Սկիզբ » Արխիվ » ԿայքMap

ԿայքMap

Կայքի ժապավենները

Էջեր

Ամսեկան արխիվներ

Բաժիններ

20 ամենաօգտագործված նշագրերը

Բոլոր հոդվածները

Կոտրում ենք quadcopter֊ի ip camera-ն reverse engineering -ի մեթոդներով

| Ապրիլ 25, 2017 |
Կոտրում ենք quadcopter֊ի ip camera-ն reverse engineering -ի մեթոդներով

Դրոնների թեման ինձ վաղուց էր հետաքրքրում ու քանի որ կային մի շարք մտքեր կապված դրանց հետ, որոշեցի վերջապես սկսել ինչ֊որ բան անել։ Գնեցի Overmax X-Bee drone 5.2, որը կարելի է կառավարել ինչպես rc֊ով, այնպես էլ android application-ով։ Բայց դա այն չէր ինչն ինձ պետք էր, իսկ ինձ պետք էր ստանալ video stream֊ն այնպես, որպեսզի հետագայում հնարավոր […]

Ասք BSD֊ում CARP֊ով ծանրաբեռնուածութեան հաւասարակշռող կարգաւորելու մասին

| Փետրվար 25, 2017 |
Ասք BSD֊ում CARP֊ով ծանրաբեռնուածութեան հաւասարակշռող կարգաւորելու մասին

CARP֊ի մասին CARP-ը, նոյն ինքը Common Address Redundancy Protocol-ը, ցանցային արձանագրութիւն է, որը թոյլ է տալիս մի քանի հանգոյց նոյն ցանցում ունենան նոյն ԱյՓին 🙂 CARP-ի գլխաւոր նպատակն է ֆեյլօվերների ժամանակ ապահովել կապը։ ճիշտ կարգաւորումով այն կարող է օգտագործուել որպէս ծանրաբեռնուածութեան հաւասարակշռող (Load Balancer)։ CARP-ը ստեղծուել OpenBSD-ի կողմից է որպէս Ցիսկոյի VRRP-ի ու HSRP-ի ազատ […]

Yacc֊ի և Lex֊ի մասին

| Նոյեմբեր 28, 2016 |
Yacc֊ի և Lex֊ի մասին

Ովքե՞ր են այդ Yacc֊ն ու Lex֊ը Ի՞նչ է լեզվի քերականությունը Լեզվի սահմանում GNU Bison֊ի ֆայլը Քերականության ստուգումը Bison֊ի միջոցով Բառային վերլուծություն Flex֊ի միջոցով Գործարկման առաջին փորձ Թեսթավորում․ առաջին մաս Արվածի ամփոփում և հետագա քայլերի մշակում Աբստրակտ քերականական ծառ Bison նկարագրության ընդլայնում Գործարկման երկրորդ փորձ Ես պատմում եմ ծրագրավորման լեզվի շարահյուսական վերլուծիչի իրականացման մասին։ Պատմությունս հնարավորին […]

NodeJs/ExpressJs workshop – Barcamp Yerevan 2016

| Հունիս 18, 2016 |
NodeJs/ExpressJs workshop - Barcamp Yerevan 2016

NodeJs/ExpressJs workshop-ի կոդը գիտհաբում և տեսանյութը https://github.com/emarukyan/expressjs-example-by-edd Սպասում եմ, ձեր արձագանքներին:

MySQL-ի տվյալների տիպերը

| Հունիս 12, 2016 |
MySQL-ի տվյալների տիպերը

Աղյուսակի դաշտերի ճիշտ սահմանումը կարևոր է տվյալների բազայի ընդհանուր օպտիմալացման համար: Դու պետք է օգտագործես դաշտի միայն այն տիպն ու չափը, որն իսկապես անհրաժեշտ է օգտագործել; մի’ սահմանիր դաշտի երկարությունը 10 սիմվոլ, եթե դու օգտագործելու ես միայն 2-ը: Դաշտերի (կամ սյուների) այս տիպերը կոչվում են նաև տվյալների տիպեր, քանի որ այս դաշտերում պահվելու են այդ տիպի տվյալներ:

Նեյրոնային ցանցերի ուսուցումը backpropagation ալգորիթմի միջոցով։ Մաս 4, իրականացում python֊ով։

| Մայիս 13, 2016 |
Նեյրոնային ցանցերի ուսուցումը backpropagation ալգորիթմի միջոցով։ Մաս 4, իրականացում python֊ով։

Այս մասում կներկայացնենք սիմվոլների ճանաչումը backpropagation ալգորիթմի միջոցով։ Կոդը կգրենք python լեզվով, քանի որ այն կոմպակտ է և թույլ է տալիս իրականացնել արագ լուծումներ։ Ինչպես նշվել է նախորդ մասերում, ցանցի ելքերին պետք է նախապես տրվեն որոշակի արժեքներ, որոնց հետ պետք է համեմատվեն ցանցի փաստացի ելքերը, այդ իմաստով յուրաքանչյուր սիմվոլ կներկայացնենք 5×6 մատրիցի տեսքով։ Վերը բերված […]

Նեյրոնային ցանցերի ուսուցումը backpropagation ալգորիթմի միջոցով։ Մաս 3, կշռային գործակիցների հաշվարկն ու սխալի հետադարձ փոխանցումը։

| Մայիս 1, 2016 |
Նեյրոնային ցանցերի ուսուցումը backpropagation ալգորիթմի միջոցով։ Մաս 3, կշռային գործակիցների հաշվարկն ու սխալի հետադարձ փոխանցումը։

Այս մասում փոքրիկ օրինակի վրա կծանոթանանք backpropagation ալգորիթմին։ Այն կազմված է հետևյալ հիմնական քայլերից՝ Ցանցի մուտքից մինչև ելք՝ հաշվում ենք  նեյրոնների ելքային արժեքները, ելքային շերտի յուրաքանչյուր նեյրոնի համար հաշվում ենք δ սխալի արժեքը, ելքային շերտի նեյրոնների համար հաշվում ենք կշռային գործակիցները, հաշվում ենք թաքնված շերտի նեյրոնների համար δ սխալի արժեքները՝ հաշվի առնելով ելքային շերտում համապատասխան […]

Ասք Բաշով Սոքեթ Ծրագրաւորման Մասին

| Ապրիլ 27, 2016 |
Ասք Բաշով Սոքեթ Ծրագրաւորման Մասին

Արդէն քանի ամիս է Սերթում եմ աշխատում, իրականում կէս տարի է արդէն, երեւի աւելի, ինչեւէ։ չնայած, ինչքանով որ հասկացայ, Հայաստանում ադմինների մեծ մասը պատրաստի թուլեր են օգտագործում, շատ քչերն են ձեռով սկրիպտներ գրում, անգամ ծրագրեր, բայց դէ նորմալ ա, ինչ որ լուրջ պահանջ էլ չկայ, բացի եթէ մեծ ընկերութեան մէջ ես աշխատում։ բայց մեծ ընկերութիւններում […]

Նեյրոնային ցանցերի ուսուցումը backpropagation ալգորիթմի միջոցով։ Մաս 2, մաթեմատիկական հիմնավորում։

| Ապրիլ 26, 2016 |
Նեյրոնային ցանցերի ուսուցումը backpropagation ալգորիթմի միջոցով։ Մաս 2, մաթեմատիկական հիմնավորում։

Այս մասում կանդրադառնանք backpropagation ալգորիթմի մաթեմատիկական հիմնավորմանը։ Սկզբում պետք է որոշել, թե ինչպես էնք չափելու սխալը։ Քանի որ ցանցը սովորելու է ուսուցչի միջոցով, իսկ ուսուցիչը իրենից ներկայացնում է ելքին տրվող արժեքների առկայություն, որը պետք է համեմատել ցանցի ելքի իրական արժեքների հետ, ապա այդ պարագայում հարմար է օգտվել նվազագույն քառակուսիների մեթոդից, այդ դեպքում սխալի ֆունկցիան (quadratic […]

Նեյրոնային ցանցերի ուսուցումը backpropagation ալգորիթմի միջոցով։ Մաս 1, ընդհանուր դրույթներ։

| Ապրիլ 25, 2016 |
Նեյրոնային ցանցերի ուսուցումը backpropagation ալգորիթմի միջոցով։ Մաս 1, ընդհանուր դրույթներ։

Արհեստական նեյրոնային ցանցերի աշխատանքը հիմնված է կենսաբանական նեյրոնի մաթեմատիկական մոդելի վրա։   Նկար 1․ Կենսաբանական նեյրոնի կառուցվածքը։   Բացի այլ բաղկացուցիչներից՝  նեյրոնն ունի նաև սինափսներ (synapse) և աքսոններ (axon)։ Սինափսը հանդիսանում է մուտք, իսկ աքսոնը ելք, ընդ որում ամեն նախորդ նեյրոնի աքսոնը միանում է հաջորդի սինափսին (նկար 1)։ Նեյրոնի մաթեմատիկական մոդելը սխեմատիկորեն կարելի է պատկերել […]

201