Understanding coordinate systems and DICOM for deep learning medical image analysis
关于医学成像中深度学习的多个入门概念，例如从机器学习角度进行的坐标系和 dicom 数据提取。
Using PCA for Outlier Detection
一种识别数值数据中异常值的令人惊讶的有效方法PCA（主成分分析）通常用于数据科学，通常用于降维（通常用于可视化），但它实际上对于异常值检测也非常有用，我将在本文中描述它。本文延续了我的异常值检测系列，其中还包括关于 FPOF、计数异常值检测器、距离度量学习、共享最近邻和兴奋剂的文章。这还包括我书《Python 中的异常值检测》的另一段摘录。PCA 背后的想法是大多数数据集在某些列中的方差比其他列大得多，并且特征之间也存在相关性。其中一个含义是：为了表示数据，通常不需要使用尽可能多的特征；我们通常可以使用更少的特征（有时要少得多）很好地近似数据。例如，对于包含 100 个特征的数值数据表，我们可
A background independent quantum gravity in terms of Relativity.
爱因斯坦对无法解释之事的解释 背景独立性是理论物理学中的一种条件，要求理论的定义方程独立于时空的实际形状和其中各种场的值。 特别是，这意味着必须能够不引用特定的坐标系 - ... 阅读更多文章背景独立的量子引力在相对论方面。 首先出现在统一量子和相对论上。
Understanding the Invariancy of Space-Time Interval Equations with Mathematical Proof!!!
在上一篇文章中，我以一种非常简单的方式解释了洛伦兹变换，在本文中，我们将使用这个怪物。在本文中，我将以数学的方式解释时空区间方程的不变性。但在继续阅读之前，您必须阅读我关于时空简介和洛伦兹变换的文章，以便更好地理解这篇文章。让我们开始吧......正如我在时空简介文章中所解释的那样，顾名思义，时空由两个关键词组成，即空间和时间。按照传统物理学，空间代表我们宇宙的三维坐标系。爱因斯坦之前的科学家认为我们的宇宙仅限于这 3 个坐标（x、y 和 z 轴），根据这一惯例，宇宙被称为牛顿宇宙。但是，1905 年，爱因斯坦在他的狭义相对论中表明时间也是一个不可或缺的因素。其实，直到 1908 年，爱因斯坦
Lorentz Transformation: A Simplified Overview
好吧……已经有很多关于这个主题的文章和书籍，但我仍然需要介绍它，主要有两个原因。首先，我即将发表的文章将基于这个主题，我不希望我的读者在寻找足够的材料来理解这个主题时遇到麻烦。其次，因为我也研究过很多关于这个主题的文章和书籍，所以在阅读它们时，我总是觉得文本中总是缺少“学生方面”的解释。所以，在本文中，我将尝试包括这一点。洛伦兹变换在相对论空间中起着关键而基本的作用。没有它，你就无法推导出流行理论的表达式，如长度收缩、时间膨胀和流行的质量能量关系方程 e = mc^2。所以，我希望你能理解这个主题的引力。洛伦兹变换以荷兰物理学家亨德里克·洛伦兹的名字命名。在开始推导变换之前，我们需要记住两个假
A Crisped Introduction of Spacetime!!!
时空……我敢肯定，如果你看过“太空秀”或“科幻电影”，那么你很有可能听过这个词。听起来很酷，不是吗？……奇怪的是，它的概念也很酷，足以让你肾上腺素激增，去学习天体物理学及其相关数学。好吧……预告片看得够多了……让我们进入电影，享受高潮！！！时空，顾名思义，由两个关键词组成，空间和时间。根据传统物理学，空间代表我们宇宙的三维坐标系。爱因斯坦之前的科学家认为我们的宇宙仅限于这三个坐标（x、y 和 z 轴），根据这一惯例，宇宙被称为牛顿宇宙。但是，1905 年，爱因斯坦在他的狭义相对论中表明，时间也是一个不可或缺的因素。好吧，直到 1908 年，爱因斯坦的一位教授、著名物理学家赫尔曼·闵可夫斯基 (
Radar characteristics of micro-UAV
本文介绍了对 S、C 和 X 波段微型无人机回波信号的雷达特性和统计特性的研究结果。结果是使用组合建模方法获得的，该方法包括对静态雷达特性和微型无人机在边界坐标系中的位置进行全尺寸测量，并对回波信号的时间结构和相关函数进行数学建模。
