Sie suchten nach: they are comeplet the homework (Englisch - Hindi)

he has done the homework
उसने अपना होमवर्क कर लिया है

they are
मेरा जन्मद

they are.
वे कर रहे हैं.

they are boys
ये किताबे अच्छी है

they are boys.
वे लड़के हैं

they are girls
वह लड़की है

they are farmers.
वे लोग किसान है

there ' s some i think interesting questions on the homework
वहाँ कुछ मुझे लगता है कि होमवर्क पर दिलचस्प सवाल है

but the homework is now you actually are getting out and talking to customers
लेकिन अब आप वास्तव में कर रहे हैं और हो रही ग्राहकों के लिए बात कर होमवर्क है

now in the homework , i ' m going to ask you to actually carry out this test on a real graph .
अब होमवर्क में , मैं वास्तव में एक असली ग्राफ पर इस परीक्षण को पूरा करने के लिए आप से पूछना करने के लिए जा रहा हूँ ।

that's all i'd like to say about shortest paths and weighted graphs in this unit. there's some i think interesting questions on the homework for you to get to know this concept better and to work with it and apply it to some interesting social networks. i'm going to take this last topic for this unit to be estimating the clustering coefficient.
यह सब मैं सबसे छोटा पथ और इस इकाई में भारित रेखांकन के बारे में कहने के लिए की तरह होता है। वहाँ कुछ मुझे लगता है कि होमवर्क पर दिलचस्प सवाल है आप इस अवधारणा बेहतर पता करने के लिए और के साथ यह काम और इसे लागू करने के लिए प्राप्त करने के लिए कुछ दिलचस्प सामाजिक नेटवर्क करने के लिए। मैं यह पिछले विषय clustering गुणांक का आकलन किया जा करने के लिए इस यूनिट के लिए ले जा रहा हूँ। इस तरह का एक अलग विचार है, लेकिन मैं इस विचार का परिचय करना चाहता था कि एक छोटा सा था और हम एक यादृच्छिक एल्गोरिथ्म के उम्मीद के संदर्भ में रेखीय समय शीर्ष के एल्गोरिथ्म। और उस मामले में, यह दिए गए जवाब हमेशा सही जवाब था। लेकिन वास्तव में एक रैंडम कि औसत पर, रैखिक था चर के समय है कि यह ले लिया गया था सूची का आकार में। हम अब clustering गुणांक लगभग कंप्यूटिंग में लग जा रहे हैं। यह एक सच में उपयोगी बात अगर सटीक जवाब है बहुत बात नहीं करता है जो अक्सर जब आप कर रहे हैं यह नहीं है वास्तव में सामाजिक नेटवर्क विश्लेषण बात बहुत ठीक क्या clustering गुणांक की तरह है कि कुछ है। तुम बस क्या यह भारी clustered है या शिथिल clustered ballpark प्राप्त करना चाहते हैं या थोड़ा अधिक मूवी डेटाबेस से या नहीं clustered. तो बस हो रही यह अंक की एक जोड़ी के लिए सही शायद पर्याप्त है। लेकिन clustering गुणांक के मामले के लिए सही जवाब हो रही वास्तव में बहुत महंगा है। तो बस तुम, यहाँ के clustering गुणांक कंप्यूटिंग के लिए कुछ कोड याद दिलाने के लिए एक ग्राफ की एक विशेष नोड वी के संबंध में। तो एक नोड v या clustering गुणांक शामिल है कंप्यूटिंग दी सभी पड़ोसी उन्हें एक के बाद एक के माध्यम से जा रहे वी, के देख, और पड़ोसियों के जोड़े पर लग रही है। और पड़ोसियों की प्रत्येक जोड़ी के लिए, यह कैसे जुड़ा है की गणना करने के लिए एक परिकलन करता है और फिर पड़ोसी की घनी कैसे कनेक्ट किए गए उपाय एक रिटर्न कर रहे हैं। लेकिन है कि हम की जरूरत है स्क्वायर पर देखने के लिए प्रत्येक नोड के लिए है की डिग्री के लिए वास्तव में यह गणना तो अगर डिग्री है बल्कि ग्राफ काफी घनी कनेक्ट है, तो उच्च है या यहां तक कि अगर वहाँ कुछ नोड्स है कि एक बहुत है, बहुत उच्च कनेक्टिविटी है शायद नहीं कि जैसे कई किनारों, जैसे एक सितारा ग्राफ उदाहरण के लिए। स्टार ग्राफ किनारों की बस रैखिक संख्या है लेकिन यह भी रैखिक डिग्री में कम से कम कि एक नोड में है। और इतना कंप्यूटिंग clustering गुणांक उस नोड के लिए n² है फिर लिए कुल चलाने के समय n³ होने के लिए नहीं जा रहा है अच्छी तरह से मुझे लगता है इस मामले में कि क्योंकि हम उन नोड्स में से प्रत्येक पर n² नहीं है। लेकिन समय चल रहा अभी भी बहुत अधिक है और n² बहुत अधिक है। और अगर यह वास्तव में एक गुट की तरह एक घनी कनेक्टेड ग्राफ है, ग्राफ में नोड्स के प्रत्येक के लिए हम n² के बारे में बात कर रहे हैं n³ और मार्वल कॉमिक्स ग्राफ की तरह कुछ के लिए n³ तक जो योग जहाँ आप 6000 नोड्स, है 6000³ एक सुंदर भारी संख्या है यहां तक कि वर्तमान कंप्यूटिंग मानकों द्वारा। तो हम बहुत कुछ इस से भी कम समय में एक बहुत अच्छा जवाब हो रही का एक तरीका है करने के लिए चाहते हैं। यहाँ की तरह clustering गुणांक के लिए एक फार्मूला है। एक ग्राफ का clustering गुणांक में, आप ग्राफ में सभी नोड्स का योग करने के लिए है। हम जा रहे हैं औसत से यह ग्राफ में n नोड्स के लिए। और फिर उन नोड्स के प्रत्येक के लिए हम क्या हम नोड्स के सभी पेयर्स के लिए राशि तक है कि नोड वी के पड़ोसी हैं। हम चाहे या नहीं वे जुड़े रहे हैं अप राशि और फिर हम ने जो पैमाने पर की संभव कनेक्शन - संख्या ले जा वी के पड़ोसी के आकार से अधिक 2 पड़ोसी के आकार शून्य से 1 वी के बार। तो तुम इस यादृच्छिक प्रक्रिया के बारे में एक दूसरे के लिए लगता है कि मैं यहाँ यह गले मिल गया है कि होता। तो हम एक वी यादृच्छिक से कहीं भी में ग्राफ चुनें कि कल्पना और फिर हम चुनते हैं कि विशेष रूप से चुने हुए नोड वी के पड़ोसी की एक जोड़ी ग्राफ से पूरी तरह से यादृच्छिक पर। और फिर हम वापस जाने या तो 1 या 0 निर्भर करता है कि क्या उन दो नोड्स से जुड़े रहे हैं। इस मात्रा का औसत मूल्य क्या है? और याद है हम यहाँ ले जा रहे हैं औसत औसत है कि हम randomizing रहे हैं randomness के इन दो स्रोतों से अधिक नेटवर्क में समग्र नोड्स और हम समग्र जोड़े randomizing रहे हैं। तो बस कुछ random चर की उम्मीद मूल्य की समीक्षा करने के लिए एक्स है योग सभी मूल्यों, कि चर पर ले जा सकते हैं की उस चर के मूल्य संभावना है समय। तो उदाहरण के लिए एक छह-पक्षीय मरने के लिए, कि हम मर रोलिंग प्राप्त की उम्मीद मूल्य यह योग सभी पक्षों पर, उस तरफ जो एक 6 है होने की संभावना है, मूल्य उस पक्ष पर कई बार जो नंबर 1, 2, 3, 4, 5 या 6 है। और बहुत से है कि हम वास्तव में औसत मान प्राप्त कर सकते हैं कि आता है मरने या उम्मीद मूल्य पर। तो दी है कि और अगर हम एक v दी रहे हैं, क्या सी [wx] की उम्मीद मूल्य है? शायद मैं आप से पूछना चाहिए। तो यहाँ एक कंकाल करने के लिए आप शुरू कर दिया है। मैं सी, इस कनेक्टिविटी चर, एक ग्राफ जी को देखते हुए की उम्मीद मूल्य जानना चाहते और उस ग्राफ़ के एक नोड वी और मैं तुम्हारे लिए वी के पड़ोसियों के सेट पूर्वनिर्धारित किया जा जाएगा और फिर वी, पड़ोसियों की संख्या, व्यंजक की डिग्री g(w) में एक्स सच है यदि x और डब्ल्यू ग्राफ में जुड़े हुए हैं। तो उन टुकड़ों है कि आप की जरूरत हैं। बिल्कुल यह मूल्य की गणना।