This media is not supported in your browser
VIEW IN TELEGRAM
چهار سال پیش یه پست گذاشته بودم توی اینستا در مورد ابررسانا ها و ویژگی های عجیب غریبشون
اینکه اگه توی دمای خاصی (اغلب خیلی خیلی پایین) قرار بگیرن میتونن به طور معلق و بدون اصطکاک توی میدان مغناطیسی حرکت کنن
امروز یه مقاله دیدم که ظاهرا تونستن ابررسانا توی دمای اتاق تولید کنن
https://www.nature.com/articles/s41586-020-2801-z
#Science
اینکه اگه توی دمای خاصی (اغلب خیلی خیلی پایین) قرار بگیرن میتونن به طور معلق و بدون اصطکاک توی میدان مغناطیسی حرکت کنن
امروز یه مقاله دیدم که ظاهرا تونستن ابررسانا توی دمای اتاق تولید کنن
https://www.nature.com/articles/s41586-020-2801-z
#Science
تا سال های سال محققین فک میکردن که علت اینکه بی خوابی باعث مرگ میشه ... باید به مغز مربوط بشه
اما این مقاله چیز دیگه ای میگه
ظاهرا قضیه به دل و روده برمیگرده :)))
https://doi.org/10.1016/j.cell.2020.04.049
#Neuroscience
اما این مقاله چیز دیگه ای میگه
ظاهرا قضیه به دل و روده برمیگرده :)))
https://doi.org/10.1016/j.cell.2020.04.049
#Neuroscience
This media is not supported in your browser
VIEW IN TELEGRAM
حل کردن maze با استفاده از مدل سازی حرکت ذرات گاز
#RL
#RL
Future
حل کردن maze با استفاده از مدل سازی حرکت ذرات گاز #RL
This media is not supported in your browser
VIEW IN TELEGRAM
یکی از بچه ها یه نمونه مشابه پیدا کرد که واسه ی سلول های سرطانی انجام شده
توی این مقاله سلول های سرطانی میتونن با استفاده از گرادیان کموتاکسی ها، مسیرشون رو توی maze پیدا کنن
این مسئله شباهت زیادی به یک مسئله یادگیری تقویتی با یک نظام جزا و پاداش داره و فراتر از مسئله قبله که فقط به حرکت براوونی و رندوم تکیه کرده بود
https://www.science.org/doi/10.1126/science.aay9792
《کموتاکسی (Chemotaxis) حرکت یک موجود زنده تک سلولی یا یک سلول در جانداران پرسلولی تحت تأثیر تحریکات شیمیائی محیط است. مثلاً باکتریها به سمت محیط دارای گلوکز بیشتر حرکت کرده و از سموم مانند فنل دور میشوند (کموتاکسی منفی).》
#RL
توی این مقاله سلول های سرطانی میتونن با استفاده از گرادیان کموتاکسی ها، مسیرشون رو توی maze پیدا کنن
این مسئله شباهت زیادی به یک مسئله یادگیری تقویتی با یک نظام جزا و پاداش داره و فراتر از مسئله قبله که فقط به حرکت براوونی و رندوم تکیه کرده بود
https://www.science.org/doi/10.1126/science.aay9792
《کموتاکسی (Chemotaxis) حرکت یک موجود زنده تک سلولی یا یک سلول در جانداران پرسلولی تحت تأثیر تحریکات شیمیائی محیط است. مثلاً باکتریها به سمت محیط دارای گلوکز بیشتر حرکت کرده و از سموم مانند فنل دور میشوند (کموتاکسی منفی).》
#RL
محل احساس بو در داخل مغز تغییر می کند!
با گذر زمان نورون های متفاوتی به بو واکنش میدن
https://www.nature.com/articles/s41586-021-03628-7
#Neuroscience
با گذر زمان نورون های متفاوتی به بو واکنش میدن
https://www.nature.com/articles/s41586-021-03628-7
#Neuroscience
احتمالا "شبکه های عصبی بازگشتی" موجود در لوب پیشانی(frontal cortex)، مسئول تصمیم گیری، مهارت زبانی و حرکته!
https://www.cell.com/cell-reports/fulltext/S2211-1247(21)01182-7
#RNN
#Neuroscience
https://www.cell.com/cell-reports/fulltext/S2211-1247(21)01182-7
#RNN
#Neuroscience
به یه مقاله خیلی عجیب و سمی برخوردم که واقعا پشمام ریخت
به یه معادله ای رسیدن که قادره هرگونه دیتاستی رو در خودش ذخیره کنه!
عملا با فقط و فقط یک نورون و پارامتر، یک شبکه لرن میشه و اطلاعات رو در خودش نگه میداره
مثالش توی شکل معلومه ... با آلفا های مختلف به شکل ها زیر میرسیم
https://arxiv.org/abs/1904.12320
#Dynamic
به یه معادله ای رسیدن که قادره هرگونه دیتاستی رو در خودش ذخیره کنه!
عملا با فقط و فقط یک نورون و پارامتر، یک شبکه لرن میشه و اطلاعات رو در خودش نگه میداره
مثالش توی شکل معلومه ... با آلفا های مختلف به شکل ها زیر میرسیم
https://arxiv.org/abs/1904.12320
#Dynamic
یه سرمقاله دیدم از رودنی بروکس (CTO شرکت iRobot) که خیلی جالب بود
توی این مقاله کوتاه بروکس عقیده داره که AI به معنای چیزی که امروز وجود داره، هنوز خیلی خیلی فاصله داره که به هوش انسان برسه و هنوز هیچ احتمالی وجود نداره که بتونه از انسان جلو بزنه
دوتا دلیل نسبتا ساده میاره
1. همیشه باید یه انسان همراه سیستم های هوشمند باشه تا حواسش باشه که الگوریتم آیا درست داره کار میکنه یا نه
2. انسان خودش در حال یادگیری و تکامله، به محض ورود سیستم های هوشمند یاد میگیره که چه جوری باهاش رفتار کنه. در نتیجه هزینه شکست به نحوی که سیستم اشتباه کنه خیلی کمه
https://spectrum.ieee.org/rodney-brooks-ai
#Reasoning
توی این مقاله کوتاه بروکس عقیده داره که AI به معنای چیزی که امروز وجود داره، هنوز خیلی خیلی فاصله داره که به هوش انسان برسه و هنوز هیچ احتمالی وجود نداره که بتونه از انسان جلو بزنه
دوتا دلیل نسبتا ساده میاره
1. همیشه باید یه انسان همراه سیستم های هوشمند باشه تا حواسش باشه که الگوریتم آیا درست داره کار میکنه یا نه
2. انسان خودش در حال یادگیری و تکامله، به محض ورود سیستم های هوشمند یاد میگیره که چه جوری باهاش رفتار کنه. در نتیجه هزینه شکست به نحوی که سیستم اشتباه کنه خیلی کمه
https://spectrum.ieee.org/rodney-brooks-ai
#Reasoning
Future
به یه مقاله خیلی عجیب و سمی برخوردم که واقعا پشمام ریخت به یه معادله ای رسیدن که قادره هرگونه دیتاستی رو در خودش ذخیره کنه! عملا با فقط و فقط یک نورون و پارامتر، یک شبکه لرن میشه و اطلاعات رو در خودش نگه میداره مثالش توی شکل معلومه ... با آلفا های مختلف به…
This media is not supported in your browser
VIEW IN TELEGRAM
نقطه اشتراک این گیف و اون مقاله و اون فرمول چی میتونه باشه؟ :)))
#Dynamic
#Dynamic
This media is not supported in your browser
VIEW IN TELEGRAM
ایجاد تصویر 2.5 بعدی :)))
به وسیله روش نقطه نگاری
https://www.researchgate.net/publication/344852879_25D_Computational_Image_Stippling
#Vision
به وسیله روش نقطه نگاری
https://www.researchgate.net/publication/344852879_25D_Computational_Image_Stippling
#Vision
Forwarded from پسااسلامیسم
What is Iranian Islamism.pdf
619.8 KB
در این مقاله که به زبان انگلیسی به طبع رسیده و در ژورنال Islamic perspective به چاپ رسیده، میلاد دخانچی به چیستی اسلامیسم ایرانی پرداخته است. عنوان مقاله به شرح زیر است: « اسلامیسم ایرانی چیست؟ تبارشناسی اسلام سیاسی در ایران». او در این مقاله به عناصر تشکیل دهنده اسلامیسم ایرانی و ریشههای شکل گیری آن پرداخته است. او نشان میدهد که چگونه اسلامیسم ایرانی از مارکسیسم، تحولات ذیل شکل گیری دولت ملت، جریان بابیه و الهیات اهل سنت تاثیر پذیرفتهاست.
@postislamism
@postislamism
شکست CNN ها در تشخیص امکان پذیر بودن یک شکل سه بعدی
ظاهرا یه لیستی از الگوریتم های دیپ لرنینگ، توی تشخیص اینکه مثلا تصویر سمت راستی غیرممکنه و تصویر سمت چپی امکان پذیره ... شکست خوردن!!
(در کل از مقاله هایی که شکست الگوریتم ها رو نشون میدن، خوشم میاد :))
https://www.sciencedirect.com/science/article/pii/S0042698921002017#f0015
#Reasoning
#Vision
ظاهرا یه لیستی از الگوریتم های دیپ لرنینگ، توی تشخیص اینکه مثلا تصویر سمت راستی غیرممکنه و تصویر سمت چپی امکان پذیره ... شکست خوردن!!
(در کل از مقاله هایی که شکست الگوریتم ها رو نشون میدن، خوشم میاد :))
https://www.sciencedirect.com/science/article/pii/S0042698921002017#f0015
#Reasoning
#Vision
یه مسئله ای که توی قضیه ی شبکه های عصبی وجود داره، اینه که خیلی از آدم ها باهاش کار کردن و یه چیزایی ازش میدونن، ولی نمیدونن واقعا توش چه خبره
این ویدئو در حد ساده و مقدماتی توضیحات خوبی در موردش میده
https://www.youtube.com/watch?v=-at7SLoVK_I
این ویدئو در حد ساده و مقدماتی توضیحات خوبی در موردش میده
https://www.youtube.com/watch?v=-at7SLoVK_I
YouTube
What happens *inside* a neural network?
Visuals to demonstrate how a neural network classifies a set of data. Thanks for watching!
Support me on Patreon! https://patreon.com/vcubingx
Source Code: https://github.com/vivek3141/dl-visualization
Here's the course I referred to in the video. I am not…
Support me on Patreon! https://patreon.com/vcubingx
Source Code: https://github.com/vivek3141/dl-visualization
Here's the course I referred to in the video. I am not…
Future
یه مسئله ای که توی قضیه ی شبکه های عصبی وجود داره، اینه که خیلی از آدم ها باهاش کار کردن و یه چیزایی ازش میدونن، ولی نمیدونن واقعا توش چه خبره این ویدئو در حد ساده و مقدماتی توضیحات خوبی در موردش میده https://www.youtube.com/watch?v=-at7SLoVK_I
یه چیز خیلی قشنگی که توی این ویدئو نشون میده تفاوت بین extrapolation و intrapolation عه
شبکه عصبی در حالت جنرال به هیچ عنوان ابزار خوبی برای برونیابی نیس
مثلا در مسئله spiral فقط میتونه جایی که دیتا وجود داره عالی عمل کنه ولی در جایی که دیتا وجود نداره به شدت ضعیف عمل میکنه و به تصویر بالایی میرسه
یکی از تفاوت هاش به هوش انسانی اتفاقا همینجاست
هوش انسانی به خوبی میتونه مارپیچ رو درک کنه و به تصویر پایینی میرسه
#Reasoning
شبکه عصبی در حالت جنرال به هیچ عنوان ابزار خوبی برای برونیابی نیس
مثلا در مسئله spiral فقط میتونه جایی که دیتا وجود داره عالی عمل کنه ولی در جایی که دیتا وجود نداره به شدت ضعیف عمل میکنه و به تصویر بالایی میرسه
یکی از تفاوت هاش به هوش انسانی اتفاقا همینجاست
هوش انسانی به خوبی میتونه مارپیچ رو درک کنه و به تصویر پایینی میرسه
#Reasoning
مقادیر ویژه و بردار های ویژه یکی از مهم ترین مفاهیم جبرخطی ان
گاها توی درسای مختلف اشاره میشه، ولی هیچ وقت به مفهوم و تعبیر اون اشاره نمیشه
توی این ویدئو خیلی قشنگ مفهوم اونا رو توضیح میده
https://www.youtube.com/watch?v=PFDu9oVAE-g
#Math
گاها توی درسای مختلف اشاره میشه، ولی هیچ وقت به مفهوم و تعبیر اون اشاره نمیشه
توی این ویدئو خیلی قشنگ مفهوم اونا رو توضیح میده
https://www.youtube.com/watch?v=PFDu9oVAE-g
#Math
YouTube
Eigenvectors and eigenvalues | Chapter 14, Essence of linear algebra
A visual understanding of eigenvectors, eigenvalues, and the usefulness of an eigenbasis.
Help fund future projects: https://www.patreon.com/3blue1brown
An equally valuable form of support is to simply share some of the videos.
Home page: https://www.3blue1brown.com…
Help fund future projects: https://www.patreon.com/3blue1brown
An equally valuable form of support is to simply share some of the videos.
Home page: https://www.3blue1brown.com…
این عکس به مدت خیلی زیادی توی اینستا و تلگرام و ... وایرال شده بود
عکسی که میدان مغناطیسی رو از گوشه های سیاه چاله M87 نشون میداد
چیزی که این قضیه رو واسم جالب میکرد استفاده از روش Event Horizon Telescope برای تولید این عکس بود
روش EHT یک شبکه ای از تلسکوپ های سراسر کره زمینه که با ترکیب دیتا ها همه این تلسکوپ ها میشه به یه توان تفکیک پذیری فوق العاده رسید
یک مسئله مهم در EHT به دست آوردن پارامتر هایی مثل trapped magnetic flux یا Rotating magnetic field عه که باعث میشه نیاز پیدا کنیم به الگوریتم های یادگیری ماشین
پس فردا یک میتینگی توی Zoom برگزار میشه حول این موضوع و قراره از کاربرد های یادگیری ماشین توی EHT گفته بشه
Wednesday October 20th at 12:00 ET
لینک زوم :
https://lmu-munich.zoom.us/j/91094216443?pwd=aGF6WFlpaGtmaFZkdFc2UC93Qk5UZz09
اطلاعات بیشتر:
https://www.physicsmeetsml.org/posts/sem_2021_10_20/
#Vision
عکسی که میدان مغناطیسی رو از گوشه های سیاه چاله M87 نشون میداد
چیزی که این قضیه رو واسم جالب میکرد استفاده از روش Event Horizon Telescope برای تولید این عکس بود
روش EHT یک شبکه ای از تلسکوپ های سراسر کره زمینه که با ترکیب دیتا ها همه این تلسکوپ ها میشه به یه توان تفکیک پذیری فوق العاده رسید
یک مسئله مهم در EHT به دست آوردن پارامتر هایی مثل trapped magnetic flux یا Rotating magnetic field عه که باعث میشه نیاز پیدا کنیم به الگوریتم های یادگیری ماشین
پس فردا یک میتینگی توی Zoom برگزار میشه حول این موضوع و قراره از کاربرد های یادگیری ماشین توی EHT گفته بشه
Wednesday October 20th at 12:00 ET
لینک زوم :
https://lmu-munich.zoom.us/j/91094216443?pwd=aGF6WFlpaGtmaFZkdFc2UC93Qk5UZz09
اطلاعات بیشتر:
https://www.physicsmeetsml.org/posts/sem_2021_10_20/
#Vision