🔵فشرده سازی عکس با استفاده از singular value decomposition🔵

روش های تجزیه ماتریس بسیار متنوع هستند. دسته ای از این روش ها از مقادیر ویژه برای جدا سازی ماتریس استفاده میکنند. در SVD ماتریس ورودی به سه ماتریس تجزیه میشود. ماتریس نخست شامل بردار های ویژه ی حاصلضرب ماتریس اصلی در ترانهاده اش است. ماتریس وسط، قطری و شامل ریشه ی مقادیر ویژه ی حاصلضرب ماتریس اصلی در ترانهاده اش و ماتریس سوم شامل بردارهای ویژه ی حاصلضرب ترانهاده ماتریس اصلی در خود آن ماتریس است.
یکی از ویژگی های منحصر بفرد این تجزیه این است که نیازی نیست ماتریس ورودی مربعی باشد. با انتخاب بزرگترین مقادیر ویژه در ماتریس مرکزی می توان به مقدار بسیار زیادی حجم ماتریس اصلی که می تواند یه عکس باشد کاهش دهیم. این روش مشابه تجزیه به بردارهای ویژه است.
در کدی که پیوست شده است. یک تصویر را پس از تجزیه به روش svd با استفاده از n مقدار ویژه ی بزرگتر بازسازی می کنیم. با افزایش n تصویر واضح تر می شود و حجم عکس هم بیشتر می شود. مقادیر ویژه ی نخست دارای بیشترین اطلاعات هستند و از همه هم بزرگتر هستند. با جلو رفتن این مقادیر کاهش می یابند و جزییات ریزتری از تصویر را نشان میدهند. در تصویر نشان داده شده است که با حدود 120 بردار ویژه اول تصویر تا بیش از 90 درصد بازسازی شده است!
https://fa.wikipedia.org/wiki/%D8%AA%D8%AC%D8%B2%DB%8C%D9%87_%D9%85%D9%82%D8%AF%D8%A7%D8%B1%D9%87%D8%A7%DB%8C_%D9%85%D9%86%D9%81%D8%B1%D8%AF

🔅جرم کل اینترنت چقدر است؟!!!🔅

این سوال در نگاه اول بی معنی و از پایه غلط بنظر میرسد اما John Kubiatowicz استاد دانشگاه برکلی بعد از محاسبات دقیق به این نتیجه رسیده که جرم تقریبی اینترنت حدود ۵۰ گرم است: حدودا اندازه یک توت فرنگی درشت!!!
در واقع چیزی که او اندازه گرفته است جرم تمام الکترون های در حال حرکت در تمام سیستم های مخابراتی و شبکه های اینترنتی و ۷۵ تا ۱۰۰ میلیون سروری است که در دنیا تمام اطلاعات الکترونیکی جهان را ذخیره کرده اند. به عبارتی اطلاعات به صورت الکترونهایی هستند که در ترانزیستور ها حرکت میکنند(یا روش های دیگر ذخیره اطلاعات) یا از طریق شبکه های ارتباطی در حال حرکت هستند. به عبارتی داشتن یک کتاب الکترونیکی بر روی گوشی تان جرم آن را۱۰ به توان -۱۸ گرم بیشتر میکند. حجم تقریبی اطلاعات بر روی اینترنت ۵ میلیون ترابایت است که گوگل تنها ۰.۰۰۴ درصد آن را از طریق اندیس دهی خودش در اختیار شما قرار می دهد(مابقی در وب تاریک DarkWeb قرار دارند). بدون در نظر گرفتن انرژی ای که برای انتقال این اطلاعات لازم است جرم کل اینترنت با حجم باورنکردنی از ویدیوها، تمامی محتواهای تلویزیونی و ماهواره ای که از ابتدا تا کنون آرشیو شده اند، تقریبا تمامی عکس های گرفته شده تا به امروز، تمامی اطلاعات سری و غیر سری افراد و سازمان ها و شبکه های اجتماعی، اطلاعات حجیم هواشناسی و فضایی، ایمیل ها، متون مختلف، فایل های با انواع و اقسام فرمت ها تنها ۵۰ گرم است!!
( این محاسبه جرم الکترون در حال حرکت را در نظر گرفته است که بر طبق رابطه جرم-انرژی از جرم سکون الکترون بیشتر است.)

https://www.telegraph.co.uk/technology/internet/8865093/Internet-weighs-the-same-as-a-strawberry.html

اگر " انسان هنر را خلق کرد تا از فرط واقعیت خفه نشود" ریاضیات را راه پله ای کرد که پله نخستش واقعیت و انتهایِ بی انتهای آن جنون است

🔵علم داده برای دسته بندی موسیقی🔵

از مرضیه تا بروبکس از کوروش یغمایی تا عماد طالب زاده تمام طیف موسیقی ایرانی را نشان میدهند. این یکی از نتایج داده کاوی بسیار بزرگی است که بر روی تمام ژانر های موسیقی جهان انجام شده است و موسیقی ایرانی تنها بخش کوچکی از آن است. در این خوشه بندی(clustering) موسیقی هایی که شباهت بیشتری به هم دارند در کنار هم قرار می گیرند. هرچند ممکن است برخی از این شباهت ها برای همگان قابل قبول نباشد(حبیب و شهرام شکوهی!) در کل شباهتها بر اساس تعداد بسیار زیادی از ویژگی های هر موسیقی انجام شده است. نتیجه نهایی بر روی دو بعد نگاشت شده است(تکنیک هایی مانند PCA برای کاهش ابعاد) در این صورت بعد y یا عمودی از پایین به بالا از موسیقی های سنتی تر و طبیعی تر تا موسیقی های الکترونیکی تر و همچنین محور x یعنی افقی از موسیقی های فضاساز تر و متراکم تر تا موسیقی های رقص گونه و ضرب آهنگ تر گونه(!) امتداد دارد.
معمولا تفسیر محورها به عنوان ویژگی در بسیاری از کاربردهای خوشه بندی کار ساده ای نیست. اما در اینجا می توان تفسیر های نسبتا معقولی ارائه کرد.
با تحقیق بر روی همین خوشه بندی میتوان تغییرات جالبی در موسیقی ایرانی را مشاهده کرد

https://everynoise.com/engenremap-persianpop.html

🔵 تولید چهره هایی که هرگز وجود نداشته اند!!🔵

فرض کنید توزیع احتمالاتی یک متغیر تصادفی را میدانید. توزیع احتمالاتی به صورت ساده به شما می گوید احتمال هر رخداد چقدر است. شما به سادگی می توانید حتی نمونه های جدید از توزیع تان تولید کنید. در این پست https://t.iss.one/matlabtips/433 قبلا در مورد آن صحبت کرده ایم
متخصصان هوش مصنوعی از سالها پیش به دنبال یافتن توزیع احتمال متغیر های تصادفی پیچیده تر مانند صدا یا چهره انسان بودند. در بهترین حالت چنین مدل هایی میتوانستند مثلا به شما بگویند بین دو چهره کدام با احتمال بیشتر چهره مرد است یا زن. به این مدل ها مدل های discrminative گفته می شود. اما چنین مدل هایی قادر به تولید نمونه های جدید نبودند چرا که مدل ها در اساس توزیع احتمالاتی نبودند. با پیشرفت نرم افزاری و سخت افزاری و ورود شبکه های عمیق(Deep Learning) کم کم چنین رویایی محقق شد. در زیر چندیدن تصویر چهره می بینید که توسط یک شبکه تولید شده اند! این چهره ها واقعی نیستند بلکه صرفا نمونه های تصادفی از یک شبکه هستند که هر بار یک چهره جدید برای شما تولید میکند! این مفهوم بسیار عجیب و گیج کننده به نظر می رسد اما واقعی است.
لینک مقاله: https://goo.gl/au9Lar

چهره های مصنوعی تولید شده توسط یادگیری عمیق(Deep Learning)

تبدیل حالات چهره توسط یادگیری عمیق:
صحبت و رفتار فرد سمت راست ساخته ی کامپیوتر از روی فرد سمت چپ بوده و غیر واقعی است!

#virtual_talking
#CycleGAN #Face_off #GAN

مرتبط با:
https://t.iss.one/cvision/231

تغییر تدریجی تصاویر در شبکه های GAN

در ویدیوی بالا تغییر تدریجی تصاویر مختلف از چهره گرفته تا ابزار و ماشین و غیره در فضای پنهان ویژگی ها latent space مشاهده میکنید. بزودی مطالبی در این زمینه منتشر میکنیم

🔵حساسیت به شرایط اولیه🔵
سطح پیچیدگی:🌕🌕🌕🌕🌑
پیش‌نیاز:(کد نویسی متوسط و پیشرفته)
برای:(متوسط و پیشرفته)
“Ideas that require people to reorganize their picture of the world provoke hostility.”
― James Gleick, Chaos: Making a New Science

محمد بو عزیزی یک دستفروش ساده بود که مانند بقیه دستفروش ها هر روز در کنار خیابان بساط می کرد تا با سختی لقمه نانی به دست آورد. اما روز 17 دسامبر سال 2010 گویا یک روز ساده دیگر نبود چراکه بعد از چند ساعت بساط کردن یک مامور شهرداری بساطش را توقیف و او را تحقیر کرد. بوعزیزی برای اعتراض به این حرکت خود را در جلوی ساختمان شهرداری به آتش کشاند! این خود سوزی اعتراضات دیگر مردم را هم بر انگیخت تا جایی که آغازگر انقلاب تونس شد و سرانجام حکومت 23 ساله بن علی را ساقط کرد. اعتراضات به لیبی، اردن، سوریه، یمن، مصر، بحرین، عربستان، عمان و بسیاری از کشورهای عربی دیگر هم رسید و تعدادی از حکومت ها را ساقط کرد یا به جنگ داخلی، کشتار، سرکوب، گسترش گروههای تروریستی، آوارگی و مهاجرت میلیون ها نفر انجامید. اثرات آنچه امروز به نام "بهار عربی" میشناسیم هنوز هم قابل مشاهده است.
جدای از تحلیل های سیاسی بسیاری که در این مورد شده است، ساده ترین سوالی که پیش می آید این است که اگر آن روز بوعزیزی مریض میشد و به سر کارش نمیرفت یا مامور شهرداری به طور اتفاقی از آنجا رد نمیشد یا بوعزیزی خود را آتش نمی زد و به اعتراض ساده ای با چند فحاشی ماجرا را خاتمه می داد آیا تمام این اتفاقات می افتاد یا خیر؟ اگر "حساس بودن به شرایط اولیه" اینقدر مهم باشد کار جامعه شناسی دشوار می شود بنابراین جامعه شناسِ (فرضیِ) ما ممکن است پاسخ دهد: جوامع عربی مستعد این حرکت بودند: چه بوعزیزی این کار را میکرد یا نمیکرد این اتفاق رخ میداد بوعزیزی در حکم یک کبریت در انبار باروت بود" صرفنظر از اینکه این تمثیل برای شما چقدر متقاعد کننده است، ادوارد لورنز که بر روی مدل آب و هوایی خود کار میکرد نشان داد در معادلات ساده هم ممکن است تغییرات کوچک در شرایط اولیه منجر به تغییرات شدید در آینده سیستم شود( لورنز زمانی به این واقعیت پی برد که با گرد کردن تعداد معقولی از ارقام اعشار مربوط به شرایط اولیه دستگاه معادلات دیفرانسیلی خود به نتایجی رسید که با حالتی که شرایط اولیه را گرد نمیکرد بسیار متفاوت بود). به این "واقعیت" اثر پروانه ای می گویند.
لورنز کشف کرد که دستگاه معادلات دیفرانسیل خطی زیر به شدت به شرایط اولیه حساس هستند:

دستگاه معادلات لورنز را می توان به صورت یک تابع در متلب پیاده سازی کرد:

function xprime = lorenz(t,x)
sig=10;
beta=8/3;
rho=28;
xprime=[sig*(x(2)-x(1)); x(1)*(rho - x(3))- x(2); x(1)*x(2) - beta*x(3)];

که در آن x(1)، x(2) و x(3) به ترتیب نشان دهنده x ، y و z هستند. همانطور که می بینید هر سه مشتق در متغیر xprime ذخیره می شوند. دستگاه معادلات لورنز را برای دو نقطه بسیار نزدیک [-8,7,28] و [-8,7,27] حل می کنیم( اگر با تعریف من از نزدیک مشکلی دارید می توانید تا جایی که می خواهید آنها را به هم نزدیک تر کنید). برای حل از ode23 استفاده می کنیم( در نتیجه تفاوتی ایجاد نمی کند)

x0=[-8 7 28];
tspan=[0,200];
[t,y1]=ode23(@lorenz,tspan,x0);
 
x0=[-8 7 27];
tspan=[0,200];
[t,y2]=ode23(@lorenz,tspan,x0);
 
close all
for t=1:1000
    plot(y1(1:t,1),y1(1:t,3),'r',y2(1:t,1),y2(1:t,3),'b')
    axis([-30 30 0 50])
    drawnow
End

ویدیوی زیر سیر تحول سیستم را برای دو نقطه متفاوت با رنگ های آبی رو قرمز نشان می دهد. در ابتدا هر دو کنار هم حرکت می کنند و به تدریج آنقدر جدا می شوند که به کلی مسیر های متفاوتی را طی می کنند. در واقع یک شرایط اولیه کوچک منجر به تفاوت شدید در آینده شد.

معادله لورنز سرآغاز عصر جدیدی در درک سیستم های پیچیده و غیر خطی بود. عصری که پنداشت ساعت وار جهان را بیش از پیش به رویا بدل می کرد. در قسمت های بعدی به عمق کار لورنز و اثری که کار او در فهم سیستم های پیچیده کنونی داشت می پردازیم.
@MatlabTips
#For_intermediate, #For_Advanced
#Dynamic_Systems, #Chaos_Theory, #Dependence_on_Initial_Conditions, #Butterfly_Effect
نویسنده: جبار کمالی

شاهکار نظریه کنترل به همت Boston Dynamics

دربارۀ آسانژ، بودن اش و مرزهای «آزادی بیان»

آسانژ هیبت گول زننده ای دارد؛ شبیه همۀ بیزنسمن‌های موفق اروپایی‌ست که جان می‌دهند برای نوشتن آثار پرفروش دربارۀ راه‌حل‌های سریع و آسان موفقیت و قورت دادن قورباغه و برداشتنِ پنیر.


از همین‌ها که بعد از استیو جابز تکثیر شده اند و یاد گرفته اند بر روی صحنه که پس‌زمینه ای تاریک دارد، شق و رق راه بروند و فراز و فرود صدای‌شان به موقع تغییر کند و دست‌ها را مدام مشت کنند و بالا و پایین ببرند و شکل «قدرت اراده» و «خواستن،توانستن است» را در هوا ترسیم کنند.

از آنها که کیف چرمی ظریف دست می‌گیرند و کت و شلوار طوسی خوش دوخت و کمر کُرستیِ دو دگمه و کفش ورنیِ کف استخوانی می‌پوشند و کراوات باریک می‌زنند و تبلیغ شرکت کارگزاری بورس می‌کنند.

تبلیغاتی که گویی خطابه‌هایی از اربابان به بندگان اند: نشسته بر یک مبل ساده اما شیک، پشت به منظرۀ شهری با آسمانخراش‌های بلند، یک لبخند محو، دست‌ها بدون لرزش؛ و کلی حرف‌های خوب، خیلی خوب، خیلی، بدون لکنت.

مردی برازنده برای نشان دادن انواع و اقسام روش‌های «پیشرفت» درجهان فرصت‌های برابر و نه به خشونت و تبعیض و ایدز و ریشه کنی مالاریا و یک وعده صبحانه برای گرسنگان و خیریه و نیشِ باز و عکس سِلفی.

یک الگوی تمام عیار برای خرخوان‌های چشم بادامی کالج‌های ام.بی.ای و مدیریت مالی و کوفت و زهرمار… یکی از آن اُسوه‌های موفقیت که لابد اگر از وسط سالن خطاب به شان فریاد بزنی «رستگاری همانا امری جمعی‌ست»، خونسرد نگاه ات می کنند و چشمک می‌زنند و با انگشت به عنوان «نظر محترم یکی از حضار» کِنِف ات می‌کنند و کل سالن می‌ترکد از خنده و کف ممتد برای اینهمه قدرت واکنش سریع و متین و موقر و کوبنده. اما اینطور نیست.

آسانژ، به استناد منابع موثق رسانه‌های «بی‌طرف»، یک «فاجعه» است.
یک «فرد خطرناک» برای صلح و امنیت جهانی، یک اخلالگر، یک تروریست اینترنتی.
یک «عنصر نامطلوب»ِ تحتِ تعقیبِ پلیس‌های مهربان و وظیفه شناس اینترپل.
کابوسی تمام وقت برای بانک «معصوم» جهانی و اتحادیۀ «شریف» اروپا و ناجیان «خیرخواه»مان در کاخ سفید و اتاق‌های فکر و هیات مدیره‌ها.
نامی ممنوع که اشاره به آن می‌تواند یک روز کامل از اجلاس داووس را به گند بکشد.
مردی شبیه همۀ کارشناسان حقوق بشری که از قضا برای جشنواره‌ها و جایزه‌ها و نوبل‌ها و نشان‌ها و مدال‌ها تره هم خرد نمی‌کند.
آسانژ، تصاویر «متعارف» و «عقل سلیم»ی ما از بودن در رئالیسم نکبت بار این جهان را بر هم زده است.
مردی با لقبی عجیب: «جاسوس مردم».

جاسوسی با فهرست بلند بالای خودفروختگان و جلادان و شکم گنده‌گان و خوش خنده‌ها و بامزه‌ها و جن زده‌ها و مودب‌ها و اشباح و ارواح و عامل‌ها و آمرها و همۀ آنها که سایه‌های بلند و کلاه شاپو و صورت‌های سرد و بی‌خون و استخوانی دارند.

آنها که «فن بیان» می‌دانند و با «خونسردی لازم» و گراف و آمار و نمودار، به ما می‌گویند:«دوست عزیز! شما هیچ حقی ندارید».

آسانژ، معاصر ماست؛ مردی نابهنگام که هر خبری درباره اش، تن ِعالیجنابان را با وجود اینهمه برنامۀ فشردۀ کاری و مشغله و عدد و رقم، به رعشه می‌اندازد و وادار به تماس با مشاور و وکیل و رئیس پلیس می‌کند.

بیایید از خود بپرسیم چرا ایستادگی و وفاداری آسانژ بر سر حقیقت، برای ما مهم است؟

چرا باید این بمب گذار را که به جای سیم پیچ و ساعت و چاشنی و نیتروگلیسیرین، تنها با گفتن حقایق ساده اما رسواگر، صحنۀ نمایش و شعبده را منفجر می‌کند، جدی بگیریم؟

پیام حضور آسانژ، وقتی که هر از گاهی بر بالکنی سفارت اکوآدور آفتابی می شود، این است:

مرز «آزادی بیان» همانجاست که بر سرش ایستادگی و مقاومت شود و مرز این آزادی را اکنون، بالکنی نیم متری سفارت اکوآدور تعیین می‌کند، نه کتاب‌ قانون و نه وراجی کارشناسان.

آسانژ شکلی غریب، تکین و منحصر به فرد از «بودن» را تجربه می‌کند: بودنی سیاسی، شبح گون، وسواسی به حقیقت، نفوذ ناپذیر و سرسخت. همان بودنی که در متن‌های اضطراری به اَفِسُسیان و تسالونیکیان آمده است:

ای برادران!
لازم نیست که من دربارۀ زمان دقیق وقوع آن حادثه به شما چیزی بگویم
نیک خود می دانید که باید چه کنید
در همین حد به شما بگویم که باید آماده باشید
طوری کار کنید انگار که کار نمی‌کنید
طوری بخوابید انگار که بیدارید
طوری زندگی کنید انگار که زندگی نمی‌کنید
باشید، انگار که نیستید
برادران! خویشتنداری کنید، پایان همه چیز نزدیک است

ژولیان آسانژ بنیان گذار ویکی لیکس