Скорее, это одна из форм её представления, которая скрывает от пользователя часть информации.
Можно в одну и ту же площадь экрана вывести больше полезной информации, если, к примеру, вместо одной свечи Н1 шириной 12 пикселей использовать 12 свечей М5 шириной 1 пиксель. Да, к этому нужно привыкнуть, но со временем пользователь научится видеть те детали, которых с обычными свечами не видел.
Не всегда "бренд-однодневка" означает "подделка". Простые дешёвые товары китайцы выпускают настолько огромными партиями, что подделывать их невыгодно, а продавцу проще заказать партию на Алибабе, где на том же заводе при заказе от 100-1000 шт. могут кастомизировать товар и нанести любой бренд.
У потребителя же прокачивается навык распознавания идентичных товаров в онлайн-барахолках и возникает понимание, чего ждать от покупки.
Причина плохой различимости в синем канале (синий на чёрном, жёлтый на белом и т.д.) в том, что в глазу человека синие фоторецепторы устроены иначе и количество их намного меньше, чем красных и зелёных. Поэтому синий канал не должен нести большую информационную нагрузку в дизайне.
А для получения импульса деконволюция не обязательна, особенно с линейной АЧХ - достаточно свёртки с исходным сигналом, но реверсированным во времени (корреляция)
Вы имеете в виду, что деление на спектр исходного сигнала (при его линейной АЧХ) можно заменить умножением на комплексно сопряжённый спектр (с точностью до модуля)? Спасибо за интересную мысль, хотя на практике свёртка всё равно наверняка будет вычисляться с помощью БПФ.
Как уже верно заметили, с помощью периодического сигнала нельзя измерить задержку, большую его периода. Так почему бы не использовать широкополосный сигнал?
Простейший случай - зондирование одиночными импульсами (в пределе - дельта-функция Дирака) - хорошо работает только в полной тишине. Из-за малой энергии импульса любой посторонний шум будет мешать измерению.
Если подавать много импульсов случайным непериодическим образом (в пределе - белый шум), то можно вычислить корреляцию между выходным и входным сигналами и найти импульсную характеристику системы, которая состоит из главного пика (кратчайший путь звуковой волны) и множества вторичных пиков. См. эксперименты на Pixilang. Недостатки данного метода: шум отфильтровывается очень медленно, его амплитуда снижается пропорционально квадратному корню из количества семплов; АЧХ генерируемого сигнала также носит случайный характер и может содержать пики и провалы (что снижает точность деконволюции из-за возможных делений на числа, близкие к 0).
Улучшить отношение сигнал/шум можно, используя псевдослучайную М-последовательность. Она обладает ровной АЧХ и минимальным пик-фактором. Хотя она и является периодической с периодом 2^N-1, этот период может быть сколь угодно большим, что позволит измерять любые реально возможные задержки. Недостаток - период не является точной степенью двойки, что несколько усложняет вычисление БПФ.
Объединяя перечисленные идеи, мы можем создать периодический шум с ровной АЧХ и периодом 2^N для удобства вычислений. Для этого в частотном пространстве заполняем массив комплексными числами с единичной амплитудой и случайной фазой. Вычисляем обратное БПФ и получаем периодический шум, который транслируем с передатчика. На приёмнике вычисляем БПФ, делим полученный спектр на спектр исходного сигнала (деконволюция) и вычисляем обратное БПФ, получая импульсный отклик системы. Недостаток метода - большой пик-фактор шумового сигнала, что ухудшает сходимость из-за нелинейных искажений. Пики можно частично устранить оптимизацией (срезаем пики и нормируем амплитуды к 1).
Наконец, самый сложный, но самый универсальный метод - сгенерировать частотно-модулированный синусоидальный сигнал. Он требует более сложной математической обработки, но позволяет не только получить импульсную и частотную характеристики, но и проанализировать нелинейные искажения (PDF).
Вопрос автору. Подскажите, какие из популярных отладочных плат могут подойти для обучения работе с 1-битными нейросетями? Где есть поддержка Dynamic partial reconfiguration?
Есть разнообразные бинарные нейронные сети на FPGA, и теоретически возможно их обучение на самом устройстве (при наличии поддержки dynamic partial reconfiguration), но для этого нужно либо для каждой 1-битной связи хранить градиент, либо обучать стохастически, что даёт намного более медленную сходимость.
Подскажите, есть ли простой способ сделать кусок кода платформоспецифичным? Например, у меня есть код, который хорошо реализуется с помощью векторных инструкций armv8a, а для остальных платформ я могу сделать альтернативную (совместимую) реализацию на java(kotlin).
В общем, здесь не так, как в флюорографии - где с большого экрана изображение проецируется на маленькую матрицу. Здесь используется матрица размером во весь кадр. Но для чего нужно преобразование из рентгена в свет? В чём сложность модифицировать технологию производства кремниевой матрицы и вместо светочувствительных фотодиодов изготовить рентгеночувствительные?
горячий процессор постоянно подвергает BGA-шарики из бессвинцового припоя темрпеатурным нагрузкам и со временем, шары могут дать трещину
Гроза всей современной техники с бессвинцовыми припоями - оловянные усы, которые растут в процессе работы схемы под действием нагревания-охлаждения и электрических полей. Чем больше олова в припое и чем больше плотность монтажа, тем раньше они вызывают проблемы.
Самый очевидный фикс для таких градиентов - учесть гамма-коррекцию.
Средний между жёлтым #FFFF00 и синим #0000FF цвет - это не #7F7F7F и не #808080. Средний цвет приблизительно равен #BABABA. Вот так примерно выглядит математически корректный линейный градиент:
Не для всех, но (удивительно) для очень многих математических моделей в природе существует процесс, который они могут описать.
Известно, что комплексные числа нашли применение в теории колебаний, но можно ли решить колебательные уравнения без них? Наверное, можно, но очень сложно.
Или дробное исчисление - какой физический смысл может иметь дробная производная одной величины по другой? Оказалось, что оно очень точно описывает гидродинамические, электрохимические процессы, механику вязкоупругих сред. И т.д.
А где в физике может пригодиться теория суперфункций F(x, n) = f(f(f(...f(x)...))) n раз, где n может быть нецелым? Её используют в физике лазеров для моделирования усиления света, прошедшего расстояние, пропорциональное n, в активной среде.
И снова мы приходим к давно известному парадоксу: как же математика связана с физикой, если в физическом мире нет ни чисел, ни функций, ни производных.
Если считать дополнительными измерениями времени пространство возможных состояний частицы, например для электрона - вместо одной мировой линии (летит в щель 1, или в щель 2, или в барьер и т.д.) представить себе целый пучок мировых линий (где он летит сразу во всех направлениях), то у времени получится не 2 измерения, а намного больше.
Но эта концепция может помочь наглядно объяснить квантовые эффекты: если мировые линии в дальнейшем соединяются (электрон летел разными путями, но попал в одну точку на экране), то частица интерферирует сама с собой и дальше ведёт себя как обычно.
Скорее, это одна из форм её представления, которая скрывает от пользователя часть информации.
Можно в одну и ту же площадь экрана вывести больше полезной информации, если, к примеру, вместо одной свечи Н1 шириной 12 пикселей использовать 12 свечей М5 шириной 1 пиксель. Да, к этому нужно привыкнуть, но со временем пользователь научится видеть те детали, которых с обычными свечами не видел.
Не всегда "бренд-однодневка" означает "подделка". Простые дешёвые товары китайцы выпускают настолько огромными партиями, что подделывать их невыгодно, а продавцу проще заказать партию на Алибабе, где на том же заводе при заказе от 100-1000 шт. могут кастомизировать товар и нанести любой бренд.
У потребителя же прокачивается навык распознавания идентичных товаров в онлайн-барахолках и возникает понимание, чего ждать от покупки.
Причина плохой различимости в синем канале (синий на чёрном, жёлтый на белом и т.д.) в том, что в глазу человека синие фоторецепторы устроены иначе и количество их намного меньше, чем красных и зелёных. Поэтому синий канал не должен нести большую информационную нагрузку в дизайне.
Вы имеете в виду, что деление на спектр исходного сигнала (при его линейной АЧХ) можно заменить умножением на комплексно сопряжённый спектр (с точностью до модуля)? Спасибо за интересную мысль, хотя на практике свёртка всё равно наверняка будет вычисляться с помощью БПФ.
Раньше меломанов выручали простые советские картонные ячейки для яиц...
Как уже верно заметили, с помощью периодического сигнала нельзя измерить задержку, большую его периода. Так почему бы не использовать широкополосный сигнал?
Простейший случай - зондирование одиночными импульсами (в пределе - дельта-функция Дирака) - хорошо работает только в полной тишине. Из-за малой энергии импульса любой посторонний шум будет мешать измерению.
Если подавать много импульсов случайным непериодическим образом (в пределе - белый шум), то можно вычислить корреляцию между выходным и входным сигналами и найти импульсную характеристику системы, которая состоит из главного пика (кратчайший путь звуковой волны) и множества вторичных пиков. См. эксперименты на Pixilang. Недостатки данного метода: шум отфильтровывается очень медленно, его амплитуда снижается пропорционально квадратному корню из количества семплов; АЧХ генерируемого сигнала также носит случайный характер и может содержать пики и провалы (что снижает точность деконволюции из-за возможных делений на числа, близкие к 0).
Улучшить отношение сигнал/шум можно, используя псевдослучайную М-последовательность. Она обладает ровной АЧХ и минимальным пик-фактором. Хотя она и является периодической с периодом 2^N-1, этот период может быть сколь угодно большим, что позволит измерять любые реально возможные задержки. Недостаток - период не является точной степенью двойки, что несколько усложняет вычисление БПФ.
Объединяя перечисленные идеи, мы можем создать периодический шум с ровной АЧХ и периодом 2^N для удобства вычислений. Для этого в частотном пространстве заполняем массив комплексными числами с единичной амплитудой и случайной фазой. Вычисляем обратное БПФ и получаем периодический шум, который транслируем с передатчика. На приёмнике вычисляем БПФ, делим полученный спектр на спектр исходного сигнала (деконволюция) и вычисляем обратное БПФ, получая импульсный отклик системы. Недостаток метода - большой пик-фактор шумового сигнала, что ухудшает сходимость из-за нелинейных искажений. Пики можно частично устранить оптимизацией (срезаем пики и нормируем амплитуды к 1).
Наконец, самый сложный, но самый универсальный метод - сгенерировать частотно-модулированный синусоидальный сигнал. Он требует более сложной математической обработки, но позволяет не только получить импульсную и частотную характеристики, но и проанализировать нелинейные искажения (PDF).
Вопрос автору. Подскажите, какие из популярных отладочных плат могут подойти для обучения работе с 1-битными нейросетями? Где есть поддержка Dynamic partial reconfiguration?
Интересно, как у этих полимеров дела с долговечностью (усадка, хрупкость, микротрещины...)
Вспомнилось: Вскрываем чип гальванической развязки с крохотным трансформатором внутри - как пример многообразия всего того, что можно упаковать в корпус микросхемы.
Есть разнообразные бинарные нейронные сети на FPGA, и теоретически возможно их обучение на самом устройстве (при наличии поддержки dynamic partial reconfiguration), но для этого нужно либо для каждой 1-битной связи хранить градиент, либо обучать стохастически, что даёт намного более медленную сходимость.
Интересно, почему в качестве антифриза выбран токсичный этиленгликоль вместо пропиленгликоля.
Подскажите, есть ли простой способ сделать кусок кода платформоспецифичным? Например, у меня есть код, который хорошо реализуется с помощью векторных инструкций armv8a, а для остальных платформ я могу сделать альтернативную (совместимую) реализацию на java(kotlin).
Идея стара, но новые реалии вносят свои коррективы в конструкцию данного изделия
В общем, здесь не так, как в флюорографии - где с большого экрана изображение проецируется на маленькую матрицу. Здесь используется матрица размером во весь кадр. Но для чего нужно преобразование из рентгена в свет? В чём сложность модифицировать технологию производства кремниевой матрицы и вместо светочувствительных фотодиодов изготовить рентгеночувствительные?
Гроза всей современной техники с бессвинцовыми припоями - оловянные усы, которые растут в процессе работы схемы под действием нагревания-охлаждения и электрических полей. Чем больше олова в припое и чем больше плотность монтажа, тем раньше они вызывают проблемы.
Какие настройки подойдут для ByeDPI для Android? С провайдером ТТК пока не удалось ничего подобрать...
Цифровые рентгеновские аппараты сейчас уже есть во многих больницах, но в них же матрица не состоит из таких чипов (это было бы очень дорого)?
Самый очевидный фикс для таких градиентов - учесть гамма-коррекцию.
Средний между жёлтым #FFFF00 и синим #0000FF цвет - это не #7F7F7F и не #808080. Средний цвет приблизительно равен #BABABA. Вот так примерно выглядит математически корректный линейный градиент:
Не для всех, но (удивительно) для очень многих математических моделей в природе существует процесс, который они могут описать.
Известно, что комплексные числа нашли применение в теории колебаний, но можно ли решить колебательные уравнения без них? Наверное, можно, но очень сложно.
Или дробное исчисление - какой физический смысл может иметь дробная производная одной величины по другой? Оказалось, что оно очень точно описывает гидродинамические, электрохимические процессы, механику вязкоупругих сред. И т.д.
А где в физике может пригодиться теория суперфункций F(x, n) = f(f(f(...f(x)...))) n раз, где n может быть нецелым? Её используют в физике лазеров для моделирования усиления света, прошедшего расстояние, пропорциональное n, в активной среде.
И снова мы приходим к давно известному парадоксу: как же математика связана с физикой, если в физическом мире нет ни чисел, ни функций, ни производных.
Если считать дополнительными измерениями времени пространство возможных состояний частицы, например для электрона - вместо одной мировой линии (летит в щель 1, или в щель 2, или в барьер и т.д.) представить себе целый пучок мировых линий (где он летит сразу во всех направлениях), то у времени получится не 2 измерения, а намного больше.
Но эта концепция может помочь наглядно объяснить квантовые эффекты: если мировые линии в дальнейшем соединяются (электрон летел разными путями, но попал в одну точку на экране), то частица интерферирует сама с собой и дальше ведёт себя как обычно.