
MASSパッケージのサンプルデータセットを巡回中。大文字優先のABC順。前回は「うさちゃんの血圧データ」でした。今回は「タイヤのゴムの加速試験の結果」です。タイヤのゴムの性能は安全性に直結する、と思いつつも意識低い系のお惚け老人はタイヤのゴムの性能についてほとんど知りませぬ。いいのかそういうことで? “データのお砂場(196) R言語、Rubber、タイヤのゴムの加速試験 {MASS}” の続きを読む
デバイス作る人>>デバイス使う人>>デバイスおたく
MASSパッケージのサンプルデータセットを巡回中。大文字優先のABC順。前回は「うさちゃんの血圧データ」でした。今回は「タイヤのゴムの加速試験の結果」です。タイヤのゴムの性能は安全性に直結する、と思いつつも意識低い系のお惚け老人はタイヤのゴムの性能についてほとんど知りませぬ。いいのかそういうことで? “データのお砂場(196) R言語、Rubber、タイヤのゴムの加速試験 {MASS}” の続きを読む
溝口純敏様著「Maxima を使った物理数学基礎演習ノート」(以下「演習ノート」と略)を拝読中。今回は65ページ「3.4.4 Legendre の微分方程式」です。アドリアン=マリ・ルジャンドル様の御名前を冠する方程式のご出座。Gemini様の御教え読んだ後、演習ノートのルジャンドル多項式のMaxima様グラフを描画。
LTspice配下のExampleフォルダ内Educationalフォルダ所蔵の回路図を経めぐってます。前回はコーンフィルタでした。今回は「カーブトレース」です。バイポーラトランジスタ(NPN)のDC特性のシミュレーションです。以前にやったような気がしますが、生成AIのお教えに従って復習してみるの回っす。
“SPICEの小瓶(69) LTspice、{Educational} curvetrace.asc再び” の続きを読む
「サイエンティフィックPythonのための」IDE、Spyder上にてScientific Python Lecturesの実習中。前回はイテレータ。ということで今回はジェネレータ(Generator)です。まあいつも知らず知らずにお世話になっているけれども、今回は明示的にジェネレータ作ってみるということで。
「サイエンティフィックPythonのための」IDE、Spyder上にてScientific Python Lecturesの実習中。前回はCCAでした。今回は新単元?第7章に入ります。再びPythonそのものの練習に戻って、イテレータです。いつも利用させていただいているイテレータですが、今回はイテレータを作るところね。 “ソフトな忘却力(108) PythonのIteratorでフィボナッチ数列する” の続きを読む
信号処理素人老人がScilabの「信号処理のデモ」からカテゴリ脱出。前回は支点の移動する振り子のデモを鑑賞しました。今回は「ブラックホール」です。相対論的なシミュレーション?かとトキメキましたが、どうもそんなことはありません。フツーの重力ポテンシャルのミニュチュア的なモデルみたいです。事象の地平面など登場しませぬ。
前回は、絶対値や符号反転など「仮数部の符号」操作を主にやりました。仮数あれば指数あり、ということで今回は指数部中心のコマケー操作です。FRNDINT(整数丸め)、FSCALE(2のべき乗スケーリング)、FEXTRACT(指数部、仮数部抽出)とな。意外と?素直な操作だけれども浮動小数のフォーマットは頭の中に置いといて。 “ぐだぐだ低レベルプログラミング(227)x86(16bit)、指数部の操作あれこれ” の続きを読む
MASSパッケージのサンプルデータセットを巡回中。大文字優先のABC順。前回は糖尿病のデータでした。今回は、うさちゃんの血圧データです。うさちゃんの血圧測ってどうするの?、というとフェニルビグアニド(PBG)という御薬の反応がセロトニン5-HT3受容体の活性化に依存するか否かを検証するため、らしいデス。
溝口純敏様著「Maxima を使った物理数学基礎演習ノート」(以下「演習ノート」と略)を拝読中。今回は59ページ「3.4.3 Gauss の微分方程式」です。Gauss様の御成り。どこにでも出没するガウス様っすけど。そしてその解の中に超幾何関数という何やら恐ろし気なものが現れてきました。なんだそれ。
LTspice配下のExampleフォルダ内Educationalフォルダ所蔵の回路図を経めぐってます。今回も前回に続きLCバンド・パス・フィルタ(BPF)です。コーンフィルタとな。前回はmHz単位の低周波信号相手のフィルタでしたが、今回はMHz単位の高周波相手にバンドパスするフィルタです。通過周波数の調整機能付きね。
「サイエンティフィックPythonのための」IDE、Spyder上にてScientific Python Lecturesの実習中。前回はモフォロジー処理でした。今回はムツカシク言うと連結成分解析(CCA)ということみたい。画像内の「つながっている」部分を塊にして、部分ごとにラベルを付ける処理っす。
前回、Scilab/Xcos内のModelicaブロックで出来ることはやっておくべし、と「配管」のデモを鑑賞。いよいよModelicaのコードを記述して走らせることに入りたいと思います。といっても「最初の1行」、Hello World的なやつ。Modelica自体クセ強なのに、それをXcos内で扱うのは何が何やら?