#scientific-machine-learning リポジトリ
#scientific-machine-learningのタグが付いた、GitHub上の23件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は51,807個で、プロジェクトあたりの平均は2,252個です。このトピックをリードしているのは、16,291個のスターを獲得しているKindXiaoming/pykanです。
リポジトリ合計23件
微分方程式および科学的機械学習 (SciML) コンポーネントの高性能ソルバーのための多言語スイート。常微分方程式 (ODEs)、確率微分方程式 (SDEs)、遅延微分方程式 (DDEs)、微分代数方程式 (DAEs) など、Julia で。
Julia における自動並列化された科学的機械学習 (SciML) のための非因果モデリングフレームワーク。物理情報機械学習のための統合シンボリクスと微分方程式の自動変換のためのコンピュータ代数システム
科学機械学習 (SciML) 加速シミュレーションのための (偏)微分方程式の Physics-Informed Neural Networks (PINN) ソルバー
O(1) バックプロパゲーション、GPU、および剛性+非剛性 DE ソルバー付きの事前構築された暗黙のレイヤーアーキテクチャで、科学的機械学習 (SciML) および物理学情報に基づく機械学習手法をデモンストレーション
Juliaにおける数理最適化。局所的、大域的、勾配ベース、および導関数フリー。シンプル、高速、微分可能なインターフェイスで、線形、二次、凸、混合整数、非線形最適化を実現。
高性能な常微分方程式 (ODE) および微分代数方程式 (DAE) ソルバー、ニューラル常微分方程式 (neural ODEs) と科学的な機械学習 (SciML) を含む
DifferentialEquations.jl と SciML Scientific Machine Learning 組織を使用して Python で微分方程式を解く
科学機械学習(SciML)向けの化学反応ネットワークおよびシステム生物学インターフェース。オープンソースソフトウェアにおける高性能、GPU並列化、O(1)ソルバー。
よくある質問
GitHubで最も人気のある#scientific-machine-learningリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#scientific-machine-learningプロジェクトは、16,291個のスターを獲得しているKindXiaoming/pykanです。コルモゴロフ・アーノルド・ネットワーク
#scientific-machine-learningリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#scientific-machine-learningプロジェクトでは、Python, Julia, Jupyter Notebook, HTMLが最も一般的なプログラミング言語です。
#scientific-machine-learningリポジトリのランキングはどのように算出されていますか?
#scientific-machine-learningのタグが付いた23件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は51,807個で、リポジトリあたりの平均は2,252個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。