Публикации по теме 'physics'
Реконструкция плоской волны произвольной поляризации на основе сферических векторных волн
Другой взгляд на подход к разложению решений уравнений Максвелла в трехмерном классическом рассеянии света с помощью python.
Введение и мотивация
Разложение является важным понятием в электродинамике. Если кого-то интересует только дальнее поле (например, комптоновское рассеяние), для этой цели достаточно разложения Фурье, потому что большая часть исходящих длин волн затухает / затухает (например, решения функций Бесселя).
Однако, если кого-то интересует рассеяние в ближней зоне,..
Чему может нас научить Эйнштейн о машинном обучении
Мысли и теория
Чему может нас научить Эйнштейн о машинном обучении
Использование симметрии в машинном обучении
Во многих отношениях физика и машинное обучение имеют общую цель: формулировать модели наблюдаемых явлений. Для достижения этой цели физики давно осознали важность симметрии. В этом посте мы рассмотрим, как идеи симметрии из физики могут быть использованы в качестве руководящих принципов в машинном обучении.
Соавтором этого сообщения в блоге является Оливер Кобб из..
А.И. пишет об «Эрвине Шрёдингере».
Эрвин Шредингер был великой личностью, и я удивлен, что он не был удостоен никакой Нобелевской премии. Он был номинирован на Нобелевскую премию в 1935 году, но не был удостоен Нобелевской премии за свою работу в области квантовой механики, потому что, хотя она была очень значительной, комитет по присуждению награды не счел ее особенно важной. Комитет по присуждению премии объяснил решение не присуждать ему премию тем, что во время присуждения новый, упрощенный свод правил, касающихся права..
Трехмерные хаотические аттракторы в C++
Трехмерные хаотические аттракторы в C++
Аттрактор — это система, описываемая дифференциальными уравнениями для конкретных переменных, например, X, Y и Z в декартовой системе координат. Эти переменные изменяются со временем в соответствии с конкретным уравнением, определяемым спецификацией аттрактора. Переменные X, Y и Z определяли состояние системы во времени, здесь положение частицы в декартовой системе. Прелесть каждого аттрактора заключается в том, что система является..
Работа с уравнением Клейна-Гордона, часть 1 (квантовая физика)
Принцип неопределенности и оценки затухания энергии дробного уравнения Клейна-Гордона с пространственным затуханием (arXiv)
Автор: Соитиро Судзуки
Аннотация: мы рассматриваем s-дробное уравнение Клейна-Гордона с пространственным затуханием на Rd. Недавние исследования показывают, что так называемые геометрические условия контроля (GCC) тесно связаны с полугрупповыми оценками уравнения. В частности, в случае d=1 известно необходимое и достаточное условие экспоненциальной..
Работа с Dp-бранами в теории струн, часть 2 (теоретическая физика)
Рассеяние состояния Калба-Рамонда на динамической Dp-бране с фоновыми полями (arXiv)
Автор: Давуд Камани , Эльхам Магсуди
Аннотация: мы применяем метод граничного состояния и операторный формализм для получения амплитуды рассеяния на уровне дерева состояния Калба-Рамонда от Dp-браны. Брана имеет тангенциальную динамику и одета антисимметричным тензорным полем, внутренним калибровочным потенциалом U(1) и тахионным полем открытой струны. Используя амплитуды рассеяния, мы..
Ричард Фейнман об общем искусственном интеллекте
Очерки Фейнмана
Ричард Фейнман об общем искусственном интеллекте
На лекции, которую 26 сентября 1985 г. провел нобелевский лауреат Ричард Фейнман (1918–1988), поднимается вопрос об искусственном общем интеллекте (также известном как сильный ИИ ).
Вопрос аудитории
Как вы думаете, будет ли когда-нибудь машина, которая будет думать, как люди, и быть умнее людей?
Ниже приводится структурированная стенограмма дословного ответа Фейнмана. С появлением машинного обучения с..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..