电路与水路

前言

还记得最早学习电路的时候,一般把电路类比成水路。电流类比为水流,电压类比水压。既然电路可以类比水路,那么电路和水路基本原理应该是近似的。然而笔者遇到一个问题,就是并联的暖气片为什么有的热有的不热呢?电路可以类比水路,反过来水路也可以类比电路,暖气片并联,相同的暖气片应该一样热才对 ,而实际结果是并联的暖气片第一个最热,越往后越凉。是类比有问题吗?问题出在哪了?

电路和水路结构分析

下图是家庭电路和暖气结构示意图。电路不用多说,大家都知道,所有用电器并联,所有用电器上的电压相同,所以无论电器插在哪个插座,都可以正常工作。 暖气也采取并联,为什么就第一个暖气片最热呢?电路无非是电子的通路,难道电子就比水特殊? 我们分析一下水路,既然第一个热,类比电路,第一个暖气片进水管和出水管两端的水压差应该大,其他的压差小。否则,同样的压力,暖气片应该同样热。后面的暖气片上的压力依次降低。于是,越靠后的暖气片越凉。为什么会这样呢?并联电路电压相同,为什么并联水路水压不同呢?首先分析静水的情况,如果暖气片内水不流动,那按压强公式,高度相同的位置水压相同。水流动起来,就有些不一样了。

继续阅读“电路与水路”

月食和日食计算

基本参数

地球公转周期 365.2564 天
月球公转周期 27.32166 天
月球轨道面与地球轨道面交角 α=5°09\alpha=5°09'
地球和月球都是椭圆轨道,但是考虑离心率都很小,可以近似为圆形。

计算思路


计算月食或者日食即计算向量 SunEarth\overrightarrow{SunEarth}EarthMoon\overrightarrow{EarthMoon} 的夹角如果接近0,即太阳、地球、月球一线月食发生。类似,若夹角180度,即日食发生。

继续阅读“月食和日食计算”

梯度、散度、旋度

0、哈密顿算子

1、梯度(Gradient)是矢量,也是法向量

2、散度(Divergence)是标量

3、旋度(Curl)是向量

  • 标量的梯度为矢量,因此对该矢量可以继续求散度,从而引入拉普拉斯算子∇2 :
  • 矢量的散度为标量,因此对该标量可以继续求梯度:

拉普拉斯算子对标量的运算结果为标量、对矢量的运算结果为矢量。

举例:

电势场的梯度是电场强度,电场强度的的散度等于q/ε,高斯定理

 书籍是进步的阶梯

如遇网络问题无法下载,可以尝试国内镜像,网址把github改为gitee,其它不变

数论-陈景润.pdf
李政道 数学物理方法.pdf
曾谨言-量子力学卷I-第四版.pdf
曾谨言-量子力学卷II-第四版.pdf
张量分析(第二版)黄克智.pdf
电动力学(第三版)郭硕鸿.pdf
黎曼几何.pdf
高等量子力学-张永德(上).pdf
高等量子力学-张永德(下).pdf
高等数学引论2(华罗庚).pdf
高等数学引论3(华罗庚).pdf
高等数学引论4(华罗庚).pdf
费曼物理学讲义 第二卷_1981.pdf
矢量分析与张量初步.pdf
从线性代数到张量计算.pdf
机器学习与时空数据建模.pdf
继续阅读“ 书籍是进步的阶梯”

卷积神经网络(分类网络)

卷积神经网络是一种前馈神经网络,用于图片分类的卷积网络一般包含两部分:卷积部分和全链接部分。

卷积部分将传统的卷积操作中卷积核的值当成了训练的对象,并加入了池化层,激活层,专门用来提取图片特征。全链接部分就是普通的神经网络,前面以图片特征为输入,后面加上softmax层来输出每个类的概率。

继续阅读“卷积神经网络(分类网络)”

大脑神经元工作原理

人类大脑具有最强大的能力,今天的科技非常发达,但依旧无法模拟人类的大脑,进行任务处理。

今天的计算机,与人类相比,在某些方面具有压倒性的优势,比较运算能力和存储知识的能力,是人脑的无数倍,但是即使如此强大的计算机,却有一方面无法超越人脑,那就是人脑的创造力能力,科学家到目前为止,依旧无法解开这个人脑是如何形成这项不可思议的能力的。

在即将到来的机器人时代,人类的创造力能力,无疑是未来我们立足于机器人时代的最有力武器,那么,创造力的原理到底是什么?它是如何来的?

继续阅读“大脑神经元工作原理”