动力系统
首次尝试!深度学习从原始视频中发现未知输入激励的动力系统的可解释物理定律
编辑/绿萝由于深度学习的发展进步,从视频中提取可解释的物理定律引发了计算机视觉社区的兴趣,但仍然面临巨大的挑战。控制方程(例如 PDE、ODE)的发现可能促进我们对复杂动力系统行为的理解、建模和预测。收集数据的日益丰富和机器学习的进步带来了动态系统建模的新视角。近日,来自中国人民大学和中国科学院大学、美国东北大学的研究团队提出了一个端到端的无监督深度学习框架,根据录制的视频揭示运动物体呈现的显式动力学控制方程。模拟动态场景的实验表明,所提出的方法能够提取封闭形式的控制方程并同时识别视频记录的多个动力系统的未知激励输
6/6/2022 11:50:00 AM
ScienceAI
- 1
资讯热榜
标签云
人工智能
OpenAI
AIGC
AI
ChatGPT
AI绘画
DeepSeek
机器人
数据
谷歌
模型
大模型
Midjourney
智能
用户
学习
GPT
开源
微软
AI创作
图像
Meta
技术
论文
Stable Diffusion
马斯克
算法
Gemini
蛋白质
生成式
芯片
代码
神经网络
腾讯
英伟达
计算
研究
Sora
AI for Science
AI设计
3D
机器学习
GPU
开发者
场景
Anthropic
华为
预测
伟达
Transformer
深度学习
模态
百度
AI视频
苹果
驾驶
文本
搜索
xAI
神器推荐
人形机器人
Copilot
LLaMA
具身智能
安全
算力
大语言模型
应用
视频生成
字节跳动
科技
Claude
干货合集
视觉
2024
AGI
特斯拉
亚马逊
架构
语音