摸黑干活

Anisotropic Media各向异性介质物质本构关系 \overrightarrow{D}=\bar{\epsilon}\overrightarrow{E} \overrightarrow{B}=\bar{\mu}\overrightarrow{H} 各方向介电值，磁导率不同 最简单的z轴为光轴的单轴晶体石英，方解石，存在双折射现象 \bar{\epsilon}= \begin{bmatrix} \epsilon&0&0\\ 0&\epsilon&0\\ 0&0&\epsilon_z \end{bmatrix} $\epsilon_z>\epsilon$正单轴 positive uniaxial $\epsilon_z<\epsilon$ 负单轴 nagative uniaxial 外加直流磁场的plasma media磁场方向为z0方向时 \bar{\epsilon}= \begin{bmatrix} \epsilon&i\epsilon_g&0\\ i\epsilon_g&\epsilon&0\\ 0&0&\epsilon_z \end{bmatrix ...

3.1time-harmonic field 正弦时变场信号频域分析基本公式 \overrightarrow{E}(\overrightarrow{r},t)=Re\{\overrightarrow{E}(\overrightarrow{r})e^{-iwt}\} \overrightarrow{B}(\overrightarrow{r},t)=Re\{\overrightarrow{B}(\overrightarrow{r})e^{-iwt}\} \overrightarrow{D}(\overrightarrow{r},t)=Re\{\overrightarrow{D}(\overrightarrow{r})e^{-iwt}\} \overrightarrow{H}(\overrightarrow{r},t)=Re\{\overrightarrow{H}(\overrightarrow{r})e^{-iwt}\} \overrightarrow{J}(\overrightarrow{r},t)=Re\{\overrightarrow{J}(\overrightarrow{r})e^ ...

麦克斯韦——信电杀神，磁爆之王，掌控雷电的男人。为了能对抗邪恶的麦克斯韦，小编今天就带大家从0开始徒手撕麦克斯韦 开个玩笑，麦克斯韦还是一位非常伟大的物理学家，场波学的是MIT英文版的教材，据说上的内容是MIT研究生才学的，属实难顶，国内关于场波的教材和视频并没有找到特别满意的，对传输线和天线等应用层面关注的更多，对数学物理的原理内容较少，而MIT的教材更注重于理论，所以啃得十分吃力，以下为自己整理的笔记，希望对想获得雷电力量的年轻人有所帮助 笔记目录Maxwell fundamental theory frequence analyse Biantropic-Media KDB coordinate system Reflection and Transmission Wave Guidance&Resonance Radiation

图像检索原理概述首先，我们要明白，图像检索，简单的说，便是从图片检索数据库中检索出满足条件的图片，图像检索技术的研究根据描述图像内容方式的不同可以分为两类： 一类是基于文本的图像检索技术，简称TBIR， 一类为基于内容的图像检索技术，简称CBIR。 两类图像检索技术基于文本的图像检索(TBIR)技术，其主要原理为利用文本描述，如文本描述图片的内容、作者等等的方式来检索图片；基于图像的内容语义的图像检索技术（CBIR），利用图片的颜色、纹理及图片包含的物体、类别等信息检索图片，如给定检索目标图片，在图像检索数据库中检索出与它相似的图片。 基于图像的内容语义的图像检索包括相同物体图像检索和相同类别图像检索，检索任务分别为检索同一个物体地不同图片和检索同一个类别地图片。例如，行人检索中检索的是同一个人即同一个身份在不同场景不同摄像头下拍得的图片属于相同物体的图像检索，而在3D形状检索中则是检索属于同一类的物品，如飞机等。 图像检索技术的步骤图像检索技术主要包含几个步骤，分别为：输入图片、特征提取、度量学习、重排序。特征提取：即将图片数据进行降维，提取数据的判别性信息，一般将一张图片降维为一个 ...

Maxwell’s Theorymaxwell’s Equations微分形式麦克斯韦方程组 \begin{cases} \nabla\times\overrightarrow{E}=\frac{\partial}{\partial t}\overrightarrow{B},\\ \nabla\times\overrightarrow{H}=\frac{\partial}{\partial t}\overrightarrow{D}+\overrightarrow{J},\\ \nabla\cdot\overrightarrow{B}=0,\\ \nabla\cdot\overrightarrow{D}=\rho \end{cases} 1为法拉第定律或法拉第磁感应定律。 2为安培定律或广义安培电路定律式 3为电场的库仑定律或高斯定律。 4为高斯定律或磁场的高斯定律。 物质本构方程 \bar D=\epsilon_0\bar E \bar B=\mu_0 \bar H其中 \epsilon_0=8.85\times10^{-12} F/m \mu_0=4\pi\times10 ...

torch.Tensor是程序包的中心类。如果将其属性设置 .requires_grad为True，它将开始跟踪对其的所有操作。完成计算后，可以调用.backward()并自动计算所有梯度。该张量的梯度将累加到.grad属性中。 创建一个张量并设置requires_grad=True为跟踪张量import torch x = torch.ones(2, 2, requires_grad=True) print(x) 运算y = x + 2 print(y) print(y.grad_fn) 输出 tensor([[3., 3.], [3., 3.]], grad_fn=<AddBackward0>) y是运算产生，存在梯度 z = y * y * 3 out = z.mean() print(z, out) 结果 tensor([[27., 27.], [27., 27.]], grad_fn=<MulBackward0>) tensor(27., grad_fn=<MeanBackward0>) .requiresgrad( … )req ...

导入 pytorch库from __future__ import print_function import torch 需要配置好环境 创建矩阵构造5*3未初始化的矩阵x = torch.empty(5, 3) print(x) 输出 tensor([[2.1030e-18, 4.5559e-41, 4.0441e+10], [3.0767e-41, 0.0000e+00, 1.4013e-45], [0.0000e+00, 0.0000e+00, 0.0000e+00], [0.0000e+00, 0.0000e+00, 0.0000e+00], [0.0000e+00, 0.0000e+00, 0.0000e+00]]) 构建一个随机初始化矩阵x = torch.rand(5, 3) print(x) 构造一个填充零且dtype long的矩阵，长整形x = torch.zeros(5, 3, dtype=torch.long) print(x) 从数据构造张量x = torch.tensor([5.5, 3 ...

一、标题1.使用#表示标题，其中#号必须在行首 一级标题二级标题三级标题四级标题五级标题六级标题 2.或者用’=====’ ‘——‘表示 一级标题二级标题 二、分割线使用三个以上’-‘或‘ * ’ 表示 三、斜体和粗体使用‘ ’和‘ ’分别表示斜体和粗体斜体 粗体 又斜有粗 四、超链接和图片写法1：[第一种写法]（www.baidu.com)写法2：第二种写法 图片插入：在超链接前+一个‘！’ 五、无序列表使用‘+ ’ ‘- ’ ‘* ’ 一层 两层 三层 四层 六、有序列表使用‘ 1. ’点号后有空格 你在第一层 我在第五层 七、文字引用使用‘> ’ 表示 第一层 第二层 第三层 八、行内代码块使用`表示\为转义字符 九、代码块使用四个空格缩进表示代码块 str='hello world' for i in range(11): print(str[i]) 十、表格第二行表示对齐方式|---|---:|:---:|默认左对齐 X Y 与 或 非X 0 0 0 0 1 0 1 0 1 1 1 ...

一、标题1.使用#表示标题，其中#号必须在行首 一级标题二级标题三级标题四级标题五级标题六级标题2.或者用===== ——表示 一级标题二级标题二、分割线使用三个以上———或*表示