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
梯度、散度、旋度
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”直线与平面的向量表示
在初中我们就学过很多种直线的表示
继续阅读“直线与平面的向量表示”一般式： 不能同时为零；
斜截式： ,其中 是斜率(slope)，表示直线与x轴正方向夹角的正切值， 是纵截距(y-intercept,截距可以是负值)，表示直线与y轴的交点的纵坐标；
点斜率： ,其中 表示直线上一点， 表示直线斜率；
截距式： ,其中 分别表示直线与x轴和y轴的截距，也就是与x轴交点的横坐标和与y轴交点的纵坐标；
两点式： ，其中 表示直线上两点坐标；
神经网络原理
神经网络是什么?
神经网络是一组受人类大脑功能启发的算法。一般来说，当你睁开眼睛时，你看到的东西叫做数据，再由你大脑中的 Nuerons（数据处理的细胞）处理，并识别出你周围的东西，这也是神经网络的工作原理。神经网络有时被称为人工神经网络（Artificial Neural Network，ANN），它们不像你大脑中的神经元那样是自然的，而是人工模拟神经网络的性质和功能。
继续阅读“神经网络原理”