Sly32

Рейтинг
367
Регистрация
29.03.2012
ну а примеры?

Вот кстати хороший пример этот флудер. Он старается, шлепает мессджи, думая что загадит весь форум. 

Что думаешь, админ проснется и будет ручками выпиливать все? Нет, достаточно удалить юзера. Все сообщения каскадом удаляться из базы тоже. Когда БД поддерживает принципы ACID - это не вызывает сложностей. MySQL  его поддерживает частично, а вот POSTGRSQL - полностью. Там каскадные связи строить проще.

Тут некоторые удивляются, как форд умеет сам ездить по полосе. Вот небольшое обьяснение

Системы удержания автомобиля в полосе (по-английски Lane Keeping Assist, LKA или Lane Centering Assist) — это часть современных ADAS (Advanced Driver Assistance Systems). 


🚗💡:

Система использует камеры и датчики, чтобы:

  1. Распознать дорожную разметку.

  2. Определить положение автомобиля в полосе.

  3. Если автомобиль начинает "уезжать", система:

    • либо предупреждает водителя (звуком/вибрацией),

    • либо автоматически корректирует траекторию (легкий поворот руля).


🔍 Как это реализовано

1. 📷 Камера перед лобовым стеклом

  • Чаще всего — одна моно-камера в районе зеркала заднего вида.

  • Смотрит на дорогу впереди и фиксирует:

    • линии разметки (белые/желтые),

    • края дороги (в некоторых системах — даже обочину/бордюры).

2. 🧠 Обработка изображения

  • Камера передаёт изображение в встроенный вычислительный блок (ECU).

  • Запускаются алгоритмы компьютерного зрения (OpenCV-подобные + нейросети):

    • Определение полосы — часто через Hough Transform, CNN, Segmentation.

    • Определение смещения автомобиля от центра полосы.

    • Расчет угла отклонения и предполагаемой траектории.

3. 📐 Контроль положения

  • Если авто смещается вбок без включенного поворотника — система считает, что это непреднамеренное отклонение.

  • Тогда система:

    • 🔔 Предупреждает (если включен Lane Departure Warning),

    • 🔄 Аккуратно корректирует (если включен Lane Keeping Assist),

    • 🤖 Или удерживает в центре полосы (если активен Lane Centering Assist — более продвинутый уровень).


⚙️ Как корректируется движение?

Зависит от конструкции авто:

  • Электроусилитель руля (EPS) — рулевое колесо может немного подрулить в нужную сторону.

  • Тормозные модули — некоторые системы слегка подтормаживают одно из колес, чтобы подправить курс (например, на малых скоростях).

  • Система может взаимодействовать с другими модулями: ESP/ESC, радаром, GPS.


🎮 Уровни помощи:

Название функцииДействие системы
Lane Departure WarningТолько предупреждает
Lane Keeping AssistАктивно корректирует при отклонении
Lane Centering AssistПостоянно удерживает в центре

🧠 Пример софта в таких системах:

  • OpenCV + C++/Python: для базовой обработки линий.

  • TensorFlow Lite или ONNX: для лёгких моделей сегментации дороги.

  • Используются архитектуры типа U-Net, ENet и др. для распознавания дорожных границ.

Считается, что  системы работают хорошо, только если есть разметка. Если её нет — ИИ может "потеряться", но современные нейросети (как в Tesla, Mobileye, NVIDIA Drive) учатся распознавать даже контекст дороги.

У меня далеко не Тесла, но система неплохо понимяет, например, если есть разметка только с одной стороны а со второй стороны - бордюр. Обочину обычную тоже неплохо понимает. 

Кайф, когда вечером едешь в тумане, сам разметку почти не видишь, но машина на удивление понимает.

Непонятно почему только эта система помогает на скорости только свыше 60 км/час. Вот адаптивный круиз делает тоже самое, но с 0 так же держит полосу, но еще и контролирует расстояние до впереди идущего автомобиля - может сам останавливаться и трогаться. Жаль, не умеет различать сигналы светофора и норовит  проскочить за впереди идущим авто. Видел что в китайских авто уже научили и на светофор смотреть.



nomarketing #:

У меня в этом практики ноль, но, могу разобраться в прочем что и делаю.

Мне нужна некая простая база (рабочая) чтобы наглядно было, потом уже проще будет.

Рабочая база - это сесть и почитать про базы данных. Как устроены, что умеют. Без этого приведенные примеры тебе ничего не дадут.

Зная основы, тебе уже будет абсолютно все равно на чем реализовывать - вордпрессе, или Питоне.

nomarketing #:

Как это понять для групповых чатов ?

Нужно только 2 собеседника в 1 чате.

Ну и упрости уже сам

png screenshot_2025-04-21_at_08.55.31.png
nomarketing #:

К примеру user1 написал user2, user 2 ответил user 1. - далее удаление у себя сообщение удалили к примеру 2 пользователя то оно удаляется автоматом из БД у обоих пользователей.

Видите не все так просто

Ты прежде чем браться за такое - немного почитай про реляционные базы данных для начала, если такое пишешь. На самм деле это очень просто, с таких примеров начинают изучать БД на самом деле.

master32 #:
Ниже приведён SQL-пример создания таблиц (пример на PostgreSQL):

Ну что, вот совсем было лень отформатировать ответ от ГПТ-чата? Ты можешь в промпт вставить - "дай ответ в формате  документа README", тогда он ответит одним файлом, в котором уже будет необходимое форматирование.

Убили интересную тему, может и правильно, но там был интересны момент, которая мне продемонстрировала что оппоненты в принципе не понимают чем отличается нейросеть от обычных алгоритмов меребора.

Было заявлено что  Deep Blue, который в 1997 году выиграл в шахматы у Каспарова, тоже самое что современнные нейросети. При том что это чушь. DB - это как раз алгоритм перебора. За счет колоссальной по тем временам скорости - 200млн оп/с и загруженной огромной базы партий. Он мог на каждом ходу перебирать подходящие варианты и отсекать те, что не приводят к победе(алгоритм отсечения). Играть в шахматы он не умел

А теперь - что такое Leela/ AlphaZero? Это уже нейросеть на основе  deep learning. В него не загружались готовые партии. По факту обучение происходило в игре с самим собой. Изначально он знает только правила. Используется алгоритмы Монте-карло и СNN. Что это значит - не происходит перебора всех позиций - оцениваются только перспективные на данный момент и уже для них строится вариант хода. 

По факту неразумный транзистор делает тоже самое, что и человеческий мозг - анализирует только важную информацию. 

Кстати, примерно такое же отличие между файнридером и современными OCR -  они не сравнивают с образцами букв, а просчитывают вероятность того, что это какой-то символ.

Надеюсь, кому-нибудь это было полезно.

nomarketing #:
Не пойму почему тут автор похвастался 2-3 часами, а написать логику работы не так и не удалось.

Если ты готов оплатить - сделаю все что хочешь, выбирай - Java, Kotlin, Go, Python... 😎 Какой мне интерес иначе? Это очень примитивный функционал. Давно пройденный этап. Советы я тебе дал, дерзай. 

nomarketing #:
2-3 часа Вы ничего нормального не решите.

быстрее решу. 20 минут на дизайн БД, Есть юзер и его айди, есть таблица сообщений, которяа посредством связей один-к-одному, один-ко-многим итд  связывает пользователей и сообщения

20 минут на бэкенд код+ тесты.

30 минут на настройку уведомлений. 
Так как я не фронтендер - минут 40 уйдет на написание HTML страничек

Все.

nomarketing #:
А то что нагрузку они дают и много чего вообще не нужно - это никто не учитывает.

Как ты это проверял? Написал тесты, например? В чем существующие не оптимизированы, какой функционал не нужен?  Пока все это пустая болтовня. 

nomarketing #:
Так вот на счёт работы логики бд личных сообщений всё таки хотелось бы чтобы кто-то расписал от А до Я,

Если ты не понимаешь логики - стоит ли браться?

Прежде чем начать делать что-то новое - изучи существующее и определи слабые места. Если ты не можешь этого сделать - почему ты считаешь, что напишешь лучше? 

Мне, к примеру , такая задача неинтересна. Если надо, я ее решу для своего сайта примерно за 2-3 часа, с пушами, емэйл-уведомлениями, написанием юнитов и функциональным тестированием. 

А расписывать кому-то - увольте)))

Всего: 7109