مگاولت | MegaVolt
4.66K subscribers
374 photos
4 videos
1 file
62 links
برنامه‌نویس و دانشجو الکترونیک؛ با قهوه پیش می‌رم و از ساختارها لذت می‌برم.💻


https://t.me/HarfChatBot?start=MegaVolt
Download Telegram
چقدر هنرمند داریم جوونا رو عشق میکنم:)
127❤‍🔥6🥰2
Forwarded from Harf Chat

که رتبه خط قرمزه ها؟ اولا که گوشه های سالن نور نداره چشمام ضعیف میشه، بعدشم اسم اتاق مطالعه صبح های مگاعه، اقای مگاولت نه چندان دوست داشتنی که خیلی دوست داریم. . چرا شبا در اتاق بسته نیست؟ منو یا توی اتاق شبای مگا راه بده یا من این اتاقو با درس خوندنام واسه سحرخیزا به اتیش میکشم🙁
پیگیر باشین دیگه😂😔🤍
🤣1636❤‍🔥2👍1
Forwarded from Harf Chat

عژیبه
🤣348😐31💅5👌1
مگاولت | MegaVolt
‌ عژیبه
دارید یه کاری می‌کنید باهاتون برخورد سایبری کنم سریعا درستش کنید...
🤣461👍23👾5💅4
Forwarded from Harf Chat

بیدار موندم که ببرم رتبه بالاتر🎀
😁13822👍3🤝1
Forwarded from Harf Chat

منو‌ تو تو یک قاب 😭☝️
خجالت میکشیدم اول بیام پیشت بشینم💔*
🤣37016👀3👎1
چرا حس نا امنی دارم :)
🤣505🤷‍♂5😭2🙊2
Hong Wang
یکی از برندگان مدال فیلدز ۲۰۲۶
مسئله‌ای که روش کار کرده Kakeya Conjecture هست و واقعاً از اون سؤال‌های عجیبه که اولش خیلی ساده به نظر میاد.
فرض کن یه خط داری، چقدر فضا لازمه که بتونی اون خط رو در همه جهت‌ها بچرخونی؟ آیا میشه این کار رو توی یه فضای خیلی کوچیک انجام داد یا یه محدودیت بنیادی وجود داره؟
جذابیتش اینجاست که داستان فقط درباره یه خط نیست؛ این مسئله می‌رسه به یه سؤال بزرگ‌تر:
چقدر اطلاعات لازمه تا بتونیم یک ساختار پیچیده رو از داده‌های محدود بازسازی کنیم؟
همین ایده توی چیزهایی مثل پردازش سیگنال، بازسازی داده‌های ناقص، تحلیل سیستم‌های پیچیده و حتی بعضی بخش‌های هوش مصنوعی نقش داره.
این هم لینک مقاله‌ش:
https://arxiv.org/abs/2502.17655
109🤯13👾4👍2
Forwarded from Harf Chat

ازش چیزی نفهمیدم
ولی فکر کنم ارزش وقت گذاشتن داشته باشه.
https://t.me/MegaVoltDev/842?single
🤣93🤝155👍4
مگاولت | MegaVolt
‌ ازش چیزی نفهمیدم ولی فکر کنم ارزش وقت گذاشتن داشته باشه. https://t.me/MegaVoltDev/842?single
آره بچه‌ها مخصوصاً کسایی که با سیگنال و پردازش سیگنال کار کردن این ایده می‌تونه خیلی جذاب باشه. ایده اینه که شاید همیشه لازم نباشه کل اطلاعات یک سیگنال رو ارسال کنیم و بشه با مقدار خیلی کمتری از داده ساختار اصلی رو بعداً بازسازی کرد، مثلاً یک تصویر چند مگابایتی رو با حجم خیلی کمتر بفرستیم ولی سمت گیرنده با الگوریتم‌ها دوباره بازسازیش کنیم. حتی تو دستگاه‌های پزشکی مثل ECG و EEG هم میشه از همین ایده استفاده کرد؛ اینکه سیگنال‌های حیاتی رو با حجم کمتر ذخیره یا ارسال کنیم ولی همچنان اطلاعات مهمش حفظ بشه. اینجا دقیقاً جاییه که ریاضیات، پردازش سیگنال و AI به هم می‌رسن؛ اینکه چطور از کمترین داده بیشترین اطلاعات رو استخراج کنیم. حتی مدل‌هایی مثل Neural ODE هم دنبال همین ایده‌ان، اینکه به جای فقط پیش‌بینی خروجی خود دینامیک پشت یک سیستم رو یاد بگیریم و با داده کمتر رفتار آینده‌ش رو بازسازی کنیم.
112🤩8💅4👍2
Forwarded from حرف | ربات پیامرسان

اقا تبریکککک
یک کا شدنمون مبارک
135❤‍🔥22🤩6
Forwarded from تاداشی
برای اولین بار تو آنلاینی‌ها چهار رقمی شدیم:)))
159❤‍🔥15💯4
Forwarded from Harf Chat

سلام
حمایت می کنید(:
https://client.darsita.ir/study-rooms/join/tsvh0l2b
65
Forwarded from Harf Chat

مگاولت لطفا میشه بگی بچه ها تو اتاق ماهم بیان؟
موش های گریفیت اسمشه
94🤣10👾1
Forwarded from Harf Chat

https://app.darsita.ir/study-rooms/join/bjb5mifu
میشه از این مهندس کامپیوتر اینده که خدا زدتش هم حمایت کنییی
83🤣28
Forwarded from Harf Chat

ماشاللللاااا🔥
❤‍🔥12812😐5