Key points are not available for this paper at this time.
Dieses Video bietet einen kurzen Rückblick auf diese Einführungsreihe zum Physik-informierten maschinellen Lernen. Wir gehen die fünf Phasen des maschinellen Lernens durch und wie Physik in diese Phasen integriert werden kann. Zudem diskutieren wir Architekturen, Symmetrien, den digitalen Zwilling, Anwendungen im Ingenieurwesen und die Bedeutung von dynamischen Systemen und Steuerungsbenchmarks.
Steven L. Brunton (Fr,) hat diese Frage untersucht.