首页/文章/ 详情

Physics-based Deep Learning.pdf一书资料领取

1年前浏览1902
近年来,机器学习技术,尤其是深度神经网络,在各个领域取得了令人印象深刻的成就:从图像分类到自然语言处理以及最近的蛋白质折叠。机器学习领域充满活力,发展迅速,前景广阔。物理世界中使用深度学习方法的成功案例引起了人们的关注,即这项技术取代传统的、模拟驱动的科学方法的潜力。最近的工作表明基于NN的代理模型实现了真实世界工业应用(如翼型)所需的精度。

但是,之前市面上任然没有系统全面来阐释这一研究方向,大多是零散的论文研究,还没有著书。最近,N. Thuerey, P. Holl, M. Mueller, P. Schnell, F. Trost, K. Um六位大佬编写的<<Physics-basedDeep Learning  

         


这本书从物理学习的概述、物理误差、物理方程、强化学习、算法误差等角度进行了全面的阐述。最令人惊艳的是,全书拥有大量的案例,每一个案例都含有详尽的代码,其编译器均可在Jupyter Notebook上运行,其代码框架是基于最流行的两个框架pytorch和TensorFlow,对深度学习者非常友好。



来源:仿真社

附件

免费链接.txt
化学
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2023-09-19
最近编辑:1年前
仿真社
硕士 ABAQUS/LS-DYNA探索者
获赞 215粉丝 536文章 97课程 5
点赞
收藏
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈