🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش شبکههای عصبی آگاه از فیزیک (PINNs)
- آخرین آپدیت
دانلود Physics Informed Neural Networks (PINNs)
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
شبیه سازی با هوش مصنوعی
یادگیری عمیق حل معادلات دیفرانسیل با مشتقات جزئی (PDEs)
ساخت حل کننده معادلات دیفرانسیل با مشتقات جزئی مبتنی بر روش تفاضل محدود
ساخت حل کننده معادلات دیفرانسیل با مشتقات جزئی مبتنی بر شبکههای عصبی آگاه از فیزیک (PINNs)
درک نظری حل کنندههای معادلات دیفرانسیل با مشتقات جزئی (PDEs) با رویکرد PINNs
پیشنیازها:
ریاضیات دبیرستان
دانش پایهی پایتون
توضیحات دوره
این دوره جامع، شما را برای استفاده از شبکههای عصبی آگاه از فیزیک (PINNs) آماده میکند. در این دوره، مبانی حل معادلات دیفرانسیل با مشتقات جزئی (PDEs) و نحوه حل آنها با استفاده از روش تفاضل محدود و همچنین شبکههای عصبی آگاه از فیزیک (PINNs) را پوشش خواهیم داد.
مهارتهایی که کسب خواهید کرد:
درک مبانی ریاضی روش تفاضل محدود.
نوشتن و ساخت الگوریتم از ابتدا برای حل روش تفاضل محدود.
درک مبانی ریاضی معادلات دیفرانسیل با مشتقات جزئی (PDEs).
نوشتن و ساخت الگوریتمهای یادگیری ماشین برای حل PINNs با استفاده از Pytorch.
نوشتن و ساخت الگوریتمهای یادگیری ماشین برای حل PINNs با استفاده از DeepXDE.
پردازش نتایج (Postprocessing).
استفاده از کتابخانههای متنباز.
مباحث پوشش داده شده در دوره:
حل عددی معادله گرما یکبعدی با روش تفاضل محدود (FDM).
حل عددی معادله بورگرز دوبعدی با روش تفاضل محدود (FDM).
حل معادله بورگرز یکبعدی با شبکههای عصبی آگاه از فیزیک (PINNs).
حل معادله گرما دوبعدی با شبکههای عصبی آگاه از فیزیک (PINNs).
حل معادله گرما یکبعدی با Deepxde.
حل معادله ناویه-استوکس دوبعدی با Deepxde.
اگر تجربه قبلی در یادگیری ماشین یا مهندسی محاسباتی ندارید، نگران نباشید. این دوره جامع و مختصر است و مبانی یادگیری ماشین، معادلات دیفرانسیل با مشتقات جزئی (PDEs) و شبکههای عصبی آگاه از فیزیک (PINNs) را پوشش میدهد. بیایید با هم از یادگیری PINNs لذت ببریم.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه
Introduction
نصب Anaconda
Installing Anaconda
ساختار دوره
Course Structure
مبانی PyTorch
Pytorch Basics
نظریه یادگیری عمیق
Deep Learning Theory
مبانی تنسورهای PyTorch
PyTorch Tensors Basics
تبدیل تنسورها به آرایههای NumPy
Tensors to NumPy arrays
نظریه انتشار رو به عقب
Backpropagation Theory
انتشار رو به عقب با استفاده از PyTorch
Backpropagation using PyTorch
راه حل عددی FDM برای معادله حرارتی یکبعدی
FDM Numerical Solution 1D Heat Equation
نظریه راه حل عددی
Numerical solution theory
پیشپردازش
Pre-processing
حل معادله
Solving the Equation
پسپردازش
Post-processing
راه حل عددی FDM برای معادله دو بعدی Burgers
FDM Numerical Solution for 2D Burgers Equation
پیشپردازش
Pre-processing
حل معادله
Solving the Equation
پسپردازش
Post-processing
راه حل PINNs برای معادله یکبعدی Burgers
PINNs Solution for 1D Burgers Equation
نظریه PINNs
PINNs Theory
تعریف شبکه عصبی
Define the Neural Network
شرایط اولیه و مرزی
Initial Conditions and Boundary Conditions
تابع زیان
Loss Function
آموزش مدل
Train the Model
بهینهساز
Optimizer
ارزیابی نتایج
Results Evaluation
راه حل PINNs برای معادله حرارتی دو بعدی
PINNs Solution for 2D Heat Equation
تعریف شبکه عصبی
Define the Neural Network
شرایط اولیه و مرزی
Initial Conditions and Boundary Conditions
بهینهساز
Optimizer
تابع زیان
Loss Function
آموزش مدل
Train the Model
ارزیابی نتایج
Results Evaluation
راه حل Deepxde برای حرارت یکبعدی
Deepxde Solution for 1D Heat
تنظیم هندسه، شرایط مرزی و اولیه
Set Geometry, B.C and I.C
تعریف شبکه و PDE
Define the Network and the PDE
آموزش مدل
Train the model
ارزیابی نتایج
Result evaluation
راه حل Deepxde برای Navier Stokes دو بعدی
Deepxde Solution for 2D Navier Stokes
نمایش نظرات