-
MIT、IBM 团队巧妙的 AI 要领来解决「蛮力」数学问题
编辑 | X自牛顿时代以来，自然的基本定律——光学、声学、工程学、电子学，最终都归结为一组重要的、广泛的方程。现在，研讨职员找到了一种新要领，可以利用受大脑启发的神经网络来比以前更有效地求解这些方程，在迷信和工程领域有许多潜伏的应用。相关研讨以《Physics-enhanced deep surrogates for partial differential equations》为题，发布在《Na…- 4
- 0
-
历时7年完成，大获称赞的几率数值较量争论旧书在线可看
蒂宾根大学的 Philipp Hennig 教授及其合著者编写了一本名为《Probabilistic Numerics: Computation as Machine Learning》的旧书，适合初级研究者进修使用。- 5
- 0
-
Jupyter笔记本实现，慕尼黑工大220页免费册本先容鉴于物理的深度进修
物理常识和深度进修已经成为了解决现实题目的绝佳组合，但如何更有效地将物理模型引入深度进修领域缺少一个全面的综述。慕尼黑工业大学计算机科学副教授 Nils Thuerey 团队编写的这本册本对鉴于物理的深度进修展开了详尽的先容。册本地址：：：，《鉴于物理的深度进修》（Physics-based Deep Learning）先容了物理建模、数值模仿与鉴于人工神经网络法子的结合。鉴于物理的深度进修代表了…- 20
- 0
扫码打开当前页
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×