杵臼关节(发)

article/2025/3/4 5:23:59

杵臼关节、 阿基米德、 多面体

   1. 中国数学家华罗庚说过这样一段话:
      「宇宙之大、粒子之微、火箭之速、化工之巧、地
       球之变、生物之谜、日用之繁、无处不用数学。」
(《华罗庚科普著作选集》,上海教育出版社, 1984 ;原刊于 1959 5 28日《人民日报》)。让我就以一个数学应用例子来开始。 1981 年春某天,一位香港大学医学院的同事向我们提出他在医学实验当中碰到的一个数学问题。这个问题和它的解决方法,且听我慢慢道来。

  动物的骨骼关节有好几类,其中一类叫做杵臼关节 (ballandsocket) 。杵凸出的部分和臼凹入的部分并非完全吻合, 唯其如此, 杵臼关节才能较好承受应力。但杵臼之间不时磨擦却促使两者的形状渐趋吻合,幸好关节的正常生长又抵消了这种吻合现象,这个此消彼长的过程在医学上叫做重模过程 (remodellingprocess) 。那位医学院同事的研究项目,就是探讨外力对关节重模过程的影响。了解这个情况,对于医疗步骤而言是有用的。
  实验是要计算受不同程度外力的杵臼接触部分的面积。在实验过程中,把关节剖开,把臼部分拍照,利用一种染色技巧,把杵臼的接触部分区别,在照片上显现。如果要计算照片上著色区域的面积,那还好办,打方格便成了(见图 1 )。数一数著色区域占多少方格,就能估计面积。方格分得越细,估计值越准确。

  
  

这里写图片描述

  那位同事碰到的困难是什么呢?照片只是平面投影,他真正要计算的部分却是个曲面(见图2)。为了作近似计算,不妨假设骨臼是个半圆球,它的横截面照片是半圆球面的投影,是一个圆。圆内某些区域着了色,那是半圆球面上着了色的区域的投影。数学问题是:怎样从圆内着色的区域推算半圆球面上相应区域的面积呢?

这里写图片描述

  数学提供了解决这种问题的理论工具:高等微积分的曲面积分 (surfaceintegral) ,这属于大学一年级的数学课程范围。但是,随意给出圆内某个区域,它可能难以用数学公式刻画,怎么计算它上面的曲面积分呢? 那位医学院同事也不一定熟悉高等微积分, 他要求的是一种既简单又可以自己动手量度的方法, 于是向我们提出这个问题。大家来想一下计算平面区域面积的方法, 为什么打方格这办法行得通呢? 关键在于每一个方格的面积是相等的。 估计图形所占方格的数目,乘以每格面积,就得到答案了。怎样在曲面上做类似的事情呢?请注意,我们看到的不是曲面而是它的平面投影的照片, 只能把照片上的区域分成小部分, 于是自然地提出以下的问题:怎样把照片划成小部分,每部分相应的曲面的面积都是相等的?如果能这样做,就能估计曲面上区域的面积了。既然平面上的方格那么有用,把它们投影到曲面上,问题就解决了吗?可惜答案是:不!平面上的方格是等面积的,把它们投影到球面上却不再是等面积的。位于中心附近的一格相应的曲面面积,比起位于圆周附近一格相应的曲面面积是小了 (见图 3 )。

这里写图片描述

  不难看到,如果我们画一组等分圆周的半径,由这些线段组成的扇形在曲面上的相应面积是相等的。如果我们能够再适当地画一组同心圆,把这些扇形分为小部分,使曲面上的相应面积相等,问题不是解决了吗(见图4)?

这里写图片描述

  我带着问题回到家,它一直在脑子里盘旋。晚饭后我跟一岁半的儿子玩耍,他正在把弄一件玩具,是一个由一组颜色不同厚度相等的球台合拼而成的圆球(见图 5 )。瞠着那件玩具,我忽地灵机一动,想到了关键的问题!那套球台的厚度两两相等,它们的侧面积是否也两两相等呢?如果的确相等,把球台投影到通过球中心的平面, 就得到所需的同心圆了。待儿子睡着后我连忙拿纸笔算一算,果然不出所料,两个球台只要厚度相等,它们的侧面积也相等。我再翻查数学手册,证实我的计算无误。手册上写着,从半径是R的圆球截取一个厚度是 H 的球台,它的侧面积是2πRH(见图 6 )。特别地,具相同H的球台有相等的侧面积。

  利用球台侧面积的性质,我们懂得如何把圆划分,使每小部分相应的曲面面积相等,如图所示(见图 7 )。数一数着色区域占多少部分便能估计半圆球上着色区域的面积。由于那组同心圆在平面上不是均匀的,把划分加细时必须作出适当处理,其中的技术细节,就从略了。

这里写图片描述

  2.虽然杵臼关节的问题告一段落, 我意犹未尽, 因为球台侧面积的公式很有意思, 十分漂亮却不明显。 如此优美的公式, 前人是怎样发现的呢?

  为求进一步了解这个问题, 我翻阅书本, 尤其是古代希腊的数学文献, 因为在那个时代, 几何发展尤其蓬勃。果然, 我在阿基米德 (Archimedes, 公元前287年至公元前212 年)的著述《圆球与圆柱》(On the sphere and cylinder) 里面找到了解释。阿基米德考虑的是整个圆球的表面积A,以今天的表达方式,答案是 A=4πR2 ( R 是圆球的半径), 这是书中第三十三条定理的内容。他也考虑球冠的表面积, 答案就是由顶点至边缘的线段作为半径的圆的面积,A=πL2=2πRh(由于 L2=2Rh , h 是球冠的高), 这是书中第四十二条定理的内容。一个球台可以看成是从一个大球冠减去一个小球冠, 假设大球冠的高是h1,小球冠的高是 h2 ,那么球台的侧面积是 A=2πRh12πRh2=2πR(h1h2)=2πRH , 其中 H 是球台的厚度。

这里写图片描述

   阿基米德运用「穷竭法」(method of exhaustion)来证明这些定理, 内里蕴含后世微积分的极限(limits)思想,在这儿不岔开话题了,不如让我用现代数学语言来解释球台侧面积的公式吧。一个球台可以看成是由众多层截头圆锥体近似地组成, 每层越薄,组成的物体便越趋近于球台。先来看一层典型的截头圆锥体,顶是一个半径为ri的圆, 底是一个半径为 r'i 的圆,斜长是 i ,高是 hi ,从圆球中心至圆锥侧面的垂直线长度是 pi

http://chatgpt.dhexx.cn/article/qUcL3IM3.shtml

相关文章

2021-12-25 infoGAN

Info-GAN: VAE-GAN: 真正的image image先ENCODER再DECODER产生 从nomal distribution中通过generator生成的 BiGAN: Autoencoder

InfoGAN 网络训练过程介绍

一、InfoGAN是什么 简单的讲,就是一种常见的GAN,是在普通的GAN的基础上增加Q网络,可以通过无监督学习的方式学到生成的数据的类别。 二、小故事 小D是一个很喜欢吃饺子的姑娘,喜欢吃不同的馅的饺子,而且对于饺子的要求…

InfoGAN 论文阅读笔记 基本知识总结

最近的一些工作是在使用InfoGAN,查看了一些资料,发现相关的资料并不是很多,所以,写了这个博客,一方面希望对最近两个周看到的文献进行一个归纳总结,另一方面希望遇到在做这方面的工作的大佬们,请…

机器学习-40-GAN-07-Feature Extraction(InfoGAN,VAE-GAN,BiGAN,Feature Disentangle(Voice Conversion))

文章目录 Feature ExtractionInfoGAN问题引出What is InfoGAN?结果 VAE-GANVAE-GANAlgorithm BiGANBiGANAlgorithmBiGAN架构设计解析 Triple GANDomain-adversarial trainingVoice Conversion(声音转换)Feature Disentangle(特征解耦) Feature Extraction 本节主要介绍InfoGA…

无监督式GAN(infoGAN) matlab实战

一、infoGAN原理简介 普通的GAN存在无约束、不可控、噪声信号z很难解释等问题。InfoGAN 主要特点是对GAN进行了一些改动,成功地让网络学到了可解释的特征,网络训练完成之后,我们可以通过设定输入生成器的隐含编码来控制生成数据的特征。InfoG…

InfoGAN论文理解及复现

InfoGAN论文理解及复现 by AHU Random_Walker 主要从四个方面来了解相关工作,即 MotivationRelated Work-MethodExperimentsConclusion 然后有三个过程来复现代码,最后的疑问算是对整个框架和代码细节问题的汇总吧 框架代码实现与结果总结与疑问 参…

[生成对抗网络GAN入门指南](10)InfoGAN: Interpretable Representation Learning by Information Maximizing GAN

本篇blog的内容基于原始论文InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets(NPIs2016)和《生成对抗网络入门指南》第六章。完整代码及简析见文章末尾 一、为什么要使用InfoGAN InfoGAN采用无监…

登堂入室__生成对抗网络的信息论扩展(infoGAN)(五)

简介 InfoGAN是生成对抗网络信息理论的扩展,能够以完全非监督的方式得到可分解的特征表示。它可以最大化隐含(latent)变量子集与观测值之间的互信息(mutual information),并且发现了有效优化互信息目标的下界。 原论文地址:https://arxiv.org…

对抗生成网络学习(五)——infoGAN生成宽窄不一,高低各异的服装影像(tensorflow实现)

一、背景 前一阶段比较忙,很久没有继续做GAN的实验了。近期终于抽空做完了infoGAN,个人认为infoGAN是对GAN的更进一步改进,由于GAN是输入的随机生成噪声,所以生成的图像也是随机的,而infoGAN想要生成的是指定特征的图…

GAN生成对抗网络合集(三):InfoGAN和ACGAN-指定类别生成模拟样本的GAN(附代码)

1 InfoGAN-带有隐含信息的GAN InfoGAN是一种把信息论与GAN相融合的神经网络,能够使网络具有信息解读功能。 GAN的生成器在构建样本时使用了任意的噪声向量x’,并从低维的噪声数据x’中还原出来高维的样本数据。这说明数据x’中含有具有与样本相同…

InfoGAN 翻译

InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets翻译 摘要 本文描述了InfoGAN,它是生成对抗网络的信息论扩展,能够以完全无监督的方式学习分解表征。 InfoGAN是一种生成对抗网络,它…

【论文阅读】InfoGAN: Interpretable Representation Learning by Information Maximizing GAN

论文下载 bib: inproceedings{chenduan2016infogan,author {Xi Chen and Yan Duan and Rein Houthooft and John Schulman and Ilya Sutskever and Pieter Abbeel},title {InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Advers…

深度学习-李宏毅GAN学习之InfoGAN,VAE-GAN,BiGAN

深度学习-李宏毅GAN学习之InfoGAN,VAE-GAN,BiGAN 提出问题InfoGANVAE-GANBiGAN总结 提出问题 我们知道最基本的GAN就是输入一个随机的向量,输出一个图片。以手写数字为例,我们希望修改随机向量的某一维,能改变数字的特…

GAN及其变体C_GAN,infoGAN,AC_GAN,DC_GAN(一)

当时害怕篇幅过大,拆分两部分编写,下一篇文章见:GAN及其变体DCGAN, CGAN,infoGAN,BiGAN,ACGAN,WGAN,DualGAN(二) 在介绍GAN之前,我们先了解一些什么是生成模型(Generative Model)和判别模型(Di…

深度学习《InfoGAN模型》

一:网络介绍 普通的GAN网络的特点是无约束,对网络输入的噪声也不好解释,CGAN中我们通过给噪声合并一些类别数据,改变了输出形式,可以训练出我们指定类别的数据,这一点也是某种程度的解释,但是解…

InfoGAN原理PyTorch实现Debug记录

1. CGAN从无监督GAN改进成有监督的GAN GAN的基本原理输入是随机噪声,无法控制输出和输入之间的对应关系,也无法控制输出的模式,CGAN全称是条件GAN(Conditional GAN)改进基本的GAN解决了这个问题,CGAN和基本…

CGAN和InfoGAN理解

在一些比较经典的GAN模型中(像WGAN、LSGAN、DCGAN等等),往往都是从样本空间里随机采样得到输入噪声,生成的图像究竟属于哪一个类别也是随机的。通过这些模型,我们无法生成指定类别的数据。 举个不恰当的例子&#xff…

InfoGAN

InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets Xi Chen, Yan Duan, Rein Houthooft, John Schulman, Ilya Sutskever, Pieter Abbeel https://arxiv.org/abs/1606.03657 一、从GAN到InfoGAN 1.GAN存在的问题 GAN通…

InfoGAN 生成时序序列

InfoGAN 生成时序序列 简介 完整代码:https://github.com/SongDark/timeseries_infogan 本文介绍用InfoGAN生成多维时序序列。 数据 数据集下载地址 NameClassDimensionTrain SizeTest SizeTruncatedCharacterTrajectories20314221436182 样本介绍 CharacterTr…