Материал из MachineLearning.

Версия 17:28, 1 августа 2021 (править) Strijov (Обсуждение | вклад) (→Fundamental theorems) ← К предыдущему изменению		Версия 17:31, 1 августа 2021 (править) (отменить) Strijov (Обсуждение | вклад) (→Theme 1: PDE) К следующему изменению →
Строка 39:		Строка 39:
	(after RBF)		(after RBF)
		+
		+
		+
		+	== Fourier for fun and practice 1D==
		+
		+	[https://morioh.com/p/18b3158eab36?f=5c21fb01c16e2556b555ab32&fbclid=IwAR0FBF6IfmEaaedMEDzxiSclxGgNVweHgDQZympUZ-4doeKGNwQwUvp9upo Fourier Code]
		+
		+	== Fourier for fun and practice nD==
		+
	==Theme 1: High order splines==		==Theme 1: High order splines==

---

Версия 17:31, 1 августа 2021

Основная статья: Численные методы обучения по прецедентам (практика, В.В. Стрижов)

Содержание 1 Syllabus and goals 2 Theme 1: 2.1 Message 2.2 Basics 2.3 Application 2.4 Code 3 Theme 1: ODE and flows 4 Theme 1: PDE 5 Fourier for fun and practice 1D 6 Fourier for fun and practice nD 7 Theme 1: High order splines 8 Theme 1: Topological data analysis 9 Theme 1: Homology versus homotopy 10 Fundamental theorems

• Geometric deep learning
• Functional data analysis
• Applied mathematics for machine learning

Syllabus and goals

Theme 1:

Message

Basics

Application

Code

https://papers.nips.cc/paper/2018/file/69386f6bb1dfed68692a24c8686939b9-Paper.pdf

Theme 1: ODE and flows

• Neural Ordinary Differential Equations (source paper and code)
• W: Flow-based generative model
• Flows at deepgenerativemodels.github.io
• Знакомство с Neural ODE на хабре

Goes to BME

• Variational Inference with Normalizing Flows (source paper)
• Flow-based deep generative models

Theme 1: PDE

(after RBF)

Fourier for fun and practice 1D

Fourier Code

Fourier for fun and practice nD

Theme 1: High order splines

Theme 1: Topological data analysis

Theme 1: Homology versus homotopy

W: Homology

Fundamental theorems

W: Inverse function theorem and Jacobian