شبکههای عصبی فیزیکآگاه (PINN)
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تئوری پشت حلکنندههای معادلات دیفرانسیل جزئی (PDE) را درک کنید.
- یک حلکننده مبتنی بر عدد برای معادلات دیفرانسیل جزئی بسازید.
- یک حلکننده مبتنی بر شبکه عصبی فیزیکآگاه (PINN) بسازید.
- تئوری پشت حلکنندههای شبکههای عصبی فیزیکآگاه (PINN) برای معادلات دیفرانسیل جزئی را درک کنید.
توضیحات دوره
این آموزش یک دوره کامل است که شما را برای استفاده از شبکههای عصبی فیزیکآگاه (PINN) آماده میکند. این دوره اصول حل معادلات دیفرانسیل جزئی (PDE) و اینکه چگونه آنها را با روش تفاضل متناهی و همچنین شبکههای عصبی فیزیکآگاه (PINN) حل کنید را پوشش خواهد داد.
در این دوره، مهارتهای زیر را یاد خواهید گرفت:
- درک ریاضیات پشت روش تفاضل متناهی.
- نوشتن و ساختن الگوریتمها از صفر برای حل کردن روش تفاضل متناهی
- درک ریاضیات مرتبط با معادلات دیفرانسیل جزئی (PDEs).
- نوشتن و ساختن الگوریتمهای یادگیری ماشین برای حل PINNها با پای تورچ
- نوشتن و ساختن الگوریتمهای یادگیری ماشین برای حل PINNها با DeepXDE
- پردازش نتایج
- استفاده از کتابخانههای متن باز
ما موارد زیر را پوشش خواهیم داد:
- حل عددی معادله گرمای یک بعدی با روش تفاضل متناهی (FDM)
- حل عددی معادله برگر دو بعدی با روش تفاضل متناهی (FDM)
- حل معادله برگر یک بعدی با شبکههای عصبی فیزیکآگاه (PINN)
- حل معادله گرمای دو بعدی با شبکههای عصبی فیزیکآگاه (PINN)
- حل معادله گرمای یک بعدی با Deepxde
- حل ناویه–استوکس دو بعدی با Deepxde
اگر تجربه قبلی در یادگیری ماشین یا مهندسی محاسباتی ندارید، هیچ مشکلی نیست. این دوره کامل و مختصر است و اصول یادگیری ماشین و معادلات دیفرانسیل جزئی (PDE) و شبکههای عصبی فیزیکآگاه (PINN) را پوشش میدهد. بیایید با هم از یادگیری PINNها لذت ببریم.
این دوره برای چه کسانی مناسب است؟
مهندسان و برنامهنویسانی که میخواهند PINNها را یاد بگیرند.
شبکههای عصبی فیزیکآگاه (PINN)
-
مقدمه 02:30
-
نصب Anaconda 05:46
-
ساختار دوره 07:43
-
تئوری حل عددی 12:54
-
پیشپردازش 16:42
-
حل معادله 10:34
-
پسپردازش 04:56
-
پیشپردازش 24:06
-
حل معادله 09:18
-
پسپردازش 06:32
-
تئوری شبکههای عصبی فیزیکآگاه (PINN) 08:30
-
تئوری یادگیری عمیق 11:12
-
تعریف شبکه عصبی 10:42
-
شرایط اولیه و شرایط مرزی 24:42
-
تابع زیان 18:08
-
آموزش مدل 12:06
-
بهینهساز 06:31
-
ارزیابی نتایج 08:56
-
تعریف شبکه عصبی 09:05
-
شرایط اولیه و شرایط مرزی 15:05
-
بهینهساز 12:23
-
تابع زیان 16:57
-
آموزش مدل 04:02
-
ارزیابی نتایج 08:33
-
تنظیم هندسه، شرایط مرزی و شرایط اولیه 24:45
-
تعریف شبکه و PDE 10:12
-
آموزش مدل 06:02
-
ارزیابی نتیجه 02:32
-
تنظیم هندسه 12:32
-
تنظیم شرایط مرزی 18:00
-
تعریف شبکه و PDE 19:06
-
آموزش مدل 05:03
-
ارزیابی نتیجه 09:52
مشخصات آموزش
شبکههای عصبی فیزیکآگاه (PINN)
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:33
- مدت زمان :06:15:57
- حجم :7.99GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 01:39:55
- تعداد درس: 6
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:47:39
- تعداد درس: 30
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 03:48:11
- تعداد درس: 47
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 54:55
- تعداد درس: 18
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:33:59
- تعداد درس: 86
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 23:25:23
- تعداد درس: 78
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 01:08:59
- تعداد درس: 8
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 12:44:39
- تعداد درس: 121
-
سطح دوره:
-
زبان: دوبله فارسی