Поддерживаю! (плюсовать не могу). Мне через function намного легче читать. Да и поиск какой-то старой функции в архиве легче проводить, когда все функции через function прописаны.
В этом случае даже зная random не получится предсказать значение внутренней переменной r (и предсказать следующее значение random).
PS. По правде говоря, большинство криптостойких хешей имеют длину более 128 бит, а переменная random почти всегда будет 64 бита или короче, поэтому такое усечение будет делаться всегда.
Хоть uacrypto и говорит о «не взаимозаменяемы в общем случае» лично я не считаю последовательность random = SHA-3(random) плохой (она просто в несколько раз медленнее более простых ГПСЧ).
К примеру тут habr.com/ru/post/122711 пишут: «Самый простой объект который может дать хорошую случайность это хеш-функции.»
habr.com/ru/post/151187 — «Подробно о генераторах случайных и псевдослучайных чисел» («В интернете можно пройти тесты DIEHARD и множество других, чтобы определить критостойкость алгоритма.»)
Можно попытаться сделать нейросеть, которая по десятку снимков одного и того же участка, снятых в разное время (разный угол тени) будет пытаться получить более детальный рельеф. Но вот создать обучающую выборку и обучить… это может стать проблемой.
Видимо вы процитировали вот этот документ Тестовые эксперименты по мюонной радиографии в России. Документ написан хорошим языком (успел пробежаться только по первым страницам). Как я и ожидал, делать «снимки» можно только находясь сбоку или под объектом исследования. Есть ограничения на глубину (т.к. мюоны взаимодействуют с веществом и это короткоживущие частицы). Судя по всему разрешающая способность не очень (можно улучшить за счет большого числа пластин?). Снимки по внешнему виду напоминают результаты УЗИ (УЗИ даже менее размытые). Видимо если расположить [очень] большое число детекторов вокруг объекта можно попытаться сделать 3D реконструкцию как в компьютерной томографии.
Для гуманитариев или школьной аудитории — да, может и нормально. А мне хотелось бы технических деталей, более подробного описания характеристик. А то написали «со скоростью сейчас уже несколько сотен квадратных сантиметров в час», а много это или мало непонятно. Что значит «обрабатывают эмульсию»?
Было бы интересно посмотреть какие-нибудь тестовые (реальные) снимки, что бы хотя бы немного представить себе качество метода. Это «аналог рентгеновского аппарата» — а какие отличия? В первую очередь результаты. К примеру получится ли заглянуть под землю, что бы составить план (к примеру) карстовых пещер (при невозможности залезть под землю)?
Владелец беговой дорожки говорит, что поставил на втором этаже, так на первом этаже постоянное «бум-бум-бум» (т.е. ударные нагрузки действительно есть). Может нужно присмотреться к эллиптическим тренажерам? Есть у кого опыт?
Я практикую именно такие короткие тренировки (примерно по 2-3 минуты [а нужно было бы 5 минут] 2-4 раза в день). Примерно через полгода ушла сонливость и зябкость. Хотя сейчас здоровье хуже, чем 10 лет назад (видимо годы берут своё).
Есть и так и так. Раньше использовали только усреднение (или голосование). Несколько лет назад начали использовать бустинг (XGBoost) — каждая следующая корректирует (улучшает) результаты предыдущей. В режиме регресии корректировки каждого следующего дерева (как правило) становятся всё меньше. В режиме классификации я наблюдал случаи когда даже сотое дерево делало довольно большие поправки (но там результирующая функция строится сложнее, нежели простое суммирование в регрессии).
В большинстве случаев бустинг лучше, но простое усреднение тоже иногда выигрывает.
Большая нейросеть на 100к строках обучения быстрее переобучится, нежели маленькая нейросеть на 100к (пусть и с меньшим числом признаков). Но тут, конечно, нужно смотреть на то как и насколько мы уменьшаем. Я к тому, что избыточно большое число признаков может ухудшить результат и/или потребовать намного больше времени на обучение.
Похожая ситуация с YouTube — он отлично знает какой язык я предпочитаю, но по нажатию «Выбрать язык субтитров» предлагает всё по алфавиту. (Кто мешал продублировать в первых двух строках, к примеру, русский и английский?)
Так это же отлично.
Только не понятно, мне "-" поставили за идею или за примитивную реализацию? Если за реализацию, так я и не скрываю, что это примитивное «демо», а в реале по другому нужно.
PS. Подозреваю, что они и просто небольшие решающие деревья тоже пробовали — их еще легче интерпретировать.
habr.com/ru/company/skillfactory/blog/536620
Как раз вчера читал статью, в которой рассказывается про многомашинное обучение (используют HetSeq).
Тем, у кого по старинке только одна GPU этот подход не поможет?
Часть градиентов с одного GPU, часть с другого или идет усреднение градиентов между GPU?
В ролике есть упоминание TPU.
Тема очень полезная, спасибо за перевод.
r = SHA-3( r )
random = r mod 1000
В этом случае даже зная random не получится предсказать значение внутренней переменной r (и предсказать следующее значение random).
PS. По правде говоря, большинство криптостойких хешей имеют длину более 128 бит, а переменная random почти всегда будет 64 бита или короче, поэтому такое усечение будет делаться всегда.
К примеру тут habr.com/ru/post/122711 пишут: «Самый простой объект который может дать хорошую случайность это хеш-функции.»
habr.com/ru/post/151187 — «Подробно о генераторах случайных и псевдослучайных чисел» («В интернете можно пройти тесты DIEHARD и множество других, чтобы определить критостойкость алгоритма.»)
PS. когда на русском ресурсе публикуешь не русские наборы имеет смысл в скобках писать язык (английский, итальянский, китайский).
Было бы интересно посмотреть какие-нибудь тестовые (реальные) снимки, что бы хотя бы немного представить себе качество метода. Это «аналог рентгеновского аппарата» — а какие отличия? В первую очередь результаты. К примеру получится ли заглянуть под землю, что бы составить план (к примеру) карстовых пещер (при невозможности залезть под землю)?
А в этом месте можно подробнее? Что за нейросети и откуда.
Зачем нужно несколько нейросетей?
Почему одних нейросетей не хватает и нужен фотошоп?
1. Всего 15 минут физических упражнений в день существенно снижают риск смерти у пожилых людей, говорится в исследовании Европейского кардиологического общества.
2. Даже кратковременные тренировки улучшают работу мозга.
Я практикую именно такие короткие тренировки (примерно по 2-3 минуты [а нужно было бы 5 минут] 2-4 раза в день). Примерно через полгода ушла сонливость и зябкость. Хотя сейчас здоровье хуже, чем 10 лет назад (видимо годы берут своё).
А как быть с вечером пятницы, когда люди отправляются в бары расслабиться?
В большинстве случаев бустинг лучше, но простое усреднение тоже иногда выигрывает.
Только не понятно, мне "-" поставили за идею или за примитивную реализацию? Если за реализацию, так я и не скрываю, что это примитивное «демо», а в реале по другому нужно.