化工新能源中的機理和機器學習建模—從燃料電池的系統(tǒng)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(jié)：第1節(jié)課（共1節(jié)） 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(tǒng)其實也算一個小型的化工系統(tǒng)，這個系統(tǒng)可能使用氫氣或者天然氣作為燃料來發(fā)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。

流體力學與機器學習論文講解——輔導國外學生

以某個水下機器人殼體為例，對壓力容器內外壓力差形成的結構變形、應力分布進行結構仿真計算。視頻包括多個場景環(huán)境變化引起的邊界條件分析境、位移約束和邊界條件分配講解，同步演示操作過程，語音講解。

介紹了一個機器學習實現(xiàn)數(shù)據(jù)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(tǒng)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(xiàn)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。

基于matlab的生物地理的優(yōu)化器（BBO）被用作多層感知器（MLP）的訓練器。粒子群優(yōu)化（PSO）、蟻群優(yōu)化（ACO）、遺傳算法（GA）、進化策略（ES）和基于概率的增量學習（PBIL）。計算了BBO-MLP、PSO、ACO、ES、GA和PBIL的分類精度并相互比較。輸出每種算法的收斂曲線和分類精度。程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

有過優(yōu)化經驗的工程師或正在考慮技術革新、培養(yǎng)自主研發(fā)能力的技術主管會更加受益。 基于機器學習的智能優(yōu)化設計技術及其深遠影響【已結束】 直播時間：2019-07-24 10:30 如何更高效地找到多學科工程問題的最優(yōu)解 ——基于機器學習的智能優(yōu)化設計技術及其深遠影響 1.工程優(yōu)化的發(fā)展簡史 2.什么是基于機器學習的智能優(yōu)化方法？ 3.新的智能優(yōu)化方法帶來什么新的功能？

課程大綱： 1.modeFRONTIER中的大數(shù)據(jù)分析/機器學習相關工具介紹及使用培訓 ?優(yōu)化軟件modeFRONTIER基本介紹 ?大數(shù)據(jù)分析相關工具介紹及使用培訓 ?聚類（Clustering） ?分類（Classification） ?多元相關分析（Multiple correlation analysis） ?維數(shù)約簡（Dimensionality reduction） ?機器學習算法庫介紹

天線設計與分析 　1）Demo：器件庫I 　2）特征模分析 　3）基于機器學習的優(yōu)化流程 3. 天線布局分析 　1）Demo：器件庫II 　2）模型清理與網格剖分 　3）等效源求解技術 　4）計算資源及計算精度 4. 實際工作環(huán)境下天線的性能分析 二. Altair電大平臺共址干擾仿真網絡研討會 內容大綱： 1. Altair產品方案 2.