物理信息驱动深度学习相关报告总结

物理信息驱动深度学习相关报告

  • 内嵌物理的深度学习,机器之心

    • 报告人:麻省理工学院陆路老师。
    • 报告内容:本次分享将回顾将物理知识嵌入机器学习的一些趋势,介绍当前的一些常用方法,包括内嵌物理的神经网络(physics-informed neural networks,PINNs)、多保真度神经网络(nulti-fidelity neural networks)和深度算子网络(DeepONet),同时还将讨论这些方法在求解物理和工程问题上的一些应用,特别是在反问题求解上的应用。
    • PPT:https://lululxvi.github.io/files/talks/2021Synced.pdf
  • A Short Introduction to Physics InformedNeural Networks (PINNs),b站

    • 报告人:李军博士,谢毅博士,殷会敏博士,刘旭博士。
  • 气动优化设计中的可解释可迁移机器学习研究,WS-FTNCFD-2022。报告人:清华大学李润泽博士。

  • leaning operators using deep neural networks for diverse application,哔哩哔哩

    • 报告人:麻省理工学院陆路老师。
    • 该报告主要介绍了陆路老师关于deeponet相关工作。
  • 18
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“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

打赏作者

pinn山里娃

原创不易请多多支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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