搜尋結果
2014年3月25日 · 中国电力一姐李XL。 经常挂在嘴边的话：我的成功靠自己。 其实，那一年高考她没考上，到华北电力大学读子女职工大专教育。 然后，匪夷所思地转到清华大学电机系读硕士。 在清华，她《微机原理》屡次考试不及格。 周明德老先生就是不给她过。 最后电机系不得不取消了这门课。 其实大家都知道，没有她老爹李P。 她连工作都找不到。 几年前就有这样的说法了。 想求证一下。 如果是假的，咱们就还她的清白。 如果是真的，如果是真的……..。 呵呵，明天天气可能会很好. 转载本文请联系原作者获取授权，同时请注明本文来自何小阳科学网博客。 链接地址： https://blog.sciencenet.cn/blog-257249-779101.html. 上一篇： 科学研究过强的功利性驱动绝对是有害的.
2016年2月4日 · 提起进化论，人们往往会想到查尔斯·达尔文（Charles Darwin），很少人会想到伊凡·瓦林（Ivan Wallin）或琳·马古利斯（Lynn Margulis），他们是两位开创性的近代进化理论家。
2018年10月6日 · 图像处理及机器视觉应用中的Sobel算子，是以它的提出者Irwin Sobel名字命名的。 该算子没有在任何期刊或会议上正式发表过，当时仅在Stanford大学人工智能项目组的一个非正式的博士生讨论组会上与Gary Feldman（当时的一个在读研究生，也是Sobel的朋友）共同提出。 Irwin Sobel还曾专门撰文申明，建议把Sobel算子的命名改成“Sobel-Feldman”算子[1-2]。 图1 Sobel算子（滤波模板） 对于这个看似简单却沿用了几十年的算子，包括国际上最流行的冈萨雷斯《数字图像处理》教材在内，很多教科书并没有对算子的原理和数学基础做具体描述。 Sobel算子考虑了水平、垂直和2个对角共计4个方向对的梯度加权求和，是一个3×3各向异性的梯度算子。
2017年3月15日 · 事隔60年后，一个偶然的发现揭穿了密立根所谓的实验结果，这个结果来自密立根的笔记和手稿，是一位史学家发现后公之于众的。 密立根发表的58次观测结果，并非如他信誓旦旦所说的那样是“没有经过选择的”，而是从 140次观测中挑选出来的！ 他将实验的数据大动干戈，只采集那些对他有利的漂亮数据为“我”所用，对于不利的数据则一概删去，并没有告诉任何人。 这一发现震动了物理学界，密立根的小动作和他给出的实验结果一样漂亮。 ------------------------------------ 我在此新闻后面的评论： 密立根是天才！ 能够分辨信号和噪声，不是一般的科学家能够做到的。 造假能造出正确的结果？ -------------------------------------
1950年以来拉尼娜事件与对应的重大自然灾害. 【气象专家通过分析1951年以来历史上15次拉尼娜事件发现，有10个拉尼娜年我国冬季气温偏低，5个拉尼娜年我国冬季气温偏高。 本博主此项研究清楚表明，2008年1月中国南方雪灾/2021年2月美国南部罕见雪灾均与拉尼娜事件密切相关！ 除极端气候外，拉尼娜事件与特大洪灾、特大地震及强震事件关联紧密！ 建国以来1954年与1998年长江、淮河全流城特大洪灾均发生在拉尼娜事件期间；另外1950年淮河大洪水（超过1931年江淮大洪水1931年7月洪水期全月降雨量）/1975年淮河流域河南驻马店特大洪灾，也都发生在拉尼娜事件期间。
2018年6月27日 · VASP可以加入VDW修正，但是里面的情况非常多，对于不同的体系该如何选择不同的修正呢？ 把这个问题先拿出来慢慢的补充讨论吧。 首先先引用侯老师在小木虫的一段话[1]： 有两大类的范德华斯作用修正： 1）基于半经验的，包括了D2, D3, D3-BJ, TS, TS+SCS等等，这些都是在常用的交换关联泛函比如PBE的基础上，考虑色散力的作用，在PBE计算出来的总能基础上增加了额外半经验项，这一项需要设置一些参数，至于是哪种半经验公式，由IVDW的设置来决定，具体的参考VASP的手册。 https://cms.mpi.univie.ac.at/vas ... ection_methods.html.
2018年10月10日 · 通俗地说，likelihood就是在给定参数的条件下的观察值（也就是上一段所说的实际值）所服从的概率分布或满足的概率密度函数 [1]，这个概率密度函数可以将其表示为 p(y | X, w) 。 我们可以将估计值 XTw 看做是一个常数 1 ，一个常数加上一个服从均值为0，方差为 σ2 n 的高斯分布的随机变量后服从的依旧是高斯分布，方差不变： y | X, w ∼ N(XTw, σ2 nI) 贝叶斯线性回归. 在贝叶斯估计理论中，我们先假设权重矩阵服 w 服从一个先验分布 (prior distribution)，而后再依照训练数据与贝叶斯公式写出其后验分布 (posterior distribution)。
