立德树人、博学笃行

您的位置: 首页>学术活动>正文

首页
 图片新闻 
 通知公告 
 学院新闻 
 专题新闻 
 学术活动 
 党群工作 
 学生工作 
 大数据与ACCP 
学术活动
学术报告:Data-Driven Deep Learning ofUnknown Governing Equations
2022-03-22 10:01 作者:马天山 编辑:曲子芳 审核:王永生 

报告题目:Data-Driven Deep Learning ofUnknown Governing Equations    

报告时间:2022-03-2515:00-16:00    

报告地点:腾讯会议(ID142 356 189

组织单位:北京师范大学数学科学学院

报告摘要:

Thistalk will introduce some effective numerical algorithms for learning unknown governingequations from measurement data. Upon recasting the learning problem into afunction approximation problem, we discuss the importance of using a largenumber of short bursts of trajectory data, rather than using data from a smallnumber of long trajectories. Several data-driven modeling strategies using deepneural networks (DNN) are presented. We demonstrate that residual network isparticularly suitable for equation discovery, as it can produce exact timeintegrator for numerical prediction.

   

报告人:

吴开亮,男,籍贯安徽省安庆市,理学博士,南方科技大学数学系副教授、博士生导师。2011年获华中科技大学数学学士学位;2016年获北京大学计算数学博士学位;2016-2020年先后在美国犹他大学和美国俄亥俄州立大学从事博士后研究工作;20211月加入南方科技大学、任副教授。研究方向包括计算流体力学与数值相对论、机器学习与数据驱动建模、微分方程数值解、高维逼近与不确定性量化等。研究成果发表在SINUMM3ASNumer. Math.SISCJ. Comput. Phys.JSCApJSPhys. Rev. D等重要期刊上。曾获中国数学会计算数学分会优秀青年论文奖一等奖(2015)和中国数学会钟家庆 数学奖(2019);入选国家高层次人才计划(青年);主持国家自然科学基金面上项目。

  

关闭窗口