Aktywne Wpisy
patryk_66 +491
lkjp +181
W końcu koniec najbardziej żałosnej pory roku. Za chwilę spocone baby, udarowcy i wiecznie narzekający rolnicy pójdą przynajmniej na chwilę w zapomnienie. Już niedługo czekają nas cudowne ciemne poranki, deszczowe mgliste dni i wczesny wieczór. Znowu będzie czym oddychać. Gówniarze będą smętnie kroczyć podczas szarówki w kierunku szkół. Życzę sobie i Wam moi mili, aby ##!$%@? oraz ##!$%@?. Z kolei wszystkim miłośnikom lampy 30 stopni serdeczna parówa w okrężnicę.
Teraz, po omówieniu z grubsza najbardziej wrażliwych miejsc w publikacjach popularno-naukowych, zobaczcie jednak jaką mają one również MOC sprawczą (choć bez bezpośredniej korelacji) w odniesieniu do "prawdziwej" nauki.
Najkrócej jak się da - po publikacji, która trafiła do szerokiego grona odbiorców, omawiającej artykuł pt. Eigenvectors from Eigenvalues: a survey of a basic identity in linear algebra na łamach na łamach Quanta Magazine okazało się (po napływających z wielu stron krytycznych uwagach - skutek tekstu z Quanty), że rzekome odkrycie, przez fizyków zajmujących się badaniem neutrin wespół z matematykiem Terrencem Tao, powiązania wektorów własnych z wartościami własnymi, nie jest takie rewolucyjne oraz niekoniecznie nawet nowe. Po tych wszystkich sygnałach przyznali się oni we wpisie na blogu Terrenca Tao do błędu i opublikowali poprawioną wersję pracy twierdząc jednak, że ich analiza zawiera najnowsze spojrzenie na kwestię wektorów i wartości własnych.
Najważniejsze, moim zdaniem, dwa cytaty Terrenca Tao:
[grafika w załączeniu]
Nie wiem, jak was, ale mnie cały ten proces ujmuje. Nauka jest po prostu fantastyczna.
( ͡° ͜ʖ ͡°)
P.S. Wołam wszystkich plusujących i komentujących ostatni wpis - aczkolwiek jeśli ktoś nie chciał być wołany to niech mnie całkowicie oleje
( ͡° ͜ʖ ͡°): @ANDRZ_J @Jacolex @pigoku @powsinogaszszlaja @Obruni @qjot @Magnolia-Fan @Niochacz @lebrante @NieortodoksyjnyPastafarianin @kemot-iksworkal @Profesor_Milczarek @smallboobslover @dobrze-zbudowany-grubas @Prekambr
#czujedobrzeczlowiek #przemyslenia #nauka #fizyka #matematyka #gruparatowaniapoziomu #swiatnauki #liganauki #ligamozgow
- #!$%@? Component Analysis (PCA), ktore wykorzystuje Singular Value Decomposition (SVD) do identyfikacji ukrytych trendów w chmurze, na pierwszy rzut oka niby losowych, punktów pomiarowych.
https://en.wikipedia.org/wiki/#!$%@?
- Identyfikacji parametrów modeli matematycznych roznorakich systemow. W przypadku modeli dynamiczncyh sa to parametry opisujace rownania rozniczkowe/roznicowe.