Datasets:

carlfeynman
/

Bharat_NanoSCIDOCS_ur

_id stringlengths 40 40	text stringlengths 0 12.9k
1b2a0e8af5c1f18e47e71244973ce4ace4ac6034	درجہ بندی پٹمن-یور عمل کی ترجیحات زبان کے ماڈل سیکھنے کے لئے مجبور طریقوں ہیں، نقطہ اندازہ پر مبنی طریقوں سے باہر نکلتے ہیں. تاہم ، یہ ماڈل کمپیوٹیشنل اور شماریاتی استنباط کے مسائل ، جیسے میموری اور وقت کے استعمال ، نیز سیمپلٹر کی ناقص اختلاط کی وجہ سے غیر مقبول ہیں۔ اس کام میں ہم ایک ناول فریم ورک کی تجویز کرتے ہیں جو کمپریسڈ صفت درختوں کا استعمال کرتے ہوئے HPYP ماڈل کی نمائندگی کرتا ہے۔ پھر، ہم اس فریم ورک میں ایک موثر تخمینہ نتیجہ اخذ کرنے کی منصوبہ بندی تیار کرتے ہیں جس میں مکمل HPYP کے مقابلے میں بہت کم میموری کا اثر ہوتا ہے اور نتیجہ اخذ کرنے کے وقت میں تیز ہوتا ہے۔ تجرباتی نتائج سے یہ ظاہر ہوتا ہے کہ ہمارا ماڈل پچھلے HPYP ماڈلز کے مقابلے میں نمایاں طور پر بڑے ڈیٹا سیٹوں پر بنایا جاسکتا ہے ، جبکہ اس کی مقدار کے کئی آرڈر چھوٹے ، تربیت اور استنباط کے لئے تیز ، اور جدید ترین ترمیم شدہ کنیسر نی گنتی پر مبنی ایل ایم ہموار کرنے کی الجھن کو 15 فیصد تک پیچھے چھوڑ دیتا ہے۔
6c9bd4bd7e30470e069f8600dadb4fd6d2de6bc1	اس کاغذ میں واقعات اور معنوی کردار کی ایک نئی زبان وسائل بیان کرتا ہے جو حقیقی دنیا کی صورتحال کی خصوصیات ہے. بیانیہ کے منصوبوں میں متعلقہ واقعات کے سیٹ (ترمیم اور شائع) ، واقعات کی ایک وقتی ترتیب (شائع کرنے سے پہلے ترمیم) ، اور شرکاء کے معنوی کردار (مصنفین کتابیں شائع کرتے ہیں) شامل ہیں۔ اس قسم کی عالمی معلومات قدرتی زبان کی تفہیم میں ابتدائی تحقیق کے لئے مرکزی تھی. اسکرپٹ ایک اہم رسمی نظام تھا، جو دنیا میں ہونے والے واقعات کے عام سلسلے کی نمائندگی کرتا تھا۔ بدقسمتی سے، اس علم کا زیادہ تر حصہ ہاتھ سے کوڈ کیا گیا تھا اور اسے بنانے میں وقت لگتا تھا۔ موجودہ مشین لرننگ تکنیکوں کے ساتھ ساتھ کور ریفرنس چینز کے ذریعے سیکھنے کے لئے ایک نیا نقطہ نظر ، ہمیں خود بخود بیاناتی اسکیموں کی شکل میں اوپن ڈومین متن سے بھرپور واقعہ کی ساخت نکالنے کی اجازت دی ہے۔ اس کاغذ میں بیان کردہ بیانیہ سکیم وسائل میں تقریبا 5000 منفرد واقعات مختلف سائز کے منصوبوں میں مل کر شامل ہیں. ہم وسائل کی وضاحت کرتے ہیں، یہ کیسے سیکھا جاتا ہے، اور ان منصوبوں کے انکشافات کا ایک نیا اندازہ غیر دستاویزات پر ہوتا ہے.
8e508720cdb495b7821bf6e43c740eeb5f3a444a	تقریر، روبوٹکس، فنانس اور حیاتیات میں بہت سے ایپلی کیشنز ترتیب وار ڈیٹا سے نمٹتے ہیں، جہاں آرڈرنگ معاملات اور بار بار چلنے والی ڈھانچے عام ہیں. تاہم، یہ ڈھانچہ آسانی سے معیاری کارن فنکشنز کی طرف سے قبضہ نہیں کیا جا سکتا. اس طرح کی ساخت کو ماڈل کرنے کے لئے، ہم Gaussian عمل کے لئے اظہار بند فارم کارنیل افعال تجویز کرتے ہیں. نتیجے میں ماڈل، جی پی-ایل ایس ٹی ایم، مکمل طور پر طویل مدتی میموری (ایل ایس ٹی ایم) بار بار نیٹ ورک کے انڈکٹو تعصب کو انکولی کرتا ہے، جبکہ گاوسی عمل کے غیر پیرامیٹرک امکانات کے فوائد کو برقرار رکھتا ہے. ہم نے ایک نئے provably متفقہ نیم ستھوستک gradient طریقہ کار کا استعمال کرتے ہوئے Gaussian عمل حاشیہ امکان کو بہتر بنانے کی طرف سے مجوزہ کارنیلز کی خصوصیات سیکھتے ہیں، اور توسیع پذیر تربیت اور پیشن گوئی کے لئے ان کارنیلز کی ساخت کا استحصال. یہ نقطہ نظر Bayesian LSTMs کے لئے ایک عملی نمائندگی فراہم کرتا ہے. ہم کئی معیار پر ریاستی آرٹ کی کارکردگی کا مظاہرہ کرتے ہیں، اور اس کے نتیجے میں خود مختار ڈرائیونگ کی درخواست کی مکمل تحقیقات کرتے ہیں، جہاں جی پی-ایل ایس ٹی ایم کی طرف سے فراہم کردہ پیش گوئی کی غیر یقینی صورتحال منفرد طور پر قیمتی ہیں.
033b62167e7358c429738092109311af696e9137	یہ کاغذ جائزوں کو درجہ بندی کرنے کے لئے ایک سادہ غیر نگرانی سیکھنے الگورتھم پیش کرتا ہے جیسا کہ سفارش کی جاتی ہے (انگوٹھے اوپر) یا سفارش نہیں کی جاتی ہے (انگوٹھے نیچے). جائزہ کی درجہ بندی کا اندازہ جائزہ میں ان جملوں کی اوسط معنوی واقفیت سے کیا جاتا ہے جن میں صفتیں یا صفتیں شامل ہیں۔ ایک جملہ مثبت معنوی واقفیت رکھتا ہے جب اس میں اچھے انجمنیں (جیسے ، لطیف nuances ) اور منفی معنوی واقفیت ہوتی ہے جب اس میں خراب انجمنیں (جیسے ، بہت ہی غفلت مند ) ہوتی ہیں۔ اس مقالے میں، ایک جملہ کی معنوی واقفیت کا حساب دیا گیا ہے کہ اس جملے اور لفظ کے درمیان باہمی معلومات کے درمیان باہمی معلومات کے درمیان باہمی معلومات کے درمیان مائنس ہے. ایک جائزہ لینے کے طور پر درجہ بندی کی جاتی ہے اگر اس کے جملے کی اوسط معنوی واقفیت مثبت ہے. جب ایپینیونز سے 410 جائزوں کا اندازہ لگایا جاتا ہے تو الگورتھم کی اوسطا accuracy 74٪ کی درستگی حاصل ہوتی ہے ، جس میں چار مختلف ڈومینز (آٹوموبائل ، بینکوں ، فلموں اور سفری مقامات کے جائزے) کے نمونے لئے جاتے ہیں۔ آٹوموبائل جائزوں کے لئے درستگی 84٪ سے فلموں کے جائزوں کے لئے 66٪ تک ہوتی ہے.
0eaa75861d9e17f2c95bd3f80f48db95bf68a50c	الیکٹرومیگریشن (ای ایم) انٹیگریٹڈ سرکٹ (آئی سی) ڈیزائن میں انٹرکنکشن وشوسنییتا کے لئے آگے بڑھنے والے اہم خدشات میں سے ایک ہے۔ اگرچہ اینالاگ ڈیزائنرز کچھ عرصے سے ای ایم کے مسئلے سے آگاہ ہیں ، لیکن ڈیجیٹل سرکٹس بھی اب متاثر ہو رہے ہیں۔ اس گفتگو میں بنیادی ڈیزائن کے مسائل اور ان کے اثرات پر توجہ دی گئی ہے الیکٹرومیگریشن انٹر کنیکٹ جسمانی ڈیزائن کے دوران۔ اس کا ارادہ ہے کہ الیکٹرومیگریشن روکنے والے اقدامات جیسے مختصر لمبائی اور ذخیرہ اثرات کو اپنانے کے ذریعے انٹرکنکشن میں موجودہ کثافت کی حدود میں اضافہ کیا جائے۔ ترتیب کے مرحلے میں ان اثرات کا استحصال مستقبل میں آئی سی ڈیزائن کے بہاؤ میں EM خدشات کی جزوی امداد فراہم کرسکتا ہے۔
45e2e2a327ea696411b212492b053fd328963cc3	پس منظر موبائل ایپس صحت عامہ میں طرز زندگی کی مداخلت کے طور پر کام کرنے کے لئے تندرستی کو فروغ دینے اور دائمی بیماریوں کو کم کرنے کے لئے وعدہ کرتی ہیں ، لیکن اس بارے میں بہت کم معلوم ہے کہ دائمی بیماری والے افراد موبائل ایپس کو کس طرح استعمال کرتے ہیں یا سمجھتے ہیں۔ اس تحقیق کا مقصد دائمی بیماریوں میں مبتلا افراد کے درمیان موبائل فون پر مبنی صحت سے متعلق ایپس کے بارے میں رویوں اور تاثرات کی تلاش کرنا تھا۔ طریقہ کار ریاستہائے متحدہ میں 1604 موبائل فون صارفین کے قومی کراس سیکشنل سروے سے ڈیٹا اکٹھا کیا گیا تھا جس میں ایم ہیلتھ کے استعمال ، عقائد اور ترجیحات کا اندازہ کیا گیا تھا۔ اس تحقیق میں ہیلتھ ایپ کے استعمال، ڈاؤن لوڈ کرنے کی وجہ اور دائمی حالت کے مطابق اثر انداز ہونے کا جائزہ لیا گیا۔ نتائج شرکاء میں، بغیر کسی حالت کے 38.9٪ (314/807) جواب دہندگان اور ہائی بلڈ پریشر کے ساتھ 6.6٪ (24/364) جواب دہندگان نے 1 اور 5 ایپس کے درمیان ہونے کی اطلاع دی۔ صحت ایپس کا استعمال 21.3 فیصد (172/807) غیر حالت کے جواب دہندگان میں دن میں 2 یا اس سے زیادہ بار ، ہائی بلڈ پریشر کے ساتھ 2.7 فیصد (10/364) ، موٹاپا کے ساتھ 13.1 فیصد (26/198) ، ذیابیطس کے ساتھ 12.3 فیصد (20/163) ، ڈپریشن کے ساتھ 12.0 فیصد (32/267) ، اور ہائی کولیسٹرول کے ساتھ 16.6 فیصد (53/319) کی طرف سے رپورٹ کیا گیا تھا۔ لاجسٹک رجریشن کے نتائج سے دائمی بیماریوں والے اور بغیر افراد کے درمیان صحت ایپ ڈاؤن لوڈ میں کوئی اہم فرق ظاہر نہیں ہوا (P>.05) ۔ صحت کی خراب حالت میں رہنے والے افراد کے مقابلے میں، صحت کی ایپ ڈاؤن لوڈ کرنے کا امکان ان لوگوں میں زیادہ تھا جن کی خود رپورٹ کردہ بہت اچھی صحت (امکانات کا تناسب [OR] 3.80، 95٪ آئی سی 2.38-6.09، پی <.001) اور بہترین صحت (OR 4.77، 95٪ آئی سی 2.70-8.42، پی <.001) تھی۔ اسی طرح، ان افراد کے مقابلے میں جنہوں نے کبھی یا کم از کم جسمانی سرگرمی میں ملوث ہونے کی اطلاع دی، ان لوگوں میں صحت ایپ ڈاؤن لوڈ کرنے کا امکان زیادہ تھا جنہوں نے ہفتے میں 1 دن (OR 2. 47، 95٪ CI 1. 6- 3. 83، P<. 001) ورزش کی اطلاع دی، ہفتے میں 2 دن (OR 4. 77، 95٪ CI 3. 27- 6. 94، P<. 001) ، ہفتے میں 3 سے 4 دن (OR 5. 00، 95٪ CI 3. 52- 7. 10، P<. 001) ، اور ہفتے میں 5 سے 7 دن (OR 4. 64، 95٪ CI 3. 11- 6. 92، P<. 001) ۔ تمام لاجسٹک رجعت کے نتائج عمر، جنس، اور نسل یا نسلی طور پر کنٹرول کیے جاتے ہیں. نتائج اس تحقیق سے پتہ چلتا ہے کہ جو افراد خود کو صحت مند نہیں سمجھتے اور جسمانی سرگرمی کی شرح کم رکھتے ہیں، وہ لوگ جو صحت ایپس سے زیادہ فائدہ اٹھاتے ہیں، ان لوگوں کے ان صحت کے اوزار کو ڈاؤن لوڈ کرنے اور استعمال کرنے کی اطلاع دینے کا امکان کم تھا۔
1935e0986939ea6ef2afa01eeef94dbfea6fb6da	اوسط انحراف پورٹ فولیو تجزیہ منافع اور خطرے کے درمیان تجارت کے پہلے مقداری علاج فراہم کی. ہم تفصیل سے وضاحت کرتے ہیں کہ مقصد اور پابندیاں کے مابین متعدد ایک مدت کے متغیرات میں ، بشمول نیم تغیراتی ماڈل۔ خاص طور پر زور دیا جاتا ہے کہ زیادہ کارکردگی کی سزا سے بچنے سے بچنے کے لئے. نتائج پھر منظر نامے درختوں پر مبنی کثیر مدت کے ماڈل کی ترقی اور نظریاتی تجزیہ میں عمارت کے بلاکس کے طور پر استعمال کیا جاتا ہے. ایک اہم پراپرٹی مستقبل کے فیصلوں میں اضافی رقم کو دور کرنے کا امکان ہے، تقریبا نیچے کی طرف خطرے کو کم سے کم کرنے کے نتیجے میں.
0e1431fa42d76c44911b07078610d4b9254bd4ce	اہم جزو تجزیہ کی غیر لکیری شکل انجام دینے کے لئے ایک نیا طریقہ تجویز کیا گیا ہے۔ انٹیگریٹڈ آپریٹرز کے بنیادی افعال کا استعمال کرتے ہوئے، کسی کو مؤثر طریقے سے اعلی جہتی خصوصیت کے خالی جگہوں میں اہم اجزاء کا حساب کر سکتا ہے، کسی غیر لکیری نقشے کی طرف سے ان پٹ کی جگہ سے متعلق ہے، مثال کے طور پر، 16 16 تصاویر میں تمام ممکنہ پانچ پکسل مصنوعات کی جگہ. ہم طریقہ کار کا اخذ دیتے ہیں اور نمونہ کی شناخت کے لئے کثیرالاضلاع خصوصیت نکالنے پر تجرباتی نتائج پیش کرتے ہیں۔
292eee24017356768f1f50b72701ea636dba7982	ہم 3D نقطہ بادلوں میں بیرونی شہری مناظر کی نمائندگی کرنے والے خودکار آبجیکٹ کی جگہ اور شناخت کے لئے ایک طریقہ پیش کرتے ہیں۔ یہ طریقہ کار مضمر شکل ماڈل (آئی ایس ایم) فریم ورک پر مبنی ہے ، جو ان کے مرکز کے مقامات کے لئے ووٹ دے کر اشیاء کو پہچانتا ہے۔ اس کے لئے فی کلاس صرف چند تربیتی مثالوں کی ضرورت ہوتی ہے جو عملی استعمال کے لئے ایک اہم خصوصیت ہے۔ ہم بھی متعارف کرانے اور سپن تصویر ڈیسکٹر کے ایک بہتر ورژن کا جائزہ لینے کے، زیادہ پوائنٹ کثافت تغیرات اور عام سمت تخمینہ میں غیر یقینی صورتحال کے لئے مضبوط. ہمارے تجربات کی شناخت کی کارکردگی پر ان تبدیلیوں کا ایک اہم اثر ظاہر. ہم اپنے نتائج کو جدید ترین طریقہ کار کے ساتھ موازنہ کرتے ہیں اور اوہائیو ڈیٹا سیٹ پر صحت سے متعلق اور یاد دونوں میں نمایاں بہتری حاصل کرتے ہیں ، جس میں مجموعی طور پر 150,000 میٹر شہری علاقے کے مشترکہ فضائی اور زمینی لیڈار اسکین شامل ہیں۔
922b5eaa5ca03b12d9842b7b84e0e420ccd2feee	مواصلات اور کنٹرول میں نظریاتی اور عملی مسائل کی ایک اہم قسم شماریاتی نوعیت کی ہے. اس طرح کے مسائل ہیں: (i) بے ترتیب سگنل کی پیشن گوئی؛ (ii) بے ترتیب سگنل کو بے ترتیب شور سے الگ کرنا؛ (iii) بے ترتیب شور کی موجودگی میں معلوم شکل (پلس ، سینوسائڈ) کے سگنل کا پتہ لگانا۔ اپنے اہم کام میں ، وینر [1]3 نے دکھایا کہ مسائل (i) اور (ii) نام نہاد وینر ہوف انٹیگریٹ مساوات کی طرف جاتا ہے۔ اس نے اسٹیشنری شماریات اور عقلی سپیکٹروں کے عملی طور پر اہم خصوصی معاملے میں اس انٹیگریٹ مساوات کے حل کے لئے ایک طریقہ (اسپیکٹرل فیکٹرائزیشن) بھی دیا ہے۔ بہت سے توسیع اور عمومی ویانر کے بنیادی کام کے بعد. زادہ اور راگازینی نے محدود میموری کیس کو حل کیا [2]۔ ایک ہی وقت میں اور Bode اور Shannon [3] سے آزادانہ طور پر، انہوں نے حل کا ایک آسان طریقہ بھی دیا. بوٹن نے غیر مستحکم ویانر ہوف مساوات پر تبادلہ خیال کیا [4] ۔ یہ نتائج اب معیاری نصوص میں ہیں [5-6]. ان اہم خطوط کے ساتھ ساتھ ایک قدر مختلف نقطہ نظر حال ہی میں Darlington کی طرف سے دیا گیا ہے [7]. نمونے لینے کے سگنل کے لئے توسیع کے لئے، مثال کے طور پر، فرینکلن [8]، لیس [9] دیکھیں. وینر ہوف مساوات کے ایجن فنکشن پر مبنی ایک اور نقطہ نظر (جو غیر مستحکم مسائل پر بھی لاگو ہوتا ہے جبکہ پچھلے طریقوں میں عام طور پر نہیں ہوتا ہے) ، ڈیوس [10] کی طرف سے پیش رفت کی گئی ہے اور بہت سے دوسرے، مثال کے طور پر، شینبرٹ [11]، بلوم [12]، پگاشوف [13]، سولودوونکوف [14] کی طرف سے لاگو کیا گیا ہے. ان تمام کاموں میں ، مقصد ایک لکیری متحرک نظام (ویینر فلٹر) کی تفصیلات حاصل کرنا ہے جو بے ترتیب سگنل کی پیش گوئی ، علیحدگی یا پتہ لگانے کو پورا کرتا ہے۔4 --- 1 اس تحقیق کی جزوی طور پر معاہدہ اے ایف 49 (638) -382 کے تحت امریکی فضائیہ کے دفتر برائے سائنسی تحقیق نے مدد کی تھی۔ 2 7212 Bellona Ave. 3 قوسین میں نمبر کاغذ کے آخر میں حوالہ جات کی نشاندہی کرتے ہیں. 4 یقینا، عام طور پر ان کاموں کو غیر لکیری فلٹرز کی طرف سے بہتر کیا جا سکتا ہے. تاہم، فی الحال، ان غیر لکیری فلٹرز (نظریاتی اور عملی دونوں) حاصل کرنے کے بارے میں بہت کم یا کچھ بھی نہیں معلوم ہے. اس میں آلات اور ریگولیٹرز ڈویژن نے حصہ لیا اور اسے امریکی سوسائٹی آف میکینکل انجینئرز کی 29 مارچ تا 12 اپریل 1959 کی آلات اور ریگولیٹرز کانفرنس میں پیش کیا گیا۔ نوٹ: مقالوں میں پیش کردہ بیانات اور رائے کو ان کے مصنفین کے انفرادی اظہار کے طور پر سمجھا جانا چاہئے نہ کہ سوسائٹی کے۔ 24 فروری 1959 کو اے ایس ایم ای ہیڈ کوارٹر میں موصول ہونے والا مخطوطہ۔ کاغذ نمبر 59-IRD-11. لکیری فلٹرنگ اور پیشن گوئی کے مسائل کے لئے ایک نیا نقطہ نظر
e50a316f97c9a405aa000d883a633bd5707f1a34	تجرباتی ثبوت گزشتہ 20 سال کے دوران جمع ظاہر کرتا ہے کہ مناسب طریقے سے وزن واحد شرائط کے تفویض کی بنیاد پر متن انڈیکسنگ نظام کے نتائج کی بازیافت ہے کہ دیگر زیادہ وسیع متن نمائندگی کے ساتھ حاصل کیا جا سکتا ہے ان لوگوں سے بہتر ہیں پیدا. یہ نتائج مؤثر اصطلاحات کے نظام کے انتخاب پر بہت زیادہ انحصار کرتے ہیں. اس مضمون میں خود کار طریقے سے اصطلاح وزن میں حاصل بصیرت کا خلاصہ کیا گیا ہے ، اور بیس لائن سنگل اصطلاح انڈیکسنگ ماڈل فراہم کیا گیا ہے جس کے ساتھ دیگر زیادہ وسیع تر مواد کے تجزیہ کے طریقہ کار کا موازنہ کیا جاسکتا ہے۔ ١. آٹومیٹک ٹیکسٹ تجزیہ 1980 کی دہائی کے آخر میں ، لون نے پہلے تجویز کیا کہ خودکار متن بازیافت کے نظام کو ذخیرہ شدہ نصوص اور صارفین کے انفارمیشن سوالات دونوں سے منسلک مواد کی شناخت کے موازنہ کی بنیاد پر ڈیزائن کیا جاسکتا ہے۔ عام طور پر، دستاویزات اور سوالات کے متن سے نکالا کچھ الفاظ مواد کی شناخت کے لئے استعمال کیا جائے گا؛ متبادل طور پر، مواد نمائندگیوں زیر غور موضوع کے علاقوں اور دستاویزات مجموعوں کے مواد کے ساتھ واقف تربیت یافتہ انڈیکسرز کی طرف سے دستی طور پر منتخب کیا جا سکتا ہے. کسی بھی صورت میں ، دستاویزات کی نمائندگی کی جائے گی اصطلاح ویکٹر کی شکل D = (ti,tj ،...ytp) (1) جہاں ہر tk کسی نمونے کے دستاویز D کو تفویض کردہ مواد کی اصطلاح کی نشاندہی کرتا ہے۔ اسی طرح ، معلومات کی درخواستیں ، یا سوالات ، یا تو ویکٹر کی شکل میں ، یا بولین اسٹیٹمنٹ کی شکل میں پیش کی جائیں گی۔ اس طرح، ایک عام سوال Q Q = (qa،qbr .. .. (۴۱) (۲)
6ac15e819701cd0d077d8157711c4c402106722c	یہ تکنیکی رپورٹ ٹیم ایم آئی ٹی کے نقطہ نظر کو ڈارپا اربن چیلنج کے بارے میں بیان کرتی ہے۔ ہم نے گاڑی کے پردے پر نصب بہت سستے سینسر استعمال کرنے کے لئے ایک نئی حکمت عملی تیار کی ہے، اور ایک نئی کراس موڈل کیلیبریشن تکنیک کے ساتھ کیلیبریٹ کیا. لیڈار، کیمرے اور ریڈار ڈیٹا کے سلسلے کو ایک جدید، مقامی طور پر ہموار ریاست کی نمائندگی کا استعمال کرتے ہوئے عملدرآمد کیا جاتا ہے جو حقیقی وقت خود مختار کنٹرول کے لئے مضبوط احساس فراہم کرتا ہے. ٹریفک میں ڈرائیونگ کے لئے ایک لچکدار منصوبہ بندی اور کنٹرول فن تعمیر تیار کیا گیا ہے، جس میں مشن کی منصوبہ بندی، حالات کی منصوبہ بندی، حالات کی تشریح، اور راستے کے کنٹرول کے لئے اچھی طرح سے ثابت شدہ الگورتھم کا ایک جدید مجموعہ شامل ہے. یہ بدعات دو نئی روبوٹک گاڑیوں میں شامل کی جا رہی ہیں جو شہری ماحول میں خود مختار ڈرائیونگ کے لیے تیار ہیں، جس کا وسیع پیمانے پر تجربہ ڈارپا سائٹ وزٹ کورس میں کیا جا رہا ہے۔ تجرباتی نتائج تمام بنیادی نیویگیشن اور کچھ بنیادی ٹریفک کے رویے کا مظاہرہ کرتے ہیں، بشمول خالی خود مختار ڈرائیونگ، خالص تعاقب کنٹرول اور ہماری مقامی فریم ادراک کی حکمت عملی کا استعمال کرتے ہوئے لین کی پیروی، کینو-ڈینامک RRT راستے کی منصوبہ بندی کا استعمال کرتے ہوئے رکاوٹ سے بچنے، U-turns، اور ہماری حالات کی ترجمان کا استعمال کرتے ہوئے چوراہوں پر دیگر گاڑیوں کے درمیان ترجیح کی تشخیص. ہم ان طریقوں کو جدید نیویگیشن اور ٹریفک کے منظرناموں تک بڑھانے کے لئے کام کر رہے ہیں۔ † ایگزیکٹو خلاصہ یہ تکنیکی رپورٹ ٹیم ایم آئی ٹی کے نقطہ نظر کو ڈارپا اربن چیلنج کے بارے میں بیان کرتی ہے۔ ہم نے ایک نئی حکمت عملی تیار کی ہے جس میں بہت سے سستے سینسر استعمال کیے جاتے ہیں، جو گاڑی کے اطراف میں نصب ہوتے ہیں، اور ایک نئی کراس موڈل کیلیبریشن تکنیک کے ساتھ کیلیبریٹ کیے جاتے ہیں۔ لیڈار ، کیمرا اور ریڈار ڈیٹا کے سلسلے کو ایک جدید ، مقامی طور پر ہموار ریاست کی نمائندگی کا استعمال کرتے ہوئے پروسیس کیا جاتا ہے جو حقیقی وقت کے خود مختار کنٹرول کے لئے مضبوط تاثر فراہم کرتا ہے۔ ٹریفک میں ڈرائیونگ کے لئے ایک لچکدار منصوبہ بندی اور کنٹرول فن تعمیر تیار کیا گیا ہے، جس میں مشن کی منصوبہ بندی، حالات کی منصوبہ بندی، حالات کی تشریح، اور راستے کے کنٹرول کے لئے اچھی طرح سے ثابت شدہ الگورتھم کا ایک جدید مجموعہ شامل ہے. یہ بدعات دو نئی روبوٹک گاڑیوں میں شامل کی جا رہی ہیں جو شہری ماحول میں خود مختار ڈرائیونگ کے لیے تیار ہیں، جس کا وسیع پیمانے پر تجربہ ڈارپا سائٹ وزٹ کورس میں کیا جا رہا ہے۔ تجرباتی نتائج تمام بنیادی نیویگیشن اور کچھ بنیادی ٹریفک کے رویوں کا مظاہرہ کرتے ہیں ، بشمول خالی خودمختار ڈرائیونگ ، خالص پیچھا کنٹرول اور ہماری مقامی فریم ادراک حکمت عملی کا استعمال کرتے ہوئے لین کی پیروی ، کینو متحرک آر آر ٹی راستے کی منصوبہ بندی کا استعمال کرتے ہوئے رکاوٹوں سے بچنا ، یو موڑ ، اور ہماری صورتحال کی ترجمان کا استعمال کرتے ہوئے چوراہوں پر دوسری کاروں کے درمیان ترجیح کی تشخیص۔ ہم ان طریقوں کو جدید نیویگیشن اور ٹریفک کے منظرناموں تک بڑھانے کے لئے کام کر رہے ہیں۔ ڈس کلیمر: اس کاغذ میں موجود معلومات ڈیفنس ایڈوانسڈ ریسرچ پروجیکٹس ایجنسی (DARPA) یا محکمہ دفاع کی سرکاری پالیسیوں کی نمائندگی نہیں کرتی ہیں ، نہ تو واضح یا مبینہ طور پر۔ DARPA اس کاغذ میں معلومات کی درستگی یا وشوسنییتا کی ضمانت نہیں دیتا. اضافی مدد ...
e275f643c97ca1f4c7715635bb72cf02df928d06
1e55bb7c095d3ea15bccb3df920c546ec54c86b5
8acaebdf9569adafb03793b23e77bf4ac8c09f83	ہم فکسڈ جسمانی لمبائی، سپوف سطح پلاسمون Polariton کی بنیاد پر waveguides کے تجزیہ اور ڈیزائن پیش کرتے ہیں terahertz تعدد پر سایڈست تاخیر کے ساتھ. سایڈست تاخیر وولٹیجڈ پلانر گوباؤ لائنز (سی پی جی ایل) کا استعمال کرتے ہوئے حاصل کی جاتی ہے جس میں وولٹیج کی گہرائی کو تبدیل کرنے کے بغیر ویو گائیڈ کی مجموعی جسمانی لمبائی کو تبدیل کیا جاتا ہے۔ ہمارے تخروپن کے نتائج سے پتہ چلتا ہے کہ 237.9 °، 220.6 °، اور 310.6 ° کی بجلی کی لمبائی 250 μm اور 200 μm کی جسمانی لمبائی 0.25، 0.275، اور 0.3 THz، بالترتیب، مظاہرے کے مقاصد کے لئے حاصل کی جا سکتی ہے. ان تخروپن کے نتائج بھی جسمانی پیرامیٹر اور مواد کی خصوصیات کا استعمال کرتے ہوئے ہمارے تجزیاتی حساب کے ساتھ ہم آہنگ ہیں. جب ہم ایک ہی لمبائی کی تاخیر لائنوں کے جوڑے کو یکجا کرتے ہیں جیسے وہ ٹیرا ہرٹز فیز شفٹر کی دو شاخیں ہیں ، تو ہم نے 5.8٪ سے بہتر رشتہ دار فیز شفٹ تخمینہ کی غلطی کی شرح حاصل کی ہے۔ ہمارے علم کے بہترین کے لئے، یہ سایڈست سپو سطح پلاسمون Polariton کی بنیاد CPGL تاخیر لائنوں کا پہلا مظاہرہ ہے. یہ خیال ٹیرا ہرٹز بینڈ سرکٹری کے لئے مقررہ لمبائی اور مرحلے کے شفٹر کے ساتھ ٹونبل تاخیر لائنوں کو حاصل کرنے کے لئے استعمال کیا جا سکتا ہے.
325d145af5f38943e469da6369ab26883a3fd69e	ان پٹ کے طور پر گرے اسکیل فوٹو گرافی دی گئی ہے ، اس کاغذ میں تصویر کے ایک قابل رنگ ورژن کو جنون کرنے کے مسئلے پر حملہ کیا گیا ہے۔ یہ مسئلہ واضح طور پر کم محدود ہے ، لہذا پچھلے نقطہ نظر یا تو اہم صارف کے تعامل پر انحصار کرتے ہیں یا اس کے نتیجے میں غیر مطمئن رنگین ہوجاتے ہیں۔ ہم ایک مکمل طور پر خود کار طریقے سے نقطہ نظر کی تجویز ہے کہ متحرک اور حقیقت پسندانہ colorizations پیدا کرتا ہے. ہم نے اس مسئلے کی بنیادی غیر یقینی کو قبول کر لیا ہے اور اسے درجہ بندی کے کام کے طور پر پیش کیا ہے اور نتائج میں رنگوں کے تنوع کو بڑھانے کے لئے تربیت کے وقت کلاس ری بالانسنگ کا استعمال کیا ہے۔ نظام کو ٹیسٹ کے وقت سی این این میں فیڈ فارورڈ پاس کے طور پر نافذ کیا جاتا ہے اور ایک ملین سے زیادہ رنگین تصاویر پر تربیت دی جاتی ہے۔ ہم نے اپنے الگورتھم کا اندازہ ایک colorization ٹورنگ ٹیسٹ کا استعمال کرتے ہوئے کیا، انسانی شرکاء سے پیدا کردہ اور زمینی سچائی رنگ کی تصویر کے درمیان انتخاب کرنے کو کہتے ہوئے۔ ہمارا طریقہ کار کامیابی سے انسانوں کو 32 فیصد آزمائشوں میں دھوکہ دیتا ہے، جو کہ پچھلے طریقوں سے نمایاں طور پر زیادہ ہے۔ اس کے علاوہ، ہم ظاہر کرتے ہیں کہ رنگائزیشن ایک طاقتور بہانہ کام ہوسکتا ہے خود کی نگرانی کی خصوصیت سیکھنے کے لئے، ایک کراس چینل انکوڈر کے طور پر کام کرنا. اس نقطہ نظر کے نتیجے میں کئی خصوصیت سیکھنے کے معیار پر ریاست کی جدید ترین کارکردگی ہوتی ہے۔
57bbbfea63019a57ef658a27622c357978400a50
7ffdf4d92b4bc5690249ed98e51e1699f39d0e71	پہلی بار ، ایک لچکدار ، نامیاتی سبسٹریٹ پر ریڈیو فریکوئنسی مائکرو الیکٹرو مکینیکل سسٹم (آر ایف ایم ایم ایس) سوئچ کے ساتھ ایک مکمل طور پر مربوط مرحلے والے صف اینٹینا کا مظاہرہ کیا گیا ہے 10 گیگا ہرٹز سے اوپر. ایک کم شور یمپلیفائر (LNA) ، MEMS مرحلے شفٹر، اور 2 اوقات 2 پیچ اینٹینا صف ایک نظام پر پیکج (SOP) میں ایک مائع کرسٹل پولیمر substrate پر ضم کر رہے ہیں. دو اینٹینا arrays کے مقابلے میں کر رہے ہیں؛ ایک ایک پرت SOP کا استعمال کرتے ہوئے لاگو کیا اور ایک کثیر پرت SOP کے ساتھ دوسرا. دونوں نفاذ کم نقصان اور 12 ڈگری بیم اسٹیئرنگ کے قابل ہیں. ڈیزائن فریکوئنسی 14 گیگاہرٹج ہے اور دونوں نفاذات کے لئے ماپا واپسی نقصان 12 ڈی بی سے زیادہ ہے. ایک LNA کے استعمال سے ایک بہت زیادہ تابکاری طاقت کی سطح کے لئے کی اجازت دیتا ہے. ان اینٹینا کو تقریبا کسی بھی سائز، تعدد، اور کارکردگی کی ضرورت کو پورا کرنے کے لئے اپنی مرضی کے مطابق کیا جا سکتا ہے. یہ تحقیق نامیاتی ایس او پی آلات کے لئے ریاست کی آرٹ کو فروغ دیتا ہے.
d00ef607a10e5be00a9e05504ab9771c0b05d4ea	اعلی وولٹیج ریٹیڈ ٹھوس ریاست سوئچ جیسے موصل گیٹ بائی پولر ٹرانجسٹر (IGBTs) 6.5 کلو وٹ تک تجارتی طور پر دستیاب ہیں۔ اس طرح کے وولٹیج کے ناموں میں پلسڈ پاور اور ہائی وولٹیج سوئچ موڈ کنورٹر ایپلی کیشنز کے لئے پرکشش ہیں. تاہم، جیسا کہ IGBT وولٹیج کی درجہ بندی میں اضافہ ہوتا ہے، موجودہ اضافے اور کمی کی شرح عام طور پر کم ہوتی ہے. اس تجارت سے بچنا مشکل ہے کیونکہ آئی جی بی ٹی کو ایپیٹاکسیئل یا ڈریف ریجن پرت میں کم مزاحمت برقرار رکھنی ہوگی۔ ریورس وولٹیج کی حمایت کرنے کے لئے موٹی ڈرف علاقوں کے ساتھ ہائی وولٹیج ریٹیڈ آئی جی بی ٹی کے لئے ، مطلوبہ اعلی کیریئر حراستی کو آن کرنے پر انجیکشن کیا جاتا ہے اور آف ہونے پر ہٹا دیا جاتا ہے ، جو سوئچنگ کی رفتار کو سست کرتا ہے۔ تیز سوئچنگ کے لئے ایک آپشن متعدد ، کم وولٹیج ریٹیڈ آئی جی بی ٹی کو سیریز کرنا ہے۔ ایک IGBT-اسٹیک پروٹوٹائپ کے ساتھ چھ، 1200 V درجہ بندی IGBTs سیریز میں تجرباتی طور پر تجربہ کیا گیا ہے. چھ سیریز IGBT اسٹیک میں انفرادی ، نظری طور پر الگ تھلگ ، گیٹ ڈرائیور اور ایلومینیم کولنگ پلیٹیں ہوتی ہیں جن میں جبری ہوا ٹھنڈا کرنے کے لئے ہوتا ہے جس کے نتیجے میں ایک کمپیکٹ پیکیج ہوتا ہے۔ ہر IGBT عارضی وولٹیج suppressors کی طرف سے تحفظ کی حفاظت کی جاتی ہے. چھ سیریز IGBT اسٹیک اور ایک ہی 6.5 کلو وولٹ کے IGBT کے آن موجودہ اضافے کا وقت تجرباتی طور پر ایک پلسڈ مزاحم بوجھ ، کنڈیشٹر ڈسچارج سرکٹ میں ماپا گیا ہے۔ IGBT اسٹیک کا موازنہ سیریز میں دو IGBT ماڈیولز سے بھی کیا گیا ہے ، ہر ایک کو 3.3 کلو وولٹ کی درجہ بندی کی گئی ہے ، جس میں 9 کلو ہرٹز پر سوئچنگ اور 5 کلو وولٹ کی پیداوار پیدا کرنے والے ایک بوسٹ سرکٹ ایپلی کیشن میں ہے۔ چھ سیریز IGBT اسٹیک کے نتیجے میں سوئچنگ کی تیز رفتار میں بہتری آتی ہے ، اور بند ہونے کے دوران کم موجودہ دم کی وجہ سے بجلی میں اضافے کے کنورٹر کی کارکردگی میں نمایاں اضافہ ہوتا ہے۔ تجرباتی ٹیسٹ پیرامیٹرز اور موازنہ ٹیسٹ کے نتائج مندرجہ ذیل کاغذ میں بحث کی جاتی ہیں
20f5b475effb8fd0bf26bc72b4490b033ac25129	ہم شہری سڑکوں پر لین مارکر کا پتہ لگانے کے لئے ایک مضبوط اور حقیقی وقت کا نقطہ نظر پیش کرتے ہیں۔ یہ سڑک کے اوپر سے ایک نقطہ نظر پیدا کرنے پر مبنی ہے، انتخابی واقف گاوسی فلٹرز کا استعمال کرتے ہوئے فلٹرنگ، بیزیئر سپلائنز کو فٹ کرنے کے لئے ایک نئے اور تیز رفتار RANSAC الگورتھم کو ابتدائی اندازہ دینے کے لئے RANSAC لائن فٹنگ کا استعمال کرتے ہوئے، جس کے بعد بعد پوسٹ پروسیسنگ مرحلے کی طرف سے پیروی کی جاتی ہے. ہمارا الگورتھم سڑک کی مختلف حالتوں میں سٹیل امیجز میں تمام لینوں کا پتہ لگاسکتا ہے ، جبکہ 50 ہرٹز کی شرح سے کام کرتے ہوئے اور سابقہ تکنیکوں کے مقابلے میں نتائج حاصل کرسکتے ہیں۔
e6bef595cb78bcad4880aea6a3a73ecd32fbfe06	آن لائن جائزوں اور سفارشات کی دستیابی میں نمایاں اضافہ تعلیمی اور صنعتی تحقیق میں جذبات کی درجہ بندی کو ایک دلچسپ موضوع بناتا ہے۔ جائزے بہت سے مختلف ڈومینز پر محیط ہوسکتے ہیں کہ ان سب کے لئے تشریح شدہ تربیتی ڈیٹا اکٹھا کرنا مشکل ہے۔ لہذا، یہ کاغذ جذبات کی درجہ بندی کے لئے ڈومین موافقت کے مسئلے کا مطالعہ کرتا ہے، اس کے ذریعہ ایک نظام ایک ذریعہ ڈومین سے لیبل شدہ جائزے پر تربیت دی جاتی ہے لیکن اس کا مطلب یہ ہے کہ دوسرے پر تعینات کیا جائے. ہم ایک گہری سیکھنے کے نقطہ نظر کی تجویز کرتے ہیں جو ہر جائزہ کے لئے ایک معقول نمائندگی کو بے ترتیب انداز میں نکالنے کے لئے سیکھتا ہے. اس طرح، یہ سمجھا جاتا ہے کہ یہ ایک بہت ہی اہم اور اہم عنصر ہے، اور اس طرح، یہ سمجھا جاتا ہے کہ یہ ایک بہت ہی اہم عنصر ہے، اور اس طرح، یہ سمجھا جاتا ہے کہ یہ ایک بہت ہی اہم عنصر ہے. اس کے علاوہ، یہ طریقہ اچھی طرح سے پیمانے پر ہے اور ہمیں 22 ڈومینز کے بڑے صنعتی طاقت کے ڈیٹا بیس پر ڈومین موافقت کو کامیابی سے انجام دینے کی اجازت دی گئی ہے.
7cbbe0025b71a265c6bee195b5595cfad397a734	لوگ اکثر کرسیوں کے ساتھ بات چیت کرتے ہیں ، انہیں صحت سے متعلق غیر واضح احساس کرنے کے لئے ایک ممکنہ مقام بناتے ہیں جس میں صارفین کی طرف سے کوئی اضافی کوشش کی ضرورت نہیں ہوتی ہے۔ ہم نے 550 شرکاء کا سروے کیا تاکہ سمجھ سکیں کہ لوگ کرسیوں پر کیسے بیٹھتے ہیں اور اس سے کرسی کے ڈیزائن کو معلوم کیا جا سکے جو بالترتیب کرسی کی آرمریسٹ اور ریکریسٹ سے دل اور سانس کی شرح کا پتہ لگائے۔ 18 شرکاء کے ساتھ ایک لیبارٹری مطالعہ میں، ہم نے عام بیٹھنے کی پوزیشنوں کی ایک حد کا اندازہ کیا کہ یہ معلوم کرنے کے لئے کہ جب دل کی شرح اور سانس کی شرح کا پتہ لگانا ممکن تھا (32٪ وقت کے لئے دل کی شرح، سانس کی شرح کے لئے 52٪) اور پتہ لگانے کی شرح کی درستگی کا اندازہ کریں (83٪ دل کی شرح کے لئے، سانس کی شرح کے لئے 73٪). ہم نے اس احساس کو جنگلی میں منتقل کرنے کے چیلنجوں پر تبادلہ خیال کیا ہے ایک ان سیٹو مطالعہ کا جائزہ لینے کے ذریعے جس میں مجموعی طور پر 40 گھنٹے 11 شرکاء کے ساتھ۔ ہم نے دکھایا کہ، ایک ضمنی سینسر کے طور پر، کرسی اس کے مسافر سے اہم علامات ڈیٹا جمع کر سکتی ہے کرسی کے ساتھ قدرتی تعامل کے ذریعے.
bf003bb2d52304fea114d824bc0bf7bfbc7c3106
9a59a3719bf08105d4632898ee178bd982da2204	خود مختار گاڑی ایک موبائل روبوٹ ہے جس میں ملٹی سینسر نیویگیشن اور پوزیشننگ ، ذہین فیصلہ سازی اور کنٹرول ٹیکنالوجی کو مربوط کیا گیا ہے۔ اس مقالے میں خود مختار گاڑی کے کنٹرول سسٹم فن تعمیر کو پیش کیا گیا ہے ، جسے "انٹیلجنٹ پاینیر" کہا جاتا ہے ، اور نامعلوم ماحول میں موثر انداز میں تشریف لانے کے لئے راستے کی کھوج اور حرکت کی استحکام پر تبادلہ خیال کیا گیا ہے۔ اس نقطہ نظر میں، ریاست کی جگہ کی شکل میں راستے کی ٹریکنگ کے مسئلے کو تیار کرنے کے لئے دو ڈگری آزادی متحرک ماڈل تیار کیا جاتا ہے. فوری راستے کی غلطی کو کنٹرول کرنے کے لئے، روایتی کنٹرولرز کو پیرامیٹرز کی تبدیلیوں اور خرابیوں کی ایک وسیع رینج پر کارکردگی اور استحکام کی ضمانت دینے میں دشواری ہوتی ہے. لہذا، ایک نئے تیار انکولی PID کنٹرولر استعمال کیا جائے گا. اس نقطہ نظر کا استعمال کرتے ہوئے گاڑی کنٹرول کے نظام کی لچک میں اضافہ کیا جائے گا اور عظیم فوائد حاصل. اس کے ذریعے ہم انٹیلجنٹ پاینیر کی مثالیں اور نتائج فراہم کرتے ہیں اور اس نقطہ نظر کا استعمال کرتے ہوئے خود مختار گاڑی نے 2010 اور 2011 میں چین کے مستقبل کے چیلنج میں مقابلہ کیا تھا۔ انٹیلجنٹ پاینیر نے تمام مقابلہ پروگراموں کو ختم کیا اور 2010 میں پہلی پوزیشن اور 2011 میں تیسری پوزیشن حاصل کی۔
7592f8a1d4fa2703b75cad6833775da2ff72fe7b	مسابقتی MNIST ہاتھ سے لکھے ہوئے ہندسوں کی پہچان کے معیار کی 1998 سے ریکارڈ توڑنے کی ایک طویل تاریخ ہے۔ دوسروں کی طرف سے سب سے حالیہ پیش رفت 8 سال (غلطی کی شرح 0.4٪) واپس کی تاریخ. سادہ کثیر پرت پرسپکٹران کے لئے پرانے اچھے آن لائن بیک پروپیگنڈے نے ایک ہی ایم ایل پی کے ساتھ ایم این ایس ٹی کے ہاتھ سے لکھے ہوئے ہندسوں کے معیار پر 0.35 فیصد اور سات ایم ایل پی کی کمیٹی کے ساتھ 0.31 فیصد کی بہت کم غلطی کی شرح دی ہے۔ 2011 تک اس سب سے بہتر نتیجہ کو حاصل کرنے کے لئے ہمیں صرف بہت سے پوشیدہ تہوں کی ضرورت ہے، ہر تہہ میں بہت سے نیورونز، بہت سے غیر موزوں تربیت کی تصاویر زیادہ سے زیادہ فٹ ہونے سے بچنے کے لئے، اور گرافکس کارڈ بہت سیکھنے کو تیز کرنے کے لئے.
cbcd9f32b526397f88d18163875d04255e72137f
14829636fee5a1cf8dee9737849a8e2bdaf9a91f	بٹ کوائن ایک تقسیم شدہ ڈیجیٹل کرنسی ہے جس نے کافی تعداد میں صارفین کو راغب کیا ہے۔ ہم نے ایک گہری تحقیقات کی ہے تاکہ یہ سمجھا جا سکے کہ بٹ کوائن کو اتنا کامیاب کیوں بنایا گیا ہے، جبکہ کرپٹوگرافک ای-کیش پر کئی دہائیوں کی تحقیق نے بڑے پیمانے پر تعیناتی کی طرف نہیں لایا ہے۔ ہم یہ بھی پوچھتے ہیں کہ بٹ کوائن ایک طویل عرصے سے مستحکم کرنسی کے لئے ایک اچھا امیدوار کیسے بن سکتا ہے۔ ایسا کرنے میں، ہم بٹ کوائن کے کئی مسائل اور حملوں کی نشاندہی کرتے ہیں، اور ان کو حل کرنے کے لئے مناسب تکنیک تجویز کرتے ہیں.
3d16ed355757fc13b7c6d7d6d04e6e9c5c9c0b78
d19f938c790f0ffd8fa7fccc9fd7c40758a29f94
cd5b7d8fb4f8dc3872e773ec24460c9020da91ed	یہ کاغذ پانچویں نسل (5G) مکمل طول و عرض کے متعدد ان پٹ متعدد آؤٹ پٹ (FD-MIMO) کے نظام کے لئے 29 گیگا ہرٹز فریکوئنسی پر WR28 ویو گائیڈ پر مبنی بیم اسٹیئر ایبل ہائی گین فیزڈ آرے اینٹینا کا ایک نیا ڈیزائن تصور پیش کرتا ہے۔ 8 × 8 پلانر فیزڈ صف کو تین جہتی بیمفارمر کے ذریعہ کھلایا جاتا ہے تاکہ -60 سے +60 ڈگری تک دونوں سمتوں میں حجم بیم اسکیننگ حاصل کی جاسکے۔ بیم فارمیٹنگ نیٹ ورک (بی ایف این) 64 بیم ریاستوں کو حاصل کرنے کے لئے 8 × 8 بٹلر میٹرکس بیمفارمر کے 16 سیٹ کا استعمال کرتے ہوئے ڈیزائن کیا گیا ہے ، جو افقی اور عمودی زاویہ کو کنٹرول کرتے ہیں۔ یہ 5 جی ایپلی کیشن کے لئے کا بینڈ میں حجم ملٹی بیم کے لئے ویو گائیڈ پر مبنی ہائی پاور تھری ڈی بیم فارمر ڈیزائن کرنے کا ایک نیا تصور ہے۔ فیزڈ آرٹیج کا زیادہ سے زیادہ فائدہ 28.5 ڈی بی ہے جو 28.9 گیگاہرٹج سے 29.4 گیگاہرٹج فریکوئنسی بینڈ کو ڈھکتا ہے۔
34feeafb5ff7757b67cf5c46da0869ffb9655310	ماحولیاتی توانائی کم طاقت وائرلیس سینسر نیٹ ورکس کے لئے ایک پرکشش طاقت کا ذریعہ ہے. ہم پرومیتھس پیش کرتے ہیں، ایک ایسا نظام جو ذہانت سے توانائی کی منتقلی کا انتظام کرتا ہے بغیر انسانی مداخلت یا بحالی کے مستقل آپریشن کے لیے۔ مختلف توانائی ذخیرہ کرنے والے عناصر کی مثبت خصوصیات کو یکجا کرتے ہوئے اور مائکرو پروسیسر کی ذہانت کو استعمال کرتے ہوئے ہم ایک موثر کثیر مرحلے میں توانائی کی منتقلی کا نظام متعارف کراتے ہیں جو واحد توانائی ذخیرہ کرنے والے نظام کی عام حدود کو کم کرتا ہے تاکہ قریب سے مستقل آپریشن حاصل کیا جاسکے۔ ہم اپنے ڈیزائن کے انتخاب، تجارت، سرکٹ تشخیص، کارکردگی کا تجزیہ، اور ماڈل پیش کرتے ہیں. ہم نظام کے اجزاء کے درمیان تعلقات پر تبادلہ خیال کرتے ہیں اور کسی درخواست کی ضروریات کو پورا کرنے کے لئے زیادہ سے زیادہ ہارڈ ویئر کے انتخاب کی نشاندہی کرتے ہیں. آخر میں ہم ایک حقیقی نظام کے ہمارے نفاذ کو پیش کرتے ہیں جو برکلے کے Telos Mote کو طاقت دینے کے لئے شمسی توانائی کا استعمال کرتا ہے. ہمارے تجزیہ کی پیشن گوئی ہے کہ نظام 1٪ بوجھ کے تحت 43 سال کے لئے کام کرے گا، 10٪ بوجھ کے تحت 4 سال، اور 100٪ بوجھ کے تحت 1 سال. ہمارے نفاذ ایک دو مرحلے اسٹوریج نظام سپر capacitors پر مشتمل استعمال کرتا ہے (پرائمری بفر) اور ایک لتیم rechargeable بیٹری (ثانوی بفر). موٹ کو طاقت کی سطح کا مکمل علم ہے اور زندگی کو زیادہ سے زیادہ کرنے کے لئے ذہانت سے توانائی کی منتقلی کا انتظام کرتا ہے۔
3689220c58f89e9e19cc0df51c0a573884486708	ایمبی میکس ایک توانائی کی کٹائی کا سرکٹ ہے اور وائرلیس سینسر نوڈس (ڈبلیو ایس این) کے لئے ایک سپر کنڈیسیٹر پر مبنی توانائی اسٹوریج سسٹم ہے۔ پچھلے ڈبلیو ایس این مختلف ذرائع سے توانائی حاصل کرنے کی کوشش کرتے ہیں ، اور کچھ بیٹریاں بڑھنے کے مسئلے کو حل کرنے کے لئے بیٹریوں کی بجائے سپر کیپسیٹرز کا استعمال کرتے ہیں۔ تاہم ، وہ یا تو امپرنس میس میچ کی وجہ سے بہت ساری دستیاب توانائی ضائع کرتے ہیں ، یا انہیں فعال ڈیجیٹل کنٹرول کی ضرورت ہوتی ہے جو اوور ہیڈ میں پڑتی ہے ، یا وہ صرف ایک مخصوص قسم کے ماخذ کے ساتھ کام کرتے ہیں۔ ایمبی میکس ان مسائل کو حل کرتا ہے پہلے خود مختار طور پر زیادہ سے زیادہ پاور پوائنٹ ٹریکنگ (ایم پی پی ٹی) انجام دیتا ہے ، اور پھر سپر کنڈسیٹرز کو زیادہ سے زیادہ کارکردگی پر چارج کرتا ہے۔ مزید برآں ، ایمبی میکس ماڈیولر ہے اور شمسی ، ہوا ، حرارتی اور کمپن سمیت متعدد توانائی کی کٹائی کے ذرائع کی تشکیل کو قابل بناتا ہے ، ہر ایک مختلف زیادہ سے زیادہ سائز کے ساتھ۔ ایک حقیقی WSN پلیٹ فارم، ایکو پر تجرباتی نتائج سے پتہ چلتا ہے کہ AmbiMax کامیابی سے ایک ہی وقت میں اور خود مختار طور پر کئی طاقت کے ذرائع کو WSNs کے لئے موجودہ ریاست کے آرٹ کی کارکردگی کے کئی گنا میں منظم کرتا ہے
4833d690f7e0a4020ef48c1a537dbb5b8b9b04c6	ایک کم طاقت والے کم لاگت والے انتہائی موثر زیادہ سے زیادہ پاور پوائنٹ ٹریکر (ایم پی پی ٹی) کو فوٹوولٹک (پی وی) پینل میں ضم کرنے کی تجویز کی گئی ہے۔ اس کے نتیجے میں معیاری فوٹوولٹک پینل کے مقابلے میں 25 فیصد توانائی میں اضافہ ہوسکتا ہے ، جبکہ بیٹری وولٹیج ریگولیشن اور پی وی آرے کو بوجھ سے ملانے جیسے افعال انجام دیتے ہیں۔ بیرونی طور پر منسلک ایم پی پی ٹی کے استعمال کے بجائے ، یہ تجویز کیا گیا ہے کہ فوٹو پینل کے حصے کے طور پر مربوط ایم پی پی ٹی کنورٹر استعمال کیا جائے۔ یہ تجویز ہے کہ یہ مربوط ایم پی پی ٹی لاگت سے موثر ہونے کے لئے ایک سادہ کنٹرولر کا استعمال کرے۔ اس کے علاوہ، کنورٹر کو براہ راست منسلک نظام کے مقابلے میں زیادہ توانائی کو لوڈ کرنے کے لئے، بہت موثر ہونا ضروری ہے. یہ ایک سادہ نرم سوئچڈ ٹوپولوجی کا استعمال کرتے ہوئے حاصل کیا جاتا ہے. اس کے نتیجے میں کم لاگت میں بہت زیادہ تبادلوں کی کارکردگی ہوگی ، جس سے ایم پی پی ٹی چھوٹے پی وی توانائی کے نظام کے لئے سستی حل بن جائے گی۔
61c1d66defb225eda47462d1bc393906772c9196	وائرلیس سینسر نیٹ ورکس کی ہمارے معاشرے پر مثبت اثرات مرتب کرنے کی زبردست صلاحیت نے اس موضوع پر بہت زیادہ تحقیق کی ہے اور یہ تحقیق اب ماحول کے لئے تیار نظام تیار کررہی ہے۔ موجودہ ٹیکنالوجی کی حدود وسیع پیمانے پر مختلف ایپلی کیشن کی ضروریات کے ساتھ مل کر ڈیزائن کی جگہ کے مختلف حصوں کے لئے ہارڈ ویئر پلیٹ فارم کی تنوع کا باعث بنتی ہیں۔ اس کے علاوہ ، ایک نظام کی منفرد توانائی اور وشوسنییتا کی رکاوٹوں کا مطلب ہے کہ بغیر کسی انسانی مداخلت کے ایک وقت میں مہینوں تک کام کرنا چاہئے کہ سینسر نیٹ ورک ہارڈ ویئر پر تقاضے معیاری مربوط سرکٹس پر تقاضوں سے مختلف ہیں۔ یہ کاغذ سینسر نوڈس اور ان کو کنٹرول کرنے کے لئے کم سطح سافٹ ویئر ڈیزائن کرنے کے ہمارے تجربات بیان کرتا ہے. زبرا نیٹ سسٹم میں ہم جانوروں کی طویل مدتی ہجرتوں کی نگرانی کے لیے ٹھیک دانے دار پوزیشن ڈیٹا ریکارڈ کرنے کے لیے جی پی ایس ٹیکنالوجی کا استعمال کرتے ہیں۔ [14] زبرا نیٹ ہارڈ ویئر 16 بٹ ٹی آئی مائکروکنٹرولر ، 4 ایم بیٹ آف چپ فلیش میموری ، 900 میگاہرٹز ریڈیو ، اور کم طاقت والے جی پی ایس چپ پر مشتمل ہے۔ اس مقالے میں ، ہم سینسر نیٹ ورکس کے لئے موثر بجلی کی فراہمی کے ڈیزائن کے لئے اپنی تکنیکوں ، نوڈس کی توانائی کی کھپت کو سنبھالنے کے طریقوں ، اور ریڈیو ، فلیش ، اور سینسر سمیت پردیی آلات کو سنبھالنے کے طریقوں پر تبادلہ خیال کرتے ہیں۔ ہم زیبرا نیٹ نوڈس کے ڈیزائن کا جائزہ لینے اور اس پر تبادلہ خیال کرکے اختتام کرتے ہیں کہ اسے کیسے بہتر بنایا جاسکتا ہے۔ اس ہارڈ ویئر کی ترقی میں ہمارے سیکھا سبق مستقبل سینسر نوڈس ڈیزائن کرنے اور حقیقی نظام میں ان کا استعمال کرنے میں دونوں مفید ہو سکتا ہے.
146da74cd886acbd4a593a55f0caacefa99714a6	مصنوعی ذہانت کے ارتقاء نے ٹیکنالوجی کے میدان میں ایک اتپریرک کی حیثیت سے کام کیا ہے۔ اب ہم ان چیزوں کو تیار کر سکتے ہیں جو کبھی محض ایک تصور تھے۔ اس طرح کی تخلیق میں سے ایک خود کار گاڑی کی پیدائش ہے. وہ دن آئے ہیں جب کوئی اپنا کام کر سکتا ہے یا گاڑی میں سو بھی سکتا ہے اور اسٹیئرنگ وہیل، گیس گیس کے گیس کو چھوئے بغیر بھی آپ اپنی منزل مقصود تک محفوظ طریقے سے پہنچ سکتے ہیں۔ اس مقالے میں خود کار طریقے سے گاڑی چلانے کے ایک کام کرنے والے ماڈل کی تجویز کی گئی ہے جو ایک جگہ سے دوسری جگہ یا مختلف قسم کے پٹریوں پر چلنے کے قابل ہے جیسے مڑے ہوئے پٹریوں ، سیدھے پٹریوں اور سیدھے پٹریوں کے بعد مڑے ہوئے پٹریوں پر۔ ایک کیمرے ماڈیول گاڑی کے اوپر نصب ہے اور راسبیری پائ حقیقی دنیا سے تصاویر کو کنوولیوشنل نیورل نیٹ ورک کو بھیجتا ہے جو پھر مندرجہ ذیل سمتوں میں سے ایک کی پیش گوئی کرتا ہے۔ یعنی دائیں، بائیں، آگے یا روکنے کے بعد آرڈینو سے ریموٹ کنٹرول کار کے کنٹرولر کو سگنل بھیجنے کے بعد اور اس کے نتیجے میں کار کسی بھی انسانی مداخلت کے بغیر مطلوبہ سمت میں چلتی ہے.
bb17e8858b0d3a5eba2bb91f45f4443d3e10b7cd
090a6772a1d69f07bfe7e89f99934294a0dac1b9
f07fd927971c40261dd7cef1ad6d2360b23fe294	ہم پر غور مسئلہ کے پتلی کیننیکل ارتباط تجزیہ (CCA) ، یعنی تلاش کے لئے دو لکیری combi قوموں ، ایک کے لئے ہر ایک multivariate ، کہ پیداوار زیادہ سے زیادہ ارتباط کا استعمال کرتے ہوئے ایک مخصوص تعداد میں متغیرات. ہم ایک موثر عددی تخمینہ کی تجویز کرتے ہیں جو براہ راست لالچی نقطہ نظر پر مبنی ہے جو ہر مرحلے میں ارتباط کو محدود کرتا ہے۔ یہ طریقہ خاص طور پر بڑے اعداد و شمار کے سیٹوں کے ساتھ نمٹنے کے لئے ڈیزائن کیا گیا ہے اور اس کی کمپیوٹیشنل پیچیدگی صرف کمپیکٹ کی سطح پر منحصر ہے. ہم تجزیہ کرتے ہیں الگورتھم کی کارکردگی کے ذریعے تجارت کے درمیان تعلق اور parsimony. عددی تخروپن کے نتائج سے پتہ چلتا ہے کہ اس کے اہم حصے کو نسبتا کم متغیرات کی تعداد کا استعمال کرتے ہوئے قبضہ کیا جا سکتا ہے. اس کے علاوہ، ہم نے دستیاب نمونوں کی تعداد کثیر متغیرات کے طول و عرض کے مقابلے میں چھوٹا ہے جب ایک باقاعدگی کے طریقہ کار کے طور پر پتلی CCA کے استعمال کا جائزہ لیا. I. I NTRODUCTION کیننیکل ارتباط تجزیہ (سی سی اے) ، ہیرول ڈی ہوٹلنگ [1] کی طرف سے متعارف کرایا گیا ہے، اعداد و شمار کے ایک جوڑے سے مشترکہ خصوصیات کو نکالنے کے لئے کثیر متغیر ڈیٹا این لیس میں ایک معیاری تکنیک ہے، [2] [3] ان اعداد و شمار کے ذرائع میں سے ہر ایک ایک بے ترتیب ویکٹر r پیدا کرتا ہے جسے ہم ایک کثیر متغیر کہتے ہیں. کلاسیکی dimensionality کمی کے طریقوں کے برعکس جس میں ایک multivariate کا پتہ لگانے، CCA اکاؤنٹ میں ممکنہ طور پر مختلف طول و عرض اور ساخت کے دو خالی جگہوں سے نمونے کے درمیان شماریاتی تعلقات لے. خاص طور پر، یہ دو لکیری مجموعے کے لئے تلاش کرتا ہے، ہر ایک کثیر متغیر کے لئے ایک، ان کے ارتباط کو زیادہ سے زیادہ کرنے کے لئے. یہ مختلف مضامین میں ایک اسٹینڈ اکیلے آلے کے طور پر یا دیگر اعداد و شمار کے طریقوں کے لئے ایک پری پروسیسنگ مرحلے کے طور پر استعمال کیا جاتا ہے. مزید برآں ، سی سی اے ایک عمومی فریم ورک ہے جس میں اعدادوشمار میں متعدد کلاسیکی طریقے شامل ہیں ، مثال کے طور پر ، پرنسپل جزو t تجزیہ (پی سی اے) ، جزوی کم سے کم چوکور (پی ایل ایس) اور ایک سے زیادہ لکیری رجعت (ایم ایل آر) ۔ [4] CCA نے حال ہی میں کارن CCA کے آنے اور آزاد جزو تجزیہ [5] ، [6] کے لئے اس کے اطلاق کے ساتھ توجہ حاصل کی ہے. گزشتہ دہائی میں سگنل اور کم عددی طریقوں کی کم نمائندگی کی تلاش میں ایک بڑھتی ہوئی دلچسپی کا مشاہدہ کیا گیا ہے. اس طرح، ہم کم سی سی اے کے مسئلے پر غور کرتے ہیں، یعنی، ایک چھوٹی سی متغیرات کا استعمال کرتے ہوئے زیادہ سے زیادہ ارتباط کے ساتھ لکیری مجموعہ کی تلاش. کم خرچ کرنے کی جستجو مختلف استدلالوں کے ذریعے حوصلہ افزائی کی جا سکتی ہے۔ سب سے پہلے نتائج کی تشریح اور تصور کرنے کی صلاحیت ہے. متغیرات کی ایک چھوٹی سی تعداد ہمیں چھوٹی چھوٹی تفصیلات کی قربانی دیتے ہوئے "بڑی تصویر" حاصل کرنے کی اجازت دیتی ہے۔ اس کے علاوہ، spars e نمائندگی کمپیوٹیشنل موثر استعمال کی اجازت دیتے ہیں t پہلے دو مصنفین اس مخطوطہ میں برابر حصہ لیا . اس کام کو گرانٹ FA9550-06-1-0 324 کے تحت AFOSR MURI کی طرف سے جزوی طور پر حمایت کی گئی تھی۔ کمی کے لئے دوسرا محرک باقاعدگی اور استحکام ہے. سی سی اے کی اہم کمزوریاں میں سے ایک چھوٹی تعداد میں مشاہدات کے لئے اس کی حساسیت ہے. تاہم، باقاعدگی سے طریقوں جیسے ریج سی سی اے [7] کا استعمال کیا جانا چاہئے. اس تناظر میں، کم سی سی اے ایک ذیلی سیٹ انتخاب سکیم ہے جو ہمیں ویکٹر کے طول و عرض کو کم کرنے اور مستحکم حل حاصل کرنے کی اجازت دیتا ہے. ہمارے علم کے بہترین کے لئے پہلی بار کے لئے حوالہ کم CCA میں شائع ہوا [2] جہاں پیچھے کی طرف اور قدم بہ قدم ذیلی سیٹ انتخاب کی تجویز پیش کی گئی تھی. یہ بحث کوالٹی ٹو نوعیت کی تھی اور کوئی مخصوص عددی الگورتھم تجویز نہیں کیا گیا تھا۔ حال ہی میں ، کثیر جہتی ڈیٹا پروسیسنگ اور کم کمپیوٹیشنل لاگت کے لئے بڑھتی ہوئی طلب نے اس موضوع کو ایک بار پھر نمایاں کرنے کا سبب بنا ہے [1] - [13] . ان موجودہ حلوں کے ساتھ اہم نقصانات یہ ہے کہ اس پر کوئی براہ راست کنٹرول نہیں ہے اور ان کے زیادہ سے زیادہ ہائپر پیرامیٹرز کا انتخاب کرنا مشکل (اور غیر بدیہی) ہے۔ اس کے علاوہ، ان طریقوں میں سے زیادہ تر کے کمپیوٹیشنل پیچیدگی اعلی جہتی ڈیٹا سیٹ کے ساتھ عملی ایپلی کیشنز کے لئے بہت زیادہ ہے. اسپیئر سی سی اے کو بھی ضمنی طور پر خطاب کیا گیا ہے [9]، [14] اور ڈی پی سی اے پر حالیہ نتائج سے قریب سے متعلق ہے [9] ، [15] - [17]. دراصل، ہمارے تجویز کردہ حل CCA میں [17] میں نتائج کی توسیع ہے. اس کام کا بنیادی حصہ دو گنا ہے. سب سے پہلے، ہم CCA الگورتھم ہر ایک کثیر متغیر میں sparsity پر براہ راست کنٹرول کے ساتھ حاصل کرتے ہیں اور ان کی کارکردگی کا جائزہ لیتے ہیں. ہمارے کمپیوٹیشنل موثر طریقوں کو خاص طور پر بڑے طول و عرض کے دو ڈیٹا سیٹ کے درمیان تعلقات کو سمجھنے میں مدد ملتی ہے. ہم ایک آگے (یا پیچھے) لالچی نقطہ نظر کو اپنانے جو ترتیب سے منتخب (یا چھوڑ) متغیرات پر مبنی ہے. ہر مرحلے میں، ہم نے بہترین سی سی اے حل کو پابند کیا اور مکمل مسئلہ کو حل کرنے کی ضرورت کو بائی پاس کیا. اس کے علاوہ، فارورڈ لالچی طریقہ کار کی کمپیوٹیشنل پیچیدگی ڈیٹا کے طول و عرض پر منحصر نہیں ہے بلکہ صرف کمپیکٹ پیرامیٹرز پر منحصر ہے. عددی تخروپن کے نتائج سے پتہ چلتا ہے کہ اس کے اہم حصے میں اس کے ساتھ ساتھ غیر صفر کوفیشنٹس کی نسبتا کم تعداد کا استعمال کرتے ہوئے مؤثر طریقے سے کیپچر کیا جا سکتا ہے. ہماری دوسری شراکت باقاعدگی کے طریقہ کار کے طور پر کم CCA کی تحقیقات ہے. تجرباتی تخروپن کا استعمال کرتے ہوئے ہم مختلف الگورتھم کے استعمال کی جانچ پڑتال کرتے ہیں جب کثیر متغیرات کے طول و عرض نمونے کی تعداد سے زیادہ (یا اسی ترتیب کے) ہوتے ہیں اور کم سی سی اے کا فائدہ ظاہر کرتے ہیں۔ اس تناظر میں، لالچی نقطہ نظر کے فوائد میں سے ایک یہ ہے کہ یہ ایک ہی رن میں مکمل sparsity راستے پیدا کرتا ہے اور موثر پیرامیٹر ٹیوننگ کا استعمال کرتے ہوئے کی اجازت دیتا ہے
49afbe880b8bd419605beb84d3382647bf8e50ea
19b7e0786d9e093fdd8c8751dac0c4eb0aea0b74
0b3cfbf79d50dae4a16584533227bb728e3522aa	بار بار واپس پھیلانے کے ذریعے معلومات کو طویل وقت کے وقفوں پر ذخیرہ کرنا سیکھنا بہت طویل وقت لگتا ہے ، زیادہ تر ناکافی ، خراب ہونے والی غلطی کے پیچھے آنے کی وجہ سے۔ ہم مختصر طور پر اس مسئلے کے Hochreiter کی (1991) تجزیہ کا جائزہ لیں، پھر ایک ناول، موثر، گریڈینٹ کی بنیاد پر طریقہ کار متعارف کرانے کی طرف سے اس کا علاج طویل مختصر مدت میموری (LSTM) کہا جاتا ہے. جہاں یہ نقصان نہیں کرتا گرڈینٹ کو ٹرنک کرنا ، ایل ایس ٹی ایم خصوصی یونٹوں کے اندر مستقل غلطی کی carousels کے ذریعے مستقل غلطی کے بہاؤ کو نافذ کرکے 1000 سے زیادہ مجرد وقت کے اقدامات میں کم سے کم وقت کی تاخیر کو پل کرنا سیکھ سکتا ہے۔ ضرب گیٹ یونٹس مسلسل غلطی کے بہاؤ تک رسائی کو کھولنے اور بند کرنے کے لئے سیکھتے ہیں. LSTM جگہ اور وقت میں مقامی ہے؛ اس کی کمپیوٹیشنل پیچیدگی فی وقت مرحلہ اور وزن O ہے. ١. مصنوعی اعداد و شمار کے ساتھ ہمارے تجربات میں مقامی، تقسیم شدہ، حقیقی قدر، اور شور پیٹرن نمائندگی شامل ہیں. ریئل ٹائم بار بار چلنے والی سیکھنے ، وقت کے ساتھ پیچھے کی طرف پھیلاؤ ، بار بار چلنے والی جھرنوں کا ارتباط ، ایلمین نیٹ ، اور نیورل ترتیب کی چکنگ کے مقابلے میں ، ایل ایس ٹی ایم بہت زیادہ کامیاب چلانے کا باعث بنتا ہے ، اور بہت تیزی سے سیکھتا ہے۔ ایل ایس ٹی ایم پیچیدہ ، مصنوعی طویل وقت کی تاخیر والے کاموں کو بھی حل کرتا ہے جو پچھلے بار بار چلنے والے نیٹ ورک الگورتھم کے ذریعہ کبھی حل نہیں کیا گیا تھا۔
9eb67ca57fecc691853636507e2b852de3f56fac	پچھلے مطالعے سے یہ ظاہر ہوا ہے کہ الفاظ اور متن کی معنوی طور پر معنی خیز نمائندگی نیورل ایمبیڈنگ ماڈلز کے ذریعے حاصل کی جاسکتی ہے۔ خاص طور پر، پیراگراف ویکٹر (پی وی) ماڈل نے دستاویز (موضوع) سطح زبان ماڈل کا اندازہ کرکے کچھ قدرتی زبان پروسیسنگ کے کاموں میں متاثر کن کارکردگی کا مظاہرہ کیا ہے۔ پی وی ماڈلز کو بازیافت کے روایتی زبان ماڈل کے نقطہ نظر کے ساتھ ضم کرنے سے ، تاہم ، غیر مستحکم کارکردگی اور محدود بہتری پیدا ہوتی ہے۔ اس کاغذ میں، ہم رسمی طور پر اصل PV ماڈل کے تین اندرونی مسائل پر بحث کرتے ہیں جو بازیابی کے کاموں میں اس کی کارکردگی کو محدود کرتے ہیں. ہم ماڈل میں تبدیلیوں کی بھی وضاحت کرتے ہیں جو اسے IR کام کے لئے زیادہ موزوں بناتے ہیں، اور تجربات اور کیس اسٹڈیز کے ذریعہ ان کے اثرات کو ظاہر کرتے ہیں. ہم تین مسائل کا حل کرتے ہیں (1) پی وی کی غیر منظم تربیت کا عمل مختصر دستاویز کے زیادہ فٹنگ کے لئے کمزور ہے جو حتمی بازیافت ماڈل میں لمبائی تعصب پیدا کرتا ہے۔ (2) پی وی کا کورپس پر مبنی منفی نمونے لینے سے الفاظ کے لئے وزن کی اسکیم پیدا ہوتی ہے جو اکثر الفاظ کی اہمیت کو دبا دیتا ہے۔ اور (3) لفظ کے سیاق و سباق کی معلومات کی کمی سے پی وی لفظ کی تبدیلی کے تعلقات کو حاصل کرنے سے قاصر ہے۔
4df321947a2ac4365584a01d78a780913b171cf5	پہلو پر مبنی جذبات کا تجزیہ (اے بی ایس اے) مخصوص اداروں اور ان کے پہلوؤں کے بارے میں متن سے رائے کی کان کنی اور خلاصہ کرنے کا کام ہے۔ اس مضمون میں فرانسیسی زبان کے لئے اے بی ایس اے سسٹم کی ترقی اور جانچ کے لئے دو ڈیٹا سیٹ کی وضاحت کی گئی ہے جس میں متعلقہ اداروں ، پہلوؤں اور قطبی اقدار کے ساتھ صارف کے جائزے شامل ہیں۔ پہلے ڈیٹا سیٹ میں اے بی ایس اے سسٹم کی تربیت اور جانچ کے لئے 457 ریستوراں جائزے (2365 جملے) شامل ہیں ، جبکہ دوسرے میں 162 میوزیم جائزے (655 جملے) شامل ہیں جو ڈومین سے باہر تشخیص کے لئے وقف ہیں۔ دونوں ڈیٹا سیٹ SemEval-2016 ٹاسک 5 پہلو پر مبنی جذبات تجزیہ کے حصے کے طور پر بنائے گئے تھے جہاں سات مختلف زبانوں کی نمائندگی کی گئی تھی ، اور وہ تحقیق کے مقاصد کے لئے عوامی طور پر دستیاب ہیں۔ اس مضمون میں تشریح کی قسم کی طرف سے مثالیں اور اعداد و شمار فراہم کرتا ہے، تشریح کی ہدایات کا خلاصہ کرتا ہے اور ان کے کراس زبان کی قابل اطلاق پر بحث کرتا ہے. یہ بھی وضاحت کرتا ہے کہ اعداد و شمار کو سیم ایول اے بی ایس اے کے کام میں تشخیص کے لئے کس طرح استعمال کیا گیا تھا اور مختصر طور پر فرانسیسی کے لئے حاصل کردہ نتائج پیش کرتا ہے.
2445089d4277ccbec3727fecfe73eaa4cc57e414	اس مقالے میں 8 زبان کے جوڑوں کے لئے مشین ترجمہ کے نظام کے ترجمے کے معیار کا جائزہ لیا گیا ہے: فرانسیسی ، جرمن ، ہسپانوی اور چیک کا انگریزی اور اس کے برعکس ترجمہ کرنا۔ ہم نے ایک وسیع انسانی تشخیص کیا جس نے ہمیں نہ صرف مختلف ایم ٹی سسٹم کی درجہ بندی کرنے کی اجازت دی بلکہ تشخیص کے عمل کا اعلی سطح کا تجزیہ بھی انجام دیا. ہم نے تین قسم کے ذہنی تشخیص کے لئے وقت اور اندرونی اور بین-انٹروٹر معاہدے کی پیمائش کی. ہم نے خود کار طریقے سے تشخیصی میٹرکس کے انسانی فیصلوں کے ساتھ تعلق کی پیمائش کی. یہ میٹا تشخیص سب سے زیادہ عام طور پر استعمال ہونے والے طریقوں کے بارے میں حیرت انگیز حقائق ظاہر کرتا ہے.
1965a7d9a3eb0727c054fb235b1758c8ffbb8e22	سرکلر پولرائزڈ سنگل پرت یو سلاٹ مائکرو پٹیچ اینٹینا تجویز کیا گیا ہے۔ تجویز کردہ غیر متناسب یو سلاٹ بغیر کسی کوڑے کے بغیر سرکلر پولرائزیشن کے لئے دو آرتھوگونل طریقوں کو پیدا کرسکتا ہے جس میں سینڈ فیڈ اسکوائر پیچ مائکرو اسٹراپ اینٹینا کا کوئی کونہ ہوتا ہے۔ ایک پیرامیٹرک مطالعہ U-slot کے مختلف بازو کی لمبائی کی وجہ سے اثرات کی تحقیقات کے لئے کیا گیا ہے. جھاگ substrate کی موٹائی کے بارے میں 8.5٪ کام کرنے کی فریکوئنسی پر طول موج ہے. 3 ڈی بی ایل محوری تناسب اینٹینا کی بینڈوڈتھ 4٪ ہے. اینٹینا کے تجرباتی اور نظریاتی نتائج دونوں پیش کیے گئے اور ان پر تبادلہ خیال کیا گیا ہے۔ سرکلر پولرائزیشن، پرنٹ اینٹینا، یو سلاٹ.
9462cd1ec2e404b22f76c88b6149d1e84683acb7	اس خط میں، ایک وسیع بینڈ کومپیکٹ سرکلر پولرائزڈ (سی پی) پیچ اینٹینا تجویز کیا جاتا ہے. یہ پیچ اینٹینا ایک پرنٹ شدہ مندیری تحقیقات (ایم-سوند) اور truncated پیچ پر مشتمل ہے جو ایک وسیع بینڈ CP آپریشن پیدا کرنے کے لئے orthogonal resonant طریقوں کو حوصلہ افزائی کرتی ہے. اسٹیکڈ پیچ کو 5 جی وائی فائی ایپلی کیشن کے مطابق محوری تناسب (اے آر) بینڈوتھ کو مزید بہتر بنانے کے لئے استعمال کیا جاتا ہے۔ مجوزہ اینٹینا 42.3 فیصد امپیڈینس بینڈوتھ اور 16.8 فیصد اے آر بینڈوتھ حاصل کرتی ہے۔ اے آر بینڈوتھ کے اندر اوسط فائدہ 6.6 ڈی بی سی ہے جس میں 0.5 ڈی بی سی سے کم تغیر ہوتا ہے۔ یہ کام ایک بینڈوڈتھ وسیع کرنے کی تکنیک کو ظاہر کرتا ہے ایم-سوونڈ فیڈ سی پی پیچ اینٹینا. یہ پہلا مطالعہ ہے جس میں ایم-سوونڈ کی تحقیقات اور نمائش کی گئی ہے جس میں ڈائیلیکٹرک لوڈ شدہ پیچ اینٹینا میں وسیع بینڈ کی خصوصیات بھی فراہم کی جاسکتی ہیں۔ اینٹینا کی ممکنہ ایپلی کیشنز 5 جی وائی فائی اور سیٹلائٹ مواصلاتی نظام ہیں۔
d6002a6cc8b5fc2218754aed970aac91c8d8e7e9	اس مقالے میں ہم ایک نیا طریقہ تجویز کرتے ہیں جس سے حقیقی وقت میں متعدد مخصوص تھری ڈی اشیاء کا پتہ لگایا جا سکے۔ ہم نے حال ہی میں Hinterstoisser et al. کی طرف سے متعارف کرایا LINE2D / LINEMOD نمائندگی کی بنیاد پر ٹیمپلیٹ کی بنیاد پر نقطہ نظر سے شروع، ابھی تک دو طریقوں سے اسے توسیع. سب سے پہلے، ہم نے ایک discriminative انداز میں سانچوں کو سیکھنے کے لئے تجویز. ہم دکھاتے ہیں کہ یہ آن لائن کیا جا سکتا ہے مثال کے طور پر تصاویر کے مجموعہ کے دوران، صرف چند ملی سیکنڈ میں، اور پکڑنے والے کی درستگی پر ایک بڑا اثر ہے. دوسرا، ہم ایک ایسی اسکیم تجویز کرتے ہیں جو کہ جھرنوں پر مبنی ہے جو کہ پتہ لگانے میں تیزی لاتا ہے۔ چونکہ کسی چیز کا پتہ لگانا تیز ہے، اس لیے نئی اشیاء کو بہت کم لاگت سے شامل کیا جا سکتا ہے، جس سے ہمارا نقطہ نظر اچھی طرح سے پیمانہ بنتا ہے۔ ہمارے تجربات میں، ہم آسانی سے 10-30 3D اشیاء کو سنبھالتے ہیں 10fps سے اوپر فریم کی شرح ایک واحد CPU کور کا استعمال کرتے ہوئے. ہم جدید ترین نظاموں سے تیز رفتاری اور درستگی دونوں لحاظ سے بہتر ہیں، جیسا کہ تین مختلف ڈیٹا سیٹوں پر تصدیق شدہ ہے۔ یہ دونوں monocular رنگ تصاویر (LINE2D کے ساتھ) اور RGBD تصاویر (LINEMOD کے ساتھ) کا استعمال کرتے ہوئے جب استعمال کرتے ہوئے رکھتا ہے. اس کے علاوہ، ہم 12 اشیاء سے بنا ایک چیلنجنگ نیا ڈیٹا سیٹ تجویز کرتے ہیں، مستقبل میں مونوکولر رنگین تصاویر پر مقابلہ کرنے والے طریقوں کے لئے.
41d103f751d47f0c140d21c5baa4981b3d4c9a76	ذاتی کہانیاں جو لوگ اپنے انٹرنیٹ ویب بلاگز میں لکھتے ہیں ان میں روزمرہ کے واقعات کے مابین سبب وجوہ کے تعلقات کے بارے میں کافی مقدار میں معلومات شامل ہیں۔ اس مقالے میں ہم اپنی کوششوں کو بیان کرتے ہیں کہ لاکھوں ایسی کہانیوں کو استعمال کیا جائے تاکہ عام فہم کی وجہ سے خود کار طریقے سے استدلال کیا جا سکے۔ عام فہم کی وجہ سے استدلال کے مسئلے کو ایک قابل قبول متبادل کے انتخاب کے طور پر ڈالتے ہوئے ، ہم چار تجربات کی وضاحت کرتے ہیں جو کہانی کے کارپوریشنوں میں سبب سے متعلق معلومات کو استحصال کرنے کے لئے مختلف شماریاتی اور معلومات کی بازیافت کے طریقوں کا موازنہ کرتے ہیں۔ ان تجربات میں سب سے زیادہ کارکردگی کا مظاہرہ کرنے والا نظام ایک سادہ ہم آہنگی کا استعمال کرتا ہے اعدادوشمار کی وجہ سے سابقہ اور نتیجے میں الفاظ کے درمیان ، لاکھوں ذاتی کہانیوں کے ایک جسم میں الفاظ کے مابین پوائنٹ وار باہمی معلومات کے طور پر شمار کیا جاتا ہے۔
c9d1bcdb95aa748940b85508fd7277622f74c0a4	کیس ریسرچ نے انفارمیشن سسٹم (آئی ایس) کے نظم و ضبط میں کم از کم ایک دہائی کے لئے احترام حاصل کیا ہے۔ کیس اسٹڈیز کی اہمیت اور ممکنہ قدر کے باوجود، یہ طریقہ کار نقطہ نظر ایک بار کم از کم منظم طور پر سمجھا جاتا تھا. 1980 کی دہائی کے آخر کے قریب ، یہ سوال پہلی بار اٹھایا گیا تھا کہ آیا آئی ایس کیس ریسرچ سختی سے کی گئی تھی یا نہیں۔ ہمارے میدان سے محققین (مثال کے طور پر، Benbasat et al. 1987؛ لی 1989) اور دیگر مضامین (مثال کے طور پر، آئزن ہارٹ 1989؛ ین 1994) کیس ریسرچ میں زیادہ سختی کا مطالبہ کیا اور، ان کی سفارشات کے ذریعے، کیس اسٹڈی کے طریقہ کار کی ترقی میں حصہ لیا. ان شراکتوں کو مدنظر رکھتے ہوئے ، موجودہ مطالعہ کا مقصد یہ طے کرنا ہے کہ آئی ایس کے میدان میں کیس اسٹڈی کے طریقہ کار کے آپریشنل استعمال میں کس حد تک ترقی ہوئی ہے۔ خاص طور پر، یہ گزشتہ دہائی کے دوران کئے گئے مثبت آئی ایس کیس ریسرچ میں طریقہ کار کی سختی کی سطح کی تحقیقات کرتا ہے. اس مقصد کو پورا کرنے کے لئے، ہم نے سات اہم آئی ایس جرنلز سے 183 کیس مضامین کی نشاندہی کی اور کوڈ کیا. اس جائزے میں جائزہ لینے والے تشخیصی صفات یا معیار تین اہم علاقوں پر توجہ مرکوز کرتے ہیں، یعنی ڈیزائن کے مسائل، ڈیٹا جمع کرنے اور ڈیٹا تجزیہ. اگرچہ بعض مخصوص صفات کے حوالے سے طریقہ کار کی سختی کی سطح میں معمولی پیش رفت ہوئی ہے ، لیکن مجموعی طور پر جائزہ لینے والی سختی کچھ حد تک مبہم ہے اور اب بھی بہتری کے لئے اہم علاقے موجود ہیں۔ اس میں سے ایک کلیدی چیز یہ ہے کہ خاص طور پر ڈیٹا جمع کرنے اور اس کے استعمال سے متعلق مسائل کے حوالے سے بہتر دستاویزات شامل کی جائیں۔
025cdba37d191dc73859c51503e91b0dcf466741	فنگر پرنٹ کی تصویر میں اضافہ فنگر پرنٹ کی شناخت کی ایپلی کیشنز میں ایک ضروری پری پروسیسنگ مرحلہ ہے. اس مقالے میں ہم ایک ایسا نقطہ نظر متعارف کراتے ہیں جو گیبور ویو لیٹ فلٹر بینک کے ذریعہ فنگر پرنٹ امیج میں مقامی ریج کی سمت اور تعدد کو بیک وقت نکالتا ہے اور ان کا استعمال تصویر کے گیبور فلٹرنگ میں کرتا ہے۔ مزید برآں، ہم فنگر پرنٹ تصویر بڑھانے کے لئے ایک مضبوط نقطہ نظر بیان کرتے ہیں، جو گبر فلٹرز اور ڈائریکشنل میڈین فلٹر ((ڈی ایم ایف) کے انضمام پر مبنی ہے. حقیقت میں، Gaussian تقسیم شور Gabor فلٹرز اور DMF طرف سے حوصلہ افزائی شور کی طرف سے مؤثر طریقے سے کم کر رہے ہیں. مجوزہ ڈی ایم ایف نہ صرف اپنے اصل کاموں کو مکمل کرسکتا ہے ، بلکہ یہ ٹوٹے ہوئے فنگر پرنٹ رائیڈوں کو بھی جوڑ سکتا ہے ، فنگر پرنٹ امیجز کے سوراخوں کو پُر کرسکتا ہے ، غیر منظم رائیڈوں کو ہموار کرسکتا ہے اور ساتھ ہی کچھ پریشان کن چھوٹی چھوٹی آرٹیفیکٹس کو بھی ختم کرسکتا ہے۔ تجرباتی نتائج سے ظاہر ہوتا ہے کہ ہمارا طریقہ ادب میں بیان کردہ لوگوں سے بہتر ہے۔
3dfce4601c3f413605399267b3314b90dc4b3362	آج کے عالمی سطح پر نیٹ ورک شدہ معاشرے میں معلومات کے پھیلاؤ اور اشتراک پر بہت زیادہ مطالبہ ہے۔ ماضی میں جاری کردہ معلومات زیادہ تر ٹیبل اور شماریاتی شکل میں تھی ، لیکن آج بہت سے حالات میں مخصوص ڈیٹا (مائکرو ڈیٹا) کی رہائی کی ضرورت ہے۔ ان اداروں (جسے جواب دہندگان کہا جاتا ہے) کی گمنامی کو بچانے کے لئے جن سے معلومات کا حوالہ دیا جاتا ہے ، ڈیٹا ہولڈرز اکثر واضح شناخت کنندہ جیسے نام ، پتے اور فون نمبر کو ہٹاتے یا انکرپٹ کرتے ہیں۔ تاہم، ڈی آئی ڈی ڈیٹا، نام نہاد کی کوئی ضمانت فراہم نہیں کرتا. جاری کردہ معلومات میں اکثر دوسرے ڈیٹا ہوتے ہیں ، جیسے نسل ، تاریخ پیدائش ، جنس ، اور زپ کوڈ ، جو جواب دہندگان کی دوبارہ شناخت کرنے اور ان معلومات کو اخذ کرنے کے لئے عوامی طور پر دستیاب معلومات سے منسلک کیا جاسکتا ہے جو انکشاف کے لئے نہیں تھا۔ اس مقالے میں ہم نے ڈیٹا کا حوالہ دیتے ہیں جس میں مدعا کی شناخت کو محفوظ رکھتے ہوئے مائکرو ڈیٹا کی رہائی کے مسئلہ کا حل. نقطہ نظر k-نام نہاد کی تعریف پر مبنی ہے. ایک ٹیبل k-نام نہاد فراہم کرتا ہے اگر واضح طور پر شناخت کرنے والی معلومات کو اس کے مواد سے منسلک کرنے کی کوششیں کم از کم k اداروں سے معلومات کا نقشہ بناتی ہیں۔ ہم وضاحت کرتے ہیں کہ عام اور دبانے کی تکنیک کا استعمال کرتے ہوئے جاری کردہ معلومات کی سالمیت (یا سچائی) کو سمجھوتہ کیے بغیر کس طرح کی-نام نہاد فراہم کیا جاسکتا ہے۔ ہم کم سے کم عمومی کا تصور متعارف کراتے ہیں جو ریلیز کے عمل کی جائیداد کو پکڑتا ہے تاکہ ڈیٹا کو k- گمنامی حاصل کرنے کے لئے ضرورت سے زیادہ مسخ نہ کیا جاسکے ، اور اس طرح کے عمومی حساب کتاب کے لئے ایک الگورتھم پیش کیا جائے۔ ہم نے بھی مختلف کم از کم کے درمیان منتخب کرنے کے لئے ممکنہ ترجیح پالیسیوں پر تبادلہ خیال
cd866d4510e397dbc18156f8d840d7745943cc1a
74c24d7454a2408f766e4d9e507a0e9c3d80312f	وائرلیس سینسر نیٹ ورکس کے لئے اسمارٹ کارڈ پر مبنی صارف کی توثیق اسکیم (مختصر طور پر ، ایس یو اے-ڈبلیو ایس این اسکیم) صرف ان صارفین تک سینسر ڈیٹا تک رسائی کو محدود کرنے کے لئے ڈیزائن کیا گیا ہے جو اسمارٹ کارڈ اور اسی پاس ورڈ دونوں کے مالک ہیں۔ اگرچہ حالیہ برسوں میں ایس یو اے-ڈبلیو ایس این اسکیموں کی ایک اہم تعداد کی تجویز کی گئی ہے ، لیکن ان کی مطلوبہ حفاظتی خصوصیات میں وسیع پیمانے پر قبول شدہ ماڈل میں باضابطہ تعریفیں اور ثبوت کی کمی ہے۔ ایک نتیجہ یہ ہے کہ مختلف حملوں کے خلاف غیر محفوظ ایس یو اے-ڈبلیو ایس این اسکیمیں پھیل گئی ہیں۔ اس مقالے میں، ہم بیلارے، پوائنٹچیول اور روگاوی (2000) کے وسیع پیمانے پر قبول شدہ ماڈل کو بڑھانے کے ذریعے ایس یو اے-ڈبلیو ایس این کے منصوبوں کے تجزیہ کے لئے ایک سیکورٹی ماڈل تیار کرتے ہیں. ہمارا ماڈل باضابطہ تعریفیں فراہم کرتا ہے تصدیق شدہ کلیدی تبادلہ اور صارف کی گمنامی جبکہ سائڈ چینل حملوں کو پکڑنے کے ساتھ ساتھ دوسرے عام حملوں کو بھی۔ ہم نے بھی ایک نئی SUA-WSN اسکیم کی تجویز پیش کی ہے جو بیضوی منحنی خفیہ کاری (ای سی سی) پر مبنی ہے ، اور ہمارے توسیع شدہ ماڈل میں اس کی سیکیورٹی خصوصیات کو ثابت کرتا ہے۔ ہمارے علم کے بہترین کے لئے، ہماری تجویز کردہ اسکیم پہلے SUA-WSN اسکیم ہے کہ demonstrably دونوں مستند کلید تبادلہ اور صارف گمنامی حاصل ہے. ہمارا سکیم بھی کمپیوٹیشنل طور پر دیگر ای سی سی پر مبنی (غیر ثابت شدہ محفوظ) سکیموں کے ساتھ مسابقتی ہے.
3973e14770350ed54ba1272aa3e19b4d21f5dad3	اس مقالے میں باس کے لئے تیار کردہ رکاوٹوں کا پتہ لگانے اور ٹریکنگ الگورتھم کی وضاحت کی گئی ہے ، جو 2007 کے ڈارپا اربن چیلنج میں کارنیگی میلون یونیورسٹی کی فاتح اندراج ہے۔ ہم ٹریکنگ سب سسٹم کی وضاحت کرتے ہیں اور یہ ظاہر کرتے ہیں کہ یہ کس طرح بڑے تصوراتی نظام کے تناظر میں کام کرتا ہے. ٹریکنگ سب سسٹم روبوٹ کو شہری ڈرائیونگ کے پیچیدہ منظرناموں کو سمجھنے کی صلاحیت دیتا ہے تاکہ دوسرے گاڑیوں کی قربت میں محفوظ طریقے سے کام کیا جاسکے۔ ٹریکنگ سسٹم ایک سے زیادہ سینسر سے سینسر کے اعداد و شمار کو ماحول کے بارے میں اضافی معلومات کے ساتھ مل کر ایک مربوط حالات کا ماڈل تیار کرتا ہے۔ سینسر ڈیٹا کے معیار کی بنیاد پر اشیاء کو ٹریک کرنے کے لئے ایک ناول کثیر ماڈل نقطہ نظر استعمال کیا جاتا ہے. آخر میں، ٹریکنگ سب سسٹم کی فن تعمیر کو واضح طور پر پروسیسنگ کی ہر سطح کو خلاصہ کرتا ہے. نئے سینسر اور توثیق الگورتھم شامل کرکے سب سسٹم کو آسانی سے بڑھایا جاسکتا ہے۔
6a694487451957937adddbd682d3851fabd45626	سوال جواب دینے والے جدید ترین نظام (QA) جواب کے حصوں کو بازیافت کرنے کے لئے اصطلاح کثافت کی درجہ بندی کا استعمال کرتے ہیں۔ اس طرح کے طریقوں سے اکثر غلط پیراگراف کو بازیافت کیا جاتا ہے کیونکہ سوال کے شرائط کے مابین تعلقات پر غور نہیں کیا جاتا ہے۔ پچھلے مطالعے سے سوالات اور جوابات کے درمیان انحصار کے تعلقات کے ملاپ کی طرف سے اس مسئلہ کو حل کرنے کی کوشش کی. انہوں نے سخت مماثلت کا استعمال کیا، جو ناکام ہوجاتا ہے جب معنوی طور پر مساوی تعلقات مختلف طریقے سے بیان کیے جاتے ہیں. ہم شماریاتی ماڈل کی بنیاد پر فجی رشتہ مماثلت کی تجویز کرتے ہیں. ہم ماضی QA جوڑوں سے رشتہ نقشہ سازی اسکور سیکھنے کے لئے دو طریقوں کو پیش کرتے ہیں: ایک باہمی معلومات پر مبنی ہے اور دوسرا توقع کو زیادہ سے زیادہ کرنے پر. تجرباتی نتائج سے پتہ چلتا ہے کہ ہمارا طریقہ کار جدید ترین کثافت پر مبنی گزرنے کی بازیابی کے طریقوں سے نمایاں طور پر بہتر ہے جس میں اوسطاً 78 فیصد تک کا درجہ ہے۔ رشتہ دار مماثلت بھی ایک 50٪ کے بارے میں لاتا ہے بہتر استفسار کی توسیع کی طرف سے بڑھا ایک نظام میں.
2538e3eb24d26f31482c479d95d2e26c0e79b990	ہم ایک متحد نیورل نیٹ ورک فن تعمیر اور سیکھنے کے الگورتھم کی تجویز کرتے ہیں جو مختلف قدرتی زبان پروسیسنگ کے کاموں پر لاگو کیا جاسکتا ہے جس میں: حصہ تقریر ٹیگنگ، ٹکڑے ٹکڑے، نامی ادارے کی شناخت، اور معنوی کردار لیبلنگ شامل ہیں. یہ ورسٹائلٹی ٹاسک مخصوص انجینئرنگ سے بچنے کی کوشش کی طرف سے حاصل کیا جاتا ہے اور اس وجہ سے بہت سے پہلے علم کو نظر انداز کر رہا ہے. انسان کی طرف سے بنایا گیا ان پٹ کی خصوصیات کا استحصال کرنے کے بجائے احتیاط سے ہر کام کے لئے مرضی کے مطابق، ہمارے نظام کو تربیت کے اعداد و شمار کی وسیع مقدار کی بنیاد پر اندرونی نمائندگی سیکھتا ہے. اس کام کو پھر ایک آزادانہ طور پر دستیاب ٹیگنگ سسٹم کی تعمیر کے لئے ایک بنیاد کے طور پر استعمال کیا جاتا ہے جس میں اچھی کارکردگی اور کم سے کم کمپیوٹنگ کی ضروریات ہوتی ہے.
317deb87586baa4ee7c7b5dfc603ebed94d1da07	ہم ایک نئے تیز خالصتا discriminative الگورتھم کی تجویز کرتے ہیں قدرتی زبان تجزیہ کے لئے، ایک گہری بار بار چلنے والی کنوولوشنل گراف ٹرانسفارمر نیٹ ورک (جی ٹی این) پر مبنی ہے۔ ایک تجزیہ درخت کی ایک ڈھیر میں ایک تجزیہ درخت کی کمی کو فرض کرتے ہوئے، نیٹ ورک نے پچھلے سطحوں کی پیشن گوئیوں کو مدنظر رکھتے ہوئے درخت کی سطح کی پیش گوئی کی ہے. صرف چند بنیادی متن کی خصوصیات کا استعمال کرتے ہوئے جو کولوبرٹ اور ویسٹن (2008) سے لفظ کی نمائندگی کا فائدہ اٹھاتے ہیں ، ہم موجودہ خالص امتیازی تجزیہ کاروں اور موجودہ "بینچ مارک" تجزیہ کاروں (جیسے کولنس تجزیہ کار ، امکانات پر مبنی سیاق و سباق سے آزاد گرائمر) کے لئے اسی طرح کی کارکردگی (ایف 1 اسکور میں) دکھاتے ہیں ، جس میں تیز رفتار فائدہ ہوتا ہے۔
04cc04457e09e17897f9256c86b45b92d70a401f	بہت سے اعداد و شمار جیسے سماجی نیٹ ورک، فلم کی ترجیحات یا علم کی بنیادیں کثیر رشتہ دار ہیں، اس میں وہ اداروں کے درمیان متعدد تعلقات کی وضاحت کرتے ہیں. اگرچہ ان اعداد و شمار کو ماڈلنگ کرنے پر توجہ مرکوز کرنے والے کام کا ایک بڑا جسم ہے ، لیکن ان متعدد اقسام کے تعلقات کو مشترکہ طور پر ماڈلنگ کرنا ایک چیلنج ہے۔ مزید برآں، موجودہ نقطہ نظر ٹوٹ جاتے ہیں جب ان اقسام کی تعداد بڑھتی ہے. اس مقالے میں، ہم ممکنہ طور پر ہزاروں رشتوں کے ساتھ، بڑے کثیر رشتہ دار ڈیٹا سیٹ ماڈلنگ کے لئے ایک طریقہ تجویز کرتے ہیں. ہمارا ماڈل ایک بلینئر ڈھانچے پر مبنی ہے، جو ڈیٹا کے تعامل کے مختلف آرڈرز پر قبضہ کرتا ہے، اور مختلف تعلقات میں بھی کم پوشیدہ عوامل کا اشتراک کرتا ہے. ہم معیاری ٹینسر فیکٹرائزیشن ڈیٹا سیٹ پر اپنے نقطہ نظر کی کارکردگی کی وضاحت کرتے ہیں جہاں ہم حاصل کرتے ہیں ، یا اس سے بہتر کارکردگی کا مظاہرہ کرتے ہیں ، جدید ترین نتائج۔ آخر میں، ایک این ایل پی ایپلی کیشن ہماری توسیع پذیری اور ہمارے ماڈل کی صلاحیت کو موثر اور معنوی طور پر معنی خیز فعل کی نمائندگی سیکھنے کے لئے ظاہر کرتا ہے.
052b1d8ce63b07fec3de9dbb583772d860b7c769	ہم نیورون جیسی اکائیوں کے نیٹ ورکس کے لیے ایک نیا سیکھنے کا طریقہ کار بیان کرتے ہیں، بیک پروپیگنڈے. طریقہ کار میں نیٹ ورک میں کنکشن کے وزن کو بار بار ایڈجسٹ کیا جاتا ہے تاکہ نیٹ ورک کے اصل آؤٹ پٹ ویکٹر اور مطلوبہ آؤٹ پٹ ویکٹر کے درمیان فرق کی پیمائش کو کم سے کم کیا جاسکے۔ وزن کی ایڈجسٹمنٹ کے نتیجے میں، اندرونی "پوشیدہ" یونٹس جو ان پٹ یا آؤٹ پٹ کا حصہ نہیں ہیں، کام کے ڈومین کی اہم خصوصیات کی نمائندگی کرتے ہیں، اور کام میں باقاعدگی سے ان یونٹس کے تعاملات کی طرف سے قبضہ کر لیا جاتا ہے. مفید نئی خصوصیات پیدا کرنے کی صلاحیت کو پیچھے سے پھیلانے سے پہلے سے، سادہ طریقوں جیسے پیپرٹران کنورجنس طریقہ کار سے ممتاز ہے.
07f3f736d90125cb2b04e7408782af411c67dd5a	بہت سے قدرتی زبان کے کاموں کے لئے سیمنٹک مماثلت مرکزی اہمیت کا حامل ہے [، 2، 28]. ایک کامیاب مماثلت الگورتھم کو زبان کی اشیاء کے اندرونی ڈھانچے اور ان کے درمیان تعامل کو مناسب طریقے سے ماڈل کرنے کی ضرورت ہے۔ اس مقصد کی طرف ایک قدم کے طور پر، ہم دو جملوں کے ملاپ کے لئے کنوولول نیورل نیٹ ورک ماڈل تجویز کرتے ہیں، وژن اور تقریر میں کنوولولول حکمت عملی کو اپنانے کے ذریعے۔ مجوزہ ماڈل نہ صرف اچھی طرح سے ان کی پرت کی طرف سے پرت کی ساخت اور پولنگ کے ساتھ جملے کی درجہ بندی کی ساخت کی نمائندگی کرتے ہیں، بلکہ مختلف سطحوں پر امیر مماثلت پیٹرن پر قبضہ کرتے ہیں. ہمارے ماڈل کافی عام ہیں، زبان پر کوئی پہلے سے علم کی ضرورت ہوتی ہے، اور اس وجہ سے مختلف نوعیت کے کاموں اور مختلف زبانوں میں مماثلت پر لاگو کیا جا سکتا ہے. مختلف مماثلت کے کاموں پر تجرباتی مطالعہ مختلف مماثلت کے کاموں پر مجوزہ ماڈل کی افادیت اور مسابقتی ماڈلوں پر اس کی برتری کا مظاہرہ کرتا ہے۔
0af737eae02032e66e035dfed7f853ccb095d6f5	جملوں کے جوڑے کو ماڈل کرنے کا طریقہ بہت سے این ایل پی کاموں میں ایک اہم مسئلہ ہے جیسے جواب کا انتخاب (اے ایس) ، پیرافرس کی شناخت (پی آئی) اور متنی شمولیت (ٹی ای) ۔ زیادہ تر سابقہ کام (i) ایک مخصوص نظام کو ٹھیک کرنے کے ذریعے ایک انفرادی کام سے نمٹتا ہے۔ (ii) ہر جملے کی نمائندگی کو الگ الگ ماڈل کرتا ہے ، دوسرے جملے کے اثرات پر شاذ و نادر ہی غور کرتا ہے۔ یا (iii) دستی طور پر ڈیزائن کردہ ، کام سے متعلق لسانی خصوصیات پر مکمل انحصار کرتا ہے۔ یہ کام جملے کے جوڑے کو ماڈلنگ کرنے کے لئے ایک عمومی توجہ پر مبنی کنولوشنل نیورل نیٹ ورک (اے بی سی این این) پیش کرتا ہے۔ ہم تین چیزیں دیتے ہیں (i) ABCNN جملے کے جوڑوں کی ماڈلنگ کی ضرورت ہے کہ کاموں کی ایک وسیع اقسام پر لاگو کیا جا سکتا ہے. (ii) ہم تین توجہ کے منصوبوں کی تجویز کرتے ہیں جو سی این این میں جملوں کے مابین باہمی اثر کو مربوط کرتے ہیں۔ اس طرح ، ہر جملے کی نمائندگی اس کے ہم منصب کو مدنظر رکھتی ہے۔ یہ باہمی طور پر منحصر جملے کے جوڑے کی نمائندگی الگ تھلگ جملے کی نمائندگی سے زیادہ طاقتور ہیں. (iii) اے بی سی این این اے ایس، پی آئی اور ٹی ای کاموں پر جدید ترین کارکردگی حاصل کرتے ہیں. ہم کوڈ کو https://github.com/yinwenpeng/Answer_Selection پر جاری کرتے ہیں۔
1c059493904b2244d2280b8b4c0c7d3ca115be73	نیٹ ورک میں نوڈس اور کناروں پر پیش گوئی کے کاموں کو سیکھنے کے الگورتھم کے ذریعہ استعمال ہونے والی انجینئرنگ کی خصوصیات میں محتاط کوشش کی ضرورت ہوتی ہے۔ نمائندگی سیکھنے کے وسیع تر میدان میں حالیہ تحقیق نے خود کو خصوصیات سیکھنے کی طرف سے خود کار طریقے سے پیش گوئی میں اہم پیش رفت کی ہے. تاہم، موجودہ خصوصیت سیکھنے کے نقطہ نظر نیٹ ورک میں مشاہدہ کنیکٹوٹی پیٹرن کے تنوع کو قبضہ کرنے کے لئے کافی اظہار نہیں ہیں. یہاں ہم نوڈ 2 ویک کی تجویز کرتے ہیں ، جو نیٹ ورکس میں نوڈس کے لئے مسلسل خصوصیت کی نمائندگی سیکھنے کے لئے ایک الگورتھم فریم ورک ہے۔ نوڈ 2 ویک میں ، ہم نوڈس کا نقشہ سازی سیکھتے ہیں تاکہ خصوصیات کی کم جہتی جگہ کو جو نوڈس کے نیٹ ورک کے پڑوسوں کو محفوظ رکھنے کے امکانات کو زیادہ سے زیادہ کرے۔ ہم ایک نوڈ کے نیٹ ورک پڑوس کے لچکدار تصور کی وضاحت کرتے ہیں اور ایک متعصب بے ترتیب واک طریقہ کار ڈیزائن کرتے ہیں ، جو موثر طریقے سے مختلف پڑوسوں کی تلاش کرتا ہے۔ ہمارا الگورتھم پہلے کے کام کو عام کرتا ہے جو نیٹ ورک کے محلے کے سخت تصورات پر مبنی ہے، اور ہم اس بات پر بحث کرتے ہیں کہ پڑوسوں کی تلاش میں اضافی لچکدار امیر نمائندگیوں کو سیکھنے کی کلید ہے. ہم نے نوڈ 2 ویک کی افادیت کا مظاہرہ کیا ہے جو موجودہ اسٹیٹ آف دی آرٹ تکنیک پر ملٹی لیبل کی درجہ بندی اور مختلف ڈومینز سے متعدد حقیقی دنیا کے نیٹ ورکس میں لنک کی پیش گوئی پر ہے۔ مجموعی طور پر، ہمارے کام کو جدید ترین کام سے آزاد نمائندگیوں کو پیچیدہ نیٹ ورکس میں مؤثر طریقے سے سیکھنے کے لئے ایک نیا طریقہ پیش کرتا ہے.
de93c4f886bdf55bfc1bcaefad648d5996ed3302	اس باب میں جدید گھسنے کا پتہ لگانے کی حالت کا جائزہ لیا گیا ہے ، جس میں ڈیٹا مائننگ کے ابھرتے ہوئے نقطہ نظر پر خصوصی زور دیا گیا ہے۔ بحث دو اہم پہلوؤں کے ساتھ مل کر مداخلت کا پتہ لگانے: عام پتہ لگانے کی حکمت عملی (غلط استعمال کا پتہ لگانے کے خلاف غیر معمولی پتہ لگانے) اور ڈیٹا کا ذریعہ (انفرادی میزبانوں کے خلاف نیٹ ورک ٹریفک). غلط استعمال کا پتہ لگانے کی کوششوں کو گھسنے کے معروف نمونوں سے ملنے کی کوشش کی جاتی ہے ، جبکہ غیر معمولی کا پتہ لگانے کے لئے تلاش کرتا ہے معمول کے رویے سے انحراف . دونوں نقطہ نظر کے درمیان، صرف غیر معمولی پتہ لگانے میں نامعلوم حملوں کا پتہ لگانے کی صلاحیت ہے. غیر معمولی پتہ لگانے کے لئے ایک خاص طور پر وعدہ نقطہ نظر مشین سیکھنے کی دیگر اقسام جیسے درجہ بندی کے ساتھ ایسوسی ایشن کان کنی کو یکجا کرتا ہے. اس کے علاوہ ، انٹروژن کا پتہ لگانے کے نظام میں استعمال ہونے والے ڈیٹا کا ذریعہ اس حملوں کی اقسام پر نمایاں اثر ڈالتا ہے جس کا پتہ لگایا جاسکتا ہے۔ دستیاب تفصیلی معلومات کی سطح میں ایک تجارت ہے. باربارا اور دیگر۔ (مترجم) ), کمپیوٹر سیکورٹی میں ڈیٹا مائننگ کے اطلاقات © Kluwer Academic Publishers 2002 s
9e00005045a23f3f6b2c9fca094930f8ce42f9f6
2ec2f8cd6cf1a393acbc7881b8c81a78269cf5f7	ہم ایک گہری کنوولوشنل نیورل نیٹ ورک (سی این این) کی خصوصیت نکالنے کی تہوں کا استعمال کرتے ہوئے ایک بصری تصور نمائندگی ویکٹر کے ساتھ ایک چھلانگ گرام لسانی نمائندگی ویکٹر concatenating کی طرف سے کثیر موڈل تصور نمائندگی کی تعمیر ایک بڑی لیبل اعتراض شناخت ڈیٹا سیٹ پر تربیت یافتہ. اس منتقلی سیکھنے کے نقطہ نظر پر مبنی خصوصیات پر واضح کارکردگی کا فائدہ لاتا ہے روایتی بیگ-کے-بصری-لفظ نقطہ نظر. تجرباتی نتائج WordSim353 اور MEN semantic رشتہ داری تشخیص کے کاموں پر رپورٹ کیا جاتا ہے. ہم تصویری خصوصیات کا استعمال کرتے ہیں جو ImageNet یا ESP گیم کی تصاویر کا استعمال کرتے ہوئے شمار کی جاتی ہیں۔
a65e815895bed510c0549957ce6baa129c909813	ہم غیر منسلک مورفولوجی سیکھنے کے لئے ایک غیر نگرانی نقطہ نظر کی تجویز کرتے ہیں، جس کا اطلاق ہم عربی جڑوں اور نمونہ ٹیمپلیٹس کی لغت کو فروغ دینے کے لئے کرتے ہیں۔ یہ نقطہ نظر اس خیال پر مبنی ہے کہ جڑیں اور نمونوں کو متبادل طور پر دوبارہ ترتیب دینے والے اسکورنگ کے ذریعہ افسانوی نمونہ اور جڑ کی تعدد پر مبنی انکشاف کیا جاسکتا ہے۔ مزید تکراراتی اصلاح کے مرحلے کے بعد ، حوصلہ افزائی شدہ لغت کے ساتھ مورفولوجیکل تجزیہ 94٪ سے زیادہ کی جڑ کی شناخت کی درستگی حاصل کرتا ہے۔ عربی مورفولوجی کے غیر نگرانی سیکھنے پر ہمارے نقطہ نظر سے مختلف ہے کہ یہ قدرتی طور پر لکھا ہوا ، غیر زبانی متن پر لاگو ہوتا ہے۔
3f4e71d715fce70c89e4503d747aad11fcac8a43	اس کیس اسٹڈی میں آٹو انک کے اندر تین مختلف ڈیجیٹل جدت طرازی منصوبوں کا جائزہ لیا گیا ہے - ایک بڑی یورپی کار ساز کمپنی۔ مسابقتی اقدار کے فریم ورک کو نظریاتی عینک کے طور پر استعمال کرتے ہوئے ہم اس بات کا جائزہ لیتے ہیں کہ کس طرح متحرک صلاحیتیں ڈیجیٹلائزیشن سے پیدا ہونے اور جدت طرازی کے بڑھتے ہوئے مطالبات کو پورا کرنے کی کوشش کرنے والی فرم میں ہوتی ہیں۔ ڈیجیٹلائزیشن کے اس عمل میں، ہمارے مطالعہ سے پتہ چلتا ہے کہ قائم سماجی تکنیکی مطابقت کو چیلنج کیا جا رہا ہے. اس کے علاوہ، ہم تنظیموں کی ڈیجیٹلائزیشن کے دور میں نئے تجرباتی سیکھنے کے عمل کو اپنانے کے طریقے تلاش کرنے کی ضرورت کی نشاندہی کرتے ہیں۔ اگرچہ اس طرح کی تبدیلی کے لئے طویل مدتی عزم اور وژن کی ضرورت ہوتی ہے ، لیکن اس مطالعے میں اس طرح کے تجرباتی عمل کے لئے تین غیر رسمی فعال پیش کیے گئے ہیں۔ یہ فعال وقت ، استقامت اور رابطے ہیں۔
c22366074e3b243f2caaeb2f78a2c8d56072905e	ایک کمپیکٹ کراس طول و عرض کے ساتھ طول و عرض میں سلاٹڈ رڈج ویو گائیڈ اینٹینا صف پیش کی گئی ہے۔ صف کی بینڈوتھ کو وسیع کرنے کے لئے ، اسے دو ذیلی صفوں میں الگ کیا جاتا ہے جو ایک ناول کمپیکٹ convex waveguide تقسیم کرنے والے کے ذریعہ کھلایا جاتا ہے۔ ایکس بینڈ میں 16 عنصر یکساں لکیری صف تیار کی گئی تھی اور ڈیزائن کی صداقت کی تصدیق کے لئے ماپا گیا تھا۔ S11les-15 ڈی بی کی ماپنے والی بینڈوتھ 14.9 فیصد ہے اور پورے بینڈوتھ پر ماپنے والی کراس پولرائزیشن کی سطح -36 ڈی بی سے کم ہے۔ یہ صف مصنوعی aperture ریڈار (SAR) کی درخواست کے لئے دو جہتی دوہری پولرائزیشن اینٹینا صف تعمیر کرنے کے لئے کنارے-slotted waveguide صف کے ساتھ مل کر کیا جا سکتا ہے
0d57ba12a6d958e178d83be4c84513f7e42b24e5	گہری سیکھنے بڑے نیورل نیٹ ورکس اور بڑے ڈیٹا سیٹ کے ساتھ ترقی کرتا ہے. تاہم، بڑے نیٹ ورک اور بڑے ڈیٹا سیٹ طویل تر تربیتی اوقات میں تحقیق اور ترقی کی ترقی کو روکنے کے نتیجے میں. تقسیم شدہ ہم وقت ساز ایس جی ڈی اس مسئلے کا ایک ممکنہ حل پیش کرتا ہے جس میں ایس جی ڈی مینی بیچوں کو متوازی کارکنوں کے تالاب میں تقسیم کیا جاتا ہے۔ اس اسکیم کو موثر بنانے کے لئے فی کارکن کام کا بوجھ بڑا ہونا چاہئے ، جس کا مطلب ہے کہ ایس جی ڈی منی بیچ سائز میں معمولی اضافہ نہیں ہے۔ اس کاغذ میں، ہم تجرباتی طور پر ظاہر کرتے ہیں کہ امیج نیٹ ڈیٹا سیٹ پر بڑے مینی بیچوں کو اصلاح کی مشکلات کا سبب بنتا ہے، لیکن جب ان کو خطاب کیا جاتا ہے تو تربیت یافتہ نیٹ ورکس اچھی عمومی نمائش کرتے ہیں. خاص طور پر، ہم 8192 تصاویر تک بڑے مینی بیچ سائز کے ساتھ تربیت کرتے وقت درستگی کا کوئی نقصان نہیں دکھاتے ہیں. اس نتیجے کو حاصل کرنے کے لئے، ہم نے ایک لکیری پیمانے پر اپنانے کے اصول کو اپنایا ہے سیکھنے کی شرح کو ایڈجسٹ کرنے کے لئے منی بیچ سائز کے ایک فنکشن کے طور پر اور ایک نئی وارم اپ اسکیم تیار کریں جو تربیت میں ابتدائی طور پر اصلاحاتی چیلنجوں پر قابو پانے. ان سادہ تکنیکوں کے ساتھ، ہمارے Caffe2 پر مبنی نظام ResNet50 ایک گھنٹے میں 256 GPUs پر 8192 کے ایک منی بیچ سائز کے ساتھ تربیت دیتا ہے، جبکہ چھوٹے منی بیچ کی درستگی سے ملتا ہے. کموڈیٹی ہارڈ ویئر کا استعمال کرتے ہوئے، ہمارے نفاذ 8 سے 256 GPUs منتقل کرتے وقت ∼90٪ اسکیلنگ کارکردگی حاصل کرتا ہے. یہ نظام ہمیں اعلی کارکردگی کے ساتھ انٹرنیٹ پیمانے پر ڈیٹا پر بصری شناخت کے ماڈل کو تربیت دینے کے قابل بناتا ہے.
2bbe9735b81e0978125dad005656503fca567902	کرنل روٹ کٹس کمپیوٹر سسٹم کے لیے ایک خطرناک خطرہ ہیں۔ وہ چپکے ہیں اور نظام کے وسائل تک غیر محدود رسائی حاصل کرسکتے ہیں. یہ کاغذ NumChecker، ایک نئے مجازی مشین (VM) مانیٹر کی بنیاد پر فریم ورک کا پتہ لگانے اور ایک مہمان VM میں کنٹرول بہاؤ میں ترمیم کرنے والے کارنر روٹ کٹس کی شناخت کرنے کے لئے پیش کرتا ہے. NumChecker سسٹم کال کے عمل کے دوران ہونے والے بعض ہارڈ ویئر ایونٹس کی تعداد کی پیمائش کرکے مہمان VM میں سسٹم کال میں بدنیتی پر مبنی ترامیم کا پتہ لگاتا ہے اور اس کی نشاندہی کرتا ہے۔ ان واقعات کو خود بخود گننے کے لئے ، نمبر چیکر ہارڈ ویئر پرفارمنس کاؤنٹرز (ایچ پی سی) کا فائدہ اٹھاتا ہے ، جو جدید پروسیسرز میں موجود ہیں۔ ایچ پی سی کا استعمال کرکے جانچ پڑتال کی لاگت میں نمایاں کمی کی گئی ہے اور ہیرا پھیری کے خلاف مزاحمت میں اضافہ کیا گیا ہے۔ ہم لینکس پر NumChecker کا ایک پروٹوٹائپ نفاذ کر رہے ہیں جو کہ کرینل پر مبنی VM ہے۔ ایک HPC پر مبنی دو مرحلے کے کارنر روٹ کٹ کا پتہ لگانے اور شناخت کی تکنیک پیش کی جاتی ہے اور متعدد حقیقی دنیا کے کارنر روٹ کٹس پر اس کا جائزہ لیا جاتا ہے۔ نتائج اس کی عملی اور تاثیر کو ظاہر کرتے ہیں.
a3d638ab304d3ef3862d37987c3a258a24339e05	سائیکل گین [جو اور دیگر ، 2017] دو تصویری تقسیم کے مابین تبدیلی سیکھنے کے لئے ایک حالیہ کامیاب نقطہ نظر ہے۔ تجربات کی ایک سیریز میں، ہم ماڈل کی ایک دلچسپ جائیداد کا مظاہرہ کرتے ہیں: سائیکل گان ایک ذریعہ تصویر کے بارے میں معلومات کو تقریبا ناقابل برداشت، ہائی فریکوئنسی سگنل میں پیدا ہونے والی تصاویر میں "پوشیدہ" کرنا سیکھتا ہے. یہ چال اس بات کو یقینی بناتی ہے کہ جنریٹر اصل نمونہ کو بازیافت کرسکتا ہے اور اس طرح سائیکلک مستقل مزاجی کی ضرورت کو پورا کرتا ہے ، جبکہ پیدا شدہ تصویر حقیقت پسندانہ رہتی ہے۔ ہم اس رجحان کو مخالف حملوں سے جوڑتے ہیں جس سے سائیکل گین کی تربیت کے طریقہ کار کو مخالف مثالوں کے جنریٹر کی تربیت کے طور پر دیکھا جاتا ہے اور یہ ظاہر ہوتا ہے کہ سائیکل مستقل مزاجی کے نقصان سے سائیکل گین خاص طور پر مخالف حملوں کے لئے کمزور ہوجاتا ہے۔
c171faac12e0cf24e615a902e584a3444fcd8857
5a14949bcc06c0ae9eecd29b381ffce22e1e75b2	ڈیٹا بیس کے اس شمارے میں مضامین انتھونی جی کی طرف سے منتخب کیا گیا تھا. ہاپ ووڈ، جو لندن گریجویٹ اسکول آف بزنس اسٹڈیز میں اکاؤنٹنگ اور مالیاتی رپورٹنگ کے پروفیسر ہیں. پروفیسر ہاپ ووڈ نے لکھا کہ ان مضامین میں انفارمیشن سسٹم میں دلچسپی رکھنے والے تمام افراد کے لیے اہم خیالات شامل ہیں، خواہ وہ پریکٹیشنرز ہوں یا اکیڈمیسٹ۔ مصنفین، ان کی پیشہ ورانہ وابستگی کے ساتھ اس وقت، کرس Argyris، گریجویٹ اسکول آف ایجوکیشن، ہارورڈ یونیورسٹی تھے؛ بو Hedberg اور Sten Jonsson، بزنس ایڈمنسٹریشن، یونیورسٹی آف Gothenburg کے محکمہ؛ J. فریسکو ڈین ہرٹگ ، ن . V. Philips Gloeilampenfabrieken، نیدرلینڈز، اور مائیکل جے. ارل، آکسفورڈ سینٹر فار مینجمنٹ اسٹڈیز. یہ مضامین اصل میں Accounting, Organizations and Society میں شائع ہوئے تھے، جس کی اشاعت پروفیسر ہاپ ووڈ ہیڈ ایڈیٹر ہیں۔ AOS ابھرتی ہوئی ترقی کی نگرانی اور فعال طور پر نئے نقطہ نظر اور نقطہ نظر کی حوصلہ افزائی کرنے کے لئے موجود ہے .
02227c94dd41fe0b439e050d377b0beb5d427cda	قدرتی تصاویر سے متن کا پتہ لگانا اور پڑھنا کمپیوٹر ویژن کا ایک مشکل کام ہے جو مختلف قسم کے ابھرتی ہوئی ایپلی کیشنز کے لئے مرکزی حیثیت رکھتا ہے۔ متعلقہ مسائل جیسے دستاویز کے کردار کی شناخت بڑے پیمانے پر کمپیوٹر ویژن اور مشین سیکھنے کے محققین کی طرف سے مطالعہ کیا گیا ہے اور عملی طور پر ہاتھ سے لکھے ہوئے ہندسوں کو پڑھنے جیسے عملی ایپلی کیشنز کے لئے حل کیا جاتا ہے. تاہم، تصاویر جیسے زیادہ پیچیدہ مناظر میں کرداروں کو قابل اعتماد طریقے سے پہچاننا بہت زیادہ مشکل ہے: بہترین موجودہ طریقوں کو اسی کاموں پر انسانی کارکردگی سے پیچھے رہ گیا ہے. اس مقالے میں ہم بغیر نگرانی کے خصوصیت سیکھنے کے طریقوں کا استعمال کرتے ہوئے ایک حقیقی درخواست میں ہندسوں کو پہچاننے کے مسئلے پر حملہ کرتے ہیں: گلی کی سطح کی تصاویر سے گھر کے نمبر پڑھنا۔ اس مقصد کے لئے، ہم تحقیق کے استعمال کے لئے ایک نیا بینچ مارک ڈیٹا سیٹ متعارف کراتے ہیں جس میں 600,000 سے زائد لیبل شدہ ہندسوں کو سٹریٹ ویو تصاویر سے کاٹا جاتا ہے. اس کے بعد ہم ان ہندسوں کو پہچاننے کی مشکل کا مظاہرہ کرتے ہیں جب اس مسئلے کو ہاتھ سے تیار کردہ خصوصیات کے ساتھ پیش کیا جاتا ہے۔ آخر میں، ہم دو حال ہی میں تجویز کردہ غیر نگرانی کی خصوصیت سیکھنے کے طریقوں کے متغیرات کو استعمال کرتے ہیں اور یہ معلوم ہوتا ہے کہ وہ ہمارے معیار پر قائل ہیں.
081651b38ff7533550a3adfc1c00da333a8fe86c	قدرتی تصاویر پر تربیت یافتہ بہت سے گہرے نیورل نیٹ ورک ایک عجیب و غریب رجحان کا مظاہرہ کرتے ہیں: پہلی پرت پر وہ گبور فلٹرز اور رنگ کے دھبے جیسے خصوصیات سیکھتے ہیں۔ اس طرح کی پہلی پرت کی خصوصیات کسی خاص ڈیٹا سیٹ یا کام کے لئے مخصوص نہیں ہیں، لیکن عام طور پر وہ بہت سے ڈیٹا سیٹ اور کاموں پر لاگو ہوتے ہیں. خصوصیات کو بالآخر نیٹ ورک کی آخری پرت کی طرف سے مخصوص سے مخصوص سے منتقلی کرنا ضروری ہے، لیکن اس منتقلی کا وسیع پیمانے پر مطالعہ نہیں کیا گیا ہے. اس مقالے میں ہم تجرباتی طور پر گہرے کنوولوشنل نیورل نیٹ ورک کی ہر پرت میں نیورونز کی خاصیت کے مقابلے میں عمومی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار کی مقدار منتقلی دو الگ الگ مسائل سے منفی طور پر متاثر ہوتی ہے: (1) ہدف کے کام پر کارکردگی کی قیمت پر اعلی پرت نیورونز کی ان کے اصل کام میں مہارت ، جس کی توقع کی جاتی تھی ، اور (2) شریک موافقت پذیر نیورونز کے مابین نیٹ ورکس کو تقسیم کرنے سے متعلق اصلاح کی مشکلات ، جس کی توقع نہیں کی جاتی تھی۔ ImageNet پر تربیت یافتہ ایک مثال کے نیٹ ورک میں، ہم یہ ظاہر کرتے ہیں کہ ان دو مسائل میں سے کسی ایک پر غلبہ حاصل ہوسکتا ہے، اس پر منحصر ہے کہ آیا خصوصیات کو نیچے، وسط، یا نیٹ ورک کے سب سے اوپر سے منتقل کیا جاتا ہے. ہم بھی دستاویز ہے کہ خصوصیات کی transferability کم کے طور پر بنیادی کام اور ہدف کے کام کے درمیان فاصلے میں اضافہ ہوتا ہے، لیکن اس کی منتقلی کی خصوصیات بھی دور دور کاموں سے بے ترتیب خصوصیات کا استعمال کرتے ہوئے کے مقابلے میں بہتر ہو سکتا ہے. ایک حتمی حیرت انگیز نتیجہ یہ ہے کہ تقریبا کسی بھی تعداد کی تہوں سے منتقل کردہ خصوصیات کے ساتھ ایک نیٹ ورک کو شروع کرنا عام طور پر فروغ دینے کے لئے فروغ پیدا کرسکتا ہے جو ہدف کے ڈیٹا بیس میں ٹھیک ٹیوننگ کے بعد بھی رہتا ہے.
6c8d5d5eee5967958a2e03a84bcc00f1f81f4d9e	ہائی تھرو پٹ ترتیب دینے سے نظریاتی طور پر اعلی معیار کے ڈی نو نووا جمع شدہ جینوم ترتیب حاصل کرنا ممکن ہوگیا ہے لیکن عملی طور پر ڈی این اے کے نچوڑ اکثر دوسرے حیاتیات سے ترتیب کے ساتھ آلودہ ہوتے ہیں۔ فی الحال، سخت eukaryotic اسمبلیوں decontaminating کے لئے چند موجودہ طریقوں ہیں. جو موجود ہیں وہ آلودگیوں کے لئے نیوکلئیوٹائڈ مماثلت پر مبنی فلٹر ترتیب اور ہدف کے حیاتیات سے ترتیب کو ختم کرنے کا خطرہ رکھتے ہیں. ہم مشین سیکھنے کے ایک ثابت شدہ طریقہ کار کی ایک نئی ایپلی کیشن متعارف کروا رہے ہیں، ایک فیصلہ درخت، جو سختی سے ترتیب کو درجہ بندی کر سکتا ہے. فیصلہ درخت کی اہم طاقت یہ ہے کہ یہ ان پٹ کے طور پر کسی بھی ماپا خصوصیت لے سکتا ہے اور اہم ڈیسکٹرز کی ایک priori کی شناخت کی ضرورت نہیں ہے. ہم نے نئے جمع تسلسل کی درجہ بندی کرنے اور شائع پروٹوکول کے طریقہ کار کا موازنہ کرنے کے فیصلے کے درخت کا استعمال. یوکرائوٹ ڈی نو نو اسمبلیوں میں ترتیب کو درجہ بندی کرتے وقت فیصلہ درخت موجودہ طریقوں سے بہتر کارکردگی کا مظاہرہ کرتا ہے۔ یہ موثر ہے، آسانی سے لاگو کیا جاتا ہے، اور درست طریقے سے ہدف اور آلودگی کے تسلسل کی شناخت کرتا ہے. اہم بات یہ ہے کہ فیصلہ درخت ماپا وضاحت کے مطابق ترتیب کی درجہ بندی کرنے کے لئے استعمال کیا جا سکتا ہے اور ممکنہ طور پر حیاتیاتی ڈیٹا سیٹ کی تصفیہ میں بہت سے استعمال کرتا ہے.
26433d86b9c215b5a6871c70197ff4081d63054a	ملٹی موڈل بائیو میٹرکس نے حال ہی میں بائیو میٹرک شناخت کے نظام میں اپنی اعلی کارکردگی کے لئے کافی دلچسپی حاصل کی ہے۔ اس مقالے میں ہم فیچر کی سطح پر فیوژن تکنیک کا استعمال کرتے ہوئے چہرے اور کھجور کے نشانات کی تصاویر کے لئے ملٹی موڈل بائیو میٹرکس متعارف کراتے ہیں۔ گیبور پر مبنی امیج پروسیسنگ کا استعمال امتیازی خصوصیات کو نکالنے کے لئے کیا جاتا ہے ، جبکہ پرنسپل جزو تجزیہ (پی سی اے) اور لکیری امتیازی تجزیہ (ایل ڈی اے) کا استعمال ہر موڈلٹی کے طول و عرض کو کم کرنے کے لئے کیا جاتا ہے۔ ایل ڈی اے کی آؤٹ پٹ خصوصیات کو سیریل طور پر ملایا جاتا ہے اور ایک ایوکلیڈین فاصلہ درجہ بندی کے ذریعہ درجہ بندی کیا جاتا ہے۔ ORL چہرے اور Poly-U کھجور کے نشان کے ڈیٹا بیس پر مبنی تجرباتی نتائج نے ثابت کیا کہ یہ فیوژن تکنیک واحد موڈل بائیو میٹرکس کے مقابلے میں تیار کردہ بائیو میٹرک کی شرح میں اضافہ کرنے میں کامیاب ہے۔
1c01e44df70d6fde616de1ef90e485b23a3ea549	ہم مارکوف رینڈم فیلڈ (ایم آر ایف) کے لاگ پارٹیشن فنکشن پر اوپری حدود کی ایک نئی کلاس متعارف کراتے ہیں۔ یہ مقدار مختلف سیاق و سباق میں ایک اہم کردار ادا کرتی ہے ، بشمول مارجنل تقسیم ، پیرامیٹر تخمینہ ، مجموعی گنتی ، شماریاتی فیصلہ نظریہ ، اور بڑے انحراف کی حدود۔ ہمارا اخذ کنویکس دوہری اور معلومات جیومیٹری کے تصورات پر مبنی ہے: خاص طور پر ، یہ ایکسپونینشل ڈومین میں تقسیم کے مرکب کا استحصال کرتا ہے ، اور ایکسپونینشل اور اوسط پیرامیٹرز کے مابین لیجنڈری میپنگ۔ درختوں کی ساختہ تقسیم کے کنویکس مجموعوں کے خصوصی معاملے میں ، ہم مختلف قسم کے مسائل کا ایک کنبہ حاصل کرتے ہیں ، جو بیت مختلف قسم کے مسئلے سے ملتے جلتے ہیں ، لیکن مندرجہ ذیل مطلوبہ خصوصیات سے ممتاز ہیں: i) وہ کنویکس ہیں ، اور ان کا ایک منفرد مجموعی زیادہ سے زیادہ ہے؛ اور ii) زیادہ سے زیادہ لوگ پارٹیشن فنکشن پر ایک اوپری حد دیتا ہے۔ یہ زیادہ سے زیادہ مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی طور پر مجموعی مجموعی مصنوعات کے مقررہ پوائنٹس کی طرح ، اصلاحی دلیل کے عناصر کو اصل ماڈل کے مارجنلز کے تخمینوں کے طور پر استعمال کیا جاسکتا ہے۔ تجزیہ قدرتی طور پر ہائپرٹری ساختہ تقسیم کے کنویکس مجموعوں تک پھیلتا ہے ، اس طرح کیکوچی تخمینوں اور متغیرات سے روابط قائم کرتے ہیں۔
39a6cc80b1590bcb2927a9d4c6c8f22d7480fbdd	اس مقالے میں ہم ویڈیو یا 3D امیجری جیسے ایم آر آئی ڈیٹا کے لئے 3 جہتی (3D) SIFT ڈسکریپٹر متعارف کراتے ہیں۔ ہم یہ بھی دکھاتے ہیں کہ یہ نیا ڈیسکٹر کس طرح ایکشن کی شناخت کی درخواست میں ویڈیو ڈیٹا کی 3D نوعیت کی بہتر نمائندگی کرنے کے قابل ہے۔ یہ کاغذ دکھائے گا کہ کس طرح 3D SIFT ایک خوبصورت اور موثر انداز میں پہلے استعمال شدہ وضاحت کے طریقوں کو بہتر بنانے کے قابل ہے. ہم ویڈیوز کی نمائندگی کرنے کے لئے الفاظ کے بیگ کا استعمال کرتے ہیں، اور ویڈیو ڈیٹا کو بہتر طور پر بیان کرنے کے لئے مقامی وقت کے الفاظ کے درمیان تعلقات کو تلاش کرنے کے لئے ایک طریقہ پیش کرتے ہیں.
0a10d64beb0931efdc24a28edaa91d539194b2e2	ہم بہت بڑے اعداد و شمار کے سیٹوں سے الفاظ کی مسلسل ویکٹر نمائندگیوں کے حساب کے لئے دو ناول ماڈل فن تعمیر کی تجویز کرتے ہیں. ان نمائندوں کے معیار کو لفظ کی مماثلت کے کام میں ماپا جاتا ہے ، اور نتائج کا موازنہ مختلف قسم کے اعصابی نیٹ ورکس پر مبنی پہلے سے بہترین کارکردگی کا مظاہرہ کرنے والی تکنیکوں سے کیا جاتا ہے۔ ہم بہت کم کمپیوٹیشنل لاگت پر درستگی میں بڑے پیمانے پر بہتری کا مشاہدہ کرتے ہیں، یعنی. ایک دن سے بھی کم وقت لگتا ہے اعلی معیار کے لفظ ویکٹر سیکھنے کے لئے 1.6 ارب الفاظ کے ڈیٹا سیٹ سے۔ مزید برآں، ہم یہ دکھاتے ہیں کہ یہ ویکٹر ہمارے ٹیسٹ سیٹ پر نحو اور معنوی لفظ مماثلت کی پیمائش کے لئے جدید ترین کارکردگی فراہم کرتے ہیں۔
b07bfdebdf11b7ab3ea3d5f0087891c464c5e34d	اس کاغذ میں 5G ملی میٹر لہر ایپلی کیشنز کے لئے ایک 64 عنصر 29-30GHz فعال مرحلے والی صف پیش کی گئی ہے۔ 64 عنصر اینٹینا، 64 چینل T / R ماڈیولز، 4 تعدد تبادلوں کے لنکس، بیم کنٹرولنگ سرکٹس، پاور مینجمنٹ سرکٹس اور کولنگ پرستار کے مجوزہ مرحلے والے صف مرکب ہیں، اور بہت کمپیکٹ سائز میں ضم کر رہے ہیں ((135mmX 77mmX56mm). بہتر RF کارکردگی حاصل کرنے کے لئے GaAs اور Si سرکٹس کے ہائبرڈ انضمام کو ملازمت دی جاتی ہے. مجوزہ مرحلے والے صف کی فن تعمیر اور ٹی / آر ماڈیولز اور اینٹینا کے تفصیلی ڈیزائن کا تجزیہ کیا گیا ہے۔ او ٹی اے (ہوا پر) کی پیمائش کے ذریعہ ، مجوزہ مرحلہ وار صف 1 گیگا ہرٹز کی بینڈوتھ کو 29.5 گیگا ہرٹز کی مرکزی تعدد پر حاصل کرتی ہے ، اور ازموت بیم چوڑائی 12 ڈگری ہے جس میں اسکیننگ رینج ± 45 ڈگری ہے۔ 800MHz 64QAM سگنل کی حوصلہ افزائی کے ساتھ، ٹرانسمیٹر بیم 5.5٪ کے EVM حاصل کرتا ہے، -30.5dBc کے ACLR کے ساتھ PA کام کرنے والے -10dB واپس آ گیا ہے، اور ماپا سیر شدہ EIRP 63 ڈی بی ایم ہے.
5f507abd8d07d3bee56820fd3a5dc2234d1c38ee
6424b69f3ff4d35249c0bb7ef912fbc2c86f4ff4	چہرے کی پیچیدہ تغیرات کی وجہ سے جنگلی میں چہرے کی خصوصیات کی پیش گوئی کرنا مشکل ہے۔ ہم ایک نیا گہری سیکھنے کا فریم ورک تجویز کرتے ہیں خصوصیت کی پیش گوئی کے لئے جنگلی میں. یہ دو سی این این، ایل این ایٹ اور اے این ایٹ کو روکتا ہے، جو خاصیت ٹیگ کے ساتھ مل کر ٹھیک ہیں، لیکن مختلف طریقے سے پہلے سے تربیت یافتہ ہیں. LNet چہرے کی مقامی کاری کے لئے بڑے پیمانے پر عمومی آبجیکٹ زمروں کی طرف سے پہلے سے تربیت یافتہ ہے، جبکہ ANet صفات کی پیشن گوئی کے لئے بڑے پیمانے پر چہرے کی شناخت کی طرف سے پہلے سے تربیت یافتہ ہے. یہ فریم ورک نہ صرف ایک بڑے مارجن کے ساتھ فن کی حالت سے باہر ہے، بلکہ سیکھنے چہرے کی نمائندگی پر قیمتی حقائق کو بھی ظاہر کرتا ہے. (1) یہ ظاہر کرتا ہے کہ کس طرح چہرے کی مقامی کاری (ایل این ای ٹی) اور وصف کی پیشن گوئی (اے این ای ٹی) کی کارکردگی کو مختلف پری ٹریننگ حکمت عملیوں سے بہتر بنایا جاسکتا ہے۔ (2) اس سے پتہ چلتا ہے کہ اگرچہ LNet کے فلٹرز صرف تصویر کی سطح کی وصف ٹیگ کے ساتھ ٹھیک ہیں، پوری تصاویر پر ان کے جواب کے نقشے چہرے کے مقامات کا مضبوط اشارہ ہے. یہ حقیقت صرف تصویر کی سطح پر تشریحات کے ساتھ چہرے کی مقامیت کے لئے ایل نیٹ کی تربیت کو قابل بناتا ہے ، لیکن بغیر چہرے کے باؤنڈنگ خانوں یا نشانات کے ، جو تمام وصف کی شناخت کے کاموں کی ضرورت ہوتی ہے۔ (3) یہ بھی ظاہر کرتا ہے کہ اعلی سطح کے پوشیدہ نیورونز اے این ایٹ خود کار طریقے سے بڑے پیمانے پر چہرے کی شناخت کے ساتھ پہلے سے تربیت کے بعد معنوی تصورات کو دریافت کرتے ہیں، اور اس طرح کے تصورات کو خاصیت کے ٹیگ کے ساتھ ٹھیک ٹیوننگ کے بعد نمایاں طور پر افزودہ کیا جاتا ہے. ہر وصف کو ان تصورات کے ایک نچلے لکیری مجموعہ کے ساتھ اچھی طرح سے وضاحت کی جا سکتی ہے.
d2938415204bb6f99a069152cb954e4baa441bba	یہ خط 1.57-1.60 گیگا ہرٹز پر توپ خانے کے پروجیکٹس پر GPS سگنل کی وصولی کے لئے موزوں ایک کمپیکٹ اینٹینا پیش کرتا ہے. چار الٹ F قسم کے عناصر برابر مقدار میں اور 90 ° مرحلے کے فرق میں مسلسل فیڈ نیٹ ورک کی طرف سے حوصلہ افزائی کر رہے ہیں. اینٹینا کی شکل اور شکل کا عنصر اس طرح سے تیار کیا گیا ہے کہ اینٹینا آسانی سے ایک توپ خانہ فیوز کے اندر نصب کیا جاسکتا ہے۔ پیمائش سے پتہ چلتا ہے کہ مجوزہ اینٹینا میں 2.90-3.77 ڈی بی آئی سی کا فائدہ ، 1.9-2.86 ڈی بی کا محوری تناسب ، اور 1.57-1.62 گیگا ہرٹز پر -10 ڈی بی سے کم کی عکاسی کا ایک عنصر ہے۔
0e52fbadb7af607b4135189e722e550a0bd6e7cc	پس منظر ریزر بلیڈ کا استعمال کرتے ہوئے خود کو کاٹنا خود کو زخمی کرنے کی ایک قسم ہے جو مستقل اور معاشرتی طور پر ناقابل قبول نشانات کے ساتھ منفرد نمونوں کو چھوڑتا ہے ، خاص طور پر اوپری اعضاء اور سینے کی پچھلی دیوار پر۔ خود کو زخمی کرنے والے افراد کے لیے زندگی بھر کے لیے شرمندگی اور افسوس کا باعث بنتی ہیں۔ پیش کردہ کلینیکل مطالعہ میں، ہم نے خود ساختہ ریزر بلیڈ انسیکشن سکار کو چھپانے میں کاربن ڈائی آکسائیڈ لیزر ریورسائزنگ اور پتلی جلد کے گراؤنڈنگ کی تاثیر کی تحقیقات کا مقصد تھا. طریقہ کار فروری 2001 اور اگست 2003 کے درمیان کل 26 جسمانی مقامات (11 اوپری بازو ، 11 پیش بازو ، اور چار سینے کے پچھلے حصے) 16 سفید فام مرد مریضوں کا علاج کیا گیا ، جن کی عمریں 20 سے 41 سال (اوسطا 23.8 سال) تک تھیں ، آپریشن سے پہلے نفسیاتی تشخیص؛ مریض کو مطلع کرنا کہ یہ طریقہ کار ایک "کاموفلیج" آپریشن ہے۔ ہائپرٹروفک سکارس کو برقرار جلد کی سطح تک کاٹنا۔ ہائپرٹروفک سکارس میں انٹرا لیسیئن کورٹیکوسٹیرائڈ انجیکشن۔ ایک یونٹ کے طور پر کاربن ڈائی آکسائیڈ لیزر ریورسنگ؛ پتلی (0.2 سے 0.3 ملی میٹر) جلد کا پیوند؛ 15 دن تک کمپریشن ڈریسنگ؛ ٹیوبلر بینڈج کا استعمال؛ اور کم از کم 6 ماہ تک سورج کی روشنی سے تحفظ طریقہ کار کے اہم نکات تھے۔ نتائج زخموں کو کامیابی سے چھپا کر جلنے کے نشان کی طرح سماجی طور پر قابل قبول شکل دی گئی۔ ایک کیس میں گراؤنڈ کا جزوی نقصان اور دوسرے کیس میں ہائپرپگمنٹ کی پیچیدگیاں تھیں۔ کوئی نیا ہائپرٹروفک داغ تیار نہیں ہوا. نتیجہ کاربن ڈائی آکسائیڈ لیزر ری سرفیسنگ اور پتلی جلد پر گڑھا لگانے کا طریقہ خود ساختہ ریزر بلیڈ انسیکشن سکار کو چھپانے میں موثر ہے۔
2b0750d16db1ecf66a3c753264f207c2cb480bde	ہمیں کسٹمر ٹرانزیکشنز کا ایک بڑا ڈیٹا بیس دیا جاتا ہے، جہاں ہر ٹرانزیکشن میں کسٹمر آئی ڈی، ٹرانزیکشن کا وقت اور ٹرانزیکشن میں خریدی گئی اشیاء شامل ہوتی ہیں۔ ہم اس طرح کے ڈیٹا بیس پر مائننگ ترتیب پیٹرن کا مسئلہ متعارف کرانے. ہم اس مسئلے کو حل کرنے کے لئے تین الگورتھم پیش کرتے ہیں، اور مصنوعی اعداد و شمار کا استعمال کرتے ہوئے ان کی کارکردگی کا جائزہ لینے کے لئے. دو تجویز کردہ الگورتھم ، اپریوریسم اور اپریوری آل ، کی موازنہ کی کارکردگی ہے ، حالانکہ اپریوریسم اس وقت تھوڑا بہتر کارکردگی کا مظاہرہ کرتا ہے جب صارفین کی کم سے کم تعداد جو ترتیب وار نمونہ کی حمایت کرنا ضروری ہے کم ہو۔ پیمانے پر تجربات سے پتہ چلتا ہے کہ دونوں اپریوریس اور اپریوری آل گاہکوں کے لین دین کی تعداد کے ساتھ لکیری طور پر پیمانے پر ہیں. وہ بھی گاہکوں کے فی ٹرانزیکشنز کی تعداد اور ایک ٹرانزیکشن میں اشیاء کی تعداد کے حوالے سے بہترین پیمانے پر خصوصیات ہیں.
3f4558f0526a7491e2597941f99c14fea536288d
f6c265af493c74cb7ef64b8ffe238e3f2487d133	اس تحقیقی مضمون میں ، بلوٹوتھ ، ڈبلیو ایل این / وائی میکس اور عوامی حفاظت کی ایپلی کیشنز کے لئے ایک کمپیکٹ ڈبل بینڈ غیر متناسب کوپلینار پٹی سے چلنے والی طباعت شدہ اینٹینا ڈیزائن اور پیش کی گئی ہے۔ دوہری تعدد آپریٹنگ بینڈ (2.45 گیگاہرٹج اور 5.25 گیگاہرٹج) دو سادہ meander کے سائز کی تابکاری سٹرپس ACS فیڈ لائن پر منسلک کر کے حاصل کیا گیا ہے. مجوزہ اینٹینا جیومیٹری ایک کم لاگت FR4 substrate پر پرنٹ کیا جاتا ہے جس کی موٹائی 1.6mm ہے جس میں مجموعی طول و عرض 13 × 21.3m شامل ہیں جن میں یونیپلینر گراؤنڈ طیارہ بھی شامل ہے۔ ACS سے بھرے ڈبل بینڈ مونپول اینٹینا کی -10 ڈی بی امپیڈینس بینڈوتھ بالترتیب 2.36-2.5 گیگا ہرٹز سے 140 میگا ہرٹز ، اور 4.5-7.0 گیگا ہرٹز سے 2500 میگا ہرٹز ہے ، جو 2.4 گیگا ہرٹز بلوٹوتھ / وائلین ، 5.2/5.8 گیگا ہرٹز وائلین ، 5.5 گیگا ہرٹز وائی میکس اور 4.9 گیگا ہرٹز امریکی عوامی حفاظت کے بینڈ کو پورا کرسکتا ہے۔ سادہ جیومیٹری اور وسیع مائبادا بینڈوتھ خصوصیات کے علاوہ ، مجوزہ ڈھانچہ بالترتیب ای اور ایچ طیارے دونوں میں دو طرفہ اور اومنیڈائریکشنل تابکاری کا نمونہ انجام دیتا ہے۔
04f39720b9b20f8ab990228ae3fe4f473e750fe3
17fac85921a6538161b30665f55991f7c7e0f940	ہم [10، 11] میں شروع ہونے والی تحقیق کی ایک لائن کو جاری رکھتے ہیں، اعداد و شمار کے ڈیٹا بیس کے رازداری کے تحفظ پر. ایک قابل اعتماد سرور پر غور کریں جو حساس معلومات کا ڈیٹا بیس رکھتا ہے۔ ایک استفسار فنکشن f کو ڈیٹا بیس کو حقیقی اعداد سے میپ کرنے کے بعد ، نام نہاد سچا جواب ڈیٹا بیس پر f کو لاگو کرنے کا نتیجہ ہے۔ رازداری کے تحفظ کے لئے ، صحیح جواب کو احتیاط سے منتخب کردہ تقسیم کے مطابق پیدا ہونے والے بے ترتیب شور کے اضافے سے پریشان کیا جاتا ہے ، اور یہ جواب ، صحیح جواب کے علاوہ شور ، صارف کو واپس کردیا جاتا ہے۔ پچھلے کام میں شور کی رقم کے معاملے پر توجہ دی گئی ، جس میں f = P i g ((xi) ، جہاں xi ڈیٹا بیس کی ith قطار کو ظاہر کرتا ہے اور g ڈیٹا بیس کی قطار کو [0، 1] پر نقشہ کرتا ہے۔ ہم مطالعہ کو عام افعال f تک بڑھا دیتے ہیں ، یہ ثابت کرتے ہوئے کہ افعال f کی حساسیت کے مطابق شور کے معیاری انحراف کو درست کرکے رازداری کو محفوظ کیا جاسکتا ہے۔ تقریباً بولتے ہوئے، یہ وہ مقدار ہے جو کسی بھی واحد دلیل سے f اپنی پیداوار کو تبدیل کر سکتی ہے۔ نئے تجزیہ سے پتہ چلتا ہے کہ کئی مخصوص ایپلی کیشنز کے لئے پہلے سے ہی سمجھا جاتا ہے اس سے کہیں کم شور کی ضرورت ہوتی ہے. پہلا قدم نجی زندگی کی ایک بہت ہی صاف ستھری خصوصیت ہے جو کہ ٹرانسکرپٹس کی غیر متفرقگی کے لحاظ سے ہے۔ اس کے علاوہ، ہم علیحدگی کے نتائج حاصل کرتے ہیں جو غیر فعال پر انٹرایکٹو صفائی کے طریقہ کار کی بڑھتی ہوئی قیمت کو ظاہر کرتے ہیں.
2a622720d4021259a6f6d3c6298559d1b56e7e62	حالیہ ویب سرچ تکنیکوں میں روایتی متن کے ملاپ کو ویب کے لنک ڈھانچے پر مبنی "اہم" کے عالمی تصور کے ساتھ بڑھا دیا گیا ہے ، جیسے گوگل کے پیج رینک الگورتھم میں۔ زیادہ بہتر تلاش کے لئے، اہمیت کے اس عالمی تصور کو اہمیت کے ذاتی خیالات پیدا کرنے کے لئے مہارت حاصل کی جاسکتی ہے - مثال کے طور پر، ابتدائی طور پر دلچسپ صفحات کے صارف کی وضاحت کردہ سیٹ کے مطابق اہمیت کے اسکور کو متعصب کیا جا سکتا ہے. پیشگی طور پر تمام ممکنہ ذاتی نوعیت کے خیالات کا حساب کتاب اور ذخیرہ کرنا غیر عملی ہے ، جیسا کہ استفسار کے وقت ذاتی نوعیت کے خیالات کا حساب کتاب کرنا ہے ، کیونکہ ہر نظارے کے حساب کتاب کے لئے ویب گراف پر تکرار حساب کتاب کی ضرورت ہوتی ہے۔ ہم نئے گراف نظریاتی نتائج پیش کرتے ہیں، اور ان نتائج پر مبنی ایک نئی تکنیک، جو ذاتی خیالات کو جزوی ویکٹر کے طور پر کوڈ کرتی ہے. جزوی ویکٹر متعدد ذاتی نوعیت کے نظاروں میں مشترک ہیں ، اور ان کے حساب کتاب اور اسٹوریج کی لاگت نظاروں کی تعداد کے ساتھ اچھی طرح سے پیمانہ کرتی ہے۔ ہمارا نقطہ نظر اضافی حساب کتاب کو قابل بناتا ہے، تاکہ جزوی ویکٹر سے ذاتی خیالات کی تعمیر سوال کے وقت عملی ہو. ہم جزوی ویکٹر کے حساب کے لئے موثر متحرک پروگرامنگ الگورتھم پیش کرتے ہیں، جزوی ویکٹر سے ذاتی نوعیت کے خیالات کی تعمیر کے لئے ایک الگورتھم، اور تجرباتی نتائج ہماری تکنیک کی تاثیر اور اسکیل ایبلٹی کا مظاہرہ کرتے ہیں.
37c3303d173c055592ef923235837e1cbc6bd986	ہم منصفانہ درجہ بندی کے لئے ایک سیکھنے الگورتھم تجویز کرتے ہیں جو گروپ کی انصاف دونوں کو حاصل کرتا ہے (محفوظ گروپ میں ممبروں کا تناسب جو مجموعی طور پر آبادی میں تناسب کے برابر ہوتا ہے) ، اور انفرادی انصاف (اسی طرح کے افراد کو اسی طرح سے سلوک کیا جانا چاہئے) ۔ ہم انصاف کو دو مقابلہ مقاصد کے ساتھ اعداد و شمار کی ایک اچھی نمائندگی تلاش کرنے کے لئے ایک اصلاح کے مسئلے کے طور پر تشکیل دیتے ہیں: اعداد و شمار کو ممکنہ طور پر انکوڈ کرنے کے لئے، جبکہ ایک ہی وقت میں محفوظ گروپ میں رکنیت کے بارے میں کسی بھی معلومات کو دھندلا. ہم نے تین ڈیٹا سیٹ پر دیگر معروف تکنیکوں کے مقابلے میں اپنے الگورتھم کے مثبت نتائج دکھائے۔ اس کے علاوہ، ہم اپنے نقطہ نظر کے کئی فوائد کا مظاہرہ کرتے ہیں. سب سے پہلے، ہماری انٹرمیڈیٹ نمائندگی دیگر درجہ بندی کے کاموں کے لئے استعمال کیا جا سکتا ہے (یعنی، منتقلی سیکھنے ممکن ہے) ؛ دوسرا، ہم ایک فاصلے میٹرک سیکھنے کی طرف ایک قدم اٹھاتے ہیں جو درجہ بندی کے لئے اعداد و شمار کے اہم طول و عرض کو تلاش کرسکتے ہیں.
4556f3f9463166aa3e27b2bec798c0ca7316bd65	اس مقالے میں ، ہم اس بات کی تحقیقات کرتے ہیں کہ کسی حساس وصف کے سلسلے میں آزاد ہونے کے لئے درجہ بندی کرنے کے لئے نائیو بیز درجہ بندی کرنے والے کو کس طرح تبدیل کیا جائے۔ اس طرح کی آزادی کی پابندیاں قدرتی طور پر اس وقت ہوتی ہیں جب ڈیٹا سیٹ میں لیبلز کی طرف جانے والے فیصلے کا عمل متعصب تھا۔ مثال کے طور پر ، صنفی یا نسلی امتیاز کی وجہ سے۔ یہ ترتیب بہت سے معاملات کی طرف سے حوصلہ افزائی کی جاتی ہے جس میں ایسے قوانین موجود ہیں جو فیصلے کی اجازت نہیں دیتے ہیں جو جزوی طور پر امتیازی سلوک پر مبنی ہے. مشین لرننگ تکنیک کا سادہ اطلاق کمپنیوں کے لئے بھاری جرمانے کا باعث بنے گا۔ ہم نجیبی بیز درجہ بندی کرنے والے کو امتیازی سلوک سے پاک بنانے کے لئے تین نقطہ نظر پیش کرتے ہیں: (i) فیصلے کے مثبت ہونے کے امکانات کو تبدیل کرنا ، (ii) ہر حساس وصف کی قیمت کے لئے ایک ماڈل کی تربیت اور ان کو متوازن کرنا ، اور (iii) بیزیان ماڈل میں ایک پوشیدہ متغیر شامل کرنا جو غیر جانبدار لیبل کی نمائندگی کرتا ہے اور توقع کو زیادہ سے زیادہ استعمال کرکے امکانات کے لئے ماڈل پیرامیٹرز کو بہتر بناتا ہے۔ ہم مصنوعی اور حقیقی زندگی کے اعداد و شمار دونوں پر تین نقطہ نظر کے لئے تجربات پیش کرتے ہیں.
f5de0751d6d73f0496ac5842cc6ca84b2d0c2063	مائکرو الیکٹرانکس اور انٹیگریٹڈ سرکٹس ، سسٹم آن چپ ڈیزائن ، وائرلیس مواصلات اور ذہین کم طاقت والے سینسر میں حالیہ پیشرفت نے وائرلیس باڈی ایریا نیٹ ورک (ڈبلیو بی اے این) کے حصول کی اجازت دی ہے۔ ڈبلیو بی اے این کم طاقت ، چھوٹے ، جارحانہ / غیر جارحانہ ہلکے وزن والے وائرلیس سینسر نوڈس کا ایک مجموعہ ہے جو انسانی جسم کے افعال اور آس پاس کے ماحول کی نگرانی کرتا ہے۔ اس کے علاوہ ، یہ متعدد جدید اور دلچسپ ایپلی کیشنز کی حمایت کرتا ہے جیسے ہر جگہ صحت کی دیکھ بھال ، تفریح ، انٹرایکٹو گیمنگ ، اور فوجی ایپلی کیشنز۔ اس مقالے میں ، ڈبلیو بی اے این کے بنیادی طریقہ کار کا جائزہ لیا گیا ہے جس میں فن تعمیر اور ٹوپولوجی ، وائرلیس امپلانٹ مواصلات ، کم طاقت میڈیم ایکسیس کنٹرول (ایم اے سی) اور روٹنگ پروٹوکول شامل ہیں۔ جسمانی (PHY) ، میک، اور نیٹ ورک پرتوں پر WBAN کے لئے مجوزہ ٹیکنالوجیوں کا ایک جامع مطالعہ پیش کیا جاتا ہے اور ہر پرت کے لئے بہت سے مفید حل پر تبادلہ خیال کیا جاتا ہے. آخر میں، بہت سے WBAN ایپلی کیشنز کو اجاگر کیا جاتا ہے.
bebdd553058ab50d0cb19a1f65d7f4daeb7cda37	انفارمیشن ٹیکنالوجی (آئی ٹی) کا تحفظ بن گیا ہے اور تنظیموں کے لئے ایک اہم اقتصادی چیلنج رہنے کی پیش گوئی کی جاتی ہے. آئی ٹی سیکورٹی سرمایہ کاری پر تحقیق تیزی سے بڑھ رہی ہے، لیکن اس میں تحقیق کی ساخت، اقتصادی تکنیکی مظاہر کی وضاحت اور مستقبل کی تحقیق کی رہنمائی کے لئے نظریاتی بنیاد کی کمی ہے. ہم اس کمی کو حل کرتے ہیں ایک نئے نظریاتی ماڈل کی تجویز کرتے ہوئے جو ایک کثیر نظریاتی نقطہ نظر سے ابھرتا ہے جو وسائل پر مبنی نقطہ نظر اور تنظیمی سیکھنے کے نظریہ کو اپناتا ہے۔ ان نظریات کی مشترکہ درخواست ایک نظریاتی ماڈل میں تصوراتی طور پر تنظیم کے سیکھنے کے اثرات کو تصور کرنے کی اجازت دیتی ہے جو وقت کے ساتھ آئی ٹی سیکیورٹی کے جوابی اقدامات کے ذریعہ تنظیمی وسائل کے تحفظ کے دوران ہوتی ہے۔ ہم آئی ٹی سیکورٹی سرمایہ کاری کے اس ماڈل کا استعمال کرتے ہیں ادب کے ایک بڑے جسم کے نتائج کو سنبھالنے اور تحقیق کے خلا کو حاصل کرنے کے لئے. ہم عملی مثالیں فراہم کرتے ہوئے ان خلاؤں کو (بند کرنے) کے انتظامی مضمرات پر بھی تبادلہ خیال کرتے ہیں۔
1407b3363d9bd817b00e95190a95372d3cb3694a	قدرتی زبان کے خطاب میں، متعلقہ واقعات ایک دوسرے کے قریب ظاہر ہوتے ہیں تاکہ ایک بڑے منظر نامے کی وضاحت کی جا سکے. اس طرح کے ڈھانچے کو فریم کے تصور (اکا. ٹیمپلیٹ) ، جس میں متعلقہ واقعات اور پروٹو ٹائپک شرکاء اور واقعہ کی منتقلی کا ایک مجموعہ شامل ہے۔ فریموں کی شناخت معلومات نکالنے اور قدرتی زبان کی نسل کے لئے ایک لازمی شرط ہے، اور عام طور پر دستی طور پر کیا جاتا ہے. فریموں کو متحرک کرنے کے طریقوں کو حال ہی میں تجویز کیا گیا ہے، لیکن وہ عام طور پر ایڈ ہاک طریقہ کار استعمال کرتے ہیں اور تشخیص یا توسیع کرنے کے لئے مشکل ہیں. اس مقالے میں ، ہم فریم انڈکشن کے لئے پہلا احتمالاتی نقطہ نظر تجویز کرتے ہیں ، جو فریموں ، واقعات ، شرکاء کو پوشیدہ موضوعات کے طور پر شامل کرتا ہے اور ان فریم اور واقعہ کی منتقلی کو سیکھتا ہے جو متن کی بہترین وضاحت کرتے ہیں۔ فریموں کی تعداد سنٹیکٹک تجزیہ سے تقسیم ضم کرنے کے طریقہ کار کے ایک ناول درخواست کی طرف سے inferred ہے. متن سے لے کر حوصلہ افزائی فریموں اور نکالی گئی حقائق تک کے اختتام سے آخر تک کے جائزوں میں ، ہمارے طریقہ کار نے انجینئرنگ کی کوششوں کو کافی حد تک کم کرتے ہوئے جدید ترین نتائج برآمد کیے۔
1bf9a76c9d9838afc51983894b58790b14c2e3d3	ماحول میں معاون رہائش (اے اے ایل) آئی ٹی حل فراہم کرتا ہے جس کا مقصد معذور ، بزرگ اور دائمی بیمار افراد کی زندگی کو آسان اور بہتر بنانا ہے۔ بڑھاپے کے لوگوں کے لئے نقل و حرکت ایک اہم مسئلہ ہے کیونکہ ان کی جسمانی سرگرمی، عام طور پر، ان کی زندگی کے معیار کو بہتر بناتا ہے اور صحت کی حیثیت کو برقرار رکھتا ہے. پھر، یہ کاغذ دیکھ بھال کرنے والوں اور بزرگ افراد کے لئے ایک AAL فریم ورک پیش کرتا ہے جو انہیں ان کی نقل و حرکت کو محدود کیے بغیر ایک فعال طرز زندگی کو برقرار رکھنے کی اجازت دیتا ہے. اس فریم ورک میں نقل و حرکت کے ماحول کے لئے چار اے اے ایل ٹولز شامل ہیں: i) ایک گرنے کا پتہ لگانے والی موبائل ایپلی کیشن؛ ii) بیو فیڈ بیک مانیٹرنگ سسٹم ٹرویل ویئر ایبل سینسرز؛ iii) گلوبل پوزیشننگ سسٹم (جی پی ایس) سے لیس جوتے کے ذریعہ بیرونی مقام کی خدمت؛ اور iv) نگہداشت کرنے والوں کے لئے ایک موبائل ایپلی کیشن جو گھر کے ماحول تک محدود متعدد بزرگوں کی دیکھ بھال کرتی ہے۔ تجویز کا جائزہ لیا جاتا ہے اور اس کا مظاہرہ کیا جاتا ہے اور یہ استعمال کے لئے تیار ہے.
2375f6d71ce85a9ff457825e192c36045e994bdd
91c7fc5b47c6767632ba030167bb59d9d080fbed	ہم اعلی سطح کے نیویگیشن ہدایات کو براہ راست تصاویر، ہدایات سے نقشہ سازی کی طرف سے مندرجہ ذیل کرنے کے لئے ایک طریقہ متعارف کرایا اور حقیقی وقت کنٹرول کے لئے مسلسل کم سطح کی رفتار کمانڈ کرنے کے لئے اندازے لگاتے ہیں. گراؤنڈڈ سیمنٹک میپنگ نیٹ ورک (جی ایس ایم این) ایک مکمل طور پر مختلف نیورل نیٹ ورک فن تعمیر ہے جو نیٹ ورک کے اندر ایک پن ہول کیمرہ پروجیکشن ماڈل کو شامل کرکے عالمی حوالہ فریم میں ایک واضح سیمنٹک نقشہ بناتا ہے۔ نقشے میں محفوظ کردہ معلومات تجربے سے سیکھا جاتا ہے، جبکہ مقامی سے دنیا کی تبدیلی واضح طور پر شمار کی جاتی ہے. ہم DAGGERFM کا استعمال کرتے ہوئے ماڈل کی تربیت، DAGGER کی ایک ترمیم شدہ قسم ہے کہ بہتر تربیت کی رفتار اور میموری کے استعمال کے لئے ٹیبلولر کنورجنس ضمانتیں تجارت. ہم ایک حقیقت پسندانہ کواڈکوپٹر سمیلیٹر پر مجازی ماحول میں GSMN کی جانچ کرتے ہیں اور ظاہر کرتے ہیں کہ ایک واضح نقشہ سازی اور گراؤنڈنگ ماڈیولز کو شامل کرنے سے GSMN کو مضبوط نیورل بیس لائنز سے بہتر کارکردگی کا مظاہرہ کرنے اور ماہر پالیسی کی کارکردگی کو تقریبا. آخر میں، ہم سیکھا نقشہ نمائندگی کا تجزیہ اور ایک واضح نقشہ کا استعمال کرتے ہوئے ایک تشریح ہدایات مندرجہ ذیل ماڈل کی طرف جاتا ہے کہ دکھاتے ہیں.
cc98157b70d7cf464b880668d7694edd12188157	آج کل یہ مختلف تنظیموں کے درمیان معلومات کے محفوظ اور قابل اعتماد مواصلات کو یقینی بنانے کے لئے ایک اعلی سطح کی سیکورٹی کو برقرار رکھنے کے لئے بہت اہم ہے. لیکن انٹرنیٹ اور کسی بھی دوسرے نیٹ ورک پر محفوظ ڈیٹا مواصلات ہمیشہ مداخلت اور غلط استعمال کے خطرے سے دوچار ہوتا ہے۔ لہذا انٹروژن ڈیٹیکشن سسٹم کمپیوٹر اور نیٹ ورک سیکیورٹی کے لحاظ سے ایک ضروری جزو بن گیا ہے۔ گھسنے والوں کا پتہ لگانے کے لیے مختلف طریقے استعمال کیے جاتے ہیں لیکن بدقسمتی سے اب تک کوئی بھی نظام مکمل طور پر بے عیب نہیں ہے۔ تو، بہتری کی تلاش جاری ہے. اس پیش رفت میں، ہم یہاں ایک مداخلت کا پتہ لگانے کا نظام (آئی ڈی ایس) پیش کرتے ہیں، جینیاتی الگورتھم (جی اے) کو مؤثر طریقے سے مختلف قسم کے نیٹ ورک مداخلت کا پتہ لگانے کے لئے لاگو کرتے ہیں. پیرامیٹرز اور ارتقاء کے عمل کے لئے GA تفصیل سے بحث کی جاتی ہے اور لاگو کیا جاتا ہے. یہ نقطہ نظر ٹریفک کے اعداد و شمار کو فلٹر کرنے اور اس طرح پیچیدگی کو کم کرنے کے لئے معلومات کے ارتقاء کے ارتقاء کے نظریہ کا استعمال کرتا ہے. ہمارے نظام کی کارکردگی کو لاگو کرنے اور پیمائش کرنے کے لئے ہم نے KDD99 بینچ مارک ڈیٹا سیٹ کا استعمال کیا اور مناسب پتہ لگانے کی شرح حاصل کی.

End of preview. Expand in Dataset Viewer.

Bharat-NanoBEIR: Indian Language Information Retrieval Dataset

Overview

This dataset is part of the Bharat-NanoBEIR collection, which provides information retrieval datasets for Indian languages. It is derived from the NanoBEIR project, which offers smaller versions of BEIR datasets containing 50 queries and up to 10K documents each.

Dataset Description

This particular dataset is the Urdu version of the NanoSCIDOCS dataset, specifically adapted for information retrieval tasks. The translation and adaptation maintain the core structure of the original NanoBEIR while making it accessible for Urdu language processing.

Usage

This dataset is designed for:

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

Dataset Structure

The dataset consists of three main components:

Corpus: Collection of documents in Urdu
Queries: Search queries in Urdu
QRels: Relevance judgments connecting queries to relevant documents

Citation

If you use this dataset, please cite:

@misc{bharat-nanobeir,
  title={Bharat-NanoBEIR: Indian Language Information Retrieval Datasets},
  year={2024},
  url={https://huggingface.co/datasets/carlfeynman/Bharat_NanoSCIDOCS_ur}
}