mcmc

ysu_031415 天前
人工智能·pytorch·深度学习·mcmc·参数反演·逆问题·darcy流
PINNs的参数反演——从“正问题”到“逆问题”的工程改造代码仓库:GitHub - PINN-Inverse-Darcy如果你在做的是热传导方程,把本文的Darcy方程 − ∇ ⋅ ( k ∇ h ) = f -\nabla \cdot (k \nabla h) = f −∇⋅(k∇h)=f 换成 − ∇ ⋅ ( λ ∇ T ) = q -\nabla \cdot (\lambda \nabla T) = q −∇⋅(λ∇T)=q,未知参数从渗透率 k k k 换成热导率 λ \lambda λ 即可。如果你在做的是弹性力学问题,把未知参数换成杨氏模量 E (
大千AI助手1 年前
贝叶斯·mcmc·蒙特卡洛·条件概率·马尔科夫链·gibbs采样·gibbs sampling
Gibbs采样:全面解析马尔可夫链蒙特卡洛的核心算法本文由「大千AI助手」原创发布,专注用真话讲AI,回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我,一起撕掉过度包装,学习真实的AI技术!
风尘231873 年前
网络·论文阅读·mcmc
论文阅读:通过时空生成卷积网络合成动态模式(重点论文)原文链接 github code 介绍视频 视频序列包含丰富的动态模式,例如在时域中表现出平稳性的动态纹理模式,以及在空间或时域中表现出非平稳的动作模式。 我们证明了时空生成卷积网络可用于建模和合成动态模式。 该模型定义了视频序列上的概率分布,对数概率由时空ConvNet定义,该网络由多层时空滤波器组成,用于捕获不同尺度的时空模式。 该模型可以通过迭代以下两个步骤的“综合分析”学习算法从训练视频序列中学习。 步骤 1 从当前学习的模型合成视频序列。 步骤 2 然后根据合成视频序列和观察到的训练序列之间的差
我是有底线的