ZCODER

Пример реализации ИИ на JS

2024-10-09T13:52:56.367Z

Хотя использование внешних библиотек может упростить задачу написания кода для машинного обучения, я могу предложить вам пример, который использует только стандартные возможности языка JavaScript без использования внешних библиотек. Этот пример реализует простую нейронную сеть с одним скрытым слоем и функцией активации ReLU.

Подготовка данных

Для начала создадим некоторые простые обучающие данные, которые будут представлять собой линейную функцию с добавлением некоторого шума.

const NUM_TRAINING_POINTS = 100;
const TRAINING_DATA = [];

for (let i = 0; i < NUM_TRAINING_POINTS; ++i) {
  const x = i / NUM_TRAINING_POINTS;
  const y = x + Math.random() * 0.2 - 0.1; // добавляем шум от -0.1 до +0.1
  TRAINING_DATA.push([x, y]);
}

console.log("Training Data: ", TRAINING_DATA);

Реализация функции активации ReLU

Реализуем функцию активации ReLU, которая возвращает максимальное значение между нулём и переданным ей аргументом.

function relu(x) {
  return Math.max(0, x);
}

Архитектура нейронной сети

Создадим архитектуру нейронной сети с одним скрытым слоем. У нас есть входные данные, которые представляют собой вектор [x], промежуточный слой с весами w1, который преобразует вход в скрытое состояние, и выходной слой с весом w2, который преобразует скрытое состояние в результат.

class NeuralNetwork {
  constructor(nInputs, nHiddenNodes, nOutputs) {
    this.nInputs = nInputs;
    this.nHiddenNodes = nHiddenNodes;
    this.nOutputs = nOutputs;

    this.initializeWeights();
  }

  initializeWeights() {
    this.weights1 = Array.from({ length: this.nHiddenNodes }, () => Math.random());
    this.weights2 = Array.from({ length: this.nOutputs }, () => Math.random());
  }

  predict(input) {
    const hiddenState = this.weights1.map((weight, index) => weight * input[index]).reduce((sum, val) => sum + relu(val), 0);
    const output = this.weights2.map((weight, index) => weight * hiddenState).reduce((sum, val) => sum + val, 0);
    return output;
  }

  train(trainingData, numEpochs, learningRate) {
    for (let epoch = 0; epoch < numEpochs; ++epoch) {
      trainingData.forEach(([input, desiredOutput]) => {
        const predictedOutput = this.predict(input);
        const error = desiredOutput - predictedOutput;
        this.updateWeights(input, error, learningRate);
      });
    }
  }

  updateWeights(input, error, learningRate) {
    const hiddenState = this.weights1.map((weight, index) => weight * input[index]).reduce((sum, val) => sum + relu(val), 0);
    const dOutputErrorWrtHidden = this.weights2.map((weight, index) => weight * error).reduce((sum, val) => sum + val, 0);

    this.weights1 = this.weights1.map((weight, index) => weight + learningRate * (error * input[index] * (hiddenState > 0 ? 1 : 0)));
    this.weights2 = this.weights2.map((weight, index) => weight + learningRate * dOutputErrorWrtHidden * hiddenState);
  }
}

Тренировка модели

Запустим процесс тренировки модели на наших обучающих данных.

const NETWORK = new NeuralNetwork(1, 10, 1);
NETWORK.train(TRAINING_DATA, 1000, 0.01);

Оценка модели

Теперь проверим модель на тестовых данных, чтобы увидеть её производительность.

const TEST_DATA = [];

for (let i = 0; i < 10; ++i) {
  const x = i / 10;
  const y = x + Math.random() * 0.2 - 0.1;
  TEST_DATA.push([x, y]);
}

TEST_DATA.forEach(([input, expected]) => {
  const actual = NETWORK.predict(input);
  console.log(`Actual Output: ${actual}, Expected Output: ${expected}`);
});

Этот код представляет собой базовую реализацию простой нейронной сети с функцией активации ReLU. Она позволяет обучать модель на данных и оценивать её результаты.

GIT FAQ

2024-10-08T06:29:21.823Z

Как сохранить пароль в терминале?

git config --global credential.helper store
Потом
git pull

LOCALHOST+HTTPS+VITE

2024-10-05T08:58:56.386Z

Шаг-1

1.Установить vite-plugin-mkcert пакет.

npm i vite-plugin-mkcert -D

Шаг-2

Изменить файл vite.config.js


import { defineConfig } from 'vite'
import react from '@vitejs/plugin-react'
import mkcert from 'vite-plugin-mkcert'

// https://vitejs.dev/config/
export default defineConfig({
  plugins: [react(),mkcert()],
  server:{
    port:3000,
    https: true
  }

})

и запустить через npm run dev

Генерация тестовых BTC в ноде

2023-12-15T21:29:24.967Z

bitcoin-cli -regtest generatetoaddress 101 $(bitcoin-cli -regtest getnewaddress)

Получение уникальных случайных чисел

2023-12-15T11:11:27.901Z

Формулировка теоремы:
Если p — простое число, a — целое число, не делящееся на p, то a^(p — 1) = 1 (mod p).

Доказательство:

Каждое из p — 1 чисел a, 2a, . . ., (p-1)a даёт при делении на p ненулевой остаток:

a = k_1*p + r1,
2a = k_2*p + r2,
. . . . . . . . . . . . . . .
(p — 1)a = k_{p-1}*p + r_{p — 1}

Если число различных встречающихся здесь остатков меньше p — 1, то среди них найдутся по крайней мере два одинаковых. Но это невозможно, так как при r_n = r_m число (n-m)a = (k_n-k_m)p делится на p, что противоречиво, ибо |n-m| < p и a взаимно просто с p. Значит, все остатки r_1, . . . , r_{p — 1} между собой различны и образуют перестановку чисел 1, 2, . . . , p — 1. Перемножая все предыдущие равенства, получаем

(p-1)! * a^(p — 1) = N·p + r_1*r_2*...*r_{p — 1} = N*p + (p-1)!,

где N — некоторое целое число. Следовательно, (p-1)! * [a^(p-1) — 1] делится на p, а тогда и a^(p — 1) — 1 делится на p, поскольку (p-1)! не кратно p. Теорема доказана.

Таким образом, все-таки можно реализовать простой алгоритм генерации кодов не запоминая списка предыдущих кодов, а помня только номер последнего сгенеренного кода.

Вот тогда будет работающий алгоритм:

• берем большое десятизначное простое число. на наше счастье это будет 9999999997.
• берем любое число < 9999999997. К примеру 5678901234 — тоже десятизначное, чтобы в примере получить сразу приличные коды.
• начинаем генерацию:

1: 1 * 5678901234 = 5678901234 mod 9999999997
2: 2 * 5678901234 = 1357802471 mod 9999999997
3: 3 * 5678901234 = 7036703705 mod 9999999997
4: 4 * 5678901234 = 2715604942 mod 9999999997
5: 5 * 5678901234 = 8394506176 mod 9999999997
6: 6 * 5678901234 = 4073407413 mod 9999999997
7: 7 * 5678901234 = 9752308647 mod 9999999997
8: 8 * 5678901234 = 5431209884 mod 9999999997
9: 9 * 5678901234 = 1110111121 mod 9999999997
10: 10 * 5678901234 = 6789012355 mod 9999999997
11: 11 * 5678901234 = 2467913592 mod 9999999997
12: 12 * 5678901234 = 8146814826 mod 9999999997
13: 13 * 5678901234 = 3825716063 mod 9999999997
14: 14 * 5678901234 = 9504617297 mod 9999999997
...

Итак, будут получаться большие числа. Последнее сгенеренное большое число будет равно (p-1)*a = (9999999997 — 1) * 5678901234 = 56789012317284395064 — 20 цифр, что влезает в UInt64.

Ничего не надо помнить, ничего не надо искать. И главное — есть гарантия от ошибки, поскольку уникальность строго доказана.

Конечно, у этого алгоритма есть недостаток — при помощи него никогда не будут получены коды 0000000000, 9999999997, 9999999998 и 9999999999.

Selenium+nodejs быстрый старт

2023-10-25T19:16:50.363Z

Для парсинга сайта с использованием библиотеки Selenium в Node.js, вам потребуется установить несколько зависимостей и настроить среду. Вот как вы можете это сделать:

1. Установите Node.js: Убедитесь, что у вас установлен Node.js. Если нет, вы можете загрузить его с официального сайта: https://nodejs.org/

2. Установите Selenium WebDriver: Вы можете установить Selenium WebDriver с помощью npm, выполнив следующую команду:

npm install selenium-webdriver

3. Установите веб-драйвер браузера: Вам также понадобится веб-драйвер для браузера, который вы хотите использовать (например, Chrome или Firefox). Загрузите соответствующий веб-драйвер и укажите путь к нему.

4. Создайте скрипт для парсинга сайта:Вот пример скрипта, который использует Selenium для открытия веб-страницы и извлечения данных:

const { Builder, By, Key, until } = require('selenium-webdriver');
const webdriver = require('selenium-webdriver');

// Указываете путь к веб-драйверу (например, для Chrome)
const driver = new Builder()
.forBrowser('chrome')
.build();

async function parseWebsite() {
try {
// Открываем веб-страницу
await driver.get('https://www.example.com');

// Ищем элемент на странице
const element = await driver.findElement(By.css('#yourElementSelector'));

// Извлекаем текст из элемента
const text = await element.getText();

console.log('Извлеченный текст:', text);
} catch (error) {
console.error('Произошла ошибка:', error);
} finally {
// Закрываем браузер после завершения
driver.quit();
}
}

// Вызываем функцию для парсинга
parseWebsite();

5. Замените 'https://www.example.com' на URL сайта, который вы хотите спарсить, и 'yourElementSelector' на селектор элемента, который вы хотите извлечь.

6. Запустите скрипт: Выполните скрипт, используя Node.js:

node ваш_скрипт.js

Этот пример демонстрирует основы использования Selenium для парсинга веб-страницы. Вы можете расширить его для выполнения более сложных задач, таких как навигация по нескольким страницам и сбор данных.

Начало

2023-10-25T13:18:46.835Z

Всем привет!

Это мой первый (очередной) мини блог. Цель этого блога, задокументировать и сохранить всякие интересные находки в сфере ИТ, какие то разработки и так далее.

Почему такое имя сайта?

Всё пошло от того, что основная моя деятельность была (и пока есть) это SAP разработка, где используется встроенный язык ABAP. Все кастомные объекты в этой системе принято начинать на букву Z или Y. Отсюда и название.

Шло время и мне стали интересны другие технологии, такие как JS во всём его проявлении (react, nodejs...), devops, blockchain и другие.

Дак вот, о чём это я, суть этого блога, это как блокнот. Помню раньше в начале 2000-х, когда работал сначала админом, потом программистом на дельфи у меня были всегда под рукой блокноты, куда я записывал интересную информацию.

В общем вот так.