لقد أثبتت العديد من الأعمال الحديثة أن تمثيل الجملة غير المدعومة بالشبكات العصبية تشفص من المعلومات النحوية من خلال مراقبة أن نماذج اللغة العصبية قادرة على التنبؤ بالاتفاقية بين الفعل وموضوعها.نأخذ نظرة حاسمة في خط البحث هذا من خلال إظهار أنه من المم
كن تحقيق دقة عالية في مهمة هذه الاتفاقية ذات الاستدلال السطحي البسيط، مما يشير إلى وجود عيب محتمل في تقييمنا القدرة الأساسية للشبكات العصبية.تظهر تحليلاتنا الدقيقة للنتائج على اتفاقية الفعل الفرنسية الطويلة المدى أنه يتعارض مع LSTMS، والمحولات قادرة على التقاط كمية غير تافهة من الهيكل النحوي.
ترجمة آلة متعددة الوسائط (MMT) تثري النص المصدر بمعلومات مرئية للترجمة.لقد اكتسبت شعبية في السنوات الأخيرة، وقد اقترح العديد من خطوط الأنابيب في نفس الاتجاه.ومع ذلك، تفتقر المهمة إلى مجموعات بيانات الجودة لتوضيح مساهمة الوسيلة البصرية في أنظمة الترجم
ة.في هذه الورقة، نقترح نظامنا تحت اسم الفريق فولتا لمهمة الترجمة متعددة الوسائط في WAT 2021 من الإنجليزية إلى الهندية.نشارك أيضا في التراكب الفرعي النصي فقط لنفس زوج اللغة التي نستخدمها MBART، وهي نموذج تسلسل متعدد اللغات مسبقا.بالنسبة للترجمة متعددة الوسائط، نقترح تعزيز المدخلات النصية من خلال إحضار المعلومات المرئية إلى مجال نصي عن طريق استخراج علامات الكائنات من الصورة.نستكشف أيضا متانة نظامنا عن طريق مهينة النص المصدر بشكل منهجي.أخيرا، نحقق درجة بلو من 44.6 و 51.6 في مجموعة الاختبار ومجموعة التحدي بمهمة متعددة الوسائط.
يعد التزام المؤمن له بالإعلان عن بيانات الخطر المؤمن منه أهم الالتزامات
المترتبة على عقد التأمين. فعلى أساس هذا الإعلان يتمكن المؤمن من تحديد جميع
شروط التعاقد.
تم في هذا البحث تحديد مفهوم البروز البصري من الناحية البيولوجية و آلية توصيفه
في مجال علوم الحاسب باستخدام مفهوم خرائط البروز و طريقة استثمار هذه
الخرائط لاكتشاف الأغراض البارزة ضمن الصور الرقمية، كما تم إجراء مجموعة
من التجارب باستخدام بعض من خوا
رزميات توليد الخرائط و تحديد جودتها و دقتها
باستخدام معايير محددة و واضحة.
تدمج Jgroup نموذج مجموعة الغرضObject Group مع نموذج الغرض الموزع من Java RMI, مزوّدة منصّة عمل (platform) ملائمة لتطوير تطبيقات موزعة موثوقة قابلة للتجزئة, فهي تعتمد تقنية واحدة (RMI) في جميع تفاعلاتها؛ سواء الداخلية لتحقيق التنسيق بين أغراض مجموعة ا
لمخدم أو الخارجية اللازمة لاتصال الزبون مع مجموعة الغرض. نظراً لديناميكة الشبكة؛ الناتجة عن انضمام مخدمات جديدة إلى مجموعة الغرض و مغادرة مخدمات أخرى أو الناتجة عن حدوث حالات تجزئة بسبب انقطاع في شبكة الاتصال بين المخدمات, فإن خدمة عضوية المجموعة القابلة للتجزئة في Jgroup تتبّع مسار هذه التغيّرات لتزوّد كل مخدّم بتقرير يسمى منظاراً (view) يحوي قائمة بالأعضاء الحاليين القابلة للاتصال و التنسيق فيما بينها. تتميز هذه الخدمة في Jgroup بأنها تحافظ على استمرارية توفّر الخدمة الموزّعة في جميع أجزاء الشبكة؛ بدلاً من محدوديتها في جزء واحد فقط. عندما يتم دمج الأجزاء بعد غياب التجزئة في شبكة الاتصال, تبني خدمة دمج الحالة من Jgroup حالة عامة متناسقة لتصلح أي انحراف ناتج عن تحديثات متناقضة في الأجزاء المختلفة.
يجب على خدمة العضوية أن تضمن تحميل منظار فقط بعد التوصّل إلى توافق على تركيبه بين جميع المخدمات الموجودة ضمن المنظار (خاصية التوافق على المنظار). لهذه الغاية؛ يتم تبادل رسائل تخمين عن المنظار المتوقع بين جميع المخدمات؛ مما يسبّب حمولة زائدة (overhead) عبر الشبكة.
تحسّن هذه المقالة أداء خوارزمية العضوية المسؤولة عن تحقيق خاصية التوافق على المنظار, من خلال السماح لأول مخدم فقط يكتشف حالة التغيّر في العضوية بإرسال تخمينه, بدلاً من قيام جميع المخدمات بذلك.
تبيّن نتائج تقييم الأداء أن الخوارزمية المحسنة تخفّض عدد التخمينات المرسلة, و تزداد نسبة التخفيض مع تزايد عدد المخدمات المتواجدة ضمن المنظار, و تستغرق الخوارزمية المحسنة بشكل تقريبي الفترة الزمنية نفسها التي تتطلّبها الخوارزمية السابقة للوصول إلى التوافق.
قدمنا في هذا البحث دراسة مفصلة لطرق التنقيب في البيانات النصية
و الإمكانيات المتوفرة في لغة الاستعلام الإجرائية PL/SQL التي تتعامل مع قواعد بيانات
أوراكل الغرضية للقيام بذلك. و من ثم قمنا ببناء نموذج تنقيب يعمل على تصنيف وثائق
النصوص العربية باست
خدام خوارزمية SVM لفهرستها و من ثم تحويلها إلى جداول بيانات
مدخلة في جداول الحالة لتصنيفها باستخدام خوارزمية Naïve Bayes و قدمنا
الاستنتاجات و التوصيات بعد تقييم النتائج التي حصلنا عليها.
يعرض هذا البحث طريقة دمج قاعدة بيانات مع Jgroup بالاعتماد على Hibernate
التي تمثّل إحدى أدوات مقابلة الغرض العلائقية. كما يقارن بين أداء Jgroup المدمجة
مع Hibernate و أداء RMI المدمجة مع Hibernate تظهر النتائج تفوق أداء
Jgroup/Hibernate على أداء RMI/Hibernate مع تزايد عدد الزبائن.
يتطلّب الاعتماد المتزايد على الأنظمة الشبكية في النشاطات اليومية تزويدها لخدمات متوفّرة و موثوقة. تزوّد Jgroup خدمة متوفّرة من خلال إنشائها نسخ (Replicas) متعددة من الخدمة نفسها و توزيعها على أجهزة متعددة, بينما تحقّق الموثوقية من خلال سماحها لنسخ ال
خدمة بالحفاظ على الحالة المشتركة فيما بينها و تنسيق نشاطاتها باستخدام تقنية استدعاء الطريقة البعيدة (Remote Method Invocation). خلافاً لـJgroup, تستخدم JavaGroups تقنية تمرير الرسائل (Message Passing) لتحقيق التنسيق بين النسخ.
تقارن هذه المقالة بين أداءي استدعاء طريقة المجموعة في Jgroup بنوعيه الوحيد (anycast) و المتعدّد (multicast) و استدعاء الطريقة في JavaGroups بنوعيه طريقة الحصول على أول إجابة (GET_FIRST) و طريقة الحصول على جميع الإجابات (GET_ALL). تحسّن هذه المقالة أيضاً من أداء منصّة العمل ARM (Autonomous Replication Management) المدمجة مع (Jgroup (Jgroup/ARM لزيادة دعمها مع التسامح مع الخطأ؛ من خلال إيجاد حل أفضل لمعالجة مشكلة تعطّل كامل أعضاء نسخ الخدمة في تعاقب سريع.
تتميز الآلية الجديدة بقيام نسخة واحدة فقط (النسخة القائدة) بإرسال حدث التجديد بدلاً من قيام كل نسخ الخدمة بإرسال هذا الحدث؛ مع محافظتها على الزمن اللازم لاكتشاف حالة التعطّل من قبل مدير النسخ (Replication Manager).
تُظهر نتائج المقارنة بين Jgroup و JavaGroups تفوّق الثانية عند وجود نسخة خدمة واحدة, بينما يتفوّق أداء الاستدعاء في Jgroup على JavaGroups مع تزايد عدد نسخ الخدمة. تظهر النتائج أيضاً تزايد ملحوظ في زمن الاستدعاء في JavaGroups مع تزايد حجم المصفوفة الممررة إلى الطريقة المستدعاة. الأمر الذي يجعل JavaGroups غير مناسبة للتطبيقات التي تتطلب نقلاً لحجوم كبيرة من البيانات و عدداً كبيراً من المخدمات, بينما تعتبر Jgroup مناسبة لذلك.
تبين نتائج تقييم أداء الحل المقترح بأنّه يخفّض عدد أحداث التجديد المرسلة مقارنةً مع حل ميلينغ تصل في حدّها الأعظمي إلى 37.5%, و تستغرق Jgroup/ARM الفترة الزمنية نفسها التي يتطلّبها الحل السابق لاكتشاف تعطّل المجموعة بكاملها.
