source stringclasses 672
values | target stringclasses 671
values | relation stringclasses 1
value | confidence float64 0.7 0.7 ⌀ | source_valid bool 1
class | target_valid bool 1
class | image_url stringclasses 1
value |
|---|---|---|---|---|---|---|
vedic:N_0 | vedic:N_1 | connects_to | 0.7 | true | true | |
vedic:N_1 | vedic:N_0 | connects_to | 0.7 | true | true | |
vedic:N_1 | vedic:N_2 | connects_to | 0.7 | true | true | |
vedic:N_2 | vedic:N_1 | connects_to | 0.7 | true | true | |
vedic:N_2 | vedic:N_3 | connects_to | 0.7 | true | true | |
vedic:N_3 | vedic:N_2 | connects_to | 0.7 | true | true | |
vedic:N_3 | vedic:N_0 | connects_to | 0.7 | true | true | |
vedic:N_0 | vedic:N_3 | connects_to | 0.7 | true | true | |
vedic:N_4 | vedic:N_8 | connects_to | 0.7 | true | true | |
vedic:N_8 | vedic:N_4 | connects_to | 0.7 | true | true | |
vedic:N_5 | vedic:N_8 | connects_to | 0.7 | true | true | |
vedic:N_8 | vedic:N_5 | connects_to | 0.7 | true | true | |
vedic:N_6 | vedic:N_8 | connects_to | 0.7 | true | true | |
vedic:N_8 | vedic:N_6 | connects_to | 0.7 | true | true | |
vedic:N_7 | vedic:N_8 | connects_to | 0.7 | true | true | |
vedic:N_8 | vedic:N_7 | connects_to | 0.7 | true | true | |
vedic:N_0 | vedic:N_8 | connects_to | 0.7 | true | true | |
vedic:N_8 | vedic:N_0 | connects_to | 0.7 | true | true | |
vedic:N_1 | vedic:N_8 | connects_to | 0.7 | true | true | |
vedic:N_8 | vedic:N_1 | connects_to | 0.7 | true | true | |
vedic:N_2 | vedic:N_8 | connects_to | 0.7 | true | true | |
vedic:N_8 | vedic:N_2 | connects_to | 0.7 | true | true | |
vedic:N_3 | vedic:N_8 | connects_to | 0.7 | true | true | |
vedic:N_8 | vedic:N_3 | connects_to | 0.7 | true | true | |
vedic:N_9 | vedic:N_10 | connects_to | 0.7 | true | true | |
vedic:N_10 | vedic:N_9 | connects_to | 0.7 | true | true | |
vedic:N_10 | vedic:N_11 | connects_to | 0.7 | true | true | |
vedic:N_11 | vedic:N_10 | connects_to | 0.7 | true | true | |
vedic:N_11 | vedic:N_12 | connects_to | 0.7 | true | true | |
vedic:N_12 | vedic:N_11 | connects_to | 0.7 | true | true | |
vedic:N_12 | vedic:N_13 | connects_to | 0.7 | true | true | |
vedic:N_13 | vedic:N_12 | connects_to | 0.7 | true | true | |
vedic:N_13 | vedic:N_14 | connects_to | 0.7 | true | true | |
vedic:N_14 | vedic:N_13 | connects_to | 0.7 | true | true | |
vedic:N_14 | vedic:N_15 | connects_to | 0.7 | true | true | |
vedic:N_15 | vedic:N_14 | connects_to | 0.7 | true | true | |
vedic:N_15 | vedic:N_16 | connects_to | 0.7 | true | true | |
vedic:N_16 | vedic:N_15 | connects_to | 0.7 | true | true | |
vedic:N_16 | vedic:N_17 | connects_to | 0.7 | true | true | |
vedic:N_17 | vedic:N_16 | connects_to | 0.7 | true | true | |
vedic:N_17 | vedic:N_18 | connects_to | 0.7 | true | true | |
vedic:N_18 | vedic:N_17 | connects_to | 0.7 | true | true | |
vedic:N_18 | vedic:N_19 | connects_to | 0.7 | true | true | |
vedic:N_19 | vedic:N_18 | connects_to | 0.7 | true | true | |
vedic:N_19 | vedic:N_20 | connects_to | 0.7 | true | true | |
vedic:N_20 | vedic:N_19 | connects_to | 0.7 | true | true | |
vedic:N_20 | vedic:N_21 | connects_to | 0.7 | true | true | |
vedic:N_21 | vedic:N_20 | connects_to | 0.7 | true | true | |
vedic:N_21 | vedic:N_22 | connects_to | 0.7 | true | true | |
vedic:N_22 | vedic:N_21 | connects_to | 0.7 | true | true | |
vedic:N_22 | vedic:N_23 | connects_to | 0.7 | true | true | |
vedic:N_23 | vedic:N_22 | connects_to | 0.7 | true | true | |
vedic:N_23 | vedic:N_24 | connects_to | 0.7 | true | true | |
vedic:N_24 | vedic:N_23 | connects_to | 0.7 | true | true | |
vedic:N_24 | vedic:N_9 | connects_to | 0.7 | true | true | |
vedic:N_9 | vedic:N_24 | connects_to | 0.7 | true | true | |
vedic:N_9 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_9 | connects_to | 0.7 | true | true | |
vedic:N_10 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_10 | connects_to | 0.7 | true | true | |
vedic:N_11 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_11 | connects_to | 0.7 | true | true | |
vedic:N_12 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_12 | connects_to | 0.7 | true | true | |
vedic:N_13 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_13 | connects_to | 0.7 | true | true | |
vedic:N_14 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_14 | connects_to | 0.7 | true | true | |
vedic:N_15 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_15 | connects_to | 0.7 | true | true | |
vedic:N_16 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_16 | connects_to | 0.7 | true | true | |
vedic:N_17 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_17 | connects_to | 0.7 | true | true | |
vedic:N_18 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_18 | connects_to | 0.7 | true | true | |
vedic:N_19 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_19 | connects_to | 0.7 | true | true | |
vedic:N_20 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_20 | connects_to | 0.7 | true | true | |
vedic:N_21 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_21 | connects_to | 0.7 | true | true | |
vedic:N_22 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_22 | connects_to | 0.7 | true | true | |
vedic:N_23 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_23 | connects_to | 0.7 | true | true | |
vedic:N_24 | vedic:N_25 | connects_to | 0.7 | true | true | |
vedic:N_25 | vedic:N_24 | connects_to | 0.7 | true | true | |
vedic:N_26 | vedic:N_27 | connects_to | 0.7 | true | true | |
vedic:N_27 | vedic:N_26 | connects_to | 0.7 | true | true | |
vedic:N_26 | vedic:N_34 | connects_to | 0.7 | true | true | |
vedic:N_34 | vedic:N_26 | connects_to | 0.7 | true | true | |
vedic:N_27 | vedic:N_28 | connects_to | 0.7 | true | true | |
vedic:N_28 | vedic:N_27 | connects_to | 0.7 | true | true | |
vedic:N_27 | vedic:N_34 | connects_to | 0.7 | true | true | |
vedic:N_34 | vedic:N_27 | connects_to | 0.7 | true | true | |
vedic:N_28 | vedic:N_29 | connects_to | 0.7 | true | true | |
vedic:N_29 | vedic:N_28 | connects_to | 0.7 | true | true | |
vedic:N_28 | vedic:N_34 | connects_to | 0.7 | true | true | |
vedic:N_34 | vedic:N_28 | connects_to | 0.7 | true | true |
End of preview. Expand in Data Studio
🕉️ वैदिक न्यूरल भूमिती (Vedic Neural Geometry)
व्हर्जन: 5.0 (Final) | अपडेट: 2026-05-28 | लेखक: कल्पेश
व्हर्जन ५.० पूर्ण वैशिष्ट्ये
🌐 मराठी कंटेंट (100% कव्हरेज)
canonical/nodes.parquet:label_mr,description_mr,interpretation_mr,remedy_mr,source_reference_mrcanonical/edges.parquet:relation_mr,effect_mr,strength_condition_mr
🔧 तांत्रिक व भौमितिक सुधारणा
- ✅
chakra_levelदुरुस्ती: सहस्रार चक्र7(सप्तचक्र प्रणाली) - ✅ श्रीयंत्र भूमिती:
triangle_count=43,petal_layers=[8,16],gateways=4,phi_ratio,pi_ratio - ✅ न्यूरल टोपोलॉजी:
hausdorff_dim(1.2→2.0),fractal_depth,bindu_descent_step,neural_plexus- ✅ खगोलशास्त्रीय मॅपिंग:instrument_name,coordinate_transform,angular_motion_deg,parallel_processing_units
🚀 वापर (उदाहरण)
import pandas as pd
nodes = pd.read_parquet("hf://datasets/kalpesh77/vedic-neural-geometry/canonical/nodes.parquet")
print(nodes[['label_mr', 'chakra_level', 'hausdorff_dim', 'instrument_name']].head())
dataset_info: features: - node_id: string - x: float (0-1000) - y: float (0-1000) - type: string - layer: int (0-4) license: mit
Vedic Neural Geometry Dataset
कसा वापरावा?
Python मध्ये:
from datasets import load_dataset
dataset = load_dataset("kalpesh77/vedic-neural-geometry")
nodes = dataset["canonical"]["nodes"]
# पहिला node
print(nodes[0])
Schema:
- X, Y Coordinates: 0-1000 range मध्ये
- Node Types: bindu, triangle, circle, yantra
- Layers: 0 (Input) ते 4 (Bindu Descent)
📁 फाइल स्ट्रक्चर
canonical/(nodes.parquet, edges.parquet)graphrag/(semantic nodes & edges)ontology/(graha, tattva, mantra, yantra registries)archive/(legacy & model index)
🕉️ सर्वे भवन्तु सुखिनः
- Downloads last month
- 867