SciML/DataDrivenDiffEq.jl
Data driven modeling and automated discovery of dynamical systems for the SciML Scientific Machine Learning organization
解決的問題
解決從原始資料中進行微分方程結構估計與識別的挑戰。無需手動推導數學模型，此工具允許使用者從觀測資料中自動發現支配系統動態的底層方程式，進而可用於模擬系統在不同條件下的行為。
工作原理
該套件使用資料驅動的方法來識別微分方程的結構。使用者提供觀測資料（例如ODE的解）並定義潛在函數的基底（例如多項式基底）。系統隨後優化這些函數的選擇，以找到最簡潔且最準確的系統動態數學表示，從而同時識別出方程式與相關參數。
適用對象
專為需要從實驗或模擬資料中恢復數學模型的研究人員與工程師設計，適用於動態系統領域。
特色亮點
- 從資料中自動發現微分方程。
- 支援結構估計與識別。
- 基於發現的模型，可模擬受擾動後的動態行為。
- 與 SciML 生態系統整合，包括 ModelingToolkit 和 OrdinaryDiffEq。
相關
- 專案
- 專案
- 專案
- 專案
- 專案