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

物理信息神经网络 (PINN)

人工智能模拟

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。
• 构建基于 PINN 的 pdes 求解器。
• 了解 PINN 偏微分方程求解器背后的理论。

要求

• 高中数学
• 基础Python知识

描述

描述

这是一门完整的课程，将帮助您做好使用物理信息神经网络 (PINN) 的准备。我们将介绍求解偏微分方程 (PDE) 的基础知识以及如何使用有限差分法以及物理信息神经网络 (PINN) 来求解它们。

您将学习什么技能：

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 PINN 。
• 使用DeepXDE编写和构建机器学习算法来解决 PINN 。
• 对结果进行后处理。
• 使用开源库。

我们将涵盖：

• 有限差分法(FDM)数值解一维热方程。
• 2D 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。
• 二维热方程的物理信息神经网络(PINN)解决方案  。
• Deepxde一维热  解决方案。
• 适用于2D Navier Stokes的Deepxde  解决方案  。

如果您之前没有机器学习或计算工程经验，那也没有问题。本课程完整而简洁，涵盖了机器学习/偏微分方程 (PDE) 物理信息神经网络 (PINN) 的基础知识。让我们一起享受学习 PINN 的乐趣吧。

本课程适合谁：

• 想要学习 PINN 的工程师和程序员