{{span1}} {{span2}} 次上传
过去一年提交{{total}}{{oneyearbeforeday}} - {{thisday}}
最近一月提交{{thisweekdatacore}}{{amonthago}} - {{thisday}}
最近一周提交{{weekdatacore}}{{aweekago}} - {{thisday}}
machine learning for chaos system-测试篇
材料:
ML研究和工程,至少需要Python 3,pandas,numpy,scikit-learn,matplotlib,tensorflow和jupyterlab。
Pytorch 1.7 (3090) 出错问题解决参考
环境搭建-对比M1芯片和Nivida3090测试使用FashionMNIST数据集:
这里简单介绍一下FashionMNIST数据集,原始的MNIST数据集只有1-9的手写数字,整个数据过于简单,无法胜任作为现代CV任务的benchmark的职责,很难有效验证模型的合理性。FashionMNIST包含了60000张训练图片,以及10000张测试集图片,和初代MNIST数据集一样,每张图片都是28 * 28的大小的黑白图片,但是包含的主要是衣服,鞋子,手提包等时尚界物品。图片内容更为复杂,相比于1-9的手写数字,能更为有效的验证模型的合理性。
使用的数据集是 Fashion-MNIST,获取链接如下
https://github.com/zalandoresearch/fashion-mnistgithub.com
实验1234567891011121314151 ...
machine learning for chaos system-基础知识
学习资源:
Udemy course: Recurrent Neural Networks in Python
Google Colab
如何从Colab导入文档
Github
Applications of Deep Neural Networks
Numpy
Matrix arithmetic
Tensor (aka. “arrays”)(note the name: Tensorflow)
1-D tensor(vector), 2-D tensor(matix)
Arithmetic: +,-,*,/
Matrix multiply == dot/inner product (np.dot)
Element-wise multiply(*)
Matplotlib
Line charts
Scatter plots
Pandas
Loading in tabular data
Scipy(power version of numpy)
Satistics, optimization, linear algebra, signal processing
Sci ...
Dynamical system and chaos
学习资料:
MIT 公开课 -第11/12/13周课程
simplearth
https://www.youtube.com/watch?v=KmOzUkILGAQ&list=PLmU0FIlJY-Mle_2Q0mjVMuQh9aZHDzNoP
https://drive.google.com/drive/folders/1kM9ko27wA5NvmZ8CxHIKygdi-klzW0UZ
学习目标:
Dynamical system $(M,f)$: the space M of its possible states, and the law $f^t$ of their evolution in time.
equilibria / fixed points
Poincare map
Explore the neighborhood by 线化 the flow; check the linear stability of its equilibria/ fixed points, their stability eigen-directions.
Symme ...
Linux和Unix使用技巧总结
前言:
记录Linux和Unix使用技巧,时刻学习和更新,提高工作效率;
bash 命令行;
安装包环境搭建和测试记录;
https://github.com/pytorch/pytorch/issues/48145
Linux技巧grep和sed配合替换文件中的字串命令:
sed -i s/yyyy/xxxx/g grep yyyy -rl --include="*.py" ./
作用:将当前目录(包括子目录)中所有py文件中的yyyy字符串替换为xxxx字符串
参数解释:
sed:
-i 表示操作的是文件,``括起来的grep命令,表示将grep命令的的结果作为操作文件
s/yyyy/xxxx/表示查找yyyy并替换为xxxx,后面跟g表示一行中有多个yyyy的时候,都替换,而不是仅替换第一个
grep:
-r表示查找所有子目录
-l表示仅列出符合条件的文件名,用来传给sed命令做操作
—include=”*.txt” 表示仅查找txt文件
./ 表示要查找的根目录为当前目录
图床:upic ,相当好用Spotlight—Mac上的查询利器Tensor ...
python知识点记录
资源
Code:
Yunpan: 提取码:on6j
jupyter-notebook 快捷键
学习网站
廖雪峰的python网站
Github
经常练习才能进步!
Outline:
Jiaqi-knight’s repositories
.ipynb_checkpoints
00-Python Object and Data Structure Basics
01-Python Comparison Operators
02-Python Statements
03-Methods and Functions
04-Milestone Project - 1
05-Object Oriented Programming
06-Modules and Packages
07-Errors and Exception Handling
08-Milestone Project - 2
09-Built-in Functions
10-Python Decorators
11-Python Gen ...
DMD
DMD 算法汇总
POD
standard DMD
On-line DMD
Hankel-DMD
Koopman mode decomposition
持续更新中。。
PODrealization of a stationary stochastic process and therefore can use statistical tools such as POD to obtain a meaningful decomposition. POD is a linear decomposition of the flow field into spatially orthogonal modes and uncorrelated temporal coefficients.
the chaotic component $u_c(x,y,t)$ 可以分解:
u_c(x,y,t)= \sum_k a_k (t)\phi_k(x,y)其中, $\phi_k$ 为POD 模态3, $a_k$ 与时间相关。
DMD 或 Koopman decomposition mode, could ...
LBM-IBM-FEM
目的:LBM parallel和流固耦合算法学习
简介: 学习github上的一个开源算法LIFE:A parallel lattice Boltzmann-immersed boundary-finite element (LIFE) solver for fluid-structure interaction. 它是基于LBM方法的流固耦合算法,整体算法通过C++语言编程实现。研究方法利用LBM进行流体域的计算,FEM方法进行刚体域的计算,最后通过IBM作为过渡,使得欧拉网格的流体和拉格朗日网格的固体相互通信。结合LBM仿真,考虑压气机叶片细长结构,可以从二维不稳定的流动的角度对其进行建模。
算法基本介绍及应用:
Peskin, C.S., The immersed boundary method. Acta numerica, 2002. 11: p. 479-517.
Roma, A.M., C.S. Peskin, and M.J. Berger, An adaptive version of the immersed boundary method. Jo ...
foundation of aeroacoustic in compressor
很早很早之前的一些总结,时间长了,自己也就忘干净了。拿出来分享,自己也巩固巩固,摘抄和学习了一些气动声学的基础知识。可能会有一些错误,望谅解。
参考文献:
《气动声学》,《航空发动机气动声学》
Interesting Dynamical Systems & Applications
这是嵌入 Microsoft Office 演示文稿,由 Office 提供支持。
备注:此为blog PPT展示实例,是通过office 365 共享博客嵌入,快捷方便。
TODO:
DMD 进一步深入探索
deal-ii-learning
— 学习目的:尽快熟练掌握step-69,转化成果应用到旋流管道 —Introduction数值求解微分方程高精度数值求解微分方程主要有三类:有限体积法、有限元法和有限差分法。
有限差分方法**(FDM)**是计算机数值模拟最早采用的方法,至今仍被广泛运用。该方法将求解域划分为差分网格,用有限个网格节点代替连续的求解域。有限差分法以Taylor级数展开等方法,把控制方程中的导数用网格节点上的函数值的差商代替进行离散,从而建立以网格节点上的值为未知数的代数方程组。该方法是一种直接将微分问题变为代数问题的近似数值解法,数学概念直观,表达简单,是发展较早且比较成熟的数值方法。
对于有限差分格式,从格式的精度来划分,有一阶格式、二阶格式和高阶格式。从差分的空间形式来考虑,可分为中心格式和逆风格式。考虑时间因子的影响,差分格式还可以分为显格式、隐格式、显隐交替格式等。目前常见的差分格式,主要是上述几种形式的组合,不同的组合构成不同的差分格式。差分方法主要适用于有结构网格,网格的步长一般根据实际地形的情况和柯朗稳定条件来决定。
构造差分的方法有多种形式,目前主要采用的是泰勒级数展开方法。其基本 ...