Интересное и необычное из сети
- Ооками
- Очумелые ручки
- Поблагодарили: 829 раз
- Сообщения: 3497
- Имя персонажа: Ookami
- Игра: нет
- Откуда: из сугроба
- Scolopendra
- Гвардеец
- Поблагодарили: 219 раз
- Сообщения: 792
- Имя персонажа: ___
- Игра: нет
Re: Интересное и необычное из сети
"Дал Бог зайку даст и на винишко пару сотен" © Илона Нейро ТП
Можешь не верить в себя. Верь в меня. Верь в мою веру в тебя!
- Scolopendra
- Гвардеец
- Поблагодарили: 219 раз
- Сообщения: 792
- Имя персонажа: ___
- Игра: нет
- Ogirion
- Упыревед
- Поблагодарили: 1208 раз
- Сообщения: 5220
- Имя персонажа: Огирион
- Игра: нет
- Откуда: из роддома
Re: Интересное и необычное из сети
Сам знаешь почему!
Ёжики - санитары леса
Ёжики - кого не унюхают того заколят
Ёжики - властелины мира
Ёжики – вершители судеб
Ёж – самое умное животное. Ежу всё понятно.
Ёжики - ...
Вышли Ёжики с тумана
И сказали громко:
“Будем резать, будем бить
Человечеству не жить”
Ёжики - кого не унюхают того заколят
Ёжики - властелины мира
Ёжики – вершители судеб
Ёж – самое умное животное. Ежу всё понятно.
Ёжики - ...
Вышли Ёжики с тумана
И сказали громко:
“Будем резать, будем бить
Человечеству не жить”
- Scolopendra
- Гвардеец
- Поблагодарили: 219 раз
- Сообщения: 792
- Имя персонажа: ___
- Игра: нет
- Scolopendra
- Гвардеец
- Поблагодарили: 219 раз
- Сообщения: 792
- Имя персонажа: ___
- Игра: нет
- Scolopendra
- Гвардеец
- Поблагодарили: 219 раз
- Сообщения: 792
- Имя персонажа: ___
- Игра: нет
Re: Интересное и необычное из сети
На HH есть интересная вакансия - геймер (там много народу набирают, не одно место)
https://hh.ru/vacancy/33301050
Подробности
https://hh.ru/vacancy/33301050
Подробности
Можешь не верить в себя. Верь в меня. Верь в мою веру в тебя!
- Ооками
- Очумелые ручки
- Поблагодарили: 829 раз
- Сообщения: 3497
- Имя персонажа: Ookami
- Игра: нет
- Откуда: из сугроба
Re: Интересное и необычное из сети
Круто, но жутко пахнет обманом, можно попробовать. Вот только 10 часов, я вся затеку в кресле и ж...па квадратной станет
- Scolopendra
- Гвардеец
- Поблагодарили: 219 раз
- Сообщения: 792
- Имя персонажа: ___
- Игра: нет
Re: Интересное и необычное из сети
Запись в трудовой "геймер"
Можешь не верить в себя. Верь в меня. Верь в мою веру в тебя!
- Ооками
- Очумелые ручки
- Поблагодарили: 829 раз
- Сообщения: 3497
- Имя персонажа: Ookami
- Игра: нет
- Откуда: из сугроба
Re: Интересное и необычное из сети
Самозанятый, не геймер...Scolopendra писал(а): ↑ Запись в трудовой "геймер"
- Scolopendra
- Гвардеец
- Поблагодарили: 219 раз
- Сообщения: 792
- Имя персонажа: ___
- Игра: нет
- Ogirion
- Упыревед
- Поблагодарили: 1208 раз
- Сообщения: 5220
- Имя персонажа: Огирион
- Игра: нет
- Откуда: из роддома
Re: Интересное и необычное из сети
Ёжики - санитары леса
Ёжики - кого не унюхают того заколят
Ёжики - властелины мира
Ёжики – вершители судеб
Ёж – самое умное животное. Ежу всё понятно.
Ёжики - ...
Вышли Ёжики с тумана
И сказали громко:
“Будем резать, будем бить
Человечеству не жить”
Ёжики - кого не унюхают того заколят
Ёжики - властелины мира
Ёжики – вершители судеб
Ёж – самое умное животное. Ежу всё понятно.
Ёжики - ...
Вышли Ёжики с тумана
И сказали громко:
“Будем резать, будем бить
Человечеству не жить”
- Ogirion
- Упыревед
- Поблагодарили: 1208 раз
- Сообщения: 5220
- Имя персонажа: Огирион
- Игра: нет
- Откуда: из роддома
Re: Интересное и необычное из сети
Ёжики - санитары леса
Ёжики - кого не унюхают того заколят
Ёжики - властелины мира
Ёжики – вершители судеб
Ёж – самое умное животное. Ежу всё понятно.
Ёжики - ...
Вышли Ёжики с тумана
И сказали громко:
“Будем резать, будем бить
Человечеству не жить”
Ёжики - кого не унюхают того заколят
Ёжики - властелины мира
Ёжики – вершители судеб
Ёж – самое умное животное. Ежу всё понятно.
Ёжики - ...
Вышли Ёжики с тумана
И сказали громко:
“Будем резать, будем бить
Человечеству не жить”
- Ogirion
- Упыревед
- Поблагодарили: 1208 раз
- Сообщения: 5220
- Имя персонажа: Огирион
- Игра: нет
- Откуда: из роддома
Re: Интересное и необычное из сети
Крутая штука
Ёжики - санитары леса
Ёжики - кого не унюхают того заколят
Ёжики - властелины мира
Ёжики – вершители судеб
Ёж – самое умное животное. Ежу всё понятно.
Ёжики - ...
Вышли Ёжики с тумана
И сказали громко:
“Будем резать, будем бить
Человечеству не жить”
Ёжики - кого не унюхают того заколят
Ёжики - властелины мира
Ёжики – вершители судеб
Ёж – самое умное животное. Ежу всё понятно.
Ёжики - ...
Вышли Ёжики с тумана
И сказали громко:
“Будем резать, будем бить
Человечеству не жить”
- Scolopendra
- Гвардеец
- Поблагодарили: 219 раз
- Сообщения: 792
- Имя персонажа: ___
- Игра: нет
Re: Интересное и необычное из сети
Нейросеть научили превращать картины в музыку
Послушать тут
статья(осторожно много букав)Показать
Нидерландские разработчики создали нейросеть, способную проявлять искусственный аналог визуально-звуковой синестезии — способности соотносить визуальные ощущения со звуками. Алгоритм состоит из двух частей, одна из которых кодирует изображение в высокоуровневое представление, а вторая декодирует это представление в музыку. Особенность алгоритма заключается в том, что он обучался самостоятельно без пар типа изображение-музыка.
В широком смысле художники, фотографы и дизайнеры используют картины и другие визуальные произведения как способ передачи информации другим людям. Однако такой способ донесения информации не работает в случае, если человек, смотрящий на картину, имеет проблемы со зрением. При этом визуальные произведения передают информацию различным способом, например, с помощью сюжета, формы, цвета и других особенностей, то есть их можно описать аналитически. Это означает, что не существует фундаментальной проблемы для того, чтобы передавать ту же информацию другим способом так же, как люди могут доносить информацию до иностранцев, используя свое знание другого языка или программу-переводчик.
Максимилиан Мюллер-Эберштайн (Maximilian Müller-Eberstein) и Нанне ван Ноорд (Nanne van Noord) из Амстердамского университета разработали алгоритм, способный проводить преобразование между изображениями и музыкой, причем при обучении он не требует соотносить изображения с музыкой, а учится этому самостоятельно, применяя метод обучения без учителя.
Алгоритм построен на архитектуре автокодировщика. Такой алгоритм производит преобразование из исходных данных в скрытое представление, которое несет в себе основную информацию об исходных данных и позволяет восстановить их в достаточно похожем виде. Автокодировщики состоят из кодировщика и декодировщика. Особенность таких алгоритмов заключается в том, что, как правило, кодировщик и декодировщик работают с разными данными. К примеру, недавно исследователи из Google использовали такую архитектуру для преобразования музыкальной последовательности на любом инструменте в партию на барабанах.
Нидерландские разработчики в своей работе использовали более необычный подход и применили кодировщик, работающий с изображениями, и декодировщик, работающий с музыкой. Для того, чтобы использовать метод обучения без учителя, авторы применили двунаправленный автокодировщик. После того, как он провел преобразование из изображения в музыку, он производит обратное преобразование из полученной музыки в новое изображение, после чего оно сравнивается с исходным. Это позволяет применять функцию потерь и в ходе обучения снижать разницу между двумя изображениями, тем самым повышая точность работы автокодировщика.
После обучения авторы проверили точность работы алгоритма количественно, с помощью нескольких метрик, в том числе расстояния Кульбака — Лейблера, а также качественно. Для второй оценки они попросили добровольцев описать свои эмоции при просмотре изображений из датасета с картинами. Эксперимент показал, что после обратного автокодирования эмоции совпадали с эмоциями при оценке исходного изображения со средней точностью 71 процент.
В широком смысле художники, фотографы и дизайнеры используют картины и другие визуальные произведения как способ передачи информации другим людям. Однако такой способ донесения информации не работает в случае, если человек, смотрящий на картину, имеет проблемы со зрением. При этом визуальные произведения передают информацию различным способом, например, с помощью сюжета, формы, цвета и других особенностей, то есть их можно описать аналитически. Это означает, что не существует фундаментальной проблемы для того, чтобы передавать ту же информацию другим способом так же, как люди могут доносить информацию до иностранцев, используя свое знание другого языка или программу-переводчик.
Максимилиан Мюллер-Эберштайн (Maximilian Müller-Eberstein) и Нанне ван Ноорд (Nanne van Noord) из Амстердамского университета разработали алгоритм, способный проводить преобразование между изображениями и музыкой, причем при обучении он не требует соотносить изображения с музыкой, а учится этому самостоятельно, применяя метод обучения без учителя.
Алгоритм построен на архитектуре автокодировщика. Такой алгоритм производит преобразование из исходных данных в скрытое представление, которое несет в себе основную информацию об исходных данных и позволяет восстановить их в достаточно похожем виде. Автокодировщики состоят из кодировщика и декодировщика. Особенность таких алгоритмов заключается в том, что, как правило, кодировщик и декодировщик работают с разными данными. К примеру, недавно исследователи из Google использовали такую архитектуру для преобразования музыкальной последовательности на любом инструменте в партию на барабанах.
Нидерландские разработчики в своей работе использовали более необычный подход и применили кодировщик, работающий с изображениями, и декодировщик, работающий с музыкой. Для того, чтобы использовать метод обучения без учителя, авторы применили двунаправленный автокодировщик. После того, как он провел преобразование из изображения в музыку, он производит обратное преобразование из полученной музыки в новое изображение, после чего оно сравнивается с исходным. Это позволяет применять функцию потерь и в ходе обучения снижать разницу между двумя изображениями, тем самым повышая точность работы автокодировщика.
После обучения авторы проверили точность работы алгоритма количественно, с помощью нескольких метрик, в том числе расстояния Кульбака — Лейблера, а также качественно. Для второй оценки они попросили добровольцев описать свои эмоции при просмотре изображений из датасета с картинами. Эксперимент показал, что после обратного автокодирования эмоции совпадали с эмоциями при оценке исходного изображения со средней точностью 71 процент.
Можешь не верить в себя. Верь в меня. Верь в мою веру в тебя!
Кто сейчас на конференции
Сейчас этот форум просматривают: нет зарегистрированных пользователей и 14 гостей