物理

  • 首次尝试!深度进修从原始视频中发明未知输出激励的动力体系的可解释物理定律

    编辑/绿萝由于深度进修的发展进步,从视频中提炼可解释的物理定律引发了计算机视觉社区的兴趣,但仍旧面临巨大的挑战。管制方程(例如 PDE、ODE)的发明可能促进我们对复杂动力体系行为的理解、建模和预测。收集数据的日益丰富和机器进修的进步带来了静态体系建模的新视角。近日,来自中国人民大学和中国科学院大学、美国东北大学的钻研团队提出了一个端到端的无监视深度进修框架,根据录制的视频提醒静止物体呈现的显式动力学管制方程。模拟静态场景的实验表明,所提出的法子能够提炼查封形式的管制方程并同时辨别视频记录的多个动力体系的未知激励输

    2022年 6月 6日
  • 我今年89岁,刚刚拿了个物理学博士学位

    小时候,无数人说自己长大后要当「科学家」、「发明家」,但他是认真的。

    2021年 11月 6日
  • Jupyter笔记本实现,慕尼黑工大220页免费书引见鉴于物理的深度进修

    物理常识和深度进修已经成为了解决现实课题的绝佳组合,但如何更有效地将物理模型引入深度进修领域缺少一个全面的综述。慕尼黑工业大学计算机科学副教授 Nils Thuerey 团队编写的这本书对鉴于物理的深度进修展开了详尽的引见。书地址:https://arxiv.org/pdf/2109.05237.pdf项目地址:https://github.com/thunil/Physics-Based-Deep-Learning网站地址:https://www.physicsbaseddeeplearning.org/di

    2021年 9月 16日