文件名称：18S096SciML：18.S096-科学机器学习的应用
文件大小：32.09MB
文件格式：ZIP
更新时间：2024-03-05 02:29:51
neural-networks partial-differential-equations differential-equations lecture-notes neural-ode
18.S096数学专业：科学机器学习的应用 讲师：Christopher Rackauckas博士 机器学习和科学计算以前曾生活在不同的世界中，其中一个专注于训练像图像处理这样的应用程序的神经网络，另一个致力于求解气候模型中定义的偏微分方程。 但是，最近出现的一门学科称为科学机器学习或物理学知识学习，通过将机器学习的元素集成到科学计算工作流中来逆转这一趋势。 这些最新进展通过加速先前的工作流程并产生了数据有效的学习技术（“小数据机器学习”），增强了科学计算和机器学习从业者的工具箱。 本课程将是对科学机器学习的基于项目的研究，直接进入计算工具以学习“做”科学机器学习的实际方面。 学生将获得动手实践的构建程序，这些程序包括： 训练数据有效的物理信息神经网络 使用替代方法（例如神经网络）加速科学模型 使用递归神经网络求解一百维偏微分方程 使用神经常微分方程解决经典的机器学习问题，例如图像分类
【文件预览】：
18S096SciML-master
----lecture3()
--------diffeq_ml.html(1.02MB)
--------diffeq_ml.jmd(19KB)
----lecture4()
--------pde_stiff.html(2.11MB)
--------pde_stiff.jmd(21KB)
----lecture2()
--------ml.jmd(17KB)
--------ml.html(228KB)
----lecture7()
--------ad.html(23KB)
--------ad.jmd(6KB)
----lecture5()
--------stiffness.jmd(30KB)
--------stiffness.html(201KB)
----lecture1()
--------scientific_ml.pptx(29.7MB)
----README.md(15KB)
----lecture6()
--------sdes.jmd(31KB)
--------sdes.html(177KB)