Этот человек, которого мы будем называть Фред, ибо таково кодовое имя, под которым он сообщает собранную информацию, находясь в костюме-болтунье, не может быть опознан по внешнему виду или голосу. Он похож на расплывчатое пятно и ни на что больше, не правда ли, друзья? «Помутнение», Филип К. Дик.

Камеры не удивляют на улицах, в банках и магазинах. Люди ставят их для контроля квартиры, машины, дачи, детской площадки. Видеонаблюдение перестает быть средством пассивной безопасности, добавляются функции распознавания лиц и определения эмоций. Чем больше становится камер, тем чаще появляются хактивисты, предлагающие различные способы «защиты» личности. Фобии в области видеонаблюдения привели к тому, что кое-кто стал заклеивать вебку в ноутбуке.

Мы решили разобраться в этом вопросе. Если в мире проявляется тренд на полную анонимность, значит должны быть надежные методы для тех, кто не хочет отдавать свои данные камерам наблюдения. Поговорим о способах обмана видеоаналитики.

Вчера биткоин преодолел новый психологический рубеж: одна монета стала стоить дорожде унции золота. Это уже второй прорыв биткоина с начала этого года — сперва криптовалюта преодолела рубеж в $1000, а на момент публикации статьи стоит уже $1293, на 70 долларов дороже унции золота ($1227).





Тройская унция, составляющая чуть более 31 грамма — принятая единица измерения веса золота.

В этой статье я расскажу о проекте мощного четырехканального диммера для светодиодных полосок и ламп (до 200 ватт суммарной мощности, 50..100 ватт на канал) с высокой частотой PWM-регулирования (1 килогерц с глубиной цвета в 10 бит), для качественного освещения. Дополнительно у него имеются вход датчика освещенности, функции обратной связи (выдача контроллеру информации по входному напряжению питания, напряжению на измерительных входах и так далее) и даже гальваническая развязка последовательного порта управления.

3D-рендеринг демки Zen Garden в браузере Firefox 52 c поддержкой WebAssembly

Mozilla выпустила Firefox 52, последнюю версию браузера с поддержкой операционной системы Windows XP. Сделан ряд важных изменений: упрощено подключение к хотспотам, где нужно сначала залогиниться в браузере, появились предупреждения об опасности, если страница запрашивает пароль по небезопасносму соединению (не HTTPS), исчезла поддержка плагинов NPAPI (кроме Flash, а в билде ESR останется полная поддержка), закрыто 28 уязвимостей.

Но ничто это не сравнится с главным и фундаментальным нововведением — поддержкой низкоуровневого языка программирования WebAssembly (wasm) типа ассемблера, который называют одной из самых значительных инноваций веб-платформы за последнее десятилетие. Это то, чего не хватало JavaScript.

Уважаемый читатель, этой статьей я открываю цикл статей, посвященных вёрстке.
В первой части будет описано, как это сделать с помощью стандартных средств на чистом HTML и CSS. В последующих частях рассмотрим как сделать тоже самое, но с помощью современных фреймворков и CMS.

Часть 1. Верстка стандартными средствами

Преимущество данной верстки состоит в том, что код получается более «чистым», а значит быстрее загружается и легче изменяется под специфические нужды. Недостаток такой верстки заключается в том, что она требует значительно больше времени, чем при использовании фреймворков.

Итак, давайте приступим. В качестве нашего подопытного мы возьмем бесплатный psd шаблон Corporate Blue от студии Pcklaboratory.

Сигмо́ида — это гладкая монотонная возрастающая нелинейная функция, имеющая форму буквы «S». Является частным случаем т.н. S-образных кривых (это уже не математический термин, а некое общее обозначение для всех кривых, напоминающих написание латинской буквы).

Визуализация цикла обучения нейронной сети

Команда инженеров проекта Graphcore построила графы активности узлов нейронной сети и их связи в процессе обучения по распознаванию образов, о чем исследователи рассказали в своем блоге.

Изображение выше демонстрирует полный цикл обучения и распознавания нейронной сети Microsoft Research RESNET-34 в декабре 2016 года. Саму систему развернули на базе IPU — интеллектуального графического процессора, как его называют создатели, еще в середине 2016 года. Полученные данные раскрасили для того, чтобы выделить различную плотность вычислений, производящиеся нейронной сетью.

В очередной статье нашего цикла публикаций, посвященного интернет-разведке, рассмотрим, как операторы продвинутого поиска Google (advanced search operators) позволяют быстро находить необходимую информацию о конкретном человеке.

В комментариях к первой нашей статье, читатели просили побольше практических примеров и скриншотов, поэтому в этой статье практики и графики будем много. Для демонстрации возможностей «продвинутого» поиска Google в качестве целей были выбраны личные аккаунты автора. Сделано это, чтобы никого не обидеть излишним интересом к его частной жизни. Хочу сразу предупредить, что никогда не задавался целью скрыть свое присутствие в интернете, поэтому описанные методы подойдут для сбора данных об обычных людях, и могут быть не очень эффективны для деанонимизации фэйковых аккаунтов, созданных для разовых акций. Интересующимся читателям предлагаю повторить приведенные примеры запросов в отношении своих аккаунтов и оценить насколько легко собирать информацию по ним.

Привет, Хабр! Под катом пойдёт речь о реализации свёрточной нейронной сети архитектуры InceptionV3 с использованием фреймворка Keras. Статью я решил написать после ознакомления с туториалом "Построение мощных моделей классификации с использованием небольшого количества данных". С одобрения автора туториала я немного изменил содержание своей статьи. В отличие от предложенной автором нейронной сети VGG16, мы будем обучать гугловскую глубокую нейронную сеть Inception V3, которая уже предустановлена в Keras.

Вы научитесь:

1. Импортировать нейронную сеть Inception V3 из библиотеки Keras;
2. Настраивать сеть: загружать веса, изменять верхнюю часть модели (fc-layers), таким образом, приспосабливая модель под бинарную классификацию;
3. Проводить тонкую настройку нижнего свёрточного слоя нейронной сети;
4. Применять аугментацию данных при помощи ImageDataGenerator;
5. Обучать сеть по частям для экономии ресурсов и времени;
6. Оценивать работу модели.

При написании статьи я ставил перед собой задачу представить максимально практичный материал, который раскроет некоторые интересные возможности фреймворка Keras.

Детская мечта

Однажды в школе попала ко мне в руки рация, обычная такая, чаще у железнодорожников встречается. С этого дня началось бесконечное вслушивание в эфир. Это казалось каким-то волшебством, окном в другой, невидимый мир. В основном, конечно, помехи, таксисты, железная дорога и море шумов. Все это быстро надоело. Но один звук все-таки не давал мне покоя. Он был слышен не всегда, а только несколько раз в сутки, приблизительно в одно и то же время. Природа этого писка была мне неизвестна. Тогда у меня не было ни интернета, ни знакомых людей, которые могли бы хоть что-то прояснить о происхождении этой передачи. Только старая рация и кусок провода на чердаке вместо антенны.

Да, в ВКашечке есть глобальный word-фильтр.

Наверно, все слышали историю про так называемые «группы смерти»? Думаю, если не все, так многие. В одном из пабликов зашло обсуждение этой темы и один из моих комментов неожиданно исчез. Без мата там не обошлось, поэтому я решил уточнить у админа паблика, есть ли настроенный ворд-фильтр. Ворд-фильтра не было. Админ мой коммент тоже не удалял, а оснований не доверять ему у меня не было. В этот момент и закрались подозрения.

Друзья! Мы продолжаем колонку на тему разработки мобильных приложений на Xamarin. И
после небольшого перерыва готовы вернуться к рассмотрению особенностей использования Xamarin.Forms при разработке бизнес-приложений для iOS и Android. Все статьи из колонки можно будет найти и прочитать по ссылке #xamarincolumn

В сегодняшней статье мы рассмотрим вопросы производительности приложений и оптимизации самого процесса разработки.

Правильные пчелы

В замечательной сказке про Винни-Пуха пчелы делились на правильных и неправильных. Аналогично и окружения, в которых будет идти разработка приложений могут быть условно разделены на правильные и неправильные.

Начнем мы с компьютеров, на которых будет идти разработка.

Историческая справка

XIX век был этакой эпохой дикого Запада в экспериментальной физике электромагнетизма. Роберт Ван де Грааф, лорд Кельвин, Никола Тесла и многие другие учёные, исследователи и инженеры открывали всё новые и новые явления, а затем масштабировали производящие их установки до колоссальных размеров. Некоторые из их творений функционируют до сих пор — например, шестиметровый гигантский генератор Ван де Граафа в Бостонском музее науки, а некоторые, как широко известная башня Уорденклифф, так никогда и не появились на свет.



С течением времени и развитием науки и техники внимание учёных переключилось на другие направления, но отдельные энтузиасты продолжали собирать, изучать и совершенствовать классические разработки в области высоких напряжений, электростатики, физики плазмы — кто-то вследствие неугасающей веры в теорию эфира и бесплатную энергию, кто-то из любопытства, или для решения узкоспециальных прикладных задач, кто-то просто потому что ему это доставляло.

В последнее время, примерно с конца 90-х годов, эта отрасль инженерных задач переживает ренессанс, связанный с интересом шоу-бизнеса и индустрии развлечений к притягивающим внимание разрядам катушек Тесла, усилившийся в последнее десятилетие после изобретения DRSSTC, которая на настоящий момент представляет собой наиболее технически совершенный вид катушки Тесла, использующий вместо классического искрового разрядника силовые транзисторы, что позволяет быстро — в течение нескольких периодов колебаний — менять частоту появления разряда (BPS ) и, как следствие, воспроизводить музыку непосредственно при помощи появляющихся молний. Один из примеров — известная серийная модель OneTesla, которая, при всей непродуманности предлагаемого авторами конструктора, вполне работоспособна при определённом приложении рук.

Предисловие

→ Первая часть

Итак. Оценив отклик аудитории Хабра и разобравшись с делами, я принялся за написание второй статьи из цикла. Реакция публики оказалась значительно позитивнее моих предположений, а значит, мы продолжаем разговор на одну из любопытнейших тем процедурной генерации – создание лабиринтов.

В этой части мы поговорим о том, что же такое случайная и псевдослучайная генерации, какие алгоритмы могут дать нам равновероятно ничем не похожие друг на друга лабиринты и в чем их минусы. Героями нашего сегодняшнего приключения станут алгоритм Уилсона и алгоритм Олдоса-Бродера для создания случайного остовного дерева (Uniform Spanning Tree). ОСТОРОЖНО ТРАФИК.

Как я создал первую функцию

Все началось с того что я захотел программировать на C# (до создания этой программы у меня было почти что никаких знаний о C#), и была одна программа которая не работала так как я хотел (Punto Switcher) долго-долго я искал к ней альтернативы и ненадолго остановился на dotSwitcher нравилась она мне… Но через некоторое время я решил что ей не хватает функционала и решил посмотреть исходный код, кое-где кое-как я разобрался как все работает, но больше всего не понимал одну вещь — WinAPI, и начал я искать информацию по функциям используемых в dotSwitcher и понемногу я начинал запоминать и понимать смысл всего этого волшебства (так мне тогда казалось).

Данная статья будет полезна новичкам, которые только начали использовать библиотеку OpenCV и еще не знают все её возможности. В частности, на основе биоинспирированного модуля библиотеки OpenCV можно сделать адаптивный к освещению детектор движения. Данный детектор движения будет работать в полумраке лучше, чем обычное вычитание двух кадров.

По словам Оуэна Маруни, работающего физиком в Оксфордском университете, с момента появления квантовой теории в 1900-х годах все говорили о странности этой теории. Как она позволяет частицам и атомам двигаться в нескольких направлениях одновременно, или одновременно вращаться по часовой и против часовой стрелки. Но словами ничего не докажешь. «Если мы рассказываем общественности, что квантовая теория очень странная, нам необходимо проверить это утверждение экспериментально,- говорит Маруни. – А иначе мы не наукой занимаемся, а рассказываем про всякие закорючки на доске».

Именно это навело Маруни сотоварищи на мысль разработать новую серию экспериментов для раскрытия сути волновой функции – загадочной сущности, лежащей в основе квантовых странностей. На бумаге, волновая функция – просто математический объект, обозначаемый буквой пси (Ψ) (одна из тех самых закорючек), и используется для описания квантового поведения частиц. В зависимости от эксперимента, волновая функция позволяет учёным вычислять вероятность наблюдения электрона в каком-то конкретном месте, или шансы того, что его спин ориентирован вверх или вниз. Но математика не говорит о том, что на самом деле такое волновая функция. Это нечто физическое? Или просто вычислительный инструмент, позволяющий работать с невежественностью наблюдателя касательно реального мира?

Hello, Habr! Недавно мы получили от “Известий” заказ на проведение исследования общественного мнения по поводу фильма «Звёздные войны: Пробуждение Силы», премьера которого состоялась 17 декабря. Для этого мы решили провести анализ тональности российского сегмента Twitter по нескольким релевантным хэштегам. Результата от нас ждали всего через 3 дня (и это в самом конце года!), поэтому нам нужен был очень быстрый способ. В интернете мы нашли несколько подобных онлайн-сервисов (среди которых sentiment140 и tweet_viz), но оказалось, что они не работают с русским языком и по каким-то причинам анализируют только маленький процент твитов. Нам помог бы сервис AlchemyAPI, но ограничение в 1000 запросов в сутки нас также не устраивало. Тогда мы решили сделать свой анализатор тональности с блэк-джеком и всем остальным, создав простенькую рекурентную нейронную сеть с памятью. Результаты нашего исследования были использованы в статье “Известий”, опубликованной 3 января.



В этой статье я немного расскажу о такого рода сетях и познакомлю с парой классных инструментов для домашних экспериментов, которые позволят строить нейронные сети любой сложности в несколько строк кода даже школьникам. Добро пожаловать под кат.

Привет всем читателям Habrahabr, в этой статье я хочу поделиться с Вами моим опытом в изучении нейронных сетей и, как следствие, их реализации, с помощью языка программирования Java, на платформе Android. Мое знакомство с нейронными сетями произошло, когда вышло приложение Prisma. Оно обрабатывает любую фотографию, с помощью нейронных сетей, и воспроизводит ее с нуля, используя выбранный стиль. Заинтересовавшись этим, я бросился искать статьи и «туториалы», в первую очередь, на Хабре. И к моему великому удивлению, я не нашел ни одну статью, которая четко и поэтапно расписывала алгоритм работы нейронных сетей. Информация была разрознена и в ней отсутствовали ключевые моменты. Также, большинство авторов бросается показывать код на том или ином языке программирования, не прибегая к детальным объяснениям.

Поэтому сейчас, когда я достаточно хорошо освоил нейронные сети и нашел огромное количество информации с разных иностранных порталов, я хотел бы поделиться этим с людьми в серии публикаций, где я соберу всю информацию, которая потребуется вам, если вы только начинаете знакомство с нейронными сетями. В этой статье, я не буду делать сильный акцент на Java и буду объяснять все на примерах, чтобы вы сами смогли перенести это на любой, нужный вам язык программирования. В последующих статьях, я расскажу о своем приложении, написанном под андроид, которое предсказывает движение акций или валюты. Иными словами, всех желающих окунуться в мир нейронных сетей и жаждущих простого и доступного изложения информации или просто тех, кто что-то не понял и хочет подтянуть, добро пожаловать под кат.

Человек не может контролировать, какие объекты в окружающем мире привлекут его внимание. Этот процесс происходит бессознательно. Тем не менее, он очень важен в принятии решений, а также во множестве практических задач, когда речь идёт о воздействии на массовую аудиторию. Учёные из Принстонского и Стэнфордского университетов продолжили работу своих предшественников по исследованию механизма внимания у людей. Они изучили, как под воздействием вознаграждения укрепляются определённые нейронные цепи в мозге, которые определяют, на какой стимул будет реагировать человек, обращая внимание именно на него и игнорируя остальные.

Подтвердилась теория, что внимание человека эффективно программируется с помощью вознаграждения. Исследование американских учёных имеет большое значение для разработки методов поведенческой терапии — психотерапии, которая исправляет неправильное поведение человека с помощью подкрепления желательного спонтанного поведения.