#pinn — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #pinn, aggregated by home.social.
-
Pinnacles National Park #pinn #nationalpark
⚠️ Caution ⚠️
Issued: 9/4/2025 2:44 PM EDTFire Danger VERY HIGH
Wood-burning fires and charcoal grills are prohibited. Propane and gas stoves allowed only in campground and picnic areas. No smoking on trail. No roadside parking. Fireworks are always prohibited.
-
Pinnacles National Park #pinn #nationalpark
⚠️ Caution ⚠️
Issued: 9/4/2025 2:44 PM EDTFire Danger VERY HIGH
Wood-burning fires and charcoal grills are prohibited. Propane and gas stoves allowed only in campground and picnic areas. No smoking on trail. No roadside parking. Fireworks are always prohibited.
-
Pinnacles National Park #pinn #nationalpark
⚠️ Caution ⚠️
Issued: 8/2/2025 6:01 PM EDTHIGH Fire Danger
Wood campfires and charcoal grills are prohibited. Propane and gas stoves allowed only in campground and picnic areas. No smoking on trail. No roadside parking. Fireworks are always prohibited.
-
Pinnacles National Park #pinn #nationalpark
⚠️ Caution ⚠️
Issued: 8/1/2025 12:02 PM EDTHIGH Fire Danger
Wood campfires and charcoal grills are prohibited. Propane stoves allowed only in campground and picnic areas. No smoking on trail. No roadside parking.
-
Эконофизика и физически-обоснованные нейронные сети
Эконофизика — область науки, которая объединила в себе экономическую теорию и физические методы. По случаю выхода нашей с коллегами научной статьи , решил рассказать об этой концепции. И про то, как современные подходы машинного обучения могут способствовать построению эконофизических и социофизических моделей.
https://habr.com/ru/articles/889574/
#эконофизика #искусственный_интеллект #машинное_обучение #лагранжева_механика #лагранжиан #финансы #социофизика #pinn #нейронные_сети
-
Physics-based и data-driven моделирование
В этом посту поговорим про различия в двух подходах моделирования, а именно, чем отличаются физически обоснованные модели от моделей, основанных на данных . На самом деле между этими двумя понятиями есть и кое-что среднее, что становится актуальнее в решение научных задач. Но об этом позже. Итак, начнем с моделей, основанных на данных. Такого рода модели встречаются почти на каждом шагу. Любая задача машинного обучения, будь то регрессия (например, предсказание цен на товары), классификация (определение маркера болезни по данным об анализах пациента), рекомендация (определение более подходящего видео в вашей ленте), сегментация (определение объектов на фото или видео) и т. д. Задач машинного обучения достаточно много, но все они требуют одного - данных . В этом классе моделей требуется собрать подходящий набор данных, обработать его (например, убрать различные аномалии или трансформировать переменные), определиться с типом задачи, выбрать модель для этого типа задачи и подать данные на вход. И, наконец, обучить модель, подбирая оптимальным образом весовые коэффициенты. Модели, основанные на данных, по факту являются статистическими моделями, которые наилучшим образом аппроксимируют неизвестную зависимость. Во многих задачах неизвестны закономерности между независимыми переменными и результирующим признаком или признаками. Они либо сложны для описания, либо у нас нет четкой формулы для получения ответа. Именно здесь такие статистические модели приходят на помощь.
https://habr.com/ru/articles/863192/
#машинное_обучение #физически_обоснованные_модели #PINN #гибридные_модели #datadriven #обзор
-
PINN или нейросети, знающие физику
Что такое PINN и какова область их применения? PINN появились сравнительно недавно (в 2019 году была опубликована работа Raissi ), но уже активно применяются для некоторых задач физики. Отличительная особенность данных нейросетей состоит в том, что в Loss-функцию включены невязки от уравнений, которые описывают рассматриваемый физический процесс. Вход такой нейросети - это координаты (пространственные или временные, в зависимости от задачи). И еще одна особенность - для обучения не требуется таргетов, так как, повторюсь, в Loss минимизируется отклонение предсказанных значений от уравнений. Можно сказать, что PINN - это замена численному моделированию и тогда, возникает вопрос: “А нужны ли нейросети там, где хорошо работают численные методы”. Но не все так просто. Представьте, что Вы или Ваш коллега провел эксперимент, например, измерил скорости частиц в потоке жидкости, или получил точечные измерения температуры. Если Вы действительно имеете опыт проведения эксперимента, наверняка знаете, что экспериментальные данные далеко не идеальны и могут принести много головной боли при обработке. А теперь представим, что все же Вы эту обработку провели, получили датасет из эксперимента, и теперь хотите эти данные использовать в уравнениях, чтобы получить другие параметры течения. Например, измерили скорость, а из уравнений гидродинамики, хотите получить давление. Или другими словами, провести ассимиляцию данных, говоря на современном околонаучным языком. Численное моделирование в таком случае можно дать сбой, потому что даже тщательно отфильтрованные данные могут быть шумными (особенно если от них требуется брать производные, а если еще и вторые, то совсем, шляпа). Или их может быть мало (например, температуру измеряли термопарой в нескольких точках). В данном случае, вроде, эксперимент есть и потенциально восстанавливать одни величины по другим можно, решая уравнения. И тут на помощь могут прийти PINN. Потому что они работают иначе, чем численные методы. Они не используют схем переноса, а параметры нейросети минимизируются в выбранных точках.
-
Pinnacles National Park #pinn #nationalpark
⛔ Park Closure ⛔
Issued: 5/26/2024 6:10 PM EDTBear Gulch Cave CLOSED
Bear Gulch Cave will be closed through mid July in order to protect a maternity colony of Townsend's big-eared bats. Balconies Cave remains open.
-
Yeah, old man Lectricity lives there. He don't care for visitors! Apart from #Pinn, never minds seeing them as they pass by.
HTs #AbandonedPlaces #graffiti #TellingStories #Pinner #NaturePhotography #LondonsRivers #ElectricitySubstation
-
Interested in scientific machine learning (#sciml)? Physics-informed Neural Networks (#pinn)? Automating the discovery of physical equations with #machinelearning ? Check out this talk which is an introduction to SciML from the viewpoint of applications for Astroinformatics!
