【Udemy中英字幕】Inverse Physics Informed Neural Networks (I-PINNs)

逆向物理信息神经网络 (I-PINN)

使用 AI 模拟物理系统参数

讲师：Dr.Mohammad Samara

双语IT资源独家Mosh付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

你将学到什么

• 了解偏微分方程求解器背后的理论。
• 构建基于数值的偏微分方程求解器。
• 了解逆 PINN 偏微分方程求解器背后的理论。
• 构建 Inverse-PINNs 代码求解器。

要求

• 高中数学
• 基础Python知识

描述

这门综合课程旨在帮助您掌握有效利用逆物理信息神经网络 (IPINN) 的技能。我们将深入研究求解偏微分方程 (PDE) 的基本概念，并演示如何使用有限差分法 (FDM) 求解 PDE 所生成的数据，通过应用逆向物理信息神经网络来计算模拟参数。

在本课程中，您将学习以下技能：

• 了解有限差分法背后的数学原理。
• 从头开始编写和构建算法以完善有限差分法。
• 了解偏微分方程 (PDE) 背后的数学原理。
• 使用 Pytorch编写和构建机器学习算法来解决Inverse-PINN。
• 使用 DeepXDE编写和构建机器学习算法来解决Inverse-PINN。

我们将涵盖：

• Pytorch矩阵和张量基础知识。
• 一维 Burgers 方程的有限差分法 (FDM)数值解。
• 一维 Burgers 方程的物理信息神经网络 (PINN)解决方案。
• 一维 Burgers 方程的总变分递减 (TVD)方法解。
• 一维 Burgers 方程的逆 PINN  解。
• 使用DeepXDE 的2D Navier Stokes 方程的逆 PINN。

如果您缺乏机器学习或计算工程方面的经验，请不要担心。本课程内容全面，课程全面，让您全面了解机器学习以及偏微分方程 PDE 和逆物理信息神经网络 IPINN 的基本方面。

让我们一起享受学习 PINN 的乐趣

本课程适合谁：

• 想要学习 Inverse-PINN 的工程师和程序员