Pull to refresh
  • by relevance
  • by date
  • by rating

Пишем музыку с помощью PHP

Abnormal programming *PHP *Algorithms *
Translation
Я не специалист по теории вероятностей, искусственного интеллекта и машинного обучения, кроме того уроки начальной музыкальной школы давно забыты. Но если вы уделите мне 10 минут, то обнаружите, что даже небольшой запас знаний может дать впечатляющие результаты при их творческом применении. Я хочу поделиться с вами, как научить PHP сочинять музыку.

Например, такую:

сгенерированная мелодия
Читать дальше →
Total votes 66: ↑49 and ↓17 +32
Views 20K
Comments 40

Вероятностные модели: сэмплирование

Surfingbird corporate blog Algorithms *
Tutorial
И снова здравствуйте! Сегодня я продолжаю серию статей в блоге Surfingbird, посвящённую разным методам рекомендаций, а также иногда и просто разного рода вероятностным моделям. Давным-давно, кажется, в прошлую пятницу летом прошлого года, я написал небольшой цикл о графических вероятностных моделях: первая часть вводила основы графических вероятностных моделей, во второй части было несколько примеров, часть 3 рассказывала об алгоритме передачи сообщений, а в четвёртой части мы кратко поговорили о вариационных приближениях. Цикл заканчивался обещанием поговорить о сэмплировании — ну что ж, не прошло и года. Вообще говоря, в этом мини-цикле я поведу речь более предметно о модели LDA и о том, как она помогает нам делать рекомендации текстового контента. Но сегодня начну с того, что выполню давнее обещание и расскажу о сэмплировании в вероятностных моделях — одном из основных методов приближённого вывода.

Читать дальше →
Total votes 45: ↑45 and ↓0 +45
Views 30K
Comments 9

Оценка параметров старения с помощью носимой электроники. Лекция в Яндексе

Яндекс corporate blog Research and forecasts in IT
Носимые устройства сейчас в моде, но используются в основном для фитнеса и спорта. Как найти им другое применение? Что они могут рассказать о нашем здоровье и продолжительности жизни? А главное — как оценивать поступающие с них данные? Руководитель направления mHealth R&D в компании Gero Тимофей Пырков прочитал отличную лекцию, посвящённую локомоторной активности человека.


Под катом — расшифровка и большинство слайдов.

Total votes 36: ↑34 and ↓2 +32
Views 11K
Comments 6

Эффект хипстера: когда все нонконформисты выглядят одинаково

Social networks and communities Physics


Интересную научную работу опубликовал исследователь Джонатан Тубул (Jonathan Touboul) из лаборатории математической нейробиологии в Коллеж де Франс. Тема научной статьи, собственно, раскрыта в её названии: «Эффект хипстера: когда все нонконформисты выглядят одинаково» (pdf).

«В таких разных областях как статистическая физика, спиновые стёкла, нейробиология, общественные науки, экономика и финансы повсеместно встречается ситуация, когда взаимодействующие объекты принимают решение действовать в соответствии с большинством (мейнстрим) или противоположно ему (хипстеры), — пишет автор. — Тем не менее, упорные попытки выделиться часто приводят к тому, что все хипстеры последовательно принимают одни и те же решения, то есть выглядят одинаково».
Читать дальше →
Total votes 23: ↑17 and ↓6 +11
Views 11K
Comments 46

Роботы в MIT научились сообща разносить пиво в условиях неопределённости

Robotics Artificial Intelligence

Робот-бармен и два робота-официанта

В Лаборатории компьютерных наук и искусственного интеллекта (Computer Science and Artificial Intelligence Laboratory) Массачусетского технологического института разработали принципиальный метод координации действий нескольких роботов. Метод основан на модели планирования совместной деятельности в условиях стохастичности, неопределённости и ограниченных коммуникаций (научная работа, pdf).

Алгоритм планирования совместных действий базируется на общей модели MacDec-POMDP, но использует правила действий, представленные в виде конечных операторов (finite-state controller), а не ищет правила в заданном заранее дереве решений, как это обычно принято.
Читать дальше →
Total votes 20: ↑18 and ↓2 +16
Views 10K
Comments 5

Треугольник Паскаля vs цепочек типа «000…/111…» в бинарных рядах и нейронных сетях

Data Mining *Algorithms *Big Data *Mathematics *Open data *

Серия «Белый шум рисует черный квадрат»



История цикла этих публикаций начинается с того, что в книге Г.Секей «Парадоксы в теории вероятностей и математической статистике» (стр.43), было обнаружено следующее утверждение:


Рис. 1.

По анализу комментарий к первым публикациям (часть 1, часть 2) и последующими рассуждениями созрела идея представить эту теорему в более наглядном виде.

Большинству из участников сообщества знаком треугольник Паскаля, как следствие биноминального распределения вероятностей и многие сопутствующие законы. Для понимания механизма образования треугольника Паскаля развернем его детальнее, с развертыванием потоков его образования. В треугольнике Паскаля узлы формируются по соотношению 0 и 1, рисунок ниже.


Рис. 2.

Для понимания теоремы Эрдёша-Реньи составим аналогичную модель, но узлы будут формироваться из значений, в которых присутствуют наибольшие цепочки, состоящие последовательно из одинаковых значений. Кластеризации будет проводиться по следующему правилу: цепочки 01/10, к кластеру «1»; цепочки 00/11, к кластеру «2»; цепочки 000/111, к кластеру «3» и т.д. При этом разобьём пирамиду на две симметричные составляющие рисунок 3.


Рис. 3.

Первое что бросается в глаза это то, что все перемещения происходят из более низкого кластера в более высокий и наоборот быть не может. Это естественно, так как если цепочка размера j сложилась, то она уже не может исчезнуть.
Читать дальше →
Total votes 17: ↑17 and ↓0 +17
Views 4.2K
Comments 5