АХАХАХА, идеально
ну ты и долбоеб
Чё за высер нейросети?
Недавно придумал алгоритм, позволяющий сжать несколько гб, до кб. За счёт постоянного уменьшения двоичного кода. Сейчас буду думать как обратно исходный файл получать.
Архиватор Бабушкина
Уже обоссали в прошлом треде.
Есть две кривые.
Первая - сложность алгоритма.
Вторая - объём файла.
Чем сложнее алгоритм, тем меньше получится объём файла, но в то же время растёт объём словаря. И на каком-то участке эти кривые пересекаются, то есть при дальнейшем росте словаря ты уже почти не увидишь улучшений.
Основной принцип сжатия это выразить 2 символа в виде одного но что бы число этих чисел было ограничено 1 - 5 знаком. таким образом мы можем знать все комбинации 0 и 1 до 5 знака и обозначить их числами.
также мы можем узнать все комбинации от 1 до 5 и и снова закодировать их двухзначными комбинациями 1 до 5 а дальше дело рекурсии и обратного разложения где при каждом проходе информация сжимается в 2 - 5 раза.
// Define binary to text mapping
var binaryMap = {
"00000": "1",
"00001": "2",
"00010": "3",
"00011": "4",
"00100": "5",
"00101": "12",
"00110": "13",
"00111": "14",
"01000": "15",
"01001": "21",
"01010": "23",
"01011": "24",
"01100": "25",
"01101": "31",
"01110": "32",
"01111": "34",
"10000": "35",
"10001": "41",
"10010": "42",
"10011": "43",
"10100": "45",
"10101": "51",
"10110": "52",
"10111": "53",
"11000": "54",
"11001": "123",
"11010": "124",
"11011": "125",
"11100": "132",
"11101": "134",
"11110": "135",
"11111": "142"
также мы можем узнать все комбинации от 1 до 5 и и снова закодировать их двухзначными комбинациями 1 до 5 а дальше дело рекурсии и обратного разложения где при каждом проходе информация сжимается в 2 - 5 раза.
// Define binary to text mapping
var binaryMap = {
"00000": "1",
"00001": "2",
"00010": "3",
"00011": "4",
"00100": "5",
"00101": "12",
"00110": "13",
"00111": "14",
"01000": "15",
"01001": "21",
"01010": "23",
"01011": "24",
"01100": "25",
"01101": "31",
"01110": "32",
"01111": "34",
"10000": "35",
"10001": "41",
"10010": "42",
"10011": "43",
"10100": "45",
"10101": "51",
"10110": "52",
"10111": "53",
"11000": "54",
"11001": "123",
"11010": "124",
"11011": "125",
"11100": "132",
"11101": "134",
"11110": "135",
"11111": "142"
табличка неправильная
конкретно вторая строка
Сука, опять этот шиз с чат жпт и математикой, ну умора!
раньше русы считали следующим образом: ноль, целковый, полушка, четвертушка, осьмушка, пудовичок, медячок, серебрячок, золотничок, девятичок, десятичок.
>>1. Двоичную информацию можно кодировать буквами алфавита, в разы уменьшая потребное для хранения инфы место.
Дальше можно даже не не отвечать в тред
>Это относится только к иррациональным числам. Можно хранить способ получения из числа а числа б и точка.
У фейсбука есть отдельный сервер под эти и они могут любую информацию сжимать бессконечно много
1 миллион байт - это 1 миллионное число
1 гигабайт это 1 миллиард нулей или единиц.
В чем проблема подогнать любое число с корнем под степень под 1 миллиард нолей или единиц? и вычислить разницу и обратно сжать ?нету никаких проблем в 2005 году это и сделано и все it гиганты скрывают
5X5 = 25
25x25 = 625
625x625= 390625
390625x390625 = 152587890625
152587890625 x 152587890625 = 23283064365386962890625
В 1995 году один американец сделал такой ИИ, и пропал бесследно, наверно начал работать на пентагон.
Поэтому GTA 5 - это всего лишь 50 миллиард нулей и единиц - что бы сжать gta 5 в 1 мб нужно всего лишь 15 шагов операции корня, из корня, из корня.
Я видел чаты IRC в 1995 - там говорили об корнях, обратных корнях, нахождением разницы между файлом как целого числа и корнем умноженным сам на себя 20-30 раз все кто там сидели щас на топовых должностях, в гугле, майкрософтах, и эпле. и предоставляют услуги по хранению информации в закрытом режиме. ты знал, что фейсбук 80000000000000 терабайт информации храниться в 1 подвале? в то время как для класического хранения информации потребовалась бы 500 футбольных стадионов.
треды, об стэйбл дифужн напомнили мне IRC в 1995 - когда 50 гб перекидывались за 15 секунд с одной точки планеты в другую. и представлялось цельным числом возведённым в обратный корень 20-30 раз
эта технология не общеизвестна потому что корпоративные хуилы засекретили и сделали комерческой тайной, но щас это вспыловёт, как и год назад. Они очень боятся муслимов, и то что их знания и технологии утекут муслимам, в то время как потребности и требования у человечества всегда одинаковые, любовь, удовольствие и забота.
почему тогда щас нету публичной технологии что бы 50гигов было как 1 мб?
что мешает 50 миллиардное значное число поделить без остатка 20-30 раз и получить 15 умноженное или возведённую в степень 15-20 раз? Верно, личная тупость. Что мешает 100 гигов подели на 2? будет 50 гигов. что мешает поделить 50 гигов на 2:? верно будет 25 гигов. ОГО 100 гигов поделили 3 раза и стало 25 гигов! ебать копать!
Процессор генирует 500 мб данных в сек. Всего 4 секунды и из 1кб инструкции возведения в степень числа, у тебя 10 гиговый файл.
Сообщение не только тебе а всем IT - в мире которые заинтересованы в благополучии всех людей а не кучи "жмотов" пердунов, монополистов. Но и эта тему тоже хуйня. А теперь главный мой тебе вопрос. Как в дереве, 1 клетка которая имеет 1 гб днк.
"нельзя хранить 1гб а и б в файле размером 5мб."
Можно константы. но тут уже должны быть квантовые пеки.
вот глянь есть формула. https://habr.com/ru/post/179829/
число пи содержит зетабайты терабайт в кубе данных
>https://github.com/angel2220fly/Black_Hole_Compression алгоритм квантовой компрессии Юрия Пакаловаса. Изучай, улучшай.
у меня 100 gb отобранного и сортированого 10 раз прон....
где скачать прогу чтобы его ужать хотя бы до 60 gb????
Где все эти волшебные GPU CUDA ужиматели когда они так нужны?????
у меня 100 gb отобранного и сортированого 10 раз прон....
где скачать прогу чтобы его ужать хотя бы до 60 gb????
Где все эти волшебные GPU CUDA ужиматели когда они так нужны?????
Советского учёного Камышова убили агенты ЦРУ, когда он подошёл к разгадке бесконечного сжатия с помощью иррациональных чисел и теории поля. Вы долбоёбы, тоже сдохнуть хотите? Сидите тихо не высовывайтесь
>один американец
Alex Grandman?
одиннадцатичок, двенадцатичок, тринадцатичок, четырнадцатичок, пятнадцатичок, шестнадцатичок, семнадцатичок, восемнадцатичок, девятнадцатичок, двадцатичок.
двадцать первый, двадцать второй, ..., сорок восьмой, сорок девятый, пятьдесятый, шестдесятый, семьдесятый, восемьдесятый, девяностый, стократый.
двухсотый, трехсотый, четырехсотый, пятисотый, шестисотый, семисотый, восьмисотый, девятисотый, тысячный, десятитысячный, стотысячный, миллионный, десятимиллионный, стомиллионный, миллиардный, десятимиллиардный, стомиллиардный, терабайт.
двадцать первый, двадцать второй, ..., сорок восьмой, сорок девятый, пятьдесятый, шестдесятый, семьдесятый, восемьдесятый, девяностый, стократый.
двухсотый, трехсотый, четырехсотый, пятисотый, шестисотый, семисотый, восьмисотый, девятисотый, тысячный, десятитысячный, стотысячный, миллионный, десятимиллионный, стомиллионный, миллиардный, десятимиллиардный, стомиллиардный, терабайт.
Шиза и фанатизм с вниманиеблядством
Чел, ты информатику проебывал или что? Ты при делении числа на 2 его вес на 1 бит уменьшаешь, после чего если ты хочешь чего хранить деленным, чтобы потом умножить тебе надо остаток хранить т.е объем не меняется. Тут половина треда - новые древнеруссы-айтишники
Да!
вот именно дайте хоть что-то чем пережать 100gb коллекцию прон....
(можно кодеками массово перекодить потеряв 20-30% качества....но это я и без вас знаю)
Вы говорите, мол вот там на гитхабе есть йоба,но вы кодите мож накодите, мож нет....
А че готовых решений в 2024 нет....
CUDA ...GPU ...????
У меня скрипт на питоне есть, можешь свою коллекцию бесплатно в облака в тг закинуть, кинуть?
https://www.youtube.com/watch?v=ICDa9CiP_jc
тут 5 бит всевозможных 1 и 0 закодированы в 1 символ.
те сжатие в 5 раз. замкни индекс сам на себя и сжимай бессконечно
// Define binary to text mapping
var binaryMap = {
"00000": "A",
"00001": "B",
"00010": "C",
"00011": "D",
"00100": "E",
"00101": "F",
"00110": "G",
"00111": "H",
"01000": "I",
"01001": "J",
"01010": "K",
"01011": "L",
"01100": "M",
"01101": "N",
"01110": "O",
"01111": "P",
"10000": "Q",
"10001": "R",
"10010": "S",
"10011": "T",
"10100": "U",
"10101": "V",
"10110": "W",
"10111": "X",
"11000": "Y",
"11001": "Z",
"11010": "AA",
"11011": "AB",
"11100": "AC",
"11101": "AD",
"11110": "AE",
"11111": "AF"
};
Ты ебобо? Ты понимаешь, что у тебя нули и единицы в строке каждый занимает столько же места, сколько один символ? Ты блядь не цифры кодируешь, а строки. Ты переизобрел алфавит, два чая нахуй
Что такое байт, хэш и сид?
>байт
наживка
>хэш и сид
клички двух известных нариков
Какое содержание файла на 1 гб?
Можно и до килобайт сжать, ели там одни нули.
> И на каком-то участке эти кривые пересекаются, то есть при дальнейшем росте словаря ты уже почти не увидишь улучшений.
Схуяли?
Кто
Где родничок и гнойничок?
Вы могли бы хранить информацию в эфирном поле, просто оставляя ссылки на участки, но вы приняли жидовские ОТО.
Замкнул твоей маме за щеку, проверяй
и как называется скрипт, который у тебя есть?
Как это сделать?
лыл.
Ромке Ян Бернхард Слоот (нидерл. Romke Jan Bernhard Sloot) (27 августа 1945, Гронинген — 11 июля 1999[1], Ньивегейн) — был голландским инженером-электронщиком[2], который в 1995 утверждал, что разработал революционную технологию сжатия данных — Sloot Digital Coding System, которая могла предположительно сжимать полнометражный фильм до 8 килобайт данных. Внезапно умер от сердечного приступа, незадолго до заключения контракта на продажу изобретения. Исходный код никогда не восстанавливался, в связи с чем проверить изобретение на деле не представляется возможным.
Речь идет не о сжатии, — заявил голландский предприниматель Роэль Пипер (нидерл. Roel Pieper) — все ошибаются на этот счет. Данный принцип можно сравнить с концепцией языка программирования PostScript, когда отправитель и получатель знают, какие рецепты данных будут переданы без фактической отправки самих данных.
https://www.youtube.com/watch?v=ICDa9CiP_jc
в тГ и я могу закинуть
только тг хитрый, когда видит хранение файлов, он профиль может дропнуть через потверждения, мол перезалогинтесь и ты каким-то боком все теряешь....
все попытки хранить Тг закончились потерей данных....
через какое-то время
ахуенно,на деле жэ эта нацыя даже круглое колесо изобрести не сумела
>все попытки хранить Тг закончились потерей данных....
аккаунты на те симки которые физически у тебя есть?
нормальные файлы хранить пробовал? (не порно)
Анон, над чем сейчас бъёшься? Что получилось, а где сложности?
чатгпт дрочит
Это в какую категорию ответ?
> 1. Двоичную информацию можно кодировать буквами алфавита, в разы уменьшая потребное для хранения инфы место.
Английская буква a занимает 8 бит, 0110 - 4 бита. Как уменьшать собираешься?
может и была но ЦРУ забрала всё себе, а историю подправила до уровня легенды
Биты не нужны. Биты перекодируются в буквы и дальше хранятся они подаются на вход функции, которая ищет сид архивируемого файла.
>кодировать буквами алфавита
壹 – 1
贰 – 2
拾 – 10
佰 – 100
仟 – 1000
萬 – 10 000
億 – 100 000 000
吉字节 – гегобает инфарматции – и всево 3 знака!
Я тут одни кто в вузики профильном на пограмиста учился?
Для сжатия используется алгоритм Хаффмана
Для сжатия используется алгоритм Хаффмана
>Биты перекодируются в буквы
То, что ты 01100001 01100010 01100011 01100100 перекодируешь в abcd, не уменьшит вес.
1e9 тоже всего три знака и целый гигабайт информации.
Пользуясь случаем, покажу свой codepen
https://codepen.io/fjiumqtd-the-decoder/pen/oNOyKKO
Здесь я программирую цветочек из 3д сферы.
Основной код на glsl:
void main() {
vUv = uv;
float X = (vUv.x);float Y = (vUv.y);
float A=(abs(sin((X2.53.14+Y8.03.14)2.0))abs(sin(Y10.03.14)));
A = position.y<0.5?0.04:A;
vec3 a = vec3(A,A-position.y/60.0,A);
gl_Position = (projectionMatrix modelViewMatrix) vec4(positiona, 1.0);
}
void main() {
float X = (vUv.x);float Y = (vUv.y);
float A=abs(sin((X2.53.14+Y8.03.14)2.0)sin(Y10.0*3.14));
gl_FragColor = vec4(Y<0.5?0.0:A,0,0,1);
}
Это основной код, первое это изменение координатов вершин сферы, второе это для цвета на сфере. Остальное для Three.js (подгрузка модулей, создание сцены с шаром, установка камеры и её направление, обработка движений мыши с анимацией проекции, применение моих скриптов glsl к сфере и т.д.)
https://codepen.io/fjiumqtd-the-decoder/pen/oNOyKKO
Здесь я программирую цветочек из 3д сферы.
Основной код на glsl:
void main() {
vUv = uv;
float X = (vUv.x);float Y = (vUv.y);
float A=(abs(sin((X2.53.14+Y8.03.14)2.0))abs(sin(Y10.03.14)));
A = position.y<0.5?0.04:A;
vec3 a = vec3(A,A-position.y/60.0,A);
gl_Position = (projectionMatrix modelViewMatrix) vec4(positiona, 1.0);
}
void main() {
float X = (vUv.x);float Y = (vUv.y);
float A=abs(sin((X2.53.14+Y8.03.14)2.0)sin(Y10.0*3.14));
gl_FragColor = vec4(Y<0.5?0.0:A,0,0,1);
}
Это основной код, первое это изменение координатов вершин сферы, второе это для цвета на сфере. Остальное для Three.js (подгрузка модулей, создание сцены с шаром, установка камеры и её направление, обработка движений мыши с анимацией проекции, применение моих скриптов glsl к сфере и т.д.)
я ещё, но недоучился.
> что мешает 50 миллиардное значное число поделить без остатка 20-30 раз и получить 15 умноженное или возведённую в степень 15-20 раз? Верно, личная тупость. Что мешает 100 гигов подели на 2? будет 50 гигов. что мешает поделить 50 гигов на 2:? верно будет 25 гигов. ОГО 100 гигов поделили 3 раза и стало 25 гигов! ебать копать!
Не учитываешь остаток - проебываешь данные. Можно записывать, куда добавлять остаток, чтобы вышло нужное число, но тогда вес будет уменьшаться в ~2 раза, а такая производительность - хуйня. Могу запостить, подумаем вместе
https://codepen.io/procoders000001/pen/zYXQWeZ
Ура получилось. чат гопода скодил. Вообщем у меня новая теория и идея . уровень мирового океана воды на планете одинаков, такой же уровень должен быть у электронов и элементарных частиц, волн, у материи и антиматерии, гравитации и нейросетей, я создала симуляцию где 20 точек ( агентов ) с 40 нейронами и 60 слоями летают в пространстве красного и зелёного фона. и само обучаются на своих местоположениях и сделала статистику в каком поле они и общая статистика сумм где 1 точка это просто число 2000
Какой в этом смысл? Предсказание биткоина. Рост или падение
наблюдаем ищем баги, критикуем, возможно это универсальный цифровой грудусник который будет всё предсказывать настроение текущее
либо это обычная шизо забава либо нас ждут миллиарды!
Кот открыт, смотрите и анализурете.
https://codepen.io/procoders000001/pen/zYXQWeZ
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Self-Learning Points with Neural Network</title>
<style>
#canvas {
width: 700px;
height: 700px;
border: 1px solid black;
float: left;
}
#movements {
float: left;
margin-left: 20px;
}
#movements li {
margin-bottom: 5px;
}
#dashboard {
float: right;
margin-right: 20px;
}
</style>
</head>
<body>
<canvas id="canvas"></canvas>
<ul id="movements"></ul>
<div id="dashboard"></div>
<script>
const canvas = document.getElementById('canvas');
const ctx = canvas.getContext('2d');
// Set canvas width and height
const canvasWidth = 700;
const canvasHeight = 700;
canvas.width = canvasWidth;
canvas.height = canvasHeight;
// Neural network parameters
const numLayers = 40; // Number of layers
const neuronsPerLayer = 60; // Neurons per layer
let weights = generateRandomBinaryWeights(numLayers, neuronsPerLayer); // Initialize random binary weights
// Point parameters
let points = Array.from({ length: 20 }, (_, index) => ({ // Create 20 points
x: Math.random() canvasWidth,
y: Math.random() canvasHeight,
velocityX: 0,
velocityY: 0,
movements: 0 // Initialize movements counter
}));
// Function to update positions based on neural network predictions
function updatePositions() {
points.forEach((point, index) => {
const inputs = [point.x, point.y];
points.forEach((otherPoint, otherIndex) => {
if (index !== otherIndex) {
inputs.push(otherPoint.x, otherPoint.y); // Add other points' positions
}
});
// Feed input data through the neural network
let activations = inputs;
for (let i = 0; i < numLayers; i++) {
const weightsMatrix = weights;
const nextActivations = [];
for (let j = 0; j < neuronsPerLayer; j++) {
let sum = 0;
for (let k = 0; k < activations.length; k++) {
sum += activations[k] weightsMatrix[k][j];
}
nextActivations.push(Math.tanh(sum));
}
activations = nextActivations;
}
// Extract predicted velocities from network output
const predictedDeltaX = activations[0];
const predictedDeltaY = activations[1];
// Update velocities based on predictions and a learning rate
const learningRate = 0.03; // Increased learning rate to 0.03 for 3x speed
point.velocityX = (predictedDeltaX learningRate 4) + (0.9 point.velocityX); // Apply learning rate and damping
point.velocityY = (predictedDeltaY learningRate 4) + (0.9 point.velocityY);
// Limit velocity to prevent runaway points
const maxVelocity = 10;
point.velocityX = Math.max(-maxVelocity, Math.min(point.velocityX, maxVelocity));
point.velocityY = Math.max(-maxVelocity, Math.min(point.velocityY, maxVelocity));
// Update positions based on updated velocities
point.x += point.velocityX;
point.y += point.velocityY;
// Keep points within canvas boundaries
point.x = Math.max(0, Math.min(point.x, canvasWidth));
point.y = Math.max(0, Math.min(point.y, canvasHeight));
// Increment movements counter
point.movements++;
});
}
// Function to draw points on the canvas
function drawPoints() {
// Draw half-green background
ctx.fillStyle = 'green';
ctx.fillRect(0, 0, canvasWidth, canvasHeight / 2);
// Draw half-red background
ctx.fillStyle = 'red';
ctx.fillRect(0, canvasHeight / 2, canvasWidth, canvasHeight / 2);
// Draw points on top of the background
points.forEach((point) => {
ctx.fillStyle = 'black';
ctx.beginPath();
ctx.arc(point.x, point.y, 5, 0, 2 Math.PI);
ctx.fill();
});
}
// Function to adjust weights based on point interactions
function adjustWeights() {
// Simple unsupervised learning: randomly adjust weights
weights.forEach((layerWeights) => {
layerWeights.forEach((neuronWeights) => {
neuronWeights.forEach((weight, index) => {
neuronWeights[index] += Math.random() 0.1 - 0.05; // Random adjustment
});
});
});
}
// Function to handle point collisions
function handleCollisions() {
// Implement logic to handle point collisions
// For example, if two points get too close, you can adjust their velocities
// to push them apart or merge them
console.log("Collision handling not yet implemented.");
}
// Function to train the neural network
function trainNetwork() {
updatePositions(); // Update positions based on neural network predictions
adjustWeights(); // Adjust weights based on point interactions
handleCollisions(); // Handle point collisions
}
// Function to generate random binary weights for the neural network
function generateRandomBinaryWeights(numLayers, neuronsPerLayer) {
const weights = [];
for (let i = 0; i < numLayers; i++) {
const layerWeights = [];
for (let j = 0; j < neuronsPerLayer; j++) {
const neuronWeights = [];
for (let k = 0; k < neuronsPerLayer; k++) {
neuronWeights.push(Math.random() < 0.5 ? -1 : 1);
}
layerWeights.push(neuronWeights);
}
weights.push(layerWeights);
}
return weights;
}
// Function to update the animation frame
function update() {
trainNetwork(); // Train the network
drawPoints(); // Draw the points on the canvas
updateMovementsList(); // Update movements list
updateDashboard(); // Update dashboard
requestAnimationFrame(update); // Request the next animation frame
}
// Function to update the movements list
function updateMovementsList() {
const movementsList = document.getElementById('movements');
movementsList.innerHTML = ''; // Clear previous list items
points.forEach((point, index) => {
const listItem = document.createElement('li');
listItem.textContent = `Point ${index + 1}: ${point.movements} movements`;
movementsList.appendChild(listItem);
});
}
// Function to update the dashboard
function updateDashboard() {
const greenPoints = points.filter(point => point.y < canvasHeight / 2);
const redPoints = points.filter(point => point.y >= canvasHeight / 2);
const greenSum = greenPoints.length 2000;
const redSum = redPoints.length * 2000;
const dashboard = document.getElementById('dashboard');
dashboard.innerHTML = `<p>Green Zone Points: ${greenPoints.length}, Total: ${greenSum}</p>
<p>Red Zone Points: ${redPoints.length}, Total: ${redSum}</p>`;
}
// Start the animation loop
update();
</script>
</body>
</html>
Ура получилось. чат гопода скодил. Вообщем у меня новая теория и идея . уровень мирового океана воды на планете одинаков, такой же уровень должен быть у электронов и элементарных частиц, волн, у материи и антиматерии, гравитации и нейросетей, я создала симуляцию где 20 точек ( агентов ) с 40 нейронами и 60 слоями летают в пространстве красного и зелёного фона. и само обучаются на своих местоположениях и сделала статистику в каком поле они и общая статистика сумм где 1 точка это просто число 2000
Какой в этом смысл? Предсказание биткоина. Рост или падение
наблюдаем ищем баги, критикуем, возможно это универсальный цифровой грудусник который будет всё предсказывать настроение текущее
либо это обычная шизо забава либо нас ждут миллиарды!
Кот открыт, смотрите и анализурете.
https://codepen.io/procoders000001/pen/zYXQWeZ
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Self-Learning Points with Neural Network</title>
<style>
#canvas {
width: 700px;
height: 700px;
border: 1px solid black;
float: left;
}
#movements {
float: left;
margin-left: 20px;
}
#movements li {
margin-bottom: 5px;
}
#dashboard {
float: right;
margin-right: 20px;
}
</style>
</head>
<body>
<canvas id="canvas"></canvas>
<ul id="movements"></ul>
<div id="dashboard"></div>
<script>
const canvas = document.getElementById('canvas');
const ctx = canvas.getContext('2d');
// Set canvas width and height
const canvasWidth = 700;
const canvasHeight = 700;
canvas.width = canvasWidth;
canvas.height = canvasHeight;
// Neural network parameters
const numLayers = 40; // Number of layers
const neuronsPerLayer = 60; // Neurons per layer
let weights = generateRandomBinaryWeights(numLayers, neuronsPerLayer); // Initialize random binary weights
// Point parameters
let points = Array.from({ length: 20 }, (_, index) => ({ // Create 20 points
x: Math.random() canvasWidth,
y: Math.random() canvasHeight,
velocityX: 0,
velocityY: 0,
movements: 0 // Initialize movements counter
}));
// Function to update positions based on neural network predictions
function updatePositions() {
points.forEach((point, index) => {
const inputs = [point.x, point.y];
points.forEach((otherPoint, otherIndex) => {
if (index !== otherIndex) {
inputs.push(otherPoint.x, otherPoint.y); // Add other points' positions
}
});
// Feed input data through the neural network
let activations = inputs;
for (let i = 0; i < numLayers; i++) {
const weightsMatrix = weights;
const nextActivations = [];
for (let j = 0; j < neuronsPerLayer; j++) {
let sum = 0;
for (let k = 0; k < activations.length; k++) {
sum += activations[k] weightsMatrix[k][j];
}
nextActivations.push(Math.tanh(sum));
}
activations = nextActivations;
}
// Extract predicted velocities from network output
const predictedDeltaX = activations[0];
const predictedDeltaY = activations[1];
// Update velocities based on predictions and a learning rate
const learningRate = 0.03; // Increased learning rate to 0.03 for 3x speed
point.velocityX = (predictedDeltaX learningRate 4) + (0.9 point.velocityX); // Apply learning rate and damping
point.velocityY = (predictedDeltaY learningRate 4) + (0.9 point.velocityY);
// Limit velocity to prevent runaway points
const maxVelocity = 10;
point.velocityX = Math.max(-maxVelocity, Math.min(point.velocityX, maxVelocity));
point.velocityY = Math.max(-maxVelocity, Math.min(point.velocityY, maxVelocity));
// Update positions based on updated velocities
point.x += point.velocityX;
point.y += point.velocityY;
// Keep points within canvas boundaries
point.x = Math.max(0, Math.min(point.x, canvasWidth));
point.y = Math.max(0, Math.min(point.y, canvasHeight));
// Increment movements counter
point.movements++;
});
}
// Function to draw points on the canvas
function drawPoints() {
// Draw half-green background
ctx.fillStyle = 'green';
ctx.fillRect(0, 0, canvasWidth, canvasHeight / 2);
// Draw half-red background
ctx.fillStyle = 'red';
ctx.fillRect(0, canvasHeight / 2, canvasWidth, canvasHeight / 2);
// Draw points on top of the background
points.forEach((point) => {
ctx.fillStyle = 'black';
ctx.beginPath();
ctx.arc(point.x, point.y, 5, 0, 2 Math.PI);
ctx.fill();
});
}
// Function to adjust weights based on point interactions
function adjustWeights() {
// Simple unsupervised learning: randomly adjust weights
weights.forEach((layerWeights) => {
layerWeights.forEach((neuronWeights) => {
neuronWeights.forEach((weight, index) => {
neuronWeights[index] += Math.random() 0.1 - 0.05; // Random adjustment
});
});
});
}
// Function to handle point collisions
function handleCollisions() {
// Implement logic to handle point collisions
// For example, if two points get too close, you can adjust their velocities
// to push them apart or merge them
console.log("Collision handling not yet implemented.");
}
// Function to train the neural network
function trainNetwork() {
updatePositions(); // Update positions based on neural network predictions
adjustWeights(); // Adjust weights based on point interactions
handleCollisions(); // Handle point collisions
}
// Function to generate random binary weights for the neural network
function generateRandomBinaryWeights(numLayers, neuronsPerLayer) {
const weights = [];
for (let i = 0; i < numLayers; i++) {
const layerWeights = [];
for (let j = 0; j < neuronsPerLayer; j++) {
const neuronWeights = [];
for (let k = 0; k < neuronsPerLayer; k++) {
neuronWeights.push(Math.random() < 0.5 ? -1 : 1);
}
layerWeights.push(neuronWeights);
}
weights.push(layerWeights);
}
return weights;
}
// Function to update the animation frame
function update() {
trainNetwork(); // Train the network
drawPoints(); // Draw the points on the canvas
updateMovementsList(); // Update movements list
updateDashboard(); // Update dashboard
requestAnimationFrame(update); // Request the next animation frame
}
// Function to update the movements list
function updateMovementsList() {
const movementsList = document.getElementById('movements');
movementsList.innerHTML = ''; // Clear previous list items
points.forEach((point, index) => {
const listItem = document.createElement('li');
listItem.textContent = `Point ${index + 1}: ${point.movements} movements`;
movementsList.appendChild(listItem);
});
}
// Function to update the dashboard
function updateDashboard() {
const greenPoints = points.filter(point => point.y < canvasHeight / 2);
const redPoints = points.filter(point => point.y >= canvasHeight / 2);
const greenSum = greenPoints.length 2000;
const redSum = redPoints.length * 2000;
const dashboard = document.getElementById('dashboard');
dashboard.innerHTML = `<p>Green Zone Points: ${greenPoints.length}, Total: ${greenSum}</p>
<p>Red Zone Points: ${redPoints.length}, Total: ${redSum}</p>`;
}
// Start the animation loop
update();
</script>
</body>
</html>
Молодец. Считает правильно.
А ты считаешь неправильно. Нейронов 60. Слоёв 50.
То что это может что-то предсказать нейроны тоже сомнительно.
> Двоичную информацию можно кодировать буквами алфавита
> сами буквы алфавита представлены в двоичном виде
Аноны, профессора байтовы, а как мне посрать налегке? Может сжать калы? Мб пройдут?
Опять сжимаешь, ебучий шакал?
https://github.com/Nootropin/infinityTgStorage
почему не это? Думаю работать будет гораздо быстрее...
Почему я не могу использовать архиваторы?
Потому что ты тупой.
Тред для тупых?
Именно так.
Тебе нужно сднлать железо. Иди качай книги по схемотехнике и паяй архиватор.
Так на Питоне TUI нормальный
Извините, я конечно понимаю что тред трольский на уровне вычисления протеинов, но у меня вопрос по первому пункту -
>1. Двоичную информацию можно кодировать буквами алфавита, в разы уменьшая потребное для хранения инфы место.
Информация на цифровых носителях памяти храниться в бинарном виде, как можно хранить буквы на цифровых хранителях информации в небинарном виде?
>1. Двоичную информацию можно кодировать буквами алфавита, в разы уменьшая потребное для хранения инфы место.
Информация на цифровых носителях памяти храниться в бинарном виде, как можно хранить буквы на цифровых хранителях информации в небинарном виде?
Нужно создать над файловую систему, которая будет работать с небинарной информацией.
>растёт объём словаря. И на каком-то участке
Словарь даля или русского мата?
>двухсотый,
ГОЙДА
>небинарной
А это уже запрещено законами РФ
> Недавно придумал алгоритм, позволяющий сжать несколько гб, до кб. За счёт постоянного уменьшения двоичного кода. Сейчас буду думать как обратно исходный файл получать.
Это гениально. Может тебе просто выпустить архиватор... Ахаха без функции разархивации.
Кажется, получилось.
И чё сжал?
Сжать получилось ещё позавчера.
>1. Двоичную информацию можно кодировать буквами алфавита, в разы уменьшая потребное для хранения инфы место.
Это называется текст? И как ты это переведёшь в цифровой вид? Ах да, двоичный код! Или ты про 16-значные числа, как то: 0123456789ABCDEF?
Хуя ты, целый день сжал. Малацца, но смотри как бы тебя илон маск не страпонировал.
Ебать вы дебилы!
Здесь аноны координируют усилия по разработке революционных архиваторов. Ты хочешь знать, что такое байт, хэш и сид? Просто спроси! Получишь десяток ответов на любой вкус.
Что удалось выяснить за первый тред:
1. Двоичную информацию можно кодировать буквами алфавита, в разы уменьшая потребное для хранения инфы место.
2. Мощный процессор позволяет вычислить сид файла, ещё более упрощая его хранение и передачу. Забудь про часы ожидания, пока ждёшь докачки BD-рипа любимого фильма или томительную установку новой игры.
3. Найдены единомышленники зарубежом - гитхаб ниже, в ресурсах.
Ресурсы:
https://chat.openai.com/ Основной источник информации и тестовых скриптов.
.https://github.com/angel2220fly/Black_Hole_Compression алгоритм квантовой компрессии Юрия Пакаловаса. Изучай, улучшай.
Предыдущий тред тонет здесь: https://2ch.hk/b/res/303856860.html
Архивачи:
https://arhivach.top/thread/1011265