partial-differential-equations

Colección de notebooks sobre finanzas cuantitativas, con código de Python interactivo.

Aprendizaje en dimensión infinita con operadores neuronales.

Solucionadores de redes neuronales informadas por la física (PINN) para ecuaciones diferenciales (parciales) para simulación acelerada de aprendizaje automático científico (SciML)

PDEBench: Un benchmark extenso para el aprendizaje automático científico.

Entorno de resolución de problemas FEniCS de próxima generación para resolver problemas de elementos finitos

Código fuente de FreeFEM

Arquitecturas de capas implícitas preconstruidas con retropropagación O(1), soporte para GPU y solucionadores de ecuaciones diferenciales rígidas y no rígidas, que demuestran métodos de aprendizaje automático científico (SciML) y aprendizaje automático informado por la física

Aproximación basada en rejillas de ecuaciones diferenciales parciales en Julia

Simulación y estimación de parámetros en geofísica: un paquete de Python para simulación y estimación de parámetros basada en gradientes en el contexto de aplicaciones geofísicas.

FiPy es un solucionador de ecuaciones diferenciales parciales (PDE) de volumen finito escrito en Python.

Paquete de Julia para la aproximación de funciones

Paquete de Python para derivadas numéricas y ecuaciones diferenciales parciales en cualquier número de dimensiones.