卡斯帕尔·韦塞尔

✍ dations ◷ 2025-10-26 09:14:48 #卡斯帕尔·韦塞尔

卡斯帕尔·韦塞尔(Caspar Wessel)(1745年6月8日-1818年3月25日),丹麦-挪威数学家。

他生于挪威阿克什胡斯郡的韦斯特比自治区,成长于一个有十四个孩子的家,排行第六。1763年,他完成中学后,因为当时挪威没有大学,往丹麦的哥本哈根大学学习。

丹麦皇家科学院开展了地形测量计划,使用三角测量以决定地理坐标。卡斯帕尔的兄长,Ole Christopher,也是参与者之一。1764年Ole Christopher需要一名助手,便找了他的弟弟。他颇为贫困,除了测量之外,还要量地图。

测量师的工具涉及几何学,激发他探究复数的几何意义。1799年,其论文(英语:On the Analytical Representation of Direction)刊于丹麦皇家科学与文学会。因为语言问题,它受到的注意很少,其结果后来阿尔冈(1806年)和高斯(1831年)都独立发现了。

比他大三岁的兄长约翰·赫尔曼·韦塞尔(英语:Johan Herman Wessel)是诗人。

相关

  • 阴囊前神经 ♂前阴囊神经(anterior scrotal nerves)是髂腹股沟神经(英语:Ilioinguinal nerve)的分支,支配男性的阴囊。在女性身上也有对应的神经,为前阴唇神经(英语:anterior labial nerves)。
  • 真猛玛象真猛玛象(英语:Woolly mammoth,学名:Mammuthus primigenius)是已灭绝的猛玛象。在北美洲及欧亚大陆北部发现有它们的骨头及冷藏的尸体,而保存最完好的是在西伯利亚。已知最古老(15
  • 斐波那契回调斐波那契回调(Fibonacci retracement)是一种技术分析方法,用于判断支持和阻力位,得名于斐波那契数列。斐波那契回调所根据的理论是,当价格向一个方向变动,其向相反方向的回调会在
  • .ro.ro为罗马尼亚国家及地区顶级域(ccTLD)的域名。A .ac .ad .ae .af .ag .ai .al .am .ao .aq .ar .as .at .au .aw .ax .az  B .ba .bb .bd .be .bf .bg .bh .bi .bj .bm .
  • 海康暗沙海康暗沙位于南沙群岛北康暗沙北部,盟谊暗沙与义净礁之间,水深约5.1米。1983年中华人民共和国中国地名委员会授权公布的标准名称为“海康暗沙”。西方文献一般称为“Hardie Re
  • 罕达罕河罕达罕河,又作哈岱坎河,位于中国东北地区西部,是嫩江水系雅鲁河的右岸支流,河名源自满语(满语:ᡴᠠᠨᡩᠠᡥᠠᠨ,转写:),意为“驼鹿”,上游又称哈多河,发源于内蒙古自治区扎兰屯市南部火
  • 安德鲁斯峰 (玛丽伯德地)坐标:77°8′S 144°3′W / 77.133°S 144.050°W / -77.133; -144.050安德鲁斯峰(英语:Andrews Peaks)是南极洲的山峰,位于玛丽伯德地,处于亚瑟冰川源头附近,属于福特山脉的一部分
  • 1605年5月教宗选举秘密会议1605年5月教宗选举秘密会议是枢机团在教宗良十一世离世后召开的教宗选举秘密会议。卡米洛·博尔盖塞枢机最后当选成为教宗保禄五世。是次秘密会议亦是1605年两次秘密会议中的第二次,前次选出良十一世为教宗的秘密会议仅于是次秘密会议开始的37日前结束。是次秘密会议亦因枢机团对何人应当选为教宗一事大打出手而成为惟一一次有受伤纪录的秘密会议。教宗克莱孟八世于1605年3月离世。60名参与秘密会议的枢机约等分为忠于法国与忠于西班牙的两个阵营。教宗选举秘密会议除受到世俗政体的影响外,各上流家族在此时期亦将秘密会议视作获
  • 亚速斯凯 (贝尔江斯克区)坐标:.mw-parser-output .geo-default,.mw-parser-output .geo-dms,.mw-parser-output .geo-dec{display:inline}.mw-parser-output .geo-nondefault,.mw-parser-output .geo-multi-punct{display:none}.mw-parser-output .longitude,.mw-parser-output .latitude{white-space:n
  • 混合式神经-符号人工智能混合式神经-符号人工智能(Neuro-symbolic AI)是整合神经网络人工智能及符号人工智能的架构,以解决这两种AI方法的优缺点互补的问题,提供能够推理、学习和认知建模的强大AI。正如瓦利安特和许多人所说, 想要有效建立具有丰富计算能力的认知模型,需要结合可靠的符号推理和高效的机器学习模型。盖瑞‧马可斯(Gary Marcus)认为:“如果没有混合架构、丰富的先验知识和复杂的推理技术这三驾马车,我们就无法以合乎需要、自动化的方式打造丰富的认知模型。”此外,“为了建构一种强大、知识驱动的人工智能方法,