Вступление

Сегодня герой нашего вечернего шоу — датчик абсолютного давления и температуры (последним сегодня уже никого не удивишь, их стали пихать абсолютно во все датчики, так или иначе связанные с embedded системами) Bosch BMP180. Датчик не новый и по его названию в любой момент можно нагуглить просто невероятное количество информации, включая примеры работы на всех возможных языках. Но как бы это не показалось странным, наша цель состоит вовсе не в том, чтобы разобраться, как именно он работает, нет. Мы будем работать над стилем программирования.

Алгоритм Кнута-Морриса-Пратта используется для поиска подстроки (образца) в строке. Кажется, что может быть проще: двигаемся по строке и сравниваем последовательно символы с образцом. Не совпало, перемещаем начало сравнения на один шаг и снова сравниваем. И так до тех пор, пока не найдем образец или не достигнем конца строки.

Мы собрали интересные лекции, которые помогут понять, как работает машинное обучение, какие задачи решает и что нам в ближайшем будущем ждать от машин, умеющих учиться. Первая лекция рассчитана скорее на тех, кто вообще не понимает, как работает machine learning, в остальных много интересных кейсов.

Сейчас в поле зрения общественного внимания попадает всё больше исследований tDCS – транскраниальной стимуляции постоянным током. Довольно большое количество научных работ последних лет демонстрируют, что tDCS может улучшать когнитивные способности не только при лечении болезней, но и у совершенно здоровых людей. Среди них – реакция, внимание, память и обучение иностранным языкам. Успехи научных исследований привлекли внимание DIY сообщества, которое взяло технологию на вооружение и стало активно применять tDCS на себе.

Однако ключевой момент для проведения электростимуляции – это правильный выбор мест прикрепления электродов к голове. Ведь стимуляция различных зон мозга приводит к принципиально разным когнитивным эффектам – в зависимости от функций этих областей. Поэтому я решил разобраться в научных статьях и выяснить, стимуляция каких зон действительно приводит к ощутимым когнитивным улучшениям и какие подводные камни здесь могут быть.

Завидовали ли вы когда-нибудь персонажу Кейт Уинслет в фильме «Вечное сияние чистого разума»? Хотели ли бы вы когда-нибудь иметь возможность стереть память об ужасном прошлом простым нажатием кнопки? (Я-то уж точно, после того, как один из моих бывших сказал мне, что у деревьев есть души, а у меня – нет). Или наоборот, привести ускользающее воспоминание обратно в мозг? (Уверена, что все, кто когда-либо был на экзамене, точно этого хотели бы). Хотели бы вы иметь возможность управлять памятью?

Во-первых, позвольте рассказать вам немного о самой памяти. Люди представляют себе память, как большой мешок, наполненный текстами песен, неловкими моментами из далёкого прошлого и первыми половинами анекдотов. Вы помещаете её в мозг, проходит время, вы её достаёте, стряхиваете пыль, и она снова, как новенькая. Извините, что ломаю ваши представления, но это вовсе не так. Воспоминания хранятся во всём мозге сразу. Они динамичны и хрупки; они изменяются новым опытом и подвержены вмешательству. Воспоминания – это не файлы, хранящиеся в ящике, а нежные растения, за которыми нужно ухаживать и заботиться, чтобы они оставались с вами долгое время (эта блестящая метафора отвечает на вопрос, почему я не пишу поэм или художественных произведений).


Ящики или цветы? Хрупкие цветы.

Давайте посмотрим.

Квантовая запутанность – одно из самых сложных понятий в науке, но основные её принципы просты. А если понять её, запутанность открывает путь к лучшему пониманию таких понятий, как множественность миров в квантовой теории.



Чарующей аурой загадочности окутано понятие квантовой запутанности, а также (каким-то образом) связанное с ним требование квантовой теории о необходимости наличия «многих миров». И, тем не менее, по сути своей это научные идеи с приземлённым смыслом и конкретными применениями. Я хотел бы объяснить понятия запутанности и множества миров настолько просто и ясно, насколько знаю их сам.

I

Запутанность считается явлением, уникальным для квантовой механики – но это не так. На самом деле, для начала будет более понятным (хотя это и необычный подход) рассмотреть простую, не квантовую (классическую) версию запутанности. Это позволит нам отделить тонкости, связанные с самой запутанностью, от других странностей квантовой теории.

Запутанность появляется в ситуациях, в которых у нас есть частичная информация о состоянии двух систем. К примеру, нашими системами могут стать два объекта – назовём их каоны. «К» будет обозначать «классические» объекты. Но если вам очень хочется представлять себе что-то конкретное и приятное – представьте, что это пирожные.

Наши каоны будут иметь две формы, квадратную или круглую, и эти формы будут обозначать их возможные состояния. Тогда четырьмя возможными совместными состояниями двух каонов будут: (квадрат, квадрат), (квадрат, круг), (круг, квадрат), (круг, круг). В таблице указана вероятность нахождения системы в одном из четырёх перечисленных состояний.

Здравствуйте и добро пожаловать в Библию движений Doom! В статье разобраны и рассортированы по категориям все причуды и капризы кода движений в Doom, включая замысловатые трюки с описанием их работы.

Метрика

Начнем с основ. Код движка для движений игрока в Doom имеет следующий вид:

• Сбор исходных данных игрока
• Применение векторов движущей силы к игроку на основе исходных данных
• Сжатие скорости игрока, если она слишком велика
• Проверка, расчеты и перемещения
• Использование ускорения через трение для следующего движения игрока

Рассмотрим все поподробней.
Благодаря только этому и паре переменных мы сможем определить возможные максимальные скорости персонажа игрока.

По вполне понятным причинам максимальная скорость игрока достигается тогда, когда ускорение, заданное игроком, равно и противоположно замедлению от трения.

История этого проекта начинается в 2014 году, когда я учился на 4-м курсе в ведущем техническом вузе России на кафедре «Робототехнические системы». В это время я уже начал задумываться над темой диплома и искал проект, который был бы интересен мне, и при этом в нем присутствовала некоторая новизна. И вот однажды, увидев видео шаробота Rezero, я с друзьями захотел попробовать повторить успех. Кому интересно, что из этого получилось — прошу под кат.