最近常去逛的店歇業了,之後就好少到那邊晃啦,
可是朋友一直問我圖解物理學(修訂版) 那裡買比較便宜!
上網幫他查了圖解物理學(修訂版) 相關的評價,推薦,開箱文,價格,報價,比較,規格,推薦那!
經過多方比較後,發現圖解物理學(修訂版) 居然曾造成搶購熱潮,
價格也很實在,重點是買的安心,到貨的速度還滿快的,
不用出門送到家。還有超級大重點,比超商便宜!!
一拿到之後為之驚艷,圖解物理學(修訂版) CP值超高!。
↓↓↓限量特惠的優惠按鈕↓↓↓
商品訊息功能
商品訊息描述
《圖解物理學(修訂版)》
人類藉無窮的想像發現物理,物理則讓人更了解這世界的真實。
無論外在世界幻彩奇景變化多端,物理都能超越表象,
以最公正客觀的一套邏輯解釋世界。
「為什麼丟球的時候,球一定會往下墜呢?」對物理的探索是從對生活周遭的現象產生好奇開始,才進一步抽絲剝繭試圖解開疑惑。不僅日常中許多有趣的、令人疑惑的現象均能以物理來解釋,人類更應用所知的物理原理,創造出各種增進生活的發明,例如飛機即是由鳥類的飛行原理而來;相機利用偏光濾鏡便能夠清楚拍到水中物體;保溫瓶的構造因能反制熱的三種移動方式,而得以達到保存熱能的效用......等。
世界上繁雜、難以計數的現象,在物理學中都能有系統地被歸納於力學、熱學、波動學、電學、量子學等五大領域中。本書即各自以不同篇章介紹這五大領域的要點、以及各領域之間的關係,並藉由圖文並列的「圖像式思考」撰述方式,使讀者能簡明扼要地建立完整且脈絡清晰的基礎物理概念。對於物理當中不可或缺的運算公式,則深入淺出地說明其如何由各種原理推演而來,並帶出各公式間相互套用的關聯性,把一向被視為畏途的公式也能透過有趣的物理知識幫助記憶。
實用商品作者介紹
山田弘
1947年生於宮城縣
1972年北海道大學工學院應用物理系畢業
1979年取得北海道大學工學研究所電氣工程專攻博士課程學分
1979年岩手大學工學院電氣工程系助教
1995年岩手大學工學院電氣電子工學系教授
1984~1986年美國麻省理工學院(MIT)客座研究員
現任
岩手大學工學院電氣電子工學系教授 / 工學博士
著作
《歡迎來到電子學的世界》(岩手日報社)
《固體內核反應研究》(合著,工學社)
譯者介紹
顏誠廷
一九七六年生,高雄人。台大化工博士。曾獲台大學生傑出表現獎(學術類)、台大科林論文獎(博士論文頭等獎)、教育部產學合作獎(博士生組)。
譯有《圖解科學史》(易博士出版)、《半導體潔淨技術》、《最新奈米材料之現況與展望》、《奈米碳管技術》、《微分方程》(合譯,湯姆生)。
圖解物理學(修訂版)-目錄導覽說明
物理萬象,大至宇宙星球間的相互影響,小至個人的一個動作或物質的變化,都存在你無限的想像中:
●為什麼先脫下毛衣時,毛衣會與身上的襯衫產生靜電? 參見P.19
●為何蘋果會掉到地上,月球卻不會掉到地球上來? 參見P.24
●居家達人為什麼救護車接近時的音高較為高亢,遠去時則較低而穩定? 參見P.62
●為什麼愈大的樂器聲音愈低沈? 參見P.64
●為什麼鑽石會發出如此璀璨耀眼的光芒? 參見P.72
●為什麼透過偏光濾鏡就能清楚看到水中生物? 參見P.74
●為什麼熱氣球能飛上天空? 參見P.89
●為何水裡加入冰塊後,不是水結凍,而是冰塊溶化? 參見P.102
●電磁波是什麼?為什麼能傳得這麼遠? 參見P.150
●為什麼微波爐能加熱食物? 參見P.158
編/譯者:顏誠廷
語言:中文繁體
規格:平裝
分級:普級
開數:21*14.8
頁數:176
出版地:台灣
商品訊息特點
便宜 ↓↓↓限量特惠的優惠按鈕↓↓↓
圖解物理學(修訂版) 討論,推薦,開箱,CP值,熱賣,團購,便宜,優惠,介紹,排行,精選,特價,周年慶,體驗,限時
以下為您可能感興趣的商品這裡最便宜
注意:下方具有隨時更新的隱藏版好康分享,請暫時關閉adblock之類的廣告過濾器才看的到哦!!
人工智慧(Artificial Intelligence)的研究,過去60多年來從未停歇,而今總算有了不凡的突破,從AlphaGo到智慧語音助理、自動駕駛技術等,無疑捕捉了無數人們的注意力,宣告著劃時代的科技盛世已經到來。
1950年,圖靈在他名為〈運算機器與智慧(Computing Machinery and Intelligence)〉的論文裡提問:「機器能思考嗎?(Can Machine Think?)」,挑戰了人類對計算機智慧的想像。圖靈認為人們會首先流於爭執機器與思考的定義,卻沒有辦法很精確地討論問題核心:「機器會有智慧嗎?」
由於機器智能難以確切定義,圖靈有限 在該論文首次對如何判定機器具有智慧,提出了著名的「圖靈測試」:如果機器與人類進行非面對面(例如在中間以布幕隔離)對話(例如使用文字訊息),人類卻無法辨認出對方是機器,那麼這台機器就具有智慧。圖靈測試無論在當時或現代,對於人工智慧研究而言都是重要且相對嚴謹的研究提案,後續許多業界與學界的研究都企圖挑戰圖靈測試:如1966年麻省理工學院人工智慧研究室的約瑟夫.維森鮑姆(Joseph Weizenbaum),以字串比對自動回覆的方式所開發出的聊天機器人ELIZA;或到2014年,英國雷丁大學(University of Reading)重磅宣布其所開發出的Eugene,已經通過測試,但後來被質疑標準有誤。
其實,人工智慧一詞直到1956年,才在美國新罕布夏州一場為期兩個月的研究工作坊「達特茅斯暑期人工智慧研究計畫(The Dartmouth Summer Research Project on Artificial Intelligence)」上,由負責組織會議的電腦高階語言LISP之父約翰?麥卡錫(John McCarthy)正式定名。這場工作坊所討論的問題:「計算機、自然語言處理、神經網絡、計算理論、抽象化與隨機創造」後來都成為人工智慧研究發展的重要領域,而達特茅斯會議也因此成為人工智慧領域的經典起源。
歷經了60年的發展,人工智慧的研究領域因種種困難而起起落落,經歷了無數個轉角。起初仿造動物神經元,希望打造強人工智慧的人工神經網絡(Artificial Neuron Network),先是經歷了機器無法應付計算複雜度的困境,無法取得研究經費而停滯;同一時期另一脈絡的弱人工智慧,則發展出博聞強記、分辨率隨資料質與量逐步提升而快速進展的機器學習。如今,人與機器的對話,已因商業應用的普及而不再困難。這一甲子,到底電腦科學家解決了些什麼問題呢?從人工智慧三大關鍵技術突破或可窺探未來。
關鍵技術一 文藝復興後的人工神經網絡
對於人工智慧,電腦科學家當然希望可以直接模仿生物的神經元運作,因此設計數學模型來模擬動物神經網絡的結構與功能。所謂人工神經網絡是一種仿造神經元運作的函數演算,能接受外界資訊輸入的刺激,且根據不同刺激影響的權重轉換成輸出的反應,或用以改變內部函數的權重結構,以適應不同環境的數學模型。
1951年,科學家馬文.閔斯基(Marvin Minsky)第一次嘗試建造了世上第一個神經元模擬器:Snarc(Stochastic Neural Analog Reinforcement Calculator),它能夠在其40個「代理人」和一個獎勵系統的幫助下穿越迷宮。六年後,康乃爾航空工程實驗室的法蘭克.羅森布拉特(Frank Rosenblatt)設計、發表神經網絡的感知器(Perceptron)實作後,人工神經網絡(或稱類神經網絡)學者曾經一度振奮,認為這個突破終將帶領人工智慧邁向新的發展階段。
但,人工智慧領域的研究在1970年代因為缺乏大規模數據資料、計算複雜度無法提升,無法把小範圍的問題成功拓展為大範圍問題,導致計算機領域無法取得更多科學研究預算的投入而沉寂。到了1980年代,科學家首先透過思考上的突破,設計出新的演算方法來模擬人類神經元,迎來神經網絡發展的文藝復興時期。物理學家約翰.霍普費爾德(John Hopfield)在1982率先發表Hopfield神經網絡,開啟了神經網絡可以遞迴設計的思考。四年後,加州大學聖地牙哥分校教授大衛.魯梅爾哈特(David Rumelhart)提出了反向傳播法(Back Propagation),透過每次資料輸入(刺激)的變化,計算出需要修正的權重回饋給原有函數,進一步刷新了機器「學習」的意義。科學家更進一步把神經元延伸成為神經網,透過多層次的神經元締結而成的人工神經網絡,在函數表現上可以保有更多「被刺激」的「記憶」。
目前多層次的人工神經網絡模型,主要包含輸入層(input layer)、隱層(hidden layer)與輸出層(output layer),另外根據資料輸入的流動方向,又分為單向流動或可以往回更新前一層權值的反向傳播法。由於神經網絡模型非常仰賴計算規模能力,為了增加高度抽象資料層次的彈性,電腦科學家將之複合為更複雜、多層結構的模型,並佐以多重的非線性轉換,將其稱之為深度學習(Deep Learning)。
關鍵技術二 靠巨量數據運作的機器學習
科學家發現,要讓機器有智慧,並不一定要真正賦予它思辯能力,可以大量閱讀、儲存資料並具有分辨的能力,就足以幫助人類工作。1970年代,人工智慧學者從前一時期的研究發展,開始思辯在機器上顯現出人工智慧時,是否一定要讓機器真正具有思考能力?因此,人工智慧有了另一種劃分法:弱人工智慧(Weak AI)與強人工智慧(Strong AI)。弱人工智慧意指如果一台機器具有博聞、強記(可以快速掃描、儲存大量資料)與分辨的能力,它就具有表現出人工智慧的能力。強人工智慧則是希望建構出的系統架構可媲美人類,可以思考並做出適當反應,真正具有人工智慧。
機器學習(Machine Learning)可以視為弱人工智慧的代表,只要定義出問題,蒐集了適當的資料(資料中通常需要包含原始數據與標準答案,例如人像圖片與該圖片內人像的性別、年齡),再將資料分做兩堆:訓練用與驗證用,以訓練用資料進行學習,透過特定的分類演算法抽取特徵值,建構出資料的數學模型,以該數學模型輸入驗證用資料,比對演算的分類結果是否與真實答案一樣,如果該數學模型能夠達到一定比例的答對率,則我們認為這個機器學習模型是有效的。這種具有標準答案,並以計算出的預期結果進行驗證的機器學習,通常被稱為監督式學習。 相對於監督式學習,非監督式學習則強調不知道資料該如何分類的機器學習,換句話說,我們提供電腦大量資料,但不告訴它(或許我們也真的不知道)這些資料該用什麼方式進行分類,然後電腦透過演算法將資料分類,人類只針對最終資料分類進行判別,在數據尋找規律就是機器學習的基礎。
機器學習的發展方向,是在設計、分析一些讓電腦可以自動「學習」的演算法,讓機器得以從自動分析資料的過程中建立規則,並利用這些規則對還沒有進行分析的未知資料進行預測。過程中,時常運用統計學技巧,並轉化成電腦程式,進而計算出資料??的分界條件來做預測。 弱人工智慧作為人工智慧領域的發展途徑,無論是監督式學習或非監督式學習,隨著資料被大規模蒐集、經由網際網路被傳遞、輔以雲端架構支援的運算,用機器學習來解決人類基礎的問題變成一種可能。目前機器學習也是人工智慧商業應用最廣泛的一種技術。舉凡搜尋引擎、圖像辨識、生物特徵識別、語音與手寫識別與自然語言處理、甚至是檢測金融詐欺等等,都是常見的應用。
關鍵技術三 人工智慧的重要應用:自然語言處理
對人類來說,如何讓這些現代自己製造出來的機器們,可以聽懂人話,並與人類「合作」,絕對是可以推動我們面對未知宇宙的重要助手。
自然語言處理(Natural Language Processing, NLP)的研究,是要讓機器「理解」人類的語言,是人工智慧領域裡的其中一項重要分支。英國雷丁大學的演化生物學家馬克.佩葛(Mark Pagel)認為,最早的一種「社會科技」是人類的「語言」,語言的發明讓早期人類部落透過新工具:「合作」在演化上占有優勢。自然語言處理可先簡單理解分為進、出計算機等兩種:其一是從人類到電腦──讓電腦把人類的語言轉換成程式可以處理的型式,其二是從電腦回饋到人──把電腦所演算的成果轉換成人類可以理解的語言表達出來。
無論是從人類到電腦,或從電腦到人類,語言處理通常都使用到我們一般學習外語所要具備的聽、說、讀、寫等技能。其中:聽與說主要使用到聽覺與發音,對電腦而言就是能夠透過麥克風「聽」到人類說話,把聽到的聲音轉成文字(這是語音辨識),或把電腦想要表達的意思轉成人類可以理解的詞句(這是自然語言生成),再用耳機或喇叭「唸」給人類聽(這是語音合成,功能通常稱作文本朗讀:text to speech)。科學家與工程師們也致力於影像文字辨識,影像來源可以是掃描完成的文件影像檔案、也可以是手機鏡頭的即時影像,目標的文字體則可以是一般鉛字印刷品或列印的文件,也可以是手寫文字(手寫文字辨識)。
當計算機透過「聽」或「讀」,將人類的話語或文章轉成文字、語句進到處理層,還需要能夠自動分詞(word segmentation),也就是電腦必須拆解人類的語句來理解語意,才可以進而給出相應的答案。例如一般人對手機說:「今天香港會不會下雨」,手機必須錄下聲音、並且濾掉雜音、將這句話的聲音轉化為文字、將這句文字拆解成不同詞句,並標注上不同詞性(speech tagging)。
「瞭解」使用者想要知道氣象資訊的命令後,手機必須對能提供「天氣」資訊的伺服器發出相應的(告訴伺服器要的地理資料是香港、並把今天轉換為實際的日期時間)資訊請求,包含未來數小時區間氣溫、氣象(是多雲、雨或晴天等)、風速、降雨機率、濕度、氣壓、空氣品質或紫外線指數等。
當伺服器回應了前述的相應數據後,手機可以選擇用螢幕畫面來回應,但更貼心的作法是把這些資訊翻譯成「人話」,然後用聲音唸出來。這時的處理可以把「香港接下來八小時會是晴天,氣溫攝氏25度,降雨機率是10%,空氣品質良好」這個句子,透過合成不同語詞聲音後說出來。但是,使用者問的其實是「會不會」下雨,所以必須進一步把降雨機率10%、晴天等等資訊轉換成「會不會」的尺度,例如10%可以轉化為「不太會」或是「只有很小的機率」一詞。
人類互動最重要的工具就是語言,無論是文字或語音,語音智慧助理讓人能和機器說話,無非是近年行動裝置普及後,最令人興奮的進展之一。國民黨今天(18日)動員各地縣市黨部和民意代表到行政院前抗議,要求政府不得開放日本核災食品輸台,認為之前召開的公聽會不合程序,資料不公正,應該重新舉辦,國民黨也質疑政府受到日本壓力。現場約群聚數百民眾,一度與警方發生推擠,最後由行政院食品安全辦公室主任許輔出面接下陳情書。
不滿政府擬解禁日本核災食品輸台,國民黨各地方黨部、各縣市議員率領群眾18日到行政院抗議。抗議民眾手舉「拒當皇民、拒吃核食」、「進口日本核食、台灣人死光光」等標語,並高喊「污染進來、林全下台」的口號。
國民黨文傳會副主委王鴻薇表示, 上週陸續召開的公聽會不合程序,應該重新舉辦,且公聽會的資料竟然是引用日本政府的檢驗報告,在台灣政府沒有本身檢驗報告的情況下,如何說服民眾可以開放核災食品。
王鴻薇質疑政府受到日本政治壓力,國民黨要求維持現有管制措施,全面禁止核災5縣的食品進口台灣。她說:『(原音)福島還有其他4縣市目前就是這規定,你現在要開放,你拿出什麼東西來說服大眾呢?公聽會資料非常扯,針對這4個縣市食品檢驗,不是取用我們官員檢驗的,他是引用日本17個地方政府檢驗報告,這不是非常扯嗎。』
抗議群眾在行政院前上演行動劇,表達反對核災食品進口台灣的立場,各縣市議員輪番發言批評政府不顧民眾健康。抗議群眾要求行政院長林全出面,且一度和警方發生推擠,最後由政院食安辦主任許輔出面接下陳情書,並帶領國民黨立委王育敏、陳宜民進入政院內協商,抗議群眾則轉往立法院繼續表達立場。
下面附上一則新聞讓大家了解時事美國總統歐巴馬廿日結束任內最後一趟外訪,於秘魯利馬的記者會中,歐巴馬除提及跨太平洋夥伴協定(TPP),還表示卸任後,若發現美國總統當選人川普對美國核心價值構成威脅,他將以平民身分,挺身針砭時政。
傳統上,美國卸任總統不會再涉入政治混水,也會避免批評繼任者,歐巴馬說,他將給川普一段時間,讓川普勾勒他的美國願景,但歐巴馬也說,必要時將以平民身分對某些特定議題提出諍言。
記者追問,前總統布希從未公開批評歐巴馬,歐巴馬是否也不會公開批評川普?歐巴馬說,他將以「非常關心自己國家的美國公民」身分,出面捍衛一些核心理念與價值。
歐巴馬也表示,「我們的夥伴已非常清楚表態,要繼續推動TPP」;他們想與美國一起推動,一些國家已開始批准TPP。
歐巴馬在亞太經濟合作會議(APEC)期間與TPP參與國領袖舉行會議,重申美國對TPP的承諾;歐巴馬指出,相信TPP對美國經濟、勞工、就業有益,如果不推進,將會削弱美國在區域的地位,以及美國以反映美方利益與價值的方式,去塑造全球貿易規則的能力。
這次歐巴馬在利馬APEC會議期間,也安排與中國大陸國家主席習近平、加拿大總理杜魯道、秘魯總統庫辛斯基、澳洲總理滕博爾進行雙邊會談,並與日本首相安倍晉三在場邊會晤;而歐巴馬與俄羅斯總統普亭並未雙邊會談,僅短暫談話四分鐘。
歐巴馬說,總結最後一次領袖峰會以及最後一次以總統身分出訪,對於一起達到的進展非常自豪,但顯然「工作永遠做不完」;,相信美國在亞太地區創造和維持一個強大並持久的領導力,發揮重要作用。
更多udn報導:辣模長太高 彎腰後竟讓大家都害羞了?女星自曝遭欺負 秀場跳艷舞還險穿幫?「我只是小妾」 女老師偷情反控元配?小三婚禮鬧場演這齣 劈腿新郎臉都綠了!
圖解物理學(修訂版) 推薦, 圖解物理學(修訂版) 討論, 圖解物理學(修訂版) 部落客, 圖解物理學(修訂版) 比較評比, 圖解物理學(修訂版) 使用評比, 圖解物理學(修訂版) 開箱文, 圖解物理學(修訂版)?推薦, 圖解物理學(修訂版) 評測文, 圖解物理學(修訂版) CP值, 圖解物理學(修訂版) 評鑑大隊, 圖解物理學(修訂版) 部落客推薦, 圖解物理學(修訂版) 好用嗎?, 圖解物理學(修訂版) 去哪買?- 暢銷排行-搶購好康少年陰陽師(肆拾參)召喚之音
- 熱賣中-好康報報CLiPtec Coordinator Beat 耳機麥克風
- 本月折扣-好康分享最新計算機概論(第六版)
- 熱銷-熱門商品超值再加碼 【 BC LAB 】Beauty one 玩美膠囊 60錠 - 六盒入
- 這裡最便宜-好康推推MTO M669+升級版雙卡雙螢幕3G摺疊老人機(原廠全配)@E@
留言列表