EduTranslator

Научные работы со всего мира

Рубрика: IT технологии (стр. 1 из 2)

Кодирование на основе мультипроектора

Оригинал статьи под авторством Dr. Michael S. Brown.

Обзор

Этот проект обеспечивает вас инструментами и техниками которые требуются для создания доступного и гибкого собственного масштабного мультипроекторного дисплея. Он показывает шаги которые надо предпринять и моменты которые стоит учитывать для достижения геометрической центровки,  цветовой целостности и еще систему рендеринга используя РС кластеры. Он также обеспечивает необходимые коды для простого распределения калибровки и система рендеринга дисплея для изображений/3D-моделей.

Кому следует использовать этот код

Новичкам, кто хочет построить свою собственную систему дисплея для камеры-проектора; они могут использовать этот код как начальную отправную точку
Ученым которые заинтересованы в системе дисплея для камеры-проектора; они могут использовать этот код в качестве cсылки.

Архитектура системы

С недавней популяризацией низкостоящих графических карт массового потребления, стало возможным построить распределяемую рендеринговую систему с помощью PC кластера. Нижеуказанная схема показывает архитектуру нашего мультипроекторного дисплея созданного на основе PC кластера.

Изображение Архитектуры Системы
Схема 1. архитектура системы нашего мультипроекторного дисплея созданного на основе PC кластера.

Как вы можете заметить из изображения выше, система состоит из одного главного РС и нескольких рендеринговых РС, каждый из которых подсоединён к одному проектору. Все компьютеры подключены с помощью локальной сети. Главный PC контролирует рендеринговые процессы системы, а рендеринговые  PC делают саму рендеринговую работу и выводят данные через проекторы. Общая задача состоит в том, чтобы заставить случайно распределенные проекторы вести себя как большой интегрированный дисплей при показе изображений и другой информации.

Источники изображений заранее загружены на рендеринговые PC и каждый из них показывает только части в соответствии с предварительной калибровкой, как показано на схеме. Из за того что проекторы размещены не в строгом порядке, изображение из разных проекторов может не быть хорошо выровненным, и  перекрытые участки двух или больше проекторов могут выглядеть ярче чем другие участки. Таким образом, рендеринговые PC должны искривить изображение чтобы достичь геометрической центровки и цветовой целостности. Основной процесс системы дисплея созданного на основе PC кластера включают в себя два этапа: этап калибровки на основе камеры и этап искажения картинки. Во время калибровки, особые изображения проецируются и охватываются изображение из соответствующей камеры. После анализа охваченных изображений, геометрическая информация о том как стоит исказить финальное изображение и альфа маска о том как достичь фотометрического выравнивания будет автоматически сгенерирована. Во время этапа искажения картинки, каждый проектор будет искажать источники изображения в соответствии с результатом калибровки.

Вы можете найти больше информации о геометрической центровке из Главы 3 ссылки [1], про цветовую целостность из Главы 4 ссылки [1], про рендеринг на основе PC-Кластера из Главы 5 ссылки [1]. Очень рекомендуем вам тщательно изучить всю книгу перед началом работы над своим мультипроекторным дисплеем. 

Требования к аппаратуре и программному обеспечению 

Для того чтобы использовать указанные коды вам надо обеспечить такие требования к аппаратуре и программному обеспечению:

Требования к аппаратуре:

Один PC с мониторами, в качестве главного PC;
два или больше PC с соответствующими графическими картами (мы используем NVIDIA GeForce 8800GTS), в качестве рендеринговых PC;
Два или более проектора (один на каждый рендеринговый PC);
Один хаб или роутер и сетевые кабели;
Одна OpenCV-совместимая камера с подходящими линзами  (смотрите see FAQ для более подробной информации о том как выбрать камеру и линзы.);

Требования к программному обеспечению:

Windows XP установленный на всех PC;

(Ниже указаны дополнительные программы которые надо установить в случае если вы хотите скомпилировать исходные коды сами)
Microsoft Visual Studio 2005 или версия новее;
OpenCV library 1.0 (из ссылки [2]) installed;
GLUT library 3.7 (из ссылки [3]) installed;
FreeImage Algorithms (из ссылки [4]) installed;

Ссылки

[1] «практический мультипроектный Дизайн Дисплея», Majumder/Brown, AK Peters, США, 2007
[2] Open Computer Vision Library, 1.0: http://sourceforge.net/projects/opencvlibrary/
[3] GLUT — The OpenGL Utility Toolkit, 3.7: http://www.opengl.org/resources/libraries/glut/
[4] FreeImage Algorithms Library: https://code.launchpad.net/~glennpierce/+junk/main

Противоядие компьютерному мышлению

Оригинал статьи под авторством Valdemar W.Setzer доступен по ссылке.

Компьютеры – это абстрактные машины. Другое, конкретное, машины преобразуют, транспортируют или хранят энергию, или материю. Компьютеры делают это с данными. Я охарактеризую здесь «данные» как фрагменты определенных видов информации, которые могут быть вставлены в компьютер. Данные и информация не являются частью естественного или искусственного мира, они не являются конкретными – они не могут быть взвешены, пространственно измерены, они не могут быть приняты в пищу или использованы для одежды. Мы даже не можем построить компьютер с ними. Это связано с тем, что данные и информация – на самом деле мысли. Мы думаем о них, а затем вставляем их в компьютер. То же самое относится и к программам, которые также являются частями данных.

Каждая команда или инструкция программы является результатом чистого мышления. То, что делает компьютер, когда он интерпретирует программу («выполнение программы» не является правильным выражением), заключается в том, чтобы имитировать именно те мысли, которые мы имели, когда мы вставляли их в программу. Давая программе входные данные, результат ее интерпретации компьютером может быть смоделирован мысленно или карандашом и бумагой (я пренебрегаю здесь компьютером, управляющим другими машинами, как в токарном станке с числовым управлением; я также не рассматриваю временные ограничения или ошибки, сделанные человеком). Это не так с другими машинами: имитация велосипеда с карандашом и бумагой не перенесет меня отсюда туда. Компьютеры нельзя использовать в качестве транспортных средств, их результат нельзя использовать в качестве еды или одежды, они не производят ничего реального: они производят ограниченные виды мыслей – данных. Таким образом, компьютеры полностью отчуждены от «реальности» (в наивном смысле) — это абстрактные, математические, логико-символические машины.

Что же делает программист? Чтобы создать программу, он должен мыслить совершенно особым образом, используя совершенно особый язык. Этот язык абсолютно формален: он выражается через логико-символические элементы, может быть полностью описан в математических терминах, используя то, что называется «формальной грамматикой» и «формальной семантикой». Последнее –  неправильное название, потому что за командами или инструкциями программы нет смысла, присвоенного «реальному миру». Смысл заключается в логической интерпретации инструкции. На самом деле, компьютер имеет еще одну характеристику, которую следует добавить к предыдущему абзацу: это синтаксическая машина. Каждая часть данных или программы должна быть преобразована в чистую структуру, которая будет представлена в машине. (Кстати, я считаю математическую логику чисто синтаксической, и логики подтвердили это впечатление.) Поэтому бедный программист вынужден думать очень узко, выясняя, как выразить через инструкции преобразование данных, которое он должен приказать выполнить компьютеру.

Я хотел бы упомянуть здесь пример, который уже довольно стар, из компьютерной лингвистики. Когда-то давно, в 60-е годы, некоторые лингвисты решили использовать компьютер, чтобы обнаружить литературные стили или характеристики каждого автора. Они уменьшили стиль до определенных числовых или статистических свойств, например, сколько раз в тексте появлялись такие слова, как «война», «Мир», «любовь». Они также считали «расстояние» в количестве слов, которые появились между парами ключевых слов, как эти три, и так далее. Очевидно, что они не использовали в качестве критерия внимание, напряжение или радость, которые текст будет вызывать у своих читателей — эти чувства не могут быть учтены компьютерами, если они не количественные (существует «наука», называемая психометрией, которая занимается количественной оценкой чувств, желаний и т. д.). Здесь мы видим еще одну особенность компьютеров: они обедняют все, что они преобразуют относительно содержания. (Я пытаюсь здесь оставить в стороне преобразования формы, такие как подтверждение текста; кроме того, это просто хранение того, что уже количественно, такое как буквы текста или фотографий, не входит в мое понятие «обеднение».)

Мне нравится характеризовать отчужденное, формальное мышление программистов как «грязные мысли». Они мертвые, абстрактные мысли, не имеющие ничего общего с реальностью. Я думаю, что они, вероятно, являются одной из основных причин так называемого «синдрома программистов»: стресс, бессонница, отсутствие аппетита, трудности в социальных отношениях и другие невзгоды.

Я не думаю, что программисты должны бросать свою профессию, разве что в крайних случаях: если для них есть работа, она нужна обществу. Вопрос в том, как сбалансировать такое одностороннее, грязное мышление. На лекциях, которые я читаю профессионалам по этой теме (под названием «Нищета обработки данных»), некоторые люди предлагают спорт как терапию. Я упоминаю об этом потому, что при силовом спорте нужно действовать с автоматическими рефлексами, на подсознательном уровне – мысли слишком медленные если применять их в движении, нужно использовать мышцы, а мысли парализуют (читатель может убедиться в этом, пытаясь сделать сознательный каждое движение, которое он должен сделать, чтобы захватить карандаш). Вопрос здесь не в том, чтобы исключить мышление, а в том, чтобы сбалансировать грязное программирующее мышление с «живым мышлением».

Короче говоря, я считаю художественную деятельность идеальным противоядием от грязного машинного мышления программистов. Когда активно практикуешь какое-то искусство, не думаешь абстрактно, формально (я, конечно, не имею в виду «компьютерное искусство»). Никто даже не думает в концептуальном плане. Тем не менее, существует вид умственной деятельности, тесно связанный с эстетическими чувствами. Чтобы создать настоящее произведение искусства, нельзя заранее планировать, что делать — импровизацию, наблюдение за результатами и возникающими при этом чувствами. Если какое-то произведение искусства полностью спланировано и предусмотрено заранее, она становится наукой. Для Гете и Наука, и Искусство имели одинаковое происхождение – платонический мир идей, и оба открывали некое знание: первое через концепции, второе через реальные объекты. В лекции, прочитанной в Осло 20 мая 1920 года, Рудольф Штайнер, который редактировал и комментировал научные работы Гете для издания Кюршнера, сказал (см. его» The Arts and their Mission «, Anthroposophic Press, N. York 1964): «Это духовное восприятие и созерцание мира, а не мозговое мышление, которое приводит к искусству…»и» чем больше человек отдается абстрактным мыслям, тем больше он становится чужим искусству. Ибо искусство желает и сосредоточено на жизни».

Читатели могут спросить: но есть ли среди всех видов активного искусства более подходящий для бедных программистов? Я думаю, что любое активное искусство помогло бы необходимой балансировке, описанной выше. Театральная игра развивает острую социальную чувствительность, потому что актеру приходится обращать внимание на сверстников и делать много импровизаций – не каждое движение или интонацию нужно планировать, иначе пьеса теряет свою спонтанность; более того, пьеса должна течь в соответствии с тем, как актеры чувствуют зрителя. Это имеет очень важное уравновешивающее влияние на социальную изоляцию, которую производит программная деятельность. Тем не менее, сценарий должен соблюдаться, поэтому такая деятельность разумно ограничена. Скульптура имеет дело с слишком земным материалом – это пойдет на пользу тому, кто должен развить какую-то внутреннюю форму, но у нашего бедного программиста слишком много формы в мышлении. И так далее, для других искусств. Итак, вот моя рекомендация, основанная на моем собственном опыте: я считаю идеальным противоядием акварельную живопись мокрым по мокрому, то есть на мокрой бумаге. В этой форме живописи используются прозрачные, то есть не жесткие цвета, влажная бумага позволяет легко создавать мелкие, непредвиденные цветовые переходы, а резкие контуры практически невозможно получить. Всегда можно в какой-то степени изменить то, что уже нанесено на бумагу, смешивая на ней цвета, чувствуя, что достиг какого-то удовлетворительного результата. Я использую только основные цвета, желтый, красный и синий, два оттенка каждого. Увлекательно производить с ними всевозможные зеленые оттенки, а также серые и коричневые. Некто может смешать их на белой плитке стены, но использование их, один цвет по другому, сразу на бумаге дает непредвиденные цвета, помогая получить терапевтический эффект. Очевидно, что импровизации цветов и форм следует отдавать предпочтение перед попытками воспроизвести работы известных художников – но это действенный метод развития некоторой техники, преимущественно фигуративной живописи.

Помимо этого, противоядия, я мог бы дать и другие рекомендации программистам, например, как можно меньше использовать онлайн программирование, то есть вернуться к разработке программ с использованием низко технологичных инструментов, таких как карандаш, резина и бумага, ограничивая количество времени проведенного в онлайн среде и т. д. Но эти указания не были моей основной причиной для написания этого эссе.

То, что я здесь изложил, относится не только к программистам. Всякий раз, когда человек использует программное обеспечение следует давать компьютеру команды. Эти команды имеют много схожих характеристик с инструкциями языка программирования. Они также являются частью формального, логико-символического языка, их влияние также детерминировано, они должны быть даны полностью сознательным образом, и так далее. Таким образом, тот же рецепт ведения художественной деятельности применим и к пользователям, которые тяжело взаимодействуют с компьютерами в целом, например, таким как интернет-зависимые. Я надеюсь, что они также рассмотрят мои рекомендации как средство достижение баланса в тех областях, где компьютеры оказывают сильное влияние на наши мысли.

Противоядие, безусловно, сработало, если программист или «сложный» пользователь компьютера начинает признавать истинность следующего утверждения: «природа – это не ученый, это художник.» Чтобы понять это, нужно дополнить научное, формальное знание способностью художественно войти в контакт с реальностью, которая выходит за пределы наших чувств и текущих научных объяснений. То есть нам нужен новый тип науки, более гуманный и пропитанный живыми мыслями – к счастью для нас, он существует с тех пор, как Гете установил свой метод. К сожалению, его подход был проигнорирован.

Быстрое Определение Скорости

Оригинал статьи. Работы, выполненные с Эльке Рунденштайнер (Elke Rundensteiner). Эта работа стала возможной благодаря поддержке Air Force Office of Scientific Research.

Одна из вещей, которые делают числовую работу на компьютерах такой веселой, это то, что часто, даже с небольшой одаренностью, вы можете улучшить вычисления в разы. У вас может быть ситуация, что ваш лучший компьютер не может решить проблему в ближайшее приемлемое время, но переформулируйте ее, и вы сможете сделать это легко на вашем персональном компьютере или Маке в домашних условиях.

Во вводных числовых классах часто упоминаемый пример, в котором используется правило Крамера для решения 25 неизвестных чисел. Многие студенты узнали в своих математических классах, как решить 3 или 4 неизвестных, используя правило Крамера, но никто не рассказал им, как использовать другой метод для большего количества неизвестных. Решение для 25 неизвестных не имеет большого значения, есть много простых методов, которые могут сделать это очень быстро, но правило Крамера не является одним из них! Он примерно в 100,000,000,000,000,000,000,000 раз медленнее, чем стандартный метод сделать расчет. Лучшие суперкомпьютеры стали бы пылью, прежде чем они бы закончили вычисление.

Как вы могли догадаться, подобная разница является исключительной. Это связано с выбором особенно слабого вычислительного метода, правила Крамера. Та проблема, с которой столкнулись Эльке и я, похоже совсем не открывала улучшений. Мы хотели вычислить потоки воздуха или воды вокруг препятствий, таких как провода или крылья. Числительный метод был «вихревым методом», в котором тысячи вызванных небольших торнадо, названные вихрями, использовались для того чтобы представить движение воздуха или воды. Сложность заключалась в том, что нам нужно было найти скорость каждого вихря, чтобы следить за их движением, а скорость каждого зависит от всех остальных вихрей.

Чтобы увидеть трудности, представьте, что мы имеем кричащих людей вместо вихрей. Например, предположим, что есть 10 000 кричащих людей, разбросанных по очень большому полю. Вопрос в том, сколько шума слышит каждый человек. Чтобы ответить на вопрос, вы должны определить для каждого человека, сколько шума он получает от каждого другого человека, находя расстояние от этого человека и вычисляя уровень шума на этом расстоянии. Суммируйте шумы от всех 9999 других людей, чтобы получить общий шум.

Это работает, но поскольку мы должны вычислить 9999 расстояний для каждого человека, объем вычислительной работы пропорционален 10000 раз на 9999. Она пропорциональна квадрату количества людей. Если бы было 20 000 человек вместо 10 000, нам пришлось бы преодолевать в четыре раза больше расстояний, а не в два раза. Для большого количества людей, работы над одним человеком просто становится слишком много, для того чтобы это разбирать.

Вы можете задаться вопросом, как мы могли бы избежать вычисления всех расстояний, так как ясно, что все шумы должны быть суммированы, чтобы получить общий шум. Но предположим, что есть группа людей, довольно близких друг к другу, и что мы заменяем шум, производимый всеми этими людьми, плачущим ребенком посередине, который так же громок, как и вся группа людей вместе. Конечно, это не сработает, если вы будете стоять рядом с группой людей; вы услышите разницу между звуками, исходящими с разных сторон, и тем, что исходит от ребенка в центре. Но это сработало бы, если бы вы стояли слишком далеко, чтобы понять разницу, и в таких условиях нужно вычислять только расстояние до ребенка, а не все расстояния до отдельных людей.

Таким образом, используя ребенка, мы можем исключить некоторые расстояния, которые нам придется вычислить. Мы можем повторить это для других групп людей, которые находятся поблизости. И есть еще Другие игры, в которые мы можем играть. Предположим, что есть два близлежащих ребенка, заменяющих разные группы людей. На действительно больших расстояниях, мы могли бы заменить двух детей на Суперребенка, который снова в два раза громче. (Возможно, ему понадобится шпинат).

Как вы уже могли догадаться, основная идея оказалась не особенно оригинальный; реальный тест был в эффективном распределении людей (вихрей) в неправильном паттерне. Вот картина, как Элке и я сгруппировали вихри вместе:

Изображение для потока вокруг провода, увиденного на левой стороне. Вихри можно рассматривать как темные или светлые точки в основном в маленьких площадях.

Это сработало? Ну, вот некоторые вычислительные промежутки, в секундах, сначала, если мы вычисляем все расстояния, а затем с помощью нового метода, который мы разработали:

Вихри: 400 800 1600 3200 6400 12800 25600

Старое время: 9.1 36.3 151.9 586.8 2354.1 9404.8 37556.0

Новое время: 4.7 10.6 25.1 55.4 128.5 286.3 597.8

Соотношение: 2 3 6 11 18 33 63

Таким образом, новый метод уже в 63 раза быстрее для 25 000 вихрей, и это даст еще больше для большего количества вихрей.

Чтобы представить это в перспективе, это разница между получением результатов вычислений на следующий день или через два месяца. Возможно, вы сможете жить с первым, но, вероятно, не со вторым. Я все еще использую эту схему для своих вычислений, хотя другие исследователи, такие как Карриер, Грингард и Рохлин (Carrier, Greengard и Rokhlin), сформулировали аналогичные схемы, которые все еще быстрее. Они также более сложные: люди носят наушники и получают шум младенцев по радио. Когда-нибудь я напишу или получу одну из этих процедур.

Некоторые ссылки:

Van Dommelen, L. L. (1985) Adaptive-panel vortex summation for the CYBER 205. 38th Annual Meeting Div. Fluid Dynamics, Bulletin of the American Physical Society30.

Van Dommelen, L. L. & Rundensteiner, E. A. (1989) Fast solution of the two-dimensional Poisson equation with point-wise forcing. Journal of Computational Physics 83, 126-147.

Carrier, J., Greengard, L. \& Rokhlin, V. (1986) A fast adaptive multipole algorithm for particle simulations. Yale University Research Report YALEU/DCS/RR-496.

Greengard, L. \& Rokhlin, V. (1988) On the efficient implementation of the fast multipole algorithm. Yale University Research Report YALEU/DCS/RR-602.

Constraint Lingo

Оригинал статьи.

Constraint Lingo – это высокоуровневый язык логического программирования для выражения табличных проблем с ограничениями, подобными тем, которые встречаются в логических головоломках. Рафаэль Финкель (Raphael Finkel) разрабатывал его, начиная примерно с 2000 года, как часть работы над Логическим программированием (Logic Programming) с Миреком Трущинским (Mirek Truszczynski ) и Виктором Мареком (Victor Marek).

Небольшой пример

Головоломка на английском языке

Четверо детей, Кэти, Фредерико, Кеалоха и Мустафа, рисовали картины для своего класса в детском саду, каждый из них использовал другой инструмент для рисования. Затем они с гордостью показывали свои фотографии классу в определенном порядке. Определите, какой инструмент использовал каждый ребенок и в каком порядке они представили свою работу, учитывая следующие четыре подсказки.

  1. Мустафа, показавший свою фотографию четвертым, не использовал маркер.
  2. Ребенок с помощью карандаша показывал свою работу сразу после работы, нарисованной кистью.
  3. Кэти не показывала свою картину второй.
  4. Кеалоха показала свою картину в двух местах после того, как нарисовала ее карандашом.

Перевод на Constraint Lingo

CLASS child: kathy frederico kealoha mustafa

CLASS place: 1 .. 4

CLASS instrument: crayon pencil marker paintbrush

 

# clue 1

CONFLICT mustafa marker

REQUIRED mustafa 4

# clue 2

OFFSET 1 place: paintbrush pencil

# clue 3

CONFLICT kathy 2

# clue 4

OFFSET 2 place: crayon kealoha

Решение вычислено с помощью Constraint Lingo

child      instrument place      

       ========== ========== ==========

       frederico  marker 2          

       kathy   crayon 1          

       kealoha   paintbrush 3          

       mustafa   pencil 4    

Как это работает

Компилятор преобразует программу на Constraint Lingo в низкоуровневый код, который затем выполняется логическим ядром. Постпроцессор форматирует результат в таблицу.

Компилятор написан на языке Perl. Он включает программу Constraint-Lingo в качестве комментариев в низкоуровневом коде. У нас есть много версий компилятора, поскольку мы экспериментируем с различными стратегиями (стандарт, лучший класс, номер строки), различными логическими движками и различными оптимизациями.

Мы поддерживаем следующие логические движки.

  • Smodels
  • ECLiPSe
  • DLV
  • aspps

Пост-процессор написан на Perl. Он специфичен для конкретного компилятора, который используется в предыдущих шагах.

Насколько это быстро?

Компилятор и постпроцессоры настолько быстры, что мы никогда не беспокоимся об их вкладе в общее время. Почти все 90-е или другие головоломки, которые мы запрограммировали, решаются менее чем за секунду всеми версиями компилятора и связанных с ними логическими движками. Некоторые из них занимают более 10 секунд с некоторыми компиляторами.

Насколько общий Constraint Lingo?

Мы можем кодировать несколько графовых задач в Constraint Lingo, в частности 3-раскраску, Гамильтоновы пути/схемы и независимые множества. Препроцессор преобразует графики в эквивалентные программы Constraint-Lingo.

Мы продолжаем развивать Constraint Lingo. В настоящее время мы добавляем сопоставления между строками решения, классами множественного выбора и символами ограниченных функций.

Он доступен для скачивания

Вы можете скачать копию нашей текущей работы по ссылке ftp://ftp.cs.uky.edu/cs/software/cl.tar.gz. Этот код не представляет производственного качества; он находится в процессе разработки. Мы были бы признательны, если бы вы скачали его и поделились вашими впечатлениями. Пожалуйста, напишите разработчику raphael_@cs.uky.edu (без подчеркивания).

Документация

Мы написали несколько работ на Constraint Lingo.

Конец формы

Самая последняя в области Программного обеспечения – Practice and Experience, Volume 34, number 15, pages 1481-1504, December 2004.

Дослідження з використанням обчислювальних машин

Автор оригінала статті — Miss Eleanor Krawitz.

Протягом недавніх років видатні успіхи були здійснені у всіх областях наукових досліджень і важливим фактором в цьому прогресі було використання автоматичних обчислювальних методів та обладнання. Сьогодні розрахунки виконуються автоматично в лабораторіях по всій країні.

Розробка цих обчислювальних лабораторій становить особливий інтерес Колумбійських студентів з тих пір, як одні з найбільш ранні установи були встановлені тут в Університеті. Статистичне Бюро Колумбійського Університету було засноване в кінці двадцятих століть для використання педагогами і статистами. Астрономічне Бюро засноване в 1934. Ним керував доктор В. Дж. Екерт (W. J. Eckert). Воно працювало спільно з Колумбійським Університетом, Американським Астрономічним Співтовариство, і корпорацією Міжнародні машини для бізнесу (International Business Machines), і функціонувало як некомерційна організація куди астрономи зі всього світу могли прийти щоб виконати свій розрахунки.

У 1945 компанія ІВМ створила Департамент Наукових Дисциплін, куди доктор Екерт був призначений  в якості директора, і заснував Науково-обчислювальну Лабораторію Уотсон (Watson Scientific Computing Laboratory) в кампусі Університету.

Головна мета Лабораторії Уотсона –   це дослідження різних галузей науки, особливо тих, які включають в себе математичні та числові обчислення. Послуги лабораторій люб’язно пропонують будь-якому вченому або студенту, що навчається, зайнятися дослідженнями, які роблять значний внесок у прогрес в галузях науки. Такі дослідження використовують обчислювальні машини для досягнення цієї мети. Щороку дві стипендії Лабораторії Уотсона по прикладній математиці присуджуються студентам, студії або дослідження яких включають в себе масштабні обчислення. Співробітники бібліотеки пропонують курси зі сфери своїх інтересів і це робиться під патронатом різних факультетів Університету.

Курси для аспірантів включають роботу і використання машин і обчислювальних методів; академічний кредит для курсів може бути отриманий через реєстрацією в Університеті звичним способом. Спеціальні класи по експлуатації машин представляються тут регулярно і доступні для професіоналів зі всього світу, які відвідують вчених. Також вони доступні для  аспірантів, які працюють над вченим званням Доктора. Додаткова функція Лабораторії Уотсона — це поширення технічної інформації щодо математичних машинних методів і математичних таблиць. Тут доступна велика бібліотека, яка охоплює ці теми.

В багатьох галузях науки тут були успішно завершені дослідження, як співробітниками закладу, так і запрошеними вченими.

Дослідження були успішно завершені в лабораторії співробітниками та запрошеними вченими. Нижче наведений неповний список завершених робіт, а також тих, які знаходяться в прогресі:

  • Астрономія: інтеграція орбіт планет і астероїдів,
  • Геофізика: відстеження шляхів звукових хвиль під водою для різних глибин і напрямів,
  • Оптика: розрахунки, які втілюють метод трасування променів,
  • Хімія: обчислення квантово-механічних резонансних енергій ароматичних сполук,
  • Інженерія: побудова таблиць обчислення розрахункових напружень та механізмів, пов’язаних із землетрусами
  • Інжиніринг: побудова таблиць «Весна» та «Шестерні» та обчислення напруги, пов’язані з навантаженнями на землетрус,
  • Економіка: оцінки певних коефіцієнтів у рівняннях економічних моделей, що використовують матричне множення і інверсії
  • Фізика: обчислення ймовірності перехідності кальцію
  • Кристалографія: оцінка Зміни Фур’є для структури інсуліну.

Лабораторія підтримує широке різноманіття, включаючи цифрові і аналогові типи машин. Цифрові машини займаються обчисленнями, в той час як аналогові машини виконують фізичні вимірювання. Ці комп’ютери розроблені для вирішення проблем у найбільш доцільний спосіб і порівняння різних методів вирішення для визначення найбільш ефективного.

Більшість машин зчитують і записують дані через використання перфокарти, яка постачає засоби обробки автоматично. Карти таким чином можуть бути оброблені через будь-яку серію калькуляторів і включають будь-яку бажану послідовність операцій, що виконуються на них. Основна перевага техніки перфокарт полягає в тому, що велика кількість схожих операцій можуть бути виконані у великій кількості. Після перфорацій вихідних значень на картах далі всі процедури відбуваються автоматично. Перфорація може знаходитися в будь-якому з восьми стовпчиків карти. Кожен стовпець поділяється на дванадцять окремих позицій, що представляють числа від 0 до 9, тоді як дві спеціальні перфоровані позицій позначені як Х та Y. Перфорація Х використовується в основному для призначення спеціальних операцій або від’ємного числа. Букви алфавіту записані двома перфораціями у колонці, комбінацією X, Y, чи 0, з якими цілими числами від 1 до 9 (дивитися рис. 1).

Рисунок 1. Табуляторная Карта, яка демонструє 12 позицій і комбінацій перфорацій для відображення букв.

У всіх машинах принцип зчитування карт однаковий. Отвори перфоровані через карту і зчитуються за допомогою електричного контакту, який проходить через отвори. Карта діє як ізолятор, що проходить між металевою щіткою і латунним роликом (дивитися Рис. 2).

Отвір, перфорованої карти, пропускає контакт між щіткою і ролером, таким чином завершуючи електричну схему. Далі електричні імпульси роблять доступною зовнішню контрольну панель. Синхронізація імпульсів визначається позицією отворів в карті, а розрахунок часу імпульсів визначається позицією отворів в карті. Все функцій машини управляються напрямком цих імпульсів на контрольній панелі, і в результаті гнучкості цієї панелі, може бути виконана більша частина операцій.

Великий відсоток проблем, що зустрічаються в числових обчисленнях можуть бути продуктивно оброблені в стандартних машинах IBM. Перший крок підходу до цих проблем це переклад оригінальних даних на мову калькуляторів. Тобто слід записати ці дані у вигляді перфорованих отворів на стандартних картах. Це функція KeyPunch (клавішний перфоратор). Бажана інформація транскрибується в карту шляхом натискання кнопок машини у лінії з відповідною колонкою. Ці карти можуть бути включені в клавішний перфоратор вручну або автоматично. Після того як кожна колонка буде перфорована, карта автоматично досягає наступної позицій перфорацій. Числові перфоратори мають чотирнадцять клавіш; по одній для кожної з дванадцяти перфорованих позицій, клавіша пробілу, і клавіша вилучення картки. Алфавітні перфоратори крім того мають клавіатуру друкарської машинки, яка автоматичний перфорує два отвори в колонці. Тоді закодовані клавішним перфоратором карти, готові для вбудовування через будь-яку іншу машину, необхідну для вирішення проблеми.

Сортувальник використовується для організації перфорованих карт в будь-якій бажаній номерній та алфавітній послідовності в залежності від інформацій до них. Картки до сортування подаються з завантажувача до однієї щітки яка зчитує обрану колонку і сортує кожну карту в одну із тринадцяти зон. Тут є зона для кожної з дванадцяти перфорованих позицій і одна для порожніх стовпців. Завдяки успішному сортуванню, карти розташовуються в потрібному порядку. Машина, що працює зі швидкістю 450 карт в хвилину, обладнана лічильником для запису кількості оброблюваних карт.

Алфавітний інтерпретатор розроблений для переведення числової і буквеної інформацій на карті в друкований вигляд в будь-який з двох рядків у верхній частині карти. Таким чином перфокарта легше зчитується, і може бути використана як файлова карта, так само як і в машині.

Облікова машина — це високошвидкісна машина додавання і друку. Вона зчитує дату з карти, додає і віднімає їх в лічильниках, а також друкує на аркуші паперу інформацію з карти або повну інформацію з лічильників. Машина перераховує алфавітні і цифрові дані зі швидкістю вісімдесят карт за хвилину, або акумулює в цілому так багато як вісімдесят цифр в 150 картах за хвилину.

Відтворюючий перфоратор розшифровує всі дані, перфоровані в одному наборі карт, в інший набір, або копіює дані з однієї карти в групу детальних карт. Перфоратор має порівняльну одиницю, яка співставляє два набори даних і відображає будь-які відмінності між ними. Машина може бути адаптована для використання в якості Підсумовуючого перфоратора для запису на новій карті суми яка була зібрана в Обліковій машині.

Підбирач виконує деякі з функцій Сортувальника у більш ефективній манері. Він додає два набори карт разом, вибираючи конкретні картки в одну з чотирьох обраних зон, поєднуючи дві групи карт у відповідності з панеллю управління, і перевіряє послідовність групи карт. Машина дуже гнучка і допускає обробку карток відповідно до складних шаблонів з залученням порівняння двох контрольних цифр. Карти можуть проходити через Підбирач у кількості від 240 до 480 за одну хвилину.

Електронні розрахункові перфоратори — це високошвидкісна машина, яка використовує електронні схеми для виконання базових операцій. Це додавання, віднімання, множення і ділення чисел на введеній карті, і перфорація відповідей в тій же карті або наступній. Він виконує ці операцій повторно і в будь-якому порядку за долю секунди. Розрахунковий перфоратор зчитує коефіцієнт перфорацій на карті, і виконує додавання, віднімання, множення і ділення, в будь-якій необхідній послідовності. Окремі результати можуть бути перфоровані для кожного типу розрахунку, або результати можуть зберігатися і використовуватися як коефіцієнт для наступних розрахунків. Ця машина розраховує восьмий порядок обчислення різниці з одинадцятирозрядною функцією і безліччю складних рівнянь із залученням великої кількості операцій.

На додачу до стандартних машин, розглянутих вище, в лабораторії є ряд спеціально сконструйованих калькуляторів, які управляються за допомогою релейних мереж і електронних схем. Нижче короткий опис цих спеціальних машин.

Релейний калькулятор виконує всі базові арифметичні операції, включаючи визначення квадратного кореня через складні релейні мережі. Він надзвичайно гнучкий, завдяки великому обсягу внутрішньої пам’яті, швидкості виконання обчислень, його здатності одночасно зчитувати чотири карти і перфорувати п’яту, а також за рахунок його потужності для оперування великими і різноманітними програмами.

Ця машина обладнана схемою зіставлення для полегшення операцій у вигляді таблиць. Величезна кількість складних проблем були вирішені на Релейному калькуляторі, включаючи множення гармонійних серій, множення матриць, і шостому порядку диференційних рівнянь.

Картковий калькулятор послідовності складається з: Обчислювальної машини, яка зчитує, додає, віднімає, і запам’ятовує дані; Сумарного Перфоратора, який перфорує фінальні значення ;релейної коробки для забезпечення гнучкості контролю операцій; блоку, який виконує множення і ділення. Операції в інших калькуляторах зазвичай програмуються через проводку на контрольній панелі. Зараз ця машина має по суті один комплект базової контрольної панелі і він управляється кодовими перфораціями на карті. Цей калькулятор був перевірений зокрема в майстерних обчисленнях орбіт астероїдів.

Обчислювач лінійних рівнянь — це електричний девайс для одночасного розв’язання лінійних рівнянь включно до дванадцятого порядку. Після того як коефіцієнти були встановлені на циферблатах, перемикачах, або перфокартах, до отримання рішення задаються різні змінні. Це один із методів рішення який дає дуже швидку конвергенцію. Ця машина була сконструйована в лабораторії Роберта М Волкера (Robert M. Walker), нашими співробітниками  і професором Френсісом Дж. Мюрреєм (Francis J. Murray) з математичного відділення Університету.

Контрольно-вимірювальна машина з картковим управлінням призначена в першу чергу для вимірювання астрономічних знімків. Незважаючи на це, він може бути легко застосовуватись для роботи з фотографіями в будь-якій сфері. Тут використовується пластина фотокартки з частиною неба включаючи зірки введені в машину разом з перфокартою, що показує наближені координати зірок. Машина тоді автоматичний зчитує перфокарту, локацію зірок на пластині фотокартки з наближених координат, точно вимірюючи їх позицій, і записує ці вимірювання на карті. Запис перфокарти потім доступний для математичної обробки.

З самого початку існування Астрономічного Бюро в 1934 році, декілька інших лабораторій перфокарт були запущені в індустрії та управлінні. Ці лабораторії у військові періоди відіграли вирішальну роль в операціях нашої національної оборонної програми. В цій групі були: Лабораторія Балістичних Досліджень в Абердині, Меріленді і Дальгрені, Вирджинія (Aberdeen, Maryland and Dahlgren, Virginia). У тій же самій категорій була Військово-морська Обсерваторія Сполучених Штатів, яка готувала астрономічні таблиці для використання в повітрі і в морській навігації, астрономії і геодезії. В індустрії обчислювальні лабораторії відіграли значну роль в дослідженнях як чистої, так і прикладної науки. Техніки перфокарт використовувалися, наприклад, для вирішення проблем пов’язаних з аналізом напруг і деформацій конструкцій повітряних суден і вібраційного аналізу великого обладнання.

Ілюстрація застосування обладнання перфокарт у проблемах, що виникають у промисловості в дизайні і конструкціях суден, де необхідно вказувати точне місце розташування великої кількості точок на поверхні. Дизайнер може зробити це, враховуючи різні поперечні перерізи корпусу і представляючи контур кожного з цих розділів многочленом, скажімо, п’ятого ступеня (див. Рис3).

Рис. 3. Поперечне січення через судно

Значення констант,a0, …, a5, в рівнянні буде змінюватись з кожною обраною секцією, через кривизну поверхні в поздовжніх напрямках. Тому, якщо судно розділене на 200 поперечних перерізів, і необхідно визначити 100 точок з кожного боку корпусу для кожного поперечного перерізу, многочлен повинен бути оцінений 20, 0000 раз. Використання обладнання перфокарт для рішень цієї проблеми переводить дуже громіздку роботу в ту яка обчислюється автоматичний машиною після завершення початкового планування.

***

Міс Елеанор Кравіц, яка проводить відмінності будучи першою жінкою автором робить внесок в щоквартальний журнал  COLUMBIA ENGINEERING QUARTERLY, може пишатися іншими видатними здобутками. Вона закінчила Вищу Бруклінську школу Самуеля І. Тільдена (Brooklyn’s Samuel I. Tilden High Schoo) у 1943 році, де вона була членом шкільного почесного співтовариства «Аріста». В Бруклінському Коледжі вона була хранителем PiMuEpsilon, почесного Математичного співтовариства, поки не отримала ступінь бакалавра з математики в 1947 році. Тоді вона працювала в якості вчителя на заміну в Середній школі Мідвуда і в її Альма-матер, Старшій Школі Тильдена. Але незабаром Елеанор почала викладацьку кар’єру в середній школі, щоб отримати ступінь магістра з математики в Колумбії.

Сьогодні міс Кравіц – керівник відділу Табулювання в I. B. M., Обчислювальній Лабораторій імені Томаса Дж. Уотсона при Колумбійському Університеті . Вона не тільки інструктує клас з астрономії у Вищій школі по роботі комп’ютерів, а ще й займається обчисленнями для вирішення проблем у фізиці, математиці й астрономії.

Автор: Елеонора Кравіц Колчин, листопад 2003 року.

Інші статті автора:

  • Krawitz, Eleanor, «Punched Card Mathematical Tables on Standard IBM Equipment», Proceedings, Industrial Computation Seminar, IBM, New York (Sep 1950), pp.52-56.
  • Krawitz, Eleanor, «Matrix by Vector Multiplication on the IBM Type 602-A Calculating Punch», Proceedings, Industrial Computation Seminar, IBM, New York (Sep 1950), pp.66.70
  • Green, Louis C., Nancy E. Weber, and Eleanor Krawitz, «The Use of Calculated and Observed Energies in the Computation of Oscillator Strengths and the f-Sum Rule» Astrophysical Journal, Vol.113 No.3 (May 1951), pp.690-696.

Openldap клиент в работе с операционной системой Solaris

Авторы оригинала статьи — Alex Aminoff & Daniel Feenberg.

Работая с 9 и 10 операционной системой Solaris возникало множество проблем со сбором и установкой PADL’s nss_ldap и pam_ldap, привязанных к клиентской библиотеке OpenLDAPlinked ( скачанной с sunfreeware.com). Но, учитывая большое количество постов от людей с жалобами на её работу, мы в конечном итоге нашли решение. Ниже мы составили отчёт о нашем прогрессе.

Проблема возникает тогда, когда распаковываются оба файла nss_ldap-262 и pam_ldap-184, в случае, если вы пытаетесь пройти по пути /usr/local/lib (то место, где файлы, скачанные с sunfreeware.com, хранятся по умолчанию).

Редактор связей Solaris  /usr/ccs/bin/ld, по умолчанию распаковывает двоичные системы ELF в библиотеке программ этапа исполнения дорожки, которая не содержит /usr/local/lib.  План, не поддерживающий дополнительных функциональных возможностей ./configure of nss_ldap таким образом провалится.

Очевидное решение, которое можно принять это добавить некоторые опции к ./configure:

./configure LDFLAGS=»-L/usr/local/lib -R/usr/local/lib»

(для этого будут нужны сразу и  -R и -L, как в Building Software on the Solaris OS,  секция “Соединение с библиотекой”).

Теперь конфигурация заработает, но рекомпиляция будет барахлить. Если вы посмотрите на неправильную команду, вы можете обратить внимание на то, что кажется, что она вызывает линкер, но без LDFLAGS. Это похоже на баг в Makefile.in, источником которого служит nss_ldap. Сравнивая 228 строчку Makefile.in с самой первой линией, которая даёт линию команд для использования GNU линкера, вы можете увидеть, что в конце 228 строчки отсутствует часть «$(LDFLAGS)».

Пофиксить это можно, редактируя Makefile.in. Более замысловатой опцией может быть изменение Makefile.in с целью передачи этих флагов линкеру относительно распаковки в Solaris, но не будучи знатоком autoconf, я этого не делаю. Не передача LDFLAGS линкеру кажется понятной, но бессмысленной.

Как это случается, кто-то еще зарепортил это как баг в PADL bugzilla: вы можете увидеть мои аргументы насчёт разницы между двумя версиями в этом баг отчёте You can see my submission (очевидно представленном в ldap-266).

pam_ldap  проблемы облачного аккаунта

pam_ldap в 9 Solaris спрашивает об облачном аккаунте (shadowAccount), ниже инструкция о том, как его установить.

pam_ldap, скомпилированный для Solaris 9  по той же схеме, что и nss_ldap above, требует объектов в датабазе LDAP ( путь objectClass=shadowAccount). Стандартные средства перехода к новой версии PADL не создают никаких объектов, если вы загружаете их из источника файлов NIS.

Облачный аккаунт отличается от posixAccount только тем, что он включает пароль подтверждения возраста. К счастью, все поля, относящиеся к возрастному паролю, не обязательны к заполнению. Для того, чтобы пофиксить, нужно добавить:

nss_map_objectclass shadowAccount posixAccount

to ldap.conf.

Также есть вариант включить objectClass=shadowAccount в графу каждого пользователя, но так как pam_ldap работает на FreeBSD и Linux без этого, кажется логичнее сделать маппинг только для Solaris.

Техническое оборудование и приложения, привязанные к библиотекам в /usr/lib

Порядок, в котором Sun пре-компилирует двоичные системы технического оборудования и приложений, таких как  top, ps, и т.д., что выглядит в /lib and /usr/lib для предыдущей библиотеки /usr/local/lib. Или возможно /usr/local/lib i не находится в этих  utils’ дорожках для поиска библиотек в целом. Так что, если мы хотим использовать эти инструменты в версии OpenDLAP в библиотеке клиента ldap вместо Sun’s, мы должны заменить Sun’s линки на следующие:

cd /usr/lib

mv libldap.so.5 libldap.so.5.DIST ; ln -s /usr/local/lib/libldap.so libldap.so.5

cd /lib

ln -s /usr/local/lib/libldap-2.4.so.2

ln -s /usr/local/lib/liblber.so

ln -s /usr/local/lib/liblber-2.4.so.2

ln -s /usr/local/lib/libgcc_s.so.1

Отправка почты и ssh

Функция отправки почты, которая идёт вместе с Solaris 10 привязана к клиентской библиотеке Sun’s ldap client напрямую, и это удобнее, чем идти через nsswitch. Итак, это не заработает, заметите вы или нет библиотеку с похожими линками. Решением является отказ от использования функции отправки почты Sun’s. Переустановить или удалить ей и компилировать отправку почты из источника и затем установить, либо установить что-то более маленькое, на подобие femail  в случае, если вам нужны функции только лишь отправки почты и полный MTA, где бы вы ни были.

Мы можем не получить версию ssh от Sun’s для того. Чтобы она корректно работала с pam_ldap. К тому же эта специфическая проблем, относящаяся к LDAP не ясна. Мы рекомендуем переустановить openssh.

Техническое оборудование, приложения, nscd

С Solaris 9 и 10 мы заметили, что многие приложения и техническое оборудование, загруженные с OS с использованием интерфейса getgroupbyname() не работают при использовании nss_ldap для вызова клиента библиотек Openldap’s ldap. Это включает lp, lpr, автомонтирование файлов и вход в систему. Признаки следующие:

— uids отображаются, без имён пользователей, при работе таких программ, как  ls, top и ps

— syslog sees сообщение выглядит как:

Sep  9 10:16:29 nber6 top[435]: [ID 293258 user.warning] libsldap: Status:

2 Mesg: Unable to load configuration ‘/var/ldap/ldap_client_file’ (»).

Кажется, что отключение nscd позволит этим программам работать. В системе solaris 10’s FMRI это

svcadm disable svc:/system/name-service-cache:default

Возможно nscd как-то статично прикреплен к версии Sun’s в клиентской библиотеке версии ldap?

Биовар: общие сведения

Оригинал статьи доступен по ссылке.

Многокомпонентная сетевая модель воздействия использованных в качестве оружия биологических болезней.

В попытках подготовиться к нападениям, представители правительственных структур должны уметь анализировать последствия своих решений в различных ситуациях. Рассмотрим, например, попытку решить, должны ли все граждане США быть вакцинированы для оспы.

Существует огромное количество спекуляций вокруг темы потенциального истребления оспой. Медицинские эксперты, ученые и деятели правящих органов обязаны выстроить метод мышления сквозь запутанность взаимосвязей для выявления эффективности тех или иных прививочных или сдерживающих распространение болезни стратегий. К сожалению, большинство из существующих методов достаточно ограничены, так как они подходят только к  одной болезни, обесценивая такие факторы, как география городов, которая может способствовать распространению болезни, а также не беря во внимание то, как люди пользуются их социальными сетями (кто кому является другом) для передачи информации, такой как посещение того или иного врача. В целом, способность оценить влияние широкого спектра биологических атак и эффективность политики сдерживания, необходима с точки зрения информирования и планирования. Она требует логических рассуждений касательно социального реагирования и процессов болезни, как комплексной социальной системы.

Проект БиоВар объединяет передовые модели вычислительных операций для социальных сетей, средства коммуникации, типы болезней, демографические точные модель агента, модели рассеивания воздуха, а также модель диагностики ошибок в одной единственной интегрированной модели влияния атаки на город. В отличии от традиционных моделей, которые выглядят как гипотетические города, в БиоВар аналитик данных может исследовать реальные города, используя комплексный учет данных народонаселения, школьные маршруты и другую публично доступную информацию. Более того, вместо того, чтобы только предоставлять информацию о количестве инфекций, Биовар моделирует агентов, которые дают сведения об их жизнях – и о здоровой, и об инфицированной.

Это дает возможность аналитику наблюдать за негативными последствиями различных атак и политике сдерживания таких факторов, как любой вид абсентеизма, количество кликов на те или иные медицинские сайты, медицинские звонки, страховые иски, уровень смертности и избыточное количество фармацевтических покупок.

БиоВар перешагивает через существующие эпидемиологические модели, которые не учитывают неоднородность генетического состава социальных сетей и географическое распространение людей в случае вспышки прогнозируемой болезни.

БиоВар это попытка развить гибкий и точный симуляционный инструмент для изучения распространения болезни и поведение агента в ответ на заболевание. Мы верим, что этот проект поможет исследователям в понимании, прогнозировании и анализе биологических атак, которые могут использоваться в качестве оружия на городском уровне. А также вместит в себя анализирование моделированных ситуаций, которое поможет в принятии решений об информировании в сложной социально-технической сфере. К примеру, с его помощью можно смоделировать ситуацию для изучения последствий различных атак инфекционных, и не только, заболеваний в условиях как повышенной боевой готовности, так и в её отсутствии.

Версия 2.1 была протестирована в 3 городах, может обрабатывать 2.5 миллионов агентов и 2 года интеракций в 1 день при помощи 4ёх процессорной системы, а также содержит модели 60 болезней. Основные модули включают: Формирование Города, Формирование Социальной Сети, Поведение Агента, Болезнь (Передачи, Развитие и Диагноз), Погоду (ветер и климат), Формирование Атаки, Аэрозолированное Распространение. Актуальные статистические данные, географические и поведенческие данные используются в ней как вводные данные. Продукты, разработанные для отображения реальных данных абсентеизма, вызовы скорой помощи, отпускаемые без рецепта товары и прочее..

Версия 2.2 была оптимизирована и тестирована в 5 городах.

В летнем институте студенты имеют возможность показать и обсудить их проекты и работ над БиоВар.

Параўнальныя атрыбуты

Арыгінал артыкула.

Пераможца прэміі Марра (Намінацыя «Лепшае даследаванне»), ICTV 2011

Дэйві Парыкх і Крыстэн Гауман

(Даступныя некалькі перакладаў гэтай старонкі. Змест згенераваны незалежнымі крыніцамі і не праходзіў нашу праверку. Вы самі прымаеце рашэнне.Romanian by azoftSlovakian by Sciologness TeamRussian by Alexander Nikiforov. Indonesian by ChameleonJohn.comPolish by Weronika Pawlak. Czech by Barbora Lebedova. Ukranian by Translator Group. Portuguese by Artur Weber. Estonian by Johanne Teerink. French by Avice Robitaille. Hindi by DealsdaddySlovenian by Jurij Rodionov. German by Philip Egger. Dutch by Arno Hazecamp. Hungarian by Marie Walton.)

«Хто можа намаляваць на вясёлцы лінію, дзе заканчваецца фіялетавае адценне і пачынаецца аранжавае? Мы можам бачыць выразна адрозненне колераў, але дзе дакладна адзін колер, змешваючыся, ўваходзіць у іншы? Тое ж самае з разважнасьцю і вар’яцтвам».
 
— Херман Мельвіль, Біллі Бадд

Анатацыя

Бачныя і названыя чалавекам «атрыбуты», могуць прынесці карысць розным апазнавальным задачам. Аднак, існуючыя тэхнікі звялі гэтыя характарыстыкі да катэгарычных ярлыкоў (напрыклад, чалавек «усміхаецца» або не, пейзаж «сухі» або не) і, такім чынам, не змаглі ахапіць больш агульныя семантычныя сувязі. Мы прапануем змадэляваць параўнальныя атрыбуты. Атрымаўшы дадзеныя рэжыму навучання, фармуліруюшчыя, як катэгорыі аб’екта/пейзажу звязаны, у адпаведнасці з рознымі якасцямі, мы даведаемся функцыю ранжыравання атрыбуту. Вывучаныя функцыі ранжыравання прадбачаць параўнальную сілу кожнай характарыстыкі на новых малюнках. Затым мы выбудоўваем спараджала мадэль над злучанай прасторай ранжыраваных вынікаў і прапануем новую форму навучання «не гледзячы», у якім назіральнік параўноўвае катэгорыю нябачнага прадмета з катэгорыяй бачнага прадмета праз атрыбуты (напрыклад, «мядзведзі больш пухнатыя, чым жырафы»). Далей мы паказваем, як прапанаваныя параўнальныя атрыбуты надаюць багатыя тэкставыя апісання новым малюнкам, якія, на практыцы, больш дакладныя ў чалавечым тлумачэнні. Мы дэманструем падыход на аснове серыі дадзеных, асоб і прыродных пейзажаў, і паказваем яго выразныя перавагі над традыцыйным бінарным прадугадваннем атрыбутаў для гэтых новых задач.
 

Матывацыя

Бінарныя атрыбуты абмежаваныя і могуць быць ненатуральнымі. У прыкладах вышэй, можна ахарактарызаваць выявы уверсе злева і уверсе справа, як натуральнае і створанае рукамі чалавека адпаведна, як бы вы апісалі малюнак зверху па цэнтру? Адзіны, які мае сэнс, спосаб ахарактарызаваць яго адносна іншых малюнкаў: яно менш натуральнае, чым малюнак злева, але больш, чым малюнак справа. 

Прапанова

У гэтай працы мы прапануем змадэляваць параўнальныя атрыбуты. Замест таго, каб прадбачыць прысутнасць атрыбуту, параўнальныя атрыбуты выяўляюць сілу атрыбуту ў малюнку адносна іншых малюнкаў. У дадатак да натуральнасці, параўнальныя атрыбуты прапануюць больш багатую функцыю камунікацыі, такім чынам, даючы доступ да больш дэталізаванага чалавечага назірання (і таму патэнцыйна высокаму вызначэнню дакладнасці), а таксама магчымасці генераваць больш інфарматыўныя апісанні новых малюнкаў. 

Мы вынайшлі падыход, які вывучае функцыю ранжыраванасці для кожнага атрыбуту, атрымаўшы параўнальна падобныя звязанасці на парах прыкладаў (або, у агульным, частковае парадкаванне на некаторых прыкладах). Вывучаная функцыя ранжыравання можа ацэньваць сапраўдны разрад для малюнкаў, вызначаючы параўнальную сілу атрыбуту, які прысутнічае ў іх.

Мы прадстаўляем новыя формы навучання «не гледзячы» і апісання малюнкаў, якія выкарыстоўваюць прадугадывання параўнальнага атрыбуту. 

Падыход

Вывучэнне параўнальных атрыбутаў: Кожны параўнальны атрыбут вывучаецца праз навучанне да фармулёўкі разраду, атрыманага параўнальнага назірання, як паказана ніжэй: 

Адрозненне паміж вывучэннем шыракапалосай рэйтынгавай функцыяй (справа), якая ўзмацняе жаданую ўпарадкаванасць на прыступках навучання (1-6), і шыракапалосым бінарным класіфікатарам (злева), які падзяляе толькі два класа (+ і -), і не абавязкова захоўвае жаданую ўпарадкаванасць на этапах, як паказана ніжэй: 

 

Новае навучанне «не гледзячы»: Мы вывучаем наступную сістэму: 

  • N поўныя катэгорыі: S бачныя катэгорыі (асацыяваныя малюнкі даступны) + U нябачныя катэгорыі (няма даступных малюнкаў для гэтых катэгорый)
  • S бачныя катэгорыі апісваюцца параўнальна адзін аднаму праз атрыбуты (не ўсі пары катэгорый трэба параўноўваць з усімі атрыбутамі)

 

  • U нябачныя катэгорыі апісваюцца параўнальна (частка) бачных катэгорый ва ўмовах (часткі) атрыбутаў.

 

Спачатку мы вывучаем серыю параўнальных атрыбутаў, выкарыстоўваючы назіранне, прадастаўленае на бачных катэгорыях. Гэтыя атрыбуты могуць быць паўторна вывучаны з знешніх дадзеных. Затым мы выбудоўваем спараджала мадэль (Гаўса) для кожнай бачнай катэгорыі, выкарыстоўваючы вынікі параўнальных атрыбутаў да малюнкаў з нябачных катэгорый. Затым мы выводзім параметры спараджаючых мадэляў нябачных катэгорый, уцелязуючы іх параўнальныя апісанні адносна бачных катэгорый. Візуалізацыя простага падыходу, якую мы выкарыстоўваем, паказана ніжэй:

 

Пробны малюнак ўжыты да катэгорыі з высокай верагоднасцю.   

Аўтаматычна згенераваныя параўнальныя тэкставыя апісанні малюнкаў: Атрымаўшы малюнак I, які неабходна апісаць, мы ацэньваем функцыі ранжыравання на I. Для кожнага атрыбуту мы вызначаем два малюнка, якія б спасылаліся на яго, якія знаходзяцца з абодвух бакоў I, і яны не занадта далёка або занадта блізка. Затым малюнак I апісваюць параўнальна з гэтымі двума малюнкамі, якія спасылаюцца ,як паказана ніжэй:

  

Як відаць вышэй, у дадатак да апісання малюнка параўнальна іншых малюнкаў, наш падыход таксама можа апісваць малюнак параўнальна іншых катэгорый, у выніку маючы чыста тэкставае апісанне. Ясна, што параўнальныя апісанні дакладней і інфарматыўней, чым традыцыйнае бінарнае апісанне.

Эксперыменты і вынікі

Мы праводзім эксперыменты на двух серыях дадзеных:

(1) Пейзажы (OSR) якія змяшчаюць 2688 малюнкаў з 8 катэгорый: ўзбярэжжа C, лес F, траса H, цэнтр горада I, гара M, адкрытая мясцовасць O, вуліцы S і хмарачосы T. Мы выкарыстоўваем асноўныя рысы, каб паказаць малюнак.

(2) Падсерыя дадзеных лікаў публічных асоб (PubFig) якая змяшчае 772 выявы з 8 катэгорый: Алекс Радрыгез A, Клівія Оўэн C, Х’ю Лоры H, Джарэд Лета J, Майлі Сайрус M, Скарлет Ёхансан S, Віга Мартенсен V і Зак Эфран Z. Мы выкарыстоўваем звязаную аснову і каляровыя рысы, каб паказаць малюнкі.

 Спіс атрыбутаў, выкарыстаных для кожнай серыі дадзеных нароўні з бінарнымі і параўнальнымі атрыбутыўнымі каментарамі, прыведзены ніжэй: 

 

Навучанне «не гледзячы»:

Мы параўноўваем наш прапанаваны падыход з двума асноўнымі дадзенымі. Першы – гэта параўнальныя атрыбуты бальнай формы (SRA). Гэтыя асноўныя дадзеныя падобныя на наш падыход акрамя таго, што яны выкарыстоўваюць балы бінарнага класіфікатара (бінарныя атрыбуты) замест балаў функцыі ранжыравання. Гэтыя асноўныя дадзеныя дапамагаюць ацаніць неабходнасць функцыі ранжыравання палепшыць мадэль параўнальных атрыбутаў. Нашы другія асноўныя дадзеныя — гэта мадэль прамога прадугадвання атрыбуту (LDAP), прадстаўленая Lambert et al. на CVPR2009. Гэтыя асноўныя дадзеныя дапамагаюць ацаніць карысць параўнальнага паляпшэння атрыбутаў замест катэгарычных. Мы ацэньваем гэтыя падыходы для рознай колькасці нябачных катэгорый, рознай колькасці дадзеных, выкарыстаных для выпрабавання атрыбутаў, рознай колькасці атрыбутаў, выкарыстаных для апісання нябачных катэгорый, і рознага ўзроўню «недакладнасцяў» у апісанні нябачных катэгорый. Дэталі эксперыментальнай сістэмы можна знайсці ў нашай працы. Вынікі паказаны ніжэй:

Аўтаматычна згенераванае апісанне малюнка:

Для таго, каб ацаніць якасці нашага параўнальнага апісання малюнка, мы правялі чалавечае даследаванне. Мы згенеравалі апісанне выявы, выкарыстоўваючы наш падыход, а таксама бінарныя атрыбуты асноўных дадзеных. Мы далі суб’ектам апісанне, а таксама тры выявы. Адно з трох малюнкаў было апісаным выявай. Задача суб’ектаў была размеркаваць тры выявы грунтуючыся на тым, як яны думаюць, якое з іх было апісана. Чым дакладней апісанне, тым лепш шанцы, каб суб’екты вызначылі правільны малюнак. Ілюстрацыя задання, прадастаўленага суб’ектам, паказана ніжэй: 

Вынікі даследавання паказаны ніжэй. Мы бачым, што суб’екты могуць вызначыць правільны малюнак дакладней, выкарыстоўваючы нашы прапанаваныя параўнальныя атрыбуты, у параўнанні з бінарнымі атрыбутамі. 

Криза особистості в комп’ютерній науці

Оригінал тексту можна знайти на сайті факультету Комп’ютерних наук університету Purdue.

Нещодавно, я була на засіданні Факультету інформатики, на якому висловлювали думки про те, що важливо в цій галузі і що студентам слід вивчати. Дискусія базувалася навколо намагань визначити поняття “комп’ютерна наука” та питань подальшої долі галузі. У мене виникло відчуття déjà vu, тому що ті ж самі базові думки вже не однократно піднімалися за останні роки. Коли я все це слухала, несподівано, мені спало на думку, що комп’ютерними науками оволоділа основна психологічна проблема: галузь занедужала та переживає кризу особистості та сумнівається у своїй цінності.

Дозвольте пояснити. Під час обговорення один з фахівців в комп’ютерній галузі зазначив, що в 1980-х роках говорилося, що КН  стане наступним стовпом науки, який, нарешті, поставить КН на один рівень разом з фізикою, хімією, біологією та науками про землю. “Що ж трапилося?”, запитав він та продовжив нарікати що, зазвичай, інші науки бачать КН лише як допоміжну ланку, котра підтримує їхню роботу. Інший комп’ютерний науковець заявив, що помилково  вважати що КН це лише створення програмного забезпечення та комп’ютерних програм. Він стверджував, що комп’ютерне програмування не повинно бути основою нашої роботи, та, натомість, запропонував зосередитись на галузі “обчислювального мислення” або ж на “забезпеченні вирішення обчислювальних задач”. Кожна з цих позицій є симптомом ключової проблеми: замість того, щоб пишатися нашими головними досягненнями, такими як, створення мережі Інтернет та потужних інтерактивних комп’ютерних систем, що в свою чергу змінило те, як люди, по всьому світі, працюють та грають, деякі ж науковці, чомусь, зосереджуються на занепаді, відчуваючи розчарування та бажають отримати побільше академічного престижу.

Як ми до цього дійшли?

  • Можливо, це  цілком закономірно. Зрештою, такі галузі, як філософія, зробили аналогічний перехід – в пошуках престижу вони почали називати себе “мислителями”, а не “виконавцями”. Такий перехід, дійсно, може допомогти колегам підвищити свою самооцінку. Взагалі, вони можуть возвеличити себе над іншими вченими, адже вони борються за своє повсякденне існування. Тільки еліта своєї галузі може оцінити справжню суть мислення. На жаль,  ейфорія скороминуча: буквально за кілька років галузь відокремиться від реального світу і поступово стане неефективною.
  • Можливо, вже  час прийшов. КН – молода дисципліна, яка швидко росте та розвивається. Можливо, КН, як підліток, ще не зріла та ще не знає свого місця в світі.
  • Можливо, це життя в тіні Інтернету. Кілька років тому мене вразила ціла низка дослідницьких пропозицій, в яких кожен дослідних стверджував, що їхній запропонований проект дозволить створити альтернативу Інтернету: більшу, кращу, швидшу, надійнішу, енергоефективну, простішу у використанні та управлінні. Замість того, щоб аналізувати компроміси, дослідники взяли за моду перебільшувати (колись цю стратегію вдало придумали для маркетингу). Фактично, коли комп’ютерний фахівець  заявляє, що КН повинна надавати “рішення” обчислювальних завдань, я задаюсь питанням, чи вони, мимоволі, не підхопили найновішу маркетингову тенденцію: замість продажу продукції та сервісів, хай-тек компанії Кремнієвої Долини продають “рішення”. Через такі дослідницькі пропозиції та їхні надмірні заяви та маркетинговий популізм, пронизуючий наші дискусії, не дивно, що комп’ютерні науковці мають комплекс неповноцінності — багато з них просто мріють стати супергероями.
  • Можливо це життя в тіні Microsoft, iPods  та iPhones. Коли середньостатистична людина чує фразу “комп’ютерний науковець” вони зазвичай уявляють людину з повним знанням кожного, коли-небудь створеного, комп’ютера та мережевого продукту. Насправді, звісно, ніхто не може знати всі наявні програми та системи, так само, як і ніхто не може запам’ятати каталог з усіма постачальниками, продуктами, випусками чи патчами. Отож, якщо комп’ютерний спеціаліст спробує допомогти другу або родичу з певною комп’ютерною проблемою,  ризик почуватися некомпетентним є досить великий.
  • А може це незахищеність. Дійсно, багато комп’ютерних науковців знаходяться у непростій ситуації через брак  впливу їхніх оригінальних досліджень. Вони уникають будь-яких розмов про великі успіхи в галузі, тому що, особисто, вони не мають до цього жодного відношення. Важливіші великі досягнення просто лякають науковців. Коли проект Інтернету з’явився на обрії, наприклад, деякі науковці заявили, що,на відмінно від їхнього власного дослідження, вивчення комп’ютерних мереж не мало значної інтелектуальної глибини. Інші ж  – були категоричними, для них мережа “не була частиною комп’ютерної науки і ніколи не буде”. У ретроспективі, намагання виключити мережу з комп’ютерної науки були дурними та марними, але такі спроби так часто повторюються, а це вже вияв головної проблеми.
  • А може це культура. Велика частина культури в академічному світі передається в університетах. Якщо факультети неодноразово натякають на те, що КН стоїть нижче  по рангу через брак ентузіазму та невміння сформулювати чітке бачення, студенти можуть також озброїтись цією думкою. Навіть якщо професорсько-викладацький склад не роблять прямої заяви, студенти, ймовірно, прочитають це між рядками, відчують ставлення та зберуть тонкі підказки. Б. Еблсан та Дж. Сасмен з Массачусетського технологічного інституту (MIT) одного разу зауважили що, комп’ютерні науковці просто заздрять математикам  (вони хочуть бути справжніми математиками). Вони пишуть багато рівнянь, щоб показати, що вони займаються глибокою математикою. Студенти глибоко переконані, що рівняння показують їхні здібності та розум. Ніяковість виникає коли студенти усвідомлюють, що рівняння не відповідають запитам реальності. Найкращі випускники бачать все наскрізь та піддають сумніву обґрунтованість дослідження. Проте, навіть випускники можуть піти з підсвідомим враженням, що математиці варто заздрити.

Як же ми можемо вирішити цю проблему?

Кілька порад:

  • Змінити природу фільтрування допуску. Тут є шанс міждисциплінарних досліджень: співпраця з психологами у розробці тестів для студентів що вступають на комп’ютерні спеціальності. Якщо вступник схильний до розвитку математичної заздрості чи заздрості до інших галузей – відправляти вступника на інший факультет. Це може зайняти близько чотирьох років перш ніж ми побачимо значні зміни в поведінці студентів, які до нас поступають. Ще через шість-сім років ми побачимо зміни всього молодого факультету. Молоде стадо вдосконалюється.
  • Змінити культуру на таку, що звеличуватиме внески та досягнення. Запевнити професорсько-викладацький склад, що решта академічних закладів не є кращими чи престижними ніж комп’ютерна наука, адже ця галузь багато років підтверджувала своє існування на відстоювала своє значення. Наприклад, як Бакалавр з фізики та математики, я бачила ситуацію чітко та ясно. До другого курсу фахівці з фізики знали, що фізика “володіє” всім всесвітом від субатомних частинок до астрофізичних явищ. Фізика мала заслужену репутацію, найскладнішої спеціалізації, отож кожен в університеті вважав фахівців з фізики найрозумнішими. Більше того, факультет неодноразово запевняв нас, що все в світі йде за фізичними принципами. Як тільки ми опануємо фізику, вони стверджували, все інше можна вивести як наслідок. Таким чином, на фізичному  факультеті в мене склалося враження, що навіть хімія та біологія були відгалуженнями фізики (виявлення принципів енергії та матерії сформувало серце науки). Інші академічні групи теж гордилися своїми студентами. Наприклад спеціалістам математичної науки кажуть, що математика “володіє” абстрактним світом, хіміків запевняють, що вони виконують важливу роботу, тоді як фізики, просто, схиляються навколо теорії струн або будують все більші і більші атомні симулятори шукаючи все менші і менші субатомні частинки. КН повинна створити культуру гордості в галузі та її досягненнях.
  • Відкиньте ідею, що абстрактне  “мислення про обчислення” є чимось престижним за “мислення про нові способи проектування та побудови обчислювальних систем”. Просування абстрактного мислення відірваного від реальності приваблює тих фахівців КН, які потонули в математиці чи тих, кого захоплює практика виявлення дефектів а не створення чогось нового. Абстрактне мислення може видитися  привабливим, тому що воно одночасно усуває вимогу реальності припущень і ставить КН вище ніж розуміння реальних систем та практичних обмежень. Перехід КН від побудови комп’ютерних систем лише до «роздумів»про обчислення повністю втрачає ключові моменти: якщо припинити роботу з реальним світом комп’ютерів та програмного забезпечення то КН стане нерелевантною. Ми закінчимо як танцюючі ангели на кінчику голки,  а інша дисципліна займеться тими аспектами інформатики, які мають значний вплив.
  • Започаткуйте міні-тренувальні заняття факультету. Надайте професорсько-викладацькому складу можливість довідатися про грамотні комерційні продукти. Тут можна виділити дві переваги. По-перше, якщо комп’ютерні фахівці знатимуть достатньо, щоб бути трохи попереду середнього користувача, вони підвищують свою самооцінку. По-друге, якщо вони розумітимуть межі комерційної продукції, факультет допоможе розробити шляхи її вдосконалення. Хороша новина полягає в тому, що не так і багато потрібно щоб бути попереду середнього-статистичного користувача. Багато проблем мають банальне вирішення (наприклад, підключіть  або перезавантажте). Хтось з невеликими технічними знаннями, проте здатний логічно мислить, може здаватися експертом у порівнянні з середнім користувачем. Таким чином, невелика кількість тренувань може створити впевненість.
  • Запустіть рекламну кампанію. Пам’ятайте, що протягом останніх десятиліть КН змінила світ. Захоплюйся нашими досягненнями. Наголосимо, що це  ми з’ясували як побудувати складні системи обчислення та комунікації, які середній користувач вважає само собою зрозумілими. Пролийте на все світло,  нагадайте студентам, чому КН є лідером серед навчальних дисциплін. Посміхніться і підморгніть, але наголосіть, що ми насправді тримаємо фізиків і хіміків поблизу, тому що вони «допомагають» комп’ютерним вченим. Зрештою, нам потрібні результати фізики пристроїв, щоб ми могли створювати менші, швидші транзистори, і нам потрібні хіміки для вдосконалення виготовлення силіконових мікросхем. Фізики також допомагають нам створювати кращі лазери для оптичних мереж і були особливо корисними для розробки менших, ефективніших антен для бездротових мереж. Звичайно, дизайн антени є лише незначною частиною мережі (і не глибоко інтелектуальною, як протокольний дизайн), але приємно, що фізика може допомогти.

Переклади:

Переклад  болгарською можна знайти на сайті https://transl.routerloginguide.com/identity-crisis-bulgarian/
Переклад польською можна знайти на сайті  http://led24.de/blog/kris-identywakovnosti-u-infarmaccici/
Переклад російською можна знайти на сайті http://www.opensourceinitiative.net/edu/crisis/
Переклад шведською можна знайти на сайті https://www.autonvaraosatpro.fi/blogi/2017/08/24/den-identitetskris-datavetenskap/

Кольорові Слайди Герберта Гроша, 1947-1982

Доктор Герберт Р.Й. Грош, «Комп*ютерний геній, що керував важливими космічними та технологічними проектами, Грош доклав чималих зусиль у виявленні та опису взаємодії між швидкістю та вартістю комп’ютерів». — ACM Fellows Award Citation, 1995

«Багато років тому я думав, що я найкмітливіший хлопець у світі. Але потім я зустрів Джона фон Неймана і Річарда Фейнмана. В останні десятиріччя я нарешті знайшов сайти Бемера!! Нічого кращого не могло і статись. Особливо для дев’яносторічного діда». — Герб Грош, 26 листопада 2003 р.

Читать далее

Страница 1 из 2