Advertisement

Hamiltonian-NN: 我们论文《哈密顿神经网络》的代码

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
Hamiltonian-NN是基于我们发表的论文《哈密顿神经网络》，提供了一种结合哈密顿动力学与深度学习框架的新方法，用于模拟和预测复杂系统的动力行为。 哈密顿神经网络（HNN）由Sam Greydanus、Misko Dzamba 和 Jason Yosinski 在2019年提出，并撰写了一篇相关论文。以下是使用该模型进行训练的基本步骤： 任务1：理想的质量弹簧系统： 运行命令 `python3 experiment-spring/train.py --verbose` 任务2：理想摆锤： 运行命令 `python3 experiment-pend/train.py --verbose` 任务3：真正的摆锤（参考原论文）： 运行命令 `python3 experiment-real/train.py --verbose` 任务4：两体问题： 运行命令 `python3 experiment-2body/train.py --verbose` 任务4b：三体问题： 运行命令 `python3 experiment-3body/train.py --verbose`

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Hamiltonian-NN: 我们论文《哈密顿神经网络》的代码
    优质
    Hamiltonian-NN是基于我们发表的论文《哈密顿神经网络》，提供了一种结合哈密顿动力学与深度学习框架的新方法，用于模拟和预测复杂系统的动力行为。 哈密顿神经网络（HNN）由Sam Greydanus、Misko Dzamba 和 Jason Yosinski 在2019年提出，并撰写了一篇相关论文。以下是使用该模型进行训练的基本步骤： 任务1：理想的质量弹簧系统： 运行命令 `python3 experiment-spring/train.py --verbose` 任务2：理想摆锤： 运行命令 `python3 experiment-pend/train.py --verbose` 任务3：真正的摆锤（参考原论文）： 运行命令 `python3 experiment-real/train.py --verbose` 任务4：两体问题： 运行命令 `python3 experiment-2body/train.py --verbose` 任务4b：三体问题： 运行命令 `python3 experiment-3body/train.py --verbose`
     
  • 基于物理的哈密顿神经网络方法
    优质
    本研究提出了一种基于物理原理的哈密顿神经网络模型，该模型能够有效捕捉动力系统中的保守特性，适用于复杂系统的模拟与预测。 哈密顿神经网络是一种基于物理原理的神经网络方法。
     
  • MATLAB哈密尔顿代码-nnv:nnv
    优质
    MATLAB哈密尔顿代码-nnv:nnv 是一个基于MATLAB编写的工具或脚本，专注于解决与哈密尔顿系统相关的数值计算问题。该代码集成了先进的数值方法和算法，用于模拟物理、工程及数学中的复杂动力学系统行为，提供高效准确的解决方案。 在范德比尔特大学（Vanderbilt University）攻读博士学位期间，我开发了nnv Matlab神经网络验证工具箱。该工具箱实现了可到达性方法，用于分析神经网络和支持学习的自主网络物理系统。 安装步骤如下： 1. 安装Matlab，并至少包含以下工具箱：控制系统、优化（必须安装）、并行处理、深度学习和系统识别。 2. 从GitHub克隆或下载nnv工具箱。 3. 打开Matlab，然后转到所下载的目录。
     
  • 神经网络导论实验一代码
    优质
    本简介提供“神经网络导论实验一”中的关键代码概览及说明，帮助学习者理解基本概念和实践操作。适合初学者入门使用。 神经网络导论课程实验1代码包括了Adaline的LMS算法（使用Matlab编写）。
     
  • NN-SVG：可发布的神经网络架构示意图
    优质
    NN-SVG是一款用于创建高质量、可发布级神经网络架构图的工具，帮助研究人员和开发者清晰地展示复杂的模型结构。 神经网络架构的插图制作通常很耗时，并且机器学习研究人员经常需要从头开始构建这些图。 NN-SVG是一个工具，用于参数化而非手动创建神经网络（NN）体系结构图，同时提供了将图形导出为可缩放矢量图形（SVG）文件的功能。这种格式非常适合在学术论文或网页中使用。 该工具能够生成三种类型的图表：经典全连接神经网络（FCNN）、卷积神经网络（CNN），以及深度神经网络的数字表示。前两种类型可以通过JavaScript库来实现，而第三种则依赖于不同的技术。此外，NN-SVG提供了通过多种尺寸、颜色和布局参数根据用户喜好对图形进行样式设置的功能。 我希望这个工具能够帮助机器学习研究人员节省时间，并希望它在某些情况下也可以作为教学工具使用。
     
  • Matlab神经网络分类代码-神经网络分类代码.rar
    优质
    本资源提供了一套基于MATLAB实现的神经网络分类算法代码。用户可以使用该代码进行数据分类任务，适用于科研与教学场景，促进机器学习技术的应用与发展。 Matlab神经网络分类程序-神经网络分类程序.rar包含了一个用于进行神经网络分类的程序。
     
  • BP神经网络的代码
    优质
    这段资料介绍了一个关于BP（反向传播）神经网络的代码实现。它为学习和理解这一经典机器学习算法提供了实践平台。 本段落主要介绍了经典的全连接神经网络结构及其前向传播与反向传播的过程。通过学习这篇文章，读者应该能够独立推导出全连接神经网络的传播过程，并深入理解算法细节。需要注意的是，文中的大部分公式是由作者亲自推导得出，可能存在一些不足之处，欢迎读者指正。 尽管文中提供的实例并没有实际的应用场景，但自行推演这些数学公式的练习对于理解神经网络内部的工作原理非常有帮助。接下来我计划撰写一篇关于如何自己推导并实现卷积神经网络的教程，如果有兴趣的话，请持续关注我的更新！