没有合适的资源?快使用搜索试试~
我知道了~
文库首页
开发技术
其它
TensorFlowDiffEq.jl:将TensorFlow用于科学机器学习(SciML)的物理信息神经网络
TensorFlowDiffEq.jl:将TensorFlow用于科学机器学习(SciML)的物理信息神经网络
共11个文件
yml:3个
md:2个
require:2个
python
tensorflow
julia
需积分: 17
2 下载量
72 浏览量
2021-02-04
14:59:49
上传
评论
收藏
8KB
ZIP
举报
温馨提示
立即下载
TensorFlowDiffEq.jl:将TensorFlow用于科学机器学习(SciML)的物理信息神经网络
资源详情
资源评论
收起资源包目录
TensorFlowDiffEq_jl-master.zip
(11个子文件)
TensorFlowDiffEq.jl-master
.github
workflows
TagBot.yml
362B
CI.yml
857B
test
runtests.jl
2KB
REQUIRE
59B
CITATION.bib
617B
src
TensorFlowDiffEq.jl
6KB
LICENSE.md
1KB
.gitignore
29B
.codecov.yml
15B
REQUIRE
55B
README.md
567B
共 11 条
1
评论
收藏
内容反馈
立即下载
评论0
去评论
最新资源
文档包含词向量的定义及实现方法
后端开发学习指南:从入门到精通的路径规划
Python笔记大全.pdf
基于物联网的户外环境检测装置(STM32、APP、WIFI)(大赛作品,文档完整,可直接运行)
MVIMG_20240428_142418.jpg
mybatis动态sql及其JAVA示例
微软常用运行库 游戏运行库 VC++各个版本
微信小程序开发教程.pptx
MyBatis动态SQL是一种强大的特性,它允许我们在SQL语句中根据条件动态地添加或删除某些部分,从而实现更加灵活和高效的数据
锐捷网络认证中心网络管理.pdf
Mika.w
粉丝: 32
资源:
4592
私信
上传资源 快速赚钱
前往需求广场,查看用户热搜
相关推荐
应用与物理学中的神经网络
In many machine learning applications, labeled data is scarce and obtaining more labels is expensive. We introduce a new approach to supervising neural networks by specifying constraints that should h
SciMLTutorials.jl:使用开源软件进行科学机器学习(SciML)和高性能微分方程求解的教程
SciMLTutorials.jl:使用开源软件进行科学机器学习(SciML)和高性能微分方程求解的教程
phygnn:物理学指导的神经网络(phygnn)
菌素 phygnn (fi-geon | ˈfi-jən)名词。 物理学指导的神经网络 一只稀有的神话鸟 物理学指导的神经网络的这种实现通过通用的损失项增强了传统的神经网络损失功能,该损失项可用于指导神经网络学习物理或理论约束。 phygnn使科学软件开发人员和数据科学家能够轻松地将机器学习模型集成到物理和工程应用程序中。当将纯数据驱动的机器学习模型应用于科学应用时,例如当机器学习模型产生物理上
Surrogates.jl:科学机器学习(SciML)的替代模型和优化
代理人 替代模型是一种近似方法,它模仿计算上昂贵的模拟的行为。 用更多的数学术语:假设我们正在尝试优化函数f(p) ,但是f每次计算都非常昂贵。 可能是我们需要为每个点求解PDE或使用高级数值线性代数机制的情况,这通常很昂贵。 我们的想法是再开发一个替代模型g近似于f通过对从评估收集以前的数据训练f 。 代理模型的构建可以看作是一个三步过程: 样品选择 替代模型的构建 代理优化 当前所有可用的
ODE.jl:用于科学机器学习(SciML)的各种基本常微分方程求解器
在Julia中实现的各种基本的常微分方程求解器。 始终强烈欢迎请求请求来修复错误,添加求解器或其他任何方法! 项目现状 不推荐使用此项目,而推荐使用及其ODE求解器 。 该库处于“维护模式”,这意味着每个Julia版本都将对其进行升级,但未开发出有效的功能。 ODE.jl包含最初从Base迁移包时在此处移动的基本功能。 尽管测试得很差,但是至少某些功能是相当可靠的。 使用风险自负。 通用接口上的
sciml:这包含了蔚蓝python流数据实验中使用的所有代码
科学 其中包含用于和的博客中描述的蔚蓝python流数据实验中使用的所有代码。 该代码已被重写为没有所有天蓝色的依赖关系,除了使用Azure Tables作为来自表Web服务的最终存储之外。 当然可以重写它以使用另一个数据库。 ##数据 有四种类型 arxiv配置文件。 它们采取config_name.json的形式,其中名称可以是all4(顶层),bio(arxiv q-bio对象),comp
分布式计算
分布式计算
diffeqr:使用DifferentialEquations.jl和SciML科学机器学习生态系统求解R中的微分方程
diffeqr diffeqr是用于解决R中的微分方程的软件包。它利用作为其核心例程,可以高效地求解普通微分方程(ODE),随机微分方程(SDE),延迟微分方程(DDE)和微分方程。 R中的代数方程(DAE) 如果您有任何疑问,或者只是想讨论求解器/使用软件包,请随时在聊天。 对于错误报告,功能请求等,请提交问题。 安装 。 因此,要添加软件包,请使用: install.packages(
DifferentialEquations.jl:用于微分方程和科学机器学习(SciML)组件的高性能求解器的多语言套件
DifferentialEquations.jl:用于微分方程和科学机器学习(SciML)组件的高性能求解器的多语言套件
Sundials.jl:Julia与Sundials的接口,包括以SciML科学机器学习方式启用的非线性求解器(KINSOL),ODE(CVODE和ARKODE)和DAE(IDA)
Sundials.jl:Julia与Sundials的接口,包括以SciML科学机器学习方式启用的非线性求解器(KINSOL),ODE(CVODE和ARKODE)和DAE(IDA)
DiffEqGPU.jl:用于DifferentialEquations.jl和更广泛的SciML科学机器学习生态系统的GPU加速例程
DiffEqGPU 茱莉亚(Julia) GPU CI 1.5 1.6晚 每夜 该库是DifferentialEquations.jl生态系统的组件包。 它包括在微分方程求解器中使用GPU的功能。 直接使用CuArray的方法内GPU并行性 本地Julia库(包括(但不限于)OrdinaryDiffEq,StochasticDiffEq和DelayDiffEq)与u0作为CuArray
RootedTrees.jl:围绕有根树的功能的集合,可为Julia中的Runge-Kutta方法生成用于微分方程和科学机器学习(SciML)的顺序条件
RootedTrees.jl:围绕有根树的功能的集合,可为Julia中的Runge-Kutta方法生成用于微分方程和科学机器学习(SciML)的顺序条件
Catalyst.jl:用于科学机器学习(SciML)的化学React网络和系统生物学接口。 开源软件中的高性能,GPU并行化和O(1)求解器
催化剂 Catalyst.jl是用于化学React网络的高性能仿真和建模的领域特定语言(DSL)。 Catalyst利用 ReactionSystem s,利用ModelingToolkit通过自动矢量化和并行性实现大规模仿真。 ReactionSystem可以用于生成基于ModelingToolkit的模型,从而可以轻松地模拟和评估质量作用ODE模型,化学兰格文SDE模型,随机化学动力学跃迁过
ModelingToolkit.jl:Julia中用于自动并行化科学机器学习(SciML)的建模框架。 用于集成符号的计算机代数系统,用于物理知识的机器学习和微分方程的自动转换
ModelingToolkit.jl:Julia中用于自动并行化科学机器学习(SciML)的建模框架。 用于集成符号的计算机代数系统,用于物理知识的机器学习和微分方程的自动转换
NBodySimulator.jl:带有天体物理和分子动力学等N体问题的科学机器学习(SciML)的差异化模拟器
NBodySimulator 此项目目前正在开发中。 潜在计算的实施还只是实验性的,尚未得到广泛验证。 您现在可以测试不同系统的仿真,但是要注意将来可能发生的变化。 添加包裹 为了开始模拟N个相互作用的物体的系统,有必要将NBodySimulator程序包添加到Julia中,然后开始使用它: ]add NBodySimulator using NBodySimulator 如果您迫不及待想开
TensorFlow.jl, 用于TensorFlow的Julia包装器.zip
TensorFlow.jl, 用于TensorFlow的Julia包装器 TensorFlow 围绕 TensorFlow的包装器,这是一个流行的开源机器。文档 为什么使用 TensorFlow.jl?请参见在 python API上使用的优势的列表。:最近更改的内容?请参阅新
SciMLBenchmarks.jl:科学机器学习(SciML)软件和微分方程求解器的基准
SciMLBenchmarks.jl拥有显示SciML科学机器学习软件生态系统基准的网页,pdf和笔记本,包括微分方程求解器的跨语言基准和参数估计方法,训练通用微分方程(以及诸如神经ODE的子集),以及更多的。 互动笔记本 要通过...
MATLABDiffEq.jl:针对SciML科学机器学习生态系统的MATLAB ODE求解器通过MATLAB.jl的通用接口绑定
MATLABDiffEq.jl:针对SciML科学机器学习生态系统的MATLAB ODE求解器通过MATLAB.jl的通用接口绑定
GalacticOptim.jl:针对科学机器学习(SciML)进行本地,全球以及其他方面的优化
GalacticOptim.jl GalacticOptim.jl是一个程序包,其作用域超出了您的常规全局优化程序包。 GalacticOptim.jl试图将它可以找到的所有优化包(本地和全局)整合到一个统一的Julia界面中。 这意味着,您学习一个软件包...
PINNs:物理信息神经网络,对Burgers和Navier Stokes方程进行建模
人工神经网络 使用SciANN构建物理信息神经网络以对Burgers和Navier Stokes方程建模
5星 · 资源好评率100%
DiffEqOperators.jl:线性算子,用于离散化微分方程和科学机器学习(SciML)
DiffEqOperators.jl:线性算子,用于离散化微分方程和科学机器学习(SciML)
SumProductNetworks.jl:Julia中的Sum-product网络
SumProductNetworks.jl:Julia中的Sum-product网络
TensorFlow.jl:TensorFlow的Julia包装器
TensorFlow.jl:TensorFlow的Julia包装器
Augmentor.jl:Julia中用于机器学习的快速图像增强库
Augmentor.jl:Julia中用于机器学习的快速图像增强库
SciPyDiffEq.jl:SciML科学机器学习组织的SciPy微分方程求解器的包装器
SciPyDiffEq.jl:SciML科学机器学习组织的SciPy微分方程求解器的包装器
QuantumWalk.jl:QuantumWalk.jl:用于基于量子游走构建算法的程序包
QuantumWalk.jl:QuantumWalk.jl:用于基于量子游走构建算法的程序包
DelayDiffEq.jl:SciML科学机器学习生态系统的延迟微分方程求解器
DelayDiffEq.jl:SciML科学机器学习生态系统的延迟微分方程求解器
ExponentialUtilities.jl:SciML科学机器学习生态系统的指数积分器的效用函数
ExponentialUtilities.jl:SciML科学机器学习生态系统的指数积分器的效用函数
HierarchicalAD.jl:包含用于通过分层生成模型(例如,阶梯式自动编码器)进行异常检测的源代码的存储库
HierarchicalAD.jl 一个包含用于通过分层生成模型(例如,阶梯式自动编码器)进行异常检测的源代码的存储库。 该代码库使用Julia语言和进行了可重现的科学项目,名为HierarchicalAD.jl 它是由VítŠkvára创作的。 ...
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0
最新资源