Моя предыдущая статья была посвящена созданию карт в 3D, а также содержит увлекательное видео, которое можно посмотреть здесь. В этой статье, сосредотачиваясь на 2D, я предлагаю простое введение в эволюционные процессы в контексте синтетических данных и генерации ландшафта. Не только ландшафты: в зависимости от цветовой палитры с помощью того же алгоритма можно моделировать и другие процессы, такие как формирование шторма.
Основное внимание уделяется стационарным процессам. Поразительна аналогия со случайными блужданиями и броуновскими движениями. Несмотря на простоту, смоделированные здесь системы намного сложнее вашего типичного броуновского движения. Вы можете сравнить это с непрерывными временными рядами, где каждое наблюдение (здесь синтетически сгенерированное) представляет собой изображение. Эта статья понравится практикам, которые ищут более сложные инструменты моделирования, имитирующие природные явления. Он также понравится специалистам по машинному обучению, которые ищут профессиональный код Python, код, который обычно не преподается ни в одном классе или учебнике и не находится в Интернете. Он предлагает забавное приложение для изучения научных вычислений.
Я также объясню, как создавать анимированные визуализации данных в Python (видео в формате MP4) с 4 параллельными связанными суб-видео, прогрессирующими с разной скоростью. В частности, на видео показана вероятностная эволюция системы от A к B по сравнению с преобразованием начальной конфигурации A в конечное состояние B. В конце концов, эта статья может служить введением в хаотические динамические системы.
Читать статью полностью здесь.
