10、场的积分表示相关研究

场的积分表示相关研究

1. 基本概念与预备知识

在研究场的积分表示时,有一些基本的概念和公式是需要了解的。对于一个内部开口角为 $\alpha$(圆形横截面)的圆锥,其立体角 $\Omega = 2\pi(1 - \cos\alpha)$,并且有如下公式:
[
\iint_{S} \left[g(k, |r - r’|)\hat{\nu}(r’) \cdot \nabla’\varphi(r’) - \varphi(r’)\hat{\nu}(r’) \cdot \nabla’g(k, |r - r’|)\right] dS’ - \iiint_{V} g(k, |r - r’|) \left(\nabla’^2\varphi(r’) + k^2\varphi(r’)\right) dv’ = \frac{1 - \cos\alpha}{2} \varphi(r), \quad r \in S
]

2. 向量积分表示的极限值 - 向量版本
2.1 从外部趋近的情况

我们对向量值积分表示(3.9)取极限,分析过程与标量情况类似。在一个正则点 $r \in S$ 应用积分表示,其中切向量在原体积 $V$ 的边界表面上连续。我们先考虑从外部趋近的情况,从体积 $V$ 中排除一个半球,记穿孔体积为 $V_{\epsilon}$,得到:
[
\iiint_{V_{\epsilon}} \left[g(k, |r - r’|) \left(\nabla’ \times (\nabla’ \times F(r’)) - \nabla’(\nabla’ \cdot F(r’)) - k^2F(r’)\right)\rig

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值