А как Вы считали? По какой методике, очень интересно.
Просто набрать все населенные пункты Китая довольно затруднительная задача. Ведь только городов с населением свыше 1 млн. больше сотни.
Кстати, в 21 самом крупном городе живет 217 млн. (данные из Википедии).
За все нужно платить.
Чтобы был выбор, надо его создать.
Направление Maemo-Meego доказало свою перспективность, а группа разработчиков — свою продуктивность, поэтому и нашелся инвестор.
Что ж, риск есть и серьезный. Но есть и шанс на успех.
С этой книгой я знаком, правда много воды утекло с тех пор :)
МНК мы вполне удачно юзали на испытаниях гироскопов, а вот фильтр Калмана существенно сложнее и выигрыша не дал.
Возражения здесь следующие.
1. Многомерность: она возникает, если обрабатывать сигнал даже с одного датчика, но не в реальном времени, а с меньшей дискретизацией, чем идет съем сигнала. Или вообще постфактум.
2. Смещение среднего:
2.1. Есть небольшая модификация для МНК со смещением среднего.
2.2. Можно пользоваться и обычным МНК, только поправить неверную модель, что сделать для смещения совсем несложно.
3. В небелом шуме есть коррелирующая составляющая, чаще всего в ней можно выделить гармоники.
Жаль, что Вы не упомянули об основе фильтра Калмана — методе наименьших квадратов.
Мне кажется, это упростило бы понимание и отделило основу от конкретики примера.
К тому же не всегда необходим именно фильтр Калмана.
Для случая обработки «постфактум» достаточно гораздо более простого метода наименьших квадратов.
Вряд ли.
Вы учитываете только т.н. коррелирующую составляющую систематической и случайной погрешности датчика. Но есть и некоррелирующая, которая обычно достаточно велика.
А вот фильтр Калмана может отсеять всю случайную составляющую и выделить систематику.
Конечно, при этом важна модель, но для датчика она с хорошей точность довольно проста.
Что ж, перечитайте свой второй абзац в предисловии. Заявление четкое и безапелляционное.
Увы, ничем далее не подкрепленное, кроме ролика.
Получилась больше реклама, а не статья в ИИ.
Правда, нормальные элементы в статье есть.
Например, цифра в 70% точности очень мала, но уже хорошо, что Вы не побоялись ее назвать.
Еще было бы неплохо показать, где Ваша программа пока ошибается (примеры оставшихся 30%). Это нисколько не снизило бы впечатление от статьи, а наоборот, прибавило очков у серьезных читателей.
В начале было громко объявлено о решении «теоретическом и практическом» задачи распознавания слитного рукописного текста. После этого от статьи ждешь сенсации. А в результате…
Теоретические рассуждения просто никакие. Дальше идут обещания, критика Аби Компрено, и мысли по поводу ИИ.
Все могла бы спасти удачная демонстрация. Но где же она?
Нельзя же считать таковым невнятный ролик с одним примером.
К сожалению, или, может, счастью, вряд ли это будет ИИ.
Похоже, журналисты опять что-то недопоняли и приукрасили.
Дело в том, что одной из первых сфер применения ИИ, помимо распознавания и синтеза речи, является переводчик. До сих пор качество автоматического перевода принципиально отстает от живого перевода, даже синхронного.
Трудно представить, что Гугл не захотел бы обкатать хотя бы элементы ИИ на переводчике. Так что для «проверки на вшивость» гипотезы телевизионщиков из Вестей достаточно зайти на Гугл.Транслейт и задать любое нетривиальное предложение. Увы, результат по-прежнему разочаровывает.
Хотя, может секретчики Гугла вышли на уровень советских первых отделов, и правая рука не знает, что делает левая. Что ж, подождем релиза Siri от Гугл, ждать, думаю, недолго.
Ничего личного и секретного в этих советах нет, а написано очень даже по делу и обоснованно. И, главное, полезно для всех остальных, ведь никому не гарантирована спокойная жизнь без таких наездов.
«Это фантастика!».
Возможные корреляции прежде всего будут относиться к реализации: датчика, генератора, кристалла, даже принципиальной схемы, наконец. Разделить мух от котлет может только правильная физическая модель.
Так что без хорошей физической теории и экспериментирования, а только криптографией (здесь тоже ученые, а не «обычные компьютерщики») в данном случае никак не обойтись.
Таблицу я, естественно, видел в статье.
Тесты — это хорошо, но гистограммы (или эмрирического распределения) они не заменяют. Да и добавить его было бы несложно.
1кГц — за неделю можно собрать неплохую статистику для гистограммы по 1000 интервалам.
Вроде, никаких технических сложностей по такому эксперименту в работе не указано.
> если конечно полученные биты действительно будут независымыми
В статье утверждается, что тесты DIEHARD пройдены успешно, так что случайность высокая.
Просто набрать все населенные пункты Китая довольно затруднительная задача. Ведь только городов с населением свыше 1 млн. больше сотни.
Кстати, в 21 самом крупном городе живет 217 млн. (данные из Википедии).
Чтобы был выбор, надо его создать.
Направление Maemo-Meego доказало свою перспективность, а группа разработчиков — свою продуктивность, поэтому и нашелся инвестор.
Что ж, риск есть и серьезный. Но есть и шанс на успех.
Правда, это была первое мое знакомство с нерелизом.
Вот бету windows 3.1 я не смотрел.
МНК мы вполне удачно юзали на испытаниях гироскопов, а вот фильтр Калмана существенно сложнее и выигрыша не дал.
Возражения здесь следующие.
1. Многомерность: она возникает, если обрабатывать сигнал даже с одного датчика, но не в реальном времени, а с меньшей дискретизацией, чем идет съем сигнала. Или вообще постфактум.
2. Смещение среднего:
2.1. Есть небольшая модификация для МНК со смещением среднего.
2.2. Можно пользоваться и обычным МНК, только поправить неверную модель, что сделать для смещения совсем несложно.
3. В небелом шуме есть коррелирующая составляющая, чаще всего в ней можно выделить гармоники.
Мне кажется, это упростило бы понимание и отделило основу от конкретики примера.
К тому же не всегда необходим именно фильтр Калмана.
Для случая обработки «постфактум» достаточно гораздо более простого метода наименьших квадратов.
Вы учитываете только т.н. коррелирующую составляющую систематической и случайной погрешности датчика. Но есть и некоррелирующая, которая обычно достаточно велика.
А вот фильтр Калмана может отсеять всю случайную составляющую и выделить систематику.
Конечно, при этом важна модель, но для датчика она с хорошей точность довольно проста.
Увы, ничем далее не подкрепленное, кроме ролика.
Получилась больше реклама, а не статья в ИИ.
Правда, нормальные элементы в статье есть.
Например, цифра в 70% точности очень мала, но уже хорошо, что Вы не побоялись ее назвать.
Еще было бы неплохо показать, где Ваша программа пока ошибается (примеры оставшихся 30%). Это нисколько не снизило бы впечатление от статьи, а наоборот, прибавило очков у серьезных читателей.
Теоретические рассуждения просто никакие. Дальше идут обещания, критика Аби Компрено, и мысли по поводу ИИ.
Все могла бы спасти удачная демонстрация. Но где же она?
Нельзя же считать таковым невнятный ролик с одним примером.
Похоже, журналисты опять что-то недопоняли и приукрасили.
Дело в том, что одной из первых сфер применения ИИ, помимо распознавания и синтеза речи, является переводчик. До сих пор качество автоматического перевода принципиально отстает от живого перевода, даже синхронного.
Трудно представить, что Гугл не захотел бы обкатать хотя бы элементы ИИ на переводчике. Так что для «проверки на вшивость» гипотезы телевизионщиков из Вестей достаточно зайти на Гугл.Транслейт и задать любое нетривиальное предложение. Увы, результат по-прежнему разочаровывает.
Хотя, может секретчики Гугла вышли на уровень советских первых отделов, и правая рука не знает, что делает левая. Что ж, подождем релиза Siri от Гугл, ждать, думаю, недолго.
Когда число запросов больше тысячи такая функция необходима.
Хорошо бы еще сделать поиск похожих тэгов.
Возможные корреляции прежде всего будут относиться к реализации: датчика, генератора, кристалла, даже принципиальной схемы, наконец. Разделить мух от котлет может только правильная физическая модель.
Так что без хорошей физической теории и экспериментирования, а только криптографией (здесь тоже ученые, а не «обычные компьютерщики») в данном случае никак не обойтись.
Тесты — это хорошо, но гистограммы (или эмрирического распределения) они не заменяют. Да и добавить его было бы несложно.
1кГц — за неделю можно собрать неплохую статистику для гистограммы по 1000 интервалам.
Вроде, никаких технических сложностей по такому эксперименту в работе не указано.
В статье утверждается, что тесты DIEHARD пройдены успешно, так что случайность высокая.
Желательно какую-нибудь гистограмму.