После прочтения мне захотелось попробовать решить какую нибудь из нерешенных задач на своём железе. Пусть не получится по производительности, но подход опробовать все же можно. Звучит довольно просто.
Составляем набор вопросов. Получаем ответы на вопросы по каждому твиту. И уже эти ответы отправляем в catboost regressor для прогнозирования курса по каждому твиту.
Можно даже подумать над автоматическим формированием вопросов, например, на основании комментариев.
Добавьте множество новых вершин и рёбер. Они сформируют необходимую для поиска сеть. Например:
Возьмем две точки, каждая из которых расположена на своей граниПроведем из вершин грани новое ребро в сторону центра. Соединим ребра в центре грани новой вершиной.Посреди ребра установим вершину, соединим новым ребром с новой вершиной соседнего ребра.Соединим точки начала и конца пути со всеми вершинами грани в которой они оказались
Теперь не составит труда найти наименьшее расстояние между точками на графе. Увеличивая детализацию сетки, можно увеличить точность. Найдя кратчайший путь, можно исключить добавленную сетку, оставив только вершины, через которые проходил кратчайший путь, соединив их одним ребром.
Для решения Задачи о кратчайшем пути, существует несколько алгоритмов. Работают они обычно с графами. Потому, следует описание вершин и граней mesh, привести к описанию связей вершин графа.
Представление связей вершин куба в виде графа
Добавил в репозиторий небольшой пример, как это может выглядеть на искаженном кубе, с использованием библиотек numpy-stl и networkx. Важно помнить, что в перечисленных примерах, mesh состоит из треугольных граней. Это приводит к появлению одной линии между двумя противоположными углами квадратной грани куба.
После прочтения мне захотелось попробовать решить какую нибудь из нерешенных задач на своём железе. Пусть не получится по производительности, но подход опробовать все же можно. Звучит довольно просто.
В конце напрашивается график снижения числа созвонов, обсуждений, споров и выяснений.
Погуглил, посмотрел видео, но полный список языков не нашёл. Напишите пожалуйста, кто знает)
У меня была идея анализировать твиты при помощи textqa от deeppavlov
Составляем набор вопросов. Получаем ответы на вопросы по каждому твиту. И уже эти ответы отправляем в catboost regressor для прогнозирования курса по каждому твиту.
Можно даже подумать над автоматическим формированием вопросов, например, на основании комментариев.
Нашел еще одну интересную библиотеку PyVista
3D plotting and mesh analysis through a streamlined interface for the Visualization Toolkit (VTK)
Которая помогла мне отрендерить карту глубины прочитав mesh из stl файла. Но и кроме этого имеет много интересных возможностей.
https://docs.pyvista.org
https://github.com/format37/python3d/blob/main/comments/stl-slicer-v3.ipynb
Спасибо за обзор!
Нашёл страницу робота на сайте разработчика:
https://www.unitree.com/products/go1/
Кому то надоели платные лутбоксы
Более простых решений мне найти не удалось. Если такие есть, было бы интересно узнать!
Добавьте множество новых вершин и рёбер. Они сформируют необходимую для поиска сеть. Например:
Теперь не составит труда найти наименьшее расстояние между точками на графе. Увеличивая детализацию сетки, можно увеличить точность. Найдя кратчайший путь, можно исключить добавленную сетку, оставив только вершины, через которые проходил кратчайший путь, соединив их одним ребром.
Для решения Задачи о кратчайшем пути, существует несколько алгоритмов. Работают они обычно с графами. Потому, следует описание вершин и граней mesh, привести к описанию связей вершин графа.
Добавил в репозиторий небольшой пример, как это может выглядеть на искаженном кубе, с использованием библиотек numpy-stl и networkx. Важно помнить, что в перечисленных примерах, mesh состоит из треугольных граней. Это приводит к появлению одной линии между двумя противоположными углами квадратной грани куба.
Спасибо за пост!
Исследователю ии важно видеть направления поиска. Это как нерешенные задачи математики.
Одноплатник с CUDA ядрами на борту. Можно питонить нс и сразу в GPIO
Пример работы с Intel RealSense T265 Tracking Camera