Discreet and not discrete.

...то я видел спутник.

Если нет, то видел НЛО - оно не мигало, как самолёт. Может, это был метеор под большим углом к поверхности Земли, конечно, однако яркость сперва плавно нарастала, а потом плавно снижалась, медленнее, чем у падающей звезды, которых я тоже насмотрелся недели две-три назад.

Окрестности подмосковного Чехова невероятно интересны.

Мама была "в отпуске" 6 дней. ;)

Мы с Васей были вдвоём.

Колесо в живой природе существует только в микромире - жгутики у бактерий и красные кровяные тельца.

А в макромире нет. И его пришлось изобретать, сравнивая с четырьмя ногами животных.

Но это всё философия.

Короче говоря, подражать природе можно, но путь человеческой мысли, это, скорее, путь колеса или винта или турбины самолёта.

Игра «Свидетель» гениальна в своей задумке и очень слабая в мобильной версии. В некоторых местах надо смотреть на предметы под разными углами и на айпаде это просто невозможно. В мобильной версии нет даже действия «присесть»!

Однако за ощущение «Ага! Вот, как!» после решения очередной головоломки смело можно давать приз. ;)

Получил некий интересный результат в моих экспериментах с оптимизацией через Лагранжиан. Думаю, скоро поделюсь. Пока проблема в том, что мой комп для программирований-хобби сломался, я использую чужой, а у него и памятью, и ср всем другим тоже плохо. И неохота создавать новый ключ для гит-Абакан.

Мне повезло настолько, что я пользовался Clojure задолго до его (её?) появления, лет за семь до. Тогда Clojure назывался Tcl и платформой, на которую он опирался, был... весь юникс. Примерно так.

Как Clojure является клеевым языком, так и Tcl таковым являлся. Как Clojure представляет из себя "улучшенный" Лисп, так и Тикль представляет собой Лисп без лишних круглых скобочек и с добавленными другими скобочками.

Так что я имею представление, что такое клеевые языки.

Это чрезвычайно мощная штука.

Но вот пришлось мне для документооборота писать разбор SQL, чтобы сгенерировать кое-какой код по нему. И выяснилось, что в Тикле это чрезвычайно тяжело.

Собственно, сейчас мне было бы легче, поскольку сейчас я программист посильнее. Поэтому если я возьмусь за Clojure, мне будет легче, чем на тикле тогда.

Мне это просто неинтересно.

Нормализованная корреляция - это вычисление скалярного произведения двух последовательностей, деленного на произведение их длин.

C(s_i,s_j) = sum_k=1..L[s_iks_jk/(|s_i| |s_j|)]

Если длина последовательности 1000, а последовательностей тоже 1000, то всего получается 1000*1000*(1000-1)/2=499500000 умножений и чуть меньше сложений. То есть, сложность O(LN²). Здесь L - длина последовательности, а N - их количество

Если мы можем выделить некую существенную часть из каждой последовательностей, и некое вычисление над этими частями дает приближение к корреляции, то мы можем отфильтровать заведомо плохие пары. Если сия существенная часть вычисляется быстро или может быть вычислена зараннее.

В принципе, последовательности можно условно разделить на две категории - хорошие и плохие. Для хороший последовательностей очень просто вычислить существенную часть, для плохих - тяжело. Плюс, плохие последовательности, скорее всего, слабо коррелируют с самими собой, сдвинутыми по времени.

Хорошие последовательности имеют спектр вида 1/f - "розовый" шум или даже красный шум, с большими низкими частотами и амплитуда частоты (примерно) уменьшается с её возрастанием. Низкие частоты вносят большой вклад в корреляцию, поэтому разумно брать их в качестве существенной части.

Плохие последовательности имеют спектр вида 1 - "белый" шум, где все частоты представлены равномерно. Это производная "красного" шума. Здесь существенную часть выбрать сложно, ведь корреляция по одной частотной составляющей может быть перекрыта любыми другими частотами.

Если говорить о практической пользе, то "хорошие" последовательности наблюдаются в колебаниях цен на продукты, а "плохие" - в "выгоде", (цена_i+1-цена_i)/цена_i.

Ну, как уже было сказано, если взять пяток-другой (десяток-другой) коэффициентов разложения Фурье последовательностей с меньшими частотами, то можно примерно предсказать коэффициент нормализованной корреляции для двух последовательностей.

С плохими последовательностями такой трюк не пройдет.

Для плохих последовательностей не работает даже разложение по сингулярным значениям (это квадраты собственных значений).

Но для них придумали особый подход - проекции на случайные вектора.

Мы генерируем псевдослучайные последовательности, числом M и длиной L, со значениями 1 и -1, и выполняем с ними свертку всех последовательностей. Получается вектор длиной M, sketch vector, набросок.

Так вот, доказано, что расстояние между нормализованными векторами-набросками пропорционально корреляции между последовательностями: D(x, x) = 2(1+corr(x,y)). D - расстояние, x - временная последовательность, x - нормализованный вектор-набросок. Отсекая по расстоянию, мы отсекаем по корреляции. Можно отсечь все с корреляцией менее порога (колебания цены на схожие продукты), можно отсечь все с корреляцией выше порога (конкурирующие компании).

Все. Остались только технические вопросы - как сделать подходящий генератор псевдослучайных чисел, как считать побыстрее в процессе добавления элементов в последовательности и тп. Это, натурально, решается очень просто.

http://www.mccme.ru/edu/vassiliev/IQ.pdf

Статья разбирает только тест Айзенка, но есть еще (культурно-независимый) тест с матрицами Равена: http://en.wikipedia.org/wiki/Raven's_Progressive_Matrices

Ум непосредственно связан со скоростью решения простых задач (и со скоростью решения сложных). В частности, умный человек на некоторых типах задач бесконечно умнее глупого - умный может решить. Однако, и умный может не решить сложную задачу за отведенное время. Поэтому простые задачи являются более статистически устойчивыми. В частности, большое количество задач приводит к низкой вероятности успеха с помощью угадывания ответов.

Поэтому IQ живет и процветает - скорость решения простых задач коррелирует с возможностью решения сложных, а угадать ответы гевозможно.

Да, кстати, IQ повышается медикаментозно - тестостерон, кофеин, и тп. Надо большое количество нейромедиаторов, или лучшая проводимость нейронов.

Задачка.

Мой текущий вариант решения.

Работает плохо, на диапазонах типа "192.168.2.4,193.0.0.3" сжирает всю память.

Попробовал два варианта упрощения дерева разбора: foldr и попарное упрощение:

reduceTrees [] = Failure
reduceTrees [t] = t
reduceTrees ts =
	-- foldr joinTree Failure ts
	reduceTrees (reduce ts)
	where
		reduce (a:b:ts) = joinTree a b : reduce ts
		reduce ts = ts

Разница в 20% времени выполнения.

Такое попарное упрощение справедливо для коммутативных операций.

Плохое поведение можно улучшить. Но не сегодня. ;)

( Collapse )

"Тело с конкурса Мистер Вселенная... Этот тип тела подчёркивает мощные плечи и тонкую талию. Вкратце, это тело-скульптура только ради показухи, не настоящая сила."

"Тело с конкурса Самый Сильный Человек Земли... Толстая талия из-за мышц, которые предохраняют спину и внутренние органы от травм во время работы с тяжестями. Это тело парня, который бьётся с медведями в горах."

Моя тушка постепенно приближается ко второму типу.

Это из ленты Google+. Почему-то доступ к той записи ограничен.

Сделанный в США Сверпроводящий Сверхстолкновитель, закрыт в 1993 году.