Suche senden
Hochladen
Test
•
0 gefällt mir
•
1,115 views
Yusuke Oda
Folgen
第一宇宙速度,第二宇宙速度を数値的に求めてみる.やり方がわりとアホ.
Weniger lesen
Mehr lesen
Melden
Teilen
Melden
Teilen
1 von 11
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
Ch.17
Ch.17
R G Sanjay Prakash
PCP
PCP
Buland Singh
Memory efficient pytorch
Memory efficient pytorch
Hyungjoo Cho
Ekuipartisi energi
Ekuipartisi energi
RevaFauzi
Exploratory data analysis using xgboost package in R
Exploratory data analysis using xgboost package in R
Satoshi Kato
ACL Reading @NAIST: Fast and Robust Neural Network Joint Model for Statistica...
ACL Reading @NAIST: Fast and Robust Neural Network Joint Model for Statistica...
Yusuke Oda
Pattern Recognition and Machine Learning: Section 3.3
Pattern Recognition and Machine Learning: Section 3.3
Yusuke Oda
Encoder-decoder 翻訳 (TISハンズオン資料)
Encoder-decoder 翻訳 (TISハンズオン資料)
Yusuke Oda
Empfohlen
Ch.17
Ch.17
R G Sanjay Prakash
PCP
PCP
Buland Singh
Memory efficient pytorch
Memory efficient pytorch
Hyungjoo Cho
Ekuipartisi energi
Ekuipartisi energi
RevaFauzi
Exploratory data analysis using xgboost package in R
Exploratory data analysis using xgboost package in R
Satoshi Kato
ACL Reading @NAIST: Fast and Robust Neural Network Joint Model for Statistica...
ACL Reading @NAIST: Fast and Robust Neural Network Joint Model for Statistica...
Yusuke Oda
Pattern Recognition and Machine Learning: Section 3.3
Pattern Recognition and Machine Learning: Section 3.3
Yusuke Oda
Encoder-decoder 翻訳 (TISハンズオン資料)
Encoder-decoder 翻訳 (TISハンズオン資料)
Yusuke Oda
翻訳精度の最大化による同時音声翻訳のための文分割法 (NLP2014)
翻訳精度の最大化による同時音声翻訳のための文分割法 (NLP2014)
Yusuke Oda
Learning to Generate Pseudo-code from Source Code using Statistical Machine T...
Learning to Generate Pseudo-code from Source Code using Statistical Machine T...
Yusuke Oda
Tree-based Translation Models (『機械翻訳』§6.2-6.3)
Tree-based Translation Models (『機械翻訳』§6.2-6.3)
Yusuke Oda
複数の事前並べ替え候補を用いた句に基づく統計的機械翻訳
複数の事前並べ替え候補を用いた句に基づく統計的機械翻訳
Yusuke Oda
150829 kdd2015読み会
150829 kdd2015読み会
Shinagawa Seitaro
含意要因となるテキスト中の表現と仮説の対を用いたテキスト含意認識
含意要因となるテキスト中の表現と仮説の対を用いたテキスト含意認識
長岡技術科学大学 自然言語処理研究室
20160716 ICML paper reading, Learning to Generate with Memory
20160716 ICML paper reading, Learning to Generate with Memory
Shinagawa Seitaro
情報幾何勉強会 EMアルゴリズム
情報幾何勉強会 EMアルゴリズム
Shinagawa Seitaro
ChainerによるRNN翻訳モデルの実装+@
ChainerによるRNN翻訳モデルの実装+@
Yusuke Oda
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
Deep learning を用いた画像から説明文の自動生成に関する研究の紹介
Deep learning を用いた画像から説明文の自動生成に関する研究の紹介
株式会社メタップスホールディングス
Weitere ähnliche Inhalte
Andere mochten auch
翻訳精度の最大化による同時音声翻訳のための文分割法 (NLP2014)
翻訳精度の最大化による同時音声翻訳のための文分割法 (NLP2014)
Yusuke Oda
Learning to Generate Pseudo-code from Source Code using Statistical Machine T...
Learning to Generate Pseudo-code from Source Code using Statistical Machine T...
Yusuke Oda
Tree-based Translation Models (『機械翻訳』§6.2-6.3)
Tree-based Translation Models (『機械翻訳』§6.2-6.3)
Yusuke Oda
複数の事前並べ替え候補を用いた句に基づく統計的機械翻訳
複数の事前並べ替え候補を用いた句に基づく統計的機械翻訳
Yusuke Oda
150829 kdd2015読み会
150829 kdd2015読み会
Shinagawa Seitaro
含意要因となるテキスト中の表現と仮説の対を用いたテキスト含意認識
含意要因となるテキスト中の表現と仮説の対を用いたテキスト含意認識
長岡技術科学大学 自然言語処理研究室
20160716 ICML paper reading, Learning to Generate with Memory
20160716 ICML paper reading, Learning to Generate with Memory
Shinagawa Seitaro
情報幾何勉強会 EMアルゴリズム
情報幾何勉強会 EMアルゴリズム
Shinagawa Seitaro
ChainerによるRNN翻訳モデルの実装+@
ChainerによるRNN翻訳モデルの実装+@
Yusuke Oda
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
Deep learning を用いた画像から説明文の自動生成に関する研究の紹介
Deep learning を用いた画像から説明文の自動生成に関する研究の紹介
株式会社メタップスホールディングス
Andere mochten auch
(11)
翻訳精度の最大化による同時音声翻訳のための文分割法 (NLP2014)
翻訳精度の最大化による同時音声翻訳のための文分割法 (NLP2014)
Learning to Generate Pseudo-code from Source Code using Statistical Machine T...
Learning to Generate Pseudo-code from Source Code using Statistical Machine T...
Tree-based Translation Models (『機械翻訳』§6.2-6.3)
Tree-based Translation Models (『機械翻訳』§6.2-6.3)
複数の事前並べ替え候補を用いた句に基づく統計的機械翻訳
複数の事前並べ替え候補を用いた句に基づく統計的機械翻訳
150829 kdd2015読み会
150829 kdd2015読み会
含意要因となるテキスト中の表現と仮説の対を用いたテキスト含意認識
含意要因となるテキスト中の表現と仮説の対を用いたテキスト含意認識
20160716 ICML paper reading, Learning to Generate with Memory
20160716 ICML paper reading, Learning to Generate with Memory
情報幾何勉強会 EMアルゴリズム
情報幾何勉強会 EMアルゴリズム
ChainerによるRNN翻訳モデルの実装+@
ChainerによるRNN翻訳モデルの実装+@
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Deep learning を用いた画像から説明文の自動生成に関する研究の紹介
Deep learning を用いた画像から説明文の自動生成に関する研究の紹介
Test
1.
シミュレーション工学 地球における宇宙速度の計算
AE1-8 小田 悠介
2.
宇宙速度 ●
第1宇宙速度 ● 天体に墜落しないで 周回軌道に乗る(楕円運動)ための速度 ● 第2宇宙速度 ● 天体の重力を振り切って 外宇宙へ行く(双曲線運動)ための速度 ● 地球では・・・ ● この速度を数値的に求めてみる.
3.
支配方程式 ●
次の条件を仮定すると,単純な2質点の運動で表せる. ● 地球は完全な球である ● 地球の密度は同心球分布である ● m≪M ● このとき,物体の座標pについて
4.
支配方程式の変形 ●
式を使いやすくするために, 2階微分を1階微分に変形する. というベクトルを用いて,
5.
Runge-Kutta法 ●
微分方程式の数値解法 ● 現在の値から予測値を用いて次の値を計算 ● 割と精度が良い ● dx/dt = f(x)のとき, 4次Runge-Kutta法は →→→
6.
宇宙速度の算出 ●
Runge-Kutta法によるシミュレーション結果から二分探索 によって宇宙速度を算出する. ● 二分探索で使用する条件・・・ ● 第1宇宙速度: – 未満: 軌道が地球に食い込む – 以上: 物体が半周する ● 第2宇宙速度: – 未満: 元の地点に帰ってくる – 以上: 無限遠に飛んでゆく ● 実際には無限遠の判定が難しいので, 地球半径の1000倍まで行ったところで打ち切る.
7.
実験結果(1) ●
シミュレーション環境・・・MATLAB 7.12.0上で検証 ● 定数 – 万有引力定数 G = 6.674×10-11 m3s-2/kg – 地球質量 M = 5.972×1024 kg – 地球半径 (赤道半径) R = 6.378×106 m ● 初期条件 – x=0 – y = R+1(赤道の1m上空) – vy = 0 ● vxを適当な値にして,地球に対して水平に打ち出す.
8.
実験結果(1) ●
シミュレーションによる物体の軌道
9.
実験結果(2) ●
二分探索による宇宙速度の算出 第2宇宙速度 第1宇宙速度
10.
実験結果(2) ●
最終的に得られた値: ● 第1宇宙速度: 7.9052 ~ 7.9053 [km/s] – 解析解: 7.905 [km/s] ● 第2宇宙速度: 11.1755 ~ 11.1770 [km/s] – 解析解: 11.18 [km/s] ● 4桁程度の範囲では,解析解と数値解がよく一致する. (もう少し詳しく計算してみると,第2宇宙速度に0.03%程度の定常誤差が出る) (探索条件に打ち切りを使っているため?)
11.
まとめ ●
地球の第1宇宙速度,第2宇宙速度を数値的に求める方法を 考案,プログラムを組んで実験した. ● 解析解との比較の結果,4桁程度の範囲でよく一致してい た. ● 第2宇宙速度の探索に問題があるので,よりよい方法を検 討する必要がある.
Jetzt herunterladen