از دسترسی داشتن به دالای ۳ و اینکه میتونم «حسهای» درونیم رو با کمکش جوری تصویر کنم که خیلی شبیه به تصویر ذهنیمه، واقعا خوشحالم!
این عکسها حس این روزهامه
این عکسها حس این روزهامه
❤4👍1👎1
با کلی ذوق قسمت اول فصل جدید ریک اند مورتی رو دیدم و خیلی تاسفآور بود برام و حال نکردم اصلا 😒
حس کلید اسرار اینا میداد
حس کلید اسرار اینا میداد
پشمام!
کیهان کلهر فارغالتحصیل اون یکی دانشگاه شهر ما (کارلتون) عه!
https://web.archive.org/web/20150713095042/http://carleton.ca/fass/2012/video-carleton-grad-plays-the-iranian-kamancheh/
کیهان کلهر فارغالتحصیل اون یکی دانشگاه شهر ما (کارلتون) عه!
https://web.archive.org/web/20150713095042/http://carleton.ca/fass/2012/video-carleton-grad-plays-the-iranian-kamancheh/
😱2
شبکه داستانی عصبی
Mohammad Golriz – Piroozi Khojasteh Bad
Mood
پ.ن.: مودم ربطی به مسائل سیاسی، اقتصادی و ... نداره. نشینین تحلیل کنین 😒
پ.ن.: مودم ربطی به مسائل سیاسی، اقتصادی و ... نداره. نشینین تحلیل کنین 😒
شبکه داستانی عصبی
multi_knapsack_a3c_final.ipynb
اون روزی با امین داشتیم یه مقاله میخوندیم که مسئلهی Multi-Knapsck رو با یادگیری تقویتی حل میکرد.
مسئلهی کولهپشتی یا Knapsack یکی از مسئلههای اساسی و کلاسیک در بهینهسازی و طراحی الگوریتم عه. صورت مسئله به صورت کلی اینه که یه کولهپشتی داریم که یه مقدار مشخصی وزن رو میتونه تحمل کنه. بعد یه سری اشیا داریم که هر کدوم یه وزن و یه ارزشی دارن. میخوایم ببینیم که چه چیزایی رو برداریم که کولهپشتی بتونه وزنشون رو تحمل کنه و ارزششون بهینه بشه.
مثلا دزدی قصد سرقت از مغازهای را دارد و حداکثر وزن w از اجناس را که میتواند بدزد در این مغازه n نوع جنس وجود دارد. اگر وزن جنس iام wi و قیمت آن vi باشد بیشینه سودی که بدست میآورد چقدر است؟
یه نسخهای از این مسئله هست که چند تا کولهپشتی داریم به جای یه دونه کوله پشتی. بهش میگن مسئلهی Multi-Knapsck. و مقالهی زیر یه روشی با استفاده از یادگیری تقویتی برای حل کردنش داده:
A Deep Reinforcement Learning-Based Scheme for Solving Multiple Knapsack Problems, 2022
به صورت مشخص داره از یه الگوریتم A3C استفاده میکنه. بعد از اینکه مقاله رو خوندیم گفتیم که پیادهسازیش کنیم. این نوتبوک پیادهسازی و بعد هم اجرای شبیهسازی راهحل ارائه شده توی مقاله است. نکتهی جالب هم اینکه برای پیادهسازی مقدار خیلی خیلی خوبی از چتجیپیتی استفاده کردیم. ولی نهایتا نتیجه چیز خوبیه و به درد بخوره.
مسئلهی کولهپشتی یا Knapsack یکی از مسئلههای اساسی و کلاسیک در بهینهسازی و طراحی الگوریتم عه. صورت مسئله به صورت کلی اینه که یه کولهپشتی داریم که یه مقدار مشخصی وزن رو میتونه تحمل کنه. بعد یه سری اشیا داریم که هر کدوم یه وزن و یه ارزشی دارن. میخوایم ببینیم که چه چیزایی رو برداریم که کولهپشتی بتونه وزنشون رو تحمل کنه و ارزششون بهینه بشه.
مثلا دزدی قصد سرقت از مغازهای را دارد و حداکثر وزن w از اجناس را که میتواند بدزد در این مغازه n نوع جنس وجود دارد. اگر وزن جنس iام wi و قیمت آن vi باشد بیشینه سودی که بدست میآورد چقدر است؟
یه نسخهای از این مسئله هست که چند تا کولهپشتی داریم به جای یه دونه کوله پشتی. بهش میگن مسئلهی Multi-Knapsck. و مقالهی زیر یه روشی با استفاده از یادگیری تقویتی برای حل کردنش داده:
A Deep Reinforcement Learning-Based Scheme for Solving Multiple Knapsack Problems, 2022
به صورت مشخص داره از یه الگوریتم A3C استفاده میکنه. بعد از اینکه مقاله رو خوندیم گفتیم که پیادهسازیش کنیم. این نوتبوک پیادهسازی و بعد هم اجرای شبیهسازی راهحل ارائه شده توی مقاله است. نکتهی جالب هم اینکه برای پیادهسازی مقدار خیلی خیلی خوبی از چتجیپیتی استفاده کردیم. ولی نهایتا نتیجه چیز خوبیه و به درد بخوره.
👍1