Vzporedno programiranje z MPI

z
Peter Pacheco


Vzporedno programiranje z MPI je osnovni uvod v programiranje vzporednih sistemov, ki uporabljajo knjižnico razširitev MPI 1 C in Fortran. Namenjen je za uporabo študentov in strokovnjakov z nekaj znanja o programiranju konvencionalnih, enoprocesorskih sistemov, vendar imajo malo ali nič izkušenj pri programiranju večprocesnih sistemov. To je obsežna revizija in širitev Uporabniški priročnik za MPI.

Kazalo.

Predgovor.

Informacije o pridobitvi kopije knjige lahko dobite pri založbi Morgan Kaufmann Publishers Inc.

Izvorno kodo lahko prenesete za vse programe v knjigi. Koda je na voljo v C (posodobljeno 2000/01/23) ali Fortran (posodobljeno 2000/08/23). Te datoteke so bile ustvarjene s tarifo komunalnih storitev Unix in stiskanjem. Če imate težave z razpakiranjem, lahko najdete nekaj pomoči tukaj.

Errata (posodobljeno 2002/10/16) in opombe (posodobljeno 2008/06/01) bodo objavljene na spletu takoj, ko bodo na voljo.

Izvajanje MPI

Obstaja več prosto razpoložljivih implementacij MPI, ki delujejo na različnih platformah:

Več o MPI

Dodatne informacije o MPI so na voljo iz različnih virov. Standard MPI 1.1 je na voljo v postscriptu, stisnjenem postscriptu, PDF-ju in html-ju.

Spletna stran MPI foruma ima povezave do vseh dokumentov MPI, napak in arhivov sestankov foruma.

Obstaja spletna stran, posvečena MPI v Argonne National Lab.

Spletna stran Beowulf in poštni seznam je še en dober vir informacij o MPI.

Če imate vprašanja o MPI, na katere ni odgovorjeno nobeno od teh spletnih mest, lahko poskusite objaviti svoje vprašanje v novičarski skupini MPI.

Obstaja tudi nekaj drugih knjig, posvečenih v celoti ali delno MPI:

MPI-2

Dokumenti MPI-2 so na voljo na spletni strani MPI Foruma. Ti dokumenti so na voljo v postscriptu, stisnjenem postscriptu in html-ju. Obstaja spremljevalni obseg uporabe MPI, Uporaba MPI-2, William Gropp, Ewing Lusk in Rajeev Thakur. Obstaja tudi drugi obseg MPI: Popolna referenca, William Gropp, Steven Huss-Lederman, Andrew Lumsdaine, Ewing Lusk, Bill Nitzberg, William Saphir in Marc Snir. To je namenjeno MPI-2.

C + +

Če želite uporabiti MPI z objektno orientiranim jezikom, ima poročilo MPI-2 vezave za C + +, čeprav so zdaj zastarele.

 

Tu lahko najdete izvirno objavo v angleščini: http://www.cs.usfca.edu/~peter/ppmpi/

Analiza komutativnosti

Povzetek

 

Vzporedni stroji ponujajo obljubo o znatnem povečanju zmogljivosti, saj omogočajo več procesorjev hkrati izvajati različne dele računanja. Programatorji so tradicionalno razvili aplikacije za vzporedne stroje, ki uporabljajo eksplicitno vzporedne jezike. Za razliko od serijskih programskih jezikov, eksplicitno vzporedni jeziki predstavljajo kompleksen programski model, za katerega so značilni takšni pojavi kot zastoj, nedeterministična izvedba in na strojih, ki prenašajo sporočila, potrebo po neposrednem upravljanju gibanja podatkov z računanjem. Očitne prednosti programiranja sekvenčne imperativnega programskega paradigma so zato navdihnile razvoj analiznih tehnik in prevajalnikov, ki so avtomatično vzporedni s serijskimi programi.

Tekoči vzporedni prevajalniki ohranjajo semantiko izvirnega serijskega programa, tako da ohranijo podatkovne odvisnosti. Ti prevajalniki poskušajo identificirati neodvisne dele računanja (dva dela računanja sta neodvisni, če ne piše podatkov, ki jih drugi dostopa), nato pa ustvarjajo kodo, ki hkrati izvaja neodvisne elemente. Pomembna omejitev tega pristopa je težava opravljanja analize odvisnosti, ki je dovolj natančna, da razkrije znatne količine vzporednosti. Medtem ko so raziskovalci lahko razvili razumno učinkovite algoritme za zanke, ki manipulirajo z gostimi matricami z uporabo afinitetnih funkcij dostopa, je bil dosežen majhen napredek pri uspešni avtomatični analizi programov, ki manipulirajo na podatkovnih strukturah, ki temeljijo na kazalcu. Raziskovalci so poskušali zgraditi popolnoma avtomatske sisteme, vendar najbolj obetavni pristopi zahtevajo od programerja, da zagotovi opombe, ki določajo informacije o globalni topologiji manipuliranih podatkovnih struktur. Druga, bolj temeljna omejitev pristopov, ki temeljijo na podatkih, je nesposobnost, da se izračuni, ki manipulirajo z grafičnimi strukturami podatkov, paralelirajo. Pomenki, ki so prisotni v teh podatkovnih strukturah, onemogočajo statično odkritje neodvisnih kosov kode, s čimer se prevajalnik generira serijska koda. Nazadnje, ohranjanje podatkovnih odvisnosti za programe, ki redno posodabljajo strukture podatkov v skupni rabi, lahko umetno omejijo količino izpostavljene vzporednosti, ker naloge morajo odložiti posodobitve, dokler niso prepričani, da vsaka posodobitev ne bo spremenila relativnega reda bral in zapisala v podatkovno strukturo v skupni rabi .

Analiza komutativnosti je okvir statične analize za odkrivanje komutacijskih operacij. Dve operaciji premikata, ko ustvarjajo enake rezultate, ne glede na vrstni red, v katerem jih izvajajo. Analiza komutativnosti odpravlja številne omejitve obstoječih pristopov, ki temeljijo na podatkih. Namesto ohranjanja relativnega reda posameznih branij in zapisov na posamezne besede pomnilnika, analiza komutativnosti agregira podatke in računanje v velike enote zrn. Nato statično analizira izračun na tej granularnosti, da odkrije, kdaj se deli računanja premikajo, tj. Ustvarjajo enake rezultate, ne glede na vrstni red, v katerem jih izvajajo. Če so vsi postopki, potrebni za izvedbo določenega računanja, prevajalnik samodejno ustvari vzporedno kodo. Medtem ko vzporedni program, ki je posledica tega, lahko krši podatkovne odvisnosti prvotnega serijskega programa, še vedno zagotavlja enak rezultat.

Ta pristop ima več zanimivih lastnosti. Ker se analiza komutativnosti ne zanaša na informacije o topologiji manipuliranih podatkovnih struktur, prevajalnik, ki uporablja analizo komutativnosti, ni treba analizirati delov kode, ki gradijo podatkovno strukturo. Analiza komutativnosti je zato primerna za nepopolne izračune, kot so aplikacije, ki manipulirajo s trajnimi podatki (npr. Objektno usmerjene aplikacije baz podatkov) ali aplikacije, ki manipulirajo z geografsko razpršenimi podatki (npr. Mobilne izračune v svetovnem spletu). V teh primerih koda, ki je prvotno zgradila podatkovno strukturo, morda ni na voljo ali morda ne bo več. Analiza komutativnosti je še posebej primerna za izračune, ki manipulirajo z grafi. To je pomemben vidik analize komutativnosti, saj so izračuni, ki manipulirajo s temi podatkovnimi strukturami, sami po dosegu analize podatkovne odvisnosti.

Vzeli smo sistemsko usmerjen pristop, ki je ocenil sposobnost analize komutativnosti, da bi v celoti izkoristil in izkoristil znatne količine vzporednosti v celotnih aplikacijah. Izdelali smo vzporedni prevajalnik, ki uporablja analizo komutativnosti kot svojo glavno paradigmo analize. Ta prevajalnik ima kot vhod neenotiran zaporedni program, zapisan v podmnožici C + + in generira vzporedno kodo za multiprocesor v skupni pomnilnik. S pomočjo tega vzporednega prevajalnika samodejno vzporedimo več aplikacij, vključno s kodo za reševanje Barnes-Hut N-body, simulacijsko kodo za tekočo vodo in seizmično modelno kodo. Pri vseh teh aplikacijah, analiza komutativnosti lahko razkrije znatno količino vzporednosti in ustvarjena vzporedna koda kaže zelo dobre rezultate. Na 16 procesorjih samodejno vzporedna različica Barnes-Hut teče med 11 in 12-krat hitrejšo od prvotne zaporedne različice; za aplikacijo za simulacijo vode samodejno vzporedna različica poteka med 7 in 8-krat hitrejšo od prvotne zaporedne različice; za aplikacijo seizmičnega modeliranja samodejno vzporedna različica poteka približno 12-krat hitrejša od prvotne zaporedne različice.

Ti poskusni rezultati so zelo spodbudni. Te aplikacije so zelo dinamične narave – bodisi manipulirajo s sofisticiranimi podatkovnimi strukturami na kazalniku ali kažejo zelo nepravilne vzorce dostopa do podatkov. Izkoriščanje grobega paralelizma v aplikacijah s temi značilnostmi je bilo prepoznano kot zelo težka težava. Ne poznamo nobene druge metode prevajanja ali kompilacije, ki bi lahko izrabila znatne količine vzporednosti za te izračune. Poleg tega pozitivni eksperimentalni rezultati vsebujejo konkretne dokaze o praktičnem pomenu analize komutativnosti kot tehnike za avtomatske vzporedne prevajalce.

 


Sorodne publikacije

 

Original: https://www.isi.edu/~pedro/CA/commutativity.html

Zgodovinsko začetno

To je lepo, zgodovinsko začetno pismo z začetka pesmi pesmi v latinskem Bibliju v 12. stoletju. Sveto pismo je zdaj v knjižnici katedrale Winchester.

Latinsko besedilo, ki spremlja začetno, je v tem obdobju precej standardno.

Eksplicitno lib (er) qui vocat Ecclesiastes. Tu se konča knjiga, ki jo je imenoval Ecclesiastes.
Vključi (it) lib (er) qui appellatur hebraice Syr asyrim, latinsko Cantica Canticorum. Tu se začne knjiga, ki se imenuje v hebrejščini “Shir hashirim”, v latinščini “Pesmi pesmi”.
Vox ecclesi(a)e desiderantis adventum Chri(sti). Glas cerkve, ko hrepeni po prihodu Kristusa.

Osvetlitev je naslikana v zlati “O” v sorazmerno subtilnih barvah in v slogu, podobnem svetlim slikam srednjega veka v Evropi. Beseda “osvetlitev” v tem kontekstu se nanaša na način, kako slika osvetli stran.

V srednjem veku se uporabljajo številne razlicne vrste osvetljevanj, ki zgodovino odpirajo pismo Pesmi. Ta primer pripada veliki skupini, v kateri sta Kristus in Cerkev zastopana skupaj, ne da bi se sprejeli ali poljubili. To je sklicevanje na skupno interpretacijo pesmi, v kateri sta oba ljubitelja razumeta, da predstavljata Kristusa in njegovo nevesto, Cerkev.

Upoštevajte, da sta oba moška in ženska kronirana in ustoličena, in vsak pogled na drugega. Kralj ima fosilni žezlo, kraljica pa ima listnat okras.

Osvetlitev je na foliji 270. Številka tega osvetlitve v indeksu krščanske umetnosti Princeton University je 32 / W7 / LC1.C.270B.

Znamenitosti in zvoki pesmi pesmi

 

Odvzet od : http://ccat.sas.upenn.edu/~jtreat/song/270.html

uWave: Priznavanje gibov na podlagi pospeška

uWave je prepoznavnik gesta, ki temelji na 3-D merilniku pospeška. To je bil projekt Rice Efficient Computing Group (RECG) univerze Rice v sodelovanju z Motorola Labs v 2007/08. Ko sem bila študentka na Univerzi Rice, sem postala raziskovalna asistentka skupine in prevzela vodenje projekta uWave. Hidden Markov modelu (HMM), ki je bil priljubljen v govoru, in nekaj gestnih priznanj nismo uporabili, saj zahteva veliko število vzorcev usposabljanja, kar pogosto povzroča neprijetnosti v interakciji med človekom in računalnikom. Na prepoznavniku sta bila uporabljena algoritem dinamičnega časovnega upora (DTW) in prilagajanje predloge. Točnost doseže 98,6% in zahteva samo en vzorec usposabljanja. Prav tako omogoča uporabnikom, da uporabijo prilagojene poteze. Bil sem odgovoren za načrtovanje in razvoj algoritma DTW na prepoznavniku gesta in delu študije uporabnikov o testiranju in izboljšavi natančnosti.

Članki konference in časopisov

  • Jiayang Liu, Lin Zhong, Jehan Wickramasuriya in Venu Vasudevan, “uWave: osebno prepoznavanje kretnice na osnovi pospeška in njene aplikacije” v Pervasive and Mobile Computing, vol. 5, številka 6, str. 657-675, december 2009. (Link)
  • Jiayang Liu, Lin Zhong, Jehan Wickramasuriya in Venu Vasudevan, “Uporabniška ocena lahkih uporabniških avtentikacij z enim triosnim merilcem pospeška” v Proc. ACM Int. Conf. Interakcija človekovega računalnika z mobilnimi napravami in storitvami (MobileHCI), september 2009. (PDF)
  • Jiayang Liu, Zhen Wang, Lin Zhong, Jehan Wickramasuriya in Venu Vasudevan, “UWave: personalizirano prepoznavanje kretnic na podlagi pospeška in njene aplikacije” v IEEE Int. Conf. Pervasive Computing in komunikacija (PerCom), marec 2009. (PDF, Demo) (nagrada za najboljšo knjigo)

Razširjeno povzetek in tehnično poročilo

  • Jiayang Liu, Zhen Wang, Lin Zhong, Jehan Wickramasuriya in Venu Vasudevan, “UWave: personalizirano prepoznavanje kosti na podlagi pospeška-merila”, razširjeni povzetek za simpozij ACM za programsko opremo in tehnologijo uporabniških vmesnikov (UIST), oktober 2008. (PDF, Demo)
  • Jiayang Liu *, Zhen Wang *, Lin Zhong, Jehan Wickramasuriya in Venu Vasudevan, “uWave: osebno prepoznavanje kretnice na podlagi pospeška,” Tehnično poročilo TR0630-08, Univerza Rice in Motorola Labs, junij 2008. (PDF) (* Enako prispevek)

Knjižnica s kretnjami

Podatki o pospeševanju 4480 vzorcev gesta se zberejo od osmih udeležencev sedem dni. Več podrobnosti najdete v naši PerCom papir.
Readme za avtorske pravice in licenco ter organizacija knjižnice.
Prenesite knjižnico tukaj.

Izvorna koda z njimi povezanih aplikacij
Readme za avtorske pravice in licenco.

  • uWave on Mac – program na Mac zbira podatke iz daljinskega upravljalnika Wii in omogoča prepoznavanje kretenj. Nato pošlje rezultat v vrata TCP, tako da lahko katera koli aplikacija, ki uporablja prepoznavanje gesta, posluša vrata in reagira.
  • Moto Q Media Player – uWave lahko uporabite za nadzor predvajalnika medija na Moto Q.
  • Moto Q 3D Tvlicious – 3D vmesnik za Tvlicious na Moto Q.

Zgoraj 3 aplikacije pokličete uWave.h in uWave.c

Demo Video v YouTubu

Predstavitev si lahko ogledate tudi na YouTubu: http://www.youtube.com/watch?v=rrZfLAfeZww

 

 

Za izvirno angleško besedilo pojdite na: http://www.ruf.rice.edu/~mobile/project_uwave.html

 

 

 

Uvod v matematično programiranje

z
Russell C. Walker

 

 

 

 

To besedilo je mehko kritje, spiralno vezana, prilagojena objavljena različica besedila s trdim pokrovom istega imena. To ali njegov predhodnik s trdimi platnicami je bilo že več kot 10 let v programu Business Administration v Carnegie Mellon. To je edino besedilo za modele in metode optimizacije in eno od besedil za multivariatno analizo.

V različici po meri je prišlo do več izboljšav, ki je zdaj v tretji izdaji:

  • Dva odseka o matrični razlagi simbolnega algoritma sta dodana. Ti vodijo do večjega razumevanja algoritma simpleksa in zmožnosti dodajanja spremenljivke linearnemu programu, če je znana optimalna tabela, ne da bi morali ponovno rešiti težavo.
  • Dodan je razdelek o numeričnem iskanju maksimuma.
  • Vaje so bile dodane.
  • Dodana je bila prilagoditev transportnega modela za rešitev problema pretovarjanja.
  • Dodana je bila razprava o alternativnih omejitvah z aplikacijo za zaporedje delovnih mest.
  • Dodatek o uporabi Solverja v Excelu je nadomestil tisti, ki je na grafičnih kalkulatorjih.
  • Napake so bile odpravljene in izboljšanje oblikovanja.
  • Dodatek z rešitvami čudnih težav je končan.
  • Dodatek, ki vsebuje rešitve za celo število oštevilčenih problemov, in študije primerov iz poglavja 10, je zaključen in je na voljo od avtorja kot datoteko s 125 strani pdf.

Besedilo lahko naročite tako, da se obrnete na avtorja: rw1k AT andrew DOT cmu DOT edu ali Amazon.

 

Kazalo vsebine in povzetki poglavja:

Poglavje 1: Uvod v težave
Oddelek 1.1 Uvod str. 1
Oddelek 1.2 Vrste težav, ki jih je treba upoštevati str. 3
Oddelek 1.3 Problemi z vzorcem str. 6
Oddelek 1.4 Grafična rešitev linearnih programov str. 17
Oddelek 1.5 Povzetek in cilji str. 26
V prvem poglavju je podana raziskava vrst problemov, ki jih je treba obravnavati, da bi označili možne aplikacije.
V nekaterih primerih je naveden prispevek rešitve k organizaciji, da se poudari pomen teh spretnosti. Problemi vzorca v tretjem delu kažejo linearno strukturo, ki je vključena v večino modelov, ki jih obravnavamo, in vprašanja, povezana z modelno formulacijo. Zaključni razdelek predstavlja grafični pristop k reševanju dveh spremenljivih linearnih programov.
Poglavje 2: Vektorji in matrike
Oddelek 2.1 Uvod str. 28
Oddelek 2.2 Vektorji str. 29
Oddelek 2.3 Razpon množice vektorjev str. 34
Oddelek 2.4 Matrike str. 38
Oddelek 2.5 Linearna neodvisnost str. 48
Oddelek 2.6 Sistemi enačb str. 54
Oddelek 2.7 Inverzna matrika str. 68
Oddelek 2.8 Povzetek in cilji str. 77
To poglavje razvija matrično algebro, potrebno za obravnavo linearnih problemov.
Razdelek 2.5 je pomemben, saj obstaja linearno neodvisen niz vektorjev, ki ustrezajo vsaki osnovni raztopini v simpleksnem algoritmu. Razprava o linearni neodvisnosti vključuje nekatere principe osnovnega matematičnega sklepanja, ki jih mora razumeti vsak študent, ki je študiral matematiko. Te ideje se nato uporabijo pri dokazovanju predlogov glede linearne neodvisnosti.
Razdelek o sistemih enačb je pomemben, ker so uporabljene vrste vrstic enake tistim, ki so kasneje potrebne v algoritmu simpleksa.
Matrični inverzi so razpravljeni, vendar so potrebni le v vajah oddelka 3.3 in v oddelkih 4.4 in 4.5.
Poglavje 3 Linearno programiranje
Oddelek 3.1 Uvod str. 81
Oddelek 3.2 Spremenljive spremenljivke str. 83
Oddelek 3.3 Simbolni algoritem str. 89
Oddelek 3.4 Osnovne izvedljive rešitve in ekstremne točke str. 101
Oddelek 3.5 Primeri priprave str. 112
Oddelek 3.6 Splošne omejitve in spremenljivke str. 128
Oddelek 3.9 Povzetek in cilji str. 142
Osrednja tema v besedilu je linearno programiranje.
Razdelki 3.2 in 3.3 razvita simpleksni algoritem.
V razdelku 3.4 ugotovimo, da je algoritem simpleksa pravilen.
Razdelek 3.5 obravnava oblikovanje problemov in je posebej pomemben za tiste, ki jih najbolj spodbujajo aplikacije.
Oddelek 3.6 razširja simpleksni algoritem na težave z nestandardnimi omejitvami ali nepodpisanimi spremenljivkami.
Poglavje 4 Duality and Post Optimal Analysis
Oddelek 4.1 Uvod str. 144
Oddelek 4.2 Dvotirni in zmanjśajni problemi str. 1445
Oddelek 4.3 Analiza občutljivosti str. 166
Oddelek 4.4 Nastavitev matrike za simpleksni algoritem str. 186
Oddelek 4.5 Dodajanje spremenljivke str. 192
Oddelek 4.6 Povzetek in cilji str. 198
Razdelek 4.2 obravnava rešitev problemov zmanjševanja z uporabo povezanega problema dvojnega povečanja. Moč linearnega programiranja kot vodstvenega orodja je prikazan v primeru, ki pomaga motivirati razpravo o analizi občutljivosti v oddelku 4.3. Razdelek 4.4 podrobneje obravnava linearno algebro, vključeno v simpleksni algoritem, v oddelku 4.5 pa se uporablja linearna algebra, da se pokaže, da se spremenljivki lahko dodajo v rešeni linearni program, ne da bi ga bilo treba ponovno rešiti.
Poglavje 5 Omrežni modeli
Oddelek 5.1 Uvod str. 200
Oddelek 5.2 Problem transporta str. 206
Oddelek 5.3 Metoda kritične poti str. 231
Oddelek 5.4 Najkrajši modeli poti str. 254
Oddelek 5.5 Minimalna drevesa str. 261
Oddelek 5.6 Največji tok p. 276
Oddelek 5.7 Povzetek in cilji str. 284
Poglavje 5 obravnava šest težav v omrežju: problem prevoza, težave s pretovarjanjem, metoda kritične poti, najkrajša pot problemov, minimalna drevesa in največji pretok. Vzorci modelov v podjetju LINGO in LINDO so na voljo. Razprave o najkrajših poteh in minimalnih vpetih drevesih zahtevajo nekaj uvoda v teorijo grafov. Učinkovitost in pravilnost algoritma sta tudi uvedena in upoštevana pri minimalnih algoritmih za razširjanje dreves.
Poglavje 6 Neomejena ekstrema
Oddelek 6.1 Uvod str. 287
Oddelek 6.2 Iskanje ekstremov str. 288
Oddelek 6.3 Model velikosti serije in konveksnost str. 294
Oddelek 6.4 Lokacija ekstremov v dveh spremenljivkah str. 307
Oddelek 6.5 Približevanje najmanjših kvadratov str. 317
Oddelek 6.6 Primer n-spremenljivke str. 323
Oddelek 6.7 Numerično iskanje str. 329
Oddelek 6.8 Povzetek in cilji str. 337
V tem poglavju razpravljamo o klasičnih tehnikah optimizacije. Potrebno je nekaj znanja o diferencialnem računu. Konveksnost se razpravlja v povezavi s problemom količine gospodarskega reda in upravljanjem zalog. Oddelek je namenjen za namestitev krivulje najmanjših kvadratov. Obstaja razprava o teoriji, na kateri temelji optimizacija, in tudi uvod v uporabo Maple za reševanje problemov optimizacije. Uvedene so tudi numerične tehnike iskanja.
Poglavje 7 Omejeno Extrema
Oddelek 7.1 Uvod str. 339
Oddelek 7.2 Dve spremenljivi problemi str. 346
Oddelek 7.3 Več spremenljivk; več omejitev str. 352
Oddelek 7.4 Težave z omejitvami neenakosti str. 362
Oddelek 7.5 Problem s konveksnim programiranjem str. 372
Oddelek 7.6 Ponovno pregledano linearno programiranje str. 389
Oddelek 7.7 Povzetek in cilji str. 392
To poglavje razširja razpravo, ki se je začela v prejšnjem, na težave, pri katerih je rešitev podvržena omejitvam. Ključna izreka je izrek Karuš-Kuhn-Tuckerja za reševanje konveksnih problemov. Glavne predstavljene aplikacije so zmanjšanje stroškov kartonske škatle, maksimiranje uporabnosti, zmanjšanje stroškov zamenjave opreme in izbiro naložbenega portfelja, da se doseže sprejemljiv donos z minimalnim tveganjem. Poglavje se zaključi s pogledom na linearno programiranje kot poseben primer konveksnega programiranja.
Poglavje 8 Celotno programiranje
Oddelek 8.1 Uvod str. 394
Oddelek 8.2 Problem s hitrostjo str. 397
Oddelek 8.3 Dvostopenjski algoritem str. 406
Oddelek 8.4 Dodajanje omejitve str. 415
Oddelek 8.5 Podružnica in povezana za celo število programov: str. 422
Oddelek 8.6 Modeli programiranja osnovnih celih številk str. 429
Oddelek 8.7 Problem prodajalca potnika str. 452
Oddelek 8.8 Povzetek in cilji str. 466
Algoritmi, povezani s podružnicami, so osrednjega pomena za to temo. Najprej se šteje, da je problem hackback-a predstavljen z vejico in vezano metodo.
Dvojni simpleksni algoritem je nato razpravljal in nato uporabljen za ponovno optimizacijo rešenega problema, potem ko je bila dodana omejitev. Nato je osnova pristopa, ki je povezana z vejstvom in reševanjem integriranih programov.
Nato se razpravlja o različnih modelih celostnega programiranja, poglavje pa se zaključi s pristopom k veščini potujočega prodajalca.
Poglavje 9 Uvod v dinamično programiranje
Oddelek 9.1 Uvod v rekurzijo str. 468
Oddelek 9.2 Najdaljša pot str. 476
Oddelek 9.3 Problem transporta fiksnih stroškov str. 479
Oddelek 9.4 Več primerov str. 484
Oddelek 9.5 Povzetek in cilji str. 491
Težave, za katere je rešitev mogoče doseči z zaporedjem neodvisnih odločitev, se pogosto lahko reši z dinamičnim programiranjem. Dinamično programiranje zahteva uvod v rekurzijo. To vodi do kratkega izleta skozi stolpe Hanoja, številke Fibonacci in binomsko širitev. Razpravljali o aplikacijah so najdaljša težava, ki je podobna določanju najzgodnejših časov v modelu CPM, problemu s fiksnimi stroški in problemu nalaganja tovora. Prav tako se vrnemo k problemu potujočega prodajalca in preiskujemo računalniški izziv tega problema.
Poglavje 10 Študije primerov
Oddelek 10.1 Pripomoček Pripomoček Pripomoček str. 494
Oddelek 10.2 Možnost prodaje pohištva str. 501
Oddelek 10.3 Garderobne omare za zgradbo str. 502
Oddelek 10.4 Kmetija McIntire str. 503
Oddelek 10.5 Valji za pijače str. 504
Oddelek 10.6 Knjige na počitnicah str. 506
Oddelek 10.7 V slepo zaupanje str. 508
Oddelek 10.8 Davki Maxovi str. 509
Oddelek 10.9 Oskrba z omrežjem str. 510
Poglavje 10 predstavlja nekaj več odprtih problemov, primernih za daljše naloge in skupinske projekte. Rešitve primerov in predlogov za njihovo uporabo v razredih so na voljo avtorjem v priročniku za rešitve.

Metode, potrebne za njihovo rešitev, so linearno programiranje, celovito programiranje, kritično upravljanje poti in nelinearna optimizacija.

Dodatek Kratek uvod v LINDO in LINGO
Oddelek A.1 LINDO p. 512
Oddelek A.2 LINGO p. 516
Program LINDO je izjemno uporaben pri reševanju linearnih programov, vključno s tistimi z integriranimi omejitvami. Primeri uporabe so predstavljeni skupaj z uporabo osnovnih ukazov.
LINGO je povezan paket, ki omogoča reševanje nelinearnih problemov. Kot jezik modeliranja je LINGO še posebej uporaben za njegovo sposobnost učinkovito izražanja težav s ponavljajočimi se omejitvami.
Dodatek B A Kratek uvod v Maple
Oddelek B.1 Osnove str. 521
Oddelek B, 2 Uporaba paketov str. 525
Simbolična računalniška programska oprema Maple je lahko zelo uporabna, zlasti pri reševanju klasičnih problemov optimizacije, kot so predstavljene v poglavjih 5 in 6, kot tudi pri izračunih matrik, prilagajanju krivulj, reševanju linearnih programov in reševanju mrežnih modelov.
Dodatek C Uporaba programa Excel Solver
Oddelek C.1 Osnovni primer str. 533
Oddelek C.2 Dva primera omrežja str. 539
Oddelek C.3 Dva nelinearna primera str. 543
Preglednica Excel vključuje dodatek Solver, ki je izjemno uporaben pri linearnih težavah z optimizacijo. Zagotavlja se kratek uvod v Solver z nekaj primeri njegove uporabe.
Dodatek D Izbrani odgovori in nasveti str. 546 Tukaj so navedeni odgovori na vse lahke probleme. Rešitve za celo oštevilčene težave so na voljo pri avtorju v datoteki pdf.

Literatura str. 585

Indeks str. 588

 

Izvirni članek: http://www.math.cmu.edu/~rw1k/rw1k_extra/thrdbook.html

RE- Orodja Večnacionalna za orodje za modeliranje zahtev

Glavni

9. september 2016 Glejte tukaj za v.3.0.2 opombe k izdaji.
Kliknite tukaj za prenos.

RE-Tools je orodje za modeliranje modelov odprtokodnih potreb, ki podpira naslednje oznake:

  • Okvir NFR za modeliranje nefunkcionalnih zahtev (NFR)
  • I * okvir za agenta usmerjeno modeliranje
  • KAOS za oblikovanje formalnih ciljev
  • Problem Okvirji za poslovne in sistemske zahteve ter modeliranje specifikacij
  • BPMN za modeliranje poslovnih procesov
  • UML za objektno orientirano modeliranje

Spodaj je kratek video posnetek.

Povzetek plakata je na voljo tukaj.

Navedba:

Sam Supakkul in Lawrence Chung, “RE-Tools: večnacionalne zahteve modeliranje Toolkit,” zahteve Engineering konferenco (RE) 2012, 20. IEEE International, IEEE, 2012.

 

Vir: http://www.utdallas.edu/~supakkul/tools/RE-Tools/index.html

Layered Omrežje Pajk

Layered Omrežje Pajki

za vizualizacijo vaših povezav s svetom

 

“Ljudje lahko včasih delajo samo na petih ravneh hkrati, ko moramo ravnati šest.
Priznanje, kje se bo to pojavilo, bi lahko pomagalo pri premikanju mimo nje. ” (Orcim Namuh, 2007)

[Interaktivni kalkulator]

Če delite svojo budnost pozorno glede na obseg njegovega poudarka navznoter ali navzven glede na tri fizične meje (koža, genski bazen in kultura), je zanimiv način prikaza rezultata v obliki spodnjega obraza, prikazanem spodaj . Izstopno središče črne pike (pajka) označuje individualno pristranskost glede na različne lestvice velikosti, medtem ko sive črte (mreža) označujejo del pozornosti, ki jo ta oseba zanima (in je povezana z močjo njihovih osredotočiti na?) korelacije na vsaki od šestih ravni. Objektivno določanje teh številk za populacijo posameznikov je ločena zgodba, čeprav lahko vsakdo verjetno oceni, koliko svojih zadnjih sto ur je vključevalo osredotočenje na sebe, prijatelje, družino, skupnost / konsenz, kulturo / prepričanje in poklic / opazovanje, kot je prikazano spodaj.

Barva številk odraža poudarek na notranjih (modrih) in zunanjih (rdečih) žariščih. Na primer, čeprav sta obe plati spodaj uravnoteženi glede na obseg osredotočenosti, je osredotočanje posameznika na levo spodaj neutrudno gledano navznoter glede na kožo, družino in kulturo, medtem ko je osredotočenost posameznika na Desno je navzven usmerjeno. V tem smislu te parcele spominjajo na starodavno razlikovanje med yinom in jangom, tj. Med negovalcem in avanturistom. Prav tako predlagajo, da bi morda morali dati ljudem odmor v današnjem svetu, če hočejo biti tako negovalec kot pustolovec glede na vse tri sloje organizacije hkrati!

Na ploskvi desno spodaj je razvidno, kako delitev dela, npr. med velikimi gametami (pastelnimi) in metazoanimi majhnimi gameti, se lahko uporabijo za zmanjšanje povprečne slojevske množice Zavg, medtem ko se načeloma ohranja zgornja plast z množico Zcm v bližini šestih. S pomocjo organizmov, prilagojenih posebnim nišam, da razvijejo svoje prednosti, bi seveda mogla imeti takšno specializacijo svoje prednosti, dokler se organizmi ne bi zavedali dopolnilnih pomenov vseh nalog.

Po drugi strani pa bo ta poseben primer yin-yang, ki je bil sprejet v ekstremne točke, potegnil točke do robov trikotnikov v projekcijah, tako da se bodo pustili velike prazne točke v prostoru možnih nalog. Učinki tega bi se lahko še poslabšali, če bi se ovira gibanje informiranega gibanja v dodeljevalnem prostoru, v procesu določitve delitve dela.

Tako bi lahko bilo zanimivo raziskovanje pristranskosti posameznikov in skupin glede na negovanje in pustolovščino (npr. Vsota modro-minus rdečih številk). Še pomembneje je zbiranje zgornjih številk za določeno skupnost lahko zelo praktičen interes. Najprej,, izražanje kode ki je bila obveščena o plasti organizacije na več ravneh v bioloških sistemih, je bila znova in znova bistvena za razvoj in trajnost. Drugič, tehnična področja, ki so različna, kot so termodinamika, ekonomija, antropologija in preučevanje kompleksnih sistemov, vse kažejo, da je kvantitativna merilo zdravja skupnosti so lahko ključnega pomena pri reševanju izzivov, s katerimi se danes srečujejo človeške skupnosti in v prihodnjih letih.

Vloge lahko vključujejo količinsko opredelitev nišne strukture katere koli določene skupnosti metazojev, skupaj z geografsko porazdelitvijo njenih korelacij. Takšni ukrepi bi lahko služili kot dopolnilo BDP, saj so človeške skupnosti prehod na trajnost na omejenem planetu in kot merilo za vpliv programskih odločitev in nesreč. Ti ukrepi bi morali tudi pomagati pri učinkoviti in odgovorni dekonstrukciji ekstremističnih programov, ki ne upoštevajo korelacij na ravni ali drugem nivoju.

Različna področja preiskav prav tako nakazujejo, da so povezave med posamezniki in njihovimi skupnostmi na različnih ravneh oslabljene (bodisi zaradi pomanjkanja ali s politično odločitvijo), verjetno sledijo vedenja, ki prezreti organizacijo na eni ali več od teh ravni. Si že videl kaj takega v zadnjem času? Takšne stvari se morda težko izognejo na zemlji v daleč prihodnosti, saj se naše sonce premika proti rdeči velikanski veji, vendar se je zdaj mogoče izogniti temu, da bi se bolje od nas.


Tehnična opomba št. 001: Na zgornjih ploskvah je koristno določiti ravnovesno točko (črna pika), tako da zmanjšate uteženo vsoto kvadratnih razdalj med vsakim šestougajevnim vozliščem (kot bi bila potencialna energija) ali enakovredno z nastavitvijo gradienta (Hooke’s Zakonska sila) na nič. Za uteži {p1, p2, p3, p4, p5, p6}, ki seštejejo do Σp, to daje kartezijske koordinate za ravnovesno točko x = ½ (2p1 + p2-p3-2p4-p5 + p6) in y = ½ √3 (p2 + p3-p5-p6). Te enačbe lahko uporabite tudi za lociranje koordinat heksagonalnih vertexov v krogu polmera Σp, tako da vse, razen ene od šestih uteži, nastavite na nič.


Tehnična opomba št. 002: Če želite bolje razumeti, kaj pomenijo te šest številk za posameznika, kot je prikazano spodaj, se lahko zgodi, da se pozornost posameznika osredotoči na zadnjih sto urah. Za interaktivne različice teh vizualizacij preverite java apletove za krog omrežja, zgoraj obravnavano, pita za piščance prikazano spodaj, in tristopenjsko dvojno tet predstavitev 6-spremenljivega 5-simpleksa.

Poglej tudi…

ta opomba o junij 2010 video o posodobitvah statusa pozornosti,
… to bolj splošno opombo o Bayesovem informatiki,
…in kaj še?

 

Koristna spletna stran: http://www.umsl.edu/~fraundorfp/mixednets.html

 

Kaj je umetna inteligenca?

Z
István S. N. Berkeley Ph.D.
(istvan@louisiana.edu)

Filozofija,
Univerza v Louisiani pri Lafayette

 

Zgodovinska perspektiva: vse zveni tako dobro ….

Verjetno so vsi slišali za umetno inteligenco (AI za kratko), vendar ima relativno malo ljudi resnično dobro idejo o tem, kaj pomeni izraz resnično. Za večino ljudi je AI povezana z artefakti, kot je Hal 9000 Computer v filmu 2001: Space odyssey. Takšne slike so izdelek Hollywooda, ne pa vrste stvari, ki se dejansko zgodi v raziskovalnih laboratorijih sveta danes. Moj namen je predstaviti nekaj osnovnih idej za AI in poskusiti ponuditi sredstva, s katerimi se ljudje lahko spoprimejo s trenutnim stanjem na tem področju.

V grobem govoru je umetna inteligenca preučevanje računalniških naprav in sistemov, ki jih je mogoče izdelati, in jih je mogoče narediti, da bi delovali na način, ki bi ga radi nagibali k inteligentnosti. Rojstvo polja je mogoče izslediti v zgodnjih petdesetih letih 20. stoletja. Verjetno je bil prvi pomemben dogodek v zgodovini AI objavljanje članka z naslovom “Računalniški stroji in inteligenca” britanskega matematika Alana Turinga. V tem članku je Turing trdil, da bi lahko stroj, če bi mimo določenega testa (ki je postal znan kot “test Turinga”), utemeljeno rekli, da je bil računalnik inteligenten. Turingov test vključuje človeško bitje (znano kot “sodnik”), ki prek računalniškega terminala postavlja vprašanja drugim subjektom, od katerih je ena človeško bitje, druga pa računalnik. Če sodnik redno ni pravilno ločil računalnika od človeka, potem je računalnik rekel, da je opravil test. V tem prispevku je Turing obravnaval tudi številne argumente in ugovore z idejo, da bi računalniki lahko pokazali inteligenco.

Ponavadi se domneva, da se je AI rodil kot disciplina na konferenci z naslovom “Dartmouth poletni raziskovalni projekt o umetni inteligenci“, ki jo je med drugim organiziral John McCarthy in Marvin Minsky. Na tej konferenci je sistem, znan kot LOGIC THEORIST, dokazali Alan Newell in Herb Simon. LOGIČNI TEORIST je bil sistem, ki je odkril dokaze o izrekih v simbolni logiki. Pomembnost tega sistema je bila, da je po besedah Feigenbauma in Feldmana (1963: 108) LOGIČNI TEORIST “… prvi umik umetne inteligence v intelektualne procese visokega reda”. Tem začetnemu uspehu so hitro sledili številni drugi sistemi, ki bi lahko opravljali navidezno inteligentne naloge. Na primer, sistem, znan kot “DENDRAL“, je lahko mehaniziral vidike znanstvenega razmišljanja v organski kemiji. Drugi program, znan kot “MYCIN“, je bil sposoben interaktivno diagnosticirati nalezljive bolezni.

Temeljna strategija, ki je zaostala za vsemi temi uspehi, je pripeljala do predloga, kar so leta 1976 znova poimenovali sistemska hipoteza o fizikalnem simbolu. Newell in Simon leta 1976. Sistemska hipoteza fizikalnega simbola pomeni destilacijo teorije, ki je bila za večino dela ki se je nadaljevala do tega datuma in je bila predlagana kot splošna znanstvena hipoteza. Newell in Simon (1976: 41) so zapisali;

“Sistem fizičnih simbolov ima potrebna in zadostna sredstva za splošno inteligentno delovanje.”

Čeprav je prišlo do veliko spornosti o tem, kako natančno je treba to hipotezo razlagati, iz njega izhajajo dva pomembna zaključka. Prvi zaključek je, da so računalniki fizični simbolni sistemi v ustreznem pomenu in zato obstajajo razlogi (če je hipoteza pravilna), da verjamejo, da bi morali biti sposobni prikazati obveščevalne podatke. Drugi zaključek je, da moramo biti tudi fizični simbolni sistemi, saj smo tudi ljudje tudi inteligentni, zato so v pomembnem smislu, podobni računalniku.

Trenutna perspektiva: problemi in uspehi

Z vsemi temi očitno pozitivnimi rezultati in zanimivim teoretičnim delom se zdi precej očitno vprašanje, kje so inteligentni stroji, kot je HAL 9000? Čeprav je bilo na tem področju veliko impresivnih uspehov, je prišlo tudi do številnih pomembnih težav, s katerimi se je ukvarjalo raziskave AI. Še vedno ni HAL 9000 in v realnem primeru bo dobro, preden bodo takšni sistemi na voljo, če se bodo dejansko sploh izkazali za možne.

Zgodnji uspehi v AI so raziskovalce na tem področju spodbudili, da so zelo optimistični. Na žalost je bil optimizem nekoliko napačen. Na primer, leta 1957 je Simon napovedal, da bo šele deset let za računalnik, ki bo svetovni šahovski šah. Seveda tega posebnega podviga ni bilo doseženo do letošnjega leta Temno modra sistem. Vendar obstajajo globlje težave, ki jih je AI prizadel.

Za večino ljudi, če vedo, da je predsednik Clinton v Washingtonu, potem tudi vedo, da je pravo Clintonovo koleno tudi v Washingtonu. To se lahko zdi kot nepomembno dejstvo in dejansko za ljudi, vendar ni trivialno, ko gre za sistem AI. Dejansko je to primer primera, kar je bilo znano kot “Problem pogostega vedenja znanja”. Računalniški sistem ve, kaj je bilo povedano eksplicitno. Ne glede na to, kakšne so zmogljivosti računskega sistema, če ta sistem ve, da je predsednik Clinton v Washingtonu, vendar ne ve, da je tudi njegovo levo koleno, potem sistem ne bo videti preveč pameten. Seveda je povsem mogoče povedati računalniku, da če je oseba na enem mestu, potem je levo koleno na istem mestu, toda to je le začetek težave. Obstaja veliko podobnih dejstev, ki bi jih bilo treba tudi programirati. Na primer, tudi vemo, da če je predsednik Clinton v Washingtonu, potem so njegovi lasje tudi v Washingtonu, njegove ustnice so v Washingtonu itd. Težava z vidika AI je, da najde način za zajetje vseh teh dejstev. Problem Common Sense Knowledge je eden od glavnih razlogov, zakaj nismo še inteligentni računalniki, ki jih predvideva znanstvena fantastika, kot je HAL 9000.

Problem splošnega vedenja v AI je zelo globok. Na primer, računalniku bi bilo težko opraviti test Turinga, če ne bi imel zgoraj opisanega znanja. To točko lahko ponazorimo z upoštevanjem primera ELIZA. ELIZA je sistem AI, ki ga je leta 1966 izdelal Weizenbaum, ki naj bi posnemal psihoterapevta. V teh dneh je veliko različic te programske opreme, precej jih je mogoče prenesti. Čeprav je v nekaterih čutih ELIZA lahko precej impresivna, ne potrebuje veliko, da bi sistem zmedel ali izklopil. Hitro postane jasno, da je sistem daleč od inteligentnega.

V raziskovalni skupnosti AI je bilo veliko odgovorov na problem skupnega vedenja znanja. Ena od strategij je poskušati zgraditi sisteme, ki so namenjeni samo za delovanje na omejenih področjih. To je strategija, ki leži za Loebnerovo nagrado, sodobno dnevno tekmovanje, ki temelji na omejeni različici testa Turing. Nekateri nedavni vnosi na ta natečaj, kot je sistem TIPS, so res precej impresivni v primerjavi z ELIZA.

Druga ambicioznejša strategija je sprejel raziskovalec AI Doug Lenat. Lenat in njegovi kolegi že več let delajo na sistemu, imenovanem CYC. Cilj projekta CYC je razviti veliko računsko bazo podatkov in orodja za iskanje, ki sistemom AI omogočajo dostop do vseh znanj, ki imajo smisel. Projekt CYC poskuša rešiti problem skupnega vedenja znanja. Trenutno se rezultati projekta šele začenjajo pojavljati. Še ni jasno, ali so bili veliki napori uspešni.

Drugi raziskovalci so sprejeli drugačno težavo, da bi rešili problem. Razmišljajo, da ima človeško bitje razum zaradi velikega bogastva izkušenj, ki jih imamo, ko odraščamo in se učimo. Raje poskušajo obravnavati problem skupnega pomena s sprejetjem strategije strojnega učenja. Morda bi se lahko, če bi se računalnik naučil na podoben način kot človeško bitje, razvil tudi zdrav razum. Ta strategija se še vedno izvaja in je še prezgodaj, da bi ugotovili, ali bo uspešna.

Še ena težava, ki jo je raziskava AI raziskala, je, da se naloge, ki so težko za človeška bitja, kot je matematika ali igranje šaha, izkažejo za precej enostavne za računalnike. Po drugi strani pa naloge, ki jih ljudje najdejo enostavno, kot je učenje za krmarjenje po sobi, polnem pohištva, ali prepoznavanje obrazov, računalnikov je razmeroma težko narediti. To je navdihnilo nekatere raziskovalce, da bi poskušali razviti sisteme, ki imajo (vsaj površinsko) možganske lastnosti. Raziskava, ki temelji na tej strategiji, je znana kot področje umetnih nevronskih omrežij (imenovano tudi povezovanje), in je trenutno eno glavnih specializiranih pod-območij znotraj AI. Na zanimivem vidiku umetnih nevronskih mrež je, da se mnogi od teh sistemov učijo in s tem vključijo nekatere od prednosti strategije strojnega učenja za reševanje problema pogostega vedenja. Sistemi umetne nevronske mreže so bili uspešni pri reševanju številnih problemov, kot so tisti, ki vključujejo prepoznavanje vzorcev, ki so se izkazali za težke za druge pristope.

Pomembno je, da se zavedamo, da vsi ne sprejemajo prostorov, ki jih izvaja AI raziskave. Celoten projekt AI je občasno kritiziral. Eden dobro znanih kritikov je Herbert Dreyfus. On je trdil na različne razloge, da je celotno podjetje AI obsojeno na neuspeh, saj predpostavlja o svetu in možganih, ki niso utemeljeni, ko so kritično ocenjeni. Še en znani kritik AI je John Searle. Searle je predlagal argument, ki temelji na miselnem eksperimentu, znanem kot argument Kitajske sobe. Ta argument naj bi dokazoval, da cilj izdelave inteligentnih strojev ni mogoč. Čeprav je bil ta argument prvotno objavljen v osemdesetih letih, je še vedno vroča tema razprave o internetnih novičarskih skupinah, kot je comp.ai.philosophy.

Ali so kritiki AI pravilni ali ne, bo samo čas povedal. Vendar so obstajali dve pomembni vrsti posledic, ki so nastali od začetnega začetka polja. Prvi od njih je bil rojstvo nove in vznemirljive akademske discipline, ki je bila znana kot “kognitivna znanost“. Kognitivne znanosti delijo z AI osnovno predpostavko, da je v določenem smislu duševna dejavnost računska narava. Cilj kognitivne znanosti se sicer razlikuje od cilja kognitivne znanosti. Kognitivni znanstveniki so si zastavili cilj, da razkrijejo skrivnosti človeškega uma. To ni majhna naloga, glede na to, da so človeški možgani najbolj zapleteni pripomočki, ki so znani človeštvu. Na primer, tudi če so narejene različne poenostavitvene predpostavke, se zdi zelo verjetno, da je število različnih možnih stanj posameznega človeškega možgana dejansko večje od števila atomov vesolja! Kljub temu pridobljena spoznanja in napredek pri doseganju cilja AI skupaj z napredkom v drugih disciplinah kažejo, da je projekt kognitivne znanosti uspešen, čeprav je težko doseči.

Drugi niz posledic, ki so nastali zaradi študije AI, so morda nekoliko manj očitni. Danes obstaja veliko programov in sistemov, ki izkoriščajo plodove raziskav AI. Čeprav še nima HAL 9000, so bili doseženi številni zgodnji cilji AI, čeprav ne v enem samem grand sistemu. Morda najbolj žalostna stvar je, da AI redko dobi kredit za svoj prispevek k drugim območjem. V akademskih krogih govori: “Najboljši plodovi AI postanejo preprosta staro računalništvo”. Ko smo se naučili narediti več in več, kar je bilo nekoč skoraj čudežno, postane svetovno. Zdaj, ko je bil cilj resnično finega šaha igranje računalnika uresničen, verjetno tudi to ne bo več vznemirjalo ali presenetilo. Vendar pa je v AI še vedno veliko osupljivih in razburljivih meja. Obstajajo tudi številna trzna vprašanja, ki jih je treba premisliti. V člankih, ki sledijo temu, bom poskušal uvesti nekaj zanimivega dela, ki se izvaja v AI, tako da bo prispevek tega raziskovalnega programa svetu, kot ga poznamo, bolje poznan in razumljen.

Predlagano nadaljnje branje

Campbell, J., (1989), neverjetni stroj, Simon & Schuster (New York).
Copeland, J. (1993), Umetna inteligenca, Blackwells (Oxford).
Churchland, P. (1988), Matter and Consciousness, MIT Press (Cambridge, MA).
Haugeland, J. (1985), Umetna inteligenca: Zelo ideja, MIT Press (Cambridge MA).

Bibliografija

Feigenbaum, E. in Feldman, J. (1963), Računalniki in misli, McGraw-Hill (New York).
Haugeland, J. (1981) Mind Design, MIT Press (Cambridge, MA).
Newell, A. in Simon, H., (1976), “Računalništvo kot empirična preiskava: simboli in iskanje” ponatisnjeno v Haugelandu (1981: str. 35-66).

 

Koristna spletna stran: http://www.ucs.louisiana.edu/~isb9112/dept/phil341/wisai/WhatisAI.html

Koda prikaza, ki temelji na več projektorjih

Pregled

Ta projekt vam ponuja orodja in tehnike, ki jih potrebujete za ustvarjanje lastnega večprojektorskega zaslona velikih površin, ki je dostopna in prilagodljiva. Zajema postopek, ki ga morate sprejeti, in težave, ki jih je treba upoštevati pri doseganju geometrijske poravnave in barvne brezhibnosti, ter sistem za upodabljanje slik z uporabo računalniških gruč. Zagotavlja tudi potrebne kode preprostega porazdeljenega sistema kalibriranja in prikazovanja slike / 3D-modela.

Kdo naj uporabi to kodo

  • Novice, ki želijo zgraditi lasten sistem za prikazovanje kamer in projektorjev, lahko to kodo uporabijo kot začetno točko
  • Raziskovalci, ki se zanimajo za sistem prikaza kamer-projektorja, lahko to kodo uporabijo kot referenco

Sistemska arhitektura

Z nedavno popularizacijo cenovno dostopnih grafičnih kartic je mogoče zgraditi distribuiran sistem za upodabljanje s skupino osebnih računalnikov. Naslednja slika prikazuje arhitekturo večprojektorskega zaslona, ki temelji na računalniku:

Slika 1. Sistemska arhitektura multiprojektorskega zaslona na PC-Clusteru

Kot je razvidno iz zgornje slike, sistem sestavljajo en glavni računalnik in nekaj računalnikov za renderiranje. Vsak računalniški oddajnik je povezan z enim projektorjem. Vsi osebni računalniki so povezani prek lokalnega omrežja. Glavni računalnik nadzira postopek prikazovanja sistema, računalniki za upodabljanje pa izvajajo dejansko opravljanje dela in izpis preko projektorjev. Splošni cilj je, da se pri videoposnetkih in drugih prizorov obnašanje projektorjev, ki se nahajajo v nespremenjeni obliki, obnašajo kot velik integriran zaslon.

Viri prizorov so prednaloženi na računalnike za upodabljanje in vsak računalnik bo prikazal svoj lastni del samo v skladu s predhodno kalibracijo, kot je prikazano na sliki. Ker so projektorji postavljeni navznoter, prizor iz različnih projektorjev morda ni dobro poravnan, prekrivna površina dveh ali več projektorjev pa je lahko videti bolj svetlejša od druge površine. Torej morajo računalniki za upodabljanje zasnovati prizore, da bi dosegli poravnavo geometrije in barvno brezhibnost. Osnovni postopek prikazovalnega sistema s sistemom PC-Cluster vključuje dva koraka: korak kalibracije na osnovi kamere in korak deformacije prizora. Med korakom umerjanja se projicirajo posebne značilnosti in ustrezne slike kamere so zgrabljene. Po analizi zgrabljenih slik, geometrijske informacije o tem, kako zasnovati sceno in alfa masko o tem, kako doseči fotometrično poravnavo, bodo atomsko ustvarjene. Med korakom deformacije prizora bo vsak projektor zasnoval vire scena glede na umeritveni rezultat.

Več informacij o poravnavi geometrije iz poglavja 3 referenčne [1], o barvni brezšivnosti iz poglavja 4 referenčne [1], o izdelavi PC-Cluster-a iz poglavja 5 referenčne [1] najdete več. Močno vam priporočamo, da knjigo temeljito preberete, preden začnete nastavljati lasten zaslon z več projektorji.

Zahteve strojne in programske opreme

Če želite uporabiti navedene kode, morate izpolnjevati naslednje zahteve strojne in programske opreme:

Strojne zahteve:

  • En računalnik z monitorji, kot glavni računalnik;
  • Dva ali več osebnih računalnikov z namenskimi grafičnimi karticami (uporabljamo NVIDIA GeForce 8800GTS) kot računalniški oddajnik;
  • Dva ali več projektorjev (po enega za vsak računalniški oddajnik);
  • Eno pesto ali usmerjevalni in omrežni kabli;
  • Ena kamera, združljiva z OpenCV, z ustrezno lečo (za več informacij o izbiri fotoaparata in objektiva glejte Pogosta vprašanja);

Zahteve programske opreme:

  • Windows XP je nameščen na vseh računalnikih;
    (Spodaj je dodatna programska oprema, ki jo morate namestiti, če želite sami izdelati izvorne kode)
  • Microsoft Visual Studio 2005 ali novejši;
  • Knjižnica OpenCV 1.0 (iz reference [2]);
  • Knjižnica GLUT 3.7 (iz reference [3]);
  • Algoritmi FreeImage (iz reference [4]) so nameščeni;

Referenca

[1] “Praktični multimedijski projektor”, Majumder / Brown, AK Peters, ZDA, 2007
[2] Odpri Computer Vision Library, 1.0: http://sourceforge.net/projects/opencvlibrary/
[3] GLUT – orodje OpenGL Utility, 3.7: http://www.opengl.org/resources/libraries/glut/
[4] Knjižnica Algoritma FreeImage: https://code.launchpad.net/~glennpierce/+junk/main

 

Izvirni članek: http://www.comp.nus.edu.sg/~brown/projects/projector/index.html

 

RAZLIKE V ZVEZI Z SEKSOM V BARVI VZGOJNIŠTVO

JEZIK IN GOVOR, 1977, Vol. 20, del 4. Strani 404 – 409

ELAINE RICH
Univerza Carnegie-Mellon

Ta članek opisuje eksperiment, zasnovan za preizkušanje hipoteze, da imajo ženske večje barvne besede kot moški. Rezultati kažejo, da to počnejo. Rezultati kažejo, da imajo mlajši moški v vsaj enem družbenem razredu večje barvne besedne zveze kot starejši moški. Za ženske takšna razlika ni. Vendar je skupina katoliških nuns dosegla rezultat nižje od ostalih žensk, a še vedno višja od moških.

UVOD

Široko prepričana je, da imajo ženske večje barvne besedne zveze kot moški. Robin Lakoff (1975) na primer navaja to dejstvo in kot pojasnilo predlaga ugotovitev, da ženske v tej družbi porabijo veliko več časa za dejavnosti, povezane z barvo, kot so izbira oblačil kot moški. Namen naše študije je bil ugotoviti, ali ženske resnično uporabljajo širši nabor barvnih izrazov kot moški, tako da predstavijo barve tako moškim kot ženskam, tako da jih prosijo, da jih imenujejo in nato merijo velikost besednjakov, ki jih uporabljajo.

V literaturi so poročali o vsaj dveh sorodnih vrstah opazovanj. Prva obravnava razlike med moškimi in ženskami pri drugih nalogah v zvezi z barvo; druga vključuje druge razlike med jezikom moških in žensk, kar kaže, da če se moški in ženske razlikujejo po barvnem besedišču, to ne bi bilo edino področje, v katerem se njihovi jeziki razlikujejo.

Preizkus imena po imenu Wordswoth-Wells (Wordsworth and Wells, 1911) testira hitrost prepoznavanja standardnih barv. Predmeti so predstavljeni s kartico, ki prikazuje 100 madežev barve vsakih 1 cm. kvadrat. Vsak obliž je rdeča, rumena, zelena, modra ali črna. Predmet je časovno določen, saj pokaže imena barv popravkov. Wordsworth in Wells sta poročala, da ženske med študenti bolje delajo kot moški, t.j., zahtevajo manj časa. Ligon (1932) je ugotovil, da pri otrocih v razredih ena do devet deklic naredi boljše pri testu Wordsworth-Wells kot pa fantje. Prav tako je pokazal, da je razlika v spolu med prvima dvema razredoma bila večja pri barvnem preizkusu kot na testu branja besed, ki je bila zasnovana za merjenje splošne verbalne tektonosti, na kateri so deklice naredile tudi bolje kot fantje. Ta študija kaže, da so vsaj nekatere razlike med moškimi in ženskami pridobljene v zelo zgodnji dobi.

Obstaja veliko dokazov, da jezik žensk ni vedno enak kot jezik moških. Antropološka literatura je bogata z primeri spolne diferenciacije jezika med tako imenovanimi primitivnimi ljudmi. Jespersen (1922) razpravlja o jeziku Karibov malih Antilov, v katerih je približno ena desetina besednjaka za ženske drugačna kot za moške. Razlike se pojavljajo predvsem v srodnikovih izrazih, imenah za dele telesa, pa tudi v izoliranih besedah, kot so prijatelj, sovražnik, veselje, delo, vojna, hiša, vrt, postelja, strup, drevo, sonce, luna, morje in zemlja . V Koasatiju, ameriškem indijskem jeziku (Haas, 1944), se moški in ženski govor razlikujeta v nekaterih oblikah verbalnih paradigem.

Že dolgo je bilo priznano, da se v angleščini moški in ženski govor razlikujeta glede uporabe prekletih besed in eufemizmov. Obstajajo dokazi, da obstajajo tudi druge razlike. Barren (1971) poroča o razliki med govorjem moških in žensk v relativni pogostosti različnih primerov.

Ta članek opisuje eksperiment, ki je bil izveden, da bi ugotovili, ali je barvni besednjak drugačno področje, v katerem se moški in ženski govor razlikujejo.

 

POSTOPEK

 

Nabor 25 kartic je bil izdelan z barvanjem kvadrata v dveh centimetrih v sredini vsake od 25 3×5 kartic. Kvadrati so bili barvani z barvami, ki so jih izbrali iz Crayolove škatle z 64 barvami. Nobene barve ni bilo uporabljeno več kot enkrat.

Vsakemu subjektu so bile karte enkrat prikazane in zahtevale, naj navede besedo ali frazo, ki jo bo uporabil za opis barve. Za standardizacijo naloge je vsakemu subjektu povedal, da se mora predstavljati v naslednji situaciji:

“Kupili ste srajco in sedaj želite kupiti hlače, ki se ujemajo s srajco. Pojdite v trgovino, vendar niste dobili srajco z vami. Hočeš reči prodajni osebi:” Imam – – srajco. Pokaži mi hlače, da gredo s seboj. “

Predlagatelji so tudi povedali, da bi morali poskušati opisati karte čim bolj neodvisno, da jih ne bi smeli primerjati med seboj in da je bilo sprejemljivo podati isto ime več kot eno karto.

Odzivi so bili zabeleženi in nato doseženi z uporabo sheme za merjenje obsega besednih barvnih besedišč. Odzivi so bili razdeljeni v štiri kategorije:

(1) Osnovna – ena od naslednjih osnovnih barvnih besed: rdeča, oranžna, rumena, zelena, modra, vijolična, vijolična, bela, črna, rjava, siva, rožnata, tan.

(2) Kvalificirana – osnovna beseda, ki jo označujejo besede, kot so svetloba ali temna ali druga osnovna beseda, npr. rumenkasto zelena. Odzivi v tej kategoriji so bolj specifični od osnovnih odzivov, vendar dejansko ne kažejo večjega besednjaka.

(3) Kvalificirana Fancy – osnovna beseda, ki se kvalificira s posebnimi besedami, kot je nebo modra ali zelena lovec.

(4) Modre barvne besede, ki niso v osnovni kategoriji, kot so sivka, škrlatna in črtasto.

Rezultat za vsak predmet je bil izračunan z dodelitvijo ene točke za vsak osnovni odziv, dva za vsakega kvalificiranega, tri za vsako kvalificirano fancy in štiri za vsak domišljen odziv. Ker je bilo 25 kart, so možne ocene od 25 do 100.

Predmetniki so bili razdeljeni na pet skupin na podlagi starosti, spola in poklica, in sicer:

Skupina I: moški, stari 20-35 let. Diplomanti ali ljudje, ki delajo na tehničnih področjih.

Skupina II: moški, stari 45-60 let. Vsi tehnično usposobljeni, visoko izobraženi strokovnjaki.

Skupina III: ženske v starosti 20-35 let. Nadaljnja razdelitev v dve skupini:

A: tehnično-ustrezna skupini I.

B: netehnično, a dobro izobraženo.

Skupina IV: ženske v starosti 45-60 let. Večina jih je poročenih z moškimi v II.

Skupina V: katoliške nune. Večina jih je več kot 30 let.

Test Mann-Whitney U (Siegel, 1956) je bil uporabljen za določitev, na podlagi ugotovljenih rezultatov, verjetnosti, da so bile ocene ene skupine stohastično višje od tistih v drugi skupini.

Skupine so se gibale od sedmih do 24 oseb. Velikost skupin je upoštevana pri testu Mann-Whitney.

Rezultate

Tabela 1 prikazuje mediane ocene za vsako od petih skupin. Predlaga, da:

(1) Ženske uporabljajo ljubiteljske besede kot moški.

(2) Mlajši možje raje uporabljajo starejše moške.

(3) Vse ženske imajo podobne besedne velikosti, razen nun, ki uporabljajo manj fancy besed kot druge ženske.

Test Mann-Whitney kaže, da so te razlike zelo pomembne. V tabeli 2 so prikazane ravni pomembnosti za hipoteze, da so določene skupine višje od ostalih. Naslednje primerjave niso prinesle nobene pomembne razlike:

(1) Tehnične v. Netehnične mlade ženske.

(2) Mlade ženske proti starejšim ženskam.

Ker je bila edina pomembna razlika med ženskami med nunami in ne-nunami, bodo skupine III in IV združene v preostanek te razprave.

V tabeli 3 je prikazano povprečno število članov posamezne skupine skupin. Pokaže, da so ženske uporabile bolj kvalificirane fancy in fancy besede kot moški, starejši moški pa so uporabljali bistveno manj fancy besed, kot so bili mlajši moški. Prav tako kaže, da so nune uporabljale manj lepih besed kot ženske.

Še en merilo obsega besedišča je število, kolikokrat je bil isti izraz uporabljen za opis različnih barv. V tabeli 4 je prikazano povprečno število barv, ki so bile opisane natanko na enak način kot prejšnja barva. Najstarejši moški so uporabili največ ponovitev, sledili so mlajši moški, nune, nato pa preostale ženske. Torej, tako rezultat oddaljenosti in ponovitev štejejo enako naročanje skupin.

TABELA 1

SKUPINA

REZULTAT

I

(mladi moški)

56

II

(starejši moški)

47

III

(mlade ženske)

65

 

   A (tehnično)

66

 

   B (netehnični)

64

IV

(starejše ženske)

65

V

(nune)

60

TABELA 2

SKUPINE

SIG

III + IV > I + II (ženske> moški)

0.999

I > II (mladi moški> starejši moški)

0.969

IV > II (starejše ženske> starejši moški)

0.984

IlIa > I (mlade tech ženske> mladi tech moški)

0.997

III + IV > V (druge ženske> nune)

0.973

TABELA 3

OSNOVNO

KVALIFICIRANO

KVALIF.
FANCY

FANCY

I + II (vsi moški)

6.3

9.7

3.7

5.4

I (mladi moški)

6.1

8.9

3.8

6.2

II (starejši moški)

6.7

12.3

3.6

2.4

III + IV (lay ženske)

4.4

7.5

5.6

7.5

V (nune)

4.7

9.8

4.2

6.2

TABELA 4

SKUPINE

ŠTEVILO REPEATOV

I + II (vsi moški)

2.68

I (mladi moški)

2.54

II (starejši moški)

3.14

III + IV (lay ženske)

1.09

V (nune)

1.38

 

DISKUSIJA

Na začetku eksperimenta je bilo sumljivo, da bi lahko drugi dejavniki, razen spolov, pomembno vplivali na barvne besedne zvezke ljudi. Zaradi tega so bile skupine razdeljene po starosti in poklicu. Vendar je zelo težko konstruirati vzorce brez razlik, razen spolne, saj je v tej kulturi seks zelo povezan z drugimi stvarmi. Na primer. Skupine II in IV se razlikujejo po spolu, vendar tudi naključno v poklicih ljudi, moških, ki delajo na tehničnih delovnih mestih, žensk, ki so vzgojile otroke. Pravzaprav je bilo (na primer Lakoff) domnevalo, da so takšne razlike, povezane s spolom, razlog za razlike v barvnem besednjaku. Ženske preživijo več časa za nakup oblačil in okrasitev dnevnih sob. Ta študija pa kaže, da tudi če je glavna zasedenost enaka (skupina I proti III. Skupina), ženske kažejo večji barvni besednjak kot moški.

Dejstvo, da so nune manj kot ostale ženske, prav tako kaže, da so takšni kulturni dejavniki pomembni. Ne samo, da imajo nune manj časa skrbi za oblačila (tisti v tem poskusu še vedno nosijo navade) kot druge ženske, so ljudje, ki so se odločili, da se odrečejo takim stvarem. Tako dejstvo, da so nune ocenile višje od moških in da so ženske višje od moških, čeprav je njihova sedanja glavna zasedba enaka, kažejo, da se ta razlika določi zelo zgodaj v življenju, preden so izbrani odrasli poklici.

Razlika med mladimi in starejšimi moškimi je bila presenetljiva. Obstajajo vsaj dve možni razliki za to opazovanje. Eden je, da so starejši moški naenkrat imeli večje barvne besedne zveze, a že več let so bili poročeni, zato so imeli nekoga drugega za nakup oblačil in okrasitev njihovih dnevnih prostorov, njihovi besedni zakoni so atrofirali. Druga razlaga je, da imajo mlajši moški večje barvne besedne zveze kot starejši moški kdajkoli, ker se spolna stereotipa v tej družbi zmanjšuje, moški pa se vse bolj zanimajo za oblačila. Podatki, pridobljeni v tem poskusu, ne omogočajo nobenega načina odločanja med njima.

Cilj tega preizkusa je bil merjenje velikosti aktivnega besednjaka. Težko je narediti natančno to v eksperimentalnem položaju, v katerem so ljudje izrecno pozvani, naj imenujejo barve. Takšna situacija pa je bila nujna, da bi se vsak subjekt odzval na različne barve. Izbrana metoda skoraj zagotovo povzroča pristranskost do bolj eksotičnih opisov, kot bi jih subjekti uporabljali v vsakodnevni situaciji. Vendar je ta pristranskost konstantna pri vseh skupinah predmetov in zato ne sme bistveno vplivati na relativne ocene različnih skupin.

SKLEPI

Dokazi, zbrani v tem poskusu, potrjujejo hipotezo, da imajo ženske obsežnejše barvne besednice kot moški. Prav tako kaže, da imajo mlajši moški v vsaj enem socialnem razredu večje barvne besedne zveze kot starejši moški.

REFERENCE

BARRON, N. (1971). Jezik, ki ga je napisal spol: izdelava slovničnih primerov. Acta Sociologica, 14, 24-42.

DUBOIS, P. H. (1939). Razlika med spoloma pri testu poimenovanja barve. Amer. J. Psychol., 52, 380.

HAAS, M. (1944). Moški in ženski govor v Koasatiju. Jezik, 20, 142-9.

JESPERSEN, 0. (1922). Jezik: njena narava, razvoj in poreklo (New York), pogr. 13.

LAKOFF, R. (1975). Jezik in ženski kraj (New York).

LIGON, E. M. (1932). Genetska študija imenovanja barv in branja besed. Amer J Psychol 44 103-22.

SIEGEL, S. (1956). Nerparametrične statistike vedenjskih ved (New York).

WOODWORTH, R. S. in WELLS, F. L. (1911). Združevalni testi. Psihološke monografije, 57, 1-80.

 

Tu lahko najdete izvirno objavo v angleščini: http://www.cs.utexas.edu/users/ear/Sex-Related_Colour.htm