化工新能源中的機理和機器學習建模—從燃料電池的系統到部件的機理及機器學習建模案例介紹 直播時間：3月12日 19:30 課時章節：第1節課（共1節） 適用人群：想要了解學習機理和機器學習建模在化工新能源中的應用 背景： 很多的新能源尤其是燃料電池系統其實也算一個小型的化工系統，這個系統可能使用氫氣或者天然氣作為燃料來發電驅動汽車或者向電網輸送，也可能是在逆向運行采用電網的電來分解水制氫。

而隨著人工智能的廣泛應用,機器學習算法廣泛應用于基于數據的預測研究。我們嘗試使用機器學習算法對發動機排放的實測時序數據進行了相應的學習和預測，取得了一些初步的成果。本次直播將對該工程應用實例的方法、過程和結果進行相應的介紹。 課程大綱： 1.項目背景說明 2.相關機器學習算法介紹 3.學習過程與要點 4.結果分析 5.應用場景 6.總結 【微信公眾號：艾迪捷】

流體力學與機器學習論文講解——輔導國外學生

介紹了一個機器學習實現數據擬合的案例，希望對大家有所幫助。

直播大綱： 本課程主要介紹已經完成過的一些化工新能源系統或者器件的機理及機器學習建模案例，手把手教你用numpy實現機器學習的RNN/LSTM/GRU，并講解序列建模的seq2seq算法。 配備若干案例進行演示。

介紹深度學習技術的發展歷程，基本工作原理和分類，針對每種深度神經網絡的結構特點和應用以及發展前景，同時分享IDAJ公司在眾多分類領域最新的應用實例以及可能帶來的價值。 包括： 1.機器學習技術與深度學習技術的發展歷史和基本原理 2.常見的深度神經網絡模型及其優缺點（DNN, CNN, RNN, GAN, AE） 3.IDAJ公司結合上述各種神經網絡模型在工業設計研發領域的應用案例

獲取流動信息 4、OpenFOAM多種功能使用教程：網絡生成，模擬設置 5、基于OpenFOAM的矩形柱體LES模擬案例（數據與代碼提供給學員） 6、OpenFOAM模擬信息的后處理獲取流場與壓力信息（數據與代碼提供給學員） 計算流體動力學與人工智能 二、機器學習基礎與應用 核心要點： 1、了解Python語言的特征，熟悉常見的機器學習算法 2、掌握使用python語言用于數據后處理

同時，隨著人工智能技術的發展，基于物理模型的機器學習方法也開始應用于斷屑槽設計與優化，為斷屑控制研究提供了新的思路和方法。 本視頻將系統梳理斷屑槽方向的科研創新點，從仿真角度探討斷屑槽設計的評價標準，為相關研究提供參考。