how about you縮寫的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘到下列精選懶人包

科學價值的再思考套書(科學革命+重力的幽靈)

為了解決how about you縮寫的問題，作者史蒂文・謝平,哈利・柯林斯 這樣論述：

人，在科學中扮演了什麼角色？ 　　21世紀，我們早已知道科學不代表真理，科學從來就不是中立的，科學研究過程中參雜太多人為影響，尤其是政治。不過科學仍是追求自然世界知識最好的工具；重點在於人在其中扮演了什麼角色。除了科學家的角色、權力的角色，也包括身為普羅大眾的我們該如何看待科學。 21世紀的科學，比真理更重要的是如何下判斷；而這才是科學對這個社會的指引。 　　《科學革命》 　　科學從來就不是中立的，也並非一項純粹追求真理的事業；不過它仍是人類關於自然世界最可靠的知識。 　　1939年，法國哲學與歷史學家夸黑提出「科學革命」一詞，並盛讚其為自希臘時代以來，「人類心靈所達到，或說所遭逢過

最深遠的革命。」幾年後，英國歷史學家巴特菲爾德說，科學革命的「光芒掩蓋了基督教崛起之後的一切成就，它讓文藝復興和宗教改革顯得只不過是歷史的插曲……（科學革命是）現代世界與現代心智狀態的真正起源。」 　　「科學革命」的概念我們都很熟悉，不過究竟什麼才是科學？什麼才是科學史討論的對象？十七世紀種種「新」觀點、「新」方法，真的與之前的歷史無關？歷史究竟是連續、還是斷裂的？本書作者謝平開宗明義，介紹十七世紀西歐重要的科學成就，再發揮其科學知識社會學的專長，分析並探討「科學事實」如何在複雜的社會過程中取得正當性，以及如何從科學、宗教以及國家力量的複雜關係，來理解十七世紀追求科學知識的動機與條件。 　

　本書從啟蒙時代講起，第一章處理了一般談論科學革命時會提及的標準議題，包括當時對亞里斯多德自然哲學的挑戰、以哥白尼的太陽中心論取代地球中心論，以及利用機械比喻自然的說法。第二章把討論焦點轉向那個時代的人是如何更積極、更務實地「製造」知識這回事。第三章將自然知識所服務的一系列目的，置於十七世紀具體的歷史時空之中。自然知識並不只是信念，某個程度它也是資源。 　　謝平將科學革命置於社會脈絡中解讀，累積十餘年有關「科學革命」的歷史研究，集合各家說法，呈現對「科學革命」的最新詮釋。 謝平的論述可靠、細緻、清楚。他不是反對科學，也不是貶低科學的價值，而是要揭露由人類努力打造出來的科學，內涵多麼豐富。─

─《科學》雜誌 我們或許可以把《科學革命》看成謝平對當代科學史學術寫作的反省，更是普及科學史學術研究成果的嘗試。──陳恒安，本書導讀 　　《重力的幽靈》 　　越多不正確的結果公諸於世越好，只要它們展現出向更好的理解與更好的判斷，緩步前進的過程。 　　自從愛因斯坦在廣義相對論中提出「重力波」的概念，「如何偵測到遙遠宇宙傳來的訊息」成了天文物理學家近百年來念茲在茲的努力方向；而誰能先「看到」重力波，也成了科學界，甚或背後支援的國家機構，競逐資金、技術、學術地位的角力場。2017年，LIGO研究團隊中的三位科學家獲得諾貝爾物理獎，使得「重力波」，這個愛因斯坦最後的預言，成為該年度最夯的物理詞彙。

　　柯林斯為英國著名的STS（科技與社會研究）及社會學學者，他以重力波實驗室為田野地，從1972年開始對其研究社群進行超過四十年的近身觀察、研究，本書即是他多年田野成果，除了點出這群科學家究竟在努力些什麼、努力的意義為何；也以「科學社會學家」身分對所謂「科學研究」提出觀察與思考。 　　全書圍繞著2007年著名的「秋分事件」展開，柯林斯以故事性的方式描寫重力波偵測團隊的研究過程、科學家在實驗過程中的掙扎和內心戲，與各小組之間的牽制。同時以淺白方式穿插介紹重力波、重力波偵測、科學研究中的「盲植」概念，以及面對一個完全未知的領域，科學家如何以有限的經驗做出最佳的判斷。 　　不同於其他天文學觀

測，重力波的偵測沒有圖像，只有數字。如何從一堆各種雜訊和意外事件的數字中，提取出重力波信號，需要非常多的統計與詮釋，不同的重力波偵測社群不僅對統計工具有所爭議，他們對於統計結果的主觀假設，也有可能影響研究的結果。這種科學並非是像相對論、量子力學的「精確科學」，而是更偏向氣象學、暖化趨勢這種「不精確的科學」；雖不精確，卻更與一般人日常生活密切相關、更適合進行社會學式的分析，並更有機會從中「發現」科學本質的價值。 　　科學的社會研究歷經三個階段的轉變。「第一波」將科學視為知識生產的卓越形式，而科學的社會研究就是找出社會能如何夠最適當地培育它。「第二波」使用了各種懷疑論工具，闡明先前位居主導地位的

科學模式是錯誤的，那些佐證它的諸多科學成果案例都過於簡化。當涉及知識的形成，科學並沒有明顯的特殊保證。第三波科學的社會研究認可這一點，但認為現代社會進行決策仍須以技術作為基礎。因此，「第三波」旨在尋找建立科學導向思考之價值的另一種方式。 　　關於自然世界的知識，科學仍舊是我們所擁有最好的工具，科學程序仍是形成技術知識，最有價值的模型，只是重點在於：人在其中扮演了什麼角色。除了科學家的角色，也包括身為普羅大眾的我們該如何看待科學、看待專業。 　　科學家可能把事情弄錯，科學也一定會繼續向前行。在21世紀的科學，比真理更重要的是展現了一個具有誠信的專家，當他們有所不知時，如何下判斷；這也是科學對

社會的指引。 　　柯林斯在《重力的幽靈》中透過他對重力波偵測社群的參與及理解，確認了科學本身的價值，也呼應了他近年來常強調STS的「第三波」取向與「專業」（expertise）概念的重要性。——傅大為｜國立陽明大學科技與社會研究所教授  

我的第一本5分鐘英文文法攻略

為了解決how about you縮寫的問題，作者吳靜 這樣論述：

英文學了好幾年，程度卻停滯不前？ 重視背單字和片語，卻忽略文法的重要性，導致無法應用所學？ 你的基礎真的打穩健了嗎？   　　舉例來說，一樣是問時間長短，你知道如何區分「any one」和「anyone」嗎？如果無法馬上回答出來，請趕快翻開書頁一起找答案吧！ 　 　　每天只須要花上五分鐘的時間，用零碎時間把英文文法隨身帶著走，精粹過後的重點整理去蕪存菁的讓你輕鬆無痛就能學會英文文法令人困惑的所有大小事！   　　直擊一般人最容易犯的文法錯誤，從此不再一知半解！   　　【anyone 和any one到底有什麼區別呢？】 　　anyone的意思是「任何人」。 　　例如：I won’t te

ll anyone I saw you here. →我不會告訴任何人我在這裡看到你。 　　any one 的意思是「你選擇的任何一個（人或物）」，用來表明只限一個。 　　例如：You can choose any one you like. →你可以任意挑選一個。   　　學習文法時，你是不是常覺得自己不太懂的觀念，很難從文法書上找到答案呢？作者根據多年教學經驗，詳盡解析大多數人最容易混淆的文法問題，還特別收錄許多人常常忽略，甚至根本沒有意識到是個問題的文法概念，讓你讀完後恍然大悟，驚呼：天阿！這些問題我還真的都沒想過！ 　 　　每天5分鐘超有感，利用一點零碎時間就能有效學會文法！ 　　學習

文法沒動力？文法課本老是停在第一頁？為了搞懂英文文法，很多人會準備一本厚重的文法書，並立定決心要從頭看到尾。但是，有多少人能堅持到最後？相信不論是課業繁重的學生、工作忙碌的上班族，都希望擁有一本歸類清楚、分析詳盡、閱讀無壓力的文法學習書。你的心聲我們聽到啦！一本最體貼忙錄學習者的書，將每個文法重點都編寫得簡短清楚，讓你能在5分鐘左右的時間，輕鬆看完一個文法概念。 　 　　百分百核心命中練習題，學完立刻檢視學習成效！ 　　讀完卻不確定到底有沒有學會嗎？寫過許多文法練習測驗，卻覺得沒有效果嗎？在這本書中，每篇基礎文法章節都有作者親自專業編寫的「百分百核心命中練習題」，直接命中一般學習者最常犯的錯誤

，題題精準到位，讓你學完之後，有效檢測自己的學習成果，從此不再有學沒有懂！

用於上行鏈路多用戶大規模MIMO OFDM系統的高效兩級疊代接收器設計

為了解決how about you縮寫的問題，作者陳志詠 這樣論述：

大規模多輸入多輸出系統(Massive Multiple-Input Multiple-Output; M-MIMO)被認為是當今 5G和先進無線通信系統中 擁有舉足輕重的關鍵技術之一。但是，相對地隨著天線數量需求逐漸提高 時，其複雜度提升成為一個棘手問題。對於上行鏈路大規模MIMO檢測，如傳統的迫零法 (Zero-Forcing; ZF) 偵測器或最小均方差(Minimum Mean Square Error; MMSE)偵測器，由於它們的高複雜度所以很難直接應用於大規模MIMO系統的接收器設計中。為了降低偵測器的高複雜度，例如 :高斯-賽德爾(Gauss-Seidel; GS)和連續過鬆

弛（Successive Over-Relaxation;SOR)偵測演算法，可以透過疊代方法以較低的複雜度實現接近MMSE性能的接收器。不過上述偵測方法雖然可以降低複雜度，但其誤碼率(Bit Error Rate; BER)性能通常不盡人意。所以本文提出了一種高效能 的兩級多用戶偵測器(Multiuser Detector; MUD)，借助加速過鬆弛(Accelerated Over-Relaxation; AOR)疊代算法和切比雪夫加速(Chebyshev acceleration)的遞迴歸特性，用於大規模多輸入多輸出正交分頻多工系統(Massive Multiple-Input Mult

iple-Output Orthogonal Frequency-Division Multiplexing; M-MIMO OFDM)系統的上行鏈路，以達到BER性能和複雜度 之間，魚與熊掌更好的取捨平衡 。接收器的第一級由基於加速過鬆弛的估測器組成，旨在生成鬆弛因子 (relaxationfactor)、加速參數(acceleration factor)和傳輸訊號的粗略初始估測。第二級採用切比雪夫加速法進行偵測，透過高效的遞迴歸疊代估測產生更精確的訊號。因此，我們稱這種提出的方法為切比雪夫加速過鬆弛(Chebyshev Accelerated Over-Relaxation; CAOR)偵

測。透過模擬結果顯示，與目前研究者所提出的方法相比較之下，本文所提出的接收器應用在多用戶大規模多輸入多輸出系統(Multiuser Massive Multiple-Input Multiple-Output; MU M-MIMO)的上行鏈路環境中，具有更優越的性能且幾乎無須犧牲多餘的運算複雜度。一般而言，與AOR 相比CAOR方法可以改善約90%左右的BER性能，同時複雜度僅增加約5%左右。