#differential-equations Repositórios
Descubra 19 repositórios ativos de código aberto no GitHub marcados com #differential-equations, acumulando um total de 22,722 estrelas (uma média de 1,195 por projeto). O líder deste tópico é SciML/DifferentialEquations.jl, com 3,183 estrelas.
19 repositórios no total
Suíte multilíngue para solucionadores de alto desempenho de equações diferenciais e componentes de aprendizado de máquina científico (SciML). Equações diferenciais ordinárias (EDOs), equações diferenciais estocásticas (EDEs), equações diferenciais com atraso (EDATs), equações diferenciais algébricas (EDAs) e mais em Julia.
Solucionadores numéricos de equações diferenciais em JAX. Autodiferenciável e compatível com GPU. https://docs.kidger.site/diffrax/
Computação Paralela e Machine Learning Científico (SciML): Métodos e Aplicações (MIT 18.337J/6.338J)
Álgebra linear, autovalores, FFT, Bessel, elíptica, polinômios ortogonais, geometria, NURBS, quadratura numérica, interpolação transfinita 3D, números aleatórios, Mersenne twister, distribuições de probabilidade, otimização, equações diferenciais.
Um framework de modelagem acausal para aprendizado de máquina científico (SciML) paralelizado automaticamente em Julia. Um sistema de álgebra computacional para simbologia integrada para aprendizado de máquina baseado em física e transformações automatizadas de equações diferenciais
Solucionadores de EDO diferenciáveis com suporte a GPU e análise de sensibilidade eficiente.
Resolvedores de Equações Diferenciais (Parciais) por Redes Neurais Informadas pela Física (PINN) para simulação acelerada de Machine Learning Científico (SciML)
Arquiteturas de camada implícita pré-construídas com O(1) backprop, GPUs e solucionadores de EDO rígidos+não rígidos, demonstrando aprendizado de máquina científico (SciML) e métodos de aprendizado de máquina informados por física
Uma biblioteca para resolver equações diferenciais usando redes neurais baseadas em PyTorch, utilizada por múltiplos grupos de pesquisa ao redor do mundo, incluindo o de Harvard IACS.
Tutoriais para realizar aprendizado de máquina científico (SciML) e resolução de equações diferenciais de alto desempenho com software de código aberto.
Resolvedores de alto desempenho para equações diferenciais ordinárias (EDO) e equações diferenciais-algébricas (EDA), incluindo equações diferenciais ordinárias neurais (neural EDOs) e aprendizagem de máquina científica (SciML)
Curso de Curta Duração do MIT IAP: Cálculo Matricial para Aprendizado de Máquina e Além
Resolvendo equações diferenciais em Python usando DifferentialEquations.jl e a organização SciML Scientific Machine Learning
Resolver problemas diretos e inversos relacionados a equações diferenciais parciais usando redes neurais informadas pela física de base finita (FBPINNs)
Interface de rede de reações químicas e biologia de sistemas para aprendizado de máquina científico (SciML). Solucionadores de alto desempenho, paralelizados por GPU e O(1) em software de código aberto.
Perguntas Frequentes
Qual é o repositório de #differential-equations mais popular no GitHub?
O projeto de código aberto de #differential-equations mais bem classificado no GitHub é SciML/DifferentialEquations.jl, com 3,183 estrelas. Suíte multilíngue para solucionadores de alto desempenho de equações diferenciais e componentes de aprendizado de máquina científico (SciML). Equações diferenciais ordinárias (EDOs), equações diferenciais estocásticas (EDEs), equações diferenciais com atraso (EDATs), equações diferenciais algébricas (EDAs) e mais em Julia.
Quais linguagens de programação são mais usadas nos repositórios de #differential-equations?
Entre os projetos de #differential-equations mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Julia, HTML, Go.
Como é calculada a classificação dos repositórios de #differential-equations?
Acompanhamos 19 repositórios ativos de código aberto marcados com #differential-equations (com mais de 500 estrelas), totalizando 22,722 estrelas e uma média de 1,195 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.