Освоение китайского ПЛК FX3U-14mr

Приобрел я китайский ПЛК типа Mitsubishi FX3U-14mr. Цена хорошая. Функционал интересный, не без недостатков, но достоинств больше: в основе микроконтроллер STM32F103VCT6.

Приобрел я китайский ПЛК типа Mitsubishi FX3U-14mr. Цена хорошая. Функционал интересный, не без недостатков, но достоинств больше: в основе микроконтроллер STM32F103VCT6.

LLM умеют многое, но иногда ломаются так, что виноватым выглядит пользователь: контекст уезжает, инструкции исчезают, инструмент падает, а модель продолжает говорить уверенно, как будто всё нормально.
Мы смотрим на это не как на “плохой ответ”, а как на деградацию состояния диалога. Если не поймать момент, по цепочке шагов и становится всё убедительнее.
Мы собрали процедуру SDX-S: триггеры → диагностика причины → восстановление → критерии возврата. Ниже: состояния, “дашборд” и два кейса, где это реально спасает.
Sharpe 2.1 в pandas-бектесте, через три месяца реальной торговли упал до 0.3
Pandas-бектесты систематически завышают доходность на 30-70%. Одна строчка с shift(-1) и вы уже используете завтрашние данные для сегодняшних решений. Плюс survivor bias, плюс нереалистичные fills.
В статье разбираю источники look-ahead bias, сравниваю vectorized и event-driven подходы на данных MOEX (SBER, GAZP, LKOH за 2020-2024), мои замеры latency для Tinkoff API, и рассуждения о том, когда Python уже не вывозит и пора думать про C++

В прошлый раз я рассказывал о внутренней кухне контрактной разработки в команде КЕДР Solutions, затронул такие темы, как подготовка к проекту, сбор требований и др. В этот раз я решил написать о том, как происходит оплата услуг контрактной разработки электроники.
В отделе закупок все просто и предсказуемо: договорились о поставках товара в нужном количестве на заданную дату, получили товар, перевели деньги. Однако в разработке проекты бывают масштабными и долгими, часто непредсказуемыми, отсюда и сложности с оплатой. В софтовых проектах чаще всего применяются четыре модели оплаты – иногда их называют моделями сотрудничества, – а также их комбинации:

В истории города Баку было время, когда земельный участок считался плохим, если вместо чистой воды из скважины била нефть. Вместо полезного колодца какая-то вонючая лужа — не самая хорошая земля.
Это уже потом стало понятно, что можно её куда-то применить. Наладили процессы, но остался один вопрос.
А что делать, если она горит?
Нефтяные пожары пытались заливать водой, засыпать песком, сбивать взрывами, тушить пороховыми устройствами. Иногда срабатывало. Чаще — нет. Методы были опасными, нестабильными и плохо подходили для больших очагов. Универсального решения не было.
И как раз в городе Баку, где нефти было очень много, решение предложил школьный учитель химии. Баку конца 19-го – начала 20-го века был индустриальным городом, который рос быстрее, чем правила безопасности. В отдельные годы здесь добывали до половины всей нефти Российской империи и заметную долю мировой.

Мы приехали в Госметр посмотреть, как устроено производство аналитических и лабораторных весов. Нам, как производителю, интересно разобраться, как работают инженерные процессы на другом предприятии.
В экскурсии участвовали инженеры Госметра, поэтому мы смогли узнать все подробности создания весов — от металлической заготовки до прибора, прошедшего поверку.
Мы не ставили перед собой задачу сделать пресс-тур. Мы хотели собрать полное представление о самом производстве: какие операции выполняют вручную, какие автоматизируют.
В этом материале мы попробуем передать, как устроен процесс изнутри, и почему прибор с тремя, четырьмя или пятью знаками после запятой требует такой цепочки инженерных операций.

Shenzhen Dehong Electric Motor Co., Ltd Store
Довольно часто при создании робототехнических конструкций, и в техническом творчестве вообще, требуется решать задачу определения скорости вращения вала электродвигателя, или констатации факта наличия самого вращения вообще.
В связи с вышесказанным, посмотрим, какие интересные возможности в этой области существуют, для чего рассмотрим наиболее очевидные и наименее очевидные подходы, где ниже мы сконцентрируемся на рассмотрении коллекторных и бесколлекторных двигателей.

Анализ медицинских изображений — область, где использован процесс извлечения значимой информации из рентгеновских снимков, компьютерных томограмм, магнитно-резонансных томограмм и ультразвуковых исследований. Цель — помочь врачам в ранней диагностике заболеваний, более эффективном планировании лечения и точном наблюдении за состоянием пациента. Анализ включает использование вычислительных методов, в первую очередь искусственного интеллекта (ИИ) и машинного обучения, для автоматизации задач, которые обычно выполняются человеческими экспертами (радиологами, патологоанатомами). Об этом сегодня мы и поговорим.

Начальник одного из крупнейших полицейских управлений Великобритании признал, что помощник на базе искусственного интеллекта Copilot от Microsoft допустил ошибку в отчёте о футбольном матче. В документе упоминалась несуществующая игра между британским «Вест Хэм Юнайтед» и израильским «Маккаби». Из-за этого отчёта в прошлом году израильским футбольным болельщикам запретили посещать матч Лиги Европы УЕФА.

Большинство людей согласятся с тем, что небо голубое, а солнце жёлтое. Но восприятие цвета — это сугубо личное ощущение, и нет возможности узнать, совпадает ли ваш голубой с моим. Более того, научные данные всё чаще подтверждают, что это не так.
У большинства людей в глазу есть три типа колбочек, воспринимающих цвет, но некоторые люди рождаются с четвёртым типом, который позволяет им видеть цвета, для которых у остальных даже нет названий. Но, чтобы понять, является ли их визуальный мир богаче нашего, мы возвращаемся к исходной проблеме: как мы можем это узнать?

Neuralink — это нейротехнологическая компания, основанная Илоном Маском в 2016 году. Она разработала вживляемый нейроинтерфейс (BCI), передающий данные и/или питание без проводных соединений через кожу и превращающий сигналы мозга в действия.
Цель технологии — помочь людям с параличом восстановить подвижность, а в перспективе — вернуть зрение тем, кто родился слепым. Проект развивается как частная инициатива и стремится внедрить BCI в реальную медицинскую практику. Как работает Neuralink и чего уже добилась, расскажем в этой статье.

Всем привет!
Вчера я выпустил крупное обновление 1.0.0 для своей библиотеки async_yookassa — неофициального клиента для асинхронного взаимодействия с API ЮKassa. О том, что изменилось, зачем я вообще взялся её писать и почему официальный SDK может "убить" вашего бота — в этой статье.

Привет, Хабр! Если представить ваш высоконагруженный сайт в виде оркестра, а пользователей — в виде слушателей по всему миру (Москва, Владивосток, Берлин), то ситуация, когда все «музыканты» играют в одном ЦОДе, напоминает концерт, который кто-то слушает вживую, а кто-то — по плохой телефонной линии. Пинг растёт, пакеты теряются, трафик упирается в потолок возможностей ЦОДа, и в случае его отказа наступает тишина.
Решение — вынести «сцены» ближе к «зрителям»: построить геораспределённую инфраструктуру и научиться направлять пользователей на ближайший живой узел. В этом материале, основанном на моём докладе для Saint HighLoad++ 2025, мы разберём, как комбинировать BGP Anycast, DNS и HTTP-балансировку, чтобы снизить RTT, переживать падение целых площадок и равномерно «кормить» мир контентом.

Представьте оркестр без нот и метронома: музыканты играют «как чувствуют», и мелодия каждый раз звучит по-другому. Так же ведет себя генерация изображений по одному промпту — красиво, но неповторяемо. В работе с брендовым визуалом это ощущается особенно: дизайнерам приходится идти дальше простой текстовой инструкции и вручную подбирать референсы, выравнивать композицию, корректировать цвет, отбирать вариации и собирать их в единый стиль.
Мы в X5 Tech решили превратить генеративный ИИ из источника хаотичных вариаций в стабильный конвейер брендового визуала. Зафиксировали стиль, задали структуру, выстроили управление вариациями, и в итоге собрали рабочий пайплайн. Когда он заработал, скорость выросла почти вдвое, некоторые команды полностью отказались от фотостоков или значительно сократили их использование, а 40–45% визуального контента «Пятерочки» и «Чижика» теперь создается с участием ИИ.
В этой статье — разбор принципов, на которых держатся пайплайны управления генерациями: как модели помогают контролировать структуру и стиль, какую роль в этом играет дизайнер и за счет чего связка ControlNet, LoRA, Style Reference и мультимодальных ИИ превращает генерации в предсказуемую систему.

В первой части рассказа о радарах мы поговорили о том как радары появились, а во второй об основах устройства импульсных радаров. И хотя мы еще не выбрались за период Второй Мировой, настала пора наконец поговорить о том как с радарами стали бороться и заодно обсудить следующую ступеньку развития - импульсно-доплеровские радары.

Как безопасно и эффективно вызывать C-функции из Java? Благодаря Project Panama — новому API из OpenJDK — это стало возможно без использования JNI.
В новом переводе от команды Spring АйО познакомимся с основами FFM API, посмотрим на запуск Hello World на C, роль jextract, и на то, как управлять памятью вне кучи JVM.
Привет, Хабр! В этом посте речь пойдет о специфическом датасете, предназначенном для решения очень важной задачи — разработки ML-инструмента, помогающего своевременно выявлять предпосылки и предотвращать суициды. Мы с командой «Пситехлаб», специализирующейся на ИИ-решениях для психотерапии, собирали его по вечерам. Этот проект диссертационный, он не входит в мои обязанности в рамках работы в MWS AI, но опыт, приобретенный в компании, стал базой, без которой его бы не было.

Мы в Геоинтеллекте любим геоданные и геоаналитику. Часто миксуем технологии. Вот, например, мы попробовали генерировать графики BI системы DataLens внутри платформы для Геоаналитики “Геоинтеллект”. Что из этого вышло, посмотрим на реальном кейсе, которая выполняла наша сотрудница.
Задача
Предположим вы, как аналитик, хотите понять, где выгоднее всего искать помещение для открытия пункта выдачи заказов маркетплейса. Для этого нужно обратить внимание на ряд факторов, которые влияют на выбор:

Уже больше года назад у меня зародилась идея создать свою архитектуру языковой модели. Традиционные модели, «думающие» на уровне токенов мне решительно не нравились. Колоссальный вычислительный бюджет на то, чтобы просто предсказать один токен. Логичным мне казалось оторвать мышление модели от токенов, перенеся его в латентное пространство. Примерно полгода назад я начал первые практические эксперименты и сейчас получил первые практические результаты. Поскольку уровень подготовки читателей очень сильно различается, в статье не будет глубоких технических разборов, а скорее история эксперимента.
Для того, чтобы реализовать эту идею логично было разделить модель на три части:
Мы иногда во внутреннем чате обмениваемся фрагментами кода с неочевидными ошибками, которые обнаруживаются с помощью PVS-Studio в каком-нибудь открытом проекте. Мол, кто быстро сообразит, что не так с кодом?
Вчера коллега поделился вот таким фрагментом кода из проекта SereneDB: