Submit Search
Upload
【Word】「きれいに」式を書く
•
0 likes
•
19,443 views
K
Kazuhiro Suga
Follow
【目標】 Wordで「きれいに」式を書くことができる. https://www.slideshare.net/KazuhiroSuga/clipboards/office
Read less
Read more
Design
Report
Share
Report
Share
1 of 7
Recommended
2019/05/31 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Pyramid Stereo Matching Network
[DL輪読会]Pyramid Stereo Matching Network
Deep Learning JP
HMM viterbi
HMM viterbi
Koji Sekiguchi
Greed is Good: 劣モジュラ関数最大化とその発展
Greed is Good: 劣モジュラ関数最大化とその発展
Greed is Good: 劣モジュラ関数最大化とその発展
Yuichi Yoshida
モデル評価の基準と自由エネルギー(負の対数周辺尤度)についてまとめました。また、階層ベイズに自由エネルギーを評価するとどうなるかなどについても解説しています。 スライド中のStanやRのコードは下のリンクからコピペできます。 http://norimune.net/3107
階層ベイズと自由エネルギー
階層ベイズと自由エネルギー
Hiroshi Shimizu
競技プログラミング練習会2014 Normalで使ったスライドです。基本的な動的計画法の考え方について説明しています。
動的計画法
動的計画法
京大 マイコンクラブ
動的計画法(DP)は,バイオインフォマティクスのペアワイズアライメントの基本技術として,生物学においても広く知られていることと思います.古典的ながら,大局的最適解が保証される点をはじめ,実装が簡単、数値的に安定、学習も不要、多様な応用・拡張が可能といった利点を持っています.この性質から,画像情報学分野においても,アライメント(マッチング)だけでなく,トラッキングやセグメンテーションなど様々に利用されています.本講演ではDPの原理や用途,使いこなすためのノウハウ,そしていくつかの発展形についてご紹介いたします.
動的計画法の基礎と応用 ~色々使える大局的最適化法
動的計画法の基礎と応用 ~色々使える大局的最適化法
Seiichi Uchida
機械学習における主成分分析について説明するとともに、実際のデータを用いた処理について説明しました。 2018-05-17 誤字修正のため、再アップ それまでのログ:view: 6934, like 4, download: 35
機械学習と主成分分析
機械学習と主成分分析
Katsuhiro Morishita
ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法
nishio
Recommended
2019/05/31 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Pyramid Stereo Matching Network
[DL輪読会]Pyramid Stereo Matching Network
Deep Learning JP
HMM viterbi
HMM viterbi
Koji Sekiguchi
Greed is Good: 劣モジュラ関数最大化とその発展
Greed is Good: 劣モジュラ関数最大化とその発展
Greed is Good: 劣モジュラ関数最大化とその発展
Yuichi Yoshida
モデル評価の基準と自由エネルギー(負の対数周辺尤度)についてまとめました。また、階層ベイズに自由エネルギーを評価するとどうなるかなどについても解説しています。 スライド中のStanやRのコードは下のリンクからコピペできます。 http://norimune.net/3107
階層ベイズと自由エネルギー
階層ベイズと自由エネルギー
Hiroshi Shimizu
競技プログラミング練習会2014 Normalで使ったスライドです。基本的な動的計画法の考え方について説明しています。
動的計画法
動的計画法
京大 マイコンクラブ
動的計画法(DP)は,バイオインフォマティクスのペアワイズアライメントの基本技術として,生物学においても広く知られていることと思います.古典的ながら,大局的最適解が保証される点をはじめ,実装が簡単、数値的に安定、学習も不要、多様な応用・拡張が可能といった利点を持っています.この性質から,画像情報学分野においても,アライメント(マッチング)だけでなく,トラッキングやセグメンテーションなど様々に利用されています.本講演ではDPの原理や用途,使いこなすためのノウハウ,そしていくつかの発展形についてご紹介いたします.
動的計画法の基礎と応用 ~色々使える大局的最適化法
動的計画法の基礎と応用 ~色々使える大局的最適化法
Seiichi Uchida
機械学習における主成分分析について説明するとともに、実際のデータを用いた処理について説明しました。 2018-05-17 誤字修正のため、再アップ それまでのログ:view: 6934, like 4, download: 35
機械学習と主成分分析
機械学習と主成分分析
Katsuhiro Morishita
ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法
nishio
Tutorial material of Deep Learning in MIRU2014.
MIRU2014 tutorial deeplearning
MIRU2014 tutorial deeplearning
Takayoshi Yamashita
CSS2018の発表資料
レベル2準同型暗号の平文バイナリ制約を与えるコンパクトな非対話ゼロ知識証明
レベル2準同型暗号の平文バイナリ制約を与えるコンパクトな非対話ゼロ知識証明
MITSUNARI Shigeo
DQNを開発したチームによる非同期並列な深層教科学習アルゴリズムの論文を紹介しています。
A3C解説
A3C解説
harmonylab
Chokudai search
Chokudai search
AtCoder Inc.
「ゼロから作るDeep learning」の畳み込みニューラルネットワークを使用してFPGAで実装しました。
「ゼロから作るDeep learning」の畳み込みニューラルネットワークのハードウェア化
「ゼロから作るDeep learning」の畳み込みニューラルネットワークのハードウェア化
marsee101
ublished on Jan 15, 2021 2021/01/15 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
Deep Learning JP
1. 仮想仕事の原理を説明できる 2. 最小ポテンシャルエネルギーの原理を説明できる 3. 材料力学の問題に応用できる 真直棒の伸び トラスの変形 2018版
【材料力学】仮想仕事の原理 最小ポテンシャルエネルギーの原理 (II-07 2018)
【材料力学】仮想仕事の原理 最小ポテンシャルエネルギーの原理 (II-07 2018)
Kazuhiro Suga
Gurobi python
Gurobi python
Mikio Kubo
Deep Learning (日本語翻訳版)Ian Goodfellow の輪読資料 https://www.deeplearningbook.me/
DeepLearning 14章 自己符号化器
DeepLearning 14章 自己符号化器
hirono kawashima
データ拡張 (Data Augmentation) を学習中に使い分けるRefined Data Augmentationについて解説しました。 He, Zhuoxun, et al. "Data augmentation revisited: Rethinking the distribution gap between clean and augmented data." arXiv preprint arXiv:1909.09148 (2019).
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
西岡 賢一郎
SIGNATEで開催されたコンペティション「国立国会図書館の画像データレイアウト認識」の解法です。 https://signate.jp/competitions/218
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
Koji Asami
本資料は、2020/07/02〜04に開催されたMLSE2020内のオンライン講演会「本当に使えるAIチップに必要なものは何か?」へ登壇した際の発表資料になります。
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術について
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術について
Fixstars Corporation
2017/10/17における交通・都市理論ドクター勉強会@金沢大での発表資料です.
スパースモデリング
スパースモデリング
harapon
Convex optimization(https://web.stanford.edu/~boyd/cvxbook/bv_cvxbook.pdf)の1~4章の内容を紹介した. 主に扱ったトピックは凸集合, 凸関数, 凸最適化の定義や例で内容は初心者向け. 気になった人は是非原著に当たって欲しい.
Convex optimization
Convex optimization
Simossyi Funabashi
2022/06/10 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
Deep Learning JP
2019年3月のJOI春合宿で行った講義のスライドです
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Hiroshi Yamashita
夏のDQN祭り~第二弾~ 以下の論文紹介の資料です。 Deep Recurrent Q-Learning for Partially Observable MDPs https://arxiv.org/abs/1507.06527
Deep Recurrent Q-Learning(DRQN) for Partially Observable MDPs
Deep Recurrent Q-Learning(DRQN) for Partially Observable MDPs
Hakky St
Restricted Boltzmann Machinesの基礎と実装
RBMを応用した事前学習とDNN学習
RBMを応用した事前学習とDNN学習
Masayuki Tanaka
Lassoなどで使う劣微分を簡単な形で説明しています.
劣微分
劣微分
ShintaUrakami
園田翔氏の博士論文を解説しました。 Integral Representation Theory of Deep Neural Networks 深層学習を数学的に定式化して解釈します。 3行でいうと、 ーニューラルネットワーク—(連続化)→双対リッジレット変換 ー双対リッジレット変換=輸送写像 ー輸送写像でNeural Networkを定式化し、解釈する。 目次 ー深層ニューラルネットワークの数学的定式化 ーリッジレット変換について ー輸送写像について
深層ニューラルネットワークの積分表現(Deepを定式化する数学)
深層ニューラルネットワークの積分表現(Deepを定式化する数学)
Katsuya Ito
目標】 Wordで「きれいに」表を作ることができる. https://www.slideshare.net/KazuhiroSuga/clipboards/office
【Word】「きれいに」表を作る
【Word】「きれいに」表を作る
Kazuhiro Suga
【目標】 1. 2次元応力状態で任意面の応力を計算できる 2. 主応力/主せん断応力を決定できる 3. 主応力面/主せん断応力面の幾何的関係を説明できる https://www.slideshare.net/KazuhiroSuga/clipboards/i-2020 https://www.slideshare.net/KazuhiroSuga/clipboards/ii-2020
【材料力学】主応力と主せん断応力 (II-09-2 2020)
【材料力学】主応力と主せん断応力 (II-09-2 2020)
Kazuhiro Suga
More Related Content
What's hot
Tutorial material of Deep Learning in MIRU2014.
MIRU2014 tutorial deeplearning
MIRU2014 tutorial deeplearning
Takayoshi Yamashita
CSS2018の発表資料
レベル2準同型暗号の平文バイナリ制約を与えるコンパクトな非対話ゼロ知識証明
レベル2準同型暗号の平文バイナリ制約を与えるコンパクトな非対話ゼロ知識証明
MITSUNARI Shigeo
DQNを開発したチームによる非同期並列な深層教科学習アルゴリズムの論文を紹介しています。
A3C解説
A3C解説
harmonylab
Chokudai search
Chokudai search
AtCoder Inc.
「ゼロから作るDeep learning」の畳み込みニューラルネットワークを使用してFPGAで実装しました。
「ゼロから作るDeep learning」の畳み込みニューラルネットワークのハードウェア化
「ゼロから作るDeep learning」の畳み込みニューラルネットワークのハードウェア化
marsee101
ublished on Jan 15, 2021 2021/01/15 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
Deep Learning JP
1. 仮想仕事の原理を説明できる 2. 最小ポテンシャルエネルギーの原理を説明できる 3. 材料力学の問題に応用できる 真直棒の伸び トラスの変形 2018版
【材料力学】仮想仕事の原理 最小ポテンシャルエネルギーの原理 (II-07 2018)
【材料力学】仮想仕事の原理 最小ポテンシャルエネルギーの原理 (II-07 2018)
Kazuhiro Suga
Gurobi python
Gurobi python
Mikio Kubo
Deep Learning (日本語翻訳版)Ian Goodfellow の輪読資料 https://www.deeplearningbook.me/
DeepLearning 14章 自己符号化器
DeepLearning 14章 自己符号化器
hirono kawashima
データ拡張 (Data Augmentation) を学習中に使い分けるRefined Data Augmentationについて解説しました。 He, Zhuoxun, et al. "Data augmentation revisited: Rethinking the distribution gap between clean and augmented data." arXiv preprint arXiv:1909.09148 (2019).
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
西岡 賢一郎
SIGNATEで開催されたコンペティション「国立国会図書館の画像データレイアウト認識」の解法です。 https://signate.jp/competitions/218
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
Koji Asami
本資料は、2020/07/02〜04に開催されたMLSE2020内のオンライン講演会「本当に使えるAIチップに必要なものは何か?」へ登壇した際の発表資料になります。
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術について
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術について
Fixstars Corporation
2017/10/17における交通・都市理論ドクター勉強会@金沢大での発表資料です.
スパースモデリング
スパースモデリング
harapon
Convex optimization(https://web.stanford.edu/~boyd/cvxbook/bv_cvxbook.pdf)の1~4章の内容を紹介した. 主に扱ったトピックは凸集合, 凸関数, 凸最適化の定義や例で内容は初心者向け. 気になった人は是非原著に当たって欲しい.
Convex optimization
Convex optimization
Simossyi Funabashi
2022/06/10 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
Deep Learning JP
2019年3月のJOI春合宿で行った講義のスライドです
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Hiroshi Yamashita
夏のDQN祭り~第二弾~ 以下の論文紹介の資料です。 Deep Recurrent Q-Learning for Partially Observable MDPs https://arxiv.org/abs/1507.06527
Deep Recurrent Q-Learning(DRQN) for Partially Observable MDPs
Deep Recurrent Q-Learning(DRQN) for Partially Observable MDPs
Hakky St
Restricted Boltzmann Machinesの基礎と実装
RBMを応用した事前学習とDNN学習
RBMを応用した事前学習とDNN学習
Masayuki Tanaka
Lassoなどで使う劣微分を簡単な形で説明しています.
劣微分
劣微分
ShintaUrakami
園田翔氏の博士論文を解説しました。 Integral Representation Theory of Deep Neural Networks 深層学習を数学的に定式化して解釈します。 3行でいうと、 ーニューラルネットワーク—(連続化)→双対リッジレット変換 ー双対リッジレット変換=輸送写像 ー輸送写像でNeural Networkを定式化し、解釈する。 目次 ー深層ニューラルネットワークの数学的定式化 ーリッジレット変換について ー輸送写像について
深層ニューラルネットワークの積分表現(Deepを定式化する数学)
深層ニューラルネットワークの積分表現(Deepを定式化する数学)
Katsuya Ito
What's hot
(20)
MIRU2014 tutorial deeplearning
MIRU2014 tutorial deeplearning
レベル2準同型暗号の平文バイナリ制約を与えるコンパクトな非対話ゼロ知識証明
レベル2準同型暗号の平文バイナリ制約を与えるコンパクトな非対話ゼロ知識証明
A3C解説
A3C解説
Chokudai search
Chokudai search
「ゼロから作るDeep learning」の畳み込みニューラルネットワークのハードウェア化
「ゼロから作るDeep learning」の畳み込みニューラルネットワークのハードウェア化
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
【材料力学】仮想仕事の原理 最小ポテンシャルエネルギーの原理 (II-07 2018)
【材料力学】仮想仕事の原理 最小ポテンシャルエネルギーの原理 (II-07 2018)
Gurobi python
Gurobi python
DeepLearning 14章 自己符号化器
DeepLearning 14章 自己符号化器
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術について
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術について
スパースモデリング
スパースモデリング
Convex optimization
Convex optimization
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Deep Recurrent Q-Learning(DRQN) for Partially Observable MDPs
Deep Recurrent Q-Learning(DRQN) for Partially Observable MDPs
RBMを応用した事前学習とDNN学習
RBMを応用した事前学習とDNN学習
劣微分
劣微分
深層ニューラルネットワークの積分表現(Deepを定式化する数学)
深層ニューラルネットワークの積分表現(Deepを定式化する数学)
More from Kazuhiro Suga
目標】 Wordで「きれいに」表を作ることができる. https://www.slideshare.net/KazuhiroSuga/clipboards/office
【Word】「きれいに」表を作る
【Word】「きれいに」表を作る
Kazuhiro Suga
【目標】 1. 2次元応力状態で任意面の応力を計算できる 2. 主応力/主せん断応力を決定できる 3. 主応力面/主せん断応力面の幾何的関係を説明できる https://www.slideshare.net/KazuhiroSuga/clipboards/i-2020 https://www.slideshare.net/KazuhiroSuga/clipboards/ii-2020
【材料力学】主応力と主せん断応力 (II-09-2 2020)
【材料力学】主応力と主せん断応力 (II-09-2 2020)
Kazuhiro Suga
1. 垂直ひずみと変位の関係を導出できる 2. せん断ひずみと変位の関係を導出できる 3. ひずみテンソルを説明できる https://www.slideshare.net/KazuhiroSuga/clipboards/i-2020 https://www.slideshare.net/KazuhiroSuga/clipboards/ii-2020
【材料力学】3次元空間のひずみ (II-08-1 2020)
【材料力学】3次元空間のひずみ (II-08-1 2020)
Kazuhiro Suga
【目標】 1. 3次元空間における応力の定義を説明できる 2. 3次元空間における応力状態を説明できる 3. 応力テンソルを説明できる https://www.slideshare.net/KazuhiroSuga/clipboards/i-2020 https://www.slideshare.net/KazuhiroSuga/clipboards/ii-2020
【材料力学】3次元空間の応力 (II-07-1 2020)
【材料力学】3次元空間の応力 (II-07-1 2020)
Kazuhiro Suga
【目標】 1. 複数荷重が作用する はり の弾性ひずみエネルギーを計算できる 2. Betti および Maxwellの相反定理を説明できる https://www.slideshare.net/KazuhiroSuga/clipboards/i-2020 https://www.slideshare.net/KazuhiroSuga/clipboards/ii-2020
【材料力学】相反定理 (II-05-1 2020)
【材料力学】相反定理 (II-05-1 2020)
Kazuhiro Suga
【目標】 1. 支持条件から境界条件を決定できる 2. 座屈荷重を決定できる 3. 端末条件係数と座屈長さを説明できる https://www.slideshare.net/KazuhiroSuga/clipboards/i-2020 https://www.slideshare.net/KazuhiroSuga/clipboards/ii-2020
【材料力学】座屈荷重 (II-03-2 2020)
【材料力学】座屈荷重 (II-03-2 2020)
Kazuhiro Suga
【目標】 1. 座屈の特徴を説明できる 2. 座屈方程式を導出できる https://www.slideshare.net/KazuhiroSuga/clipboards/i-2020 https://www.slideshare.net/KazuhiroSuga/clipboards/ii-2020
【材料力学】座屈 (II-03-1 2020)
【材料力学】座屈 (II-03-1 2020)
Kazuhiro Suga
【目標】 1. 中空丸棒の欠点と利点を説明できる 2. 中空丸棒の有効性を評価できる 3. 軸径が変化する丸棒のねじれ角を計算できる https://www.slideshare.net/KazuhiroSuga/clipboards/i-2020 https://www.slideshare.net/KazuhiroSuga/clipboards/ii-2020
【材料力学】特別な丸棒のねじり (II-02-1 2020)
【材料力学】特別な丸棒のねじり (II-02-1 2020)
Kazuhiro Suga
【目標】 1. トルクとせん断応力の関係を導出できる 2. ねじり剛性を説明できる 3. 断面二次極モーメントを説明できる https://www.slideshare.net/KazuhiroSuga/clipboards/i-2020 https://www.slideshare.net/KazuhiroSuga/clipboards/ii-2020
【材料力学】ねじり剛性 (II-01-3 2020)
【材料力学】ねじり剛性 (II-01-3 2020)
Kazuhiro Suga
目標】 1. 許容応力・基準強さを説明できる 2. 安全率を説明できる 3. 安全率に基づいた設計ができる
【材料力学】許容応力と安全率 (I-12-1 2020)
【材料力学】許容応力と安全率 (I-12-1 2020)
Kazuhiro Suga
【目標】 1. 重ね合わせの原理を用いた解法手順を説明できる 2. 不静定問題を静定問題に分解できる 3. 重ね合わせの原理を用いて不静定問題が解ける
【材料力学】重ね合わせの原理を用いた不静定はりの解法 (I-11-3 2020)
【材料力学】重ね合わせの原理を用いた不静定はりの解法 (I-11-3 2020)
Kazuhiro Suga
【目標】 1. 幾何学的条件を用いた解法手順を説明できる 2. 幾何学的条件を決定できる 3. 幾何学的条件を用いて不静定問題が解ける
【材料力学】幾何学的条件を用いた不静定はりの解法 (I-11-2 2020)
【材料力学】幾何学的条件を用いた不静定はりの解法 (I-11-2 2020)
Kazuhiro Suga
【目標】 1. たわみとたわみ角を求める手順を説明できる 2. 集中荷重が作用する単純支持はり のたわみとたわみ角を求めることができる
【材料力学】はり のたわみとたわみ角の求め方 (I-10-2 2020)
【材料力学】はり のたわみとたわみ角の求め方 (I-10-2 2020)
Kazuhiro Suga
【目標】 1. たわみ曲線・たわみ角・たわみを説明できる 2. たわみの式を説明できる 3. たわみ と たわみ角の求め方を説明できる
【材料力学】はり のたわみ (I-10-1 2020)
【材料力学】はり のたわみ (I-10-1 2020)
Kazuhiro Suga
【目標】 1. はり の役割を説明できる 2. はり に曲げを引き起こす荷重を説明できる 3. 単純支持はりと片持ちはりを説明できる
【材料力学】はり (I-08-1 2020)
【材料力学】はり (I-08-1 2020)
Kazuhiro Suga
・切断面に生じる力とモーメントの図示方法を正確に覚える ・2次元の仮想断面の力とモーメントは3成分で表現できる
【材料力学】(補足)仮想切断 (I-note-virtual_cut 2020)
【材料力学】(補足)仮想切断 (I-note-virtual_cut 2020)
Kazuhiro Suga
・力が作用すると物体は回転する ・物体を回転させる作用を「力のモーメント」と呼ぶ ・力のモーメントは「距離」と 「力」の外積で定義される ・力のモーメントはベクトルである ・力のモーメント」の計算はベクトル成分を図示すれば間違えない
【材料力学】(補足)力のモーメント (I-note-moment 2020)
【材料力学】(補足)力のモーメント (I-note-moment 2020)
Kazuhiro Suga
【目標】 1. 温度変化による変形を考慮すべき理由を説明できる 2. 熱ひずみと熱応力を説明できる 3. 熱ひずみと熱応力を求めることができる
【材料力学】熱ひずみと熱応力 (I-07-3 2020)
【材料力学】熱ひずみと熱応力 (I-07-3 2020)
Kazuhiro Suga
【目標】 1. フックの法則を説明できる 2. 応力ーひずみ線図との関係を説明できる 3. 内力および変形との関係を説明できる
【材料力学】フックの法則 (I-05-1 2020)
【材料力学】フックの法則 (I-05-1 2020)
Kazuhiro Suga
【目標】 1. ひずみの定義と役割を説明できる 2. 垂直ひずみを説明できる 3. せん断ひずみを説明できる
【材料力学】ひずみ (I-03-2 2020)
【材料力学】ひずみ (I-03-2 2020)
Kazuhiro Suga
More from Kazuhiro Suga
(20)
【Word】「きれいに」表を作る
【Word】「きれいに」表を作る
【材料力学】主応力と主せん断応力 (II-09-2 2020)
【材料力学】主応力と主せん断応力 (II-09-2 2020)
【材料力学】3次元空間のひずみ (II-08-1 2020)
【材料力学】3次元空間のひずみ (II-08-1 2020)
【材料力学】3次元空間の応力 (II-07-1 2020)
【材料力学】3次元空間の応力 (II-07-1 2020)
【材料力学】相反定理 (II-05-1 2020)
【材料力学】相反定理 (II-05-1 2020)
【材料力学】座屈荷重 (II-03-2 2020)
【材料力学】座屈荷重 (II-03-2 2020)
【材料力学】座屈 (II-03-1 2020)
【材料力学】座屈 (II-03-1 2020)
【材料力学】特別な丸棒のねじり (II-02-1 2020)
【材料力学】特別な丸棒のねじり (II-02-1 2020)
【材料力学】ねじり剛性 (II-01-3 2020)
【材料力学】ねじり剛性 (II-01-3 2020)
【材料力学】許容応力と安全率 (I-12-1 2020)
【材料力学】許容応力と安全率 (I-12-1 2020)
【材料力学】重ね合わせの原理を用いた不静定はりの解法 (I-11-3 2020)
【材料力学】重ね合わせの原理を用いた不静定はりの解法 (I-11-3 2020)
【材料力学】幾何学的条件を用いた不静定はりの解法 (I-11-2 2020)
【材料力学】幾何学的条件を用いた不静定はりの解法 (I-11-2 2020)
【材料力学】はり のたわみとたわみ角の求め方 (I-10-2 2020)
【材料力学】はり のたわみとたわみ角の求め方 (I-10-2 2020)
【材料力学】はり のたわみ (I-10-1 2020)
【材料力学】はり のたわみ (I-10-1 2020)
【材料力学】はり (I-08-1 2020)
【材料力学】はり (I-08-1 2020)
【材料力学】(補足)仮想切断 (I-note-virtual_cut 2020)
【材料力学】(補足)仮想切断 (I-note-virtual_cut 2020)
【材料力学】(補足)力のモーメント (I-note-moment 2020)
【材料力学】(補足)力のモーメント (I-note-moment 2020)
【材料力学】熱ひずみと熱応力 (I-07-3 2020)
【材料力学】熱ひずみと熱応力 (I-07-3 2020)
【材料力学】フックの法則 (I-05-1 2020)
【材料力学】フックの法則 (I-05-1 2020)
【材料力学】ひずみ (I-03-2 2020)
【材料力学】ひずみ (I-03-2 2020)
【Word】「きれいに」式を書く
1.
Wordで「きれいに」式を書く Word for Mac
(16.48) 環境
2.
完成形 1/6
3.
1行2列の「外枠」を表で作成 2/6
4.
「外枠」のスペース調整 式のスペース 式番号のスペース 3/6
5.
式本体の作成 数式環境で式を記入 式番号を記入 4/6
6.
「外枠」の罫線削除 ①外枠の表を選択 ②罫線なしを選択 5/6
7.
完成 6/6