AI/ML+Physics: обзор будущих модулей и учебных курсов [Машинное обучение с учётом физики]
Автор: Steve Brunton
Загружено: 2024-05-03
Просмотров: 24960
Описание:
В этом видео представлен краткий обзор предстоящих модулей и учебных курсов этой серии по машинному обучению с учётом физики. Темы включают: (1) Экономное моделирование и SINDy; (2) Нейронные сети с учётом физики (PINN); (3) Операторные методы, такие как DeepONets и нейронные операторы Фурье; (4) Симметрии в физике и машинном обучении; (5) Технология цифровых двойников; и (6) Практические примеры из инженерии.
Это видео было создано в Вашингтонском университете при финансовой поддержке компании Boeing.
%%% ГЛАВЫ %%%
00:00 Введение и обзор
01:06 Обзор 5 этапов
04:08 Обзор физики на этапах
05:11 Зачем нужны физические модели: стоимость и масштаб данных
07:53 Зачем нужны физические модели: обобщённые модели
10:01 Зачем нужны физические модели: открытие физики
11:40 Комплексное влияние встраивания физики // Сложно подобрать подходящую формулировку
12:55 Пример: данные маятника и SINDy
15:20 Пример: символическая регрессия и эволюционная оптимизация
16:45 Пример: лагранжевы нейронные сети
18:34 Архитектуры и симметрии
19:36 Применение в инженерии
21:21 Цифровой двойник
22:15 Бенчмарк Проблемы
23:35 Концовка
Повторяем попытку...
Доступные форматы для скачивания:
Скачать видео
-
Информация по загрузке: