آموزش شبیه‌سازی با اپراتورهای عصبی عمیق (DeepONets) - آخرین آپدیت

دانلود Simulation By Deep Neural Operator (DeepONets)

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

شبیه‌سازی با هوش مصنوعی با استفاده از داده

دوره جامع ما شما را با مهارت‌های لازم برای استفاده موثر از شبیه‌سازی با اپراتورهای عصبی عمیق تجهیز می‌کند. به مفاهیم ضروری حل معادلات دیفرانسیل جزئی (PDEs) خواهیم پرداخت و نحوه ساخت کد شبیه‌سازی از طریق کاربرد شبکه‌های اپراتور عمیق (DeepONet) با استفاده از داده‌های تولید شده از حل معادلات دیفرانسیل جزئی با روش تفاضل محدود (FDM) را نشان خواهیم داد.

در این دوره مهارت‌های زیر را خواهید آموخت:

  • درک ریاضیات پشت روش تفاضل محدود.
  • نوشتن و ساخت الگوریتم‌ها از ابتدا برای حل روش تفاضل محدود.
  • درک ریاضیات پشت معادلات دیفرانسیل جزئی (PDEs).
  • نوشتن و ساخت الگوریتم‌های یادگیری ماشین برای ساخت کد شبیه‌سازی با اپراتورهای عصبی عمیق با استفاده از PyTorch.
  • نوشتن و ساخت الگوریتم‌های یادگیری ماشین برای ساخت کد شبیه‌سازی با اپراتورهای عصبی عمیق با استفاده از DeepXDE.
  • مقایسه نتایج روش تفاضل محدود (FDM) با اپراتور عصبی عمیق با استفاده از شبکه اپراتور عمیق (DeepONet).

مباحثی که پوشش خواهیم داد:

  • مبانی ماتریس و تنسور در PyTorch.
  • راه حل عددی روش تفاضل محدود (FDM) برای معادله گرما یک‌بعدی.
  • اپراتور عصبی عمیق برای انجام انتگرال‌گیری معادلات دیفرانسیل معمولی (ODE).
  • اپراتور عصبی عمیق برای انجام شبیه‌سازی معادله گرما یک‌بعدی با استفاده از PyTorch.
  • اپراتور عصبی عمیق برای انجام شبیه‌سازی معادله گرما یک‌بعدی با استفاده از DeepXDE.
  • اپراتور عصبی عمیق برای انجام شبیه‌سازی حرکت سیال دوبعدی با استفاده از DeepXDE.

اگر تجربه قبلی در یادگیری ماشین یا مهندسی محاسباتی ندارید، نگران نباشید. این دوره جامع است و درک کاملی از یادگیری ماشین و جنبه‌های ضروری معادلات دیفرانسیل جزئی و شبیه‌سازی با اپراتورهای عصبی عمیق را با بکارگیری شبکه اپراتور عمیق (DeepONet) ارائه می‌دهد.

بیایید از یادگیری PINNs با هم لذت ببریم!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • نصب Anaconda Installing Anaconda

  • ساختار دوره Course structure

  • عملگر عصبی عمیق Deep Neural Operator

مبانی PyTorch Pytorch Basics

  • نظریه یادگیری عمیق Deep Learning Theory

  • مبانی تنسورهای PyTorch PyTorch Tensors Basics

  • تنسورها به آرایه‌های NumPy Tensors to NumPy arrays

  • نظریه پس‌انتشار خطا (Backpropagation) Backpropagation Theory

  • پس‌انتشار خطا با استفاده از PyTorch Backpropagation using PyTorch

حل عددی معادله گرمای یک بعدی با روش تفاضلات محدود (FDM) FDM Numerical Solution 1D Heat Equation

  • نظریه حل عددی Numerical solution theory

  • پیش‌پردازش (Pre-processing) Pre-processing

  • حل معادله Solving the Equation

  • پس‌پردازش (Post-processing) Post-processing

استفاده از عملگر عصبی برای انتگرال‌گیری معادلات دیفرانسیل معمولی (ODE) با PyTorch ODE Integration Neural Operator using PyTorch

  • ایجاد داده‌ها Data creation

  • پیش‌پردازش داده‌ها – بخش ۱ Data Preprocessing - Part 1

  • پیش‌پردازش داده‌ها – بخش ۲ Data Preprocessing - Part 2

  • ساخت مدل Model Build Up

  • فرآیند آموزش (Training) Training Process

  • ارزیابی نتایج Results Evaluation

استفاده از عملگر عصبی برای معادله گرمای یک بعدی با PyTorch 1D Heat Equation Neural Operator using PyTorch

  • ایجاد داده‌ها Data creation

  • پیش‌پردازش داده‌ها – بخش ۱ Data Preprocessing - Part 1

  • پیش‌پردازش داده‌ها – بخش ۲ Data Preprocessing - Part 2

  • ساخت مدل Model Build Up

  • فرآیند آموزش (Training) Training Process

  • ارزیابی نتایج Results Evaluation

استفاده از عملگر عصبی برای معادله گرمای یک بعدی با DeepXDE 1D Heat Equation Neural Operator using DeepXDE

  • ایجاد داده‌ها Data creation

  • پیش‌پردازش داده‌ها Data Preprocessing

  • ساخت مدل Model Build Up

  • فرآیند آموزش (Training) Training Process

  • ارزیابی نتایج Results Evaluation

استفاده از عملگر عصبی برای سیالات دو بعدی با DeepXDE 2D Fluid Neural Operator using DeepXDE

  • ایجاد داده‌ها Data creation

  • پیش‌پردازش داده‌ها Data Preprocessing

  • ساخت مدل Model Build Up

  • فرآیند آموزش (Training) Training Process

  • ارزیابی نتایج Results Evaluation

نمایش نظرات

آموزش شبیه‌سازی با اپراتورهای عصبی عمیق (DeepONets)
جزییات دوره
8.5 hours
35
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
225
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

DrMohammad Samara DrMohammad Samara

کارشناس علم داده/یادگیری ماشین