(Statistical Machine Translation: SMT[1]) [2]
|
|
|
- Αλέξιος Ρέντης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e) 2 1. (Statistical Machine Translation: SMT[1]) [2] [3] [4][5][6] 2 1 (a) 3 approach 1 Nara Institute of Science and Technology a) miura.akiba.lr9@is.naist.jp b) neubig@is.naist.jp c) ssakti@is.naist.jp d) tomoki@is.naist.jp e) s-nakamura@is.naist.jp 1 (a) ( - - ) (b) (c) 1(b) 1(c) c 2015 Information Processing Society of Japan 1
2 (Synchronous Context-free Grammar: SCFG[7]) (Multi-Synchronous CFG: MSCFG[8]) MSCFG SCFG SCFG MSCFG Europarl (Hierarchical Phrase-Based Translation: Hiero[7]) SCFG SCFG X s, t (1) X s t s t X X 0 of X 1,X 1 X 0 (2) Chiang SCFG SCFG φ(s t), φ(t s) φ lex (s t), φ lex (t s) (t ) ( 1) 6 CKY+ [9] [7] 2.2 MSCFG[8] SCFG SCFG t MSCFG N X s, t 1,..., t N (3) MSCFG SCFG MSCFG SCFG Neubig MSCFG 2 SCFG MSCFG 3. SMT 3 (Cascade): [3] (Synthetic): [3] (Triangulation): [4] [5] c 2015 Information Processing Society of Japan 2
3 3.1 Cohn [4] ( ) T SP, T PT T SP, T PT s, p, p, t p X s, t (4) φ( ) φ lex ( ) T ST φ ( t s ) = φ ( t p ) φ (p s) (5) φ ( s t ) = φ (s p) φ ( p t ) (6) ( ) ( ) φ lex t s = φ lex t p φlex (p s) (7) ( ) φ lex s t = (8) φ lex (s p) φ lex ( p t ) (5)-(8) φ ( t p, s ) = φ ( t p ) (9) φ ( s p, t ) = φ (s p) (10) 3.2 p SCFG MSCFG X s, t, p (11) (5)-(8) φ(t, p s), φ(s p, t) φ ( t, p s ) = φ ( t p ) φ (p s) (12) φ ( s p, t ) = φ (s p) (13) φ(p s) φ(s p) φ lex (p s) φ lex (s p) T SP 10 t p MSCFG s, t s, t, p Neubig T 1 T 2 T 1 - [8] s T 1 φ(t 1 s) L t 1 t 1 φ(t 1, t 2 s) t Europarl [10] (en) (de), (es), (fr), (it) 4 5 Gale-Church [11] 90 1, Travatar [12] Hiero SCFG BLEU [13] MERT[14] BLEU MSCFG L = 20 T 1 MSCFG 6 c 2015 Information Processing Society of Japan 3
4 BLEU Score [%] Source Target Tri. SCFG Tri. MSCFG Tri. MSCFG Tri. MSCFG Direct Cascade (baseline) -PivotLM +PivotLM 100k +PivotLM 2M es de fr it de es fr it de fr es it de it es fr BLEU ( : p<0.05, : p<0.01) Direct: SCFG Cascade: SCFG Tri. SCFG: SCFG SCFG Tri. MSCFG: SCFG MSCFG -Pivot +PivotLM 100k/2M BLEU BLEU BLEU Score [%] Direct Tri. SCFG Tri. MSCFG x x10 6 2x10 6 Pivot-LM Size [sent.] 2 ( - ) MSCFG SCFG 2 c 2015 Information Processing Society of Japan 4
5 ( ): ich bedaure, daß es keine gemeinsame annäherung gegeben hat. ( ): sono spiacente del mancato approccio comune. Tri. SCFG: mi rammarico per il fatto che non si ravvicinamento comune. (BLEU+1: 13.84) Tri. MSCFG+PivotLM 2M: mi dispiace che non esiste un approccio comune. (BLEU+1: 25.10) i regret that there is no common approach. (Generated English Sentence) Tri. MSCFG+PivotLM 2M MSCFG approccio approach 5. 2 SCFG 1 MSCFG MSCFG Microsoft CORE [6] Xiaoning Zhu, Zhongjun He, Hua Wu, Conghui Zhu, Haifeng Wang, and Tiejun Zhao. Improving Pivot-Based Statistical Machine Translation by Pivoting the Cooccurrence Count of Phrase Pairs. In Proc. EMNLP, [7] David Chiang. Hierarchical phrase-based translation. Computational Linguistics, Vol. 33, No. 2, pp , [8] Graham Neubig, Philip Arthur, and Kevin Duh. Multi- Target Machine Translation with Multi-Synchronous Context-free Grammars. In Proc. NAACL, [9] Jean-Cédric Chappelier, Martin Rajman, et al. A Generalized CYK Algorithm for Parsing Stochastic CFG. TAPD, Vol. 98, No , p. 5, [10] Philipp Koehn. Europarl: A parallel corpus for statistical machine translation. In MT summit, Vol. 5, pp , [11] William A Gale and Kenneth W Church. A program for aligning sentences in bilingual corpora. Computational linguistics, Vol. 19, No. 1, pp , [12] Graham Neubig. Travatar: A Forest-to-String Machine Translation Engine based on Tree Transducers. In Proc. ACL Demo Track, pp , [13] Kishore Papineni, Salim Roukos, Todd Ward, and Wei- Jing Zhu. BLEU: a method for automatic evaluation of machine translation. In Proc. ACL, pp , [14] Franz Josef Och. Minimum Error Rate Training in Statistical Machine Translation. In Proc. ACL, pp , [1] Peter F. Brown, Vincent J.Della Pietra, Stephen A. Della Pietra, and Robert L. Mercer. The Mathematics of Statistical Machine Translation: Parameter Estimation. Computational Linguistics, Vol. 19, pp , [2] Christopher Dyer, Aaron Cordova, Alex Mont, and Jimmy Lin. Fast, easy, and cheap: construction of statistical machine translation models with MapReduce. In Proc. WMT, pp , [3] Adrià de Gispert and José B. Mariño. Catalan-English Statistical Machine Translation without Parallel Corpus: Bridging through Spanish. In Proc. of LREC 5th Workshop on Strategies for developing machine translation for minority languages, [4] Trevor Cohn and Mirella Lapata. Machine Translation by Triangulation: Making Effective Use of Multi-Parallel Corpora. In Proc. ACL, pp , June [5] Masao Utiyama and Hitoshi Isahara. A Comparison of Pivot Methods for Phrase-Based Statistical Machine Translation. In Proc. NAACL, pp , c 2015 Information Processing Society of Japan 5
(Statistical Machine Translation: SMT [1])
![(Statistical Machine Translation: SMT [1])](/thumbs/71/65378250.jpg "(Statistical Machine Translation: SMT [1])")
1,a) Graham Neubig 1,b) Michael Paul 2,c) 1,d) n-gram 1. (Statistical Machine Translation: SMT [1]) (Active Learning) [2][3][4][5][6][7] [2] 1 Nara Institute of Science and Technology 2 ATR-Trek a) miura.akiba.lr9@is.naist.jp
1 n-gram n-gram n-gram [11], [15] n-best [16] n-gram. n-gram. 1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e)
![1 n-gram n-gram n-gram [11], [15] n-best [16] n-gram. n-gram. 1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e)](/thumbs/39/20145714.jpg "1 n-gram n-gram n-gram [11], [15] n-best [16] n-gram. n-gram. 1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e)")
1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e) 1. [11], [15] 1 Nara Institute of Science and Technology a) akabe.koichi.zx8@is.naist.jp b) neubig@is.naist.jp c) ssakti@is.naist.jp d) tomoki@is.naist.jp
1530 ( ) 2014,54(12),, E (, 1, X ) [4],,, α, T α, β,, T β, c, P(T β 1 T α,α, β,c) 1 1,,X X F, X E F X E X F X F E X E 1 [1-2] , 2 : X X 1 X 2 ;
![1530 ( ) 2014,54(12),, E (, 1, X ) [4],,, α, T α, β,, T β, c, P(T β 1 T α,α, β,c) 1 1,,X X F, X E F X E X F X F E X E 1 [1-2] , 2 : X X 1 X 2 ;](/thumbs/91/107463875.jpg "1530 ( ) 2014,54(12),, E (, 1, X ) [4],,, α, T α, β,, T β, c, P(T β 1 T α,α, β,c) 1 1,,X X F, X E F X E X F X F E X E 1 [1-2] , 2 : X X 1 X 2 ;")
ISSN1000-0054 CN11-2223/N ( ) 2014 54 12 JTsinghuaUniv(Sci& Technol), 2014,Vol.54, No.12 4/20 1529-1533,, (,, (), 100084) [1-2] :,,,,,,,, :, 0.3~ [3] 0.8BLEU,, : ; ; [4], ; :TP391.2 :A, :1000-0054(2014)12-1529-05,
(String-to-Tree ) KJ [11] best 1-best 2. SMT 2. [9] Brockett [2] Mizumoto [10] Brockett [2] [10] [15] ê = argmax e P(e f ) = argmax e M m=1 λ
![(String-to-Tree ) KJ [11] best 1-best 2. SMT 2. [9] Brockett [2] Mizumoto [10] Brockett [2] [10] [15] ê = argmax e P(e f ) = argmax e M m=1 λ](/thumbs/89/97909699.jpg "(String-to-Tree ) KJ [11] best 1-best 2. SMT 2. [9] Brockett [2] Mizumoto [10] Brockett [2] [10] [15] ê = argmax e P(e f ) = argmax e M m=1 λ")
1,a) 1,b) 2 2 Shared Task 4 n-best 1-best 1. Web SNS Lang-8 *1 GIN- GER *2 2 HOO 2011 2012 [7], [8] CoNLL Shared Task 2013 [14] 2014 CoNLL Shared Task 1 Rozovskaya and Roth [16] Tajiri [19] Rozovskaya
[15], [16], [17] [6] [2] [5] Jiang [6] 2.1 [6], [10] Score(x, y) y ( 1) ( 1 ) b e ( 1 ) b e. O(n 2 ) 2.3. 2.2 Jiang [6] (word lattice reranking)
![[15], [16], [17] [6] [2] [5] Jiang [6] 2.1 [6], [10] Score(x, y) y ( 1) ( 1 ) b e ( 1 ) b e. O(n 2 ) 2.3. 2.2 Jiang [6] (word lattice reranking)](/thumbs/39/20145561.jpg "[15], [16], [17] [6] [2] [5] Jiang [6] 2.1 [6], [10] Score(x, y) y ( 1) ( 1 ) b e ( 1 ) b e. O(n 2 ) 2.3. 2.2 Jiang [6] (word lattice reranking)")
1,a) 1 2 10 1. [6] [1], [6], [8], [10], [11] 2 n n+1 C 2 O(n 2 ) 1 153-8505 4-6-1 a) kaji@tkl.iis.u-tokyo.ac.jp [10] [19], [23] [6] [6] (3 ) 10 (1) (2) 3 c 2012 Information Processing Society of Japan
,.,,., [1], [3], [4], [5] [6]. [2]. ,,, Tree-to-String. 1,f) input 1 (Python) : if x % 5 == 0: output 2 (Comment): # y x 5
![,.,,., [1], [3], [4], [5] [6]. [2]. ,,, Tree-to-String. 1,f) input 1 (Python) : if x % 5 == 0: output 2 (Comment): # y x 5](/thumbs/85/92790116.jpg ",.,,., [1], [3], [4], [5] [6]. [2]. ,,, Tree-to-String. 1,f) input 1 (Python) : if x % 5 == 0: output 2 (Comment): # y x 5")
1,a) 2,b) 1,c) 1,d) 1,) 1,f) Tr-to-String 1.,.,,., [1], [2].,,,, 1.,,,. 1, 1, 1 Nara Institut of Scinc and Tchnology 2 Shinshu Univrsity a) oda.yusuk.on9@is.naist.jp b) dlihiros@gmail.com c) nubig@is.naist.jp
An Analysis of Problems in Grammatical Error Correction of ESL Writings Using a Large Learner Corpus of English
1,a) 1,b) 1,c) 2,d) 1,e) An Analysis of Problems in Grammatical Error Correction of ESL Writings Using a Large Learner Corpus of English Abstract: English as a Second Language (ESL) learners writings contain
Η Αυτοματοποιημένη και μη-αυτοματοποιημένη αξιολόγηση συστήματος Στατιστικής Μηχανικής Μετάφρασης για το γλωσσικό ζεύγος Ελληνικά - Ιταλικά
111 Η Αυτοματοποιημένη και μη-αυτοματοποιημένη αξιολόγηση συστήματος Στατιστικής Μηχανικής Μετάφρασης για το γλωσσικό ζεύγος Ελληνικά - Ιταλικά Πολυξένη Κανελλιάδου* Κωνσταντίνος Χατζηθεοδώρου** Machine
Faruqui [7] WordNet [15] FrameNet [2] PPDB [8]
![Faruqui [7] WordNet [15] FrameNet [2] PPDB [8]](/thumbs/81/84029477.jpg "Faruqui [7] WordNet [15] FrameNet [2] PPDB [8]")
1,a) 1,b) 1,c) 2,d) 2,e) word2vec WordNet fine-tuning fine-tuning 1. [10] Faruqui [7] WordNet[15] fine-tuning Retrofitting Retrofitting WordNet[11] 1 2 a) taguchi-y2@asahi.com b) tamori-h@asahi.com c)
A hybrid approach to compiling bilingual dictionaries of medical terms from parallel corpora
A hybrid approach to compiling bilingual dictionaries of medical terms from parallel corpora Georgios Kontonatsios georgios.kontonatsios@cs.man.ac.uk 14 th October 2014 14/10/2014 1 Overview Background
Buried Markov Model Pairwise
Buried Markov Model 1 2 2 HMM Buried Markov Model J. Bilmes Buried Markov Model Pairwise 0.6 0.6 1.3 Structuring Model for Speech Recognition using Buried Markov Model Takayuki Yamamoto, 1 Tetsuya Takiguchi
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ. Διπλωματική Εργασία Μεταπτυχιακού Διπλώματος Ειδίκευσης
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Διπλωματική Εργασία Μεταπτυχιακού Διπλώματος Ειδίκευσης «Γλωσσικά μοντέλα μορφολογικά περίπλοκων γλωσσών» Δημήτρης
The State of the Art and Difficulties in Automatic Chinese Word Segmentation
138 Vol. 17 No. 1 JOURNAL OF SYSTEM SIMULATION 1 2 1, ( 1 100080 2 100039) 1004-731X (2005) 01-0138-06 TP391 A The State of the Art and Difficulties in Automatic Chinese Word Segmentation ZHANG Chun-xia
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Πτυχιακή Εργασία Στατιστική μηχανική μετάφραση από τα Αρχαία Ελληνικά στα Αγγλικά Βασίλειος Καλογηράς Επιβλέπων: Ίων Ανδρουτσόπουλος Βοηθός επιβλέπων:
IPSJ SIG Technical Report Vol.2014-CE-127 No /12/6 CS Activity 1,a) CS Computer Science Activity Activity Actvity Activity Dining Eight-He
CS Activity 1,a) 2 2 3 CS Computer Science Activity Activity Actvity Activity Dining Eight-Headed Dragon CS Unplugged Activity for Learning Scheduling Methods Hisao Fukuoka 1,a) Toru Watanabe 2 Makoto
3: A convolution-pooling layer in PS-CNN 1: Partially Shared Deep Neural Network 2.2 Partially Shared Convolutional Neural Network 2: A hidden layer o
Sound Source Identification based on Deep Learning with Partially-Shared Architecture 1 2 1 1,3 Takayuki MORITO 1, Osamu SUGIYAMA 2, Ryosuke KOJIMA 1, Kazuhiro NAKADAI 1,3 1 2 ( ) 3 Tokyo Institute of
1,a) 1,b) 2 3 Sakriani Sakti 1 Graham Neubig 1 1. A Study on HMM-Based Speech Synthesis Using Rich Context Models
HMM 1,a 1,b 3 Sakriani Sakti 1 Graham Neubig 1 1 Hidden Markov Model HMM HMM HMM HMM HMM A Study on HMM-Based Speech Synthesis Using Rich Context Models Shinnosuke Takamichi 1,a Toda Tomoki 1,b Shiga Yoshinori
GPGPU. Grover. On Large Scale Simulation of Grover s Algorithm by Using GPGPU
GPGPU Grover 1, 2 1 3 4 Grover Grover OpenMP GPGPU Grover qubit OpenMP GPGPU, 1.47 qubit On Large Scale Simulation of Grover s Algorithm by Using GPGPU Hiroshi Shibata, 1, 2 Tomoya Suzuki, 1 Seiya Okubo
Re-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]
![Re-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]](/thumbs/78/77313882.jpg "Re-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]")
Re-Pair 1 1 Re-Pair Re-Pair Re-Pair Re-Pair 1. Larsson Moffat [1] Re-Pair Re-Pair (Re-Pair) ( ) (highly repetitive text) [2] Re-Pair [7] Re-Pair Re-Pair n O(n) O(n) 1 Hokkaido University, Graduate School
Stabilization of stock price prediction by cross entropy optimization
,,,,,,,, Stabilization of stock prediction by cross entropy optimization Kazuki Miura, Hideitsu Hino and Noboru Murata Prediction of series data is a long standing important problem Especially, prediction
DEIM Forum 2018 F3-5 657 8501 1-1 657 8501 1-1 E-mail: yuta@cs25.scitec.kobe-u.ac.jp, eguchi@port.kobe-u.ac.jp, ( ) ( )..,,,.,.,.,,..,.,,, 2..., 1.,., (Autoencoder: AE) [1] (Generative Stochastic Networks:
[4] 1.2 [5] Bayesian Approach min-max min-max [6] UCB(Upper Confidence Bound ) UCT [7] [1] ( ) Amazons[8] Lines of Action(LOA)[4] Winands [4] 1
![[4] 1.2 [5] Bayesian Approach min-max min-max [6] UCB(Upper Confidence Bound ) UCT [7] [1] ( ) Amazons[8] Lines of Action(LOA)[4] Winands [4] 1](/thumbs/93/113995345.jpg "[4] 1.2 [5] Bayesian Approach min-max min-max [6] UCB(Upper Confidence Bound ) UCT [7] [1] ( ) Amazons[8] Lines of Action(LOA)[4] Winands [4] 1")
1,a) Bayesian Approach An Application of Monte-Carlo Tree Search Algorithm for Shogi Player Based on Bayesian Approach Daisaku Yokoyama 1,a) Abstract: Monte-Carlo Tree Search (MCTS) algorithm is quite
Quick algorithm f or computing core attribute
24 5 Vol. 24 No. 5 Cont rol an d Decision 2009 5 May 2009 : 100120920 (2009) 0520738205 1a, 2, 1b (1. a., b., 239012 ; 2., 230039) :,,.,.,. : ; ; ; : TP181 : A Quick algorithm f or computing core attribute
No. 7 Modular Machine Tool & Automatic Manufacturing Technique. Jul TH166 TG659 A
7 2016 7 No. 7 Modular Machine Tool & Automatic Manufacturing Technique Jul. 2016 1001-2265 2016 07-0122 - 05 DOI 10. 13462 /j. cnki. mmtamt. 2016. 07. 035 * 100124 TH166 TG659 A Precision Modeling and
An Automatic Modulation Classifier using a Frequency Discriminator for Intelligent Software Defined Radio
C IEEJ Transactions on Electronics, Information and Systems Vol.133 No.5 pp.910 915 DOI: 10.1541/ieejeiss.133.910 a) An Automatic Modulation Classifier using a Frequency Discriminator for Intelligent Software
SocialDict. A reading support tool with prediction capability and its extension to readability measurement
SocialDict 1 2 2 2 Web SocialDict A reading support tool with prediction capability and its extension to readability measurement Yo Ehara, 1 Takashi Ninomiya, 2 Nobuyuki Shimizu 2 and Hiroshi Nakagawa
S.Piperidis, S. Boutsis, J. Demiros
ΑΥΤΟΜΑΤΗ ΚΑΤΑΣΚΕΥΗ ΔΙΓΛΩΣΣΩΝ ΛΕΞΙΚΩΝ Σ. Πιπερίδης, Σ. Μπούτσης, I. Δεμοίρος Περίληψη Το άρθρο aυτό περιγράφει μία μέθοδο για την αυτόματη κατασκευή δίγλωσσων λεξικών από παράλληλα δίγλωσσα κclμενα με στατιστικές
ΠΟΛΥΤΙΜΟ. Ερευνητικό έργο. της Ε. Γαλιώτου*
7 Ερευνητικό έργο ΠΟΛΥΤΙΜΟ «της Ε. Γαλιώτου* Σύστημα Επεξεργασίας, Δ ιαχείρισης και Παροχής Πρόσβασης στο Π εριεχόμενο Πολύτιμων Βιβλίων και Χειρογράφων της Ιεράς Μονής Ε υαγγελισμού της Θεοτόκου Σκιάθου.
MIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)
![MIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)](/thumbs/93/113459486.jpg "MIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)")
1,a) 1,b) 1,c) 1. MIDI [1], [2] U/D/S 3 [3], [4] 1 [5] Song [6] 1 Sony, Minato, Tokyo 108 0075, Japan a) Emiru.Tsunoo@jp.sony.com b) AkiraB.Inoue@jp.sony.com c) Masayuki.Nishiguchi@jp.sony.com MIDI [7]
[5] F 16.1% MFCC NMF D-CASE 17 [5] NMF NMF 3. [5] 1 NMF Deep Neural Network(DNN) FUSION 3.1 NMF NMF [12] S W H 1 Fig. 1 Our aoustic event detect
![[5] F 16.1% MFCC NMF D-CASE 17 [5] NMF NMF 3. [5] 1 NMF Deep Neural Network(DNN) FUSION 3.1 NMF NMF [12] S W H 1 Fig. 1 Our aoustic event detect](/thumbs/71/65454570.jpg "[5] F 16.1% MFCC NMF D-CASE 17 [5] NMF NMF 3. [5] 1 NMF Deep Neural Network(DNN) FUSION 3.1 NMF NMF [12] S W H 1 Fig. 1 Our aoustic event detect")
NMF 1 1,a) 1 AED NMF DNN IEEE D-CASE 2012 20% DNN NMF 1. Computational Auditory Scene Analysis: CASA [1] [2] [3] [4] [5] Non-negative Matrxi Factorization (NMF) NMF 2. CASA IEEE 1 Dept. Computer Science
Vol. 31,No JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb
Ξ 31 Vol 31,No 1 2 0 0 1 2 JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb 2 0 0 1 :025322778 (2001) 0120016205 (, 230026) : Q ( m 1, m 2,, m n ) k = m 1 + m 2 + + m n - n : Q ( m 1, m 2,, m
Applying Markov Decision Processes to Role-playing Game
1,a) 1 1 1 1 2011 8 25, 2012 3 2 MDPRPG RPG MDP RPG MDP RPG MDP RPG MDP RPG Applying Markov Decision Processes to Role-playing Game Yasunari Maeda 1,a) Fumitaro Goto 1 Hiroshi Masui 1 Fumito Masui 1 Masakiyo
Web-based supplementary materials for Bayesian Quantile Regression for Ordinal Longitudinal Data
Web-based supplementary materials for Bayesian Quantile Regression for Ordinal Longitudinal Data Rahim Alhamzawi, Haithem Taha Mohammad Ali Department of Statistics, College of Administration and Economics,
Fourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT
![Fourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT](/thumbs/91/105754605.jpg "Fourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT")
1,a) 1,2,b) Continuous wavelet transform, CWT CWT CWT CWT CWT 100 1. Continuous wavelet transform, CWT [1] CWT CWT CWT [2 5] CWT CWT CWT CWT CWT Irino [6] CWT CWT CWT CWT CWT 1, 7-3-1, 113-0033 2 NTT,
HIV HIV HIV HIV AIDS 3 :.1 /-,**1 +332
,**1 The Japanese Society for AIDS Research The Journal of AIDS Research +,, +,, +,, + -. / 0 1 +, -. / 0 1 : :,**- +,**. 1..+ - : +** 22 HIV AIDS HIV HIV AIDS : HIV AIDS HIV :HIV AIDS 3 :.1 /-,**1 HIV
GPU. CUDA GPU GeForce GTX 580 GPU 2.67GHz Intel Core 2 Duo CPU E7300 CUDA. Parallelizing the Number Partitioning Problem for GPUs
GPU 1 1 NP number partitioning problem Pedroso CUDA GPU GeForce GTX 580 GPU 2.67GHz Intel Core 2 Duo CPU E7300 CUDA C Pedroso Python 323 Python C 12.2 Parallelizing the Number Partitioning Problem for
( ) , ) , ; kg 1) 80 % kg. Vol. 28,No. 1 Jan.,2006 RESOURCES SCIENCE : (2006) ,2 ,,,, ; ;
28 1 2006 1 RESOURCES SCIENCE Vol. 28 No. 1 Jan. 2006 :1007-7588(2006) 01-0002 - 07 20 1 1 2 (11 100101 ; 21 101149) : 1978 1978 2001 ; 2010 ; ; ; : ; ; 24718kg 1) 1990 26211kg 260kg 1995 2001 238kg( 1)
: Monte Carlo EM 313, Louis (1982) EM, EM Newton-Raphson, /. EM, 2 Monte Carlo EM Newton-Raphson, Monte Carlo EM, Monte Carlo EM, /. 3, Monte Carlo EM
2008 6 Chinese Journal of Applied Probability and Statistics Vol.24 No.3 Jun. 2008 Monte Carlo EM 1,2 ( 1,, 200241; 2,, 310018) EM, E,,. Monte Carlo EM, EM E Monte Carlo,. EM, Monte Carlo EM,,,,. Newton-Raphson.
{takasu, Conditional Random Field
DEIM Forum 2016 C8-6 CRF 700 8530 3 1 1 700 8530 3 1 1 101 8430 2-1-2 E-mail: pobp52cw@s.okayama-u.ac.jp, ohta@de.cs.okayama-u.ac.jp, {takasu, adachi}@nii.ac.jp Conditional Random Field 1. Conditional
2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems
2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems Multiple User Interfaces MobileSoft'16, Multi-User Experience (MUX) S1: Insourcing S2: Outsourcing S3: Responsive design
CSJ. Speaker clustering based on non-negative matrix factorization using i-vector-based speaker similarity
i-vector 1 1 1 1 i-vector CSJ i-vector Speaker clustering based on non-negative matrix factorization using i-vector-based speaker similarity Fukuchi Yusuke 1 Tawara Naohiro 1 Ogawa Tetsuji 1 Kobayashi
«ΑΝΑΠΣΤΞΖ ΓΠ ΚΑΗ ΥΩΡΗΚΖ ΑΝΑΛΤΖ ΜΔΣΔΩΡΟΛΟΓΗΚΩΝ ΓΔΓΟΜΔΝΩΝ ΣΟΝ ΔΛΛΑΓΗΚΟ ΥΩΡΟ»
ΓΔΩΠΟΝΗΚΟ ΠΑΝΔΠΗΣΖΜΗΟ ΑΘΖΝΩΝ ΣΜΗΜΑ ΑΞΙΟΠΟΙΗΗ ΦΤΙΚΩΝ ΠΟΡΩΝ & ΓΕΩΡΓΙΚΗ ΜΗΥΑΝΙΚΗ ΣΟΜΕΑ ΕΔΑΦΟΛΟΓΙΑ ΚΑΙ ΓΕΩΡΓΙΚΗ ΥΗΜΕΙΑ ΕΙΔΙΚΕΤΗ: ΕΦΑΡΜΟΓΕ ΣΗ ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ΣΟΤ ΦΤΙΚΟΤ ΠΟΡΟΤ «ΑΝΑΠΣΤΞΖ ΓΠ ΚΑΗ ΥΩΡΗΚΖ ΑΝΑΛΤΖ ΜΔΣΔΩΡΟΛΟΓΗΚΩΝ
552 Lee (2006),,, BIC,. : ; ; ;. 2., Poisson (Zero-Inflated Poisson Distribution), ZIP. Y ZIP(φ, λ), φ + (1 φ) exp( λ), y = 0; P {Y = y} = (1 φ) exp(
2012 10 Chinese Journal of Applied Probability and Statistics Vol.28 No.5 Oct. 2012 (,, 675000) Poisson,,, Gibbs, BIC.,. :,, Gibbs, BIC. : O212.8. 1. (count data), Poisson Poisson., (zeroinflation).,.,,
90 [, ] p Panel nested error structure) : Lagrange-multiple LM) Honda [3] LM ; King Wu, Baltagi, Chang Li [4] Moulton Randolph ANOVA) F p Panel,, p Z
![90 [, ] p Panel nested error structure) : Lagrange-multiple LM) Honda [3] LM ; King Wu, Baltagi, Chang Li [4] Moulton Randolph ANOVA) F p Panel,, p Z](/thumbs/91/107678282.jpg "90 [, ] p Panel nested error structure) : Lagrange-multiple LM) Honda [3] LM ; King Wu, Baltagi, Chang Li [4] Moulton Randolph ANOVA) F p Panel,, p Z")
00 Chinese Journal of Applied Probability and Statistics Vol6 No Feb 00 Panel, 3,, 0034;,, 38000) 3,, 000) p Panel,, p Panel : Panel,, p,, : O,,, nuisance parameter), Tsui Weerahandi [] Weerahandi [] p
Chinese Journal of Applied Probability and Statistics Vol.28 No.3 Jun (,, ) 应用概率统计 版权所用,,, EM,,. :,,, P-. : O (count data)
2012 6 Chinese Journal of Applied Probability and Statistics Vol.28 No.3 Jun. 2012 (,, 675000),,, EM,,. :,,, P-. : O212.7. 1. (count data), Poisson Poisson,, (zero-inflation).,.,, ;,,.,, Fahrmeir Echavarrri
Chap. 6 Pushdown Automata
Chap. 6 Pushdown Automata 6.1 Definition of Pushdown Automata Example 6.1 L = {wcw R w (0+1) * } P c 0P0 1P1 1. Start at state q 0, push input symbol onto stack, and stay in q 0. 2. If input symbol is
: Active Learning 2017/11/12
: Active Learning 2017/11/12 Contents 0.1 Introduction............................................ 2 0.2..................................... 2 0.2.1 Membership Query Synthesis..............................
Text Mining using Linguistic Information
630-0101 8916-5 {taku-kukaoru-yayuuta-tmatsu}@isaist-naraacjp PrefixSpan : PrefixSpan Text Mining using Linguistic Information Taku Kudo Kaoru Yamamoto Yuta Tsuboi Yuji Matsumoto Graduate School of Information
ΟΡΓΑΝΙΣΜΟΣ ΒΙΟΜΗΧΑΝΙΚΗΣ ΙΔΙΟΚΤΗΣΙΑΣ
ΟΡΓΑΝΙΣΜΟΣ ΒΙΟΜΗΧΑΝΙΚΗΣ ΙΔΙΟΚΤΗΣΙΑΣ Ο Οργανισμός Βιομηχανικής Ιδιοκτησίας (Ο.Β.Ι.) ιδρύθηκε το 1987 (Ν.1733/1987), είναι νομικό πρόσωπο ιδιωτικού δικαίου, οικονομικά ανεξάρτητο και διοικητικά αυτοτελές.
(2), ,. 1).
178/1 L I ( ) ( ) 2019/1111 25 2019,, ( ), 81 3,,, ( 1 ), ( 2 ),, : (1) 15 2014 ( ). 2201/2003. ( 3 ) ( ). 2201/2003,..,,. (2),..,,, 25 1980, («1980»),.,,. ( 1 ) 18 2018 ( C 458 19.12.2018,. 499) 14 2019
Research of Han Character Internal Codes Recognition Algorithm in the Multi2lingual Environment
18 2 JOURNAL OF CHINESE INFORMATION PROCESSING Vol118 No12 :1003-0077 (2004) 02-0073 - 07 Ξ 1,2, 1, 1 (11, 215006 ;21, 210000) : ISO/ IEC 10646,,,,,, 9919 % : ; ; ; ; : TP39111 :A Research of Han Character
substructure similarity search using features in graph databases
substructure similarity search using features in graph databases Aleksandros Gkogkas Distributed Management of Data Laboratory intro Θα ενασχοληθούμε με το πρόβλημα των ερωτήσεων σε βάσεις γραφημάτων.
Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// 3 3 Hanning (T ) 3 Hanning 3T (y(t)w(t)) dt =.5 T y (t)dt. () STRAIGHT F 3 TANDEM-STRAIGHT[] 3 F F 3 [] F []. :
![Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// 3 3 Hanning (T ) 3 Hanning 3T (y(t)w(t)) dt =.5 T y (t)dt. () STRAIGHT F 3 TANDEM-STRAIGHT[] 3 F F 3 [] F []. :](/thumbs/85/92640788.jpg "Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// 3 3 Hanning (T ) 3 Hanning 3T (y(t)w(t)) dt =.5 T y (t)dt. () STRAIGHT F 3 TANDEM-STRAIGHT[] 3 F F 3 [] F []. :")
Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4//,a) Vocoder (F) F F. PSOLA [] sinusoidal model [] phase vocoder Vocoder [3] (F) F 3 [4], [5], [6], [7], [8], [9] [], [], [], [3], [4] [5], [6] [7], [8], University
Bundle Adjustment for 3-D Reconstruction: Implementation and Evaluation
3 2 3 2 3 undle Adjustment or 3-D Reconstruction: Implementation and Evaluation Yuuki Iwamoto, Yasuyuki Sugaya 2 and Kenichi Kanatani We describe in detail the algorithm o bundle adjustment or 3-D reconstruction
Maxima SCORM. Algebraic Manipulations and Visualizing Graphs in SCORM contents by Maxima and Mashup Approach. Jia Yunpeng, 1 Takayuki Nagai, 2, 1
Maxima SCORM 1 2, 1 Muhammad Wannous 1 3, 4 2, 4 Maxima Web LMS MathML HTML5 Flot jquery JSONP JavaScript SCORM SCORM Algebraic Manipulations and Visualizing Graphs in SCORM contents by Maxima and Mashup
Ηλεκτρονικά σώματα κειμένων και γλωσσική διδασκαλία: Διεθνείς αναζητήσεις και διαφαινόμενες προοπτικές για την ελληνική γλώσσα
818 Ηλεκτρονικά σώματα κειμένων και γλωσσική διδασκαλία: Διεθνείς αναζητήσεις και διαφαινόμενες προοπτικές για την ελληνική γλώσσα Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Ελλάδα Abstract Corpus linguistics
Development and Verification of Multi-Level Sub- Meshing Techniques of PEEC to Model High- Speed Power and Ground Plane-Pairs of PFBS
Rose-Hulman Institute of Technology Rose-Hulman Scholar Graduate Theses - Electrical and Computer Engineering Graduate Theses Spring 5-2015 Development and Verification of Multi-Level Sub- Meshing Techniques
ECONOMIA MONETARIA (parte generale) Prof. Guido Ascari LEZIONE 3 LA DOMANDA DI MONETA
ECONOMIA MONETARIA (parte generale) Prof. Guido Ascari Anno 2006-2007 2007 LEZIONE 3 LA DOMANDA DI MONETA LA DOMANDA DI MONETA Teoria Macro Micro Th.Quantitativa Th.. Keynesiana => Keynes, Tobin Th. Friedman
Retrieval of Seismic Data Recorded on Open-reel-type Magnetic Tapes (MT) by Using Existing Devices
No. 3 + 1,**- Technical Research Report, Earthquake Research Institute, University of Tokyo, No. 3, pp. + 1,,**-. MT * ** *** Retrieval of Seismic Data Recorded on Open-reel-type Magnetic Tapes (MT) by
Tree Transformations and Dependencies
Tree Transformations and Deendencies Andreas Maletti Institute for Natural Language Processing University of Stuttgart andreasmaletti@imsuni-stuttgartde Nara Setember 6, 2011 A Maletti MOL 2011 1 Contents
Japanese Fuzzy String Matching in Cooking Recipes
1 Japanese Fuzzy String Matching in Cooking Recipes Michiko Yasukawa 1 In this paper, we propose Japanese fuzzy string matching in cooking recipes. Cooking recipes contain spelling variants for recipe
FX10 SIMD SIMD. [3] Dekker [4] IEEE754. a.lo. (SpMV Sparse matrix and vector product) IEEE754 IEEE754 [5] Double-Double Knuth FMA FMA FX10 FMA SIMD
![FX10 SIMD SIMD. [3] Dekker [4] IEEE754. a.lo. (SpMV Sparse matrix and vector product) IEEE754 IEEE754 [5] Double-Double Knuth FMA FMA FX10 FMA SIMD](/thumbs/80/81651565.jpg "FX10 SIMD SIMD. [3] Dekker [4] IEEE754. a.lo. (SpMV Sparse matrix and vector product) IEEE754 IEEE754 [5] Double-Double Knuth FMA FMA FX10 FMA SIMD")
FX,a),b),c) Bailey Double-Double [] FMA FMA [6] FX FMA SIMD Single Instruction Multiple Data 5 4.5. [] Bailey SIMD SIMD 8bit FMA (SpMV Sparse matrix and vector product) FX. DD Bailey Double-Double a) em49@ns.kogakuin.ac.jp
2 ~ 8 Hz Hz. Blondet 1 Trombetti 2-4 Symans 5. = - M p. M p. s 2 x p. s 2 x t x t. + C p. sx p. + K p. x p. C p. s 2. x tp x t.
36 2010 8 8 Vol 36 No 8 JOURNAL OF BEIJING UNIVERSITY OF TECHNOLOGY Aug 2010 Ⅰ 100124 TB 534 + 2TP 273 A 0254-0037201008 - 1091-08 20 Hz 2 ~ 8 Hz 1988 Blondet 1 Trombetti 2-4 Symans 5 2 2 1 1 1b 6 M p
n 1 n 3 choice node (shelf) choice node (rough group) choice node (representative candidate)
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. y y yy y 1565 0871 2 1 yy 525 8577 1 1 1 E-mail: yfmakihara,shiraig@cv.mech.eng.osaka-u.ac.jp, yyshimada@ci.ritsumei.ac.jp
Cite as: Pol Antras, course materials for International Economics I, Spring MIT OpenCourseWare (http://ocw.mit.edu/), Massachusetts
/ / σ/σ σ/σ θ θ θ θ y 1 0.75 0.5 0.25 0 0 0.5 1 1.5 2 θ θ θ x θ θ Φ θ Φ θ Φ π θ /Φ γφ /θ σ θ π θ Φ θ θ Φ θ θ θ θ σ θ / Φ θ θ / Φ / θ / θ Normalized import share: (Xni / Xn) / (XII / XI) 1 0.1 0.01 0.001
Αγορά Ακινήτων και η ελληνική Κρίση
Αγορά Ακινήτων και η ελληνική Κρίση Γκίκας Α. Χαρδούβελης Οικονομικός Σύμβουλος, Eurobank Group Καθηγητής, Τμήμα Χρηματοοικονομικής και Τραπεζικής Διοικητικής, Πανεπιστήμιο Πειραιά PRODEXPO 213 14ο Συνέδριο
Curran et al.,**. Davies et al ,**, ,***,**/
* + *, * - *. * / + Curran et al.,**. Davies et al. +332 +332,**,,***,**/, +333 ++ Daisuke Hattori, Tanaka Kenzo, Kazuo Okamura Irino, Ikuo Ninomiya, Katsutoshi Sakurai : Rehabilitation of the Tropical
Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)
![Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)](/thumbs/85/92153760.jpg "Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)")
( ) 1 ( ) : : (Differential Evolution, DE) (Particle Swarm Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] 2 2.1 (P) (P ) minimize f(x) subject to g j (x) 0, j = 1,..., q h j (x) = 0, j
* ** *** *** Jun S HIMADA*, Kyoko O HSUMI**, Kazuhiko O HBA*** and Atsushi M ARUYAMA***
J. Jpn. Soc. Soil Phys. No. +*2, p. +3,2,**2 * ** *** *** Influence Area of Stem Flow on a Soil of Deciduous Forest Floor by Electric Resistivity Survey and the Evaluation of Groundwater Recharge through
Εξόρυξη Γνώμης: Δημιουργία Ελληνικού Λεξικού Πόρου
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΦΙΛΟΣΟΦΙΚΗ ΣΧΟΛΗ- ΤΜΗΜΑ ΦΙΛΟΛΟΓΙΑΣ ΤΟΜΕΑΣ ΓΛΩΣΣΟΛΟΓΙΑΣ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΗΜΑΤΩΝ ΕΛΕΓΧΟΥ
ARISTOTLE UNIVERSITY OF THESSALONIKI FACULTY OF FORESTRY AND NATURAL ENVIRONMENT Institute of Mountainous Water Management and Control
ARISTOTLE UNIVERSITY OF THESSALONIKI FACULTY OF FORESTRY AND NATURAL ENVIRONMENT Institute of Mountainous Water Management and Control Torrent Basin, Mountainous Watershed Management Dr. Panagiotis Stefanidis
:,,,, ,,, ;,,,,,, ,, (Barro,1990), (Barro and Sala2I2Martin,1992), (Arrow and Kurz,1970),, ( Glomm and Ravikumar,1994), (Solow,1957)
: 3 ( 100820 :,,,,,,,;,,,,,, :,,,,,, (Barro,1990, (Barro and Sala2I2Martin,1992,(Arrow and Kurz,1970,,, ( Glomm and Ravikumar,1994,,,, (Solow,1957 3, 10 2004 3,,,,,,,,,,,, :,,, ( Inada,1963,,,,,;, ;, ;,,,,,(Ramsey,1928,,,,
Γενικό ποσοστό συμμετοχής στην αγορά εργασίας πληθυσμού χρονών - σύνολο
πληθυσμού 15-64 χρονών - σύνολο Περιγραφή δείκτη και πηγή πληροφοριών Το γενικό ποσοστό συμμετοχής στην αγορά εργασίας πληθυσμού 15-64 χρονών υπολογίζεται με τη διαίρεση του αριθμού του οικονομικά ενεργού
IF(Ingerchange Format) [7] IF C-STAR(Consortium for speech translation advanced research ) [8] IF 2 IF
![IF(Ingerchange Format) [7] IF C-STAR(Consortium for speech translation advanced research ) [8] IF 2 IF](/thumbs/91/106522878.jpg "IF(Ingerchange Format) [7] IF C-STAR(Consortium for speech translation advanced research ) [8] IF 2 IF")
100080 e-mal:{gdxe, cqzong, xubo}@nlpr.a.ac.cn tel:(010)82614468 IF 1 1 1 IF(Ingerchange Format) [7] IF C-STAR(Consortum for speech translaton advanced research ) [8] IF 2 IF 2 IF 69835003 60175012 [6][12]
Development of the Nursing Program for Rehabilitation of Woman Diagnosed with Breast Cancer
Development of the Nursing Program for Rehabilitation of Woman Diagnosed with Breast Cancer Naomi Morota Newman M Key Words woman diagnosed with breast cancer, rehabilitation nursing care program, the
Αξιολόγηση των εκπαιδευτικών δραστηριοτήτων των νοσοκομειακών βιβλιοθηκών.
Αξιολόγηση των εκπαιδευτικών δραστηριοτήτων των νοσοκομειακών βιβλιοθηκών. Καλογεράκη Ελένη Βιβλιοθήκη Γ.Ν.Α «Ο Ευαγγελισμός», Msc Inf Scienc, Κοινωνιολόγος, Βιβλιοθηκονόμoς, Σαρανταπόρου 8, Άνω Ηλιούπολη
Γενικό ποσοστό απασχόλησης ισοδύναμου πλήρως απασχολούμενου πληθυσμού - σύνολο
απασχολούμενου πληθυσμού - σύνολο Περιγραφή δείκτη και πηγή πληροφοριών Το γενικό ποσοστό απασχόλησης ισοδύναμου πλήρως απασχολούμενου πληθυσμού υπολογίζεται με τη διαίρεση του αριθμού του ισοδύναμου πλήρως
Chapter 1 Introduction to Observational Studies Part 2 Cross-Sectional Selection Bias Adjustment
Contents Preface ix Part 1 Introduction Chapter 1 Introduction to Observational Studies... 3 1.1 Observational vs. Experimental Studies... 3 1.2 Issues in Observational Studies... 5 1.3 Study Design...
A research on the influence of dummy activity on float in an AOA network and its amendments
2008 6 6 :100026788 (2008) 0620106209,, (, 102206) : NP2hard,,..,.,,.,.,. :,,,, : TB11411 : A A research on the influence of dummy activity on float in an AOA network and its amendments WANG Qiang, LI
Γενικός ρυθμός μεταβολής οικονομικά ενεργού πληθυσμού χρονών - σύνολο
15-64 χρονών - σύνολο Περιγραφή δείκτη και πηγή πληροφοριών Ο γενικός ρυθμός μεταβολής οικονομικά ενεργού πληθυσμού 15-64 χρονών υπολογίζεται με τη διαίρεση της ετήσιας αύξησης του οικονομικά ενεργού πληθυσμού
RMT Tick RMT. Application of the RMT-test on Real Data: Hash Function and Tick Data of Stock Prices
RMT Tick 1,a) 1 1,b) RMT 2 SHA-1 MD5 RMT SHA-1 2007 2009 TOPIX500 2010 2011 RMT Application of the RMT-test on Real Data: Hash Function and Tick Data of Stock Prices Xin Yang 1,a) Yuta Mikamori 1 Mieko
Study on Re-adhesion control by monitoring excessive angular momentum in electric railway traction
() () Study on e-adhesion control by monitoring excessive angular momentum in electric railway traction Takafumi Hara, Student Member, Takafumi Koseki, Member, Yutaka Tsukinokizawa, Non-member Abstract
Εκτεταμένη περίληψη Περίληψη
PENED Final Report In the frame of PENED program the research that has been conducted as part of the Hybrid Libraries Project had as an outcome the design of a complex software architecture for mobile
Resurvey of Possible Seismic Fissures in the Old-Edo River in Tokyo
Bull. Earthq. Res. Inst. Univ. Tokyo Vol. 2.,**3 pp.,,3,.* * +, -. +, -. Resurvey of Possible Seismic Fissures in the Old-Edo River in Tokyo Kunihiko Shimazaki *, Tsuyoshi Haraguchi, Takeo Ishibe +, -.
Τεχνολογία Ψυχαγωγικού Λογισμικού και Εικονικοί Κόσμοι Ενότητα 8η - Εικονικοί Κόσμοι και Πολιτιστικό Περιεχόμενο
Τεχνολογία Ψυχαγωγικού Λογισμικού και Εικονικοί Κόσμοι Ενότητα 8η - Εικονικοί Κόσμοι και Πολιτιστικό Περιεχόμενο Ιόνιο Πανεπιστήμιο, Τμήμα Πληροφορικής, 2015 Κωνσταντίνος Οικονόμου, Επίκουρος Καθηγητής
Ποσοστό απασχόλησης στον τριτογενή τομέα του πληθυσμού χρονών - σύνολο
Ποσοστό απασχόλησης στον τριτογενή τομέα του πληθυσμού 15-64 χρονών - σύνολο Περιγραφή δείκτη και πηγή πληροφοριών Το ποσοστό απασχόλησης στον τριτογενή τομέα του πληθυσμού 15-64 χρονών υπολογίζεται με
Η ΔΙΔΑΣΚΑΛΙΑ ΤΟΥ ΕΛΛΗΝΙΚΟΥ ΛΑΪΚΟΥ ΠΑΡΑΔΟΣΙΑΚΟΥ ΧΟΡΟΥ 1 ΣΤΑ ΣΥΓΧΡΟΝΑ ΕΚΠΑΙΔΕΥΤΙΚΑ ΠΛΑΙΣΙΑ
Η ΔΙΔΑΣΚΑΛΙΑ ΤΟΥ ΕΛΛΗΝΙΚΟΥ ΛΑΪΚΟΥ ΠΑΡΑΔΟΣΙΑΚΟΥ ΧΟΡΟΥ 1 ΣΤΑ ΣΥΓΧΡΟΝΑ ΕΚΠΑΙΔΕΥΤΙΚΑ ΠΛΑΙΣΙΑ Μαρία Ι. Κουτσούμπα Περίληψη Τις τελευταίες δεκαετίες η διδασκαλία του ελληνικού λαϊκού παραδοσιακού χορού πραγματοποιείται
ΕΚΤΙΜΗΣΗ ΤΟΥ ΚΟΣΤΟΥΣ ΤΩΝ ΟΔΙΚΩΝ ΑΤΥΧΗΜΑΤΩΝ ΚΑΙ ΔΙΕΡΕΥΝΗΣΗ ΤΩΝ ΠΑΡΑΓΟΝΤΩΝ ΕΠΙΡΡΟΗΣ ΤΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΚΤΙΜΗΣΗ ΤΟΥ ΚΟΣΤΟΥΣ ΤΩΝ ΟΔΙΚΩΝ ΑΤΥΧΗΜΑΤΩΝ ΚΑΙ ΔΙΕΡΕΥΝΗΣΗ ΤΩΝ ΠΑΡΑΓΟΝΤΩΝ ΕΠΙΡΡΟΗΣ ΤΟΥ ΔΙΑΤΡΙΒΗ ΔΙΠΛΩΜΑΤΟΣ ΕΙΔΙΚΕΥΣΗΣ ΔΗΜΗΤΡΙΟΥ Ν. ΠΙΤΕΡΟΥ
clearing a space (focusing) clearing a space, CS CS CS experiencing I 1. E. T. Gendlin (1978) experiencing (Gendlin 1962) experienc-
clearing a space (focusing) clearing a space, CS CS CS CS CS experiencing I 1. E. T. Gendlin (1978) experiencing (Gendlin 1962) experienc- 133 ing experiencing 2009 experiencing Gendlin (1978) CS 2. CS
Study of urban housing development projects: The general planning of Alexandria City
Paper published at Alexandria Engineering Journal, vol, No, July, Study of urban housing development projects: The general planning of Alexandria City Hisham El Shimy Architecture Department, Faculty of
Ποσοστό μακροχρόνιας ανεργίας (διάρκεια 12+ μήνες) οικονομικά ενεργού πληθυσμού 15+ χρονών - σύνολο
οικονομικά ενεργού πληθυσμού 15+ χρονών - σύνολο Περιγραφή δείκτη και πηγή πληροφοριών Το ποσοστό μακροχρόνιας ανεργίας (διάρκεια 12+ μήνες) οικονομικά ενεργού πληθυσμού 15+ χρονών υπολογίζεται με τη διαίρεση
Probabilistic Approach to Robust Optimization
Probabilistic Approach to Robust Optimization Akiko Takeda Department of Mathematical & Computing Sciences Graduate School of Information Science and Engineering Tokyo Institute of Technology Tokyo 52-8552,
ΥΠΕΡΕΙΑ ΤΟΜΟΣ ΕΚΤΟΣ. ΠΡΑΚΤΙΚΑ ΣΤ ΙΕΘΝΟΥΣ ΣΥΝΕ ΡΙΟΥ «ΦΕΡΑΙ-ΒΕΛΕΣΤΙΝΟ-ΡΗΓΑΣ» Βελεστίνο, 4-7 Οκτωβρίου 2012 MEΡΟΣ B ΡΗΓΑΣ
ΥΠΕΡΕΙΑ ΤΟΜΟΣ ΕΚΤΟΣ ΠΡΑΚΤΙΚΑ ΣΤ ΙΕΘΝΟΥΣ ΣΥΝΕ ΡΙΟΥ «ΦΕΡΑΙ-ΒΕΛΕΣΤΙΝΟ-ΡΗΓΑΣ» Βελεστίνο, 4-7 Οκτωβρίου 2012 MEΡΟΣ B ΡΗΓΑΣ ΕΠΙΜΕΛΕΙΑ: ρ. ΗΜΗΤΡΙΟΣ ΑΠ. ΚΑΡΑΜΠΕΡΟΠΟΥΛΟΣ ΕΠΙΣΤΗΜΟΝΙΚΗ ΕΤΑΙΡΕΙΑ ΜΕΛΕΤΗΣ ΦΕΡΩΝ-ΒΕΛΕΣΤΙΝΟΥ-ΡΗΓΑ
CAP A CAP
2012 4 30 2 Journal of Northwestern Polytechnical University Apr. Vol. 30 2012 No. 2 Neal-Smith 710072 CAP Neal-Smith PIO Neal-Smith V249 A 1000-2758 2012 02-0279-07 Neal-Smith CAP Neal-Smith Neal-Smith
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΤΜ. ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ 2018-2019 Επιβλέπουσα: Μπίμπη Ματίνα Ανάλυση της πλατφόρμας ανοιχτού κώδικα Home Assistant Το Home Assistant είναι μία πλατφόρμα ανοιχτού
Architecture οf Integrated Ιnformation Systems (ARIS)
Architecture οf Integrated Ιnformation Systems (ARIS) Η αρχιτεκτονική ARIS (ARchitecture οf Integrated information Systems) έχει ως στόχο της την περιγρφή όλων των όψεων ή οπτικών ενός επιχειρηματικού
ΘΕΜΑΤΙΚΗ ΕΥΡΕΤΗΡΙΑΣΗ ΚΑΙ ΚΑΘΙΕΡΩΣΗ ΟΡΟΛΟΓΙΑΣ ΣΤΙΣ ΤΕΧΝΙΚΕΣ ΒΙΒΛΙΟΘΗΚΕΣ: Η ΕΜΠΕΙΡΙΑ ΣΤΟ ΤΕΕ
1 ΠΕΡΙΛΗΨΗ ΘΕΜΑΤΙΚΗ ΕΥΡΕΤΗΡΙΑΣΗ ΚΑΙ ΚΑΘΙΕΡΩΣΗ ΟΡΟΛΟΓΙΑΣ ΣΤΙΣ ΤΕΧΝΙΚΕΣ ΒΙΒΛΙΟΘΗΚΕΣ: Η ΕΜΠΕΙΡΙΑ ΣΤΟ ΤΕΕ Κατερίνα Τοράκη Στην εισήγηση αναπτύσσονται τα ζητήματα ορολογίας που προκύπτουν στις βιβλιοθήκες από
Toward a SPARQL Query Execution Mechanism using Dynamic Mapping Adaptation -A Preliminary Report- Takuya Adachi 1 Naoki Fukuta 2.
SIG-SWO-041-05 SPAIDA: SPARQL Toward a SPARQL Query Execution Mechanism using Dynamic Mapping Adaptation -A Preliminary Report- 1 2 Takuya Adachi 1 Naoki Fukuta 2 1 1 Faculty of Informatics, Shizuoka University
High order interpolation function for surface contact problem
3 016 5 Journal of East China Normal University Natural Science No 3 May 016 : 1000-564101603-0009-1 1 1 1 00444; E- 00030 : Lagrange Lobatto Matlab : ; Lagrange; : O41 : A DOI: 103969/jissn1000-56410160300
Μερίδιο εργοδοτουμένων με μερική ή / και προσωρινή απασχόληση στον εργοδοτούμενο πληθυσμό 15+ χρονών - σύνολο
Μερίδιο εργοδοτουμένων με μερική ή / και προσωρινή απασχόληση στον εργοδοτούμενο πληθυσμό 15+ χρονών - σύνολο Περιγραφή δείκτη και πηγή πληροφοριών Το μερίδιο εργοδοτουμένων με μερική ή/και προσωρινή απασχόληση