VIP20
本课程属于：011-科学机器学习与物理信息计算 数学计算科学计算与计算物理工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

物理数据稀缺场景模型训练

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入与问题界定
物理数据稀缺的典型场景 · 核心挑战 · 课程目标与学习路径
课程导入问题界定
02
物理数据稀缺的成因与影响分析
数据获取成本 · 实验限制 · 隐私与安全约束
物理数据稀缺的成…影响分析
03
稀缺场景下的数据策略总览
数据增强 · 迁移学习 · 物理约束嵌入
稀缺场景下的数据…数据增强
04
物理约束嵌入的建模方法
将守恒律 · 对称性 · 边界条件等先验知识融入模型结构或损失…
物理约束嵌入的建…将守恒律
05
基于物理的仿真数据生成
利用数值模拟或解析模型生成合成数据 · 并评估其与真实数据的分布差异
基于物理的仿真数…利用数值模拟或解…
06
小样本条件下的模型架构设计
轻量化网络 · 参数共享 · 注意力机制与归纳偏置的引入
小样本条件下的模…轻量化网络
07
迁移学习在物理稀缺场景中的应用
预训练模型选择 · 领域自适应与微调策略
迁移学习物理稀缺场景
08
数据增强技术针对物理数据的适配
物理一致性增强 · 噪声注入 · 几何变换与时间序列增强
数据增强技术针对…物理一致性增强
09
半监督学习与伪标签策略
利用未标注物理数据提升模型泛化能力 · 并控制伪标签噪声
半监督学习伪标签策略
10
自监督学习在物理数据中的应用
对比学习 · 掩码重建与物理预测任务设计
自监督学习物理数据
11
元学习与少样本学习框架
模型无关元学习 · 原型网络在物理参数反演与预测中的实践
元学习少样本学习框架
12
贝叶斯方法与不确定性量化
高斯过程 · 贝叶斯神经网络在稀缺数据下的预测与置…
贝叶斯方法不确定性量化
13
物理信息神经网络（PINN）实战
针对具体物理方程构建PINN · 处理稀疏观测与边界条件
PINN物理信息神经网络
14
神经算子与算子学习简介
在稀缺数据下学习物理场映射的潜力与限…
神经算子算子学习简介
15
数据稀缺场景下的特征工程
物理特征提取 · 无量纲化与降维方法
数据稀缺场景下的…物理特征提取
16
模型评估与验证策略
稀缺数据下的交叉验证 · 外推测试与物理一致性检验
模型评估验证策略
17
主动学习与实验设计
如何选择最有价值的物理实验或仿真点以…
主动学习实验设计
18
多 fidelity 建模
融合高保真与低保真物理数据 · 构建多精度预测模型
fidelity建模
19
领域自适应与迁移在跨物理系统中的应用
从简单系统到复杂系统的知识迁移
领域自适应迁移
20
物理约束与数据驱动模型的融合架构
硬约束与软约束 · 混合建模与残差学习
物理约束数据驱动模型的融…
21
稀缺数据下的优化与正则化
损失函数设计 · 物理正则项与早停策略
稀缺数据下的优化正则化
22
案例实战一
流体力学稀疏观测下的流场重建与预测
案例实战一流体力学稀疏观测…
23
案例实战二
材料科学中小样本力学性能预测与参数反…
案例实战二材料科学
24
案例实战三
能源系统稀缺传感器数据下的状态估计与…
案例实战三能源系统稀缺传感…
25
案例实战四
地球物理反演中的稀疏数据建模与不确定…
案例实战四地球物理反演
26
模型部署与持续学习
稀缺场景下模型更新 · 在线学习与边缘计算考量
模型部署持续学习
27
可解释性与物理合理性
解释模型决策 · 验证物理规律符合度的方法
可解释性物理合理性
28
工具与框架实践
PyTorch · TensorFlow Probabi… · DeepXDE等在物理稀缺场景中的使…
工具框架实践
29
综合项目
针对一个具体物理稀缺场景 · 完成从数据策略 · 模型设计到评估部署的全流程
综合项目针对一个具体物理…
30
前沿进展与开放问题
物理基础模型 · 生成式模型在稀缺数据中的潜力与未来方…
前沿进展开放问题