Re-informed By Tao --- A Mathematica Friend

Wolfram Research 老是等朋友过世了于是在Blog上写下些悼词以为纪念。
标题一概以 Remembering XXX 开头加人名
http://blog.wolfram.com/?s=remembering
这种方式自然是友谊的真情流露,但人死不能复生,不免令人惋惜。

在此我也来怀念一位我们的老朋友,并不是因为他去世了,而是他进入了他人生的一个
新阶段或者说是新起点。

昨天,我收到令一位老朋友的邮件Linkedln 的邀请,他就是Tao( Marveloustau、陶悦),
获悉他已在 Illinois Institute of Technology 大学继续他的学业,而Illinois 技术大学距离
Wolfram 公司总部就很近,这到令我勾起了对这位年青的老朋友的回忆......

 

初识 Tao 是他刚来 Simwe 论坛的时候,他就展示了对Mathematica 强烈兴趣和熟练的
使用技巧,当时他还仅是一个大四的学生。坛友们一起讨论、一起做 Euler Projects  
使得我们更多的人认识了Tao。
http://forum.simwe.com/viewthread.php?tid=858267&extra=&highlight=%2Bmarveloustau&page=1

一年半前,我和 Tao 在 Mathematica China Tour 2009 同济会场上有过一面之缘,
记得当时 Tao 乘飞机赶来上海,就是为了听一堂 Wolfram 公司的讲座,实在是精神可嘉。
Tao 随身带着笔记本还向我展示了他用 Mathematica 编写的 Rubic's Cube 机器人。
录像和展示内容可见以下优酷视频:

[娱乐一下]有空看看我做的转魔方机器人吧
http://v.youku.com/v_show/id_XOTM1MDYwODg=.html

Tao 的想法常常很有创新性,见解独到,给我以启发。他在论坛中原创经典的帖子很多,
我节选了几篇,大伙可以通过这些帖子看到 Tao 的热情和智慧。

A collection of Mathematica guidebooks
http://forum.simwe.com/viewthread.php?tid=843689&highlight=%2Bmarveloustau

A naive Rubik's cube implementation
http://forum.simwe.com/viewthread.php?tid=862983&extra=page%3D1%26amp%3Bfilter%3Ddigest

八数码的Recursive Best-First Searching(递归最优搜索)实现
http://forum.simwe.com/viewthread.php?tid=866094&extra=page%3D1%26amp%3Bfilter%3Ddigest

在最近的一年中 Tao 在论坛上渐渐发帖少了,也来的少了,想必是在为出国忙碌。

最后,我想以 Tao 的 Mathematica 代码的个性话签名来结束对这位老朋友的介绍,
并祝愿他在人生新的起点上扬帆远航、乘风破浪。

 

 

  

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Physics-informed network(PIN)是一种结合物理学原理的神经网络模型。传统的神经网络模型主要基于统计数据进行训练和预测,但这种方法对于不充分的数据或者极端情况下的预测效果较差。 而PIN则采用物理学原理作为约束条件来指导神经网络的训练和预测。通过将物理方程和约束条件嵌入神经网络的架构中,使得网络能够理解和遵循物理规律。具体实现时,可以将物理方程拆分为偏微分方程或常微分方程的形式,并将其作为神经网络的一部分。 PIN的优点在于能够在数据有限的情况下提高模型的泛化能力。通过引入物理学约束,可以减少模型的过拟合风险,并对缺失数据进行补充。此外,PIN还能够处理边界条件和不确定性,提高模型的鲁棒性和可解释性。在许多物理问题中,传统方法往往需要手动调整和优化模型参数,而PIN的训练过程更加自动化和高效。 然而,PIN也存在一些挑战和限制。首先,将物理学原理与神经网络结合需要深入理解领域知识和具体物理问题的数学形式。其次,对于复杂的物理问题,需要设计合适的网络架构和优化算法来保证模型的收敛性和准确性。此外,PIN的训练时间也可能相对较长,尤其是在规模庞大的问题上。 总体而言,Physics-informed network是一种有潜力的方法,可以结合数据驱动的神经网络和物理模型,提高模型的可靠性和预测能力。随着深度学习和物理建模的不断发展,PIN在解决实际物理问题和工程应用中具有广泛的应用前景。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值