#numerical-methods Repositórios
Descubra 39 repositórios ativos de código aberto no GitHub marcados com #numerical-methods, acumulando um total de 55,031 estrelas (uma média de 1,411 por projeto). O líder deste tópico é rtqichen/torchdiffeq, com 6,437 estrelas.
39 repositórios no total
Solucionadores de EDO diferenciáveis com suporte total de GPU e retropropagação de memória O(1).
Aprendizado Profundo Informado por Física: Soluções Orientadas por Dados e Descoberta de Equações Diferenciais Parciais Não Lineares
Computação Paralela e Machine Learning Científico (SciML): Métodos e Aplicações (MIT 18.337J/6.338J)
Links para trabalhos sobre algoritmos de aprendizado profundo para problemas de física, TUM-I15 e além
Uma biblioteca PyTorch inteiramente dedicada a equações diferenciais neurais, modelos implícitos e métodos numéricos relacionados
Kratos Multiphysics (Também conhecido como Kratos) é um framework para construir software de simulação multiparadigma paralelo. Modularidade, extensibilidade e HPC são os principais objetivos. O Kratos possui licença BSD e é escrito em C++ com uma extensa interface Python.
Visualização interativa de 5 métodos populares de descida de gradiente com ilustração passo a passo e interface de usuário (UI) para ajuste de hiperparâmetros.
Exercícios e dados adicionais para o EE364a. Sem soluções; para consumo público.
Um curso de métodos numéricos com Python para engenheiros e cientistas: atualmente 5 módulos de aprendizagem, com trabalhos para os alunos.
Firedrake é um sistema automatizado para a solução portátil de equações diferenciais parciais usando o método dos elementos finitos (FEM)
Software livre e de código aberto para cálculos matemáticos e de engenharia.
Curso de Curta Duração do MIT IAP: Cálculo Matricial para Aprendizado de Máquina e Além
BackPACK - um pacote de retropropagação baseado no PyTorch que calcula eficientemente outras quantidades além do gradiente.
O ACADO Toolkit é um ambiente de software e uma coleção de algoritmos para controle automático e otimização dinâmica. Ele fornece uma estrutura geral para o uso de uma grande variedade de algoritmos para controle ótimo direto, incluindo controle preditivo baseado em modelo, estimação de estado e parâmetro e otimização robusta.
Um framework nativo de Python para simulação de sistemas dinâmicos baseado no paradigma de diagramas de blocos.
Pacote Python para derivadas numéricas e equações diferenciais parciais em qualquer número de dimensões。
Perguntas Frequentes
Qual é o repositório de #numerical-methods mais popular no GitHub?
O projeto de código aberto de #numerical-methods mais bem classificado no GitHub é rtqichen/torchdiffeq, com 6,437 estrelas. Solucionadores de EDO diferenciáveis com suporte total de GPU e retropropagação de memória O(1).
Quais linguagens de programação são mais usadas nos repositórios de #numerical-methods?
Entre os projetos de #numerical-methods mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, Jupyter Notebook, HTML.
Como é calculada a classificação dos repositórios de #numerical-methods?
Acompanhamos 39 repositórios ativos de código aberto marcados com #numerical-methods (com mais de 500 estrelas), totalizando 55,031 estrelas e uma média de 1,411 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.