Да что вы говорите следуя такой логике папуасы Новой Зеландии вообще самые непобедимые с их копьями и луками. Ни электромагнитный импульс ни заклинивание спускового механизма им не страшны.
С таким подходом любые медиа можно приравнять к воздуху. Кинематограф, телевидение, книги, подарки не виртуальные. Смысл заключается в том что это вызывает эмоции когда это получаешь/читаешь/смотришь. Это всегда будет продаваться.
Во время перемещения/зумирования слоя грузятся растры низкого качества. Как только движение/зумирование прекратилось проходит определенное время, и подгружаются растры более высокого качества.
Почему то все увидели только увеличение расхода трафика, но не увидели то что он наоборот уменьшается при таком подходе.
Вероятнее всего такой шаг сделан на основе поведения пользователей на картах (насколько часто двигают слой, при зуме многие проскакивают некоторые масштабы долго не задерживаясь на на них, на такие уровни вообще нет смысла грузить растры высокого качества).
Экономия как раз и причем, если не экономить, то требуемая реализация может не уместиться в освободившейся области. А адресация никуда не денется, в крайнем случае всегда можно сделать jmp на другую область там закончить и вернуться обратно.
Технические системы эволюционируют в тысячи раз быстрее биологических. Биологические 1 млрд. лет, а теперь представьте эволюцию технических систем в течении 100,000 лет.
«Полеты на машинах, которые тяжелее воздуха, невозможны». Лорд Кельвин, британский математик и физик, председатель Британского королевского общества, 1895 г.
«Самолеты – это довольно интересные игрушки, однако для вооруженных сил они не представляют никакого интереса». Фердинанд Фош, маршал Франции, член Французской академии, 1904 г.
«У радио нет будущего». Лорд Кельвин, британский математик и физик, председатель Британского королевского общества, 1897 г.
Исследования в области ядерных технологий – это одна из крупнейших ошибок, допущенных человечеством. Ядерную бомбу создать не удастся. Это я вам говорю как эксперт». Американский адмирал Уильям Лехи, 1944 г.
«Я думаю, что на мировом рынке найдется место, возможно, для пяти компьютеров». Томас Уотсон, глава IBM, 1943 г.
«Нет никаких причин, по которым кто-либо хотел бы иметь компьютер у себя дома». Кен Ольсон, основатель, президент и председатель правления корпорации Digital Equipment, 1977 г.
1. Острая боль в груди. Скорая помощь доставляет больного в приемный покой, где дежурный врач должен поставить диагноз и определить, действительно ли это инфаркт миокарда. Опыт показывает, что доля пациентов, перенесших инфаркт среди поступивших с аналогичными симптомами, невеликa. Точных методов диагностики, тем не менее, до сих пор нет. Электрокардиограмма иногда не содержит явных признаков недуга. А сколько всего параметров состояния больного могут так или иначе помочь поcтавить в данном случае правильный диагноз? Более сорока. Может ли врач в приемном покое быстро проанализировать все эти показатели вместе с взаимосвязями, чтобы принять решение о направлении больного в кардиологическое отделение? В какой-то мере эту задачу помогают решать нейросетевые технологии.
Статистика такова: врач правильно диагностирует инфаркт миокарда у 88% больных и ошибочно ставит этот диагноз в 29% случаев. Ложных тревог (гипердиагностики) чересчур много. История применения различных методов обработки данных для повышения качества диагностики насчитывает десятилетия, однако лучший из них помог сократить число случаев гипердиагностики лишь на 3%.
В 1990 году Вильям Бакст из Калифорнийского университета в Сан-Диего использовал нейронную сеть — многослойный персептрон — для распознавания инфаркта миокарда у пациентов, поступающих в приемный покой с острой болью в груди. Его целью было создание инструмента, способного помочь врачам, которые не в силах справиться с потоком данных, характеризующих состояние поступившего больного. Другой целью может быть совершенствование диагностики. Свою задачу исследователь усложнил, поскольку анализировал данные только тех пациентов, кого уже направили в кардиологическое отделение. Бакст использовал лишь 20 параметров, среди которых были возраст, пол, локализация боли, реакция на нитроглицерин, тошнота и рвота, потение, обмороки, частота дыхания, учащенность сердцебиения, предыдущие инфаркты, диабет, гипертония, вздутие шейной вены, ряд особенностей ЭКГ и наличие значительных ишемических изменений.
Сеть продемонстрировала точность 92% при обнаружении инфаркта миокарда и дала только 4% случаев сигналов ложной тревоги, ошибочно подтверждая направление пациентов без инфаркта в кардиологическое отделение. Итак, налицо факт успешного применения искусственных нейронных сетей в диагностике заболевания.
2. Обнаружение опухоли осуществляется в ходе первичного рентгенографического анализа молочной железы (маммографии) и последующего анализа кусочка ткани новообразования (биопсии). Несмотря на существование общих правил дифференцирования доброкачественных и злокачественных новообразований, по данным маммографии, только от 10 до 20% результатов последующей хирургической биопсии действительно подтверждают наличие рака молочной железы. Опять мы имеем дело со случаем крайне низкой специфичности метода.
Исследователи из университета Дьюка обучили нейронную сеть распознавать маммограммы злокачественной ткани на основе восьми особенностей, с которыми обычно имеют дело радиологи. Оказалось, что сеть способна решать поставленную задачу с чувствительностью около 100% и специфичностью 59% (сравните с 10-20% у радиологов). Сколько женщин с доброкачественными опухолями можно не подвергать стрессу, связанному с проведением биопсии, если использовать эту нейронную сеть! В клинике Майо (Миннесота) нейросеть анализировала результаты ультразвукового исследования молочной железы и обеспечила специфичность 40%, в то время как для тех же женщин специфичность заключения радиологов оказалась нулевой.
1. Сетевое API для разработки и взаимодействия приложений.
2. Возможность разработки своих сервисов на базе Web OS Azure и запуск их в облаке (процессе).
3. Storage Services — хранения данных (blob, queue, table)
4. Live Services — сервисы на все случаи жизни (аутентификация, картографические и т.д.)
5. SQL Services — работа с базой
Web OS и ее API не ставятся конечному пользователю на компьютер, работает это все в дата центрах MS.
Это распределенная система. Приложения созданные на базе Azure вызывают нужные сервисы платформы. В целом это будущее.
Вот Ваши слова:
> Т.е. если я напишу более эффективный алгоритм (без НС), это убедит вас в том что НС не являются эффективным решением для распознания текста?
— Решите эту задачу алгоритмически, эффективнее чем это сделано на базе НС.
Я же вижу решение на базе НС, которое работает быстро даже на Javascript.
Коды открыты, по сути только осталось вам реализовать алгоритм распознавания текста. Докажите свою точку зрения.
НС может иметь тысячи входов на первый слой и тысячи выходов на последнем. Однозначно описать поведение такой сети почти нереально. Потому что это Сеть из однотипных элементов, где на вход подали Сигнал и он по связям пошел от одного нейрона к другому с определенной скоростью распространения и так до последнего слоя. Каждый раз когда сигналы проходят через нейроны они изменяются с учетом весов и функции активации.
Однозначно описать алгоритмом поведение сети невозможно по причине что сеть может понимать входные данные которым ее раньше не обучали.
Допустим вы обучили сеть различать автомобили на фотографиях. Во время обучения было показано 100 картинок автомобилей и скорректированы веса.
После обучения сеть будет понимать 100 картинок по которым ее обучали + еще 1000 новых картинок по которым ее не обучали.
Все верно, обучение расчитывает весовые коэффициенты. Если проще то НС это сложная мат. функция куда на вход поступают аргументы X, а на выходе ответ Y. Так вот говорить что НС работает по алгоритму это все равно что сказать: функция параболы x^2 = y работает по алгоритму. После обучения НС можно посмотреть на ее поведение и составить приближенный алгоритм поведения но не более.
НС законсервированы настолько же насколько законсервированы мы. Всю информацию которую получаем мы, могут получить и нейронные сети. Они могут получить на вход информацию из ультразвукового диапазона и мгновенно принять решение.
НС уверен это будущее ИИ, но не на устройствах с последовательной обработкой информации.
Ключевое слово Сеть — у НС есть топология. Нейронная сеть состоит из множества однотипных элементов каждый из которых реализует мат. модель y = F(w1*x1 + w2*x2 +… + wn*xn). Все.
Если НС (мозг) не обучать (не давать входную информацию) то это будет просто набор нейронов не более. НС (мозг) без обучения бесполезны.
Обучение производят по алгоритмам или генетическим алгоритмам.
А если прекратить обучение 1 месячного ребенка и больше не обучать никогда, т.е. прекратить подачу информации, как думаете что будет? Или мозг новорожденного по развитости сравним с интеллектом Энштейна? Именно многолетнее обучение и поступление информации из внешнего мира развивает интеллект. У многих людей ставящих фундаментальные задачи перед собой уходят годы на решение (а в реальности у них формируются весовые коэффициенты нейронов) и спустя многие годы они находят решения, а иногда и не находят.
Если человека не обучать он тоже не будет обладать интеллектом. Человек обучается когда взаимодействует с внешним миром (в мозг поступает информация световая, слух, осязание, тактильная). Если мозг перестанет получать эту информацию из внешней среды он не сможет развиваться и будет не более чем просто набор нейронов. НС обучаются точно также из внешнего мира на входы подается информация.
Во время перемещения/зумирования слоя грузятся растры низкого качества. Как только движение/зумирование прекратилось проходит определенное время, и подгружаются растры более высокого качества.
Почему то все увидели только увеличение расхода трафика, но не увидели то что он наоборот уменьшается при таком подходе.
Вероятнее всего такой шаг сделан на основе поведения пользователей на картах (насколько часто двигают слой, при зуме многие проскакивают некоторые масштабы долго не задерживаясь на на них, на такие уровни вообще нет смысла грузить растры высокого качества).
«Самолеты – это довольно интересные игрушки, однако для вооруженных сил они не представляют никакого интереса». Фердинанд Фош, маршал Франции, член Французской академии, 1904 г.
«У радио нет будущего». Лорд Кельвин, британский математик и физик, председатель Британского королевского общества, 1897 г.
Исследования в области ядерных технологий – это одна из крупнейших ошибок, допущенных человечеством. Ядерную бомбу создать не удастся. Это я вам говорю как эксперт». Американский адмирал Уильям Лехи, 1944 г.
«Я думаю, что на мировом рынке найдется место, возможно, для пяти компьютеров». Томас Уотсон, глава IBM, 1943 г.
«Нет никаких причин, по которым кто-либо хотел бы иметь компьютер у себя дома». Кен Ольсон, основатель, президент и председатель правления корпорации Digital Equipment, 1977 г.
Еще не устали от своего скептицизма?
Статистика такова: врач правильно диагностирует инфаркт миокарда у 88% больных и ошибочно ставит этот диагноз в 29% случаев. Ложных тревог (гипердиагностики) чересчур много. История применения различных методов обработки данных для повышения качества диагностики насчитывает десятилетия, однако лучший из них помог сократить число случаев гипердиагностики лишь на 3%.
В 1990 году Вильям Бакст из Калифорнийского университета в Сан-Диего использовал нейронную сеть — многослойный персептрон — для распознавания инфаркта миокарда у пациентов, поступающих в приемный покой с острой болью в груди. Его целью было создание инструмента, способного помочь врачам, которые не в силах справиться с потоком данных, характеризующих состояние поступившего больного. Другой целью может быть совершенствование диагностики. Свою задачу исследователь усложнил, поскольку анализировал данные только тех пациентов, кого уже направили в кардиологическое отделение. Бакст использовал лишь 20 параметров, среди которых были возраст, пол, локализация боли, реакция на нитроглицерин, тошнота и рвота, потение, обмороки, частота дыхания, учащенность сердцебиения, предыдущие инфаркты, диабет, гипертония, вздутие шейной вены, ряд особенностей ЭКГ и наличие значительных ишемических изменений.
Сеть продемонстрировала точность 92% при обнаружении инфаркта миокарда и дала только 4% случаев сигналов ложной тревоги, ошибочно подтверждая направление пациентов без инфаркта в кардиологическое отделение. Итак, налицо факт успешного применения искусственных нейронных сетей в диагностике заболевания.
2. Обнаружение опухоли осуществляется в ходе первичного рентгенографического анализа молочной железы (маммографии) и последующего анализа кусочка ткани новообразования (биопсии). Несмотря на существование общих правил дифференцирования доброкачественных и злокачественных новообразований, по данным маммографии, только от 10 до 20% результатов последующей хирургической биопсии действительно подтверждают наличие рака молочной железы. Опять мы имеем дело со случаем крайне низкой специфичности метода.
Исследователи из университета Дьюка обучили нейронную сеть распознавать маммограммы злокачественной ткани на основе восьми особенностей, с которыми обычно имеют дело радиологи. Оказалось, что сеть способна решать поставленную задачу с чувствительностью около 100% и специфичностью 59% (сравните с 10-20% у радиологов). Сколько женщин с доброкачественными опухолями можно не подвергать стрессу, связанному с проведением биопсии, если использовать эту нейронную сеть! В клинике Майо (Миннесота) нейросеть анализировала результаты ультразвукового исследования молочной железы и обеспечила специфичность 40%, в то время как для тех же женщин специфичность заключения радиологов оказалась нулевой.
Решите алгоримически лучше, помогите людям.
1. Сетевое API для разработки и взаимодействия приложений.
2. Возможность разработки своих сервисов на базе Web OS Azure и запуск их в облаке (процессе).
3. Storage Services — хранения данных (blob, queue, table)
4. Live Services — сервисы на все случаи жизни (аутентификация, картографические и т.д.)
5. SQL Services — работа с базой
Web OS и ее API не ставятся конечному пользователю на компьютер, работает это все в дата центрах MS.
Это распределенная система. Приложения созданные на базе Azure вызывают нужные сервисы платформы. В целом это будущее.
Вот Ваши слова:
> Т.е. если я напишу более эффективный алгоритм (без НС), это убедит вас в том что НС не являются эффективным решением для распознания текста?
— Решите эту задачу алгоритмически, эффективнее чем это сделано на базе НС.
Я же вижу решение на базе НС, которое работает быстро даже на Javascript.
Коды открыты, по сути только осталось вам реализовать алгоритм распознавания текста. Докажите свою точку зрения.
Однозначно описать алгоритмом поведение сети невозможно по причине что сеть может понимать входные данные которым ее раньше не обучали.
Допустим вы обучили сеть различать автомобили на фотографиях. Во время обучения было показано 100 картинок автомобилей и скорректированы веса.
После обучения сеть будет понимать 100 картинок по которым ее обучали + еще 1000 новых картинок по которым ее не обучали.
вопрос не корректен в контексте НС
НС уверен это будущее ИИ, но не на устройствах с последовательной обработкой информации.
Если НС (мозг) не обучать (не давать входную информацию) то это будет просто набор нейронов не более. НС (мозг) без обучения бесполезны.
Обучение производят по алгоритмам или генетическим алгоритмам.