Connect with us
https://ainews.site/wp-content/uploads/2021/11/zox-leader.png

Published

on

The Ultimate Managed Hosting Platform

क्रेडिट स्कोर: पिक्साबे/सीसी0 पब्लिक एरिया

मल्टीवेरिएबल कैलकुलस, डिफरेंशियल इक्वेशन, लीनियर अलजेब्रा- ऐसे विषय जो एमआईटी के कई छात्र बिना पसीना बहाए इक्का-दुक्का कर सकते हैं- ने लगातार मशीन स्टडी फैशन को स्टंप किया है। सबसे प्रभावी तरीके केवल प्राथमिक या उच्च विद्यालय स्तर के गणित के प्रश्नों का उत्तर देने में सक्षम हैं, और इसलिए वे हमेशा उचित विकल्प नहीं खोजते हैं।

अब, एमआईटी और अन्य जगहों के शोधकर्ताओं के एक बहु-विषयक दल, इड्डो ड्रोरी के नेतृत्व में, एमआईटी डिवीजन ऑफ इलेक्ट्रिकल इंजीनियरिंग एंड पीसी साइंस (ईईसीएस) के एक व्याख्याता ने एक का उपयोग किया है। मानव स्तर पर कई सेकंड में विश्वविद्यालय स्तर के गणित के मुद्दों को सुलझाने के लिए।

मॉडल रोबोटिक रूप से विकल्पों की व्याख्या भी करता है और जल्दी से स्कूल गणित विषयों में नई समस्याएं उत्पन्न करता है। जब शोधकर्ताओं ने इन मशीन-जनित पूछताछ की पुष्टि की विद्वान यह सूचित करने में असमर्थ रहे हैं कि प्रश्न किसी एल्गोरिथम या मानव द्वारा उत्पन्न किए गए हैं या नहीं।

इस कार्य का उपयोग संभवतः कार्यक्रमों के लिए सामग्री सामग्री युग को सुव्यवस्थित करने के लिए किया जा सकता है, जो संभवतः विशाल आवासीय कार्यक्रमों में विशेष रूप से सहायक हो सकता है और (MOOCs) जिसमें सैकड़ों विद्वान हैं। सिस्टम का उपयोग एक स्वचालित ट्यूटर के रूप में भी किया जाता है जो कॉलेज के छात्रों को स्नातक गणित के मुद्दों को ठीक करने में संबंधित कदमों का खुलासा करता है।

“हम अनुमान लगाते हैं कि यह बड़ी स्कूली शिक्षा को बढ़ा सकता है,” काम के प्रमुख लेखक ड्रोरी कहते हैं, जो कोलंबिया कॉलेज में पीसी साइंस के डिवीजन के भीतर एक सहायक संबद्ध प्रोफेसर भी हो सकते हैं, और जो इस गर्मी के समय में बोस्टन कॉलेज में स्कूल का हिस्सा होंगे। “यह छात्रों को बढ़ाने में मदद करेगा, और यह व्याख्याताओं को नई सामग्री सामग्री बनाने में मदद करेगा, और यह कुछ कार्यक्रमों में समस्या की सीमा को बढ़ाने में मदद कर सकता है। यह हमें प्रश्नों और कार्यक्रमों का एक ग्राफ बनाने की भी अनुमति देता है, जो न केवल पारंपरिक रूप से उन पर विचार करके, बल्कि मुख्य रूप से ज्ञान पर आधारित, कार्यक्रमों और उनकी पूर्व-आवश्यकताओं के बीच संबंध को समझने में हमारी सहायता करता है।

यह काम एमआईटी, कोलंबिया कॉलेज, हार्वर्ड कॉलेज और वाटरलू कॉलेज में कॉलेज के छात्रों, शोधकर्ताओं और स्कूल के साथ एक सहयोग है। वरिष्ठ लेखक गिल्बर्ट स्ट्रैंग हैं, जो एमआईटी में अंकगणित के प्रोफेसर हैं। विश्लेषण इस सप्ताह के भीतर लगता है राष्ट्रव्यापी विज्ञान अकादमी की कार्यवाही.

एक “यूरेका” सेकंड

द्रोरी और उनके कॉलेज के छात्र और सहकर्मी लगभग दो साल से इस मिशन में लगे हुए हैं। उन्हें पता चला है कि पाठ्य सामग्री का उपयोग करने का दिखावा करने वाले फैशन केवल हाईस्कूल गणित के मुद्दों पर 8 प्रतिशत से अधिक सटीकता नहीं कर सकते हैं, और ग्राफ तंत्रिका नेटवर्क का उपयोग करने वाले लोग मशीन अध्ययन पाठ्यक्रम के प्रश्नों में इक्का-दुक्का हो सकते हैं लेकिन प्रशिक्षण के लिए एक सप्ताह का समय लगेगा।

तब ड्रोरी के पास वह था जो वह “यूरेका” सेकंड के रूप में वर्णित करता है: उसने एमआईटी द्वारा प्रदान किए गए स्नातक गणित कार्यक्रमों और कोलंबिया कॉलेज से एक प्रश्न पूछने का प्रयास करने का फैसला किया, जिसे पहले कभी एक मॉडल द्वारा नहीं देखा गया था, उन्हें प्रोग्रामिंग कर्तव्यों में बदल दिया, और उन विधियों का उपयोग करना जिन्हें अक्सर प्रोग्राम संश्लेषण और कुछ-शॉट अध्ययन के रूप में जाना जाता है। किसी क्वेरी को प्रोग्रामिंग जॉब में बदलना संभवतः इतना सरल हो सकता है कि “दो कारकों के बीच अंतर की खोज” क्वेरी को फिर से लिखना “एक प्रोग्राम लिखना जो दो कारकों के बीच अंतर पाता है” या उदाहरण के रूप में कई प्रश्न-कार्यक्रम जोड़े पेश करता है .

इन प्रोग्रामिंग कर्तव्यों को खिलाने से पहले a फिर भी, शोधकर्ताओं ने एक नया कदम जोड़ा जिसने इसे अपने पहले के प्रयासों को काफी हद तक बेहतर प्रदर्शन करने में सक्षम बनाया।

अब से पहले, वे और अन्य जिन्होंने इस कमी का सामना किया है, उन्होंने एक तंत्रिका का उपयोग किया है , GPT-3 की तुलना में, जो केवल पाठ्य सामग्री पर पूर्व-प्रशिक्षित था, इसका अर्थ है कि शुद्ध भाषा के पैटर्न सिखाने के लिए पाठ्य सामग्री के हजारों और हजारों उदाहरणों को सिद्ध किया गया था। इस बार, उन्होंने पाठ्य सामग्री पर प्रशिक्षित एक तंत्रिका समुदाय का उपयोग किया जो अतिरिक्त रूप से कोड पर “ठीक-ठीक” था। कोडेक्स के नाम से जाना जाने वाला यह समुदाय OpenAI द्वारा निर्मित किया गया था। लाभप्रद-ट्यूनिंग वास्तव में एक अन्य पूर्व-प्रशिक्षण चरण है जो मशीन-लर्निंग मॉडल की दक्षता को बढ़ा सकता है।

पूर्व-प्रशिक्षित पुतला ऑनलाइन रिपॉजिटरी से कोड के हजारों और हजारों उदाहरण साबित हुए। इस मॉडल के कोचिंग ज्ञान के परिणामस्वरूप हजारों और हजारों शुद्ध भाषा वाक्यांशों के अलावा कोड के हजारों और हजारों निशान शामिल हैं, यह पाठ्य सामग्री की वस्तुओं और कोड की वस्तुओं के बीच संबंधों को सीखता है।

कई गणित के मुद्दों को एक कम्प्यूटेशनल ग्राफ या पेड़ का उपयोग करके हल किया जा सकता है, हालांकि इस तरह के चित्रण में पाठ्य सामग्री में लिखी गई समस्या को दिखाना मुश्किल है, ड्रोरी बताते हैं। इस मॉडल के परिणामस्वरूप टेक्स्ट सामग्री और कोड के बीच संबंधों को महसूस किया गया है, फिर भी, यह वास्तव में एक टेक्स्ट सामग्री क्वेरी को कोड में फ़्लिप कर सकता है, केवल कुछ प्रश्न-कोड उदाहरण दिए गए हैं, जिसके बाद समस्या का उत्तर देने के लिए कोड चलाएं।

“जब भी आप केवल पाठ्य सामग्री में कोई प्रश्न पूछते हैं, तो मशीन-लर्निंग मॉडल के लिए आपको समाधान प्रदान करना कठिन होता है, हालांकि उत्तर पाठ्य सामग्री के भीतर भी हो सकता है,” वे कहते हैं। “यह काम कोड और प्रोग्राम संश्लेषण के उपयोग की कमी वाले टुकड़े के भीतर भरता है।”

यह काम स्नातक गणित के मुद्दों को सुलझाने वाला पहला है और सुई को 8 पीसी सटीकता से 80 पीसी से अधिक तक मारता है, ड्रोरी प्रदान करता है।

संदर्भ सहित

ड्रोरी कहते हैं, गणित के सवालों को प्रोग्रामिंग कर्तव्यों में बदलना हर समय आसान नहीं होता है। कुछ मुद्दों के लिए शोधकर्ताओं की आवश्यकता होती है ताकि संदर्भ जोड़ा जा सके ताकि तंत्रिका समुदाय क्वेरी का सटीक रूप से पाठ्यक्रम कर सके। एक छात्र पाठ्यक्रम लेते समय इस संदर्भ को तय करेगा, हालांकि एक तंत्रिका समुदाय के पास यह पृष्ठभूमि डेटा तब तक नहीं होता जब तक कि शोधकर्ता इसे निर्दिष्ट नहीं करते।

उदाहरण के लिए, उन्हें यह स्पष्ट करना पड़ सकता है कि किसी क्वेरी की पाठ्य सामग्री में “समुदाय” का अर्थ ““संचार नेटवर्क” से काफी अधिक। या वे मॉडल को बताना चाहते हैं कि किस प्रोग्रामिंग बंडल का उपयोग करना है। वे अतिरिक्त रूप से निश्चित परिभाषाएँ प्रस्तुत करना चाह सकते हैं; पोकर हथियारों के बारे में एक प्रश्न में, वे पुतले को सूचित करना चाह सकते हैं कि प्रत्येक डेक में 52 ताश के पत्ते हैं।

वे इन प्रोग्रामिंग कर्तव्यों को रोबोटिक रूप से शामिल संदर्भ और उदाहरणों के साथ, पूर्व-प्रशिक्षित और ठीक-ठीक तंत्रिका समुदाय को खिलाते हैं, जो एक प्रोग्राम को आउटपुट करता है जो अक्सर उचित उत्तर उत्पन्न करता है। यह 80 प्रतिशत से अधिक प्रश्नों के लिए सही था।

शोधकर्ताओं ने तंत्रिका समुदाय को एक विषय पर गणित के मुद्दों का एक संग्रह देकर और फिर इसे एक नया बनाने के लिए कहकर प्रश्न उत्पन्न करने के लिए अपने मॉडल का उपयोग किया।

“कुछ विषयों में, इसने हमें चौंका दिया। उदाहरण के लिए, क्षैतिज और ऊर्ध्वाधर निशानों की क्वांटम पहचान पर सवाल उठे हैं, और इसने विकर्ण निशानों की क्वांटम पहचान पर नए प्रश्न उत्पन्न किए हैं। इसलिए, यह केवल वर्तमान प्रश्नों के भीतर मूल्यों और चरों को बदलकर नए प्रश्न उत्पन्न नहीं कर रहा है, “ड्रोरी कहते हैं।

मानव जनित बनाम मशीन जनित प्रश्न

शोधकर्ताओं ने मशीन जनित प्रश्नों को कॉलेज के छात्रों को दिखाकर जांचा। शोधकर्ताओं ने कॉलेज के छात्रों को प्रत्येक स्नातक गणित पाठ्यक्रम से यादृच्छिक क्रम में 10 प्रश्न दिए; 5 लोगों द्वारा बनाए गए हैं और 5 मशीन से बनाए गए हैं।

कॉलेज के छात्र यह सूचित करने में असमर्थ रहे हैं कि मशीन से उत्पन्न प्रश्न एक एल्गोरिथम या मानव द्वारा निर्मित किए गए हैं या नहीं, और इसलिए उन्होंने समस्या की डिग्री और पाठ्यक्रम के लिए उपयुक्तता के लिए मानव-जनित और मशीन-जनित प्रश्न संबंधित अंक दिए।

ड्रोरी इस स्तर पर तेजी से है कि यह काम सिर्फ मानव प्रोफेसरों को बदलने के लिए नहीं है।

“ऑटोमेशन अब 80 पीसी पर है, हालांकि ऑटोमेशन कभी भी सौ पीसी सही नहीं होगा। हर बार जब आप किसी चीज़ का समाधान करते हैं, तो कोई आपको अधिक टिकाऊ प्रश्न प्रदान करेगा। हालाँकि यह कार्य व्यक्तियों के लिए मशीन अध्ययन के साथ अधिक टिकाऊ और अधिक टिकाऊ प्रश्नों को ठीक करना शुरू करने के लिए क्षेत्र खोलता है। हम अनुमान लगाते हैं कि इसका इस पर बहुत अच्छा प्रभाव होना चाहिए ,” वह कहते हैं।

चालक दल अपनी रणनीति की सफलता से काम कर रहा है, और गणित के प्रमाणों से निपटने के लिए काम को लंबा कर दिया है, हालांकि कुछ सीमाएं हैं जिनसे वे निपटने की योजना बना रहे हैं। वर्तमान में, पुतला एक दृश्य भाग के साथ प्रश्नों का उत्तर देने में सक्षम नहीं है और उन मुद्दों का समाधान नहीं कर सकता है जो कम्प्यूटेशनल जटिलता के कारण कम्प्यूटेशनल रूप से कठिन हो सकते हैं।

इन बाधाओं को दूर करने के साथ-साथ, वे इसे बढ़ाने के लिए काम कर रहे हैं कार्यक्रमों के टन के रूप में ज्यादा के रूप में। इन टन कार्यक्रमों के साथ, वे अतिरिक्त ज्ञान उत्पन्न करने जा रहे हैं जो स्वचालन में सुधार कर सकते हैं और पाठ्यक्रम डिजाइन और पाठ्यक्रम में अंतर्दृष्टि प्रदान कर सकते हैं।


मशीन-लर्निंग मॉडल जो डॉक्टरों को रोगी के स्वास्थ्य रिकॉर्ड में अधिक कुशलता से जानकारी खोजने में मदद कर सकते हैं


अतिरिक्त डेटा:

इड्डो ड्रोरी एट अल, एक तंत्रिका समुदाय प्रोग्राम संश्लेषण और मानव डिग्री पर कुछ-शॉट अध्ययन द्वारा कॉलेज गणित के मुद्दों को हल करता है, समझाता है और उत्पन्न करता है, राष्ट्रव्यापी विज्ञान अकादमी की कार्यवाही (2022)। डीओआई: 10.1073/पीएनएस.2123433119

उद्धरण:
नई एल्गोरिथम इक्के कॉलेज गणित पाठ्यक्रम प्रश्न (2022, अगस्त 3)
3 अगस्त 2022 को लिया गया
https://techxplore.com/information/2022-08-algorithm-aces-university-math.html से

यह दस्तावेज़ कॉपीराइट का विषय है। व्यक्तिगत शोध या विश्लेषण के उद्देश्य से किसी भी ईमानदार व्यवहार के अलावा, नहीं
आधा भी लिखित अनुमति के बिना पुन: प्रस्तुत किया जा सकता है। सामग्री सामग्री केवल डेटा कार्यों के लिए आपूर्ति की जाती है।



The Ultimate Managed Hosting Platform

Source link

Continue Reading

ताज़ा खबर

सुपीरियर फेज रिकवरी और डीप न्यूरल नेटवर्क का उपयोग कर होलोग्राम पुनर्निर्माण – आर्टिफिशियल इंटेलिजेंस में नवीनतम | एआई रोबोटिक्स

Published

on

Superior phase recovery and hologram reconstruction using a deep neural network

The Ultimate Managed Hosting Platform

वास्तविक समय में त्रुटियों का पता लगाने और उन्हें ठीक करने के लिए एल्गोरिदम का अध्ययन करने वाली मशीन द्वारा उपयोग किए गए 3डी प्रिंटर नोजल की उदाहरण तस्वीर। हाइलाइट किए गए क्षेत्र उस तस्वीर के तत्वों को प्रस्तुत करते हैं जिस पर सिस्टम ध्यान केंद्रित करता है, संभावित अंतर्दृष्टि प्रदान करता है कि एल्गोरिदम कैसे भविष्यवाणियां करता है। क्रेडिट स्कोर: डगलस ब्रायन

इंजीनियरों ने चतुर 3डी प्रिंटर बनाए हैं जो विभिन्न मशीनों के अनुभवों से अध्ययन करके पहले से अनदेखी डिजाइनों, या अपरिचित आपूर्ति जैसे केचप और मेयोनेज़ में भी तेजी से पता लगा सकते हैं और त्रुटियों को ठीक कर सकते हैं।

कैम्ब्रिज कॉलेज के इंजीनियरों ने एल्गोरिदम का अध्ययन करने वाली एक मशीन विकसित की जो वास्तविक समय में सभी प्रकार की विभिन्न त्रुटियों का पता लगा सकती है और उन्हें ठीक कर सकती है, और उनकी क्षमताओं को सुदृढ़ करने के लिए नई या वर्तमान मशीनों में जोड़ा जा सकता है। एल्गोरिथम का उपयोग करने वाले 3डी प्रिंटर स्वयं नई सामग्री को प्रिंट करने के तरीके भी खोज सकते हैं। जर्नल में उनकी कम लागत वाली पद्धति का विवरण दिया गया है प्रकृति संचार.

3डी विमान के पुर्जों, व्यक्तिगत चिकित्सा प्रत्यारोपण, और यहां तक ​​कि जटिल मिठाइयों के समान उन्नत और अनुकूलित घटकों के निर्माण में क्रांति लाने की क्षमता है, और इसके अतिरिक्त विनिर्माण आपूर्ति श्रृंखलाओं को फिर से तैयार करेगा। बहरहाल, यह छोटे पैमाने की अशुद्धियों और यांत्रिक कमजोरियों से लेकर संपूर्ण निर्माण विफलताओं तक, निर्माण त्रुटियों के लिए भी अतिसंवेदनशील है।

वर्तमान में, इन त्रुटियों को रोकने या ठीक करने का तरीका एक प्रतिभाशाली कर्मचारी के लिए विधि को देखना है। कर्मचारी को एक स्वीकार करना चाहिए (पढ़े हुए आंखों के लिए भी एक समस्या), प्रिंट बंद करो, आधा हटाओ, और एक नए आधे के लिए सेटिंग्स को संशोधित करें। यदि कोई नई सामग्री या प्रिंटर का उपयोग किया जाता है, तो विधि में अतिरिक्त समय लगता है क्योंकि कर्मचारी बिल्कुल नया सेटअप सीखता है। फिर भी, त्रुटियां भी छूट सकती हैं क्योंकि कर्मचारी एक ही समय में कई प्रिंटरों को लगातार नहीं देख सकते हैं, खासकर लंबे प्रिंट के लिए।

“3D प्रिंटिंग मुश्किल है क्योंकि बहुत कुछ है जो अनुपयुक्त हो सकता है, और इसलिए बहुत बार 3D प्रिंट विफल हो जाएंगे,” पेपर के वरिष्ठ निर्माता कैम्ब्रिज के इंजीनियरिंग डिवीजन के डॉ सेबेस्टियन पैटिनसन ने उल्लेख किया। “जब ऐसा होता है, तो आपके द्वारा उपयोग की जाने वाली सभी सामग्री और समय और ऊर्जा खो जाती है।”

इंजीनियर स्वचालित 3 डी प्रिंटिंग मॉनिटरिंग बना रहे हैं, हालांकि वर्तमान तरीके केवल एक हाफ, एक सामग्री और एक प्रिंटिंग सिस्टम में सीमित त्रुटियों का पता लगा सकते हैं।

“जो वास्तव में चाहता है वह है ‘‘ 3 डी प्रिंटिंग के लिए सिस्टम, “पहले निर्माता डगलस ब्रायन ने कहा, इसके अलावा इंजीनियरिंग विभाग से। “एक चालक रहित कार अप्रभावी हो सकती है यदि यह केवल एक गली या एक ही शहर में काम करती है – इसे सामान्यीकरण के लिए अध्ययन करना चाहिए , शहर, और यहां तक ​​कि राष्ट्र भी। समान रूप से, एक ‘चालक रहित’ प्रिंटर को कई घटकों, आपूर्तियों और मुद्रण स्थितियों के लिए काम करना चाहिए।”

ब्रायन और पैटिनसन का कहना है कि उन्होंने जो एल्गोरिथम विकसित किया है, वह बहुत अच्छी तरह से ‘ड्राइवरलेस ऑटोमोटिव’ इंजीनियर हो सकता है जिसे खोज रहे हैं।

पैटिनसन ने कहा, “इसका मतलब यह है कि आपके पास एक एल्गोरिथम हो सकता है जो उन सभी पूरी तरह से अलग प्रिंटर पर एक नज़र डाल सकता है जो आप बस काम कर रहे हैं, हमेशा निगरानी कर रहे हैं और आवश्यकतानुसार संशोधन कर रहे हैं-मुख्य रूप से वह कर रहे हैं जो मनुष्य नहीं कर सकता है।”

शोधकर्ताओं ने 192 मुद्रित वस्तुओं के निर्माण के दौरान यंत्रवत् रूप से खींची गई लगभग 950, 000 तस्वीरों को प्रदर्शित करके एक गहन अध्ययन लैपटॉप कल्पनाशील और प्रेजेंटेशनल मॉडल तैयार किया। प्रत्येक चित्र को प्रिंटर की सेटिंग के साथ लेबल किया गया था, जैसे कि प्रिंटिंग नोजल का वेग और तापमान और प्रिंटिंग सामग्री का परिचालित शुल्क। मॉडल ने यह भी विवरण प्राप्त किया कि ये सेटिंग्स अच्छे मूल्यों से कितनी दूर थीं, जिससे एल्गोरिदम को त्रुटियों के तरीके को जानने की अनुमति मिलती है।

“एक बार शिक्षित होने के बाद, एल्गोरिथ्म केवल एक तस्वीर को देखकर निर्धारित कर सकता है कि कौन सी सेटिंग सही है और कौन सी अनुपयुक्त है – एक चयनित सेटिंग बहुत अधिक या बहुत कम है, उदाहरण के लिए, जिसके बाद उपयुक्त सुधार लागू करें,” पैटिंसन ने कहा . “और अच्छी बात यह है कि इस पद्धति का उपयोग करने वाले प्रिंटर बहुत अच्छी तरह से लगातार ज्ञान एकत्र कर रहे हैं, इसलिए एल्गोरिथ्म बहुत अच्छी तरह से नियमित रूप से प्रभावी रूप से बेहतर हो सकता है।”

इस पद्धति का उपयोग करते हुए, ब्रायन और पैटिनसन एक एल्गोरिदम बनाने की स्थिति में थे जो कि सामान्य है- विभिन्न वाक्यांशों में, इसका उपयोग अपरिचित वस्तुओं या आपूर्ति में त्रुटियों को निर्धारित करने और उन्हें ठीक करने के लिए किया जा सकता है, और यहां तक ​​​​कि नई मुद्रण विधियों में भी।

“जब भी आप एक नोजल के साथ छपाई कर रहे होते हैं, तो आप जिस कपड़े का उपयोग कर रहे हैं – पॉलिमर, कंक्रीट, केचप, या कोई फर्क नहीं पड़ता – आपको समान त्रुटियां मिलेंगी,” ब्रायन ने कहा। “उदाहरण के लिए, यदि नोजल बहुत तेज़ी से हिल रहा है, तो आप आमतौर पर अपने आप को कपड़े की बूँदें पाते हैं, या यदि आप अत्यधिक मात्रा में सामग्री को बाहर निकाल रहे हैं, तो मुद्रित स्ट्रेन क्रीज बनाने वाले ओवरलैप होंगे।

“तुलनीय सेटिंग्स से आने वाली त्रुटियों में तुलनीय विकल्प हो सकते हैं, इससे कोई फर्क नहीं पड़ता कि आधा मुद्रित किया जा रहा है या कौन सी सामग्री का उपयोग किया जा रहा है। हमारे एल्गोरिथ्म के परिणामस्वरूप पूरी तरह से अलग-अलग आपूर्ति में साझा किए गए बुनियादी विकल्पों का एहसास हुआ, यह कह सकता है कि ‘ओह, मुद्रित स्ट्रेन क्रीज बना रहे हैं, इस तथ्य के कारण हम अत्यधिक मात्रा में सामग्री को बाहर निकाल रहे हैं’।

इस वजह से, एल्गोरिदम जिसे केवल एक प्रकार की सामग्री और प्रिंटिंग सिस्टम का उपयोग करके शिक्षित किया गया था, एक विशेष प्रकार की प्रिंटिंग सिस्टम पर इंजीनियरिंग पॉलिमर से लेकर केचप और मेयोनेज़ तक कई आपूर्ति में त्रुटियों का पता लगाने और उचित त्रुटियों की स्थिति में था।

जल्दी या बाद में, शिक्षित त्रुटियों को पहचानने में मानव ऑपरेटर की तुलना में बहुत अधिक पर्यावरण के अनुकूल और भरोसेमंद हो सकता है। यह उन उद्देश्यों में उच्च गुणवत्ता प्रबंधन के लिए बहुत आवश्यक हो सकता है जहां भाग की विफलता में गंभीर दंड हो सकता है।

कॉलेज की व्यावसायीकरण शाखा, कैम्ब्रिज एंटरप्राइज की मदद से, ब्रायन ने मैटा को एक स्पिन-आउट फर्म बनाया है जो औद्योगिक उद्देश्यों के लिए जानकारी विकसित कर सकती है।

“हम अपना विचार बदल रहे हैं कि यह उच्च मूल्य वाले उद्योगों में कैसे काम कर सकता है जैसे एयरोस्पेस, ऊर्जा और मोटर वाहन क्षेत्र, जहां 3 डी प्रिंटिंग एप्लाइड साइंसेज का निर्माण करने के लिए उपयोग किया जाता है और महंगे घटक, ”ब्रायन ने उल्लेख किया। “1000 किलो की कीमत पर एक हिस्से को पूरा करने में दिन या शायद सप्ताह लगेंगे। शुरू में होने वाली त्रुटि का पता तब तक नहीं लगाया जा सकता जब तक कि आधा पूरा न हो जाए और उसका निरीक्षण न कर लिया जाए। हमारी पद्धति वास्तविक समय में त्रुटि का पता लगाएगी, जिससे विनिर्माण उत्पादकता में काफी सुधार होगा। ”


मशीन-लर्निंग मॉडल वास्तविक समय में त्रुटियों को ठीक करने के लिए 3D प्रिंटिंग प्रक्रिया की निगरानी और समायोजन करता है


अतिरिक्त डेटा:

डगलस ए जे ब्रायन एट अल, बहु-सिर तंत्रिका नेटवर्क के माध्यम से सामान्यीकृत 3 डी प्रिंटिंग त्रुटि का पता लगाने और सुधार, प्रकृति संचार (2022)। डीओआई: 10.1038/एस41467-022-31985-वाई

के द्वारा दिया गया
कैम्ब्रिज विश्वविद्यालय


उद्धरण:
एल्गोरिथम विभिन्न घटकों, आपूर्ति और विधियों के लिए 3डी प्रिंटिंग त्रुटियों को ठीक करना सीखता है (2022, 16 अगस्त)
16 अगस्त 2022 को लिया गया
https://techxplore.com/information/2022-08-algorithm-3d-errors-materials.html से

यह दस्तावेज़ कॉपीराइट का विषय है। व्यक्तिगत जांच या विश्लेषण के उद्देश्य से किसी भी ईमानदार सौदे के अलावा, नहीं
आधा भी लिखित अनुमति के बिना पुन: प्रस्तुत किया जा सकता है। सामग्री सामग्री की आपूर्ति केवल डेटा कार्यों के लिए की जाती है।



The Ultimate Managed Hosting Platform

Source link

Continue Reading

ताज़ा खबर

रोबोट कैसे कपड़े में हेरफेर करते हैं, इसे सुधारने के लिए स्पर्श सेंसर और मशीन लर्निंग का उपयोग करना – आर्टिफिशियल इंटेलिजेंस में नवीनतम | एआई रोबोटिक्स

Published

on

Using tactile sensors and machine learning to improve how robots manipulate fabrics

The Ultimate Managed Hosting Platform

रिकॉर्ड किया गया भविष्य सुरक्षा विश्लेषकों को कार्रवाई योग्य अंतर्दृष्टि प्रदान करने के लिए मशीन अध्ययन और मानव अनुभव के साथ दुनिया भर में खतरे के ज्ञान के एक दशक (और गिनती) को जोड़ती है।

एआई इंफॉर्मेशन ने रिकॉर्डेड फ्यूचर के चीफ डेटा सेफ्टी ऑफिसर जेसन स्टीयर से बात की, ताकि यह पता लगाया जा सके कि कॉरपोरेट महत्वपूर्ण च्वाइस बेनिफिट्स के साथ एंटरप्राइजेज की आपूर्ति कैसे करता है।

एआई सूचना: भविष्य का खुफिया ग्राफ क्या रिकॉर्ड किया गया है?

जेसन स्टीयर: रिकॉर्डेड फ्यूचर एक दशक से अधिक समय से वेब, डार्क नेट और तकनीकी स्रोतों से एकत्रित जानकारी को कैप्चर कर रहा है और इसे अपने इंटेलिजेंस क्लाउड द्वारा मूल्यांकन के लिए सुलभ बनाता है।

जिस तरह इस समय कई औद्योगिक फर्में अपने माल के “डिजिटल जुड़वां” बना रही हैं, हमारा उद्देश्य दुनिया के एक डिजिटल ट्विन का निर्माण करना है, जो उन सभी संस्थाओं और अवसरों का प्रतिनिधित्व करता है, जिनके बारे में वेब पर बात की जा सकती है – खतरे की खुफिया के साथ एक चयनित सौदे के साथ . ग्राफ विचार जटिल संबंधों को इस तरह से वर्णित करने की एक प्रमुख पद्धति है जो एल्गोरिथम मूल्यांकन के लिए सक्षम बनाता है।

सीधे शब्दों में कहें तो इंटेलिजेंस ग्राफ दुनिया का वह उदाहरण है, और हमारा उद्देश्य सभी सुरक्षा विश्लेषकों की उंगलियों पर इस जानकारी को सुलभ बनाना है ताकि उन्हें जल्द से जल्द काम करने में मदद मिल सके।

एएन: उद्यम अपने द्वारा आपूर्ति की जाने वाली अंतर्दृष्टि का उपयोग कैसे कर सकते हैं?

जे एस: अंत में इंटेलिजेंस ‘पसंद लाभ’ की पेशकश के बारे में है – हमारे खरीदारों के लिए अंतर्दृष्टि प्रदान करना जो पहले किसी समस्या या खतरे को स्थापित करते हैं और इसके प्रभाव को कम या कम करते हैं।

यह एक एसओसी लेवल 1 विश्लेषक हो सकता है जो एक समापन बिंदु के लिए अलर्ट की समीक्षा कर रहा है, एक सीआईएसओ भविष्य के खतरों को व्यवस्थित करने पर विचार कर रहा है, एक अनुभवी खतरे विश्लेषक राज्य प्रायोजित अभिनेताओं से खतरों की खोज और निगरानी कर रहा है, या एक समूह जो रणनीतिक अंतरराष्ट्रीय भू-राजनीतिक प्रवृत्तियों या शारीरिक सुरक्षा पर दिखाई देता है। खतरे, रिकॉर्डेड फ्यूचर की खुफिया मिशन में मदद करने के लिए है।

एक प्रमुख स्थान जो विकसित हुआ है, वह है हमारे खरीदारों के पास मौजूद उपकरणों और वर्कफ़्लोज़ के भीतर बुद्धिमत्ता की आवश्यकता। संदर्भ की पेशकश करने और ‘अच्छे’ विकल्प बनाने में तेजी लाने के लिए इंटेलिजेंस को एक सिएम, ईडीआर सॉफ्टवेयर, एसओएआर सॉफ्टवेयर और विभिन्न सुरक्षा नियंत्रणों में अंतर्निहित होना चाहिए।

खुफिया निर्णय लेने को जल्द से जल्द करने की अनुमति देता है; उच्च संदर्भ के साथ और बड़े पैमाने पर उद्यमों को सुरक्षा अवसरों की बढ़ती मात्रा का सामना करने की अनुमति देने के लिए जिनका वे दैनिक आधार पर सामना करते हैं।

एएन: रिकॉर्डेड फ्यूचर मानव अनुभव के साथ मशीन अध्ययन को जोड़ता है – आप आमतौर पर कैसे पाते हैं कि मानव प्रवेश महत्वपूर्ण साबित हुआ है?

जे एस: मानव प्रवेश महत्वपूर्ण है; लोग पैटर्न और अंतर्दृष्टि को देख सकते हैं कि कंप्यूटर सिस्टम किसी भी तरह से नहीं होगा।

एक कारक जिसे हम महसूस कर रहे हैं, वह यह है कि बुद्धिमत्ता अब केवल एक मानव-से-कंप्यूटर परस्पर क्रिया नहीं है, खरीदार लोगों से बात करना चाहते हैं ताकि वे मार्गदर्शन प्राप्त कर सकें।

हालाँकि सबसे बड़ा परिवर्तन कंप्यूटर से कंप्यूटर का है। एपीआई का उठाव अब वास्तविक समय के विकल्पों को बनाने की अनुमति देने के लिए खुफिया जानकारी के वास्तविक समय के आदान-प्रदान की अनुमति देता है – जितनी जल्दी आप स्थानांतरित कर सकते हैं, खतरे की एक खिड़की उतनी ही छोटी होगी।

एएन: क्या आप इसमें शामिल हैं कि अधिक से अधिक सख्त डेटा-स्क्रैपिंग कानूनी दिशानिर्देश खतरे के ज्ञान को संकलित करने के आपके प्रयासों में बाधा डाल सकते हैं?

JS: GDPR और अन्य डेटा सुरक्षा कानूनी दिशानिर्देश OSINT के वर्गीकरण के प्रकार में अनुचित रूप से बाधा नहीं डालते हैं जो हम अपने ग्राहकों की सहायता के लिए करते हैं। हमारी वर्गीकरण बीमा पॉलिसियां ​​जीडीपीआर और विभिन्न संबंधित कानूनी दिशानिर्देशों और नियमों के अनुरूप हैं।

हमारे खरीदार अपने मिशन में मदद करने के लिए हम पर निर्भर हैं; इस वजह से, अब हमें यह सुनिश्चित करना होगा कि हम ऐसा करने के लिए अधिकृत या नैतिक रेखा से आगे नहीं बढ़ रहे हैं। अधिकृत अनुपालन ख़तरनाक ख़ुफ़िया समूह के लिए चिंता का विषय है और आगे भी बढ़ सकता है।

एएन: आप कैसे सुनिश्चित करते हैं कि आपके द्वारा प्रस्तुत की गई बुद्धि पूर्वाग्रह से मुक्त है?

जे एस: पूर्वाग्रह से बचना हमेशा मशीन अध्ययन फैशन के लिए एक कठिन समस्या है, और यह एक अतिरिक्त कारण है कि दोनों आपूर्ति से संभावित पूर्वाग्रह का मुकाबला करने के लिए, प्रत्येक मानव और मशीन खुफिया होना महत्वपूर्ण है।

अब हमारे पास शुद्ध भाषा प्रसंस्करण करने के लिए उपयोग किए जाने वाले फैशन के लिए कोचिंग ज्ञान में पूर्वाग्रह की निगरानी के लिए उपकरण और प्रक्रियाएं हैं। यह हमारे खुफिया निर्माण का एक हिस्सा है; जैसे हमारी मानसिक संपत्ति।

वैकल्पिक रूप से, संघर्षों में आमतौर पर ऐसा होता है कि “एक व्यक्ति का आतंकवादी एक अन्य व्यक्ति का नायक होता है”, और स्वचालित पाठ्य सामग्री विश्लेषण आम तौर पर एक अवसर को “आतंक का कार्य” उदाहरण के लिए वर्गीकृत करेगा जब विरोधी पक्ष इससे सहमत नहीं होगा।

हमारे लिए, किसी अवसर के सभी कोणों को पकड़ना और इसे यथासंभव निष्पक्ष तरीके से आजमाना महत्वपूर्ण है। रिकॉर्डेड फ्यूचर के मूल में निष्पक्ष बुद्धि है।

एएन: क्या आपने कभी यूक्रेन और ताइवान की स्थितियों की तरह अंतरराष्ट्रीय अस्थिरताओं के बीच खतरों में वृद्धि देखी है?

जे एस: यह कहना सही है कि यूक्रेन में लड़ाई और ताइवान में स्थिति ने साइबर खतरों पर ध्यान केंद्रित किया है और सुर्खियों में है। हम कुछ अत्यधिक प्रभावी राष्ट्रों की गतिज और साइबर क्षमताओं दोनों का अवलोकन कर रहे हैं। सभी क्षेत्रों में कंपनियां विभिन्न संगठनों पर अंधाधुंध रूप से ध्यान केंद्रित करने के लिए प्रारंभिक लक्ष्यों से फैल रहे साइबर हमलों के फैलाव से संबंधित हैं (जैसा कि हमने अब ‘नॉटपेट्या’ के साथ एक ऐसे उदाहरण के रूप में देखा है)।

ये अवसर संगठनों के लिए अपने पैकेजों की कमियों और कमजोरियों के बारे में सोचने और उन्हें उस स्थान को मजबूत करने के विकल्प में बदल जाते हैं जो उन्हें चाहिए। संभावित विरोधियों और उनके कार्य करने के तरीके (टीटीपी के माध्यम से) को समझकर इसे चलाने के लिए इंटेलिजेंस एक प्रभावी तरीके में बदल जाता है।

तथ्य यह है कि ज्यादातर कंपनियों को वास्तविक रूप से चिंता करने की कोई बात नहीं है। फिर भी, जो लोग पहले से ही चर्चा किए गए कई देशों में या उसके आस-पास काम करते हैं, महत्वपूर्ण बुनियादी ढांचे का काम करते हैं, या आपकी सरकार यूक्रेनी समर्थक है, ध्यान केंद्रित करने के मामले में बेहतर तैयार होने के लिए अपनी सुरक्षा क्षमताओं को बढ़ाने के लिए जगह पर विचार करने का प्रयास करें। पर।

उत्तर: आप वर्तमान में सबसे बड़ा खतरा क्या समझते हैं?

जे एस: यह वास्तव में एक सूक्ष्म प्रश्न हो सकता है, और सही उत्तर है … यह निर्भर करता है।

यदि आप एक छोटा उद्यम हैं, तो एंटरप्राइज़ ई मेल समझौता (बीईसी) और फ़िशिंग शायद सबसे महत्वपूर्ण खतरे हैं। बड़े संगठन शायद रैंसमवेयर के हमलों से अपने संचालन को रोकने के बारे में आशंकित हैं।

यदि आप एक मिसाइल निर्माता हैं, तो आप शायद उपरोक्त सभी घटनाओं और राज्य द्वारा प्रायोजित जासूसी के बारे में भी प्रभावी रूप से आशंकित हैं।

यही कारण है कि खुफिया इतनी महत्वपूर्ण है, यह अपने ग्राहकों को बताता है कि इस महीने, तिमाही और साल में उनके विशेष व्यवसाय और क्षेत्र के लिए सबसे बड़ा खतरा क्या है। यह हर समय विकसित हो रहा है और यह महत्वपूर्ण है कि संगठन इस बात से अपडेट रहें कि ‘मेनस पैनोरमा’ वास्तव में कैसा दिखता है।

रिकॉर्डेड फ्यूचर इस साल अपनी अमूल्य अंतर्दृष्टि साझा करेगा साइबर सुरक्षा और क्लाउड एक्सपो यूरोप. आप Recorded Future के शो के बारे में विवरण प्राप्त कर सकते हैं यहां. # 183 स्टैंड पर उनकी बिक्री के स्थान से स्विंग।

टैग: , , , , , , , , ,



The Ultimate Managed Hosting Platform

Source link

Continue Reading

ताज़ा खबर

शोध से पता चलता है कि आम ऑनलाइन स्वास्थ्य विपणन प्रथाएं रोगी की गोपनीयता का उल्लंघन कैसे कर सकती हैं – आर्टिफिशियल इंटेलिजेंस में नवीनतम | एआई रोबोटिक्स

Published

on

Research reveals how common online health marketing practices may violate patient privacy

The Ultimate Managed Hosting Platform

क्रेडिट स्कोर: पिक्साबे/सीसी0 पब्लिक एरिया

संघीय अभियोजकों ने इस सप्ताह एक पूर्व क्वालकॉम विश्लेषण इंजीनियर और तीन अन्य लोगों के लिए धोखाधड़ी और मनी-लॉन्ड्रिंग खर्चों का खुलासा किया, जो कथित तौर पर सैन डिएगो फर्म को $ 150 मिलियन का भुगतान करने के लिए कथित तौर पर यह जानने के लिए कि यह पहले से ही स्वामित्व में है।

मई में अभियोग सौंप दिया, लेकिन यह निश्चित रूप से सोमवार को बंद कर दिया गया था। यह आरोप लगाता है कि सैन डिएगो के दो निवासियों के साथ चौकड़ी ने क्वालकॉम को धोखा देने के लिए एक योजना को कोरियोग्राफ किया था, जब विश्लेषण और सुधार के पूर्व उपाध्यक्ष करीम अरबी “एक नज़र के लिए डिजाइन” के माध्यम से माइक्रो-प्रोसेसर के मूल्यांकन के लिए एक जल्दी पद्धति के साथ आए थे। “कंपनी में काम करने के दौरान।

अरबी के रोजगार समझौते के वाक्यांशों के नीचे, बनाया गया था जबकि वह क्वालकॉम के पेरोल पर कंपनी के थे। अभियोग का आरोप है कि उसने और अन्य ने अपनी संलिप्तता को कवर करने के लिए विस्तृत कदम उठाए। अभियोग के जवाब में, उन्होंने एक कनाडाई स्नातक छात्र के दिमाग की उपज के रूप में आविष्कार को चित्रित किया। इसे बे स्पेस स्टार्टअप द्वारा व्यावसायीकरण किया जा रहा था।

स्नातक की छात्रा अरबी की छोटी बहन थी। वह आमतौर पर से जुड़े विषयों को सीख रही थी अभियोग के जवाब में, अर्धचालक डिजाइन नहीं। उसने कानूनी रूप से अपने शीर्षक को संशोधित किया, और जबकि वह अनंतिम पेटेंट पर आविष्कारक के रूप में सूचीबद्ध है, अभियोजकों के जवाब में, अरबी ने अपनी आईडी छिपाने के लिए नकली ई-मेल खातों का उपयोग करके दायर किया था।

अभियोग में अतिरिक्त रूप से आरोप लगाया गया है कि 56 वर्षीय अरबी, स्टार्टअप को स्थापित करने और सम्मेलनों में भाग लेने, उसका शीर्षक चुनने और उसके मुख्य सरकारी अधिकारी को चुनने में निकटता से संबंधित था। उसने कथित तौर पर फर्जी ई-मेल खाते स्थापित करने के साथ-साथ अपनी भागीदारी को कवर करने के लिए कदम उठाए।

अक्टूबर 2015 में आठ महीने पुराने स्टार्टअप के अधिग्रहण के रूप में मुख्य बातचीत के दौरान क्वालकॉम से ज्ञान छुपाया गया था। अरबी ने जून 2016 में क्वालकॉम को 9 साल तक चालू और बंद करने के बाद छोड़ दिया।

अरबी और अली अकबर शोकौही को सोमवार को सैन डिएगो में गिरफ्तार किया गया था। अभियोजकों ने उल्लेख किया कि शोकौही एक उद्यमी और विपणन सलाहकार हैं, जो स्टार्टअप को वैध बनाने में शामिल थे। वह क्वालकॉम के पूर्व कर्मचारी भी थे।

संजीव तनेजा, जिन्होंने स्टार्टअप के सीईओ और वार्ता के उद्देश्य व्यक्ति के रूप में सेवा की, को उत्तरी कैलिफोर्निया में गिरफ्तार किया गया। अरबी की बहन, शीदा एलन को कनाडा में गिरफ्तार किया गया था और अमेरिका को प्रत्यर्पण की कार्यवाही का सामना करना पड़ रहा है।

अपने कानूनी पेशेवरों से संपर्क करने के साथ-साथ अरबी और शोकोही में सफल होने के प्रयास असफल रहे थे। Shokouhi ने मंगलवार को सैन डिएगो संघीय अदालत में एक आक्षेप के दौरान जिम्मेदार नहीं होने का अनुरोध किया और $ 1 मिलियन के बांड पर लॉन्च किया गया। अरबी अज्ञात कारणों से अदालत में पेश होने के लिए बाहर नहीं थी और बुधवार को उसे पेश किया जाना था।

अगर दोषी ठहराया जाता है, तो 4 आरोपितों को सबसे अधिक 20 साल की जेल की सजा का सामना करना पड़ता है; $ 250,000 का जुर्माना या दो बार उनकी उपलब्धि के लिए .

अभियोग में यह भी आरोप लगाया गया है कि चारों ने विदेशी अचल संपत्ति की खरीद और ब्याज मुक्त ऋण जैसी योजनाओं के माध्यम से धन की निकासी की। इससे 500,000 डॉलर का जुर्माना और संपत्ति की जब्ती होगी।

एक प्रेस विज्ञप्ति में अमेरिकी वकील रैंडी ग्रॉसमैन ने कहा, “धोखेबाज परिष्कृत जानकारी या उन्नत योजनाओं के पीछे नहीं छिप सकते।” “यह कार्यस्थल अपराधियों और उनकी लॉन्ड्री, गलत तरीके से अर्जित लाभकारी संपत्तियों का पीछा करेगा, चाहे वे गद्दे में छिपे हों या दुनिया भर की मौद्रिक प्रणाली में बिखरे हुए हों।”

क्वालकॉम को विशेष रूप से अभियोग में मान्यता नहीं दी गई थी। इसे एक बहुराष्ट्रीय सैन डिएगो तकनीकी फर्म के रूप में जाना जाता था। हालांकि 2017 में, क्वालकॉम ने सैन डिएगो सुपीरियर कोर्ट रूम में अरबी, तनेजा और एलन पर मूल रूप से समान आरोप लगाते हुए मुकदमा दायर किया। 2018 के अंत में बिना किसी पूर्वाग्रह के खारिज कर दिया गया था।

“मानसिक संपत्ति की रक्षा करना नवाचार की आधारशिला है। हम इस मामले में अमेरिकी न्याय विभाग को उसके काम के लिए धन्यवाद देते हैं, ”कंपनी ने एक प्रेस विज्ञप्ति में उल्लेख किया।


सॉफ्टवेयर कंपनी के संस्थापक McAfee पर टैक्स चोरी का आरोप


2022 सैन डिएगो यूनियन-ट्रिब्यून।
ट्रिब्यून सामग्री सामग्री कंपनी, एलएलसी द्वारा वितरित।

उद्धरण:
पूर्व-क्वालकॉम विश्लेषण वीपी और तीन अन्य $150 मिलियन धोखाधड़ी योजना में आरोपित (2022, अगस्त 12)
12 अगस्त 2022 को लिया गया
https://techxplore.com/information/2022-08-ex-qualcomm-vice-million-fraud-scheme.html से

यह दस्तावेज़ कॉपीराइट का विषय है। व्यक्तिगत जांच या विश्लेषण के उद्देश्य से किसी भी सच्चे सौदे के अलावा, नहीं
आधा भी लिखित अनुमति के बिना पुन: प्रस्तुत किया जा सकता है। सामग्री सामग्री केवल डेटा कार्यों के लिए आपूर्ति की जाती है।



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Trending