会员服务
Integration · 不定积分 ·
2017 年 5 月 5 日
Ideas for best teaching integrals: we're teaching wrongly and how to do it right
翻译：最佳整体教学理念:我们教学错误,如何正确
Bruno Mendonça Rey dos Santos
Bruno Mendonça Rey dos Santos
from arxiv, 21 pages, 4 figures

We discuss some problems with the indefinite integral notation and the way of teaching of integrals in Calculus. Based on the discussion, and in order to avoid mistakes, we propose another notation for indefinite integrals.


翻译：我们讨论一些关于无限制整体标记的问题和在微积分中对整体体进行教学的方式。 根据讨论结果,为了避免错误,我们建议为无限制整体体再加一个标记。
0
下载
关闭预览

相关内容

Integration：Integration, the VLSI Journal。 Explanation：集成，VLSI杂志。 Publisher：Elsevier。 SIT：http://dblp.uni-trier.de/db/journals/integration/
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
163+阅读 · 2020年3月18日
UC.Berkeley CS189讲义教材:《机器学习全面指南》，185页pdf
专知会员服务
159+阅读 · 2020年1月16日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
150+阅读 · 2019年10月12日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
最新BERT相关论文清单，BERT-related Papers
最新BERT相关论文清单，BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Python机器学习教程资料/代码
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
【推荐】视频目标分割基础
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】神经网络调试经验汇编：神经网络不好使该咋办？
【推荐】神经网络调试经验汇编：神经网络不好使该咋办？
机器学习研究会
5+阅读 · 2017年9月5日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
Arxiv
79+阅读 · 2020年1月19日
Extending Machine Language Models toward Human-Level Language Understanding
Extending Machine Language Models toward Human-Level Language Understanding
Arxiv
4+阅读 · 2019年12月12日
Learning a Matching Model with Co-teaching for Multi-turn Response Selection in Retrieval-based Dialogue Systems
Arxiv
6+阅读 · 2019年6月11日
Taking Human out of Learning Applications: A Survey on Automated Machine Learning
Taking Human out of Learning Applications: A Survey on Automated Machine Learning
Arxiv
13+阅读 · 2019年1月17日
How do you correct run-on sentences it's not as easy as it seems
Arxiv
4+阅读 · 2018年9月21日
Contrastive Explanations for Reinforcement Learning in terms of Expected Consequences
Contrastive Explanations for Reinforcement Learning in terms of Expected Consequences
Arxiv
5+阅读 · 2018年7月23日
Unsupervised Meta-Learning for Reinforcement Learning
Arxiv
8+阅读 · 2018年6月12日
Modeling Others using Oneself in Multi-Agent Reinforcement Learning
Arxiv
4+阅读 · 2018年3月22日
Together or Alone: The Price of Privacy in Collaborative Learning
Arxiv
4+阅读 · 2018年2月28日
A Survey on Dialogue Systems: Recent Advances and New Frontiers
Arxiv
11+阅读 · 2018年1月11日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Integration
不定积分
相关VIP内容
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
163+阅读 · 2020年3月18日
UC.Berkeley CS189讲义教材:《机器学习全面指南》，185页pdf
专知会员服务
159+阅读 · 2020年1月16日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
150+阅读 · 2019年10月12日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
最新BERT相关论文清单，BERT-related Papers
最新BERT相关论文清单，BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
热门VIP内容
相关资讯
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Python机器学习教程资料/代码
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
【推荐】视频目标分割基础
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】神经网络调试经验汇编：神经网络不好使该咋办？
【推荐】神经网络调试经验汇编：神经网络不好使该咋办？
机器学习研究会
5+阅读 · 2017年9月5日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
Arxiv
79+阅读 · 2020年1月19日
Extending Machine Language Models toward Human-Level Language Understanding
Extending Machine Language Models toward Human-Level Language Understanding
Arxiv
4+阅读 · 2019年12月12日
Learning a Matching Model with Co-teaching for Multi-turn Response Selection in Retrieval-based Dialogue Systems
Arxiv
6+阅读 · 2019年6月11日
Taking Human out of Learning Applications: A Survey on Automated Machine Learning
Taking Human out of Learning Applications: A Survey on Automated Machine Learning
Arxiv
13+阅读 · 2019年1月17日
How do you correct run-on sentences it's not as easy as it seems
Arxiv
4+阅读 · 2018年9月21日
Contrastive Explanations for Reinforcement Learning in terms of Expected Consequences
Contrastive Explanations for Reinforcement Learning in terms of Expected Consequences
Arxiv
5+阅读 · 2018年7月23日
Unsupervised Meta-Learning for Reinforcement Learning
Arxiv
8+阅读 · 2018年6月12日
Modeling Others using Oneself in Multi-Agent Reinforcement Learning
Arxiv
4+阅读 · 2018年3月22日
Together or Alone: The Price of Privacy in Collaborative Learning
Arxiv
4+阅读 · 2018年2月28日
A Survey on Dialogue Systems: Recent Advances and New Frontiers
Arxiv
11+阅读 · 2018年1月11日
Top
微信扫码咨询专知VIP会员
Top