SUBJECT / scientific-machine-learning
科学机器学习
物理模型与学习算法的交汇。
7 个概念0 篇正文
01
课程章节
按难度与先修关系排列
- 01难度 4/5 · 详细大纲科学机器学习把可解释科学模型、观测数据和学习算法组合，用于反演、预测与加速计算。先修：supervised-learning · numerical-pde · uncertainty-quantification
- 02难度 4/5 · 详细大纲不确定性量化区分参数、观测和模型误差，并传播其分布以给出校准的预测区间。先修：bayesian-inference · monte-carlo-methods · statistical-estimation
- 03难度 5/5 · 详细大纲物理信息神经网络把微分方程残差、边界条件和数据误差共同写入损失函数，近似场的解。先修：scientific-machine-learning · automatic-differentiation · partial-differential-equations
- 04难度 5/5 · 详细大纲神经算子学习函数空间之间的映射，使模型能够跨输入场和网格近似一族算子解。先修：scientific-machine-learning · functional-mappings · fourier-transform
- 05难度 5/5 · 详细大纲可微分物理让数值模拟器对参数可微，以梯度方法进行系统辨识、控制和逆问题求解。先修：automatic-differentiation · numerical-pde · gradient-descent
- 06难度 5/5 · 详细大纲因果表征学习从观测与干预中学习能稳定表达生成因素和因果机制的潜在表示。先修：latent-variable-models · conditional-probability · overfitting-generalization
- 07难度 5/5 · 详细大纲函数空间映射把输入函数映射为输出函数，区分有限维参数拟合与无限维算子学习。先修：functions-and-graphs · vector-spaces · partial-differential-equations