Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Linear Approximations01:23

Linear Approximations

For a differentiable function of two variables, linear approximation estimates values near a known point by replacing the curved surface with its tangent plane. Consider the function\begin{equation*}f(x,y)=x^2+3y^2\end{equation*}near the point (2, 1). The exact value at this point is f(2, 1) = 22 + 3(1)2 = 4 + 3 = 7.The linear approximation of f(x, y)) near (a, b) is\begin{equation*}L(x,y)=f(a,b)+f_x(a,b)(x-a)+f_y(a,b)(y-b)\end{equation*}First, compute the partial derivatives: fx(x, y) = 2x and...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

N4-Acetylcytidine-Mediated CD2BP2-DT Drives YBX1 Phase Separation to Stabilize CDK1 and Promote Breast Cancer Progression.

Advanced science (Weinheim, Baden-Wurttemberg, Germany)·2025
Same author

A refined analysis of Neanderthal-introgressed sequences in modern humans with a complete reference genome.

Genome biology·2025
Same author

Co-occurrence and co-expression of antibiotic, biocide, and metal resistance genes with mobile genetic elements in microbial communities subjected to long-term antibiotic pressure: Novel insights from metagenomics and metatranscriptomics.

Journal of hazardous materials·2025
Same author

Material basis revelation of anti-hepatoma effect of Huachansu (Cinobufacini) through down-regulation of thymidylate synthase.

Chinese herbal medicines·2025
Same author

Reversing Photodynamic Therapy-Induced Tumor Metabolic Symbiosis and Immune Evasion Delivers a Two-Punch Attack on Tumors.

Small (Weinheim an der Bergstrasse, Germany)·2025
Same author

Regorafenib plus sintilimab as a salvage treatment for microsatellite stable metastatic colorectal cancer: a single-arm, open-label, phase II clinical trial.

Nature communications·2025
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: Jun 19, 2026

Advanced Self-Healing Asphalt Reinforced by Graphene Structures: An Atomistic Insight
08:03

Advanced Self-Healing Asphalt Reinforced by Graphene Structures: An Atomistic Insight

Published on: May 31, 2022

4.6K

Método de modelado estocástico impulsado por aprendizaje automático para la reconstrucción 3D de la mezcla de asfalto

Jiayu Zhang1, Liang Huang1

  • 1School of Civil Engineering, Zhengzhou University, Zhengzhou 450001, China.

Materials (Basel, Switzerland)
|August 28, 2025
PubMed
Resumen

Desarrollamos un método de bajo costo para la reconstrucción de la mezcla de asfalto en 3D utilizando análisis de imágenes y modelado estocástico. Este enfoque captura con precisión las estructuras espaciales y las propiedades del material para una mejor comprensión del comportamiento del asfalto.

Palabras clave:
Modelo en 3Dmezcla de asfaltoEstadísticas de puntos múltiplescualquier modelo de segmento

Más Videos Relacionados

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
08:27

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines

Published on: January 5, 2024

1.2K
Photorealistic Learned Landscapes for Augmented Reality
06:54

Photorealistic Learned Landscapes for Augmented Reality

Published on: June 27, 2025

155

Videos de Experimentos Relacionados

Last Updated: Jun 19, 2026

Advanced Self-Healing Asphalt Reinforced by Graphene Structures: An Atomistic Insight
08:03

Advanced Self-Healing Asphalt Reinforced by Graphene Structures: An Atomistic Insight

Published on: May 31, 2022

4.6K
Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
08:27

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines

Published on: January 5, 2024

1.2K
Photorealistic Learned Landscapes for Augmented Reality
06:54

Photorealistic Learned Landscapes for Augmented Reality

Published on: June 27, 2025

155

Área de la Ciencia:

  • Ciencias de los materiales
  • Ingeniería civil
  • Modelado computacional

Sus antecedentes:

  • Los modelos 3D precisos son cruciales para comprender el comportamiento de la mezcla de asfalto y la relación entre la estructura espacial y las propiedades físicas.
  • Los métodos existentes para la reconstrucción 3D pueden ser costosos e intensivos en datos.

Objetivo del estudio:

  • Desarrollar un marco económico y eficiente para la creación de modelos tridimensionales de mezclas de asfalto.
  • Integrar la segmentación fundamental y el modelado estocástico para una reconstrucción mejorada.

Principales métodos:

  • Utilizó fotografía de teléfonos inteligentes y acolchado de imágenes para la captura de imágenes en 2D.
  • Empleado el Modelo Segmento Cualquier cosa (SAM) para la segmentación de alta calidad de agregados y aglutinante de asfalto.
  • Estadísticas aplicadas de puntos múltiples (MPS) con simulación de vecindario más cercano (NNSIM) para la construcción eficiente de modelos 3D.
  • Se introdujo un marco de agregación de probabilidades para el cálculo de probabilidades condicionales en 3D.

Principales resultados:

  • Modelos 3D de mezcla de asfalto reconstruidos con éxito a partir de imágenes 2D.
  • Calidad de reconstrucción validada utilizando funciones de correlación de dos puntos, análisis de distancia y distribución del tamaño del grano.
  • Preservación demostrada de los patrones espaciales y representación de la incertidumbre en la producción de materiales.

Conclusiones:

  • El método propuesto ofrece un enfoque rentable y eficiente para la reconstrucción tridimensional de mezclas de asfalto.
  • El marco representa con precisión las complejas estructuras espaciales y propiedades de los materiales de asfalto.
  • Esta técnica ayuda a comprender el comportamiento del asfalto y a optimizar la producción de materiales.