|
| |
| |
|
На: datasets::Nd fractal noise
Добавлено: 20 мар 18 16:28
Изменено: 20 мар 18 16:41
|
чтобы быстро создавать датасеты для классификации любой сложности и разрабатывать эффективные алгоритмы классификации. Это своего рода "идеальная" структура данных, ну в смысле как нормальное распределение является признаком случайности, то фрактальный шум вроде как "естественный" тип данных. Есть алгоритмы генерации его для 2d, но в Nd оно получается экспоненциально тяжелее, датасет сгенерировать в сотни раз дольше чем классифицировать, а должно быть наоборот.
|
|
|
|
На: datasets::Nd fractal noise
+1
Добавлено: 20 мар 18 17:25
|
Автор: Дмитрий Пагода
Как сделать что то типа такого в многомере?
|
|
Первое что приходит в голову это сложить кучу синусов с рандомными периодом и фазой, оно конечно будет тайлиться достаточно быстро, но как для датасета который будет юзать только ограниченный кусок, вполне должно сойти и считаться такое очень быстро будет
|
|
|
NO. Сообщений: 10700 |
|
|
На: datasets::Nd fractal noise
Добавлено: 20 мар 18 18:12
Изменено: 20 мар 18 19:23
|
возникла задача, обратная к обратной и чего ж это такое метазагадочное может быть? вот так по-фрактальнее
|
|
|
|
На: datasets::Nd fractal noise
Добавлено: 21 мар 18 6:22
|
Автор: гость
Первое что приходит в голову это сложить кучу синусов с рандомными периодом и фазой, оно конечно будет тайлиться достаточно быстро, но как для датасета который будет юзать только ограниченный кусок, вполне должно сойти и считаться такое очень быстро будет |
|
да, это вероятно было бы, самое удобное решение, нужно попробовать, спасибо!
|
|
|
|
На: datasets::Nd fractal noise
Добавлено: 21 мар 18 6:28
|
Автор: NO. возникла задача, обратная к обратной и чего ж это такое метазагадочное может быть?
|
|
Поясните что Вы имеете в виду Автор: NO. вот так по-фрактальнее
|
|
не сказал бы, вы наоборот добавили регулярной текстуры к шуму, весь смысл сделать функцию от пространства дающую заданную степень соотношения шумность\регулярность, но которая не содержит специфических структур, как например многомерный xor, простые гармоники и тп. под которые классификаторы "эксклюзивно" подстраиваются, а затем на "естественных" данных они дают иной как правило более худший результат.
|
|
|
|
На: datasets::Nd fractal noise
Добавлено: 21 мар 18 7:59
|
Отлично! По методу гостя 93.115.86.* получается почти сразу достаточно приемлемый результат: Думаю если подхимичить с деформацией пространства до его гармонической обработки, получится совсем конфетка.
|
|
|
|
На: datasets::Nd fractal noise
Добавлено: 21 мар 18 16:31
|
Автор: Дмитрий Пагода
Думаю если подхимичить с деформацией пространства до его гармонической обработки, получится совсем конфетка. |
|
Не думаю что это необходимо(если я правильно понял мысль), у Вас вышло совсем неплохо, единственное что бросается в глаза это высокие амплитуды высокочастотных гармоник, нужно поиграть с распределением гармоник по частоте, вероятно низкочастотных должно быть больше и у высокочастотных и\или у высокочастотных уменьшить коэфициенты, та как именно от них "палево", чем выше частота тем сильней вероятней не желательный тайлинг. PS: ИМХО для тех целей что Вы озвучили, Ваш тукуший результат вполне приемлемый
|
|
|
NO. Сообщений: 10700 |
|
|
На: datasets::Nd fractal noise
Добавлено: 21 мар 18 19:04
|
У Вас есть некая модель классификатора. И видимо метод нахождения его параметров по датасету. Обученный для каждой точки пространства сообщает к какому классу она принадлежит. Теперь без всякого обучения просто забейте случайные значения в параметры. И как обычно выполняйте, он для всех точек картинки выдаст яркость.
На картинке кстати ничтожно редкое распределение. И очень простое. В большом масштабе есть информация, а локально оси сильно скоррелированы, для такого вида датасета число размерностей значения не имеет.
|
|
|
|
На: datasets::Nd fractal noise
Добавлено: 22 мар 18 2:02
|
93> единственное что бросается в глаза
бросается в глаза явная анизотропия массива - диагональные 'шрамы'. А чем плохо для начала просто задать несколько ядер плотности а потом размыть границы какими-нибудь размывающими локальными операторами (и пройти несколько раз разными операторами).. можно совместить размывание с процедурой организации эффекта 'послойности' (областей с выравниванием тона)..
|
|
|
NO. Сообщений: 10700 |
|
|
На: datasets::Nd fractal noise
Добавлено: 22 мар 18 16:42
|
в многомерном эти "шрамы" будут еще сильнее, нужно складывать квадраты
На многомерный датасет такого вида все равно памяти не хватит, размазывать будет просто негде. И не сказано насколько многомерный, 4 это одно, а 40000 совсем другое.
|
|
|
|
На: datasets::Nd fractal noise
+1
Добавлено: 24 мар 18 15:16
|
Автор: Дмитрий Пагода
Отлично! По методу гостя 93.115.86.* получается почти сразу достаточно приемлемый результат:
Думаю если подхимичить с деформацией пространства до его гармонической обработки, получится совсем конфетка. |
|
эта картинка 2д проекция многомера или чисто 2д? Полагаю чтобы в чисто 2д такое получить нужно не менее нескольких сотен гармоник, возможно под тысячу, могу ошибиться но чтобы в проекции на 2д от многомера получилась такая же плотность, количество гармоник придется растить по степенному закону, даже 10д это уже не вычислить в разумных пределах времени, так что вариант гостя 93.115.86.* не катит.
|
|
|
|
На: datasets::Nd fractal noise
Добавлено: 25 мар 18 8:36
|
Автор: Калитеран
эта картинка 2д проекция многомера или чисто 2д? Полагаю чтобы в чисто 2д такое получить нужно не менее нескольких сотен гармоник, |
|
Не так все грустно. Для чистого 2D эта картинку можно сгенерировать взяв 2-мерный спектр белого шума. По крайней мере на вид очень похоже.
|
|
|
|
На: datasets::Nd fractal noise
Добавлено: 26 мар 18 8:02
|
Автор: dr2chek
Не так все грустно. Для чистого 2D эта картинку можно сгенерировать взяв 2-мерный спектр белого шума. По крайней мере на вид очень похоже. |
|
это так, но для 2д есть эвристические алгоритмы например "перлин нойс" и тп. которые используют в графике, я так понял топикстартер начал с них и попытавшись адаптировать для N измерений столкнулся с проблемами быстрого роста вычислений, однако вариант с рандомной суперпозицией волн страдает той же проблемой, так что проблема не решена, таким способом. PS Я решал такую задачу, но так сказать "инженерным" способом, он слабо зависит от количества измерений, пока не буду рассказывать, может кто придумает что то более оригинальное, чтобы не останавливать творческий поиск, на частном "притянутом за уши" решении, потом расскажу, если не решится задача.
|
|
|
|