SciML/DataDrivenDiffEq.jl
Data driven modeling and automated discovery of dynamical systems for the SciML Scientific Machine Learning organization
解决的问题
解决从原始数据中进行微分方程结构估计和识别的挑战。无需手动推导数学模型，该工具允许用户从观测数据中自动发现支配系统动态的底层方程，进而可用于模拟系统在不同条件下的行为。
工作原理
该包采用数据驱动的方法来识别微分方程的结构。用户需提供观测数据（如ODE的解）并定义潜在函数的基（例如多项式基）。系统随后优化这些函数的选择，以找到最简单且最准确的系统动态数学表示，从而同时识别出方程和涉及的参数。
适用人群
专为需要从实验或模拟数据中恢复数学模型的研究人员和工程师设计，适用于动态系统领域。
特色亮点
- 从数据中自动发现微分方程。
- 支持结构估计与识别。
- 基于发现的模型，可模拟扰动后的动态行为。
- 与 SciML 生态系统集成，包括 ModelingToolkit 和 OrdinaryDiffEq。
相关
- 项目
- 项目
- 项目
- 项目
- 项目