您搜索了: steadily (英语 - 泰米尔语)

we therefore gave the wind under his control, moving steadily by his command wherever he wished.
ஆகவே, நாம் அவருக்குக் காற்றை வசப்படுத்திக் கொடுத்தோம்; அது அவருடைய கட்டளைப்படி அவர் நாடிய இடங்களுக்கெல்லாம் இலகுவாக (அவரைச் சுமந்து) சென்று கொண்டிருந்தது.

and those who denied our signs – we shall soon steadily lead them towards the punishment, from the place they will not know.
எவர் நம் வசனங்களைப் பொய்யெனக் கூறுகிறார்களோ அவர்களைப் படிப்படியாக அவர்கள் அறியா வண்ணம் பிடிப்போம்.

therefore leave the one who denies this matter, to me; we shall soon steadily take them away, from a place they do not know.
எனவே, என்னையும், இந்தச் செய்தியைப் பொய்யாக்குவோரையும் விட்டு விடுவீராக! அவர்களே அறியாத விதத்தில் படிப்படியாகப் பிடிப்போம்.

and the chief persons of them break forth, saying: go and steadily adhere to your gods; this is most surely a thing sought after.
"(இவரை விட்டும் விலகிச்) செல்லுங்கள். உங்கள் தெய்வங்களை உறுதியுடன் பற்றிக் கொள்ளுங்கள். நிச்சயமாக இதில் (இவரது பிரச்சாரத்தில்) ஏதோ (சுயநலம்) நாடப்படுகிறது" என்று அவர்களின் தலைவர்கள் (கூறிச்) சென்றனர்.

today many online business sites springs everyday and tend to attract peoples to sell their product.the amount of propagation of information is steadily increased in online social networks such as facebook and twitter. influence maximization is introduced to maximize the profit of viral marketing in social networks. the weakness of influence maximization is that it does not distinguish specific users from others, even if some items can be only useful for the specific users. for such items, it is a better strategy to focus on maximizing the influence on the specific users. in this paper, we formulate an influence maximization problem as query processing to distinguish specific users from others. we show that the query processing problem is np-hard and its objective function is submodular. we propose an expectation model for the value of the objective function and a fast greedy-based approximation method using the expectation model. for the expectation model, we investigate a relationship of paths between users. for the greedy method, we work out an efficient incremental updating of the marginal gain to our objective function. we conduct experiments to evaluate the proposed method with real-life datasets, and compare the results with those of existing methods that are adapted to the problem. from our experimental results, the proposed method is at least an order of magnitude faster than the existing methods in most cases while achieving high accuracy.
தமிழ் மொழிபெயர்ப்பு ஆங்கிலம் பத்தி ஆன்லைன்