9.《动手学深度学习》现代循环神经网络

1 门控循环单元(GRU)

1.1 GRU概述

1_study/DeepLearning/基础神经网络/循环神经网络#GRU

1.2 代码

Read more

31.斯托克斯定理

1 斯托克斯定理

关于格林公式的前置知识可参考之前的第22课时内容第23课时内容

格林公式可以看作斯托克斯(Stokes)定理在$xy$平面下的特例

当$C$为闭合曲线,包围着曲面$S$,则斯托克斯(Stokes)定理可表示如下: $$∮_C\vec{F}\cdot d\vec{r}=\int \! \! \!\int_Scurl(\vec{F})\cdot d\vec{S}=\int \! \! \!\int_S(\nabla \times \vec{F})\cdot \hat{n}dS$$ 其中向量$\hat{n}$表示曲面

Read more

30.空间线积分,保守场,旋度

1 课程回顾

上一节讲解的扩散方程主要由以下两部分组成:

  • 物理上,浓度$u$的流动是由高到低的,用$\vec{F}$描述这种流动(flow):$\vec{F}=-k\nabla u$
  • $\vec{F}$的散度可以描述浓度变化速度。$div\vec{F}=-\frac{\partial u}{\partial t}$

2 空间线积分

关于平面线积分的前置知识可参考之前的第19课时的内容

假设在空间向量场$\vec{F}=P\hat{i}+Q\hat{j}+R\hat{k}$的作用下,物体运动轨迹为$c$,则物体的

Read more

8.《动手学深度学习》循环神经网络

1 序列模型

与序列相关的有趣概念

  • 锚定(anchoring)效应:对于初始信息的过度重视,即常言道的”先入为主“
  • 享乐适应(hedonic adaption):突然有钱比一直有钱更快乐,长期吃美食然后再吃普通的食物会觉得难吃,即常言道的”由奢入俭难“

序列预测的相关概念:

  • 外推法(extrapolatio

Read more

29.散度定理证明和应用

1 散度定理的理解

在上一课时中,对于$\vec{F}=<P,Q,R>$的三维向量场,提出了散度定理: $$∯_S<P,Q,R>\cdot \hat{n}dS=\int \! \! \!\int \! \! \!\int_D (P_x+Q_y+R_z)dV$$

定义三维空间下的$Del$算子:$\nabla=<\partial{}/\partial{x},\partial{}/\partial{y},\partial{}/\partial{z}>$

对于普通三元函数$f$,$\n

Read more

pandas进阶技巧

1 常见 Pandas 参数配置

pd.set_option('display.max_rows', 5) # 最大显示行数

pd.set_option('display.max_columns', 15) # 最大显示列数

pd.set_option('display.max_colwidth'

Read more

28.散度定理

1 通量的计算公式及证明

前情回顾:

  • 上一节提出了通量的计算(面积分):$Flux=\int !!! \int _S\vec{F}\hat{n}dS$
  • 示例1针对曲面法向量与向量场平行的特殊情况进行了计算过程展示
  • 示例2通过球坐标化的方法,先进行参数的变换,再进行后续的计算

以上的两种示例都属于现实中的特殊情况,本节课程则提出了更为通用的计算方法: $$Flux=\int \! \! \! \int _S\vec{F}\hat{n}dS=\pm \int \! \! \! \int _S\vec{F}\

Read more

27.三维向量场,面积分和通量

1 三维向量场

与平面向量场类似,只不过维度为三: $$\vec{F}=x\vec{i}+y\vec{j}+z\vec{k}=<x,y,z>$$

2 通量与面积分

三维向量场下的通量 - 描述单位时间内流体场$\vec{F}$通过表面$S$的流量: $$Flux=\int \! \! \! \int _S\vec{F}d\vec{S}=\int \! \! \! \int _S\vec{F}\hat{n}dS$$

  • 其中$\hat{n}$为面$S$的法向量
  • $dS$表示面积积元,和实际的切分方式有关
  • 常通过

Read more

13.《动手学深度学习》计算机视觉

Read more

26.球面坐标,表面积

1 球坐标系下的三重积分

球坐标系是三维坐标系的一种,以坐标原点为参考点,点$P$的坐标由方位角$\theta$(线$OP$投影到$xy$平面后与$x$轴的夹角)、仰角$\phi$(线$OP$与$z$轴的夹角)和距离$\rho$(点到原点的距离)构成。经纬度就是球坐标系的一种常见形式,其中$\theta$与经度相似,$\phi$与维度相似。

球坐标化通过以下公式实现从$(x,y,z)$到$(\rho,\phi,\theta)$的转化: $$\begin{equation} \left

Read more