물리정보 머신러닝
물리정보 머신러닝(PIML) 및 물리정보 신경망(PINN)에 Deep Learning Toolbox™를 사용합니다.
물리정보 머신러닝(PIML) 및 물리정보 신경망은 물리 시스템의 법칙과 원리를 머신러닝 모델에 통합할 수 있는 머신러닝과 딥러닝 개념을 지칭합니다. 이러한 개념을 통합하면 모델의 정확성과 강인성을 높일 수 있고 모델 예측 또한 해당 법칙과 원리를 따르도록 할 수 있습니다. 예를 들어 열역학 법칙이 통합된 손실 함수를 사용하면 열 전달을 모델링하는 신경망을 훈련시킬 수 있습니다.
함수
도움말 항목
- 푸리에 신경 연산자를 사용하여 PDE 해 구하기
이 예제에서는 편미분 방정식(PDE)의 해를 출력하는 푸리에 신경 연산자(FNO) 신경망을 훈련시키는 방법을 보여줍니다.
- 물리정보 신경망을 사용하여 PDE 해 구하기
이 예제에서는 편미분 방정식(PDE)의 해를 예측하는 물리정보 신경망(PINN)을 훈련시키는 방법을 보여줍니다.
- 물리정보 신경망을 사용하여 ODE 해 구하기
이 예제에서는 상미분 방정식(ODE)의 해를 예측하는 물리정보 신경망(PINN)을 훈련시키는 방법을 보여줍니다.
- 불규칙적으로 샘플링된 시계열 데이터로 잠재 ODE 신경망 훈련시키기
이 예제에서는 불규칙적인 시간 간격으로 샘플링된 시계열 데이터를 사용하여 잠재(latent) 상미분 방정식(ODE) 오토인코더를 훈련시키는 방법을 보여줍니다.
- 신경망 ODE를 사용한 동적 시스템 모델링
이 예제에서는 물리 시스템의 동특성을 학습하도록 신경망 상미분 방정식(ODE)을 사용하여 신경망을 훈련시키는 방법을 다룹니다.
- 물리정보 신경망을 사용하여 PDE의 역문제 풀기
이 예제에서는 물리정보 신경망(PINN)을 사용하여 역문제(inverse problem)를 푸는 방법을 보여줍니다.
- Solve Poisson Equation on Unit Disk Using Physics-Informed Neural Networks (Partial Differential Equation Toolbox)
Solve a Poisson's equation with Dirichlet boundary conditions using a physics-informed neural network (PINN).
추천 예제
Solve Heat Equation Using Graph Neural Network
Solve a heat equation with using a graph neural network (GNN).
