Dietmar

@sparty411 This Bsod is only possible, if for example, you choose Raid instead of Sata for the HD in Bios Dietmar

@sparty411 When you have a Ramsey XP with KaiSchtrom Sata driver running on the B450, you can just take this XP and connect it to the B650-E board Dietmar

@sparty411 You need an Sata CD Rom, no USB. And use a harddisk or sata HD disk, connected to a Sata port Dietmar

@Mark-XP ALC12x0 Codecs work, ALC1150 I have no board for this to test. Until now, for me all Realtek works in XP SP3 Dietmar

@sparty411 Use a real burned CD in an Sata CD-Rom drive together with the Kai Schtrom Sata driver and Ramsey XP SP3. For a first try, disable all USB in Bios and also other not elementary needed devices there Dietmar

Hi, I make a new program with Java Netbeans, Ant. This one is much more intelligent in predicting the next number. It takes the whole input "number sequence" as the one and only thing, with which the Neural Network is trained. This means: Also the whole sequence in the numbers is stored for the learning process. I get a feeling, that not much more (!) can be done with Ai and this kind of Neural Network. Whole functions could be interpreted!!! One crazy thing I notice: Because of Normalization with 1000, small numbers give more bad results, dont know if the cause for this is the Sigmoid Function or just crazy round to zero by Java Dietmar package zahlen; import java.util.ArrayList; import java.util.Scanner; import org.neuroph.core.NeuralNetwork; import org.neuroph.core.data.DataSet; import org.neuroph.core.data.DataSetRow; import org.neuroph.nnet.MultiLayerPerceptron; import org.neuroph.util.TransferFunctionType; public class Zahlen { public static void main(String[] args) { ArrayList<Double> numbers = new ArrayList<>(); Scanner scanner = new Scanner(System.in); boolean isInputActive = true; while (isInputActive) { String input = scanner.next(); switch (input) { case "list": if (numbers.size() == 0) { System.out.println("Die Liste ist leer."); } else { for (double number : numbers) { System.out.println(number); } } break; case "q": System.out.println("Eingabe beendet. Geben Sie 'quit' ein, um das Programm zu beenden, oder 'list', um die Liste der Zahlen anzuzeigen."); break; case "quit": System.out.println("Das Programm wird beendet."); isInputActive = false; break; default: try { double number = Double.parseDouble(input); numbers.add(number / 1000.0); } catch (NumberFormatException e) { System.out.println("Ungültige Eingabe."); } break; } } scanner.close(); int inputSize = numbers.size(); int outputSize = 1; DataSet trainingSet = new DataSet(inputSize, outputSize); for (int i = 0; i < numbers.size() - 1; i++) { double[] inputArray = new double[numbers.size()]; for (int j = 0; j < numbers.size(); j++) { inputArray[j] = numbers.get(j); } double[] outputArray = new double[]{numbers.get(i+1)}; trainingSet.add(new DataSetRow(inputArray, outputArray)); } // create neural network NeuralNetwork neuralNet = new MultiLayerPerceptron(TransferFunctionType.SIGMOID, inputSize, 300, 300,300,300,300,300,300, outputSize); // train the neural network neuralNet.learn(trainingSet); // use the trained neural network to predict the next number in the sequence double[] inputArray = new double[numbers.size()]; for (int j = 0; j < numbers.size(); j++) { inputArray[j] = numbers.get(j); } neuralNet.setInput(inputArray); neuralNet.calculate(); double[] predictedOutput = neuralNet.getOutput(); // scale the predicted output back up to its original range double predictedNumber = predictedOutput[0] * 1000.0; // print the predicted output System.out.println("Das nächste Element könnte sein: " + predictedNumber); } }

@Cocodile I think, his board has only Sata connectors. And when you are lucky, your Bios offers you the possibility to use them as IDE-drive Dietmar

@legacyfan Install XP bit64 via real CD in an CD-Rom Sata drive, this works Dietmar

@TheFighterJetDude Under XP SP3 you can use the USB3 driver from @Mov AX, 0xDEAD, integrated in the nice XP from Ramsey Dietmar

@TheFighterJetDude The acpi.sys build from Sources for XP SP3 is more stable on newer compis, than the acpi.sys from Sources for Bit64 XP. On the Gigabyte z690 UD DDR4 the Bios update helps a lot. But anyway, to work with Bios is a risk for whole compi. I "succeed" 2 times, that after correct Bios update compi was "dead", one time even with BiosFlashBack, Dietmar

The only z690 board, that never crashed during soso many tests under XP SP3, is the Asrock z690 Extreme board Dietmar

@TheFighterJetDude Your board has an 1 x PS/2 Keyboard/Mouse combo port. So you can disable any USB in Bios and look, if compi starts. Then you can enable step by step the USB ports. Also has this board an COM1 port. There you can connect a serial mouse Dietmar PS: Update Bios to its last version. But any Bios update is always a risk.

@TheFighterJetDude The last best acpi.sys for XP SP2 bit64 is this one, Dietmar https://ufile.io/qk91ivw7

@TheFighterJetDude Disable in Device Manager the HID device, that is not your USB mouse. As you can see on my photo, I did the same. This HID device is for the LED control of the motherboard and it crashes your compi, as it did with all my z690 boards and I get report from other users with z690 or z790 boards about the same crash with this strange HID device Dietmar

@TheFighterJetDude Have you enabled all USB in Bios? Handshake or something like this disable there. And make use of the acpi.sys with OS fake, because on some crazy DSDT USB3 support is deleted via its DSDT Dietmar

@satmonk I think, until now nobody succeeds with pure Uefi 3 class boot for XP SP3 (without any CSM) on a normal 64 bit Bios Dietmar

@K4sum1 Yepp, thanks to @Mov AX, 0xDEAD I applied them via new Source Code to any member of the x86 and Bit64 acpi.sys Dietmar

@K4sum1 I send them to you already Dietmar

@Dave-H here ist acpi.sys v8 for XP SP3 with OS fakes Dietmar https://ufile.io/jcpvd4o2

Hi, can you give me 3 names for a cat and 3 names for a dog? Thanks a lot Dietmar

Yesssa, I have the prove: The name Tima was first interpreted as "Hund" dog. But after training, Tima was first interpreted as "Katze" cat. I never tell the program, that Tima is the name of a cat. This means: Machines can learn things, that they have never done before. They can do more, than the programmer told them. A year ago, I would tell everybody, that this is nonsense. But the little, nice program above teach me, that I was wrong Dietmar

Next version of this nice Ai program, where now you can see, that it learns. My next test of this program here will be, if after training, NEW words are correct at once, which have been done before wrong. I mean words, that the program has never seen before and during first test get a (n). Now, if all works as expected, the same word should get a (j) after training on first try. This behavior, if it happens, I would say is pur Intelligence. For example, the program can learn, if this is a name for a dog or for a cat. Not seen before those names. This program looks, if a user put in via keyboard a dog (Hund) or cat (Katze) or other (nix). This input words are all stored. When you type "liste", the list of all until now via keyboard transported words are listed. AND: If they are correct (j) or wrong (n) interpreted from Ai. In next step, when you correct Ai (n) ==> (j) always. Oh, just now I try different names for dogs and cats for example "Bello" and "Tima" Dietmar package tiere; import java.util.HashMap; import java.util.Map; import java.util.Scanner; import org.neuroph.core.NeuralNetwork; import org.neuroph.core.data.DataSet; import org.neuroph.core.data.DataSetRow; import org.neuroph.nnet.MultiLayerPerceptron; import org.neuroph.util.TransferFunctionType; public class Tiere { public static void main(String[] args) { Scanner scanner = new Scanner(System.in); NeuralNetwork<?> neuralNetwork = new MultiLayerPerceptron(TransferFunctionType.SIGMOID, 26, 20, 20, 3); DataSet trainingSet = new DataSet(26, 3); Map<String, String> bewertungen = new HashMap<>(); Map<String, String> antworten = new HashMap<>(); while (true) { System.out.println("Gib ein Wort ein:"); String eingabe = scanner.nextLine().toLowerCase(); if (eingabe.equals("liste")) { for (String wort : bewertungen.keySet()) { String bewertung = bewertungen.get(wort); String antwort = antworten.get(wort); System.out.println(wort + ": " + bewertung + " (" + antwort + ")"); } continue; } double[] input = createInputVector(eingabe); neuralNetwork.setInput(input); neuralNetwork.calculate(); double[] output = neuralNetwork.getOutput().clone(); String ergebnis = bestimmeErgebnis(output); System.out.println("Das Programm schätzt, dass es sich um " + ergebnis + " handelt."); System.out.println("War das Ergebnis korrekt? (Ja/Nein)"); String antwort = scanner.nextLine().toLowerCase(); antworten.put(eingabe, antwort); if (antwort.startsWith("n")) { double[] gewünschteAusgabe = new double[3]; System.out.println("Um welches Tier handelt es sich korrekterweise? (Hund, Katze, nix)"); String tier = scanner.nextLine().toLowerCase(); switch (tier) { case "hund": gewünschteAusgabe[0] = 1; break; case "katze": gewünschteAusgabe[1] = 1; break; default: gewünschteAusgabe[2] = 1; break; } DataSetRow trainingElement = new DataSetRow(input, gewünschteAusgabe); trainingSet.add(trainingElement); neuralNetwork.learn(trainingSet); String bewertung = gewünschteAusgabe[0] == 1 ? "Hund" : gewünschteAusgabe[1] == 1 ? "Katze" : "nix"; bewertungen.put(eingabe, bewertung); System.out.println("Das neuronale Netzwerk wurde aktualisiert."); } else { String bewertung = ergebnis; bewertungen.put(eingabe, bewertung); } } } // Hilfsmethode zum Erstellen des Eingabevektors private static double[] createInputVector(String eingabe) { double[] input = new double[26]; for (int i = 0; i < eingabe.length(); i++) { char c = eingabe.charAt(i); if (c >= 'a' && c <= 'z') { input[c - 'a'] = 1; } } return input; } // Hilfsmethode zum Bestimmen des Ergebnisses aus der Ausgabe des Netzwerks private static String bestimmeErgebnis(double[] output) { if (output[0] > output[1] && output[0] > output[2]) { return "Hund"; } else if (output[1] > output[0] && output[1] > output[2]) { return "Katze"; } else { return "nix"; } } }

This is the same program via Ai, for to look only via keyboard, if an cat "Katze" or dog "Hund" or other "nix" ,that the human, who types the word, means. But now you can see all the new learned words, when you type "liste". The words, the Ai interprets correct in first try, are not in this list Dietmar package tiere; import java.util.HashMap; import java.util.Map; import java.util.Scanner; import org.neuroph.core.NeuralNetwork; import org.neuroph.core.data.DataSet; import org.neuroph.core.data.DataSetRow; import org.neuroph.nnet.MultiLayerPerceptron; import org.neuroph.util.TransferFunctionType; public class Tiere { public static void main(String[] args) { Scanner scanner = new Scanner(System.in); NeuralNetwork<?> neuralNetwork = new MultiLayerPerceptron(TransferFunctionType.SIGMOID, 26, 20, 20, 3); DataSet trainingSet = new DataSet(26, 3); Map<String, String> bewertungen = new HashMap<>(); // Neues Bewertungs-Dictionary while (true) { System.out.println("Gib ein Wort ein:"); String eingabe = scanner.nextLine().toLowerCase(); if (eingabe.equals("liste")) { // Wenn "liste" eingegeben wird for (String wort : bewertungen.keySet()) { System.out.println(wort + ": " + bewertungen.get(wort)); // Gib alle Bewertungen aus } continue; } double[] input = createInputVector(eingabe); neuralNetwork.setInput(input); neuralNetwork.calculate(); double[] output = neuralNetwork.getOutput().clone(); String ergebnis = bestimmeErgebnis(output); System.out.println("Das Programm schätzt, dass es sich um " + ergebnis + " handelt."); System.out.println("War das Ergebnis korrekt? (Ja/Nein)"); String antwort = scanner.nextLine().toLowerCase(); if (antwort.startsWith("j")) { continue; } double[] gewünschteAusgabe = new double[3]; System.out.println("Um welches Tier handelt es sich korrekterweise? (Hund, Katze, nix)"); String tier = scanner.nextLine().toLowerCase(); switch (tier) { case "hund": gewünschteAusgabe[0] = 1; break; case "katze": gewünschteAusgabe[1] = 1; break; default: gewünschteAusgabe[2] = 1; break; } DataSetRow trainingElement = new DataSetRow(input, gewünschteAusgabe); trainingSet.add(trainingElement); neuralNetwork.learn(trainingSet); String bewertung = gewünschteAusgabe[0] == 1 ? "Hund" : gewünschteAusgabe[1] == 1 ? "Katze" : "nix"; bewertungen.put(eingabe, bewertung); // Füge Bewertung zum Dictionary hinzu System.out.println("Das neuronale Netzwerk wurde aktualisiert."); } } // Hilfsmethode zum Erstellen des Eingabevektors private static double[] createInputVector(String eingabe) { double[] input = new double[26]; for (int i = 0; i < eingabe.length(); i++) { char c = eingabe.charAt(i); if (c >= 'a' && c <= 'z') { input[c - 'a'] = 1; } } return input; } // Hilfsmethode zum Bestimmen des Ergebnisses aus der Ausgabe des Netzwerks private static String bestimmeErgebnis(double[] output) { if (output[0] > output[1] && output[0] > output[2]) { return "Hund"; } else if (output[1] > output[0] && output[1] > output[2]) { return "Katze"; } else { return "nix"; } } }

Hi, after crazy hard work, now I make a programm, which can decide if it is "Hund" or "Katze" or "nix". And the program is crazy good learning, for example "Mausi" is now "Katze" but "Maus" is "nix" Dietmar PS:Until now, a lot of mistakes are in any program about Ai. But it can be done better. So we need to be afraid of Ai as much as possible. This small program shows ALL. package tiere; import java.util.Scanner; import org.neuroph.core.NeuralNetwork; import org.neuroph.core.data.DataSet; import org.neuroph.core.data.DataSetRow; import org.neuroph.nnet.MultiLayerPerceptron; import org.neuroph.util.TransferFunctionType; public class Tiere { public static void main(String[] args) { Scanner scanner = new Scanner(System.in); NeuralNetwork<?> neuralNetwork = new MultiLayerPerceptron(TransferFunctionType.SIGMOID, 26, 20, 20, 3); DataSet trainingSet = new DataSet(26, 3); while (true) { System.out.println("Gib ein Wort ein:"); String eingabe = scanner.nextLine().toLowerCase(); double[] input = createInputVector(eingabe); neuralNetwork.setInput(input); neuralNetwork.calculate(); double[] output = neuralNetwork.getOutput().clone(); String ergebnis = bestimmeErgebnis(output); System.out.println("Das Programm schätzt, dass es sich um " + ergebnis + " handelt."); System.out.println("War das Ergebnis korrekt? (Ja/Nein)"); String antwort = scanner.nextLine().toLowerCase(); if (antwort.startsWith("j")) { continue; } double[] gewünschteAusgabe = new double[3]; System.out.println("Um welches Tier handelt es sich korrekterweise? (Hund, Katze, nix)"); String tier = scanner.nextLine().toLowerCase(); switch (tier) { case "hund": gewünschteAusgabe[0] = 1; break; case "katze": gewünschteAusgabe[1] = 1; break; default: gewünschteAusgabe[2] = 1; break; } DataSetRow trainingElement = new DataSetRow(input, gewünschteAusgabe); trainingSet.add(trainingElement); neuralNetwork.learn(trainingSet); System.out.println("Das neuronale Netzwerk wurde aktualisiert."); } } // Hilfsmethode zum Erstellen des Eingabevektors private static double[] createInputVector(String eingabe) { double[] input = new double[26]; for (int i = 0; i < eingabe.length(); i++) { char c = eingabe.charAt(i); if (c >= 'a' && c <= 'z') { input[c - 'a'] = 1; } } return input; } // Hilfsmethode zum Bestimmen des Ergebnisses aus der Ausgabe des Netzwerks private static String bestimmeErgebnis(double[] output) { if (output[0] > output[1] && output[0] > output[2]) { return "Hund"; } else if (output[1] > output[0] && output[1] > output[2]) { return "Katze"; } else { return "nix"; } } } Here is the Output. For me it is crazy, that "Bello" belongs to "Hund", this means, that the program is learning fast as much as possible. run: Gib ein Wort ein: nix Das Programm schätzt, dass es sich um nix handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: nixxxxxxxxxxxxxxx Das Programm schätzt, dass es sich um nix handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Kot Das Programm schätzt, dass es sich um nix handelt. War das Ergebnis korrekt? (Ja/Nein) n Um welches Tier handelt es sich korrekterweise? (Hund, Katze, nix) Katze Das neuronale Netzwerk wurde aktualisiert. Gib ein Wort ein: Kot Das Programm schätzt, dass es sich um Katze handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Bulldogge Das Programm schätzt, dass es sich um Katze handelt. War das Ergebnis korrekt? (Ja/Nein) n Um welches Tier handelt es sich korrekterweise? (Hund, Katze, nix) Hund Das neuronale Netzwerk wurde aktualisiert. Gib ein Wort ein: Bulldogge Das Programm schätzt, dass es sich um Hund handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Maunzi Das Programm schätzt, dass es sich um Hund handelt. War das Ergebnis korrekt? (Ja/Nein) n Um welches Tier handelt es sich korrekterweise? (Hund, Katze, nix) Katze Das neuronale Netzwerk wurde aktualisiert. Gib ein Wort ein: Maunzi Das Programm schätzt, dass es sich um Katze handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Maunz Das Programm schätzt, dass es sich um Katze handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Hamster Das Programm schätzt, dass es sich um Katze handelt. War das Ergebnis korrekt? (Ja/Nein) n Um welches Tier handelt es sich korrekterweise? (Hund, Katze, nix) nix Das neuronale Netzwerk wurde aktualisiert. Gib ein Wort ein: Hamster Das Programm schätzt, dass es sich um nix handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Tima Das Programm schätzt, dass es sich um Katze handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Boris Das Programm schätzt, dass es sich um nix handelt. War das Ergebnis korrekt? (Ja/Nein) n Um welches Tier handelt es sich korrekterweise? (Hund, Katze, nix) Hund Das neuronale Netzwerk wurde aktualisiert. Gib ein Wort ein: Boris Das Programm schätzt, dass es sich um Hund handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Mieze Das Programm schätzt, dass es sich um Katze handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Köter Das Programm schätzt, dass es sich um Katze handelt. War das Ergebnis korrekt? (Ja/Nein) n Um welches Tier handelt es sich korrekterweise? (Hund, Katze, nix) Hund Das neuronale Netzwerk wurde aktualisiert. Gib ein Wort ein: Köter Das Programm schätzt, dass es sich um Hund handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Dogge Das Programm schätzt, dass es sich um Hund handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Minna Das Programm schätzt, dass es sich um Katze handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein: Bello Das Programm schätzt, dass es sich um Hund handelt. War das Ergebnis korrekt? (Ja/Nein) j Gib ein Wort ein:

Hi, with Java Netbeans 16, Ant under XP SP3 I try to build a program, that can decide if it is a dog (Hund) or cat (Katze). Input is only via keyboard. But without success. Output gives always the same value, which means, that the program does not learn. Any idea, what i make wrong Dietmar package tiere; import java.util.Scanner; import org.neuroph.core.NeuralNetwork; import org.neuroph.core.data.DataSet; import org.neuroph.core.data.DataSetRow; import org.neuroph.nnet.MultiLayerPerceptron; import org.neuroph.util.TransferFunctionType; public class Tiere { public static void main(String[] args) { Scanner scanner = new Scanner(System.in); NeuralNetwork<?> neuralNetwork = new MultiLayerPerceptron(TransferFunctionType.SIGMOID, 26, 20, 20, 1); DataSet trainingSet = new DataSet(26, 1); while (true) { System.out.println("Gib ein Wort ein:"); String eingabe = scanner.nextLine().toLowerCase(); double[] input = new double[26]; for (int i = 0; i < eingabe.length(); i++) { char c = eingabe.charAt(i); if (c >= 'a' && c <= 'z') { input[c - 'a'] = 1; } } double[] output = new double[1]; neuralNetwork.setInput(input); neuralNetwork.calculate(); output = neuralNetwork.getOutput(); System.out.println("Output: " + output[0]); String ergebnis = (output[0] < 0.5) ? "Hund" : "Katze"; System.out.println("Das Programm schätzt, dass es sich um " + ergebnis + " handelt."); System.out.println("War das Ergebnis korrekt? (Ja/Nein)"); String antwort = scanner.nextLine().toLowerCase(); if (antwort.startsWith("j")) { continue; } if (ergebnis.equals("Hund")) { output[0] = 1; } else { output[0] = 0; } DataSetRow trainingElement = new DataSetRow(input, output); trainingSet.add(trainingElement); neuralNetwork.learn(trainingSet); System.out.println("Das neuronale Netzwerk wurde aktualisiert."); } } }