«у нас есть вращающийся с постоянной циклической частотой сосуд, в котором при динамическом равновесии с постоянной циклической частотой вращается жидкость в том же направлении.»
В рамках этой модели чаинки не будут собираться в центре дна стакана. Для обьяснения поведения чаинок важно наличие неподвижного дна, возле которого жидкость не вращается. Объяснение можно почитать в книге Р. Поля «Механика, акустика и учение о теплоте».
Для аккуратного описания формы поверхности чая в стакане, размешиваемого ложкой, важно наличие неподвижной боковой стенки чашки.
Похоже первая группы (у которой «название игры не разглашается из-за опасений, связанных с копирайтом») как-то модифицировала код или данные игры, чтобы помимо кадра автоматичкси рендерилась и семантическая разметка. Интересно было бы узнать, как они это сделали, хотя, без знания конкретной игры или движка можно только гадать.
Я думаю экономически целесообразно просто добиться некоторого приемлегого уровня отказов за период между обслуживаниями (скажем, в среднем ломается, 10% машин за три года) и в случае поломок просто переезжать на уцелевшее железо.
Там приведённы правила для английского языка. По крайней мере для одного из значений слова Java (индонезийский остров) правила в русском языке отличаются.
По-видимому имеется в виду, что CRF «концептуально» может содержать признаки вида F(Y,X), где X — вектор данных «на входе», Y — вся разметка «на выходе» (например, при разметке частей речи (part-of-speech, POS) — сразу все части речи для всех слов предложения), в то время как MEMM может содержать лишь признаки вида F(y[i],y[i-1],...,y[i-n],X), то есть например, для данного слова мы «видим» лишь часть речи самого этого слова и его ближайших соседей. Однако если мы хотим использовать быстрые алгоритмы Витерби и forward-backward, то это преимущество CRF уходит, так как мы вынуждены ограничить признаки тем же видом, что в MEMM. Хотя другое преимущество — отсутствие проблемы labeling bias остаётся.
Что касается морфологических и синтаксических характеристик именно локального «окружения», то насколько я могу судить это «видит» и MEMM.
>но в отличие от того же МЕММ, CRF может учитывать любые особенности и взаимозависимости в исходных данных
Честно говоря не совсем понял этот момент. Можете привести пример особенностей и/или взаимозависимостей в исходных данных, которые может учитывать CRF но не может учитывать MEMM?
Из общих соображений (энергия квантов СВЧ-излучения vs энергия химических связей в ДНК) кажется маловероятным, что микроволновка рвёт нити ДНК. Каков может быть механизм разрыва нитей? Описано ли что-то подобное в литературе (ссылки приветствуются)?
Нет, поиск по SMILES делается не по текстовому совпадению. SMILES-часть запроса разбирается и по нему строится структура, которая затем нарезается на одномерные цепочки атомов-связей. По совпадению этих цепочек производится поиск и ранжирование.
Спасибо за пример заваливающего смайлса. Протестирую, как будет время :)
Lucene — поисковый движок. То есть с помощью Lucene можно проиндексировать некоторое количество документов и потом искать документы из индекса по ключевым словам. Прямо как в интернет-поисковиках, яндексе, гугле и.т.п.
MolecularLucene — это плагин для Lucene, который позволяет проиндексировать не текстовые документы, а хим. структуры и потом задавать в качестве поискового запроса не ключевые слова, а другие хим. структуры. В ответ должны возвращаться проиндексированные структуры упорядоченные по схожести с со структурой-образцом из запроса.
Документы в Lucene состоят из полей. Например, заголовок — это одно поле, основной текст документа — другое, автор — третье, дата публикации — четвертое и.т.д. В случае использования MolecularLucene одно (или несколько) из полей может содержать информацию о молекулярной структуре, а другие — «сопроводительную» текстовую информацию: описание, коментарий, и.т.д. Это позволяет организовать смешанный поиск по тексту и по структуре. Результаты будут упорядочены в соответствии с некоторой комбинацией текстовой релевантности и «молекулярной схожести».
Я сделал демку: www.chwise.net. Там можно искать статьи о хим. компаундах в википедии по тексту статьи и похожести на структуру-образец, которую можно задать либо в виде smiles'а, либо в редакторе структур. Короткая видеодемонстрация тут: www.youtube.com/watch?v=V0ddipGhPc0
В рамках этой модели чаинки не будут собираться в центре дна стакана. Для обьяснения поведения чаинок важно наличие неподвижного дна, возле которого жидкость не вращается. Объяснение можно почитать в книге Р. Поля «Механика, акустика и учение о теплоте».
Для аккуратного описания формы поверхности чая в стакане, размешиваемого ложкой, важно наличие неподвижной боковой стенки чашки.
Что касается склонения фамилий:
Французские фамилии с ударным окончанием -а,-я, не склоняются: Эмилю Золя, Пьером Брока, об Александре Дюма.
видимо, поэтому метод Рунге-Кутты, но теорема Ферма.
Что касается морфологических и синтаксических характеристик именно локального «окружения», то насколько я могу судить это «видит» и MEMM.
Честно говоря не совсем понял этот момент. Можете привести пример особенностей и/или взаимозависимостей в исходных данных, которые может учитывать CRF но не может учитывать MEMM?
Спасибо за пример заваливающего смайлса. Протестирую, как будет время :)
MolecularLucene — это плагин для Lucene, который позволяет проиндексировать не текстовые документы, а хим. структуры и потом задавать в качестве поискового запроса не ключевые слова, а другие хим. структуры. В ответ должны возвращаться проиндексированные структуры упорядоченные по схожести с со структурой-образцом из запроса.
Документы в Lucene состоят из полей. Например, заголовок — это одно поле, основной текст документа — другое, автор — третье, дата публикации — четвертое и.т.д. В случае использования MolecularLucene одно (или несколько) из полей может содержать информацию о молекулярной структуре, а другие — «сопроводительную» текстовую информацию: описание, коментарий, и.т.д. Это позволяет организовать смешанный поиск по тексту и по структуре. Результаты будут упорядочены в соответствии с некоторой комбинацией текстовой релевантности и «молекулярной схожести».
Я сделал демку: www.chwise.net. Там можно искать статьи о хим. компаундах в википедии по тексту статьи и похожести на структуру-образец, которую можно задать либо в виде smiles'а, либо в редакторе структур. Короткая видеодемонстрация тут: www.youtube.com/watch?v=V0ddipGhPc0