Andrew Stuart - Supervised Learning For Operators

Автор: Physics Informed Machine Learning

Загружено: 2022-05-11

Просмотров: 4622

Описание: Prof. Andrew Stuart from Caltech speaking in the UW Data-driven methods in science and engineering seminar on May 6, 2022.

Sign up for notifications of future talks: https://mailman11.u.washington.edu/ma...

Abstract: Consider map F: U \to V. Given data pairs {u_j,F(u_j)} the goal of supervised learning is to approximate F. Neural networks have shown considerable success in addressing this problem in settings where X is a finite dimensional Euclidean space and where Y is either a finite dimensional Euclidean space (regression) or a set of finite cardinality (classification). Motivated by the need for surrogate modeling (in, for example, Bayesian inversion) and by scientific discovery (in, for example, constitutive modeling) we focus on the design and analysis of algorithms which address supervised learning for settings where U and V comprise spaces of functions; thus F is an operator. The talk describes emerging methodology in this area, emerging theory which underpins the methodology and numerical experiments which elucidate the efficiency of different approaches. Various applications from continuum mechanics are described, including an inverse problem arising in incompressible fluid flow and constitutive modeling in viscoelasticity.

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...

Andrew Stuart - Supervised Learning For Operators

Доступные форматы для скачивания:

Скачать видео

Информация по загрузке:

Скачать аудио

Похожие видео

Richard Baraniuk - Deep Network Spline Geometry

Richard Baraniuk - Deep Network Spline Geometry

Рабочая музыка для глубокой концентрации и сверхэффективности

Рабочая музыка для глубокой концентрации и сверхэффективности

Anima Anandkumar - Neural operator: A new paradigm for learning PDEs

Anima Anandkumar - Neural operator: A new paradigm for learning PDEs

Miles Cranmer - The Next Great Scientific Theory is Hiding Inside a Neural Network (April 3, 2024)

Miles Cranmer - The Next Great Scientific Theory is Hiding Inside a Neural Network (April 3, 2024)

EI 2023 Plenary 1: Neural Operators for Solving PDEs

EI 2023 Plenary 1: Neural Operators for Solving PDEs

Но что такое нейронная сеть? | Глава 1. Глубокое обучение

Но что такое нейронная сеть? | Глава 1. Глубокое обучение

4 Hours Chopin for Studying, Concentration & Relaxation

4 Hours Chopin for Studying, Concentration & Relaxation

Сосредоточьтесь, как генеральный директор в своем пентхаусе - Музыка для работы, обеспечивающая с...

Сосредоточьтесь, как генеральный директор в своем пентхаусе - Музыка для работы, обеспечивающая с...

Fourier Neural Operator (FNO) [Physics Informed Machine Learning]

Fourier Neural Operator (FNO) [Physics Informed Machine Learning]

George Karniadakis - From PINNs to DeepOnets

George Karniadakis - From PINNs to DeepOnets

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

4 Hours of Deep Focus Music for Studying - Concentration Music For Deep Thinking And Focus

4 Hours of Deep Focus Music for Studying - Concentration Music For Deep Thinking And Focus

Physics Informed Machine Learning: High Level Overview of AI and ML in Science and Engineering

Physics Informed Machine Learning: High Level Overview of AI and ML in Science and Engineering

Learning operators using deep neural networks for multiphysics, multiscale, & multifidelity problems

Learning operators using deep neural networks for multiphysics, multiscale, & multifidelity problems

Глубокие операторские сети (DeepONet) [Машинное обучение с учетом физики]

Глубокие операторские сети (DeepONet) [Машинное обучение с учетом физики]

Лекция от легенды ИИ в Стэнфорде

Лекция от легенды ИИ в Стэнфорде

Zico Kolter - Incorporating physics and decision making into deep learning via implicit layers

Zico Kolter - Incorporating physics and decision making into deep learning via implicit layers

Physics-Informed Neural Networks (PINNs) - An Introduction - Ben Moseley | Jousef Murad

Physics-Informed Neural Networks (PINNs) - An Introduction - Ben Moseley | Jousef Murad

🎙 Честное слово с Андреем Кураевым

🎙 Честное слово с Андреем Кураевым

DeepOnet: Изучение нелинейных операторов на основе универсальной теоремы об аппроксимации операто...

DeepOnet: Изучение нелинейных операторов на основе универсальной теоремы об аппроксимации операто...