这篇论文把机翼流体仿真和深度学习结合，预测在不同机翼模型或气流不同的初始速度场下机翼周围气流的压强以及速度场这篇论文是一个很好的实验记录，我根据自己的任务主要学习第四部分中如何构造数据集、如何进行预处理以及如何训练等，而且我对机翼流体仿真这个问题本身也不是很了解，所以对论文分析的并不全面以下是对论文的第四部分的梳理，并结合代码理解细节1. 构造数据集（1）网络的输入输出输入：机翼模型，初始速度场输

《The Deep Ritz Method: A Deep Learning-Based Numerical Algorithm for Solving Variational Problems》

一.基础1.变形体力学中的三大类变量和三大类方程2.试函数方法设定满足边界条件的试函数，然后把该试函数带入控制方程得到残差函数，最小化残差函数来确定试函数中的待定系数3.试函数方法分类二.试函数方法之加权残值法1.问题的一般提法：2.主要的加权残值法3.galerkin加权残值法4.残值最小二乘法四.试函数方法之能量原理1.引入能量原理的原因2.引入虚位移，虚功...

一、数组1. 不能监听的情况（1） 直接通过下标赋值 arr[i] = value（2） 直接修改数组长度 arr.length = newLen2. 替代做法（1）修改值1. Vue.set(arr, index, newvalue)2. vm.$set(arr, index, newvalue)3. arr.splice(index, 1, newvalue)（2） 修改数组长度，arr.sp

收到的任务是用深度学习求解偏微分方程，所以只学习机器学习中的深度学习这篇博客是梳理整个学习框架，由机器学习的一些基本概念到深度学习，其中涉及到的一些小知识点分别写在别的博客中1.机器学习分类deep learning 属于机器学习中监督学习的非线性模型链接：https://blog.csdn.net/a493823882/article/details/81183324（1）机器学习都...

之前长期认为机器学习是一种统计学习，而且确实效果也很好，但是认为神经网络不擅长解决符号推理问题。本篇论文通过训练sequence-to-sequence模型实现了用深度学习求解符号数学问题，这也是这个方法的新奇之处–用自然语言处理的方式求解符号推理问题。本文作者认为数学符号计算的过程本质上就是一个模式识别的过程，由此他们将数学（尤其是符号计算）视为一个 NLP 模型问题，符号推理等同于seq2se