मन-हरूलाई जनाउन लागि लोगहरूको सहयोग चाहिन्छ। यो "मशीन लर्निङ" हो। मशीन लर्निङ एउटा शब्द हो जसले मनहरूलाई डाटाबाट सिकाउन गर्दछ, यसलाई विशेष रूपमा कोडिङ गर्ने बिना मॉडलहरूमा तर्क गर्नका रूपमा। यो एउटा बच्चाले सिक्दैछ तरिकासँग एकांशमा एकरूप हो — अवलोकन र अभ्यासद्वारा, केवल उपदेश दिएर सिक्दैन। शुद्धता मशीन लर्निङले जस्तै एउटा बाटो छ। यो मनले केही भविष्यवाणी गर्दा कति शुद्ध छ भन्ने उत्तर दिन्छ। शुद्धता बढ्दो, यसैगरि यी भविष्यवाणीहरू मजबूत हुन्छन्।
डाइनेमिक टाइम वर्पिंग, समय श्रृंखला डाटालाई मिलाउने एक पद्धति हो। तपाईंलाई दुई झटकिलो रेखाहरू छ भनेर सोच्नुहोस् र तीहरूबीचको तुलना गर्न चाहानुहुन्छ। डाइनेमिक टाइम वर्पिंग एक झटकिलो रेखाको आकारलाई अर्को झटकिलो रेखासँग सजिलै तुलना गर्न सकिन्छ। यी रेखाहरूलाई मिलाउनु भनेको कम्प्युटरले हाम्रो डाटाबाट सिक्न थप राम्रो हुन्छ जब हामी यस रेखा प्रायोगिक गर्न चाहान्छौ।
डायनामिक टाइम वॉर्पिंग कैसे काम गर्दछ भन्ने समझ्न सक्ने एक उदाहरण हो। तपाईंले प्रत्येक दिन तपाईंहरूको डुकानमा ट्रॅफिक कसरी हुनेछ भनेर अनुमान लगाउन चाहनुहुन्छ। पछिल्लो वर्षको डुकान भेट्ने भिड़। तर हरेक दिन यस्तै हुँदैन। विभिन्न दिनहरूमा भिड़ भिन्न छ, केही दिनहरू मजबूत र शानदार हुन् जबकि बाकी केही दिनहरू बर्षात छन् जब केही मात्र आध्यात्मिक आत्माहरू आउनुहुन्छ। जब डाटा बदलिन्छ, भविष्यको भेटहरू पूर्वानुमान गर्न मुश्किल हुन्छ।
समय श्रृंखला डाटा को लागि विशेष छैन, तर फेरि। यो विभिन्न प्रकारका डाटासँग काम गर्न सक्ने अनुमति दिन्छ जसले योलाई एक बहुमुखी उपकरण बनाउँछ। दो डीएनए क्रमांकहरू तुलना गर्न विचार गर्नुहोस्, जुन जीवनको नीलाम प्रिन्ट हो। डायनामिक टाइम वॉर्पिंग क्रमांकहरूलाई तुलना गर्न सक्न भनेर भागहरूलाई समायोजित वा थोडै फर्क लागाउँछ। यस प्रकार, वैज्ञानिकहरूले क्रमांकहरूबीच सम्बन्धित वा भिन्नताको मात्रा सितिन सक्ने छन् र जीवविज्ञान र चिकित्सामा सम्बन्धित महत्वपूर्ण पहिलो पहिलो खोज्न सक्ने छन्।
वाक्य पहिचान अरु एकै छ। कम्प्युटरले कसैले बोल्न सुन्दा, त्यो वाक्य पहिचान्नु पर्दछ जसले त्यसको डेटाबेसमा रहेका शब्दहरू वा वाक्यांशहरूभित्र छ। तर, सबै व्यक्ति समान रीतिमा एउटा शब्द उच्चारण गर्दैनन् वा पार्खन्दा ध्वनिहरू भएको भएकोमा त्यो सुन्न सजिलै हुँदैन। यस दृष्टिकोणमा, डाइनामिक टाइम वार्पिङ्ग वाक्य डेटालाई एकसाथ रेखाङ्कन गर्दछ जसले कम्प्युटरले त्यसको प्रतिलिपि र जस्तो भएको बीचमा त्रुटि दर सजिलै पाउन सक्छ। यसले व्याक् सहायकहरू र अन्य वाक्य पहिचान प्रौद्योगिकीहरूको प्रदर्शन मजबूत बनाउन सक्छ।
डायनेमिक टाइम वर्पिङको उपयोग भविष्य के बारेमा हाम्रो धारणालाई परिवर्तन गर्दै जसले अनुमानहरूको संदर्भमा छ। अनुमान सबैभन्दा भविष्यमा के हुनेछ भनेर अनुमान लगाउनको बारेमा छ; यस सन्दर्भमा, तपाईं घटनाहरूको फिटफुल अनुमान लगाउन dataodiलाई उपयोग गर्नुहुन्छ। यसले ठीक निर्णय गर्नमा मदत पुर्याउन सक्छ। उदाहरणको लागि, यदि तपाईं एउटा अस्पताल चलाउँछ (जसले खूब शानदार हुनेछ), तपाईंलाई आइन्छ भनेर अगाडि को महिनामा कति रोगीहरू आउनेछ भनेर अनुमान लगाउन आवश्यक पर्न सक्छ ताकि ठीक समयमा wet-toilet-tissue-आकारको सामग्री पुग्छ। यदि तपाईं धेरै बुझाउनु भए, तब निस्सन्देह त्यो अवशेष हुनेछ। Ruaले यसको बारेमा समझाउँछ कि यो भन्दा खतर्नाक छ: यदि तपाईं छोड्नु भए, तब केही बिक्छन्। डायनेमिक टाइम वर्पिङ तपाईंलाई अतीतका डाटा बिन्दुहरू आधारमा भविष्यको संख्याहरू परिकलन गर्न सक्दो र संसाधनहरूको बढी मान्यवत व्यवस्थापन गर्न सक्दो।
DTW केवल मशीन लर्निङको टूलबॉक्समा एक हेर्दैन। पहिलो बिन्दु स्पष्ट छ, तर समय श्रृंखला डाटाको मामिलामा यो अति महत्वपूर्ण छ। डाइनामिक टाइम वार्पिङ मन-टोको अधिक भविष्यवाणी गर्न मद्दत गर्दछ, डाटालाई यसैरी सजिलो रूपमा जोड्दछ। यो आरोग्य सेवाहरूबाट खुद्रक व्यापारसम्म विभिन्न क्षेत्रहरूमा अनुवाद गर्न सक्दछ र निर्णयहरूमा सुधार गर्दछ।
EN
AR
DA
NL
FI
FR
DE
HI
IT
JA
KO
NO
PL
PT
RO
RU
ES
SV
TL
ID
SR
UK
VI
HU
TH
TR
FA
AF
MS
GA
HY
BN
KM
LO
LA
NE
MY
KK
UZ
KY
