Не пойму как майнд-мэппинг может помочь увеличить продуктиваность. В заметки написано только о том что это круче чем линейный метод, а я вообще не понимаю зачем визуализация мышления и как это влиеяет на продуктивность?
Как-то давно я пробовал таким заниматься, скачил программку для рисования этих ментальных карт, потыкал и решил, что это очень долго и уныло, а толку от этого немного, и забил на это дело. Можете привести реальные примеры ситуаций, когда удобно пользоваться картами?
Аналог конструкции while(false) { } в С, к сожелению, не придумал более изящного спосба далеть такие же ruby. Сама же конструкция весьма удобна, особенно когда нужно делать много проверок, на много удобнее чем писать множество вложенных if… else… end
А что сделали со Spaces? В Lion его уже совсем не будет?
Spaces я использовал для группировнки окон по тематикам, было очень удобно использовать один десктоп для разработки одного проекта, другой для другого, в третьем, например, проверять почту с смотреть фильмы и тд. Таким образом не образуется каша из окон.
В Mission Control, насколько я понимаю, так сделать нельзя?
математическая капча лучше защищает сайт от пользователей, чем от ботов. Любые математические вычисления реализуются на компьютере элементарно, хоть интегралы, хоть дифуры, уже не говоря про примеры типа '2+2'.
Попробовал увеличивать в 4 раза. Увеличивать можно, но добиться качества лучше чем при обычном увеличении в каком нибудь фотошопе, увы, не удалось. Среднеквадратическое отклонение от оригинала при увеличению сетью получалось в 2-3 больше чем при обычном увеличении.
Хотя, я исслеледовал только самые очевидные алгоритмы увеличения сетью, думаю, что если применить более изощренные, то можно улучшить показатели, хотя очень сомневаюсь что, увеличивая сетями, можно превзойти обычные методы.
Рад, что вы сами разобрались, так как мне было не совсем понятно чего же хотите.
> Нужно было в посте ключевые моменты работы именно восстановления описать
Ваше замечание учту, хотя впрочем я умышленно не включал эти моменты, так как не хотел дублировать материал из статьи, а хотел лишь популярно и простым языком изложить, как, примерно, это работает.
Если у вас возникнут еще вопросы подобного плана, предлагаю вам писать мне в личку.
> Какую концепцию вы собираетесь проверить?
Возможно ли восстанавливать изображения при помощи самоорганизующися карт Кохонена.
> Сможет ли алгоритм повредить изображение, а потом самостоятельно свои косяки как-то исправить (полностию или частично)? Смысл в этом?
Вы, судя по профилю программист, вот попробуйте ответить на следующие вопросы, а потом я отвечу ваши:
1) Вам на вход подано изображение с поврежденными пикселями и требуется на выходе выдать все координаты этих поврежденных пикселей. Можете мне привести алгоритм, которым вы будете их искать?
2) Если да, то скажите сколько у вас времени займет чтобы написать этот алгоритм?
www.livestream.com/cnetlive?utm_source=website-home&utm_medium=fullmast&utm_campaign=cnetlive&utm_content=Iphone_5
Как-то давно я пробовал таким заниматься, скачил программку для рисования этих ментальных карт, потыкал и решил, что это очень долго и уныло, а толку от этого немного, и забил на это дело. Можете привести реальные примеры ситуаций, когда удобно пользоваться картами?
begin
break if…
break if…
result =…
end while false
until false # or while truebreak if ...
break if ...
result = 'ok'
break
end
Spaces я использовал для группировнки окон по тематикам, было очень удобно использовать один десктоп для разработки одного проекта, другой для другого, в третьем, например, проверять почту с смотреть фильмы и тд. Таким образом не образуется каша из окон.
В Mission Control, насколько я понимаю, так сделать нельзя?
Хотя, я исслеледовал только самые очевидные алгоритмы увеличения сетью, думаю, что если применить более изощренные, то можно улучшить показатели, хотя очень сомневаюсь что, увеличивая сетями, можно превзойти обычные методы.
Вот тут можете поэкспериментировать сами:
dl.dropbox.com/u/159112/som-restore/restore-AndreyIvanoff.html
> Нужно было в посте ключевые моменты работы именно восстановления описать
Ваше замечание учту, хотя впрочем я умышленно не включал эти моменты, так как не хотел дублировать материал из статьи, а хотел лишь популярно и простым языком изложить, как, примерно, это работает.
Если у вас возникнут еще вопросы подобного плана, предлагаю вам писать мне в личку.
Возможно ли восстанавливать изображения при помощи самоорганизующися карт Кохонена.
> Сможет ли алгоритм повредить изображение, а потом самостоятельно свои косяки как-то исправить (полностию или частично)? Смысл в этом?
Вы, судя по профилю программист, вот попробуйте ответить на следующие вопросы, а потом я отвечу ваши:
1) Вам на вход подано изображение с поврежденными пикселями и требуется на выходе выдать все координаты этих поврежденных пикселей. Можете мне привести алгоритм, которым вы будете их искать?
2) Если да, то скажите сколько у вас времени займет чтобы написать этот алгоритм?