Կապ

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 […]

FreeNAS – Բաց կոդով ցանցային պահոց (տեղադրում)

FreeNAS-ը հանդիսանում է բաց կոդով ինձ հանդիպած ցանցային պահոցներից ամենաստաբիլը։ FreeNAS-ը կարելի է տեղադրել կոշտ սկավառակի, կամ այլ հիշողության սարքերի վր ․․․

Պատմություն մեծ֊մեծ ֆայլերի մասին

Պատմություն այն մասին, թե ինչպես էին մեծ ֆայլերը խանգարում mysql-ի աշխատանքին։

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:

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։

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 […]