Кабинет
Марков цепи пропил

Марков цепи пропил

Юзернейм
@markovdrankthechains
Категория
Технологии
Страна
РоссияРоссия
Создан
, 2 года
Подписчики3 453−2 за 4 дня
Просмотров на пост, 7 дн.1 459−27,3% к пред. 7 дн.
ERR42,25 %за 7 дней

Подписчики, 30 дней

11 нояб. – 15 нояб.−2 (−0,1%)

Показать таблицей
ДатаПодписчики
11 нояб. 2026 г.3 455
12 нояб. 2026 г.3 450
13 нояб. 2026 г.3 452
14 нояб. 2026 г.3 452
15 нояб. 2026 г.3 453

Средние просмотры поста по дням

По дню публикации

Показать таблицей
ДатаПросмотров на пост
20 окт. 2026 г.5 104
21 окт. 2026 г.4 168
23 окт. 2026 г.4 240
29 окт. 2026 г.3 129
31 окт. 2026 г.2 985
3 нояб. 2026 г.2 557
4 нояб. 2026 г.2 302
5 нояб. 2026 г.1 586
12 нояб. 2026 г.1 459

Самые просматриваемые за месяц

  1. 01
    Просмотры6,97 тыс.
    Пересылки72
    Реакции53
    Комментарии5
  2. 02
    Просмотры4,24 тыс.
    Пересылки24
    Реакции30
    Комментарии0
  3. 03
    Просмотры4,17 тыс.
    Пересылки55
    Реакции52
    Комментарии6
  4. 04
    Просмотры3,24 тыс.
    Пересылки83
    Реакции111
    Комментарии15
  5. 05
    Просмотры3,13 тыс.
    Пересылки45
    Реакции56
    Комментарии4

Новые посты

#364Фото
Просмотры1 459−53%к среднему
Пересылки19
Реакции39
Комментарии2
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
1 ч688
13 ч1 175
25 ч1 240
76 ч1 459
  1. Через 1 час688
  2. Через 24 часа1 240
  3. Всего сейчас1 459
#359Фото

На фоне затухающего хайпа с мухой, хочу рассказать одну историю Когда строится распределенная система, база данных, краулер или любое другое ПО для работы с большими объемами информации, появляется необходимость быстро ответить на вопрос “есть ли этот элемент в большом множестве”. Часто для таких сценариев используется фильтр Блума - он довольно эффективен по скорости/памяти, и с его помощью можно ответить на этот вопрос либо “точно нет”, либо “возможно да”. Но для некоторых задач такой ответ слишком груб. Например, рекомендательной системе новостей важно, насколько статья похожа на то, что человек недавно прочитал. Учитывать похожесть и забывать старое фильтры Блума по отдельности уже умели. В Гарварде в 2006 году обычные хеш-функции заменили на такие, у которых похожие элементы чаще попадают в одни и те же биты, и фильтр научился отвечать, есть ли во множестве что-то близкое к запросу. В Университете Альберты в том же году фильтр для краулера научили на каждом шаге уменьшать значения в нескольких случайных ячейках, чтобы давно не встречавшиеся адреса из него выпадали. Однако фильтра, который умел бы и то и другое, исследователи из Сан-Диего в 2018 году не знали и нашли такой у плодовой мушки [тык]. К тому времени нейробиологи обнаружили у мухи нейроны новизны. Они сильно отвечают на новый запах, заметно слабее на повторный, а примерно через час ответ снова становится сильным. Каждый запах муха кодирует меткой из небольшого набора активных клеток, и у похожих запахов метки во многом совпадают. Встреченный запах ослабляет связи от клеток своей метки к нейронам новизны, поэтому повтор вызывает слабый ответ, а со временем связи восстанавливаются. Авторы статьи увидели в этих связях биты фильтра Блума, а в метке его хеш. Позже эти алгоритмы попытались перенести на реальные задачи с переменным успехом. Институт Солка, где работали двое из авторов, подал патентную заявку на хеш мухи для поиска похожих картинок и документов. В IBM Research из фильтра сделали классификатор, который по точности вышел на уровень метода ближайших соседей, а Intel получила патент на поиск похожих векторов, где описан близкий алгоритм хеширования со ссылкой на обонятельную систему дрозофилы [тык]

Открыть в Telegram
Просмотры2 557−18%к среднему
Пересылки72
Реакции63
Комментарии1

Все посты

Связи