#numerical-methods Репозитории
Откройте для себя 39 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #numerical-methods, с общим числом 55,031 звёзд (в среднем 1,411 на проект). Лидером этой темы является rtqichen/torchdiffeq, набравший 6,437 звёзд.
Всего репозиториев: 39
Дифференцируемые решатели ОДУ с полной поддержкой GPU и обратным распространением с памятью O(1).
Физически информированное глубокое обучение: Решения, основанные на данных, и открытие нелинейных уравнений в частных производных
Параллельные вычисления и научное машинное обучение (SciML): Методы и приложения (MIT 18.337J/6.338J)
Ссылки на работы по алгоритмам глубокого обучения для решения физических задач, TUM-I15 и далее
Библиотека PyTorch, полностью посвященная нейронным дифференциальным уравнениям, неявным моделям и связанным с ними численным методам
Kratos Multiphysics (также известный как Kratos) — это фреймворк для создания параллельного междисциплинарного программного обеспечения для моделирования. Основные цели: модульность, расширяемость и HPC. Kratos имеет лицензию BSD и написан на C++ с обширным интерфейсом Python.
интерактивная визуализация 5 популярных методов градиентного спуска с пошаговыми иллюстрациями и пользовательским интерфейсом для настройки гиперпараметров
Дополнительные упражнения и данные для EE364a. Без решений; для общественного потребления.
Курс численных методов с использованием Python для инженеров и ученых: в настоящее время 5 учебных модулей с заданиями для студентов.
Firedrake — это автоматизированная система для портативного решения дифференциальных уравнений в частных производных с использованием метода конечных элементов (МКЭ)
Свободное программное обеспечение с открытым исходным кодом для математических и инженерных расчетов.
BackPACK - пакет для обратного распространения ошибки, построенный на базе PyTorch, который эффективно вычисляет величины, отличные от градиента.
ACADO Toolkit — это программная среда и коллекция алгоритмов для автоматического управления и динамической оптимизации. Она предоставляет общую структуру для использования множества алгоритмов для прямого оптимального управления, включая предиктивное управление на основе модели, оценку состояния и параметров, а также робастную оптимизацию.
Нативный для Python фреймворк для моделирования динамических систем на основе блочно-диаграммного подхода.
Пакет Python для численных производных и частных дифференциальных уравнений в произвольном числе измерений。
Часто задаваемые вопросы
Какой репозиторий по теме #numerical-methods наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #numerical-methods на GitHub — rtqichen/torchdiffeq, набравший 6,437 звёзд. Дифференцируемые решатели ОДУ с полной поддержкой GPU и обратным распространением с памятью O(1).
Какие языки программирования чаще всего используются в репозиториях по теме #numerical-methods?
Среди наиболее высоко оценённых проектов по теме #numerical-methods на GitHub чаще всего используются языки программирования Python, C++, Jupyter Notebook, HTML.
Как рассчитывается рейтинг репозиториев по теме #numerical-methods?
Мы отслеживаем 39 активных репозиториев с открытым исходным кодом, отмеченных тегом #numerical-methods (500 и более звёзд), с общим числом 55,031 звёзд и в среднем 1,411 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.