[아카이브] 순수수학, 물리학, 화학 등 : 거래와 무관한 두뇌 트레이닝 퍼즐 - 페이지 555

새 코멘트
 
Svinotavr :

이 영상도 사기인가요? 추신: Alexey 뿐만 아니라 다른 포럼 참가자들의 의견도 흥미롭습니다.


"Searl의 이름을 따서 명명된 Searl 발전기를 조립할 수 있었던 유일한 사람은 Searl 자신이었습니다."
 
Svinotavr :
유럽의 절반을 점령한 사람도 그리 많지 않습니다. 드미트리 , 이 문구가 영화의 나머지 부분을 "부인"한다고 생각합니까? 그래서 이혼을 하든 말든 어떻게 생각하세요?


이 영화는 종파 선전과 유사합니다. 그를 최소한 조금이라도 진지하게 받아들이는 완전한 베스폰토비 ... 그가 준 60 년 ... 그리고 그는 무엇을 주었습니까?

 
MetaDriver :

// 솔루션을 적용하는 특별한 경우(솔루션이 발견된 경우)는 여전히 거래와 연결되어 있기 때문에 주제를 벗어난 것에 대해 즉시 죄송합니다.

// (: 하지만 한편으로는 인센티브죠? :)

// 누가 정말 도움이 될까요, 왜 필요한지 말씀드리겠습니다...;) 장담컨데 - 매우 유용할 수 있습니다..

일:

주어진: N차원 공간(M<N)에서 M개의 양의 직교 벡터 세트 // 제한적인 경우 М==1

필수: 주어진 집합에 직교하는 벡터( ! ) 생성기를 구축합니다. 조건 ( ! ) 과 일치하는 임의 벡터를 빠르게 생성하는 방법에 대한 아이디어가 필요합니다.

알림 설명: 차원이 N인 공간의 경우 솔루션 공간의 차원은 (NM)입니다. (M=N-1) 벡터의 초기 세트로 우리는 하나의 명확한 솔루션을 가지고 있습니다. 누가 그의 손가락에 알고리즘을 설명하는지 - 그 사탕 (다시 - 내가 왜 이 모든 것이 필요한지 말해줄 것이다. ). 더 작은 초기 세트를 사용하면 무한한 수의 그러한 벡터가 있습니다. "옵션이 있습니다." 생성하는 데 필요한 옵션입니다.

"직교 벡터 집합 A는 집합 B에 직교합니다"라는 문구는 다소 모호합니다(정확히 무엇에 직교한다는 의미에서) ... 수식으로 더 나은 정확한 조건을 설정할 수 있습니까?
 
alsu :
"직교 벡터 집합 A는 집합 B와 직교합니다"라는 문구는 다소 모호합니다(정확히 무엇에 직교한다는 의미에서) ... 수식으로 더 나은 정확한 조건을 설정할 수 있습니까?

밝힐 수도 있습니다. 저에게는 말이 더 쉽습니다. 모든 벡터는 서로 직교합니다. :) 나는 세트 B가 필요하지 않습니다. 글쎄요. 필요하지만 즉시가 아니라 점차적으로. :))

mql(5)에서 초기 벡터 세트(А)를 배열로 취하여 모든 입력 벡터에 직교하는 하나의 벡터를 반환하는 함수를 만드는 것이 필요합니다.

음, 다음과 같습니다.

 bool GetOrtoVector( int Dimention, int InputCount, double &Input[], double &Out[]); 
  { 
    .....  
    return succes; 
  }

출력 벡터는 무작위이지만 패딩 공간에서 보장됩니다. (InputCount == Dimention-1인 경우 가능한 일대일 벡터만 반환)

중요한 조건: 기능은 [가능한] 빨라야 합니다. 브레이크를 밟을 수 있어요.. :)

 
alsu :
"직교 벡터 집합 A는 집합 B와 직교합니다"라는 문구는 다소 모호합니다(정확히 무엇에 직교한다는 의미에서) ... 수식으로 더 나은 정확한 조건을 설정할 수 있습니까?

공식 정보: 모든 들어오고 나가는 벡터의 상호 쌍별 스칼라 곱 == 0

이 조건을 사용하면 연립방정식을 고유하게 풀고 마지막 벡터를 얻을 수 있습니다(M==N-1의 경우).

(M<N-1)의 경우 시스템에 이미 솔루션 공간이 있습니다.

이 결정 공간에서 임의 벡터를 추출해야 합니다. 가급적이면 매우 빨리.

 
MetaDriver :

이 조건을 사용하면 연립방정식을 고유하게 풀고 마지막 벡터를 얻을 수 있습니다(M==N-1의 경우).

집합이 정규화된 경우에만. 그렇지 않은 경우 무한한 솔루션 세트도 얻습니다.

예: 집합 {(1,0,0), (0,2,0)}의 경우 (0,0,z) 형식의 모든 벡터는 직교합니다.

 
alsu :

집합이 정규화된 경우에만. 그렇지 않은 경우 무한한 솔루션 세트도 얻습니다.

예: 집합 {(1,0,0), (0,2,0)}의 경우 (0,0,z) 형식의 모든 벡터는 직교합니다.

그렇지. 모든 벡터는 정규화됩니다. 입구에서도 출구에서도.
 
MetaDriver :
그렇지. 모든 벡터는 정규화됩니다. 입구에서도 출구에서도.
간단한 해결책이 있습니다 ... 그들은 말하는대로 혀를 돌립니다))) 지금 당장
 
alsu :
간단한 해결책이 있습니다 ... 그들은 말하는대로 혀를 돌립니다))) 지금 당장

입력에서 하나의 벡터(x0)에 대해 나는 쉽고 오래 전에 (임의 차원의 공간에 대한) 솔루션을 생각해 냈습니다.

. . 1. Генерируем случайный вектор (x1r)

. . 2. Нормируем его -> (x1rn)

. . 3. Находим сумму и разность вродного (х0) и полученного (x1rn) -> (sX, dX)

. . 4. Складываем sX+dX и нормируем сумму.

. . 5. Готово. Возвращаем из функции и берём с полки пирожок.

--

그러나 둘 이상의 입력 벡터에는 이 알고리즘이 적합하지 않습니다. 아니면 내가 제대로 이해하지 못했을 수도 있습니다.

반복이 눈덩이처럼 늘어나지 않도록 적응하는 방법에 대한 아이디어가 있다면 그렇게 할 것입니다.

 

젠장, 그가 설명하는 동안 그가 직접 차를 몰고 온 것 같다. :)

각각의 입력 벡터에 대해 위에서 설명한 절차가 수행되면 모든 결과 벡터는 합산의 후속 정규화와 합산되어 원하는 의사 난수 벡터를 제공합니다!

alsu , 내가 망쳤다면 수정하십시오.

--

// 네, 거의 망했습니다. 조금 더 어렵습니다. 작동하지 않을 뿐입니다. 각 단계에서 xi 벡터를 받은 후 다음 입력으로 먼저 "추가-빼기-정규화"하는 식으로 계속해야 합니다. 입력 벡터가 소진될 때까지. 이 같은.

1...548549550551552553554555556557558559560561562...628
새 코멘트