Топ посты

Physics.Math.Code

Гео и язык канала: Россия, Русский
Категория: Образование
VK: vk.com/physics_math Чат инженеров: @math_code Учебные фильмы: @maths_lib Репетитор IT mentor: @mentor_it YouTube: youtube.com/c/PhysicsMathCode Обратная связь: @physicist_i
Гео и язык канала
Россия, Русский
Категория
Образование
Статистика
➰ Сумма колебаний одинаковой амплитуды, но с отношением фаз, которое равно золотому сечению φ. В результате получается такая картинка #физика #physics #математика #gif #опыты #видеоуроки #math #научные_фильмы #колебания 💡 Physics.Math.Code // @physics_lib
♾ Сложение колебаний [ The addition of vibrations ] ➰ Многие колебательные системы могут одновременно участвовать в нескольких колебательных процессах. Под сложением колебаний понимают нахождение закона движения тела, участвующего одновременно в нескольких колебательных процессах. Любое движение можно представить как сумму двух или более движений, имеющих разные направления. Под направлением колебаний понимают направление, совпадающее с направлением положительного смещения колеблющейся величины из положения равновесия. При сложении колебаний наибольший интерес представляет сложение одинаково направленных либо перпендикулярных колебаний. Колебания считаются перпендикулярными, если они происходят в одной плоскости вдоль взаимно перпендикулярных прямых. Колебания считаются одинаково направленными, если они происходят в одной плоскости вдоль параллельных прямых. Негармонические колебания, получающиеся в результате сложения одинаково направленных гармонических колебаний с близкими частотами, называются биениями. Другими словами разница между частотами складываемых колебаний должна быть много меньше любой из этих частот. #физика #physics #механика #gif #опыты #видеоуроки #научные_фильмы #колебания 💡 Physics.Math.Code // @physics_lib
📙 Кластерный анализ [1988] Мандель Игорь Давидович Освещается современное состояние кластерного анализа на основе сравнительного обсуждения многочисленных алгоритмов. Рассматривается методика применения кластерного анализа в социально-экономических исследованиях. Кластеризация (или кластерный анализ) — это задача разбиения множества объектов на группы, называемые кластерами. Внутри каждой группы должны оказаться «похожие» объекты, а объекты разных группы должны быть как можно более отличны. Главное отличие кластеризации от классификации состоит в том, что перечень групп четко не задан и определяется в процессе работы алгоритма. Применение кластерного анализа в общем виде сводится к следующим этапам: 1. Отбор выборки объектов для кластеризации. 2. Определение множества переменных, по которым будут оцениваться объекты в выборке. При необходимости – нормализация значений переменных. 3. Вычисление значений меры сходства между объектами. 4. Применение метода кластерного анализа для создания групп сходных объектов (кластеров). 5. Представление результатов анализа. После получения и анализа результатов возможна корректировка выбранной метрики и метода кластеризации до получения оптимального результата. 💡 Physics.Math.Code // @physics_lib
📙 Кластерный анализ [1988] Мандель Игорь Давидович 💾 Скачать книгу Основная идея кластерного анализа (clustering, cluster analysis) заключается в том, чтобы разбить объекты на группы или кластеры таким образом, чтобы внутри группы эти наблюдения были более похожи друг на друга, чем на объекты другого кластера. При этом мы заранее не знаем на какие кластеры необходимо разбить наши данные. Это связано с тем, что мы обучаем модель на неразмеченных данных (unlabeled data), то есть без целевой переменной, компонента y. Именно поэтому в данном случае говорят по машинное обучение без учителя (Unsupervised Learning). Кластерный анализ может применяться для сегментации потребителей, обнаружения аномальных наблюдений (например, при выявлении мошенничества) и в целом для структурирования данных, о содержании которых мало что известно заранее. #математика #искусственный_интеллект #машинное_обучение #обработка_изображений #контурный_анализ #линейная_алгебра #ML #AI 💡 Physics.Math.Code // @physics_lib
〰️ Влияния количества слагаемых в разложении функции в ряд Тейлора на точность результата Ряд Тейлора — разложение функции в бесконечную сумму степенных функций. Частный случай разложения в ряд Тейлора в нулевой точке называется рядом Маклорена. Ряд Тейлора был известен задолго до публикаций Брука Тейлора — его использовали ещё в XIV веке в Индии, а также в XVII веке Грегори и Ньютон. Ряды Тейлора применяются при аппроксимации функции многочленами. В частности, линеаризация уравнений происходит путём разложения в ряд Тейлора и отсечения всех членов выше первого порядка. #математика #опыты #геометрия #gif #анимация #видеоуроки #math #geometry 💡 Physics.Math.Code // @physics_lib
⌛ Отображения функции в окружности [ Mapping Functions to a Circle ] «Деление = 150» означает, что на окружности круга имеется 150 равномерно расположенных точек. Окружность здесь на самом деле представляет собой просто числовую линию, заключенную в круг с использованием функции деления по модулю (x mod 150). Выбирается точка «x» , умножается на некоторый коэффициент, получается новая точка «y». Координаты этих точек соединяются в линию. Огибающая этих отрезков создает красивые узоры. Это связано с эпициклоидами и отражениями света внутри кружки. Две формы, которые вы, скорее всего, увидите в своей кружке, — это кардиоида (y = x * 2,000) («Кардио» означает «сердце», а «-oid» означает «подобный», поэтому «кардиоида» означает «похожий на сердце») (Кардиоид выглядит как сердце) и нефроид (y = x * 3,000) («Нефро» означает «почка», поэтому «Нефроид» означает «похожий на почку») (Нефроид выглядит как почка). #математика #опыты #геометрия #gif #анимация #видеоуроки #math #geometry 💡 Physics.Math.Code // @physics_lib
⚙️ Шотландский механизм (треугольный шатун) и кривошипно-ползунковый механизм В этом видео показано, как шотландский механизм (треугольный шатун) создает идеальные синусоидальные колебания, в то время как кривошипно-ползунковый механизм создает немного другие колебания. Сможете вывести строгие функциональные зависимости данных колебаний от времени ? #механика #опыты #physics #физика #научные_фильмы #видеоуроки #математика #геометрия 💡 Physics.Math.Code // @physics_lib
⚙️ Сферически объемная роторная машина и ещё немного о необычных вариантах ДВС. Потенциал классических двигателей внутреннего сгорания с кривошипно-шатунным механизмом, как считается, практически исчерпан. В то же время, сложилось твердое убеждение, что ничего лучшего создать все равно не удастся. Михаил Кузнецов уже многие годы пытается доказать, что это не так. И не на словах, а на деле. Им разработан объемно-струйный двигатель, названный «Перун». Подобно древнему языческому божеству, повелевавшему молниями и громом, его поистине огненная машина соединяет в себе все лучшее, что есть в поршневых моторах, в газотурбинных и даже в ракетных двигателях. О том, что совершено действительно революционное открытие, говорят не только скрупулезные расчеты, но и оценки очень солидных экспертов. Экспериментальные исследования макета сферической роторной машины объемно-струйного типа Кузнецова проведены в Центральном институте авиационных моторов, в двигателестроительном НПО «Сатурн», получены положительные заключения специалистов «Исследовательского центра им. Келдыша», МГТУ им. Н.Э. Баумана, МАИ им. Орджоникидзе. «Перун» обладает действительно удивительными характеристиками. Ему нет равных по удельной мощности на единицу объема. Под капотом «Лады», к примеру, свободно уместился бы объемно-струйный мотор мощностью в несколько сот лошадиных сил, а в моторно-трансмиссионном отсеке танка Т-90 двигатель в десятки тысяч лошадиных сил. Сейчас там едва помещается дизель в тысячу «лошадей». Выхлоп супермотора по своей токсичности соответствует стандартам EURO-5. В силу особенностей конструкции двигатель Кузнецова прекрасно сбалансирован, обладает низким уровнем шума и вибраций, работает на любом жидком и газообразном топливе, прекрасно запускается при низких температурах. Этот мотор идеально подходит для использования в наземном, железнодорожном, водном транспорте, в авиации. Ничего подобного нигде в мире кроме России пока еще нет. #механика #двс #physics #физика #научные_фильмы #видеоуроки 💡 Physics.Math.Code // @physics_lib
Не представляете свою жизнь без математики и хотите применять её в работе над IT-проектами? Научиться этому помогут короткие образовательные программы от экспертов-практиков. Плюсы таких форматов — большой объём полезной информации в короткий срок, фокус на узкие дисциплины, новые проекты в портфолио, а также активный нетворкинг и обмен идеями. Где найти такие программы? Например, у Яндекс Образования. В июле у них стартует студкемп по математике в ИИ на базе Иннополиса. За две недели вы погрузитесь в актуальные вопросы машинного обучения и больше узнаете о математических методах в искусственном интеллекте. На бесплатной программе ждут студентов старших курсов, обучающихся по направлению Computer Science. Подать заявку можно до 26 мая. Всем, кто успешно пройдёт отбор, организаторы оплатят дорогу и проживание. Переходите на сайт прямо сейчас и заполняйте анкету! Поторопитесь, количество мест ограничено.
⚡️ Генератор Постоянного Движения: опять физикам поставили шах и мат Ещё платите за электричество? 😏 💡 Physics.Math.Code // @physics_lib
Показано 10 последних публикаций
128 049
ПОДПИСЧИКОВ
Популярно в канале
⚡️ Генератор Постоянного Движения: опять физикам поставили шах и мат Ещё платите за электричество? 😏 💡 Physics.Math.Code // @physics_lib
⌛ Отображения функции в окружности [ Mapping Functions to a Circle ] «Деление = 150» означает, что на окружности круга имеется 150 равномерно расположенных точек. Окружность здесь на самом деле представляет собой просто числовую линию, заключенную в круг с использованием функции деления по модулю (x mod 150). Выбирается точка «x» , умножается на некоторый коэффициент, получается новая точка «y». Координаты этих точек соединяются в линию. Огибающая этих отрезков создает красивые узоры. Это связано с эпициклоидами и отражениями света внутри кружки. Две формы, которые вы, скорее всего, увидите в своей кружке, — это кардиоида (y = x * 2,000) («Кардио» означает «сердце», а «-oid» означает «подобный», поэтому «кардиоида» означает «похожий на сердце») (Кардиоид выглядит как сердце) и нефроид (y = x * 3,000) («Нефро» означает «почка», поэтому «Нефроид» означает «похожий на почку») (Нефроид выглядит как почка). #математика #опыты #геометрия #gif #анимация #видеоуроки #math #geometry 💡 Physics.Math.Code // @physics_lib
Не представляете свою жизнь без математики и хотите применять её в работе над IT-проектами? Научиться этому помогут короткие образовательные программы от экспертов-практиков. Плюсы таких форматов — большой объём полезной информации в короткий срок, фокус на узкие дисциплины, новые проекты в портфолио, а также активный нетворкинг и обмен идеями. Где найти такие программы? Например, у Яндекс Образования. В июле у них стартует студкемп по математике в ИИ на базе Иннополиса. За две недели вы погрузитесь в актуальные вопросы машинного обучения и больше узнаете о математических методах в искусственном интеллекте. На бесплатной программе ждут студентов старших курсов, обучающихся по направлению Computer Science. Подать заявку можно до 26 мая. Всем, кто успешно пройдёт отбор, организаторы оплатят дорогу и проживание. Переходите на сайт прямо сейчас и заполняйте анкету! Поторопитесь, количество мест ограничено.
📙 Кластерный анализ [1988] Мандель Игорь Давидович Освещается современное состояние кластерного анализа на основе сравнительного обсуждения многочисленных алгоритмов. Рассматривается методика применения кластерного анализа в социально-экономических исследованиях. Кластеризация (или кластерный анализ) — это задача разбиения множества объектов на группы, называемые кластерами. Внутри каждой группы должны оказаться «похожие» объекты, а объекты разных группы должны быть как можно более отличны. Главное отличие кластеризации от классификации состоит в том, что перечень групп четко не задан и определяется в процессе работы алгоритма. Применение кластерного анализа в общем виде сводится к следующим этапам: 1. Отбор выборки объектов для кластеризации. 2. Определение множества переменных, по которым будут оцениваться объекты в выборке. При необходимости – нормализация значений переменных. 3. Вычисление значений меры сходства между объектами. 4. Применение метода кластерного анализа для создания групп сходных объектов (кластеров). 5. Представление результатов анализа. После получения и анализа результатов возможна корректировка выбранной метрики и метода кластеризации до получения оптимального результата. 💡 Physics.Math.Code // @physics_lib
〰️ Влияния количества слагаемых в разложении функции в ряд Тейлора на точность результата Ряд Тейлора — разложение функции в бесконечную сумму степенных функций. Частный случай разложения в ряд Тейлора в нулевой точке называется рядом Маклорена. Ряд Тейлора был известен задолго до публикаций Брука Тейлора — его использовали ещё в XIV веке в Индии, а также в XVII веке Грегори и Ньютон. Ряды Тейлора применяются при аппроксимации функции многочленами. В частности, линеаризация уравнений происходит путём разложения в ряд Тейлора и отсечения всех членов выше первого порядка. #математика #опыты #геометрия #gif #анимация #видеоуроки #math #geometry 💡 Physics.Math.Code // @physics_lib