本书是我在加州大学圣克鲁斯分校开始学习阿拉伯语、印地语-乌尔都语、波斯语和梵语 16 年的成果,之后我在美国印度研究所、德里大学和德克萨斯大学奥斯汀分校继续学习。我的第一位印地语-乌尔都语老师约翰·莫克 (John Mock) 一直是我的主要灵感来源。我同样感谢美国乌尔都语研究所勒克瑙分校项目的所有老师,感谢他们的耐心,感谢他们带我进入乌尔都语文学的世界。我特别感谢与 Fahmida Bano、Wafadar Husain、Ahtesham Khan 和 Sheba Iftikhar 一起讨论乌尔都语单词的大量时间。在威斯康星大学麦迪逊分校,我有幸协助和观察已故的 Qamar Jalil,他的教学见解反映在本书中。在德克萨斯大学奥斯汀分校,我有幸与世界上一些最伟大的语言和文学教师一起学习。 Syed Akbar Hyder 为我提供了广泛而严格的乌尔都语文学指导。Michael Hillmann 花费数年时间训练我精通波斯语。本书阿拉伯语和波斯语单元中的许多想法和见解都直接源自他的指导。我还要感谢 Rupert Snell,我跟随他学习印地语八年,他让我领略了印地语-乌尔都语词汇的诸多乐趣以及应用语言文学的知识回报。本书也是我在加州大学伯克利分校、德克萨斯大学奥斯汀分校和威斯康星大学麦迪逊分校教授乌尔都语十一年的成果。我最初于 2008 年在威斯康星大学麦迪逊分校的南亚暑期语言学院构思了这个项目,并从与学生和同事的交谈中受益匪浅,包括 Qamar Jalil 和 Faraz Sheikh。我在德克萨斯大学奥斯汀分校的印地语-乌尔都语旗舰课程任教期间开发了这些单元的基本结构和许多课程的初稿。多年来,我在那里教过许多才华横溢的学生,但我特别感谢 Ayana D'Aguilar 和 Courtney Naquin 的反馈,他们在我研究生最后一年与我一起完成了许多练习的初稿。过去四年,我一直在加州大学伯克利分校开发和教授这些材料。他们的反馈启发了我进行无数轮的修改。特别感谢以下学生,他们在本书准备出版的最后阶段参与了本书的大部分工作:Hammad Afzal、Khudeeja Ahmed、Hammad Ali、Aparajita Das、Elizabeth Gobbo、Salil Goyal、Shazreh Hassan、Caylee Hong、Zain Hussain、Talib Jabbar、Maryam Khan、Adeel Pervez、Omar Qashoa、Adnan Rawan、Ahmad Rashid Salim、Nawal Seedat 和 Fatima Tariq。还要特别感谢 Sally Goldman 对梵文单元的有益反馈和建议,以及我的朋友和同事 Walter Hakala 在修订后期对这些单元的精辟评论。他们的反馈大大提高了本书的质量。当然,所有错误和疏忽都是我一个人的错。
本文介绍了乌尔都语自动语音识别(ASR)模型的全面评估。我们使用单词错误率(WER)分析了三个ASR模型家族的性能:耳语,MMS和无缝M4T,以及对最常见的错误单词和错误类型(包括插入,删除和下限)的详细检查。我们的分析是使用两种类型的数据集进行的,请阅读语音和文章。值得注意的是,我们提供了第一个用于基准乌尔都语ASR模型的对话性语音数据集。我们发现,无缝的大型在读取的语音数据集上的表现优于其他ASR模型,而在对话的语音数据集中,Whisper-Large的表现最佳。此外,这种评估强调了仅使用定量指标来评估乌尔都语(例如乌尔都语)的ASR模型的复杂性,并提出了对强大的乌尔都语文本正常ization系统的需求。我们的发现为乌尔都语等低资源语言开发强大的ASR系统提供了有价值的见解。
(m)男性(f)女性(sg)单数(pl)复数(adj)形容词(adv)副词(v.i.)不及物动词(完美时态未使用的“ NE”)(v.t。)及时动词(完美时态中使用的“ ne”)
在加入 OCIO 之前,BG Lewis 曾担任陆军监察长部调查司的高级官员调查员。主要职责包括宾夕法尼亚州匹兹堡卡内基梅隆大学高级军事学院研究员;弗吉尼亚州贝尔沃堡陆军预备役参谋长办公室首席信息官/G-6;佐治亚州麦克弗森堡 FORSCOM 副参谋长 G-6 (DCS, G-6) 信号支持和自动化官;佐治亚州麦克弗森堡陆军中央司令部联合和多网络科科长、DCS、G-6;加利福尼亚州亨特利吉特堡第 91 训练师副 G-6;美国陆军预备役司令部副司令(作战)执行官;佛罗里达州奥兰多陆军预备役职业师第 5 营指挥官;德克萨斯州萨姆休斯顿堡联合基地西南陆军预备役网络作战组营执行官和 S-3;加利福尼亚州帕克斯营第 319 信号营 B 连小扩展节点排长。
在加入 OCIO 之前,BG Lewis 曾担任陆军监察长部调查司的高级官员调查员。主要职责包括宾夕法尼亚州匹兹堡卡内基梅隆大学高级军事学院研究员;弗吉尼亚州贝尔沃堡陆军预备役参谋长办公室首席信息官/G-6;佐治亚州麦克弗森堡 FORSCOM 副参谋长 G-6 (DCS, G-6) 信号支持和自动化官;佐治亚州麦克弗森堡陆军中央司令部联合和多网络科科长、DCS、G-6;加利福尼亚州亨特利吉特堡第 91 训练师副 G-6;美国陆军预备役司令部副司令(作战)执行官;佛罗里达州奥兰多陆军预备役职业师第 5 营指挥官;德克萨斯州萨姆休斯顿堡联合基地西南陆军预备役网络作战组营执行官和 S-3;加利福尼亚州帕克斯营第 319 信号营 B 连小扩展节点排长。
Berry相[1]通过绝热循环过程后获得的相位揭示了量子波函数的几何信息,它的概念为理解许多材料的拓扑性质奠定了基础[2–13]。Berry相理论建立在纯量子态上,例如基态符合零温统计集合极限的描述,在有限温度下,密度矩阵通过将热分布与系统所有状态相关联来描述量子系统的热性质。因此,将Berry相推广到混合量子态领域是一项重要任务。已有多种方法解决这个问题[14–21],其中Uhlmann相最近引起了广泛关注,因为它已被证明在多种一维、二维和自旋j系统中在有限温度下表现出拓扑相变[22–26]。这些系统的一个关键特征是 Uhlmann 相在临界温度下的不连续跳跃,标志着当系统在参数空间中穿过一个循环时,底层的 Uhlmann 完整性会发生变化。然而,由于数学结构和物理解释的复杂性,文献中对 Uhlmann 相的了解远少于 Berry 相。此外,只有少数模型可以获得 Uhlmann 相的解析结果 [ 22 – 30 ] 。Berry 相是纯几何的,因为它不依赖于感兴趣量子系统时间演化过程中的任何动力学效应 [ 31 ] 。因此,Berry 相理论可以用纯数学的方式构建。概括地说,密度矩阵的 Uhlmann 相是从数学角度几乎平行构建的,并且与 Berry 相具有许多共同的几何性质。我们将首先使用纤维丛语言总结 Berry 相和 Uhlmann 相,以强调它们的几何特性。接下来,我们将给出玻色子和费米子相干态的 Uhlmann 相的解析表达式,并表明当温度趋近于零时,它们的值趋近于相应的 Berry 相。这两种相干态都可用于构造量子场的路径积分 [32 – 37]。虽然单个状态中允许有任意数量的玻色子,但是泡利不相容原理将单个状态的费米子数限制为零或一。因此,在玻色子相干态中使用复数,而在费米子相干态中使用格拉斯曼数。玻色子相干态也用于量子光学中,以描述来自经典源的辐射 [38 – 41]。此外,相干态的Berry相可以在文献[ 42 – 45 ]中找到,我们在附录A中总结了结果。我们对玻色子和费米子相干态的 Uhlmann 相的精确计算结果表明,它们确实携带几何信息,正如完整概念和与 Berry 相的类比所预期的那样。我们将证明,两种情况下的 Uhlmann 相都随温度平稳下降,没有有限温度跃迁,这与先前研究中一些具有有限温度跃迁的例子形成鲜明对比 [ 22 – 30 ] 。当温度降至零度时,玻色子和费米子相干态的 Uhlmann 相接近相应的 Berry 相。我们对相干态的结果以及之前的观察结果 [ 22 , 24 , 26 ] 表明,在零温度极限下,Uhlmann 相还原为相应的 Berry 相。
纪念纪念会议/研讨会/研讨会运动/文化活动研究与部门7艺术与社会科学学院7学院经济学部89历史署89历史署90伊斯兰研究部90伊斯兰学院政治科学系91公共行政部91公共行政部91妇女培训部93年妇女教育部93 83 83 83 83 83 83 100 Department of Education & Training 100 College of Teacher Education – Asansol 102 College of Teacher Education – Aurangabad 104 College of Teacher Education – Bhopal 105 College of Teacher Education – Bidar 108 College of Teacher Education – Darbhanga 108 College of Teacher Education – Nuh 110 College of Teacher Education – Sambhal 111 College of Teacher Education – Srinagar 111 Model School Darbhanga 111 Model School Hyderabad 112 Model School Nuh 114
近 年 来 , 预 训 练 语 言 模 型 已 逐 渐 成 为 自 然 语 言 处 理 领 域 的 基 座 模 型 。 相 关 实 验 现 象 表 明 , 预 训 练 语 言 模 型 能 够 自 发 地 从 预 训 练 语 料 中 学 到 一 定 的 语 言 学 知 识 、 世 界 知 识 和 常 识 知 识 , 从 而 在 知 识 密 集 型 任 务 上 获 得 出 色 的 表 现 ( AlKhamissi et al., 2022 ; Safavi and Koutra, 2021 ; Petroni et al., 2019 ) 。 然 而 , 预 训 练 语 言 模 型 中 的 知 识 隐 式 地 存 储 在 参 数 之中 , 难 以 显 式 地 对 预 训 练 语 言 模 型 中 的 知 识 进 行 分 析 和 利 用 。 同 时 , 预 训 练 语 言 模 型在 知 识 和 推 理 上 的 表 现 并 不 可 靠 , 常常 会 出 现 “ 幻 觉 ” 现 象 ( Ji et al., 2022 ) , 给 出 与 知 识 冲 突 的 预 测 结 果 。 这 些 因 素 阻 碍 了 预 训 练 语 言 模 型 提 供 可 靠 的 知 识 服 务 。 因 此 , 探 究 模 型 掌握 知 识 的 机 理 、 研 究 如 何 提 取 和 补 充 语 言 模 型 中 的 知 识 成 为 近 期 的 研 究 热点 。 本 次 讲 习 班 主 要 内 容 包 括 预 训 练 语 言 模 型 中 的 知 识 分 析 、 预 训 练 语 言 模 型 的 知 识 萃 取 、 知 识 增 强 的 预 训 练 语 言 模 型 三个 部 分 , 听 众 将 在 本 次 讲 习 班 中了 解 到 近 期 研 究 中 对 预 训 练 语 言 模 型 掌握 知 识 情 况 的 认识 、 从 预 训 练 语 言 模 型 中 提 取 符 号 知 识 的 实 现 方 案 、 利 用 外 部 知 识 增 强 模 型 弥 补 缺 陷 的 各 类 方 法 。
本传单还提供易读版、盲文版、大字版以及阿尔巴尼亚语、阿拉伯语、孟加拉语、保加利亚语、中文、爱沙尼亚语、希腊语、古吉拉特语、印地语、旁遮普语、拉脱维亚语、立陶宛语、波兰语、巴西葡萄牙语、罗姆语、罗马尼亚语、俄语、索马里语、西班牙语、土耳其语、契维语、乌克兰语和乌尔都语纸质版。