本書以統(tǒng)一而較簡明的方式介紹人工智能算法在數(shù)值求解復(fù)雜系統(tǒng)中的基本方法及最新進(jìn)展。首先從人工智能與機(jī)器學(xué)習(xí)的基礎(chǔ)算法開始講解，從最基礎(chǔ)的反向傳播神經(jīng)網(wǎng)絡(luò)模型開始，介紹一些經(jīng)典的機(jī)器學(xué)習(xí)算法的基礎(chǔ)及其原理。然后從一階常微分方程初值問題引入，分別介紹了常微分方程、偏微分方程以及積分微分方程數(shù)值求解的經(jīng)典算法。隨后分別研究了反向傳播神經(jīng)網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)算法、最小二乘支持向量機(jī)算法以及深度學(xué)習(xí)算法如何用于數(shù)值求解復(fù)雜系統(tǒng)中的微分方程。相較于經(jīng)典的基于迭代算法的微分方程數(shù)值計(jì)算方法，這些基于人工智能與深度學(xué)習(xí)的計(jì)算方法可以更加高效且更加準(zhǔn)確地得到復(fù)雜系統(tǒng)的數(shù)值解。

更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。