کتاب استفاده از transformers برای پیش‌بینی trajectories در systèmes gravitacional با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از transformers برای پیش‌بینی trajectories در systèmes gravitacional

موضوع کلی: برنامه‌نویسی کامپیوترهای خانگی

موضوع میانی: AI for AI Computational Physics

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سیستم‌های گرانشی و دینامیک
  • 2. مروری بر روش‌های عددی در پیش‌بینی مسیرها
  • 3. محدودیت‌های روش‌های عددی سنتی
  • 4. معرفی شبکه‌های عصبی و یادگیری عمیق
  • 5. مبانی ترانسفورمرها: مکانیسم توجه
  • 6. معماری ترانسفورمرها: Encoder و Decoder
  • 7. پیاده‌سازی ترانسفورمرها با استفاده از کتابخانه PyTorch
  • 8. آماده‌سازی داده‌های آموزشی برای پیش‌بینی مسیر
  • 9. تبدیل داده‌های سیستم گرانشی به فرمت مناسب برای ترانسفورمر
  • 10. طراحی معماری ترانسفورمر برای پیش‌بینی مسیر
  • 11. آموزش مدل ترانسفورمر برای پیش‌بینی مسیر
  • 12. ارزیابی عملکرد مدل ترانسفورمر
  • 13. مقایسه ترانسفورمر با روش‌های عددی سنتی
  • 14. بهینه‌سازی هایپرپارامترهای ترانسفورمر
  • 15. استفاده از ترانسفورمر برای پیش‌بینی مسیر در سیستم‌های دو-بدنه
  • 16. استفاده از ترانسفورمر برای پیش‌بینی مسیر در سیستم‌های چند-بدنه
  • 17. مدل‌سازی اثرات اختلالات کوچک بر مسیر
  • 18. استفاده از ترانسفورمر برای پیش‌بینی مسیر در سیستم‌های با انرژی بالا
  • 19. پیش‌بینی مسیر در سیستم‌های گرانشی با استفاده از داده‌های ناقص
  • 20. استفاده از ترانسفورمر برای ارتقاء دقت پیش‌بینی بلندمدت
  • 21. ترکیب ترانسفورمر با روش‌های عددی برای بهبود کارایی
  • 22. بررسی پایداری و قابلیت اطمینان مدل ترانسفورمر
  • 23. کاربرد ترانسفورمر در مسائل نجومی
  • 24. کاربرد ترانسفورمر در مسائل فیزیک فضایی
  • 25. استفاده از ترانسفورمر برای پیش‌بینی مسیر سیارات فراخورشیدی
  • 26. تفسیر نتایج پیش‌بینی شده توسط ترانسفورمر
  • 27. تحلیل خطاها و منابع عدم قطعیت در پیش‌بینی مسیر
  • 28. پیاده‌سازی ترانسفورمر بر روی GPU برای تسریع آموزش
  • 29. استفاده از تکنیک‌های regularization برای جلوگیری از overfitting
  • 30. استفاده از attention visualization برای درک بهتر رفتار مدل
  • 31. مقایسه انواع مختلف لایه‌های attention
  • 32. استفاده از ترانسفورمر برای حل مسائل N-body
  • 33. بهره‌گیری از transfer learning در پیش‌بینی مسیر
  • 34. استفاده از ترانسفورمر برای پیش‌بینی مسیر با در نظر گرفتن اثرات نسبیتی
  • 35. بهینه‌سازی مدل ترانسفورمر برای استفاده در سیستم‌های embedded
  • 36. معرفی کتابخانه‌های پیشرفته برای پیاده‌سازی ترانسفورمر
  • 37. روش‌های کاهش ابعاد داده برای بهبود کارایی ترانسفورمر
  • 38. استفاده از ترانسفورمر برای پیش‌بینی مسیر در سیستم‌های دینامیکی آشوبناک
  • 39. استفاده از ترانسفورمر برای تخمین پارامترهای سیستم گرانشی
تگ‌ها: AI astrophysics computational physics deep learning dynamical systems gravitational systems machine learning n-body simulation neural networks orbit prediction physics pytorch space trajectory prediction transformers

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.