عبداللہ حسین
خاندانی پس منظر:
پاکستان سے تعلق رکھنے والے بین الاقوامی شہرت یافتہ ناول و افسانہ نگار تھے جو اپنے ناول اداس نسلیں کی وجہ سے دنیائے ادب میں شہرت رکھتے ہیں۔عبد اللہ حسین 14 اگست 1931ء کو راولپنڈی میں پیدا ہوئے۔ ان کا اصل نام محمد خان تھا۔ والد محمد اکبر خان برطانوی راج میں راولپنڈی میں ایکسائزانسپکٹر کی حیثیت سے ملازمت کرتے تھے، جن کا آبائی وطن پاکستان کے صوبہ خیبر پختونخوا کا ضلع بنوں تھا۔ عبد اللہ حسین کے والدین وطن کو خیر باد کہہ کر پنجاب میں آبسے تھے۔ ان کی تین بیٹیاں تھیں۔ عبد اللہ حسین اپنے والد کی پانچویں مگر آخری بیوی کی واحد اولاد تھے اور پاچ برس کی عمر سے ہی اپنے آبائی شہر گجرات میں رہنے لگے تھے۔ چونکہ عبد اللہ حسین کے والد سرکاری ملازمت میں تھے اس وجہ سے انہیں ملک کے مختلف علاقوں میں منتقل ہونا پڑا۔ وہ راولپنڈی کے علاوہ فیروزپور اور جھنگ جیسے شہروں میں بھی رہے۔
تعلیم:
عبد اللہ حسین کی ابتدائی تعلیم گھر پر ہی ہوئی تھی۔ نو برس کی عمر میں عبد اللہ حسین کی مذہبی درس و تدریس کے سلسلے میں صدرالدین نام کے ایک مولوی صاحب کو رکھا گیا۔ انہوں نے پرائمری کی تعلیم سناتن دھرم اسکول میں حاصل کی جو 1960ء کے بعد مدرسۃ البنات کہلایا اور 1946ء میں گجرات کے اسلامیہ ہائی اسکول سے میٹرک کا امتحان پاس کیا۔ 1952ء میں انہوں نے زمیندار کالج، گجرات سے بی ایس سی کیا۔
انگریزی میں دسترس:
عبد اللہ حسین جب تعلیمی مراحل میں تھے اور گریجویشن کے لیے کالج میں گئے تھے تو وہاں انگریزی زبان سے ہی زیادہ واسطہ پڑتا تھا چاہے وہ تاریخ ہو، جغرافیہ ہو یا اکنامکس۔ انگریزی ذریعہ تعلیم ہونے کی وجہ سے ان کو اس زبان پر دسترس حاصل ہو گئی۔ اسی...
Tujuan penelitian ini adalah untuk mengetahui peningkatan kinerja guru di MTS Negeri 2 Banggai Semester 1 Tahun Pelajaran 2018/2019 setelah mengikuti supervisi akademik. Penelitian ini adalah penelitian tindakan sekolah. Subjek penelitian adalah guru di MTS Negeri 2 Banggai yang berjumlah 8 orang guru. Data kinerja guru pada penelitian ini dikumpulkan menggunakan kuesioner. Teknik analisis data menggunakan analisis deskriptif. Indikator keberhasilan penelitian ini adalah: apabila rata-rata kinerja guru minimal pada kategori Tinggi, dan ketuntasan klasikal sebesar 90%. Berdasarkan penelitian yang telah dilakukan dapat disimpulkan bahwa: penerapan supervisi akademik secara efektif dapat meningkatkan kinerja guru di MTS Negeri 2 Banggai Semester 1 Tahun Pelajaran 2018/2019. Hal ini ditunjukkan dari rerata kinerja guru sebelum penelitian sebesar 130, 50 berada pada kategori sedang, meningkat pada siklus I menjadi 150, 13 berada pada kategori tinggi dan meningkat lagi pada siklus II menjadi 167 berada pada kategori sangat tinggi
The aim of the thesis is to examine and analyze different aggregation algorithms to the forecasts obtained from individual neural network (NN) models in an ensemble. In this study an ensemble of 100 NN models are constructed with a heterogeneous architecture. The outputs from the individual NN models were combined by four different aggregation algorithms in NNs ensemble. These algorithms include equal weights combination of Best NN models, combination of trimmed forecasts, combination through Variance-Covariance method and Bayesian Model Averaging. The aggregation algorithms were employed on the forecasts obtained from all individual NN models as well as on a number of the best forecasts obtained from the best NN models. The output of the aggregation algorithms of NNs ensemble were analyzed and compared with each other and with the individual NN models used in NNs ensemble. The results of the aggregation algorithms of NNs ensemble are also compared with the Simple Averaging method. The performances of these aggregation algorithms of NNs ensemble were evaluated with the mean absolute percentage error and symmetric mean absolute percentage error.
In the empirical analysis, the methodologies developed were tested on the Universiti Teknologi PETRONAS load data set of five years from 2006 to 2010 for forecasting. It can be concluded from the results that the aggregation algorithms of NNs ensemble can improve the accuracy of forecast than the individual NN models with a test data set. Furthermore, in the comparison with the Simple Averaging method, the aggregation algorithms of NNs ensemble demonstrate slightly better performance than the Simple Averaging. It has also been observed during the empirical analysis that; reducing the size of ensemble increases the diversity and, hence, accuracy. Moreover, it has been concluded that more benefits can be achieved by the utilization of an advanced method for forecast combinations.