Edward Weinert

"What I cannot create, I do not understand." – Richard Feynman

  • Analiza Danych,  Uczenie Maszynowe

    Rozwiązywanie równań różniczkowych cząstkowych za pomocą głębokiego uczenia

    2021-09-14 /

    Równania różniczkowe cząstkowe są jednym z podstawowych narzędzi matematycznych do opisu rzeczywistego układu i zachodzących w nim zmian w czasie. Stosuje się je począwszy od fizyki, gdzie wzięły swój początek, przez chemię, biologię, aż po socjologię i ekonomię. Niestety dla większości opisywanych zjawisk tworzą one skomplikowane układy równań. Ich rozwiązanie analityczne jest możliwe tylko w bardzo niewielu przypadkach. Ogromną większość można rozwiązać tylko numerycznie na bardzo silnych komputerach, a i tak zajmuje to bardzo dużo czasu: dni, tygodnie, a nawet miesiące. Próby wykorzystania sieci neuronowych i głębokiego uczenia bezpośrednio do modelowania natury na podstawie danych natrafiły na bardzo poważne problemy, o czym możecie przeczytać w osobnym artykule – Fizyka zmienia…

    dowiedz się więcej

    Zobacz również

    Fizyka zmienia uczenie maszynowe

    2021-09-03

    Między eksperymentem a harmonogramem – planowanie projektów AI z PERT i Monte Carlo

    2025-06-09

    Środowisko pracy Data Science w Python

    2020-06-24

ai datascience deep learning EDA entropia fizyka machinelearning matematyka mechanika kwantowa Monte Carlo nawadnianie OODA pekolacja pert python rolnictwo równania różniczkowe sieci neuronowe termodynamika zarządzanie zarządzanie projektem

Ashe Motyw przez WP Royal.