文件名称：neurodiffeq:轻巧灵活的库，可使用基于PyTorch的神经网络求解微分方程。 时空ODE和PDE均受支持
文件大小：18.67MB
文件格式：ZIP
更新时间：2024-05-07 11:07:32
machine-learning library deep-learning time-series pypi
神经分化 介绍 neurodiffeq是使用神经网络求解微分方程的软件包。 微分方程是将某些函数与其导数联系起来的方程。 它们出现在各个科学和工程领域。 传统上，这些问题可以通过数值方法（例如，有限差分，有限元）解决。 虽然这些方法有效且足够，但它们的可表达性受到其功能表示的限制。 如果我们能够为连续且可微分的微分方程计算解，那将是很有趣的。 作为通用函数逼近器，人工神经网络已经显示出在某些初始/边界条件下具有求解常微分方程（ODE）和偏微分方程（PDE）的潜力。 neurodiffeq的目的是实现这些使用ANN求解微分方程的现有技术，使软件具有足够的灵活性以处理各种用户定义的问题。 安装 使用点 像大多数标准库一样， neurodiffeq托管在。 要安装最新的稳定发行版， pip install -U neurodiffeq # '-U' means update to late
【文件预览】：
neurodiffeq-master
----.gitattributes(31B)
----paper()
--------paper.bib(4KB)
--------paper.md(9KB)
----experiments()
--------drum_nn.pt(110KB)
--------3d-time-dependent()
--------lid-driven-cavity-stationary-super-ugly-one.ipynb(476KB)
--------lid-driven-cavity-stationary-boundary-tweaked-one-RE10000.ipynb(371KB)
--------convergence-an-experiment.ipynb(7KB)
--------temporal-2d-test.ipynb(1.12MB)
--------temporal-test.ipynb(2.49MB)
--------lid-driven-cavity-stationary-boundary-tweaked-one-RE100.ipynb(425KB)
--------convergence-an-experiment-quadrature.ipynb(590KB)
--------steady-state.ipynb(950KB)
--------lid-driven-cavity-stationary-pure-regularization.ipynb(543KB)
--------drum.ipynb(1.98MB)
--------lid-driven-cavity-RE400.ipynb(420KB)
--------lid-driven-cavity-RE100.ipynb(1.35MB)
----neurodiffeq()
--------callbacks.py(27KB)
--------generators.py(28KB)
--------solvers.py(48KB)
--------.vscode()
--------utils.py(1KB)
--------pde_spherical.py(12KB)
--------operators.py(6KB)
--------__init__.py(626B)
--------generator.py(799B)
--------_version_utils.py(2KB)
--------monitors.py(27KB)
--------neurodiffeq.py(4KB)
--------ode.py(13KB)
--------pde.py(31KB)
--------temporal.py(43KB)
--------function_basis.py(13KB)
--------conditions.py(45KB)
--------networks.py(6KB)
----requirements.txt(83B)
----CONTRIBUTING.md(5KB)
----.travis.yml(291B)
----LICENSE(1KB)
----setup.cfg(40B)
----setup.py(1KB)
----README.md(14KB)
----resources()
--------monitor.gif(4.62MB)
--------watermark-cover.jpg(1.15MB)
--------generator-ens-2.jpg(97KB)
--------generator1d-log-spaced-noisy.jpg(109KB)
--------lotka–volterra-solution.png(277KB)
--------generator-ens-1.jpg(125KB)
--------laplace-solution.png(854KB)
--------nets.png(46KB)
--------laplace-error.png(903KB)
--------generator2d-1.jpg(122KB)
--------generator2d-concat.jpg(196KB)
--------generator1d-uniform.jpg(146KB)
--------generator2d-2.jpg(123KB)
--------generator-ens-ensembled.jpg(489KB)
----docs()
--------make.bat(787B)
--------intro.ipynb(11KB)
--------custom.css(51B)
--------advanced.ipynb(1.27MB)
--------conf.py(6KB)
--------requirements.txt(85B)
--------case2.png(376KB)
--------case1.png(263KB)
--------index.rst(497B)
--------Makefile(581B)
--------getstart.ipynb(7.87MB)
--------how.ipynb(8KB)
--------flow.png(175KB)
--------api.rst(2KB)
----tests()
--------test_temporal.py(39KB)
--------test_ode.py(7KB)
--------test_conditions.py(15KB)
--------test_operators.py(3KB)
--------test_function_basis.py(4KB)
--------test_pde_spherical.py(12KB)
--------test_neurodiffeq.py(4KB)
--------test_generators.py(18KB)
--------test_pde.py(20KB)
--------__init__.py(0B)
--------test_networks.py(5KB)
--------test_callbacks.py(10KB)
----.readthedocs.yml(609B)
----.gitignore(1KB)