اچانک ہی موٹی موٹی بوندوں نے پوکھر کی زندگی میں ہلچل سی مچادی۔لہروں نے انگڑائیاں لیں ۔ہواوں نے سرکشی سے بوندوں کو مہمیز کیا۔لیکن میں ویسے ہی اپنی نظریں فش راڈ کے کانٹے پر جمائےبیتھا رہا۔۔میری پشت کیلے کے پتوں سے پھسلتی ہوئ بوندوں سے گیلی ہوتی رہی۔ میں نے بےخیالی میں دایاں پاوں ٹخنوں تک پانی میں ڈالا۔پھر بایاں بھی ۔ایک بہتا ہوا سبز پتا میرے پاؤں پر پناہ لینے رک گیا۔۔میں اج اداس سب دنوں سے زیادہ تھا۔اداسی کا کوئی رنگ نہیں ہوتا ۔یہ کسی بھی لمحے آکر اپکو تنہا کردیتی ہے۔تنہا ہونے کا احساس تنہائی سے زیادہ درد دیتا ہے۔۔ا چانک فش راڈ کا کانٹا ہلا۔میں نے راڈ کھینچی مگر کوئی مچھلی نہیں پھنسی۔مچھلی اپنا کھانا کھا کر غائب ہوگئ تھی۔میں نے پھر ڈھیر سارا چارا بھرااور ہوا میں اچھال کر دور پانی میں پھینکا۔ ایک دائرہ سا بنا۔پھیلا ۔سمٹا اور پھر غائب ہو گیا۔
سامنے نیم کے درخت کے نیچے بیٹھا بلال اچانک زوروں سے چیخا
بھیا جی رہو پھنسی۔ ایک چمکتی ہوئ بڑی سی مچھلی ک ہی لمحوں کے لئے ہوا میں تڑپتی نظر آئ۔ سورج کی کرنیں اس پر مچل رہی تھیں ۔بلال نے اپنی پوری قوت سے ڈور کو اپنے قریب کھینچا اور مچھلی کو دونوں ہاتھوں سے دبوچ کراسکے گلپھڑے سے بنسی نکالی ۔خون کے چند قطرے ٹپکے۔پھر اس نے ایک بڑی بالٹی میں دوسری مچھلیوں کے ساتھ ڈال دیا۔کچھ دیر مچھلی بے بسی سے تڑپتی رہئ پھر ساکت ہوگئ۔
بھیا۔ اج بھی خالی ہاتھ ، ایک بھی نہیں پکڑی۔وہ تمسخرانہ انداز میں ہنسا۔
اپنی اپنی قسمت ہے بلو ۔اداس لہجے نے مجھے سرد کردیا ۔میں نے شکار کے سارے سامان لپیٹے۔چٹائی کے نیچے کاغز میں لپٹے چینی کو چیونٹیوں کے بل کے پاس ڈال کر اتھ گیااور اپنے اٹا چکی کی جانب چلا ۔میرے اگے بلو چھلکتی...
Today the big challenge for NEWS organization to well organize the news and well categorize the news in automatically no need the data entry people to enter and select the category and then based on the category and its sub-category they will be manually selected and enter the details and then after this the analysis will later on used for different aspects. The news is almost every second used in different sources of media in soft and hard. We use the both sources of the Pakistan News in dual languages English and Urdu both and process them and prepare them for machine learning and based on the Machine learning trained data we build a very effective and efficient model that can predict the title category of the news and category of description of the news. We use different machine learning algorithms and different features extraction finally we build the model using the machine learning algorithm with 89% accuracy with logistic regression.
Time dependent partial differential equations (PDEs) model systems that experience change as a function of time. Time dependent PDEs have numerous applications such as diffusion, heat transfer, thermodynamics, population dynamics and wave phenomena. They are naturally parabolic or hyperbolic. Meshless methods have large advantages in accuracy over other methods, such as finite difference method (FDM), finite volume method (FVM), finite element method (FEM). The main features of the meshless methods are its simplicity, efficiency and invariance under euclidian transformation and can handle problems defined on complex shape domains. Meshless methods have some serious drawbacks as well. When the nodes are increased the method solve comparatively large system, and the ill-conditioning of the system matrix causes instability. Due to which it becomes difficult to achieve spectral convergence. This thesis is concerned with two issues that is to solve the ill- conditioning problem of the interpolation matrix by radial kernels in local setting and to replace the time marching scheme with the numerical inversion of Laplace transforms which eliminates temporal truncation errors and the need for many time integration steps. The method is applied to solve fractional and integer order time dependent PDEs. The method comprises of three steps. First the Laplace transform is applied to the partial differential equation and boundary conditions in a given differential system. Second, the kernel based method is employed to solve the transformed differential system. Third, the solution is represented as a contour integral evaluated to high accuracy by trapezoidal rule.