穷举24位*800*600的图片，总共有多少张？

[chaojie]

另外按你的算法，给定一个数字n，能否生成第n张图片。给定一张图片，能否算出其处在第几张？

[goldengrape]

hash＋碰撞列表就可以吧。
进一步，如果将画面之间的状态转移概率算出来，就是预言程序了。

24位真彩有点过了，其实可以从初级的16位灰度，320*240开始。

[virushuo]

@chaojie 这个是效率问题，而且dropbox对于文件并不看作一个整体，而是切成很多小块来同步。如果这样做效率就很低。

其实你这个和图片，都是寻址方法吧，这个思路确实很有趣，很独特。图片这个仔细想想貌似能出现很有意思的东西。

[chaojie]

@virushuo 但实际测试中下载速度稍有些问题，上传基本能达到宽带最高，当然是苦逼的1M的宽带，但不占用服务器的资源啊。空间相对来说很无限，自己还没成本，难道无限空间的诱惑抵不过一点效率的下降？

[goldengrape]

仅仅考虑16位灰度，单像素是2^8
320*240的数据量是
p=2^8^(320*240)=6.75... × 10^184952
从一个状态转移到另一个状态的矩阵大小应该是p*p，
也就是大约：4.55... × 10^369905
这个数字好像有点大

[chaojie]

@virushuo @Livid 图片如果真有这个算法，做图片压缩是最靠谱最简单的了，用一个数字表示一张图。其他很多有意思的应用就有点飘渺了，应该是物理学家数学家的范畴

[fanzeyi]

曾经跟同学说过 每天用程序随机生成一副图片 有朝一日肯定会碰到一副名画的

还有 这个想法来自于《失控》吧 有一章讲这个的 当时就是看这个的时候想到这个的..

[fanzeyi]

但是 各位聪明的程序员们 在这之前你们要得到一个 真·随机数发生器 ..

[virushuo]

@chaojie 这可不是一点效率下降了，尤其是有文件变化时候，会把涉及到的文件全都要比较，如果不是切小块hash的，任何一点点变化都会导致整个文件重传。

跑题了，还是继续说图片吧。。。

[goldengrape]

考虑使用常规的图像压缩算法，比如余弦的那些系列。
如果是完全随机的图片，是非常难以压缩的，而完全的色块，压缩比又非常之高。所以可以通过图像的可压缩率来判定图像是否又意义。相当于一个带通滤波器。

如果考虑给定压缩算法的『带宽』，那么还可以把上述的可能性降低，甚至是降低很多。也许指数项就能降低几个数量级。

[Digi]

@caomu

没错，和那个思路是一样的。按照《诗云》中的设想，不但重现过去历史上所有的诗歌，还会穷举出未来的名句

KK 在《失控》中描述的博尔赫斯图书馆也是这样，算法蓬勃地生长进化，自行创造出前所未有的内容

[fanzeyi]

http://www.boallen.com/random-numbers.html

看看这个吧=.= 除非你真的能搞到一个 真·随机数发生器

[fanzeyi]

@Digi 对就是那一章.

[chaojie]

@goldengrape @reus @013231 你们的算法好像是一样的，我数学不好，不知道结果对不对。
2位2*2结果应该是16，2^1^(2*2)确实是16，我只知道这，汗。。。。。。

那么怎么根据n求图片，以及逆运算是什么呢？

[goldengrape]

@fanzeyi 关于真随机数 vs 伪随机数。从链接中的图片可以通过肉眼发现伪随机数的模式涌现。

对于股票价格的波动，有效市场理论认为是随机波动（真随机数），其他理论认为不是（伪随机数）。那么是否有一种良好的呈现股票价格的方法能够使人眼清晰的感受到其中的模式？并用来预测股价？

[chaojie]

@fanzeyi 还未看失控，其实我的世界观就是一切都是可能性。另外还有事物之间没有任何联系性。

呵呵，当然这世界观只用来深信，从不使用

[goldengrape]

如果是穷举所有的股价和成交量呢？貌似复杂度一下子降低了很多。可统计的数据也有很多，状态转移的概率也是可能被计算的了。

这比穷举整个世界来得容易，也更赚钱些

[chaojie]

@virushuo 我还是决定做出来看有木有人使用，主要现在做其他的感觉很无力，转移下视线也好。没准结局会是把邮箱作为惰性空间使用，或是给我的Drop盒做备份也好，哈哈

[goldengrape]

股票的价格最小单位是0.01元。应该不会有超过1000元/股的股票。交易所每天9点到下午3点开市。
于是穷举：
(1000/0.01)^(60*60*6)=1*10^108000

实际上大于100元的股票也不算多。那么
(100/0.01)^(60^60^6)=1 × 10^86400

再进一步，我只限定自己买卖10元价格区间内的股票，比如10-20元区间的。那么
1 × 10^64800

涨停跌停之类也许用个FFT的滤波器可以过滤。
比如到了 1 × 10^6480 的数量级，是否可以建立完整的预测体系呢？当然，这个体系有如下问题：
1. 是基于过去数据的，至少没有包含本模型的影响
2. 要求的置信区间太高。

[virushuo]

@goldengrape 我也觉得用来计算股票比较好玩。

[goldengrape]

如果只考虑10元区间内，15分钟采样一次，那么数据量是10^72，大概已经是个可处理的范围内了。
然后统计出过去所有股票交易时间内这些交易图像的转移概率，
比如你今天12点看到了一支股票价格的波动符合第3,4,7,9号图，有>90%的概率变成第3,4,5,6,7,8,9号图。。。