← 面向 IBR 动态的物理信息 Neural ODE

面向 IBR 动态的物理信息 Neural ODE

Neural ODE 与学习向量场

C3-03 · 模块提纲

学习导数规律,再通过积分预测轨迹。

学习目标

  • 区分局部导数拟合与轨迹预测准确性。
  • 区分积分误差与模型误差。

内容提纲

  1. 一维学习动态
  2. 二维 GFM 向量场
  3. Euler、RK4 与外推

实验方向 · 待开发

仿真与代码实验

在未见初态下比较学习模型与参考模型的相图。

后续在此加入模型说明、参数设置、可运行代码与结果解读。

练习与讨论

解释小导数误差如何在轨迹预测中累积。

解答与反馈将在完整教材中补充。

材料准备

已有相关讲义、模型或 Notebook,需要整理为网页教材与实验。

将现有材料整理为逐步讲义、可复现实验与带解答练习。

本课程的全部模块
  1. 动力系统与轨迹数据
  2. 神经网络基础
  3. Neural ODE 与学习向量场
  4. 导数匹配与轨迹匹配
  5. 物理约束与残差骨架
  6. 连续时间 PINN 与 Neural ODE
  7. 参数辨识与泛化
  8. 学习模型的稳定性诊断
  9. 从 Swing Model 到变流器动态