Hinterher / Im Nachhinein ist man schlauer. .
.
Hindsight is easier than foresight. .
不經一事不長一智。千金難買早知道。
.
.
其實我最想找的是 " 不見棺材不掉淚 " , 但是果然這種太有想像力的諺語很難找到適...
Hinterher / Im Nachhinein ist man schlauer. .
.
Hindsight is easier than foresight. .
不經一事不長一智。千金難買早知道。
.
.
其實我最想找的是 " 不見棺材不掉淚 " , 但是果然這種太有想像力的諺語很難找到適合的句子呢。這句話直接翻譯是: 事情過後會比較聰明。 直白就是少了點美感哪! .
.
#德文小教室
這次的唸法不會很困難唷!! " 厂因特黑耳 意思 滿 需撈耳 "
或者 " 應 納 厂因唉嗯 意思 滿 需撈耳 " .
就是到了一個需要掏耳朵的境界就是了 (喂)。
.
.
Hinterher 的字義翻譯是 " 後來 ", 或者在追人的時候可以說 "跟上 " 的意思。大概就是打著計程車要追前面的間諜時可以告訴司機的話 (不用這麼愛想像沒關係)。
.
至於 Nachhinein 的字義則是 nach + hinein → 過 + 去 。這個字只有名詞的用法, 所以一定要加上 im 。在德國也可以用一半拉丁文的方式表達 : a posteriori ( 如果你是 Enigma 的粉絲都會知道這個詞)。
.
.
光是研究這兩個詞就搞得我頭昏腦脹,因為德文也有其他的字跟這兩個字很像, 可是完全不一樣的用法。
.
例如, Nachher, 看起來就像是這兩個字的綜合體, 意思是: 晚一點, 之後。通常用在 " 用餐之後" " 待會兒見 " 的這種情況。 想要用在諺語是不可以的唷! .
■ Hinter → 位置上的"後"。類似英文的 behind. ■ Nach → 順序上的 " 後"。類似英文的 after. .
.
這兩個介系詞也和其他很多的動詞做結合, 合體之後每個動詞意思都會變很多。這是我覺得德文最讓人討厭的地方(之一)。可是也非常推薦學德文的朋友去自己整理一下類似這樣的德文動詞。
.
.
在查詢Hindsight 還有 Foresight 的時候也學到有其他種的 sight, 在管理學或者自我個人發展之中似乎是非常重要的能力。看來, 學個小諺語也可以延伸學到其他的東西呢! .
.
< 後記 >
原本真的很想要與這一句來形容那些不願意配合的人, 聽說有個英文新名詞就是形容這些不配合防疫政策, 說也說不聽的人: Covidiot 。不過我想這種人畢竟全世界都有, 在自身安危沒有完全被影響到 , 自由卻受到限制, 肯定有很多人潛意識就是要反抗。當然也有僥倖心態, 測試底線在哪絕對是人的天性。(看看小孩子就知道了)。
.
.
只是既然是天性, 我們就不再繼續追就吧。
.
.
< 門 >
今天的總算不是慕尼黑, 而是附近的一個廢棄車站拍攝。一旁就是水鳥保護區, 也可以觀察到好玩的水獺生涯。即使是廢棄的還是有它的特殊美感呢! 以後要來多找一些廢棄車站 😃😃😃 。又, 話說我們原本復活節假期(下個禮拜)要去托斯卡尼的, 現在當然去不了。既然義大利很多這種廢墟美 (der morbide Charme) (德國人將它美化了, 當然。) 這次去廢墟車站拍攝的也可以補足一點不能旅遊的遺憾吧。(苦笑)
.
.
#morbidercharm #desertedtrainstation #ehemaligenbahnhof #verlassene #ruins #ihavethisthingwithdoors #trainstation #bahnhof #railfan #火車迷 #鐵道迷 #廢棄車站 #舊車站 #門 #建築 #railway
posteriori 在 國立陽明交通大學電子工程學系及電子研究所 Facebook 的最佳解答
【課程訊息】8/7(二)「統計訊號處理及通訊導論」由交大電子系 桑梓賢/ 簡鳳村 共同主講,報名網址:http://submic.ee.nctu.edu.tw/curriculum/curriculum.php…
課程大綱:
1.Random Processes
1.1Probability Basics
1.2Definition of a Random Process
1.3Stationary and Wide-Sense Stationary (WSS) Random Processes
1.4WSS Processes in Linear Systems
1.5Power Spectral Density
1.6White Noise Processes
1.7Jointly Gaussian Random Variables
1.8Gaussian Processes
1.9Examples
2.Estimation Theory
2.1Minimum Variance Unbiased Estimator
2.2Cramer-Rao Lower Bound
2.3Sufficient Statistics
2.4Best Linear Unbiased Estimator
2.5Maximum Likelihood Estimator
2.6Moments Estimator
2.7Least Squares Estimator
2.8Minimum Mean Square Error Estimator
2.9Maximum A Posteriori Estimator
3.Detection Theory
3.1Statistical Detection Theory
3.2Neyman-Pearson Theorem
3.3Maximum Likelihood Detector
3.4Maximum Likelihood Detector
3.5Bayes Risk
3.6Composite Hypothesis Testing
4.Basic digital communication
4.1Linear Systems
4.2Signal Space
4.3Modulation
4.4Optimal Receiver
4.5Performance Analysis
4.6Pass-band Systems
4.7Channel Effects and Equalization
5.Information Theory and Channel Coding
5.1Measure of Information
5.2Channel Model and Channel Capacity
5.3Shannon’s Information Theory
5.4Linear Block Codes
5.5Convolutional Codes
5.6Advanced Coding
6.Fading Channels
6.1Channel Characterization
6.2Time Selective Fading
6.3Frequency Selective Fading
6.4Slow/Fast Fading
7.Selected Topics
7.1OFDM
7.2MIMO