지난 두 포스터에서 Conservation of Mass Conservaction of Momentum 두가지를 다루었고, 이번에는 마지막으로 Conservation of Energry 를 다루어 보도록 하겠습니다. 시작부터, 조금

[prerequisite] https://jeffdissel.tistory.com/106 Ch2 Conservation Laws_part1 part1에서는 Ch1에서 배운 Cartesian Tensor를 사용하여유체역학 시간에 배운

Ch2 Conservation Laws_part1 part1에서는 Ch1에서 배운 Cartesian Tensor 를 사용하여 유체역학 시간에 배운 Conservation of Mass Conservation of Momentum 을

[Pulsatile flow] Steady flow _Poiseuille flow [Prerequisite] 1.Fluid dynamics (continutiy and momentum eq on a rigid tube) 2. Bess

[Prerequisite] 1.Fluid dynamics (continutiy and momentum eq on a rigid tube) 2. Bessel Function (First, and Second order Bessel fu

Ch1. Kinematics 시작에 앞서서, Cartesian Tensor 에 대해서 익숙해지고 들어가자. 유체의 움직임에 관한 식을 유도하는 과정에서 가장 중요한 도구인 Cartesian Tensor. 기본적으로, i,j,k 인덱스

[이전 포스터 요약] 지금 현재 우리는 베셀방정식의 해를 구하는 중이다. 프로비니우스 해법으로 Jm(x) , J-m(x) 두가지가 해가 나왔지만, m = 정수일때 즉 linearly dependent라는 관계로 증명되었다. (Jm,

심장박동의 Pulsatile Flow 의 유동해석 (주기적으로 움직이는 심박에 의한) (혈액 속도장 계산) 과정속에서, 뜬금없이 Bessel function 이 등장해버렸다. (베셀 함수의 1종 해) 이 친구는 학부시절, 열전달 (

오늘은, 그레디언트 디센트 알고리즘, 즉 연산 Itereation마다 w값을 수정할 텐데 어떤 방식으로 수정하는지를 살펴보자. 먼저, Batch Gradient Descent 이전 포스터에서 구한, loss funcition (log

지난 포스터에서는, class가 다른 점들을 분류하는 구분선을 어떻게 정의하는지 에 대해서 알아보았다. 그렇다면, 이런 질문이 들 수 있다. 위 두 직선 모두, 서로 다른 클라쓰의 두점을 구분하였다고 가정하자. 그랬을때, 두 구분선중

Ch3_1. Classification_Perceptron Optimization Regression 에 이어 Deeplearning 이 잘하는 것, Classification 단순하다, 데이터들을 공간에 나열후, 같은 특성을 가진

지난 시간에는, 딥러닝의 장점 Optimizaiton 에 대해서 알아 보았다. 두번째로, Deep learning의 장점 Regression 에 대해서 알아보자. regression이란, 입력 변수와 출력 변수 사이의 관계 를 모델링