#numerical-methods Repositories
Entdecke 39 aktive Open-Source-GitHub-Repositories, die mit #numerical-methods getaggt sind und insgesamt 55,031 Sterne gesammelt haben (durchschnittlich 1,411 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist rtqichen/torchdiffeq mit 6,437 Sternen.
Insgesamt 39 Repositories
Differenzierbare ODE-Löser mit vollständiger GPU-Unterstützung und O(1)-Speicher-Rückwärtspropagation.
Physik-informiertes Deep Learning: Datengetriebene Lösungen und Entdeckung nichtlinearer partieller Differentialgleichungen
Parallel Computing und wissenschaftliches maschinelles Lernen (SciML): Methoden und Anwendungen (MIT 18.337J/6.338J)
Links zu Arbeiten über Deep-Learning-Algorithmen für Physikprobleme, TUM-I15 und darüber hinaus
Eine PyTorch-Bibliothek, die sich vollständig mit neuronalen Differentialgleichungen, impliziten Modellen und verwandten numerischen Methoden beschäftigt
Kratos Multiphysics (auch Kratos genannt) ist ein Framework zum Erstellen paralleler multidisziplinärer Simulationssoftware. Modularität, Erweiterbarkeit und HPC sind die Hauptziele. Kratos hat eine BSD-Lizenz und ist in C++ mit einer umfangreichen Python-Schnittstelle geschrieben.
interaktive Visualisierung von 5 beliebten Gradientenabstiegsverfahren mit schrittweisen Illustrationen und Benutzeroberfläche zur Hyperparameterabstimmung
Zusätzliche Übungen und Daten für EE364a. Keine Lösungen; zur öffentlichen Einsichtnahme.
Ein Kurs in numerischen Methoden mit Python für Ingenieure und Wissenschaftler: derzeit 5 Lernmodule mit Studentenaufgaben.
Firedrake ist ein automatisiertes System für die portable Lösung partieller Differentialgleichungen unter Verwendung der Finite-Elemente-Methode (FEM)
Freie und Open-Source-Software für mathematische und ingenieurwissenschaftliche Berechnungen.
BackPACK - ein Backpropagation-Paket, das auf PyTorch aufbaut und effizient Mengen berechnet, die nicht der Gradient sind.
ACADO Toolkit ist eine Softwareumgebung und eine Sammlung von Algorithmen für die Automatisierung von Steuerungen und dynamische Optimierung. Es bietet einen allgemeinen Rahmen für die Verwendung einer großen Vielfalt von Algorithmen für die direkte optimale Steuerung, einschließlich modellprädiktiver Steuerung, Zustands- und Parameterschätzung sowie robuster Optimierung.
Ein natives Python-Framework zur Simulation dynamischer Systeme nach dem Blockdiagramm-Paradigma.
Python-Paket für numerische Ableitungen und partielle Differentialgleichungen in beliebig vielen Dimensionen。
Häufig gestellte Fragen
Welches ist das beliebteste #numerical-methods-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#numerical-methods-Projekt auf GitHub ist rtqichen/torchdiffeq mit 6,437 Sternen. Differenzierbare ODE-Löser mit vollständiger GPU-Unterstützung und O(1)-Speicher-Rückwärtspropagation.
Welche Programmiersprachen werden in #numerical-methods-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #numerical-methods-Projekten auf GitHub sind Python, C++, Jupyter Notebook, HTML die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #numerical-methods-Repositories berechnet?
Wir verfolgen 39 aktive Open-Source-Repositories, die mit #numerical-methods getaggt sind (500+ Sterne), mit insgesamt 55,031 Sternen und durchschnittlich 1,411 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.