Zhongyi Huang

Apprends comment les PINNs intègrent la physique avec des réseaux de neurones pour résoudre des équations complexes.

Explorer des taux d'apprentissage améliorés dans les réseaux de neurones pour le calcul scientifique.

Un système qui rend la création musicale facile et accessible pour tous les niveaux de compétence.

Présentation des TFPONets pour résoudre des problèmes d'interface avec des techniques d'apprentissage profond.

Présentation de ComFNO, une méthode pour s'attaquer aux équations différentielles complexes en utilisant l'apprentissage profond.

Présentation de PI-TFPONet : une méthode pour résoudre des PDE paramétriques sans gros jeux de données.

Les opérateurs neuronaux offrent de nouvelles solutions pour des équations différentielles partielles complexes en science et en ingénierie.

La méthode améliore la communication entre agents et la précision de localisation dans des conditions difficiles.

Découvrez comment la distance de modification de graphe aide à comparer des structures complexes de manière efficace.