Публикации по теме 'science'
Понимание векторных полей Киллинга (физика)
Концепция: https://mathworld.wolfram.com/KillingVectors.html
Магнитные кривые, связанные с векторными полями Киллинга в пространстве Галилея ( arXiv )
Автор : Мухиттин Эврен Айдын
Аннотация: В этой статье мы полностью классифицируем магнитные кривые (а также N-магнитные кривые с постоянной кривизной) в трехмерном галилеевом пространстве, связанном с векторным полем Киллинга.
2. Последовательные искривленные продукты: поля кривизны и вектора Киллинга ( arXiv )..
БПФ-способ получения производных
Численное дифференцирование спектральными методами
В последней статье этой серии мы видели, как можно использовать ряды Фурье для дифференцирования, фактически не производя дифференцирования. Вместо этого метод Фурье заменяет дифференцирование умножением. В принципе, это здорово, но для всех практических вопросов подход, обсуждаемый в той статье, не…
Вычислительная геометрия в Python
Ваша доза научного Python
Если вы ищете хороший инструмент Python для вычислительной геометрии, обратите внимание на Shapely! Shapely — это мощный пакет Python, предназначенный для помощи в обработке и анализе геометрических объектов. С Shapely вы можете с легкостью создавать, манипулировать и анализировать двухмерные и трехмерные геометрические фигуры. От простых точек и линий до сложных многоугольников и мультиполигонов…
Продвинутые операции с массивами в NumPy
Изменение формы, укладка, разделение
В мире науки о данных и числовых вычислений NumPy считается одной из самых популярных библиотек благодаря высокой скорости работы, гибкости и совместимости с широким спектром других библиотек. Сила NumPy особенно заметна, когда речь идет об обработке массивов, которые являются фундаментальными структурами в большинстве вычислительных задач.
Важность метрики Фишера-Рао, часть 2 (машинное обучение)
Регистрация функциональных данных с использованием метрики Фишера-Рао (arXiv)
Автор: Ануй Шривастава , Вэй Ву , Себастьян Куртек , Эрик Классен , Дж. С. Маррон
Аннотация: Мы вводим новую геометрическую основу для разделения фазовой и амплитудной изменчивости функциональных данных того типа, который часто изучается при анализе кривой роста. Эта структура использует риманову метрику Фишера-Рао для получения правильного расстояния в фактор-пространстве функций по модулю группы..
На пути к базовой модели материалов: подводные камни методов машинного обучения грубой силы
TDLR: термодинамика должна быть априорной для любой фундаментальной модели атомов или материалов.
В нашем современном научном ландшафте машинное обучение выступает маяком надежды на расшифровку сложных закономерностей и взаимосвязей. Это прекрасно иллюстрируется успехом DeepMind в прогнозировании сворачивания белков — триумфом, приписываемым моделям машинного обучения, обученным на данных о последовательности и структуре. Это достижение спровоцировало попытки внедрить аналогичные..
почему бы не использовать ipfs.io ? это так просто и мощно!
почему бы не использовать ipfs.io? это так просто и мощно!
