ETH Zürich DLSC: Нейронные сети, основанные на физических принципах — приложения.

↓↓↓ ОБЗОР ЛЕКЦИИ НИЖЕ ↓↓↓ ETH Zürich Глубокое обучение в научных вычислениях 2023 Лекция 5: Нейронные сети, основанные на физических принципах — Приложения Веб-сайт курса (ссылки на слайды и учебные материалы): https://camlab.ethz.ch/teaching/deep-... Лекторы: Бен Мозли и Сиддхартха Мишра ▬ Содержание лекции ▬▬▬▬▬▬▬▬▬ 0:00 — Обзор лекции 1:45 — Что такое нейронная сеть, основанная на физических принципах (PINN)? 11:59 - PINN как общая структура 17:17 - PINN для решения уравнения Бюргерса 20:20 - Как обучать PINN 28:34 - 🔴 Кодирование PINN в реальном времени - часть 1 | Код: github.com/benmoseley/DLSC-2023 39:42 - Вопросы обучения 44:27 - [пауза - пожалуйста, пропустите] 53:07 - Моделирование с помощью PINN 1:00:14 - Решение обратных задач с помощью PINN 1:14:00 - 🔴 Кодирование PINN в реальном времени - часть 2 | Код: https://github.com/benmoseley/DLSC-2023 1:24:10 - Обнаружение уравнений с помощью PINN ▬ Обзор курса ▬▬▬▬▬▬▬▬▬ Лекция 1: Введение в курс    • ETH Zürich DLSC: Course Introduction   Лекция 2: Введение в глубокое обучение. Часть 1    • ETH Zürich DLSC: Introduction to Deep Lear...   Лекция 3: Введение в глубокое обучение. Часть 2    • ETH Zürich DLSC: Introduction to Deep Lear...   Лекция 4: Нейронные сети, основанные на физических принципах — Введение    • ETH Zürich DLSC: Physics-Informed Neural N...   Лекция 5: Нейронные сети, основанные на физических принципах — Приложения    • ETH Zürich DLSC: Physics-Informed Neural N...   Лекция 6: Нейронные сети, основанные на физических принципах — Ограничения и расширения    • ETH Zürich DLSC: Physics-Informed Neural N...   Лекция 7: Введение в обучение операторов. Часть 1.    • ETH Zürich DLSC: Introduction to Operator ...   Лекция 8: Введение в обучение операторов. Часть 2.    • ETH Zürich DLSC: Introduction to Operator ...   Лекция 9: Глубокие сети операторов    • ETH Zürich DLSC: Deep Operator Networks   Лекция 10: Нейронные операторы    • ETH Zürich DLSC: Neural Operators   Лекция 11: Нейронные операторы Фурье и сверточные нейронные операторы    • ETH Zürich DLSC: Fourier Neural Operators ...   Лекция 12: Введение в дифференцируемую физику. Часть 1    • ETH Zürich DLSC: Introduction to Different...   Лекция 13: Введение в дифференцируемую физику. Часть 2.    • ETH Zürich DLSC: Introduction to Different...   ▬ Цели курса ▬▬▬▬▬ Цель этого курса — познакомить студентов с передовыми приложениями глубокого обучения в научных вычислениях. Основное внимание будет уделено разработке и реализации алгоритмов, а также лежащей в их основе теории, гарантирующей надежность алгоритмов. Мы приводим несколько примеров приложений в науке и технике, где алгоритмы на основе глубокого обучения превосходят современные методы. По завершении курса вы должны: Быть в курсе передовых применений глубокого обучения в научных вычислениях Быть знакомы с проектированием, реализацией и теорией этих алгоритмов Понимать преимущества и недостатки использования глубокого обучения Понимать ключевые концепции и темы машинного обучения в науке