分享一本电子书资源《基于物理的深度学习》（Physics-based Deep Learning），编写者为慕尼黑工业大学计算机科学研究所副教授Nils Thuerey研究团队。
本书包含在物理模拟背景下与深度学习相关的所有内容的实用而全面的介绍。文档中的所有主题以 Jupyter Notebook的形式提供动手代码示例，以方便快速入门。除了从数据中进行标准的监督学习之外，本书还将研究物理损失约束、具有可微模拟的更紧密耦合的学习算法，以及强化学习和不确定性建模。
阅读链接：Physics-based Deep Learning Book
本书旨在解决的关键问题和重点内容包括：
-
解释如何使用深度学习技术解决 PDE 问题
-
如何将它们与现有的物理学知识结合起来
-
不放弃关于数值方法的知识。
-
基于场的模拟（拉格朗日方法）
-
与深度学习的结合（尽管还有许多其他有趣的机器学习技术，但不会在这里讨论）
-
实验作为展望（用真实世界的观察替换合成数据）
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢