用于转换加速度、角度、面积、计算、力、频率、能量、长度、质量、功率、压力、速度、温度、时间或体积的直观功能。 该捆绑软件中的所有转换器都采用from2to（）的形式。 示例：将 700 千帕转换为每平方英寸磅：
kPa2psi(700)
答案 =
101.5264
支持的单位及其缩写：
加速： 平方厘米每秒 (cmps2) 地球重力 (G) 英尺每秒平方 (ftps2) 伽利略 (Gal) 微伽利略 (uGal) 毫伽利略 (mGal) 米每秒平方 (mps2) 平方毫米每秒 (mmps2) 纳米每秒平方 (nmps2)
角度： 度（度） 弧度 (rad)
区域： 英亩（英亩） 公顷 (ha) 平方厘米 (cm2) 平方英尺 (ft2) 平方英寸 (in2) 平方公里 (km2) 平方米 (m2) 平方英里 (mi2) 平方毫米 (mm2) 平方码 (yd2)
计算： 位
2021-11-17 22:49:01
283KB
1
使用 Runge-Kutta 方法求解运动方程，以找到投球或击球的棒球在空中的路径。 每一步计算阻力系数取决于当地的温度和压力环境条件； 考虑风压； 并且可以使球绕任意轴旋转以模拟上旋、侧旋或后旋。
这些示例说明了如何对快球、曲线球、滑块和慢球间距进行建模，以及如何对击中的射弹进行建模。 用户输入球相对于体育场的初始位置和速度。 用户可以通过互联网上容易获得的模型或原始探空仪来初始化环境（大气和风）。 举例说明了如何将国际标准大气与气候带数据、基于气候的 NRLMSIS（包括 matlab 实现）与气候带数据一起使用，或获取特定事件的真实观测数据的探测器。
探测器示例模拟了美国东部时间 2018 年 8 月 9 日晚上 7 点 46 分在洋基体育场的最新记录，洋基右外野手吉安卡洛·斯坦顿创造了一个新的本垒打记录——这是 Statcast 有史以来最重的本垒打记录。 在 17.4 度的
2021-11-17 18:42:18
2.48MB
1
假设砂轮磨粒形状为圆锥形，其突出高度服从瑞利分布，在磨削过程中均参与切削且切除材料。在此基础上，推导出在平面磨削过程中与磨削参数和砂轮磨粒密度相关的未变形磨屑厚度的计算表达式。磨削力包括磨削变形力和摩擦力2部分。基于未变形磨屑厚度的计算表达式，推出磨削变形力的计算表达式；考虑摩擦系数是关于磨削参数的函数而非某一常值，得到摩擦力的计算表达式。综合上述2种计算表达式，建立磨削力预测模型。然后，通过将预测值与实验数据进行对比分析，得出预测值与实验值的最大相对误差小于25%，平均相对误差小于15%，从而验证了该预
2021-11-17 16:29:50
393KB
1
使用Python负责任的机器学习
训练可解释机器学习（ML）模型，解释ML模型以及调试ML模型的准确性，辨别力和安全性的技术示例。
概述
随着越来越多的经济体接受自动化和数据驱动的决策，使用人工智能（AI）和ML模型可能会变得越来越普遍。 尽管这些预测系统可能非常准确，但它们常常是难以理解且不受欢迎的黑匣子，它们仅产生数字预测，而没有附带的解释。 不幸的是，最近的研究和最近的事件引起了人们对脆弱的AI和ML系统中数学和社会学缺陷的关注，但是从业人员通常没有正确的工具来撬开ML模型并对其进行调试。 本系列笔记本介绍了几种方法，这些方法可以提高ML模型的透明度，责任感和可信赖性。 如果您是数据科学家或分析师，并且想要训练准确，可解释的ML模型，向您的客户或经理解释ML模型，测试这些模型的安全漏洞或社会歧视，或者您担心文档，验证或法规方面的问题要求，那么本系列Jupyter笔记本非常适合您！ （
2021-11-16 23:21:24
10.74MB
1