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(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(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。

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。

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。

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(fā)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】

課程大綱： 1.modeFRONTIER中的大數據分析/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 ?大數據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） ?維數約簡（Dimensionality reduction） ?機器學習算法庫介紹

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？

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

機器學習：在訓練機器學習模型時，啟發(fā)式算法可以用來選擇特征、優(yōu)化模型參數或者神經網絡的結構。 人工智能：在搜索和路徑規(guī)劃問題中，如自動駕駛車輛和機器人導航，啟發(fā)式算法提供了有效的解決方案。 調度問題：在生產、交通和資源分配中，啟發(fā)式算法可以用于生成高效的調度計劃。 組合優(yōu)化：啟發(fā)式算法適用于旅行商問題（TSP）、車輛路徑問題（VRP）等組合優(yōu)化問題。

機器學習：在訓練機器學習模型時，啟發(fā)式算法可以用來選擇特征、優(yōu)化模型參數或者神經網絡的結構。 人工智能：在搜索和路徑規(guī)劃問題中，如自動駕駛車輛和機器人導航，啟發(fā)式算法提供了有效的解決方案。 調度問題：在生產、交通和資源分配中，啟發(fā)式算法可以用于生成高效的調度計劃。 組合優(yōu)化：啟發(fā)式算法適用于旅行商問題（TSP）、車輛路徑問題（VRP）等組合優(yōu)化問題。

什么是機器學習、AI 2. AI、ML 與 CAE 結合應用 3. Altair RapidMiner 的應用與思考

機器學習 流體力學 人工智能

重點機器學習代理本構模型論文講解，神經網絡模型訓練實戰(zhàn)，訓練好的神經網絡模型嵌入ABAQUS進行真實應用

目前在機器學習方面有哪些探索呢？一起來看看吧~

J-OCTA與機器學習相結合，稱為材料信息學。與大家分享了J-OCTA的歷史、用戶趨勢和最新技術。