elemag

誤字、脱字、間違いなどはコメント欄で教えてください。 電気系の記事を書いてます。 更新頻度は、忙しさによります。

elemag

誤字、脱字、間違いなどはコメント欄で教えてください。 電気系の記事を書いてます。 更新頻度は、忙しさによります。

  • 電験過去問　解説

    電気主任技術者の過去問を解説しています。 1種、2種、3種すべてを対象にしています。 随時記事が出来次第、追加していきます。

2つのwordファイルの文字を比較する Python

今回やりたいこと英語学習において、音声認識によって取得した文章をwordファイルに保存したものと、同じ音声を自分が聞いて、その文章をwordファイルに保存したものがある。それぞれのファイル内の英語の文章が同じかどうかを判定したい。 ChatGPTの活用最初から全て自分で考えるのもいいが、時短のためにChatGPTを活用した。 無料版で次のように入力した。 「pythonで2つのwordファイルからそれぞれ文書を読み取り、文書の各単語が一致している箇所には黒文字、異なる場

elemag

    • Whisper Python

      WhisperWhisperは、OpenAIが提供している音声を認識してテキストに変換するAIである。音声ファイルの拡張子は、m4a、mp3、webm、mp4、mpga、wav、mpegがサポートされている。 API版とGitHub版があるが、GitHub版は無料なので、今回はそちらを使用する。 インストール関係まずはWhisperのライブラリをインストールする。 pip install openai-whisper 次にwhisperがffmpegというコマンドライ

      elemag

      • ニューラルネットワーク　単純パーセプトロン

        単純パーセプトロン関連記事の単純モデルでは、入力が2つの場合を考えた。ここでは、図1に示すように入力がより多い場合を考える。 図1のように、入力が増えてもニューロンの動作（受け取った電気量が、閾値を超えた場合に$${1}$$を出力、それ以外の場合に$${0}$$を出力）は変わらない。したがって、出力$${y}$$は、 $$ y= \begin{cases} \,1 & (w_{1}x_{1}+w_{2}x_{2} + \cdots + w_{n}x_{n}\geq \

        elemag

        • 単純パーセプトロン ニューラルネットワーク

          プログラムimport numpy as npimport matplotlib.pyplot as plt# 単純パーセプトロンclass SimplePerceptron(object): # 重みとバイアスの初期化 def __init__(self, input_dim): self.input_dim = input_dim self.w = np.random.normal(size=(input_dim,))

          elemag

        マガジン

        • 電験過去問　解説
          126本

        記事

          ニューラルネットワーク　単純モデル

          ニューラルネットワークとはニューラルネットワークは、人間の脳の神経細胞（ニューロン）の構造と機能を模倣して設計されたアルゴリズムである。 人間の脳は物事を認識し、情報処理を行うことができる。これを再現することができれば、ファイルの内容を要約したり、資料を作成してくれたり、画像の加工を行ってくれたりといったことが可能となる。 単純モデル人間の脳は、ニューロンと呼ばれる神経細胞によって情報を伝達しており、ニューロンの役目は、他のニューロンから受け取った電気信号を自分の中で計算

          elemag

          ニューラルネットワーク　単純モデル

          elemag

          NOTゲート ニューラルネットワーク

          考え方図1の真理値表のようにNOTゲートは入力が1つである。入力の組み合わせは2つなので、それを1セットとする。 モデルがNOTゲートを学習できたかどうかは、1セットごとに判定していく。 プログラムimport pandas as pdimport numpy as npdef counterup(x, delta_x): if len(set(delta_x)) == 1: x = False else: x = True

          elemag

          NOTゲート ニューラルネットワーク

          elemag

          ORゲート ニューラルネットワーク

          考え方図1の真理値表のように論理回路は入力が2つの場合、4つの組み合わせを1セットとして考える。 そのため、モデルがORゲートを学習できたかどうかは、1セットごとに判定していく。 プログラムimport pandas as pdimport numpy as npdef counterup(x, delta_x): if len(set(delta_x)) == 1: x = False else: x = True ret

          elemag

          ORゲート ニューラルネットワーク

          elemag

          ANDゲート ニューラルネットワーク

          考え方図1の真理値表のように論理回路は入力が2つの場合、4つの組み合わせを1セットとして考える。 そのため、モデルがANDゲートを学習できたかどうかは、1セットごとに判定していく。 プログラムimport pandas as pdimport numpy as npdef counterup(x, delta_x): if len(set(delta_x)) == 1: x = False else: x = True re

          elemag

          ANDゲート ニューラルネットワーク

          elemag

          インダクタンス行列のd-q-0変換　同期機

          インダクタンス行列関連記事のインダクタンス(制動巻線考慮なし)　同期機で求めたように同期機の各相の自己インダクタンスと相互インダクタンスは、以下のようになった。 自己インダクタンス $$ \begin{align} L_{\rm{aa}} &= L_{1}+L_{2}\cos \left(2\theta \right)\notag\\ L_{\rm{bb}} &= L_{1}+L_{2}\cos \left(2\theta + \frac{2}{3}\pi \right

          elemag

          インダクタンス行列のd-q-0変換　同期機

          elemag

          d-q-0座標系の必要性　同期機

          a-b-c座標での解析における問題点$${\rm{a}}$$、$${\rm{b}}$$、$${\rm{c}}$$各相の自己インダクタンスおよび相互インダクタンスは、関連記事のインダクタンス(制動巻線考慮なし)　同期機で考えたように、 自己インダクタンス $$ \begin{align} L_{\rm{aa}} &= L_{1}+L_{2}\cos \left(2\theta \right)\notag\\ L_{\rm{bb}} &= L_{1}+L_{2}\cos \

          elemag

          d-q-0座標系の必要性　同期機

          elemag

          d-q-0法の逆行列　同期機

          変換行列a-b-c法からd-q-0法に変換する行列は、関連記事のd-q-0法　同期機より、 $$ \begin{align} A &= \frac{2}{3} \begin{pmatrix} \cos(\theta_{{\rm{a}}}) & \cos(\theta_{{\rm{b}}})& \cos(\theta_{{\rm{c}}})\\ & & &\\ -\sin(\theta_{{\rm{a}}}) & -\sin(\theta_{{\rm{b}}})& -\si

          elemag

          d-q-0法の逆行列　同期機

          elemag

          d-q-0法　同期機

          定義d-q-0法は、a-b-c法電気量に対する変数変換法である。 a-b-c法において、ある電気量$${x(t)}$$があり、a-b-c法電気量のそれぞれの添字を$${\rm{a}}$$、$${\rm{b}}$$、$${\rm{c}}$$、d-q-0法の添字を$${\rm{d}}$$、$${\rm{q}}$$、$${\rm{0}}$$とすれば、 $$ \begin{align} \begin{pmatrix} x_{{\rm{d}}}(t) \\ \\ x_{{\rm{q

          elemag

          d-q-0法　同期機

          elemag

          インダクタンス(制動巻線考慮なし)　同期機

          同期機の固定子巻線同期の固定子巻線は、図1に示すように$${\frac{2}{3}\pi}$$ずつずれた配置となっているものとして考えられる。 また、回転子の軸を図2のように定義する。 以降の図では、巻線の絵は省略し、線で表現する。 インダクタンス固定子巻線と回転子巻線はそれぞれ自己インダクタンスをもち、各巻線に電流が流れた場合、相互インダクタンスを持つ。 自己インダクタンス$${L}$$は、コイルを貫く磁束$${\phi}$$とコイルに流れる電流$${I}$$を用い

          elemag

          インダクタンス(制動巻線考慮なし)　同期機

          elemag

          送配電線路の電圧降下

          電圧降下送配電線路の電圧降下の式を導出していく。 図1に示すような回路を考える。 図1において、 $${\dot{V}_{\rm{s}}}$$：送電端電圧(相電圧)、 $${\dot{V}_{\rm{r}}}$$：受電端電圧(相電圧)、 $${R}$$：線路抵抗、 $${jX}$$：線路リアクタンス、 $${\dot{I}}$$：負荷電流 である。 図1より $$ \dot{V}_{\rm{s}} = \dot{V}_{\rm{r}}+\dot{I}(R+jX) \t

          elemag

          送配電線路の電圧降下

          elemag

          送配電線路の送電電力

          送電電力送配電線路の多くは三相3線式である。そのため、三相3線式における送電電力の式を導出していく。 図1に示すような回路を考える。 図1において、 $${\dot{V}_{\rm{s}}}$$：送電端電圧(相電圧)、 $${\dot{V}_{\rm{r}}}$$：受電端電圧(相電圧)、 $${R}$$：線路抵抗、 $${jX}$$：線路リアクタンス、 $${\dot{I}}$$：線路電流 である。 送電電力は1相分を考えて最後に3倍する。 線路電流$${\dot{I

          elemag

          送配電線路の送電電力

          elemag

          帆足-ミルマンの定理

          帆足-ミルマンの定理帆足-ミルマンの定理は図1に示す直流回路において、端子間電圧$${V_{\rm{ab}}}$$を求める方法である。 この法則は1927年に帆足竹治が発見したが、その13年後の1940年にJacob Millmanが同様の内容を発見し、アメリカで発表を行ったため、帆足-ミルマンの定理と呼ばれるようになった。 帆足氏の論文の中では、インピーダンスで考えており、交流回路にも適用できるようにしている。しかし、ここでは簡単のために抵抗のみの直流回路で考える。 帆

          elemag

          帆足-ミルマンの定理

          elemag