作者：Yehuda Pinchover and Jacob Rubinstein 斯坦福教材

这是关于多尺度小波方法的电子书，高清，最新版本，经典著作，英文版

障碍物问题 在变分不等式和自由边界问题的数学研究中，障碍问题是一个经典的激励例子。 问题是找到弹性膜的平衡位置，该弹性膜的边界保持固定，并且被限制在给定的障碍物上方。 它与极小曲面的研究以及势论中集合的容量的研究密切相关。 应用包括研究多Kong介质中的流体过滤、约束加热、弹塑性、最优控制和金融数学。 请参阅。

Solving Ordinary Differential Equations I全书资源

随机微分方程的黑盒变分推断 Lotka-Volterra示例的Tensorflow实现在 ， ， 和 （ICML，2018）中进行了。 示例：Lotka-volterra 在这里，我们在本文的第5.1节中演示示例“具有未知参数的多个观察时间”的实现。 也就是说，在已知测量误差方差的情况下，二维Lotka-Volterra SDE的全参数推断观察到的离散时间步长为10。 系统要求 以下示例已使用tensorflow 1.5，numpy 1.14和python 3进行了测试。尚未在任何依赖项的更新和/或更高版本上进行严格测试。 如有任何相关问题，请参阅联系部分。 此示例还使用张量板（1.5）可视化训练。 这样，您应该在lotka_volterra_data.py中为张量板输出指定路径。 例如： PATH_TO_TENSORBOARD_OUTPUT = "~/Documents/my_

神经控制微分方程用于不规则时间序列[ ， ] 基于对受控微分方程的深入理解的数学理论，我们演示了如何构建以下模型： 直接作用于不规则采样的部分观测的多元时间序列。 可能会进行记忆有效的伴随反向传播训练-即使是跨观测也是如此。 展示最先进的性能。 使用现有工具（尤其是PyTorch和库）可以轻松实现和评估它们。 图书馆 参见 。 例子 我们鼓励您看一下 ，它演示了如何使用该库来训练Neural CDE模型来预测螺旋的手征性。 有关如何处理可变长度输入，不规则采样或丢失数据的演示，另请参见 ，所有这些都可以在不更改模型的情况下轻松处理。 一个自包含的简短示例： import torch import torchcde # Create some data batch , length , input_channels = 1 , 10 , 2 hidden_channels = 3 t

在本文中，我们处理具有两点边界条件的Riemann-Liouville分数阶微分方程的拟线性化。 通过建立新的比较原理，我们得到了一个单调序列，该序列单调二次收敛到分数阶微分方程的唯一解。

A Student's Guide to Maxwell's Equations 英文版

PDE经典教材 学习偏微分方程必读课本

Stochastic Differential Equations 6th ed - B. Oksendal