रमेण, वृक्षैः, ग्राफैः च यथासंस्थं डाटां प्रति रचनां कृतवन्तः कर्नल वर्गीकरणेन तथा प्रतिगमनकारणेन कम्प्युटेशनल जीवविज्ञानं औषधनिर्माणं च यथासंख्यम् अन्तःविषयकक्षेत्रेषु महत्त्वपूर्णं प्रगतिः अभवत् । सामान्यतया, कर्नेलः पूर्वमेव डाटाप्रकारे कृते विरचितः भवति, येन संरचनायाः साङ्ख्यिकीयानि प्रयोगानि क्रियन्ते अथवा संभाव्य-उत्पादकान् प्रतिमानानि प्रयुक्तानि भवन्ति, ततः कर्नेलस्य आधारेण एकं भेदभावपूर्णं वर्गीकरणं शिरसि अनुकूलं अनुकूलनमार्गे विदितं भवति । तथापि, एतादृशम् सुशील-द्वय-चरण-प्रयोजनम् अपि कर्नेल-विधिना कोटि-लक्ष-संख्येय-तदर्थ-बिन्दु-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-संख्येय-संख्येय-संख्येय-संख्येय-संख्येयसंख्येय-संख्येयसंख्येयसंख्येय-संख्येयसंख्येयसंख्ये अस्मिन् लेखे, structure2vec इत्यनेन, संरचितं डाटा प्रतिपादने कृते एकं प्रभावशालीं स्केलेबलं दृष्टिकोणं प्रस्तावयामि, यत् वैशिष्ट्यस्थानानां मध्ये लुप्तपरिवर्तनीयान् माडेलान् अन्तर्निहितं कृत्वा, भेदभावपूर्णान् सूचनां उपयुज्य एतादृशान् वैशिष्ट्यस्थानान् शिक्षणं करोति। रोचते यत् structure2vec-आदिः ग्राफिकल-मॉडल-निष्कर्षण-प्रक्रियायाः समानरूपेण, यथा- माध्य-क्षेत्र-विश्वासन-प्रसारण-प्रक्रियायाः अनुक्रमं कृत्वा कार्य-निर्देशानां क्रमेण वैशिष्ट्यं निष्कर्षयति । अस्मिन् अनुप्रयोगे कोटिसन्खयानां डाटा बिन्दुषु, वयं प्रदर्शिताः यत् structure2vec द्वित्वं द्रुतं चलनं करोति, 10,000 गुणाः लघुः एव मॉडलः निर्मितः भवति, अपि च अद्यतमं पूर्वानुमानात्मकं प्रदर्शनं प्राप्नोति।

1dc5b2114d1ff561fc7d6163d8f4e9c905ca12c4

यदा डाटाः अस्वाभाविकरूपेण वितरणीयाः भवन्ति तदा पीयर्सनस् आर-संख्यकस्य महत्त्वस्य परीक्षणं प्रथमप्रकारस्य त्रुटिसंख्येयान् वर्धयितुं शक्तौ च घटादयितुं शक्नोति इति सर्वविदितम् । सांख्यिकीयाः पाठ्यपुस्तकानि तथा सिमुलेशनसाहित्यस्य च पियरसनस्य सहसंबन्धस्य अनेकानि विकल्पानि प्रदत्तानि। तथापि, एतेषां विकल्पानां सापेक्षिकप्रदर्शनं अस्पष्टम् अस्ति । १२ पद्धतयः, यथा पीयर्सन, स्पीरमनस् रङ्-आर्डर, परिवर्तन, पुनः नमूनाकरणम् च, तुलनाय द्वौ सिमुलेशन-अध्ययनानि कृतानि। अधिकांशं नमूना-आकारं (n ≥ 20) पीयर्सन-सम्बन्धस्य मूल्यांकनात् पूर्वं सामान्यरूपेण डाटाः परिवर्तयित्वा प्रथमप्रकारस्य द्वितीयप्रकारस्य च त्रुटि-दरं न्यूनं कृतम् । परिवर्तनप्रयोजनायां सामान्य-उद्देश्य-श्रेणी-आधारितं प्रतिलोम सामान्य-परिवर्तनम् (यथा, रैंकिट-स्कोर्स् प्रति परिवर्तनम्) अतिप्रसङ्गः आसीत् । तथापि, यदा नमुनाः लघुः (n ≤ 10) एवं अति अपरसामान्यः अपि आसीत्, तदा परवर्तनपरीक्षायाः परिणामः प्रायः अन्यैः विकल्पैः, यथा विभिन्नैः बूटस्ट्रैप-परीक्षाभिः, श्रेष्ठः अभवत् ।

d3abb0b5b3ce7eb464846bbdfd93e0fbf505e954

अस्मिन् लेखे, वयं कम्प्याक्ट एन्टेना एरेस् (compact antenna arrays) त्रयाणां भिन्नानां अवधारणाणां तुलनां कुर्मः, येषु उपसर्गाणां अन्तर्निहित वेवगाइड्स (SIW) द्वारा पोषितानि सन्ति । आन्तर्निबन्धनानि रेदियटर्-प्रकारेषु विभजन्ते । स्लोट्-प्रत्ययः चुम्बकीय-रेखायुक्त-रेडिएटरं प्रतिपादयति, पच्-प्रत्ययः विद्युतीय-पृष्ठ-रेडिएटरं प्रतिपादयति, विवाल्डी स्लोट्-प्रत्ययः च यात्रा-लहरी-एन्टेनाः प्रतिपादयति । अतः एसआईडब्लु-आहारकानाम् विभिन्न-प्रयन्त्रानाम् उपयोगः करणीयः। अन्वेषितानां ऐन्टेना-संयोजनानां प्रतिबाधा च विकिरणगुणानि सामान्यीकृत-वार्तावृत्ति-संबन्धिनः। एण्टेनानां सरणीनां परस्परं तुलनां कृत्वा एण्टेनानां स्थितिपरिवर्तकानां, एसआईडब्लु फीडर आर्किटेक्चरानां, तथा संबंधितं कार्यान्वयनस्य विवरणानां च अन्तिमूलपरिमाणानां आधारभूतनिर्भरता प्रदर्शिता।

e4acaccd3c42b618396c9c28dae64ae7091e36b8

इयं नवीनः इ/क्यू रिसीवर-रैजः प्रमाणीकृतः अस्ति यत् प्रत्येकं रिसीवर-चैनलस्य चरण-परिवर्तनं अनुकूलं करोति येन रिसीवर-बीमम् आरएफ-संकेतस्य दिशि निर्देशयितुं शक्यते । मापनेषु इमेषु ८.१ गीगाहर्जः गतीं भवति, चातुर्-घटक-संयन्त्रस्य कृते +/-3५ डिग्रीषु स्टीयरिंग-कोणानि अपि समाहितानि सन्ति । एतदतिरिक्तं, प्राप्ते इ.क्.इ. कन्वर्टरः अस्ति, तथा ई.वी.एम. ४% -अति कमः एव ६४ क्यु.एम्. प्रतिपादयति । चिप् ४५ नन् टेन् नॅमॅट् सी एम ओ एस एस आय प्रक्रिये निर्मितः अस्ति, तस्य क्षेत्रफलः ३.४५ मिमी२ अस्ति, १४३ मेगावाट् विद्युत् उपभोगं करोति।

149bf28af91cadf2cd933bd477599cca40f55ccd

अस्मिन् शिक्षणसंरचनायां कच्चे दृश्यप्रवेशेन आधारेण अनुवर्धनात्मकशिक्षणम् कर्तुं शक्यते। पूर्वम् उपयुज्यमानाम् उपायाणां विपरीतम्, न केवलं नियंत्रणनीतिम् एव शिक्ष्यते। यया यशः प्राप्नोति, तन्त्रम् अपि स्वयमेव शिक्षितव्यं, यत् कीदृशं उच्च-आयामिक-प्रवाहस्य आगत-सूचनायाः प्रासंगिक-सूचनां निष्कासितुं शक्यते, यया हेतुः सिद्धांशाः शिक्षणाय तन्त्रस्य उपलभ्यन्ते । अस्मिन् विषये प्रथमं प्रूफ-ओफ़-कन्सेप्ट्-प्रदर्शनं क्रियते, यत् एकं रेस्-कारस्य दृश्यप्रदर्शनं भवति । यशः अपयशः चैव सिध्यति, अतः अनुभवयुक्तः मानवः क्रीडाकरः कदापि न विजयितुं शक्नोति।

759d9a6c9206c366a8d94a06f4eb05659c2bb7f2

अद्यत्वे कम्प्युटरदृष्टिप्रकरणे यन्त्रशिक्षण-आधारितस्य अभिज्ञाकरण-अल्गोरिथमस्य प्रायः सर्वे प्रयोगात्मक-आशङ्कायाः "बन्द-सङ्ख्या" अभिज्ञापनस्य रूपं गृहीतः, यत्र प्रशिक्षणकाले सर्वे परीक्षणवर्गः ज्ञातः भवति। दृश्यप्रयोगेषु अधिकं यथार्थवादी परिदृश्यम् "उपलब्धं समुच्चयं" (Open Set) अभिज्ञानम् अस्ति, यत्र प्रशिक्षणकाले संसारस्य अपूर्णज्ञानं विद्यमानम् अस्ति, तथा परीक्षणकाले अज्ञातवर्गं एल्गोरिदमस्य अधीने स्थापयितुं शक्यते । अस्मिन् लेखे, मुक्तसङ्ख्यायाः मान्यतायाः स्वरूपं विवक्षितं, तथा च तस्य परिभाषाः प्रतिबन्धित-मिनिमाइजेशन-प्रश्ने औपचारिकं भवति । उघटितसमुच्चयस्य अनुज्ञापनस्य समस्यायाः विद्यमान-अल्गोरिथमैः सुखाः समाधानानि न भवन्ति यतः अस्य कृते प्रबल-सामान्यीकरणस्य आवश्यकता अस्ति । समाधानस्य दिशि एकं कदमं, अस्मिन् एकं नवीनं 1-बिरुद्ध-सङ्ख्या यन्त्रं, प्रस्तूयते, यं निर्णयस्थानं रेखागत-कर्णेन सह 1-वर्गस्य अथवा द्विव्रीहि-SVM-स्य सीमागत-दूरीभ्यः स्फूर्त्तयति । कम्प्युटरदृष्टिप्रकरणे अनेकेषु अनुप्रयोगासु अस्य पद्धतिः प्रयुक्ता अस्ति, यत्र वस्तुप्रमाणनम् तथा मुखप्रमाणनम् च समाविष्टं भवति। अस्मिन् कार्ये वयं द्वयोः विषये विचारं करिष्यामः, यथा- Caltech 256 तथा ImageNet-समूहयोः कृते वृहत्-मात्रायाः क्रॉस-डाटासेट-प्रयोगाः, तथा Labeled Faces in the Wild-समूहयोः कृते अनुहार-समिश्रण-प्रयोगाः। प्रयोगाः समानकार्यक्रमेषु विद्यमान-वर्गस्य द्वित्व-समूहस्य एस.वी.एम.स् तुल्यम् मुक्त-समूह-मूल्याङ्कनार्थं अनुकूलितानां यन्त्रानां प्रभावकारितां प्रकाशयन्ति ।

00960cb3f5a74d23eb5ded93f1aa717b9c6e6851

बेयसीयन-अनुकूलनम् अज्ञानाः, महत्-प्रधानः बहुविध-कार्य-प्रणालानां च वैश्विक-अनुकूलनम् हेतुः अतिप्रभावी पद्धतिः सिद्धम् अभवत् । कार्यस्य विभक्तिः परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परिमाणं परि यद्यपि गौसियन् प्रक्रियायाः कार्यस्य पूर्वं लचीलाः पूर्वः भवति, तथापि कार्यस्य विविधवर्गः सन्ति, येषां मॉडलिङ् कर्तुम् कठिनम् भवति । एतेषु प्रायः प्रादुर्भवति नॉन-स्टेशन् आर्यक्रियाः । यन्त्रशिक्षण-अल्गोरिदमस्य अतिपरिमाणानां अनुकूलनम् एकं समस्याक्षेत्रम् अस्ति यत्र परिमाणानि प्रायः पूर्वमेव हस्त-परिवर्तन्ते, उदाहरणार्थम् लॉग-स्पेस्,-मध्ये अनुकूलनम् कृत्वा स्थानिक-परिवर्तनशील-लम्बाई-मात्रायाः प्रभावं न्यूनं कुर्वन्ति । अस्मिन् कार्यविधिः विद्यमानः अस्ति यत् आगतस्थानस्य द्विपक्षीयपरिवर्तनानां वा विकृतिः, बीटा-संचयी वितरणस्य फलनम् उपयुज्य स्वयमेव शिक्षयितुं। अस्मिन् वर्णेन वल्गकरणस्य रूपरेखा बहुकार्यप्रणालीय बेयसीयन-अनुकूलनम् अपि विस्तारिता अस्ति, येन बहुकार्यप्रणालीयाः वल्गनं संयुक्तरूपेण स्थिरास्थानम् भवेत् । 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

b53e4c232833a8e663a9cf15dcdd050ff801c05c

अस्मिन् विषये अस्मिन् विषये उच्चप्रवाहयुक्ताः डाटाप्रवाहानां वास्तविक-समय-विश्लेषणार्थं एकं स्केलेबलम् प्रणालीम् उपस्थापयिष्यामः। अस् माकं वास्तुशास्त्रं प्रणालीयां डाटाः आगमनकाले भविष्यवाणीविश्लेषणं तथा विसंगतिप्रदर्शनाय मॉडेलानां वृद्धिशीलविकासं समर्थयति। हडूप् इव डाटा प्रोसेसिंग सिस्टम्स्, यस् य उच्चतरं विलम्बः भवति, अस् माकं आर्किटेक्चरः डाटाः शीघ्रमेव उपभोगं विश्लेषणं च कर्तुम् अनुमत्तः भवति, येन अनौपचारिकव्यवहारं शीघ्रमेव अवलोकयितुं तत् प्रति प्रतिक्रियां दातुं च शक्नोति। इयं समयबद्धता आन्तरिक-धमके, वित्तीय-भ्रष्टाचारे, नेटवर्क-अतिक्रमणे च अनुप्रयोगानां कृते महत्त्वपूर्णः अस्ति । अस्मिन् विषये आन्तरिक-धमकेषु, अर्थात् प्रणालीयाः उपयोक्तॄणां द्वारा संस्थायाः साधनानां दुरुपयोगे आन्तरिक-धमकेषु समस्याः उद्भवन्ति, अतः अस्मिन् विषये अस्मिन् प्रयोगे सार्वजनिकरूपेण उपलब्धस्य आन्तरिक-धमकेषु डाटा-सैट्-स्य परिणामानि प्रस्तुतानि।

39b58ef6487c893219c77c61c762eee5694d0e36

वर्गीकरणं डाटा माइन्निङ्गस्य नवोत्पन्नक्षेत्रे महत्त्वपूर्णं समस्या वर्तते । यद्यपि पूर्वम् वर्गीकरणस्य विस्तृतं अध्ययनं कृतम् आसीत्, तथापि अधिकांशं वर्गीकरणविधिः स्मृत्या-निवासिनां डाटाभ्यः एव निर्मितम् अस्ति, अतः तेषां डाटा-माइनिंग्-प्रक्रियायाः उपयोगितायाः सीमा भवति । अस्मिन् लेखे स्केलेबलक्लेसरस्य निर्माणस्य विषये चर्चा कृता अस्ति, ननु स्केलेबलक्लेसरः (SLIQ) इति नवीनस्य क्लेसरस्य रचना अपि प्रस्तूयते। SLIQ निर्णयवृक्षवर्गीकरणं भवति, येन संख्यात्मकं श्रेयात्मकं च गुणं सम्यक् सम्पादयितुं शक्यते । वृक्षवृद्धिकाव्ये नूतनं पूर्व-सर्जना-विधिं प्रयुज्यते । अयं वर्गीकरणविधिः डिस्क-निवासिनां डाटासेटानां वर्गीकरणं कर्तुं ब्रॉड-फर्स्ट-वृक्षवृद्धि-नीतियुक्तेन सह एकीकृतः अस्ति । SLIQ अपि नूतनं वृक्ष-उपकरण-अल्गोरिदमं प्रयुज्यते, यत् किल स्वस्तम् अस्ति, तथा च परिणामे सघन-सटीकवृक्षः भवति । एतेषां संयोजनं SLIQ-यन्त्रं विशालानां डाटा-सैटानां कृते स्केल-योग्यं कृत्वा डाटा-सैटानां वर्गीकरणं कक्षाः, गुणः, उदाहरणानि (रिकॉर्डः) च संख्येय-सम्बन्धेन विना कर्तुं समर्थं करोति, अतः डाटा-माइनिंग्-कार्यस्य कृते अयं आकर्षकः साधनः भवति ।

1f25ed3c9707684cc0cdf3e8321c791bc7164147

वर्गीकरणं एकं महत्त्वपूर्णं डाटा-माइनिङ्गप्रश्नं वर्तते । यद्यपि वर्गीकरणं एकं सुविध्यं समस्या अस्ति, तथापि वर्तमानवर्गकरणविधिना प्रायः सर्वेषां वा सम्पूर्णस्य डाटासेटस्य अंशस्य स्मृतिः स्थायीरूपेण भवितुम् अपेक्षते । इत्थं तेषाम् अपारम् डाटाबेसानां खननस्य कृते उपयुक्तता सीमितम् अस्ति । अस्मिन् अद्य निर्णयवृक्ष-आधारितं वर्गीकरण-अल्गोरिदमम् उपस्थापयाम, स्प्रिन्ट् इति नाम्ना, यत् स्मृत्यादि-प्रतिबन्धानां सर्वम् निरूपयति, एवं च द्रुतं स्केलेबलम् च भवति । अनेन अल्गोरिदमस्य रचनायाः सहजतया समासान्तरकरणं कृतम् अस्ति, येन अनेकेषु प्रोसेसरैः सह मिलित्वा एकं सुसंगतम् मॉडलम् निर्मातुम् शक्यते। अत्र अपि प्रस्तुतम् समानाधिकरणम् अपि उत्कृष्टं स्केलेबिलिटीम् प्रदर्शयति । एतेषां गुणानां संयोजनं प्रस्तावित-अल्गोरिथमं डाटा-माइनिङ्गस्य कृते आदर्श-उपकरणं करोति ।

7c3a4b84214561d8a6e4963bbb85a17a5b1e003a

76c87ec44fc5dc96bc445abe008deaf7c97c9373

अस्मिन् लेखे एकं प्लानिर्भागेन ग्रैड-आरे ऐन्टेनेन 100 Ω-आधारं सूक्ष्म-पट्टी-लाइन-आहारं मानक-नर्म-उपसर्गादि-स्तरस्य एकस्मिन् पृष्ठे प्रस्तुतम् अस्ति । रडारप्रयोजनेभ्यः ७९ गीगाहर्ज-बान्दमध्ये एण्टेनः कार्यम् करोति । अस्य एकसूत्रेण निर्मितस्य भवनस्य ऊर्ध्वात् एकसूत्रेण निर्मितः लघुप्रकाशः अस्ति, अजिमुत्-प्रकाशस्य व्यापकप्रकाशः अपि अस्ति । इयं ऐन्टेना विभेदक-सूक्ष्म-पट्टी-लाइन-आहार-संयोजनेन सह आवृत्ति-क्षेत्रे विभेदक-बहु-चैनल-एमएमआईसी-संयोजने उपयुक्तः अस्ति ।

bc7308a97ec2d3f7985d48671abe7a8942a5b9f8

अस्मिन् लेखे भावनाविश्लेषणस्य एकं दृष्टिकोणं प्रस्तूयते, यत् समर्थनवेक्टरमशीनानि (एसवीएम) उपयोगं कृत्वा सम्भाव्यतया प्रासंगिकसूचनायाः विविधस्रोतान् एकत्राय लभते, यथा वाक्यांशानां विशेषणानाम् च अनेकानां अनुकूलता-मापानां, तथा यत्र उपलब्धं भवति, पाठस्य विषये ज्ञानं च। अत्र प्रयुक्ताः लक्षणानि उपयोगं कुर्वन्ति ये च पूर्वम् प्रभावशालीः अभवन् (पाङ्ग इतरेः २००२) तथा एकवचनं प्रतिपादनं कुर्वन्ति ये च एकवचनं प्रतिपादनं कुर्वन्ति। Epinions.com इत्यस्य चलचित्रस्य समीक्षायाः डाटाः प्रयोगैः प्रदर्शिता यत् हाइब्रिड एसवीएमः यैः एक-ग्राम-शैलीयाः सुविधा-आधारितः एसवीएमः वास्तविक-मूल्ययुक्ताः अनुकूलता-मापानां आधारेण संयोजितः अस्ति, तेभ्यः श्रेष्ठः प्रदर्शनः प्राप्नोति, यैः एतेषां डाटाः उपयोगेन अद्यपर्यन्तं प्रकाशितानि सर्वात् श्रेष्ठानि परिणामानि प्राप्तानि। विषयस्य कृते हस्तलिखिते सङ्गीतसमीक्षायाः लघुतरं डेटासेटम् विषये सूचनाभिः समृद्धं सुविधासमुच्चयं प्रयोगैः अपि प्रतिपादितम्, यानि परिणामानि सूचयन्ति यत् विषये सूचनायाः समावेशेन एतादृशान् प्रतिमानानि अपि सुधृष्यन्ते।

be389fb59c12c8c6ed813db13ab74841433ea1e3

अंजीरम्। १. अस्मिन् आयमैपरः प्रयुक्तः अस्ति यत् वस्तुभिः सह मनुष्याणां परस्परसम्भाषणं निर्वहति, येन दृश्यस्य सम्भाव्य व्यवस्था तथा मानवीय गतिः अपि पुनर्प्राप्तुं शक्यते, यानि एकं एकवचनं विडियोम् (इन्सैट) अवलोकयन्ति । अस्मिन् विडियोः दृश्य-लघु (scenelets) इति कथयित्रीं विशेषाङ्काणि (उदाहरणम्, ए, बी, सी) आयुक्ताः, तेषां उपयोगेन च वस्तु-संरचनायाः तथा मानव-आवृत्ति-मार्गस्य (left) पुनर्निर्माणं कृतम् । मुख्यं आव्हानं अस्ति यत् विश्वसनीयः फिटिंगः अज्ञानाः (अर्थात् लुप्तः) अवरुद्धानां विषये सूचनायाः आवश्यकता अस्ति । (दक्षिणम्) अस्मिन् (ऊपरतः) अस्मिन् फले हस्त-अङ्गीकृतं ग्राउंडट्रथ ऑब्जेक्ट प्लेसमेन्टस् (Groundtruth object placements) -ं दर्शयति स्म । वस्तुनि मेषानि अनुमानित वस्तुनि वर्गः, स्थानः, आकारः च सूचनायाः आधारतः स्थापयन्ति ।

f24a1af3bd8873920593786d81590d29520cfebc

अस्मिन् पत्रे बहुस्तरीय-अन्तर्निहित-वेव-गाइड (MSIW) तन्त्रस्य आधारेण नवीनं दीर्घवृत्तीय-फिल्टरस्य रचनायाः प्रयोगस्य च प्रस्तुतिः अस्ति । चत्वारः गुडानि MSIW गुहाः विद्यमानानि सन्ति, C-band दीर्घवृत्तिकं फिल्टर् उच्च आवृत्ति संरचना सिम्युलेटर सॉफ्टवेयरस्य उपयोगेन सिमुलेटेडं भवति, द्विकर्मकप्रक्रियायाम् निर्मितं भवति, मापनपरिणामः सुखाः सन्ति, तथा सिमुलेटेडपरिणामानां अनुरूपं भवति।

8052bc5f9beb389b3144d423e7b5d6fcf5d0cc4f

गुणः वस्तुभिः सह सम्बद्धः अर्थात्मकः दृश्यः गुणः अस्ति । ते वस्तु-विज्ञानाय वर्धयन्ति, सामग्री-आधारित-चित्र-शोधं वर्धयन्ति च। यद्यपि गुणानां बहुविधानां श्रेणयः आसन्, यथा - दल्माटियन् च व्हेलयोः "सुगन्धा त्वक्" अस्ति, अस्मिन् वर्गे एकस्य लक्षणस्य रूपं भिन्नं भवति। अतः एकस्मिन् वर्गे ज्ञातः गुणस्य नमुना अन्यस्मिन् वर्गे न उपयुज्यते । अस्मिन् विषये नवीनवर्गानां प्रति विशेषणमण्डलानां अनुकूलनम् दर्शयति स्म । अस्मिन् विषये, "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजातिः" इत्यस्य "प्रजाति" इत्यस्य "प्रजाति" इत्यस्य "प्रजाति" इत्यस्य "प्रजाति" इत्यस्य "प्रजाति" इत्यस्य" अनुवादेयः। अस्मिन् विषये अस्मिन् लेखे स्पष्टीकृतम् यत् यदा नूतनक्षेत्रेभ्यः डाटाः सीमितानि भवन्ति, तदा नूतनक्षेत्रेभ्यः गुणानाम् मॉडेलानि नियमितीकृत्य सहायकक्षेत्रेभ्यः प्रशिक्षितानि भवन्ति (अनुकूला एसवीएम-मार्गे) ।

01094798b20e96e1d029d6874577167f2214c7b6

शीघ्र-समवर्ती ह्यास-तालिकाः अधिकाधिकं महत्त्वपूर्णं भवनं भवति, यतो वयं प्रणालीं अधिकं संख्यां केन्द्रं तथा सूत्रं प्रति विस्तारं कुर्मः। अस्मिन् लेखे उच्च-प्रवाह-क्षमतायाः समवर्ती हैश-तालिकायाः रचना, कार्यान्वयनं, मूल्यांकनं च प्रस्तुतं यत् बहु-पाठकानां लेखकानां च समर्थनं करोति । अस्य रचनायाः उद्भवः प्रणाली-स्तरस्य अनुकूलनस्य यथा-अल्पसंख्यकविभागाणां लम्बाई तथा अल्गोरिदम-पुनर्-इञ्जिनियरिङ्-द्वारा अन्तःप्रक्रिया-समन्वित-सञ्चारस्य न्यूनकरणम् । अस्मिन् अभियान्त्रिक-प्रणालीयाः वास्तुशास्त्रीय-आधारस्य भागं कृत्वा, अस्मिन् महत्वपूर्ण-संरचना-खण्डस्य कृते इंटेल-स्य नूतन-हार्द्वेअर-ट्रांजेक्शन्ल-मेमोरी (एचटीएम) समर्थनस्य प्रयोगस्य च परिणामाणां चर्चा समाविष्टः अस्ति । अस्मिन् विषये, अद्यतनसूत्रेषु विद्यमानानां डाटा संरचनाणां समवर्ती प्रवेशाय कच्चित्-अक्षराणि प्रयुक्ताः अनुबन्धः समग्रं प्रदर्शनं घटादयति। यद्यपि एचटीएमः एतादृशं धीमताम् किञ्चित् कमयति, तथापि एतादृशं धीमताम् न समाप्तयति । उच्चप्रदर्शनप्राप्त्यर्थं एचटीएम-प्रयोजनानां तथा सूक्ष्म-अक्षराणां तालावहनानां कृते एल्गोरिदमिय-अनुकूलनं आवश्यकम् अस्ति । अस् माकं कार्यसम्पादनपरिणामः प्रदर्शयति यत् अस् माकं नूतनम् हस् तालिका-निर्माणम् - आशावादी कुक्कू हस् हस् -आधारितम् - अन्यतमम् समवर्ती हस् तालिकायाः 2.5 गुणाधिकं निष्कर्षणं करोति, लिखितुं अतिभारं कार्यभारं प्रति, यद्यपि लघु-कुञ्जी-मूल्य-आइटम्स् प्रति अतीव कमः स्मृतिकरणं उपयुज्यते । १६-कोर-मशीनं प्रति सेकण्डम् अस्मिन् हश-टेबल-प्रकरणे ४० कोटिः इन्सर्ट-प्रक्रिया च ७० कोटिः अन्वेषण-प्रक्रिया च क्रियते ।

5685a394b25fcb27b6ad91f7325f2e60a9892e2a

ग्राफ-संरचनायाः साहाय्येन डाटा-सङ्ग्रहोपचारं च कर्तुं ग्राफ-संरचनायाः साहाय्येन ग्राफ-संरचनाः (GDB) अधुना प्रवर्तन्ते । अद्य ते ग्राफ-सदृशान् डाटा-प्रबन्धकानाम् अनेकान् अनुप्रयोगानाम् आवश्यकताः सन्ति, यथा सामाजिक-जालानि। ग्राफ-सदृशान् डाटा-बेसानां प्रश्नावली-अनुकूलनार्थं प्रयुक्ताः बहुधा तन्त्र-प्रणालयः पारम्परिक-डाटा-बेसानां, वितरण-प्रणालानां, इत्यादीनां च कृते उपयुज्यमानाः सन्ति अथवा ग्राफ-सिद्धादिभ्यः प्रेरणायाः प्राप्ताः सन्ति। तथापि ग्राफ-डाटाबेसमध्ये तेषां पुनः उपयोगः ग्राफ-डाटाबेसस्य मुख्यविशेष्यकानां यथा गतिशील-संरचना, अत्यधिक-संबद्ध-डाटा, दक्षतया डाटा-सम्बन्धानां अभिगम्यता च ध्यानं गृहीत्वा भवेत् । अस्मिन् लेखे ग्राफ-संरचनायां क्वेरी-अनुकूलन-प्रणालीनां सर्वेक्षणं कृतम् अस्ति । विशेषतया ग्राफ-आकारस्य डाटाः सुधारेण तेषां प्रवर्तनं सुदृढं भवति इति वयं विवक्षयामः ।

0541d5338adc48276b3b8cd3a141d799e2d40150

MapReduce एकः प्रोग्राम् इङ् मोडलः अस्ति, यस् य सह संबद्धः कार्यान्वयनः अपि अस्ति, यस् य उपयोगः विशाल-आकारस्य डाटासेटस् य प्रोसेसिंग् च निर्मणार्थं भवति, यस् य उपयोगः वास्तविक-विश्वस्य कार्यानां विस्तृत-विविधतायाः कृते समर्थः भवति । उपयोक्तारः गणनायां मानचित्रं तथा घटादिप्रक्रियां निर्दिश्यन्ते, तथा च अधःस्थ र्नटाइम-प्रणाली स्वयमेव गणनायां यन्त्रानां वृहत्-समूहानां समानांतरं करोति, यन्त्र-विफलानि सम्पादयति, तथा च नेटवर्क-डिस्कानां कुशल-प्रयोगार्थं यन्त्र-मध्य-संचारं नियोजितं करोति । प्रोग्राम्स् कर्ता जनाः एतस्य प्रयोगं सुलभं मन्यन्ते: गतचत्वारि वर्षाणि गुगल-संस्थाने दशसहस्रं भिन्नं MapReduce-प्रोग्राम्स् अन्तर्-अन्तर्-अवस्थितम् अस्ति, प्रतिदिनं गुगल-संस्थानाम् क्लस्टर्स् मध्ये औसतनं एकसहस्रं MapReduce-कार्यक्रमः क्रियते, प्रतिदिनं एकसहस्रं पेटाबाइट्-संख्येयम् डाटाः प्रोसेस भवति ।

683c8f5c60916751bb23f159c86c1f2d4170e43f

3a116f2ae10a979c18787245933cb9f984569599

वायर्ड् सेन्सर-जालानि (Wireless sensor networks) (WSNs) बहुविधप्रयोगाणां कृते प्रभावशालीः समाधानः अभवत् । बहुषु परम्परागतं WSN आर्किटेक्चरं स्थिराणि नोडस् (nodes) सन्ति, ये संवेदनाक्षेत्रे घनाः सन्ति । अद्यतनतया अनेकानि WSN आर्किटेक्चरानि प्रस्ताविताः सन्ति, ये मोबाईल एलिमेन्ट्स (MEs) -आधारितानि सन्ति । तयोः अधिकाः जनाः WSN-षु डाटा-सङ्ग्रहणस्य समस्यायाः समाधानार्थं गतिशीलतायाः उपयोगं कुर्वन्ति । अस्मिन् लेखे प्रथमतः वयं एमई-संयुक्ते WSN-संज्ञां निर्दिश्य, एमई-संस्थायाः भूमिकायाः आधारात् तेषां वास्तुशास्त्रस्य व्यापकवर्गीकरणं प्रदत्तवन्तः। अनन्तरं एतादृशस्य परिदृश्यस्य डाटा संग्रहप्रक्रियेन अवलोकनं कृत्वा, तत्सम्बद्धानां समस्याः च निर्दिष्टानि। अस्मिन् विषये विषये सम्बद्धसाहित्यस्य विस्तृतं सर्वेक्षणं कृतम् अस्ति। अन्वयः - अस्मिन् विषये अधः प्रवर्तमानानि प्रवृत्तयः, समाधानानि च तुलनायन्ते, तथा च अस्मिन् विषये अधः प्रवर्तमानानि समस्याः, भविष्यत्कालीनानि अन्वेषणानि च प्रस्तूयन्ते ।

e7b50e3f56e21fd2a5eb34923d427a0bc6dd8905

अत्र सूक्ष्मवेगाय फिल्टर्-संश्लेषाय युग्मनमात्राणां संश्लेषणस्य नूतनं दृष्टिकोनम् उपलभ्यते। युग्मनमात्रासंश्लेषणस्य विद्यमानानां प्रत्यक्ष-उत्तमकरण-विधिनां कृते नूतनं दृष्टिकोनं अग्रिमं भवति, यतोहि यदि एकात् अधिकं अस्ति तर्हि जालस्य सर्वसम्भाव्य युग्मनमात्राणां समाधानानि पूर्णतया अवलोकयिष्यति। इत्थं सूक्ष्मवेगाय फिल्टर् निर्मातुं योजनं प्रविधिः उत्तमम् अस्ति, अतः सूक्ष्मवेगाय फिल्टर् निर्मातुं योजनं प्रयुक्तं भवति। इदम् पद्धतिकाम् उपयोगं दर्शयितुं, नवतः प्रस्थापितम् "विस्तृत-बक्सरः" (ईबी) युग्मन-मात्राणां विन्यासः प्रयुक्तः। ई.बी. इत्यनेन नन्वेवं प्रकारं फिल्टर्-संरचनां प्राप्तुं बहुविधं लाभं प्राप्नोति, यानि मध्ये एकः एव किञ्चित् । इयं प्रकरणं संश्लेषणविधिः उपयोगः प्रदर्शयितुं उदाहरणरूपेण गृहीतः अस्ति - द्विमात्रिक-अवस्थायाम् अभिलषणे उपयुक्तः एकः समाधानं च प्राप्तम् अस्ति, यत्र केचन युग्म-संयोजनानि दुर्लक्षितुं पर्याप्तानि सन्ति । सूचकाङ्कः शब्दः - युग्मनमात्रा, फिल्टर संश्लेषणम्, ग्रौब्नर आधारः, विलोम विशेषता, बहुव्रीहिः।

a6f1dfcc44277d4cfd8507284d994c9283dc3a2f

अस्मिन् कम्प्युटरप्रणालीयाः विकासः वास्तविकसमये कृतः, येन व्यक्तिः शिरः स्थानं ज्ञातुं, अनुगन्तुं च शक्यते, ततः तस्मिन् व्यक्तिः चेह्नां लक्षणं ज्ञातव्यव्यव्यः व्यक्तिसम्बन्धेन तुल्यरूपेण ज्ञापयितुं शक्नोति। अस्य प्रणालीयाः कम्प्युटरेशनल दृष्टिकोणः शरीरविज्ञानं तथा सूचनासिद्धान्तं, तथा च वास्तविक-समयस्य प्रदर्शनस्य च व्यावहारिक आवश्यकताः च प्रेरितानि सन्ति । अस्मिन् प्रकरणे मुखं विज्ञातुं समस्यायाः निमित्तं त्रि-आयामिक-आकारस्य पुनर्प्राप्तेः आवश्यकतायाः अपेक्षया स्वभावेन द्वि-आयामिक-आकारस्य (2-D) समस्यायाः रूपे व्यवहारः क्रियते, एतद् तथ्यम् उपयुज्य यत् मुखं सामान्यतः खलु भवति, अतः लघु-आकारस्य (2-D) विशेषतायाः दृश्यैः वर्णयितुं शक्यते । प्रणालीयाः कार्यम् अस्ति यत् मुखस्य चित्रं एकं विशेषणक्षेत्रं प्रति प्रक्षेपितं भवति, यत् ज्ञातानां मुखस्य चित्रानां मध्ये महत्वपूर्णं भिन्नतायाः विस्तारं करोति । "स्वमुखः" इति ख्यातः यतो हि मुखानां समूहस्य स्ववेक्टरः (प्रधानः घटकः) अस्ति; ते चक्षुः, कर्णः, नाकः इत्यादीनां लक्षणानां अनुरूपं न भवति । प्रक्षेपणक्रियायाः कारणात् एकस्य व्यक्तस्य मुखस्य स्वमुखस्य लक्षणानां भारित-सङ्ख्या भवति, अतः विशिष्टं मुखं विज्ञातुं केवलं ज्ञातव्यव्य व्यक्तानां भारानां तुल्यकरणं आवश्यकम् अस्ति । अस्मिन् पद्धतिरेकस्य विशेषः लाभः अस्ति यत् सः अनवरतरूपेण नवीनानां मुखानां ज्ञानं प्राप्तुं, ततः परं तेषां अभिज्ञानं कर्तुम् समर्थः भवति, न च तंत्रिकाजालस्य आर्किटेक्चरम् उपयुज्यम् अस्य प्रयोगः सुलभः भवति।

b217788dd6d274ad391ee950e6f6a34033bd2fc7

बहुस्तरीयप्रमाणं प्रतिपाद्य, यदा पुनर्वर्धनेन वर्गीकरणं क्रियते, तदा बेयस् इष्टतमभेदकार्यं प्रतिपादयति। एतस्य परिणामस्य प्रदर्शनं द्विवर्गस्य समस्यायाः बहुवर्गस्य समस्यायाः च कृते क्रियते । बहुस्तरीयप्रवेशाय प्रवेशाय बहुस्तरीयप्रवेशाय प्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्तरीयप्रवेशाय बहुस्त्रीयप्रवेशाय बहुस्त्रीयप्रवेशाय बहुस्त्रीयप्रवेशाय बहुस्त्रीयप्रवेशाय बहुस्त्रीयप्रवेशाय बहुस्त्रीयप्रवेशाय बहुस्त्रीयप्रवेशाय बहुस्त्रीयप्रवेशाय बहुस्त्रीयप्रवेशाय बहुस्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीयप्रवेशास्त्रीय प्रमाणं चैकविधं स्तरीकृतं चैकप्रकारं युनिटस्य सक्रियणकार्य्यं, रेखाङ्कितं वा अङ्कितं वा भवति।

647cb3825baecb6fab8b098166d5a446f7711f9b

अलिकवर्षेषु गहनं जनकप्रमाणं दर्शितम् यत् "कल्पना" करणीया उच्च-आयामी अवलोकनानि यथा चित्रं, श्रवणं, तथा च विडियो, प्रत्यक्षं कच्चेषु डाटासु शिक्षिताः। अस्मिन् कार्ये, वयं विचारयाम यत् लक्ष्यनिर्देशितानि दृश्यानि योजनाः - अवलोकनानां एकं सम्भाव्य अनुक्रमं यत् गतिशीलप्रणाली वर्तमानसंरचनायाः अपेक्षितलक्षणीयप्रदेशं प्रति परिवर्तते, यं पश्चात् नियमनार्थं एकं संदर्भप्रक्षेपं रूपेण उपयुज्यते । अस्मिन् विषये उच्च-आयामिक-निरीक्षणैः प्रणालीभिः, यथा-चित्रैः, केन्द्रितः अस्ति, तथा च अस्मिन् विषये एकं दृष्टिकोणं प्रस्तौति, यत् स्वाभाविकरूपेण प्रतिनिधित्वशिक्षणम् योजना च संयोजयति। अस्मिन् फ्रेमवर्के अनुक्रमिक-निरीक्षणानां जनक-मॉडलम् विदितम् अस्ति, यत्र जनक-प्रक्रियायाः उत्प्रेषणं न्यून-आयामिक-योजना-मॉडलस्य संक्रमणद्वारा भवति, तथा अतिरिक्त-ध्वनिः च भवति । यन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्निमित्तं तन्नि अस्मिन् योजनायाः प्रतिरूपं कुशल योजनायाः एल्गोरिदमैः सह सहानुभूतं भवितुम् अर्हति, तथा च अस्मिन् योजनायाः प्रतिरूपेषु अनेकेषु विषम-अवस्थायाः अथवा सतत-अवस्थायाः आधारः अस्ति । अन्ततः दृश्य योजना निर्मातुं, वर्तमानं लक्ष्यं च अवलोकनं योजनामण्डले तेषां संबंधितं स्थितौ प्रक्षेपितुं, एकं प्रक्षेपवक्रं नियोजितुं, ततः प्रक्षेपवक्रं अवलोकनानां क्रमेण परिवर्तयितुं जनकप्रकरणं प्रयुक्तुं शक्यते । अस्मिन् विषये, रस् साः प्रयोगस्य दृश्यमानानि योजनाः कल्पयित्वा, अस्मिन् विषये अस् माकं पद्धतिः प्रदर्शिता।

a63b97291149bfed416aa9e56a21314069540a7b

लक्ष्यं लक्षणा-अवशिष्टा-अतिसक्रियता विकारः (एडीएचडी) बालकाः तथा किशोरैः कार्य-स्मृति-प्रक्रियायां (डब्लुएम) अभावात् अनुभवात्मकं प्रमाणं निर्धारणं। METHOD एडीएचडीयुक्तानां बालानां मेटा- विश्लेषणात्मक- प्रक्रियायाः प्रयोगाः WM विकारस्य प्रदर्शनं कुर्वन्ति वा न कुर्वन्ति इति अन्वेषणार्थं कृतवन्तः । १९९७ तः २००३ तमस्य वर्षस्य डिसेम्बर् यावत् प्रकाशितानि २६ प्रायोगिकशोधानि (पूर्वं समिक्षायाः पश्चात्) अस्मिन् समावेशे निकषं पूरयन्। वचने, स्थाने च, तथा प्रसंस्करणस्य प्रकारेण (भण्डारणम्/भण्डारणम्/संशोधनम्) विभक्तिः कृतः । परिणामः एडिएचडीयुक्तबालकेषु विविधासु विभक्तिषु दोषः आसीत्, ये भाषाशिक्षणस्य विकारैः सह रोगाणां च सामान्यबुद्धिकक्षमतायां दुर्बलतायाः च स्वतन्त्रः आसीत् । स्थानिक- स्मृतेः (प्रभाव- आकारः = ०.८५, अन्तराल- अन्तरिक्षः = ०.६२- १.०८) तथा स्थानिक- केन्द्रकार्यात्मक- विम (प्रभाव- आकारः = १.०६, विश्वास- अन्तरालः = ०.७२- ०.३९) समग्रप्रभाव- आकारः शब्देन स्मृतेः (प्रभाव- आकारः = ०.४७, विश्वास- अन्तरालः = ०.३६- ०.५९) तथा शब्देन केन्द्रकार्यात्मक- विम (प्रभाव- आकारः = ०.४३, विश्वास- अन्तरालः = ०.२४- ०.६२) प्राप्तेभ्यः अधिकः आसीत् । निष्कर्षः एडीएचडीयुक्तबालकेषु वाग्-मण्डलस्य विकारस्य प्रमाणं एडीएचडी-समये वाग्-मण्डलस्य प्रक्रियायाः सम्बन्धे नूतनानि सैद्धांतिकानि प्रतिमानानि समर्थयति । एडि.डी.एच.डी. इत्यस्य विकारस्य प्रकृतिः, तीव्रता, विशिष्टता च स्पष्टतया परिभाषयितुं भविष्यान् अनुसंधानम् आवश्यकम् अस्ति ।

49e77b981a0813460e2da2760ff72c522ae49871

गहनशिक्षणम् विशालैः डाटासेटैः कम्प्युटेरियली कुशलैः प्रशिक्षण-अल्गोरिथमैः सह अन्यैः पद्धतैः परे यन्त्रशिक्षणकार्यक्रमाणां प्रदर्शनं करोति । तथापि गहन-संयन्त्रस्य प्रशिक्षण-चरणस्य अपूर्णतायाः कारणात् ते प्रतिपक्षीय-नमुनाः प्रतिरोधिनः निर्मितानि आगतानि कुर्वन्ति, येन गहन-संयन्त्रस्य गलत-वर्गीकरणं कर्तुं शक्यते । अस्मिन् कार्ये, वयं गहन-संयन्त्र-संजालानां (डीएनएन) विरुद्धं प्रतिपक्षानां स्थानं औपचारिकं कृत्वा, डीएनएन-संयन्त्रानां आगतानां च निष्कर्षाणां मध्ये मानचित्रणस्य सटीक-समझने आधारेण प्रतिपक्षीय-संयन्त्रानां नमूनाकरणार्थं नूतन-वर्गस्य एल्गोरिदमस्य परिचयं कुर्मः। कम्प्युटरदृष्टिप्रयोजनस्य कृते अस्मिन् प्रमाणं दीयते यत् अस्मिन् एल्गोरिदमस्य प्रयोगे मानवानां विषये योग्यरूपेण वर्गीकृतानि, किन्तु विशिष्टलक्षणेषु DNN द्वारा गलतरूपेण वर्गीकृतानि नमुनेषु 97% प्रतिपक्षात्मकसफलतायाः दरः अस्ति, यदा किल प्रति नमुने ४.०२% एव आगतविशेषणं परिवर्तितम् अस्ति । ततः विभिन्नं नमुनावर्गं प्रति प्रतिकूलविनाशानां भेद्यतायाः मूल्यांकनं कठोरतामापकस्य परिभाषायाम् क्रियते। अथातः पूर्वं कार्यम् वर्णयितुं, प्रतिपक्षीयानां नमुनाणां विरुद्धं रक्षां कर्तुं, एकं भविष्यवाणीय मापणं निर्दिश्यते, येन सौम्यप्रवेशस्य लक्ष्यवर्गीकरणस्य च मध्यं दूरी भवति।

3f52f57dcfdd1bb0514ff744f4fdaa986a325591

एप्पल्-मैकबुकस्य फर्मवेअरस्य सुरक्षायां अनेके दोषः सन्ति, ये असत्यायिकपरिवर्तनानि एतयोः लॅपटूपानां एसपीआई फ्लेश बूट रोम्-मध्ये लिखितुं अनुमतीदन्ति । एषा क्षमता एप्पल्-म्याकबुक-उत्पादनेषु प्रसिद्धायां बूटकिट् (bootkit) इति नूतनवर्गस्य स्थायित्वयुक्ताः फर्मवेर्-रूटकिट्-संयोजकानां (permanent firmware rootkits) प्रतिनिधित्वं करोति । स्लीथ् बुट्किट्-संस्करणेषु स्वेयं लुप्-प्रदर्शनं कर्तुं शक्नोति तथा साफ्टवेयर-प्रयत्नं तेषां निष्कासनं रोचयति । अपरेटिङ्ग सिस्टम् पुनर्स्थापनं तथा हार्ड-ड्राइव-प्रतिस्थापनं च अपि दुर्भावनायुक्तः परिवर्तनः बूट-रम-मध्ये जीवितुं शक्नोति । अपि च, ईदृशम् दुर्भावनायुक्तम् कार्यक्रमम् अन्यानां थन्डरबोल्ट-उपकरणानां विकल्प-रोम-प्रणालीषु स्वस्य प्रतिलिपिं संस्थापयितुं शक्नोति यत् एवम् वायु-अवरोधस्य सुरक्षा-परिधिषु विषाणूनाम् प्रसारणं कर्तुं शक्नोति । एप्पल्-सम्प्रदायस्य CVE २०१४-४४९८ इत्यस्य भागः एतादृशानां दोषानां केचन निराकरणं कृतवान्, किन्तु एतादृशानां दुर्बलतायाः सहजं समाधानं नास्ति, यतः MacBook-सम्प्रदायस्य बूटसमये फर्मवेअरस्य क्रिप्टोग्राफिकप्रमाणनार्थं विश्वस्तस्य हार्डवेअरस्य अभावः अस्ति ।

3b3acbf7cc2ec806e4177eac286a2ee22f6f7630

अस्मिन् लेखे अतिव्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक-व्यापक AMUX-संस्करणं नवनिर्माणं $\pmb{0.25-\mu \mathrm{m}}$-इमिटर-विड्थ् इन् पी डबल हेटरोजङ्क्सन द्विध्रुवीय ट्रांजिस्टर् (DHBTs) -संस्करणं कृत्वा निर्मितम्, ययोः पीक $\pmb{f_{\mathrm{T}}}$ च $\pmb{f\displaystyle \max}$ च क्रमशः 460 च 480 GHz एव। एएमयूएक्स आयसीः एकस्य आयसीः अस्ति, यस्मिन् डाटा-इनपुटः लीनियर-बफरः, क्लॉक-इनपुटः, एएमयूएक्स-कोरः, आउटपुटः लीनियर-बफरः च अन्तर्भवन्ति । डाटाः च क्लॉकपथयोः मापने ३ डीबी बैंडविड्थः ११० गीगाहर्ट्स्-अधिकः अस्ति । इयं यन्त्रं 180 GS/s यावत् तीव्रतायाः समयक्षेत्रस्य विशाल-संकेतस्य नमूना-कार्यस्य परिमाणं च लभते। एतस्य AMUX- यन्त्रस्य उपयोगेन 224-Gb/s (112-GBaud) चतुर्-स्तरीय- पल्स- एम्प्लिट्युड- मोडुलेशन (PAM4) सिग्नलः सफलतापूर्वकं निर्मितः । अस्मिन् AMUX IC-पद्धतिरे अम्बुज-प्रमाण-संयन्त्रस्य पूर्वं प्रतिपादितानां AMUX-पद्धतिरेषु अधिकं बैंडविड्थ-प्रमाणं च द्रुतं नमूना-प्रमाणं च अस्ति ।

4dd7721248c5489e25f46f7ab78c7d0229a596d4

अस्मिन् लेखे पूर्णतया एकीकृतं आरएफ-ऊर्जा-संयोजनं प्रणालीं प्रस्तूयते । तन्त्रं एकस्मिन्काले बाह्य-सञ्चालक-भारैः अपेक्षितं विद्युत्प्रवाहं वितरति, बाह्य-कपेन्सिटर-संयन्त्रेषु अतिरिक्त-उत्पादक-शक्ति-समये अतिरिक्त-ऊर्जायाः संग्रहं करोति। अस्य रचनायाः निर्माणं 0.18- $\mu \text{m}$ CMOS-प्रौद्योगिकया कृतम् अस्ति, तथा सक्रिय चिप् क्षेत्रः 1.08 मिमी2 अस्ति । प्रस्तावितस्य स्व-प्रारंभ-प्रणालस्य अन्तःकरणं LC मिलन-जालस्य, आरएफ रेक्टिफायरस्य, तथा शक्ति-प्रबन्ध-नियन्त्रक-एकस्य सह पुनः विन्यस्यं शक्यते, यस्मिन् ६६-१५७ nW उपभोगः भवति । आवश्यकः घडी-उत्पादनं तथा तणाव-सम्बन्धि-सर्किट् एकस्मिन् चिपे एकीकृतः अस्ति । कार्यक्रमेण नियमनं न्यून-उपलब्धि-शक्तिः कार्यार्थं प्रयुक्तं भवति, यस्मात् अपेक्षित-उत्पादन-शक्तिः न प्राप्नोति। अपि च आरएफ रेक्टिफायरस्य चरणानां संख्या पुनः विन्यस्यते येन उपलभ्यमानस्य आउटपुट पावरस्य दक्षता वर्धते। उच्चं विद्युत्-उपलब्धि-प्रमाणं प्राप्तुं, बाह्य-ऊर्जा-भण्डारण-घटकस्य चार्जार्थं द्वितीयक-मार्गः क्रियते । मापादितः आरएफ-प्रवेशशक्तिकृता संवेदनशीलता १-वोल्ट्-प्रत्ययप्रवाहसमये -१४.८ डीबीएम भवति ।

7314be5cd836c8f06bd1ecab565b00b65259eac6

अनेन प्रकारेण सर्वेणैव कार्यविधिना महती दस्तावेजसंग्रहस्य व्यवस्थापनं कर्तुं शक्यते।

f0eace9bfe72c2449f76461ad97c4042d2a7141b

अस्मिन् पत्रे डब्लु-बान्द्-संवर्गस्य नवीन-एन्टेना-इन-पैकजे (एआईपी) प्रौद्योगिकीः प्रस्ताविता। अयं प्रविधिः विशेषप्रकरणे समाधानार्थं प्रदत्तः अस्ति यत् धातुसंकुले उच्चया यांत्रिकशक्त्या उपयुज्यमाना भवति । बहुस्तरीय-निम्न-तापमान-सह-उत्पादित-सिरमिक-प्रौद्योगिकया (LTCC) लाभः प्राप्नोति, अतः ऐन्टेनायाः विकिरण-कार्यक्षमताः संरक्षितुं शक्यते। तद्यथा, उच्चं यांत्रिकं बलम्, तथा च परिरक्षणं च प्राप्तम् अस्ति । एआईपी-प्रकरणस्य एकं प्रतिरूपं निर्मितम् अस्ति । अस्य प्रोटोटाइपस्य अन्तर्निहितं LTCC ऐन्टेना, न्यून-हानिः फीडर, तथा धातु-संकुलम् अस्ति, यस्मिन् एकं कोपयुक्तं श्रोत्र-द्वारं अस्ति । इयं LTCC-आहारिका लमीनेट वेवगाइड (LWG) द्वारा निर्मितम् अस्ति । एलटीसीसी-मण्डले अन्तर्निहितः एकः लघ्वार्णवाहनः (LWG) गुहा अन्तर्निहितः अस्ति, येन ऐन्टेना प्रतिबाधा बैंडविड्थः विस्तीर्णः भवति । विद्युत्-चुम्बकीय-अनुकरणानि च (इ.एम.) ऐन्टेनायाः कार्यसम्पादनस्य मापनानि च सम्पूर्णं आवृत्ति-क्षेत्रं प्रति सुसंगतानि सन्ति । प्रस्तावितप्रारम्भिकप्रकारेण १० गीगाहर्ज-संख्येयस्य -१०-डीबी-प्रतिकारकव्याप्तीः ८८-९८ गीगाहर्ज-संख्येयस्य १० गीगाहर्ज-संख्येयस्य च प्राप्ता भवति, तथा ८९ गीगाहर्ज-संख्येयस्य १२.३ डीबी-इकस्य शिखरलाभः भवति ।

2077d0f30507d51a0d3bbec4957d55e817d66a59

अस्मिन् विधायां सामान्यं, अभिव्यक्तिमय-चित्रं प्राधान्यं शिक्षयितुं एकं रूपं निर्मितम् अस्ति, यैः प्राकृतिकप्रदृश्यानां साङ्ख्यिकीयानि प्रतिपादिताः सन्ति, यानि यन्त्रदृष्टिप्रक्रियायां उपयोगिताः सन्ति। अयं दृष्टिकोणः पारम्परिक मार्कोव्स् रान्दम् फील्ड् (MRF) -आदर्शानां विस्तारं करोति, यतोहि विस्तारितपिक्सेल-समीपस्थानां सम्भाव्य-कार्यानां अध्ययनं क्रियते । क्षेत्रस्य क्षमताः उत्पाद-विज्ञानाय रूपरेखायाः उपयोगेन मॉडलिन् कृताः सन्ति, ये अनेकेषु रेखात्मक-फिल्टर-प्रतिक्रियाणां नानारूप्य-कार्याणि उपयन्ति । पूर्वं MRF पद्धत्यां विपर्यये सर्वानि परिमाणानि, यथा रेखात्मकं फिल्टर्, प्रशिक्षणस्य डाटाभ्यः सिध्यन्ति । 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 यद्यपि इमे प्रतिमायाः सामान्यं डाटाबेसम् प्रशिक्षितवन्तः विशिष्टं अनुप्रयोगं प्रति न अभिसंयुतवन्तः, तथापि अस्मिन् परिणामे विशिष्टप्रौद्योगिकानाम् तुलनायां अपि श्रेष्ठं प्रदर्शनं प्राप्नोति।

214658334c581f0d18b9a871928e91b6e4f83be7

इयं विचारः स्विच्ड-कान्डेसिटर-उपकरणस्य सदृशी अस्ति यत्र कान्डेसिटर-बैंकस् अथवा कान्डेसिटर-बैंकस् विद्युत्-उपकरणेषु विद्युत्-उपकरणेषु समतोलम् कर्तुम् स्विच्ड-कान्डेसिटर-उपकरणं क्रियते । च्छिन्द्राणां मूलभूत-आकारेण विद्युत्-प्रमाणं विद्युत्-प्रमाणस्य प्रभावतः विद्युत्-प्रमाणं समाहितं भवति, अतः विद्युत्-प्रमाणं विद्युत्-प्रमाणस्य संतुलनं कर्तुं शक्यते । अतः स्विच्ड-कान्पेन्सिटर-तपज्ञानम् इक्वालाइजर-कान्पेन्सिटर-तपज्ञानं निरस्तं कृत्वा, बैट्री-कोशिकाः परस्परं स्विच्ड-कान्पेन्सिटर-कोशिकाः भवितुं शक्नुवन्ति । इत्थं ऊर्जायाः अधिकं गतिः भवति, अतः शीघ्रं समानाधिकरणं भवति । प्रस्तावितस्य स्थूलविज्ञानस्य कारणात् कपेन्सेटरसदृशम् अतिरिक्त ऊर्जा-भण्डारण-तत्पदानां आवश्यकता न भवति, यानि विद्युत्-इलेक्ट्रॉनिक-सर्किट्-षु प्रायः अपयशः प्राप्नुवन्ति, अतिरिक्त ऊर्जा-भण्डारण-तत्पदानां द्वारा प्रविष्टानि हानिः, सर्किट्-सर्किट्-सम्बद्धानां लागतानि, मात्रा च न्यूनानि भवन्ति तथा नियंत्रण-अल्गोरिथमः सरलीकृतः भवति । प्रस्तावितस्य सन्तुलनप्रक्रमेण अनुप्रयोगस्य आवश्यकतायाः अनुरूपं कार्यं कर्तुं शक्यते। प्रस्तावितस्य स्थूलसूत्रस्य MATLAB/Simulink वातावरणे अनुकरणं कृतम् अस्ति, तथा स्विट् कपेन्सेटर स्थूलसूत्रेषु तुल्यरूपेण संतुलनस्य गतिः उत्तमा। इतः परम् 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 विद्युत्-इलेक्ट्रॉनिक-प्रकरणस्य बहुव्रीहिः विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य विद्युत्-आकारस्य सक्रियः सेल्-संतुलन-उपकरणः ऊर्जं उच्चतर-कार्यप्रदर्शनं प्रदर्शयन् सेल्-सङ्ग्रहेभ्यः निम्न-कार्यप्रदर्शनं प्रदर्शयन् सेल्-सङ्ग्रहेभ्यः विद्युत-वल्गित-संतुलनार्थं विद्युत-सञ्चय-घटकानाम् उपयोगं करोति यथा-इन्दुक-कन्डेन्सर-कन्डेन्सर-परिवर्तक-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर-कन्डेन्सर अस्मिन् अध्ययने ऊर्जा-भण्डारण-तत्पदस्य उपयोगं विना सक्रिय-संतुलन-तत्पदस्य प्रस्तावः कृतः ।

0c04909ed933469246defcf9aca2b71ae8e3f623

अस्मिन् ग्रन्थे द्वितीयप्रकाशे सम्भाव्यतावाचक-पुनर्प्राप्तेः विषये नूतनं अध्यायं योजयितुं मुख्यं परिवर्तनं कृतम् । अस्मिन् अध्याये सूचनायाः पुनर्प्राप्तेः विषये अनुसंधानस्य एकं अत्यन्तं रोचकं क्षेत्रं अस्ति इति मत्वा अस्य अध्यायस्य समावेशः कृतः। अस्मिन् विषये अद्यापि बहवः समस्याः सन्ति, अतः आशाः सन्ति यत् अस्मिन् अध्याये ये जनाः अस्मिन् विषये ज्ञानस्य उन्नयनं कर्तुम् इच्छन्ति, तेभ्यः अयं अध्यायः किञ्चित् सहायः भविष्यति। अन्योन्यध्यायानां अद्यतनं कृतम्, यस्मिन् विषयेषु अद्यतनानि कार्याणि समाविष्टानि। अस्मिन् पुस्तके विद्यमानानि सामग्रीः सूचनाविज्ञानस्य (किं वा कम्प्युटरविज्ञानस्य) अध्येतायां स्नातकशिक्षणछात्राणां, ग्रन्थालयविज्ञानस्य स्नातकोत्तरशिक्षणछात्राणां, आर.आई.क्षेत्रे अनुसंधानकर्तृणां च कृते अस्ति । केचन अध्यायः, विशेषतया अध्यायः ६ *, सरलतया किञ्चित् उन्नतगणितस्य प्रयोगं कुर्वन्ति। तथापि, आवश्यकं गणितीय उपकरणं इदानीं विद्यमानानां असंख्यानां गणितीय ग्रन्थानां अन्तर्गतम् सहजतया आधिपत्यं प्राप्नोति, तथा च, यत्र यत्र गणितीयशास्त्रं भवति, तत्र संदर्भः प्रदत्तः अस्ति । मम समक्षं स्पष्टतायाः सम्यक्करणं, संदर्भानां घनत्वेन च समस्यते स्म। अहं बहुसंख्यकान् संदर्भान् दातुं प्रलोभितः आसम् किन्तु मम भया आसीत् यत् ते पाठस्य निरन्तरतायाः विनाशं करिष्यन्ति। अहं सूचना विज्ञानस्य तथा प्रविधिः वार्षिक समीक्षायाः प्रतिद्वन्द्वी न भवितुं च मध्यमार्गं प्रयासं करोमि। सामान्यतया केवलं ते कार्ये उद्धृतं कर्तुं प्रोत्साहितं भवति, ये पुस्तकम् अथवा पत्रिकाम् इव सुलभरूपेण प्रकाशितानि सन्ति। दुर्भाग्यवश, आर.आई. इत्यस्य बहुषु रोचकेषु कार्येषु प्राविधिक-रिपोर्ट्स-प्रशिक्षण-पत्रिकाः च सन्ति । उदाहरणार्थं, कर्नेल्-विद्यालयस्य SMART प्रणालीयां कृतं बहुसंख्यकार्यम् केवलं प्रतिवेदनैः प्राप्यम् अस्ति । सौभाग्यवशम् एतेषु बहवः वर्तमानकाले नॅशनल टेक्निकल इन्फर्मेशन सर्व्हिस (यू.एस.) तथा यूनिवर्सिटी माइक्रोफिल्म्स् (यू.के.) -द्वारा प्राप्यन्ते । अहं तयोः स्रोतयोः उपयोगं न बद्धवान् किन्तु यदि तत् सामग्री अन्यप्रकारेण सहसा प्राप्यम् अस्ति तर्हि अहं तत् प्राधान्यं ददाति। मम सहयोगं कृतवन्तः अनेकाः जनाः, संस्थाः च मम ऋणीः अभवन् । अहं प्रथमतः एव वदामि यत् एते अनेकेषु पुस्तकस्य विचारानां कृते उत्तरदायी भवितुम् अर्हन्ति, किन्तु केवलं अहं एव उत्तरदायी भवितुम् इच्चीयम् । मम महत् ऋणः कर्ण् स्पार्क् जोन्स् प्रति अस्ति, यः मां सूचनायाः पुनर्प्राप्तेः प्रयोगात्मकविज्ञानरूपेण अन्वेषणं कर्तुम् शिक्षितवान् । निक जार्दिनं च रोबिनम् च ...

3cfbb77e5a0e24772cfdb2eb3d4f35dead54b118

संदर्भ-प्रत्याख्यान-मॉडलानि (अधिकतया एम्बेड्ड् वा न्यूरल-भाषा-मॉडलः इति ज्ञायन्ते) वितरणीय-शब्दार्थशास्त्रस्य नव-बालकाः सन्ति । एतेन प्रकारेण विषये चर्चाः अपि भवति, तथापि साहित्यस्य मध्ये अद्यापि पूर्वानुमानात्मक-प्रकारेण शास्त्रीय-गणना-वेक्टर-आधारित-वितरण-अर्थ-आधारि-प्रयोजनाभिः तुलनाः न अस्ति । अस्मिन् लेखे, वयं बहुविधं व्याकरणिकं शब्दार्थशास्त्रं च बहुविधं परिमिति-निर्देशं च अवलम्ब्य एव विस्तृतं मूल्यांकनं कुर्वन्तः आहोमः । अस्मिन् परिणामे, अस्मिन् आश्चर्यम् अभवत् यत्, अस्मिन् विषये प्रचलितः चर्चा पूर्णतया उचितम् अस्ति, यतः संबन्ध-प्रत्याख्यान-आधारित-आदर्शनाः तेषां गणना-आधारित-आदर्शनाः प्रति पूर्णतया च प्रचलितं विजयम् प्राप्तवन्तः ।

9ec20b90593695e0f5a343dade71eace4a5145de

1विद्यार्थी, विभागाध्यक्षः कम्प्युटर अभियान्त्रिकी संकायस्य वेसिट-महाभारते विद्यमानः कम्प्युटर अभियान्त्रिकी संकायस्य वेसिट-महाभारते विद्यमानः कम्प्युटर अभियान्त्रिकी संकायः विद्यमानः अस्ति । अस्य लक्ष्यम् मानवमस्तिष्ठं इव कार्यम् अस्ति, यत् जटिलं डाटाम् उपयुज्य च शिक्षितुं, तत् प्रोत् साध्यं च करोति, अपि च जटिलं कार्यम् अपि समाधातुम् प्रयतते । एतदर्थम् अस्य प्रयोगः पाठः, ध्वनि, चित्रम् इत्यादयः विविधाः क्षेत्रेषु भवति । गहनशिक्षणप्रणालीनां प्रभावः प्राकृतभाषाप्रक्रियायां अभवत् । अस्मिन् शोधपत्रे प्राकृतभाषाप्रक्रियायां दीपलर्निंगस्य नूतनप्रगतिं च प्रकाशयति ।

cc13fde0a91f4d618e6af66b49690702906316ae

अलङ्कावर्षेषु क्लाउड कम्प्युटिङ्गस्य विकासः, बृहददत्तस्य युगः च अभवत्, येन पारम्परिकनिर्णयवृक्ष-अल्गोरिदमस्य प्रति चुनौतीः उपलभ्यते। प्रथमतः, यथा डाटासेटस्य आकारः अतिविशालः भवति, निर्णयवृक्षस्य निर्माणस्य प्रक्रियायाः समयः बहु भवति। द्वितीयम्, यत् डाटा स्मृतौ न स् थाप्यते, अतः कस्यचित् गणनायाः बाह्य-स्मरणस्थानं प्रति स्थानान्तरितम्, अतः इ/उ-प्रयोजनस्य लागतम् वर्धते । अस्मिन् प्रयोजनम्, वयं MapReduce प्रोग्राम् इण माडलम् उपयुज्य विशिष्टं निर्णयवृक्षं C4.5 एल्गोरिदमम् प्रवर्तयितुं प्रपञ्चयितवन्तः । विशेषरूपेण, वयं पारम्परिकं एल्गोरिदमं नक्शाकरणं तथा घटादिप्रक्रियाणां शृङ्खलायां परिवर्तितवन्तः। अपि च, संचारस्य खर्चं न्यूनं कर्तुम् वयं डाटा संरचनाः निर्ममः। वयं अपि विशाल-तदर्थ-सूत्रेषु व्यापक-प्रयोगाः कुर्वन्तः आमः । अस्मिन् परिणामे एव इदम् उच्यते यत् अस् माकं एल्गोरिदमः समयस्य दक्षतायाः स्केलेबिलिटी च ददाति।

d73a71fa24b582accb934a9c2308567376ff396d

थ्रीडी भू-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-माहितिक-मा एतेषु क्षेत्रेषु, मानवक्रियायाः भूभौतिकीयप्रतीकानां च वर्णनं कुर्वन्ति, भू-सम्बद्ध-विज्ञानाः च बहुविध-विद्यायाः अनुसंधानं, जीआईएस-विज्ञानस्य च सह-क्षेत्रेषु, विशाल-भू-सम्बद्ध-तदर्थ-सूत्रानां मॉडलिङ्, विश्लेषणम्, व्यवस्थापनम्, एकीकरणम् च समर्थयितुं आवश्यकम् अस्ति । भू-तदधिष्ठानानि द्विमितीयानि मानचित्रानि, त्रिमितीयानि भू-विज्ञानानि, अन्ये च भू-सम्बद्धानि डाटाः एकत्रीकरणाय व्यासपीठानि भवितुं शक्नुवन्ति । तथापि वर्तमानकालस्य भू-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-तत्त्व-त पृष्ठभागाः, परिमाणानि च प्रतिमानानि कर्तुं नूतनानि त्रि-आयामिक-भू-तत्त्व-मापन-मापानादीनि आवश्यकाणि सन्ति । अयं लेखः भू-तथ्याङ्क-संरचनायाः शोधस्य २५ वर्षेभ्यः पूर्वम् एव प्रस्तूयते । भू-तत्त्वानां डाटा मॉडलिङ्, मानकानि, सूचकाङ्कः च विस्तृतरूपेण विमर्शः भवति । त्रि-आयामिक-भू-तत्त्व-सूचना-कोषस्य विकासस्य नूतनानि दिशाः अन्तः-विषय-अनुसन्धानस्य नूतनानि क्षेत्रानि उद्घाटयितुं उपयुज्यन्ते । पूर्वसूचनायाः तथा आपतकालस्य प्रतिसन्धानस्य क्षेत्रे द्वौ परिदृश्यौ मानवस्य तथा भूभौतिकप्रतीकानां संयुक्तप्रबन्धस्य प्रदर्शनं कुर्वन्ति । लेखस्य समापने, अन्वेषणस्य समस्यायाः विषये आलोचनात्मकं दृष्टिकोणं प्रदत्तम् अस्ति । & 2011 Elsevier Ltd. सर्वाधिकारः सुरक्षितः।

dce7a0550b4d63f6fe2e6908073ce0ce63626b0c

यत्तु वयं रोबोटिक्स-विज्ञानस्य कृत्रिम-बुद्धिकरणस्य मार्गे अग्रे गच्छामः, अस्मिन् अवस्थाने अस्माकं यन्त्रानाम् अस्मिन् अवस्थाने स्वतन्त्रतया कार्यकर्तुं वयं अधिकाधिकं नैतिकनिर्णय-निर्माणं स्वयमेव कर्तुम् आवश् यकम् । किन्तु नैतिकनिर्णयस्य स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्वयमेव स्व उदाहरणार्थं, केचन नैतिकनिर्णयनिर्णये कठिनं नैतिकविषयकं प्रकरणं सम्मिलितम् अस्ति, यस्मिन् स्वेच्छायाः स्वयमेव निर्णयस्य स्वयमेव निर्णयस्य च स्वीकृतानि नियमाणि अनुपालयितुं प्रयोक्तृभ्यः आदानं अपेक्षितम् अस्ति । लेखकः एतस्य विषये विचारं करोति, अन्ये च नैतिकविषयक विचारं करोति, यानि नैतिकविषयकनिर्णयस्य स्वचालनस्य समये उपलभ्यन्ते। सः केचन सामान्यं नैतिकं आवश्यकतां प्रस्तावयति यत् डिझाईन रुम् मे विचारणीयम् अस्ति, तथा च डिझाईन टूलस् य स्केचम् करोति यत् डिझाईन प्रक्रिये अन्तर्भूतम् अस्ति येन अभियन्ताः, डिझाईनरः, नैतिकविदश् च नीतिनिर्माताः निर्णयं कर्तुं शक्नुवन्ति यत् किमर्थं विशिष्टं नैतिकं निर्णयं स्वयमेव कर्तुम् शक्नुवन्ति।

ab19cbea5c61536b616cfa7654cf01bf0621b83f

102153467f27d43dd1db8a973846d3ac10ffdc3c

स्वास्थ्यसेवा एव वस्तु-इण्टरनेट-प्रौद्योगिकया अतिशीघ्रं विस्तारं कुर्वन् अस्ति । हृदय-रोगाणां (सीवीडी) रोगाणां रोगिणां दूरस्थ-स्वास्थ्य-निरीक्षणं कर्तुं IoT-उपकरणानि उपयोगिताः। अस्मिन् लेखे हृदयविकाराणां निदानार्थं ईसीजी विश्लेषणं वर्गीकरणं च कर्तुं एकं एल्गोरिदमम् निर्मितम्, एवं तत् IoT-आधारितम् अन्तर्निहितं प्लेटफर्मम् अधीतं कृतम् । अस्मिन् एल्गोरिदमस् य उपयोगे अस् माकं प्रस्तावः ईसीजी-निदानकस्य पोशाकस्य कृते वर्तते, यः २४ घण्टाः अविरत-निरीक्षणं कर्तुम् उपयुक्तः भवति। अस्मिन् ECG विश्लेषणार्थं Discrete Wavelet Transform (DWT) इति यन्त्रं, Support Vector Machine (SVM) इति वर्गीकरणं च उपयुज्यते। १८ आकारस्य विशेषणवेक्टरस्य तथा २४९३ समर्थनवेक्टरस्य कृते सर्वोत्कृष्टं वर्गीकरणस्य परिशुद्धता ९८.९% अस्ति । गलीलयोर्बोर्डे विद्यमानानि विभिन्नानि एल्गोरिदमप्रवर्तनानि, गणनाय एव खर्चं प्रदर्शयन्ति यत् ईसीजी विश्लेषणं वर्गीकरणं च वास्तविककाले कर्तुं शक्यते।

44159c85dec6df7a257cbe697bfc854ecb1ebb0b

ननु आरब्धः शोधसाधनः जटिलशारीरिकसंकेतानां कृते, यं राष्ट्रीयस्वास्थ्यसंस्थानां अनुसंधानसाधनानां राष्ट्रीयकेन्द्रस्य आश्रये निर्मितम्, हृदय-रक्त-संयन्त्रस्य च अन्य जटिल-जीव-चिकित्सासंकेतानां अध्ययनस्य वर्तमानस्य शोधस्य च नूतनस्य शोधस्य च उत्तेजनाय उद्दिश्यते । संसाधनस्य त्रिभिः परस्परसंबद्धैः घटकैः सह सम्बद्धः अस्ति । PhysioBank इत्यस्य अन्तर्गतं शरीरविज्ञानस्य लक्षणानां तथा संबंधितानां डाटाणां विस्तृतं डिजिटल रेकर्डिङ्गं भवति, यानि जैव-चिकित्सा अनुसंधान समुदायेन उपयोगं कुर्वन्ति । इदानीं अस्य अन्तर्गतं बहु-परिमिति-हृदयो-प्लुमोनरी, न्युरल, अन्य-वैद्यकीय-संकेतानां डाटाबेसः स्वस्थानां च तथा जन-स्वास्थ्यस्य महत् प्रभावैः सह अनेक-प्रकारक-रोगाणां रोगिणां, यथा जीवन-धमनीया अरिदमिया, हृदय-असंतुलन-असफलता, निद्रा-अप्नी, न्युरोलॉजिकल-अवरोधः, वृद्धावस्था च अन्तर्भवति । PhysioToolkit इति एकं मुक्त-स्रोतसाम्प्रदस्य साफ्टवेयर-ग्रन्थालयं अस्ति, यस्मिन् शारीरिक-संकेतप्रक्रियायाः विश्लेषणं, शास्त्रीय-प्रविधिना तथा सांख्यिकीय-भौतिकीय-अधातुगत-प्रक्रियायाः आधारेण नूतन-विधिना च शारीरिक-सम्बद्धाः घटनाः अवलोक्यन्ते, संकेतानां अन्तर्क्रियात्मक-प्रदर्शनं च वर्णनं, नूतन-तदर्थ-कोषानां निर्माणं, शारीरिक-अधातुगत-संकेतानां च अनुकरणं, विश्लेषण-विधिना परिमाणात्मक-मूल्याङ्कनं च तुलना च, अनिश्चित-प्रक्रमाणां विश्लेषणं च क्रियते । PhysioNet इत्यनेन सह अधो लिखितानां पृष्ठानां परिसन्धिं करोतुः अत्र सहकार्यात् डाटाः विश्लेषणं तथा प्रस्तावितानां नूतनानां एल्गोरिदमानां मूल्यांकनं च भवति । विश्वव्यापी जालमार्गे (http://www.physionet.com/) PhysioBank-संख्यकानां तथैव PhysioToolkit-सफ्टवेयरस्य कृते निःशुल्कम् विद्युतीय-पदं प्रदत्तम्। org) इति संस्थायां, PhysioNet इत्यनेन अन-लाइन-शिक्षणमार्गेषु सेवायाः प्रशिक्षणं च दीयते, येन विभिन्न-स्तरीय-ज्ञानाय प्रयोक्तॄणां सहाय्यं कर्तुं शक्यते।

a92eac4415719698d7d2097ef9564e7b36699010

उद्देश्यः - सामाजिक लेखापरीक्षणेन सहकारितायाः साधनं कर्पोरेटानां च प्रदर्शनस्य च स्थिरतायाः मूल्याङ्कनं प्रतिवेदनं च कर्तुम् हितधारकाः सहभागिताः कर्तुं शक्यते इति परिचयः। रचना/विधि/दृष्टिकोणः - एए१००००-अध्ययनस्य तथा सामाजिक लेखापरीक्षा-अध्ययनस्य रूपरेखायाः आधारेण, अस्य पत्रे हितधारकानां सहभागिता, सामाजिक लेखापरीक्षा, कर्पोरेट-स्थिरता च सम्बन्धः अस्ति, येन वार्ता-आधारितं सामाजिक लेखापरीक्षणं कर्पोरेट-स्थिरतायाः विषये प्रयोजनीयम् भवेत् । निष्कर्षः - अस्मिन् लेखे संस्थायाः शाश्वतता तथा सामाजिक लेखापरीक्षायाः परस्परं समन्वयनं विवक्षितम् अस्ति, यतः उभयतः संस्थायाः सामाजिकं, पर्यावरणीयं, आर्थिकं च प्रदर्शनं वर्धयितुम् उद्दिश्यन्ते, व्यापकानां हितधारकानां कल्याणम् अवलोकयन्ति, तथा च प्रक्रियायां हितधारकाः सहभागिताः अपेक्षन्ते । अस्मिन् लेखे सूचितम् अस्ति यत् संवादमार्गे हितधारिणां सहभागितायाः माध्यमात् सामाजिक लेखापरीक्षायाः उपयोगः न्यासस्य निर्माणं, प्रतिबद्धतायाः अभिज्ञानं, हितधारिणां च निगमानां च सहकार्याणां प्रवर्धनं च कर्तुं शक्यते। अनुसंधानस्य सीमाः/परिणामः - अस्य अनुसंधानस्य कृते सामाजिक लेखापरीक्षणस्य व्यवहार्यतायाः, उद्यमस्य स्थिरतायाः सम्बोधनस्य च, संवाद-आधारित सामाजिक लेखापरीक्षणस्य सीमायाः निर्धारणस्य च आवश्यकता अस्ति। व्यावहारिकः प्रभावः - लोकतान्त्रिकव्यापारसमाजे हितधारकाः निगमानाम् च भिन्न-भिन्नानां हितानां संतुलनं कर्तुं सामाजिक-अवलोकनम् उपयोगी यन्त्रं वर्तते इति निर्दिष्टम् अस्ति । सामाजिक लेखापरीक्षणेन उद्यमस्य स्थायित्वस्य विकासः, प्राप्तः च भवति, अतः अस्य व्यावहारिकः प्रभावः दृश्यते । मूल्यं/मूल्यं - अस्मिन् लेखे समाजिक-समीक्षायाः संवाद-आधारितस्य उपयोगितायाः विषये चर्चा भवति, येन व्यवसायेषु सतत-व्यवसायस्य मार्गः प्रवर्त्तनीयः भवेत् । सामाजिक लेखापरीक्षाः समाजाः, निगमः, सामाजिक-पर्यावरणविषयक-प्रदर्शनं च संवादमार्गे हितधारकाः सहभागितां कृत्वा मूल्यांकनं प्रतिवेदनं च कुर्वन्ति, अतः अस्य उपयोगः विश्वासस्य निर्माणं, प्रतिबद्धतायाः परिचयं च कर्तुम्, हितधारकाः, निगमानां च सहकार्यं प्रवर्धयितुं शक्यते।

915c4bb289b3642489e904c65a47fa56efb60658

अस्मिन् विषये चित्रपरिवर्तनस्य समस्याः विवक्षितानि सन्ति, यत्र एकं आगतचित्रं निर्गतचित्रं भवति। एतादृशानां समस्यानां कृते नूतनानि विधयः सामान्यतया आउटपुट-ग्राउण्ड-ट्रूथ इमेजेस् मध्ये प्रति-पिक्सेल हानिः उपयुज्य फीड-फर्वर्ड-कन्वोलुशन् न्यूरल-नेटवर्क्स् प्रशिक्षयति । समानांतरं कार्यम् दर्शितम् यत् पूर्व-प्रशिक्षित-जालानां उच्च-स्तरीय-विशेषणानां आधारात् उच्च-स्तरीय-विशेषणानां आधारात् अनुभूति-हानि-कार्याणां परिभाषा-आलम्बनं कृत्वा उच्च-गुणवत्तायाः चित्रानि निर्मातुं शक्यते । अस्मिन् विषये, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, अस्मिन् विषये च, 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 अस्मिन् प्रतिमायाः शैलीपरिवर्तनस्य परिणामः प्रतीयते, यत्र एकं फीड-फर्वार्ड-जालम् वास्तविक-समये गेटीस् इतरेषां द्वारा प्रस्तावितम् अनुकूलन-समस्यं हलार्थं प्रशिक्षितम् अस्ति । इष्टतमकरण-आधारित-विधिना तुल्यम् अस्मिन् जालस्य गुणात्मक-परिणामः समानः किन्तु त्रिगुण-आदेशः अधिकः। अस्मिन् प्रयोगे एकस्य चित्रे अतिरिचिकरणे प्रतिपक्सेल्-अवच्छेदेन प्रतिस्थापनं दृश्य-अवच्छेदेन च दृश्य-अवच्छेदेन च भवति ।

9201bf6f8222c2335913002e13fbac640fc0f4ec

929a376c6fea1376baf40fc2979cfbdd867f03ab

लोसी इमेज कम्प्रेशन पद्धतिभिः सदैव विभिन्नानि अप्रियानि वस्तूनि कम्प्रेस्ड परिणामान् प्रति प्रयुज्यन्ते, विशेषतया निम्नबिट-दरैः। अलिकवर्षेषु जेपीईजी-संकुचितचितचित्राणां कृते अनेकानि प्रभावशालीः सौम्य-डिकोडिङ्ग-विधिः प्रस्ताविताः सन्ति । तथापि, अस्मिन् विषये जपेग 2000 संकुचितचितचित्राणां सौम्य-विच्छेदनं क्वचित् कृतम् अस्ति । कम्प्युटरदृष्टिप्रक्रियायां कन्वल्युशन न्युरल नेटवर्क (CNN) इत्यस्य उत्कृष्टप्रदर्शनात् प्रेरितः अनेकेषु बिट-रेट-संचालितानां गहनानां सीएनएन-संस्करणानां उपयोगेन जेपीईजी २०००-यस्य सौम्य-डिकोडिङ्ग-विधिः प्रस्तुतम् अस्ति । विशेषरूपेण, प्रशिक्षणस्य चरणे, वयं बहुविधं उच्चगुणवत्तायुक्तं प्रशिक्षणचित्रं, तथा विभिन्नसंकेतनबिट-दरैः समसङ्गतं जेपीईजी २००० संकुचितचित्रं च उपयुज्य गहन-सीएनएन-संख्येयान् प्रशिक्षयिष्यामः । परीक्षणकाले, आगतसंपीडितचित्रस्य कृते, सीएनएनः निकटतम कोडिंग बिट-रेट-संज्ञकस्य सह प्रशिक्षितः भवति, येन मृदु विकोडिंगं कर्तुं चयनं भवति । विस्तृतप्रयोगाः प्रस्तुतस्य मृदु-डिकोडिङ्ग-प्रणालीयाः प्रभावकारितां प्रदर्शयन्ति, येन जेपीईजी २००० संकुचितचितचित्राणां दृश्यगुणवत्तां, वस्तुनिष्ठं स्कोरिं च महतीं वर्धयति ।

cfa092829c4c7a42ec77ab6844661e1dae082172

बिटकॉइनः नूतनं अवधारणां प्रवर्तयत् यत् सम्पूर्णाम् अन्तर्जालम् आक्रान्तं करिष्यति, अनेकेषु उद्योगेषु च सकारात्मकम् प्रभावं करिष्यति, यथा - बैंकिङ्गः, सार्वजनिक क्षेत्रः, आपूर्ति श्रृंखला च। इयं नवोन्मेषः छद्म-अनामिकतायाः आधारः अस्ति, तथा च इयं नवोन्मेष-विकेंद्रीकृत-आर्किटेक्चर-प्रौद्योगिकया आधारितः अस्ति । व्यापारप्रक्रियायां उत्तरदायित्वं पारदर्शिता च प्रवर्धयित्वा केन्द्रिकीकृतप्राधिकरणस्य आवश्यकतां विना विश्वाससंस्थापनं युक्तं लेनदेन-आधारितं अनुप्रयोगं प्रवर्धयन्ति। तथापि, ब्लॉकचेन-बहीपत्रं (उदाहरणार्थः बिटकॉइन) अतिसंकुचितं भवति, तथा विशिष्टाः उपकरणानि, एकत्रिभिः "ब्लॉकचेन-विश्लेषणम्" (Blockchain Analytics) इति कथ्यन्ते, ये जनाः, विधिप्रवर्तक-संस्थाः, सेवाप्रदाता च, एतस्य अन्वेषणं, अन्वेषणं, दृश्यं च कर्तुं शक्नुवन्ति । गतवर्षौ अनेके विश्लेषणात्मकसामग्रीः निर्मिताः सन्ति, येषु सम्भाव्य-सम्बन्धानां नक्शाः, व्यवहाराणां प्रवाहस्य परीक्षणं, अपराधस्य परिचयः च क्रियन्ते, येन फोरेंसिक-अनुसन्धानं वर्धयितुं शक्यते। अस्मिन् लेखे ब्लॉकचेन-विश्लेषणसामग्रीनां वर्तमानस्य स्थितिः चर्चा भवति, तेषां अनुप्रयोगानां आधारात् विषयागत-वर्गीकरण-आदर्शः च प्रस्तूयते । भविष्यतः विकासस्य अनुसंधानस्य च कृते अपि च चकारः।

2e5fadbaab27af0c2b5cc6a3481c11b2b83c4f94

अस्मिन् विषये नवीनं समस्याः अस्ति यत् तस्विरस्य पश्चाद् छायाचित्रकारस्य परिचयं करणीयम् । अद्यतनानि कम्प्युटरदृष्टिप्रविधिः अस्य समस्यायाः निवारणार्थं किं शक्नुवन्ति इति अवलोकयितुं, वयं ४१ सुप्रसिद्धैः फोटोग्राफर्भिः १८०,००० चित्राणां नवीनं डाटासेटम् निर्मितम् । अस्मिन् डाटासेट् उपयुज्य वयं छायाचित्रकारस्य परिचयं कर्तुम् विभिन्नानां (सीएनएन-विशेषणैः सह निम्न-उच्च-स्तरीयानां) विशेषणानां प्रभावकारितायाः परीक्षणं कृतवन्तः। अस्मिन् कार्ये नूतनं गहनं संवृतिक तंत्रिकाजालम् अपि प्रशिक्षितम् । अस्मिन् परिणामे दर्शितम् यत् उच्चस्तरस्य विशेषतायाः निम्नस्तरस्य विशेषतायाः अपेक्षायाः अधिकं प्रदर्शनं भवति । अस्मिन् प्रयोगे विद्वान् प्रतिमानानि उपयुज्य गुणात्मकानि परिणामानि प्राप्ताः, यानि अस्मिन् पद्धतिस् य फोटोग्राफर्स् य बीचं भेदयितुं शक्नुवन्ति, तथा च अस् माकं कृते रोचके निष्कर्षान् निष्कर्षयन्ति यत् विशिष्टः फोटोग्राफरः किं शूटं करोति। अस्मिन् पद्धतिरेकेण द्वौ अनुप्रयोगाः अपि प्रदर्शिताः।

25b6818743a6c0b9502a1c026c653038ff505c09

6ed67a876b3afd2f2fb7b5b8c0800a0398c76603

24281c886cd9339fe2fc5881faf5ed72b731a03e

MapReduce तथा अस्य प्रकाराः वस्तु समूहानां विषये वृहत्-आकारेण डाटा-अतीव-अधिक-संयुक्ताः अनुप्रयोगाः प्रवर्तयितुं अति-सफलः अभवन् । तथापि, एतेषु अधिकाः प्रणालीषु अन्यानि प्रसिद्धाः अनुप्रयोगानि न सन्ति, एसिक्लिक डाटा फ्लो मॉडलः निर्मितः अस्ति । अस्मिन् लेखे एतादृशस्य अनुप्रयोगस्य वर्गस्य विषये केन्द्रितः अस्ति, यस्मिन् बहुषु समानांतरप्रक्रियासु कार्यसूत्रस्य पुनः उपयोगः क्रियते । अत्र अनेके पुनरावृत्तिकर्मकशिक्षणविधिः अन्तर्क्रियात्मकं डाटा विश्लेषणस्य साधनं च अन्तर्भवति । अस्मिन् नवीनं फ्रेमवर्कं स्पर्क् नामकं प्रस्तावयति यत् एते अनुप्रयोगाः समर्थयितुं, अपि च मैपरेड्यूस् इत्यस्य स्केलेबिलिटी तथा दोषसहनशीलता च संरक्षितुं शक्नोति। एतेषां लक्ष्यं प्राप्तुं स्पार्क-प्रकरणं रेसिलेन्स् डिस्ट्रिब्युटेड डाटासेटस् (RDDs) इति नामकं अमूर्तकरणं प्रवर्तयति । आरडीडी इत्यनेन यन्त्रैः विभक्तानि वस्तुनि सन्ति, यानि केवल-पाठनीयानि सन्ति, यदि कस्यचित् विभक्तिः न गच्छति तर्हि पुनः निर्मातुं शक्यते । स्पार्क् इत्यनेन पुनः पुनरावृत्तिरूपेण यन्त्रशिक्षणकार्यस्य कृते १०गुणाधिकं कार्यम् कर्तुं शक्यते, तथा च ३९ जीबी-मात्रायाः डाटासेटस्य प्रति-सकेण्ड-मात्रायाः उत्तर-समये अन्तर्क्रियात्मक-प्रश्ने कृते उपयोगः कर्तुं शक्यते ।

03ff3f8f4d5a700fbe8f3a3e63a39523c29bb60f

वाक्यस्य यथार्थरूपेण प्रतिपाद्यत्वेन भाषायाः बोधस्य केन्द्रं वर्तते । अस्मिन् वाक्ये एकं संवृत-संरचनां वर्णितम् अस्ति, यं वयं वाक्यानां अर्थ-आकार-निर्माणं कर्तुम् अवलम्ब्य "डायनामिक् कन्वल्युश्नल् न्युरल नेटवर्कस्" (DCNN) इति कथयामः । नेटवर्कः डायनामिक्-के-मैक्स् पूलिङ्-प्रक्रियायाः उपयोगं करोति, यस्मिन् वैश्विक-पूलिङ्-प्रक्रियायाः प्रयोगः लीनियर-अनुक्रमेषु भवति । नेटवर्कः विभिन्न-लम्बाः आगत-वाक्य-प्रकरणानि संचालितं करोति, तथा च वाक्यस्य उपरि एकं विशेषण-ग्राफं प्रवर्तयति, यः लघु-दीर्घ-प्रसङ्गाणां स्पष्टतया ग्रहणं कर्तुं समर्थः भवति । न च संजालस्य पार्सवृक्षस्य उपयोगः भवति, अतः सः सहजतया कस्यापि भाषायाः कृते उपयुज्यः भवति। अस् माभिः डीसीएनएन-संस् थायाः चतुर्भिः प्रयोगैः परीक्षणं कृतम्: लघु-मात्रायाः द्वि-आध्यायिकः बहु-वर्गः भावनायाः पूर्वानुमानः, षट्-मार्गः प्रश्न-वर्गीकरणम्, दूरस्थ-निरीक्षणद्वारा च ट्वीटर-भावनायाः पूर्वानुमानः। नेटवर्कः प्रथमं त्रयाणां कार्यानां कृते उत्कृष्टं प्रदर्शनं करोति, तथा च अन्तिमकार्यस्य कृते 25%-अधिकं त्रुटि-क्षयणं करोति।

ff5c193fd7142b3f426baf997b43937eca1bbbad

बहुस्तरीय इन्वर्टरप्रौद्योगिकया उच्चशक्तिक मध्यम-वोल्टेज ऊर्जा-नियन्त्रणक्षेत्रे अतिमहत्त्वपूर्णं विकल्पं प्रतीयत इति नानुमानम्। अस्मिन् लेखे महत्त्वपूर्णानि स्थूलानिर्देशाणि प्रस्तूयन्ते यथा- डायोड्-क्लम्प्ड इन्वर्टर (न्यूट्रल-प्वाइण्ट् क्लेम्प्ड), कपेसिटर-क्लम्प्ड (फ्लाइङ्ग कपेसिटर), कास्केड्ड् मल्टीसेल (cascaded multicell) इत्यादि पृथक् पृथक् स.डी.सी. स्रोतसाम् । अस्मिताकार-संकर-कोशिकाः, मृदु-स्विच् बहुस्तरीय-इन्वर्टरः इत्यादयः उदीयमान-उपकरणानि अपि विमर्शः भवति । अस्मिन् लेखे एतादृशपरिवर्तकानां कृते प्रासंगिकं नियंत्रणं तथा मोडुलेशनविधिः अपि प्रस्तूयते: बहुस्तरीय-सिनासोइडल-पल्स्-विड्थ-मॉड्युलेशनम्, बहुस्तरीय-चयनिक-हार्मोनिक-निष्कासनम्, अन्तरिक्ष-वेक्टर-मॉड्युलेशनम् च। विशेषः ध्यानं एतेषां परिवर्तकानां नवीनतमं च प्रासंगिकं अनुप्रयोगं यथा लमिनेटर, कन्वेयर् बेल्ट, एकिकृत शक्तिप्रवाह नियंत्रक च समर्पितम् अस्ति । पुनः प्राप्तिप्रभारं प्रदत्तानां इन्वर्टरानां आगतपक्षे सक्रियः अग्रभागः आवश्यकः इति विषये अपि चर्चा भवति, तथा च सर्किट-टोपोलोजी विकल्पः अपि प्रस्तुतः भवति । अन्ततः, उच्च-वोल्टेज-उच्च-शक्ति-उपकरणेषु, अप्टिकल-सन्सेन्सर-संयोजनेषु च भविष्यात् विकासस्य अन्योन्य-अवसरान् च परिमण्डल-विकासक्षेत्रेषु विषयेषु चर्चा भवति ।