逆向物理信息神经网络 (I-PINN)
使用 AI 模拟物理系统参数
讲师：Dr.Mohammad Samara
口袋资源独家Mosh付费课程，独家中英文字幕，配套资料齐全！
用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。
你将学到什么
- 了解偏微分方程求解器背后的理论。
- 构建基于数值的偏微分方程求解器。
- 了解逆 PINN 偏微分方程求解器背后的理论。
- 构建 Inverse-PINNs 代码求解器。
要求
- 高中数学
- 基础Python知识
描述
这门综合课程旨在帮助您掌握有效利用逆物理信息神经网络 (IPINN) 的技能。我们将深入研究求解偏微分方程 (PDE) 的基本概念，并演示如何使用有限差分法 (FDM) 求解 PDE 所生成的数据，通过应用逆向物理信息神经网络来计算模拟参数。
在本课程中，您将学习以下技能：
- 了解有限差分法背后的数学原理。
- 从头开始编写和构建算法以完善有限差分法。
- 了解偏微分方程 (PDE) 背后的数学原理。
- 使用 Pytorch编写和构建机器学习算法来解决Inverse-PINN。
- 使用 DeepXDE编写和构建机器学习算法来解决Inverse-PINN。
我们将涵盖：
- Pytorch矩阵和张量基础知识。
- 一维 Burgers 方程的有限差分法 (FDM)数值解。
- 一维 Burgers 方程的物理信息神经网络 (PINN)解决方案。
- 一维 Burgers 方程的总变分递减 (TVD)方法解。
- 一维 Burgers 方程的逆 PINN 解。
- 使用DeepXDE 的2D Navier Stokes 方程的逆 PINN。
如果您缺乏机器学习或计算工程方面的经验，请不要担心。本课程内容全面，课程全面，让您全面了解机器学习以及偏微分方程 PDE 和逆物理信息神经网络 IPINN 的基本方面。
让我们一起享受学习 PINN 的乐趣
本课程适合谁：
- 想要学习 Inverse-PINN 的工程师和程序员
声明：口袋资源网（koudaizy.com）提供的所有课程、素材等资源全部来源于互联网，赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持，从本站下载资源，说明你已同意本条款。
