早期的數學不再說明了。只大體上說一些有用的吧。由於本人大學時數學學習不好，現在畢業被生活所累，再學習的幾會也不多。所以難免有很多東西說不到。有興趣的朋友自己去學習吧。
說到三維，當然少不了x，y，z軸了，這三個軸把整個空間分為八個象限。
對於空間中的乙個點，我們直接用複數形式表示，z=xi+yj+zk.
對於空間中的直線，由於我們使用的目的不同。所以我採用乙個更加簡單的方法來確定一條直線，方法如下：
以x，y，z軸中的任乙個軸作為參考直線，要表示的直線與三個軸中的乙個主要優先關係軸要麼異面，要麼相交，我們定義沿軸的正方向的夾角為有效角。這裡我解釋一下優先關係的意思。如我們不管做任何事都會有先後順序和重點非重點之分。比如，你直立站著，定義你的正前方為x軸正方向，你的右側為y軸正方向，垂直向上為z軸正方向.座標原點在腳上.這時給你乙個任務,要求你手拿一面紅旗.要求你把紅旗打直了.那麼你一定是一直去和z軸方向進行比較才能打直,這個時候z軸就是這件事的優先關係軸.當你手中的紅旗桿和z軸平行時說明,你打直了紅旗.為了處理更加複雜的問題,當然要求優先關係軸可以互相傳換了.我不想使用**處理器進行這樣的優先關係轉換,因為在處理問題時這樣的轉換會經常遇到.所以最好使用單獨的微控制器來進行這種資訊的處理.並且為了處理更多的直線問題,要求機器可以自定義經常使用的任意優先關係直線.可以定義多個並記入優先資料庫.
對於面,主要指平面,曲面在後邊考慮.面,採用同產的優先面處理方法,以三個主要面為基本參考面.即,x=0面,y=0面,z=0面.在遇到實際問題時同樣使用優先參考面.並且機器可能性自定義參考面.這裡對事件處理方法與直線相同.採用微控制器單獨處理,不使用**處理器.並且可以自定義參考面.也可以定義多個參考面.經常使用的入資料庫.
曲線和曲面,這裡我們用常用的基本曲線和曲面作為參考曲線和參考曲面,如各種基礎函式曲線.面則以拋物面,球面,柱面,雙曲面等等最基本的曲面或者為平面和這些曲面組成的新曲面.都可以作為參考面.在曲面這裡我們還要定義一些生活中常見的物體平面.同樣允許機器自己定參考面入庫.
最後要說的就是體了.體分為內空的殼體和內實的實心體.由體的外表面和內部物質組成,體分主要參考體有球體,椎體,柱體(圓柱體和長方體),任意平面或者曲面組成的常見體形.在體中除了我們數學中的基本體以外,要加入生活常見體.因為我們作這個的目的就是為了在生活中使用.如:瓶狀體,梨形體,杯子體,剪刀形體,瓶子分為藥瓶,酒瓶等等.這些體每都定義乙個參考體.並且在常用到的體可以由機器定義為參考體入庫.
對於以上各個地旬象之間的關係有以下情況.
一.空間點
1.點與點關係,有方向和距離(|z1-z2|為兩點間的距離)
2.點與線關係,有方向,距離和到線上點的角度
3.點與面關係,有方向,距離,到面上點的平座標,以及角度
4.點與體關係,有方向,在體面還是在體內,體空間座標原點關係等等
二.空間線
1.線與線,相交,交度,還是異面等等
2.線與面,相交,平行,角度等等.
3.線與體,相交,相切,與體自身座標原點的關係等等.線與曲面也有相交和相切.
三.空間面
1.面與面,相交,平行,角度
2.面與體,
四.空間體
體與體,相離,相切,相交,相容等等.自身座標原點之間的關係
有時候,我們為了處理問題簡單,使用了其他形式的座標系,而不使用三維直角座標系,得到的結果後有必要時再作座標變換,從加利略變換我們知道從標的變換只要多不捨去資訊,自然界的規律不會因為我們使用不同的座標面不同.常用的座標系有,極座標系(用在圓形或者弧形物體表面或者運動中),柱座標系,和斜座標系等等.
具體有問題,在後期遇到再做分析.
有的時候真不想把自己變成乙個怪人。其實我到現在才發現自己其實一直在坐井觀天。
關於「人工智慧面試」的構想
人工智慧無疑是未來社會的一大趨勢。前兩天看了一本心理學經典書籍，看到面試心理學這塊時突然引發思考 面試是廣大求職者必須經過的一關，它決定求職者給面試官留下的印象，很大程度上決定求職者被錄用與否，甚至是求職者的未來。因此，面試這一環節可以說對求職者有著至關重要的作用。然而，成千上百萬的求職者良莠不齊，...
人工智慧基礎 機器學習初步了解
今天學的機器學習部分,做一些總結 機器學習的一般過程 機器學習方法 有監督學習 supervised learning 從給定的有標註的訓練資料集中學習出一 個函式 模型引數 當新的資料到來時可以根據這個函式 結果。常見任務包 括分類與回歸。分類 輸出是類別標籤 回歸 輸出是實數 無監督學習 uns...
小白對人工智慧的初步探尋
關於腦的探尋 簡單分為下面三個層次 類人思考系統 理性思考系統 類人行動系統 理性行動系統 下面是早年ai的一些演算法 1 暴力搜尋，bf和df 2 感知器 即一種用於單層神經網路的早期監督式演算法 給定乙個輸入特徵向量，感知器演算法將劃分到特定的類別。通過使用訓練集，可以更新線性分類的網路權值和閾...