#numpy — Public Fediverse posts

Основы глубокого обучения. Часть 1

Приветствую всех! Эта статья будет первой в серии статей про основы глубокого обучения. В этой части я расскажу про то, что такое модели, искусственный интеллект (ИИ), машинное (МО) и глубокое обучение (ГО), про виды этапа обучения моделей, что такое нейронные сети, градиентный спуск и обратное распространение. В конце затронем теорию свёрточных нейронных сетей.

https://habr.com/ru/articles/1034392/

#глубокое_обучение #ai #ии #машинное_обучение #python #numpy #pytorch

Основы глубокого обучения. Часть 1

Приветствую всех! Эта статья будет первой в серии статей про основы глубокого обучения. В этой части я расскажу про то, что такое модели, искусственный интеллект (ИИ), машинное (МО) и глубокое обучение (ГО), про виды этапа обучения моделей, что такое нейронные сети, градиентный спуск и обратное распространение. В конце затронем теорию свёрточных нейронных сетей.

https://habr.com/ru/articles/1034392/

#глубокое_обучение #ai #ии #машинное_обучение #python #numpy #pytorch

Основы глубокого обучения. Часть 1

Приветствую всех! Эта статья будет первой в серии статей про основы глубокого обучения. В этой части я расскажу про то, что такое модели, искусственный интеллект (ИИ), машинное (МО) и глубокое обучение (ГО), про виды этапа обучения моделей, что такое нейронные сети, градиентный спуск и обратное распространение. В конце затронем теорию свёрточных нейронных сетей.

https://habr.com/ru/articles/1034392/

#глубокое_обучение #ai #ии #машинное_обучение #python #numpy #pytorch

Основы глубокого обучения. Часть 1

Приветствую всех! Эта статья будет первой в серии статей про основы глубокого обучения. В этой части я расскажу про то, что такое модели, искусственный интеллект (ИИ), машинное (МО) и глубокое обучение (ГО), про виды этапа обучения моделей, что такое нейронные сети, градиентный спуск и обратное распространение. В конце затронем теорию свёрточных нейронных сетей.

https://habr.com/ru/articles/1034392/

#глубокое_обучение #ai #ии #машинное_обучение #python #numpy #pytorch

Great news! My friend Professor Claudio Esperança (who teaches at UFRJ) has added many "#py5 compatibility hacks" to his online #pyscript based #Py5Script IDE, I'm thrilled. It will be an upgrade on the much loved #pyp5js #pyodide editor I use in some classes. Now one can use more advanced stuff like #numpy :D

https://esperanc.github.io/Py5Script/view.html?code=FDAmFMDMAIGdwC4FcAOAKAlALmNPcBLAL3DQBYAGCgGmkoo2gGJoBlATwDsB7T9gW2iRuAJ2gBjEeACGCcAGFpnAG7TYufC2kAbWN2jTQoWNAQALcNAAKI7uPCxYBTgHMA9CnYBWaBEjSkbQRoFxFpdmgAI2lxAGtQ7iROUA08LWShUXsTAHczAjkDEz8AoMyxOQAPBBA-XzCczBx8aBzoAF5oKX5pdH5E+AB9StoaVoJQc1oARjHZhmYu8B6UaAITcABHADpTfRs7BydXAHITFdS1mHXB-qQhlClHcFAsRY4ePkFhMTuhm8eRxelxa4gIInE2ksaD+4GGtFhg3YtByGEuBGusEGsXA7EGgOer3eXF4AnK0BxeIBT3gKRaLVgmyQ0ikMIGcJG0ERyNaaMuOQKZmgKHuZlushEBEqTTSpnyJnWwq82wAViYRbAzJhoEkIBULNAzNxuKBtmaJCyoIE5eApABCEH4BBhTiwbSyUgAJio1G9DEdeFsCA9aDCoAISlgaEgYX4cPEiU4CAwaPp+AF5ii4BczkGkO4tMGmt6pGwAfpyltVTQ82o81TaYrVfA0trfobjfwlZE1b9daoGCAA&name=py5%20hacks%3A%20name%20aliases%20%26%20context%20manager

#CreativeCoding #Processing #Python #p5js

#AI illiteracy is real. While still arguing with a bunch of AI haters, #Copilot and I just finished our #Pascal #BLAS level 1-3 Implementation plus eigenvalue, cholesky, and sparse #matrix, so we will never need #python, #C, C#, #Rust, ... for our Small Language Project. We will expand our Pascal Numeric Library (PNL) v1.0 to something like #Numpy and #Pytorch, but with static arrays, deterministic data structure, no referencing, no pointer arithmetic.

#LLM #programming #computer

#AI illiteracy is real. While still arguing with a bunch of AI haters, #Copilot and I just finished our #Pascal #BLAS level 1-3 Implementation plus eigenvalue, cholesky, and sparse #matrix, so we will never need #python, #C, C#, #Rust, ... for our Small Language Project. We will expand our Pascal Numeric Library (PNL) v1.0 to something like #Numpy and #Pytorch, but with static arrays, deterministic data structure, no referencing, no pointer arithmetic.

#LLM #programming #computer

#AI illiteracy is real. While still arguing with a bunch of AI haters, #Copilot and I just finished our #Pascal #BLAS level 1-3 Implementation plus eigenvalue, cholesky, and sparse #matrix, so we will never need #python, #C, C#, #Rust, ... for our Small Language Project. We will expand our Pascal Numeric Library (PNL) v1.0 to something like #Numpy and #Pytorch, but with static arrays, deterministic data structure, no referencing, no pointer arithmetic.

#LLM #programming #computer

#AI illiteracy is real. While still arguing with a bunch of AI haters, #Copilot and I just finished our #Pascal #BLAS level 1-3 Implementation plus eigenvalue, cholesky, and sparse #matrix, so we will never need #python, #C, C#, #Rust, ... for our Small Language Project. We will expand our Pascal Numeric Library (PNL) v1.0 to something like #Numpy and #Pytorch, but with static arrays, deterministic data structure, no referencing, no pointer arithmetic.

#LLM #programming #computer

Why do people use #python, a glue language, which is so slow? The only reason is the AI ecosystem.

#Copilot and I just tested Free Pascal and BLAS for its speed without using #numpy or #pytorch. The result is amazing. It took less than a second to do a 1024x1024 #matrix multiplication.

We will be using Free #Pascal and #BLAS to write our Small Language Model #SLM using #NNUE.

#AI #LLM

Why do people use #python, a glue language, which is so slow? The only reason is the AI ecosystem.

#Copilot and I just tested Free Pascal and BLAS for its speed without using #numpy or #pytorch. The result is amazing. It took less than a second to do a 1024x1024 #matrix multiplication.

We will be using Free #Pascal and #BLAS to write our Small Language Model #SLM using #NNUE.

#AI #LLM

Why do people use #python, a glue language, which is so slow? The only reason is the AI ecosystem.

#Copilot and I just tested Free Pascal and BLAS for its speed without using #numpy or #pytorch. The result is amazing. It took less than a second to do a 1024x1024 #matrix multiplication.

We will be using Free #Pascal and #BLAS to write our Small Language Model #SLM using #NNUE.

#AI #LLM

Why do people use #python, a glue language, which is so slow? The only reason is the AI ecosystem.

#Copilot and I just tested Free Pascal and BLAS for its speed without using #numpy or #pytorch. The result is amazing. It took less than a second to do a 1024x1024 #matrix multiplication.

We will be using Free #Pascal and #BLAS to write our Small Language Model #SLM using #NNUE.

#AI #LLM

NumPy с нуля: понятный гайд для тех, кто хочет в Data Science

Стандартные списки в Python прекрасны своей гибкостью, но когда дело доходит до больших данных и математики, они превращаются в медленных черепах. 🐢 Подготовил для вас максимально практичный гайд: «NumPy с нуля до понимания за 1 статью». Никакой академической воды — только база для быстрого старта в Data Science и аналитике.

https://habr.com/ru/articles/1029440/

#numpy #numpy_datascience #python #python3 #python_для_начинающих #python_tutor #data_science #data_analysis

NumPy с нуля: понятный гайд для тех, кто хочет в Data Science

Стандартные списки в Python прекрасны своей гибкостью, но когда дело доходит до больших данных и математики, они превращаются в медленных черепах. 🐢 Подготовил для вас максимально практичный гайд: «NumPy с нуля до понимания за 1 статью». Никакой академической воды — только база для быстрого старта в Data Science и аналитике.

https://habr.com/ru/articles/1029440/

#numpy #numpy_datascience #python #python3 #python_для_начинающих #python_tutor #data_science #data_analysis

NumPy с нуля: понятный гайд для тех, кто хочет в Data Science

Стандартные списки в Python прекрасны своей гибкостью, но когда дело доходит до больших данных и математики, они превращаются в медленных черепах. 🐢 Подготовил для вас максимально практичный гайд: «NumPy с нуля до понимания за 1 статью». Никакой академической воды — только база для быстрого старта в Data Science и аналитике.

https://habr.com/ru/articles/1029440/

#numpy #numpy_datascience #python #python3 #python_для_начинающих #python_tutor #data_science #data_analysis

NumPy с нуля: понятный гайд для тех, кто хочет в Data Science

Стандартные списки в Python прекрасны своей гибкостью, но когда дело доходит до больших данных и математики, они превращаются в медленных черепах. 🐢 Подготовил для вас максимально практичный гайд: «NumPy с нуля до понимания за 1 статью». Никакой академической воды — только база для быстрого старта в Data Science и аналитике.

https://habr.com/ru/articles/1029440/

#numpy #numpy_datascience #python #python3 #python_для_начинающих #python_tutor #data_science #data_analysis

I learned #Pascal in the 80s. I learned a bit C and Rust and hated that pointer logic which is extremely clumsy for matrix manipulation. #Python and #C users almost never knew that things like #Numpy were written in #Assembly based on algorithms originally written in #Fortran, not C. I tried to create a new programming language by bootstrapping using Fortran with the help of #Claude 4 but failed. Now I am switching to Pascal which is insane with powerful arrays.

#AI #computer #programming

Все об устройстве WSPR с примерами на Python (часть 2)

WSPR — цифровой протокол, разработанный Джо Тейлором (K1JT) в 2008-2009 годах, с целью исследования распространения радиосигналов от коротковолновых передатчиков малой и сверхмалой мощности. В предыдущей части были рассмотрены механизмы помехозащищенного кодирования данных и формирования сигнала для отправки его в эфир. В этой части статьи рассматриваются механизмы детектирования и декодирования принимаемого из сигнала. Статья может быть интересна радиолюбителям, как знакомым, так и не знакомым с WSPR, а также тем, кто интересуется темой цифровой обработки сигналов и хочет понять устройство этого протокола.

https://habr.com/ru/articles/1027722/

#ham #hamradio #python #numpy #fec #fsk #convolutional_encoding

Simone Conradi, Theoretical physics PhD
Università degli Studi di Genova

Roots of a parametric polynomial.

Made with #Python #NumPy and #Matplotlib

#Día22 | Series de Tiempo – Nueva Herramienta | #30DayChartChallenge | Precio histórico del aceite de palma. Creada usando #Python con #io, #pandas, #numpy y #matplotlib

#Día22 | Series de Tiempo – Nueva Herramienta | #30DayChartChallenge | Precio histórico del aceite de palma. Creada usando #Python con #io, #pandas, #numpy y #matplotlib

#Día22 | Series de Tiempo – Nueva Herramienta | #30DayChartChallenge | Precio histórico del aceite de palma. Creada usando #Python con #io, #pandas, #numpy y #matplotlib

#Día22 | Series de Tiempo – Nueva Herramienta | #30DayChartChallenge | Precio histórico del aceite de palma. Creada usando #Python con #io, #pandas, #numpy y #matplotlib

«Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки

Что будет, если столкнуть классический переборный алгоритм упаковки и «математику потока» на базе Numpy? Мы взяли реальный кейс на 398 предметов и проверили: можно ли за доли секунды найти решение, которое окажется дешевле и безопаснее ручного планирования. Внутри — разбор «Бизнес-Ассемблера», борьба с весовыми лимитами и ответ на вопрос: почему при КПД 61% по объему контейнер может считаться идеально упакованным.

https://habr.com/ru/articles/1023920/

#3d_bin_packing #numpy #heuristics #algorithms #computational_geometry #python_optimization #lifoпогрузка #lifo #cog #payload

«Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки

Что будет, если столкнуть классический переборный алгоритм упаковки и «математику потока» на базе Numpy? Мы взяли реальный кейс на 398 предметов и проверили: можно ли за доли секунды найти решение, которое окажется дешевле и безопаснее ручного планирования. Внутри — разбор «Бизнес-Ассемблера», борьба с весовыми лимитами и ответ на вопрос: почему при КПД 61% по объему контейнер может считаться идеально упакованным.

https://habr.com/ru/articles/1023920/

#3d_bin_packing #numpy #heuristics #algorithms #computational_geometry #python_optimization #lifoпогрузка #lifo #cog #payload

«Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки

Что будет, если столкнуть классический переборный алгоритм упаковки и «математику потока» на базе Numpy? Мы взяли реальный кейс на 398 предметов и проверили: можно ли за доли секунды найти решение, которое окажется дешевле и безопаснее ручного планирования. Внутри — разбор «Бизнес-Ассемблера», борьба с весовыми лимитами и ответ на вопрос: почему при КПД 61% по объему контейнер может считаться идеально упакованным.

https://habr.com/ru/articles/1023920/

#3d_bin_packing #numpy #heuristics #algorithms #computational_geometry #python_optimization #lifoпогрузка #lifo #cog #payload

«Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки

Что будет, если столкнуть классический переборный алгоритм упаковки и «математику потока» на базе Numpy? Мы взяли реальный кейс на 398 предметов и проверили: можно ли за доли секунды найти решение, которое окажется дешевле и безопаснее ручного планирования. Внутри — разбор «Бизнес-Ассемблера», борьба с весовыми лимитами и ответ на вопрос: почему при КПД 61% по объему контейнер может считаться идеально упакованным.

https://habr.com/ru/articles/1023920/

#3d_bin_packing #numpy #heuristics #algorithms #computational_geometry #python_optimization #lifoпогрузка #lifo #cog #payload

Все об устройстве WSPR с примерами на Python (часть 1)

WSPR — цифровой протокол, разработанный Джо Тейлором (K1JT) в 2008-2009 годах, с целью исследования распространения радиосигналов от коротковолновых передатчиков малой и сверхмалой мощности. В этой статье будут рассмотрены устройство и принципы работы протокола. Статья может быть интересна радиолюбителям, как знакомым, так и не знакомым с WSPR, а также тем, кто хочет понять устройство этого протокола.

https://habr.com/ru/articles/1017728/

#ham #hamradio #python #numpy #fec #fsk #convolutional_encoding

The sketch-a-day archives and tip jar are at: https://abav.lugaralgum.com/sketch-a-day Code for this: https://github.com/villares/sketch-a-day/tree/main/2026/sketch_2026_03_29
#shapely #numpy #Processing #Python #py5 #CreativeCoding

#numpy & #shapely The sketch-a-day archives and tip jar are at: https://abav.lugaralgum.com/sketch-a-day Code for this: https://github.com/villares/sketch-a-day/tree/main/2026/sketch_2026_03_22 #Processing #Python #py5 #CreativeCoding

Почему Python + Numba обгоняет C? Эксперимент с алгоритмом прогонки

Все знают, что C быстрее Python. Но мы провели эксперимент с алгоритмом прогонки и обнаружили, что Numba (JIT-компилятор для Python) обгоняет наивный C на 20–25%. Разбираемся, почему так происходит, и сравниваем точность float32/float64.

https://habr.com/ru/articles/1012122/

#Python #C #Numba #NumPy #производительность #алгоритмы #численные_методы #оптимизация #прогонка

Почему Python + Numba обгоняет C? Эксперимент с алгоритмом прогонки

Все знают, что C быстрее Python. Но мы провели эксперимент с алгоритмом прогонки и обнаружили, что Numba (JIT-компилятор для Python) обгоняет наивный C на 20–25%. Разбираемся, почему так происходит, и сравниваем точность float32/float64.

https://habr.com/ru/articles/1012122/

#Python #C #Numba #NumPy #производительность #алгоритмы #численные_методы #оптимизация #прогонка

Почему Python + Numba обгоняет C? Эксперимент с алгоритмом прогонки

Все знают, что C быстрее Python. Но мы провели эксперимент с алгоритмом прогонки и обнаружили, что Numba (JIT-компилятор для Python) обгоняет наивный C на 20–25%. Разбираемся, почему так происходит, и сравниваем точность float32/float64.

https://habr.com/ru/articles/1012122/

#Python #C #Numba #NumPy #производительность #алгоритмы #численные_методы #оптимизация #прогонка

Почему Python + Numba обгоняет C? Эксперимент с алгоритмом прогонки

Все знают, что C быстрее Python. Но мы провели эксперимент с алгоритмом прогонки и обнаружили, что Numba (JIT-компилятор для Python) обгоняет наивный C на 20–25%. Разбираемся, почему так происходит, и сравниваем точность float32/float64.

https://habr.com/ru/articles/1012122/

#Python #C #Numba #NumPy #производительность #алгоритмы #численные_методы #оптимизация #прогонка

https://blog.gslin.org/archives/2026/03/19/12941/%e5%be%88%e5%a4%9a-python-%e5%8a%a0%e9%80%9f%e7%9a%84%e6%96%b9%e6%b3%95/

很多 Python 加速的方法

#c #code #codon #compiler #cpython #cython #graalpy #jax #mojo #mypyc #native #numba #numpy #performance #pyo3 #pypy #python #rust #speed #taichi

https://blog.gslin.org/archives/2026/03/19/12941/%e5%be%88%e5%a4%9a-python-%e5%8a%a0%e9%80%9f%e7%9a%84%e6%96%b9%e6%b3%95/

很多 Python 加速的方法

#c #code #codon #compiler #cpython #cython #graalpy #jax #mojo #mypyc #native #numba #numpy #performance #pyo3 #pypy #python #rust #speed #taichi

https://blog.gslin.org/archives/2026/03/19/12941/%e5%be%88%e5%a4%9a-python-%e5%8a%a0%e9%80%9f%e7%9a%84%e6%96%b9%e6%b3%95/

很多 Python 加速的方法

#c #code #codon #compiler #cpython #cython #graalpy #jax #mojo #mypyc #native #numba #numpy #performance #pyo3 #pypy #python #rust #speed #taichi

https://blog.gslin.org/archives/2026/03/19/12941/%e5%be%88%e5%a4%9a-python-%e5%8a%a0%e9%80%9f%e7%9a%84%e6%96%b9%e6%b3%95/

很多 Python 加速的方法

#c #code #codon #compiler #cpython #cython #graalpy #jax #mojo #mypyc #native #numba #numpy #performance #pyo3 #pypy #python #rust #speed #taichi

https://blog.gslin.org/archives/2026/03/19/12941/%e5%be%88%e5%a4%9a-python-%e5%8a%a0%e9%80%9f%e7%9a%84%e6%96%b9%e6%b3%95/

很多 Python 加速的方法

#c #code #codon #compiler #cpython #cython #graalpy #jax #mojo #mypyc #native #numba #numpy #performance #pyo3 #pypy #python #rust #speed #taichi

Even a decade back, when #PyPy was showing promising performance benefits of 4x speedup or even more, it was of little benefit to an increasingly compiled scientific stack. PyPy was only useful in a Pure Python environment, so I am not surprised with its removal from #NumPy

https://github.com/numpy/numpy/issues/30416

However I am genuinely surprised to hear that PyPy as a project is "no longer under active development, and has not released a Python3.12 version." I think the emphasis is on the latter, that it takes time for PyPy to catch up to Python 3.12 and due to NEP29 they should only support Python 3.12+.

https://numpy.org/neps/nep-0029-deprecation_policy.html

I haven't seen an official announcement of PyPy being discontinued and would refuse to believe that until I see one.

New blog post: I Used NumPy to Plan for My Home Renovations

https://plbrault.com/blog-posts/i-used-numpy-to-plan-for-my-home-renovations/

#python #numpy #matplotlib

PyEditor for ESA SNAP, available since v1.5 of EOMasters Toolbox Pro, allows to use packages like #numpy on Linux and do data anaylsis directly in SNAP.
On Windows this will still take a little while. The maintainers of #GraalPython are working on this.
#earthobservation #remotesensing #graalvm

Yet another Conway's Game of Life with #numpy. Find the sketch-a-day archives and tip jar at: https://abav.lugaralgum.com/sketch-a-day
Code for this sketch at: https://github.com/villares/sketch-a-day/tree/main/2026/sketch_2026_03_01

[I updated the image]
#CellularAutomata #GoL #Conway #Processing #Python #py5 #CreativeCoding

Preparing a bit for teaching my #CellularAutomata class a few times this semester.#WIP #ConwaysGameOfLife with #numpy
Find the sketch-a-day archives and tip jar at: https://abav.lugaralgum.com/sketch-a-day
Code for this sketch at: https://github.com/villares/sketch-a-day/tree/main/2026/sketch_2026_02_28 #Processing #Python #py5 #CreativeCoding

結局Pythonは遅いのか？を“最小ベンチ”で決着：プロファイル→ベクトル化→Numba
https://qiita.com/Seine_A_Shintani/items/fef850878d8c89bad47a?utm_campaign=popular_items&utm_medium=feed&utm_source=popular_items

#qiita #Python #numpy #パフォーマンス #Numba #プロファイリング

結局Pythonは遅いのか？を“最小ベンチ”で決着：プロファイル→ベクトル化→Numba
https://qiita.com/Seine_A_Shintani/items/fef850878d8c89bad47a?utm_campaign=popular_items&utm_medium=feed&utm_source=popular_items

#qiita #Python #numpy #パフォーマンス #Numba #プロファイリング

Трансформер своими руками: с нуля до Numpy реализации и обучения

В этой статье пойдет речь об одной из самых сложных и интересных архитектур — трансформере, лежащей в основе современных моделей от OpenAI и Google DeepMind. И это не научпоп для обывателя с наивным уровнем объяснения, а полноценный учебный материал, который поможет вам понять работу трансформера на фундаментальном уровне без черных ящиков типа TensorFlow и Pytorch. А для того чтобы лучше вникнуть, давайте напишем настоящий мини-трансформер на процедурном Python и обучим его! Данный материал можно изучать в разных режимах: * Как объяснение архитектуры для общего представления; * Как полноценный гайд с чтением кода и самостоятельной практикой; * Как основу для собственных экспериментов. Вы сами можете выбрать тот режим, который нужен для ваших целей на данный момент. Наш трансформер будет довольно простым: со статическим графом и одноблочными энкодером и декодером. Сам код написан в парадигме процедурного программирования (за исключением некоторых модулей) и может быть прочитан на любом уровне и без знания ООП. И все же это будет полноценный обучаемый трансформер с мультиголовым вниманием, батчами данных, параллельным вычислением и множеством параметров. Для закрепления материала, выполните Домашнее задание, которое ждет вас в конце статьи. Напишем трансформер!

https://habr.com/ru/articles/982268/

#transformer #encoder #decoder #numpy #с_нуля #deeplearning #attention #backpropagation #нейросети #pytorch

Трансформер своими руками: с нуля до Numpy реализации и обучения

В этой статье пойдет речь об одной из самых сложных и интересных архитектур — трансформере, лежащей в основе современных моделей от OpenAI и Google DeepMind. И это не научпоп для обывателя с наивным уровнем объяснения, а полноценный учебный материал, который поможет вам понять работу трансформера на фундаментальном уровне без черных ящиков типа TensorFlow и Pytorch. А для того чтобы лучше вникнуть, давайте напишем настоящий мини-трансформер на процедурном Python и обучим его! Данный материал можно изучать в разных режимах: * Как объяснение архитектуры для общего представления; * Как полноценный гайд с чтением кода и самостоятельной практикой; * Как основу для собственных экспериментов. Вы сами можете выбрать тот режим, который нужен для ваших целей на данный момент. Наш трансформер будет довольно простым: со статическим графом и одноблочными энкодером и декодером. Сам код написан в парадигме процедурного программирования (за исключением некоторых модулей) и может быть прочитан на любом уровне и без знания ООП. И все же это будет полноценный обучаемый трансформер с мультиголовым вниманием, батчами данных, параллельным вычислением и множеством параметров. Для закрепления материала, выполните Домашнее задание, которое ждет вас в конце статьи. Напишем трансформер!

https://habr.com/ru/articles/982268/

#transformer #encoder #decoder #numpy #с_нуля #deeplearning #attention #backpropagation #нейросети #pytorch

Все об устройстве Q65 с примерами на Python (часть 3)

Q65 — цифровой протокол, разработанный Джо Тейлором (K1JT) и его командой в 2021 году для проведения минимальных связей в условиях сложных трасс прохождения радиосигнала. В предыдущих частях цикла были рассмотрены структура протокола, алгоритмы формирования сигнала, механизмы компенсации эффекта Доплера, синхронизация и детектирование сигнала в условиях быстрых затуханий сигналов. В этой части статьи рассматривается механизм декодирования данных Q-ary Repeat Accumulation кодов протокола Q65. Статья может быть интересна радиолюбителям, людям, интересующимся темой цифровой обработки сигналов и кодами коррекции ошибок.

https://habr.com/ru/articles/992436/

#ham #hamradio #python #numpy #fec #q65