Résoudre les équations par FM

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (26)

Page 1 sur 3

Optimisation du système énergétique

Couvre l'optimisation des systèmes énergétiques, en se concentrant sur la résolution d'équations et de méthodes numériques.

Méthodes numériques : Techniques itératives

Couvre les méthodes ouvertes, Newton-Raphson, et la méthode sécante pour les solutions itératives dans les méthodes numériques.

Méthode Newton : Convergence et soins quadratiques

Couvre la méthode de Newton et ses propriétés de convergence près du point optimal.

Différenciation numérique: Partie 1

Couvre la différenciation numérique, les différences en avant, l'expansion de Taylor, la notation Big O et la minimisation des erreurs.

Vectorisation en Python : calcul efficace avec Numpy

Couvre la vectorisation en Python en utilisant Numpy pour un calcul scientifique efficace, en soulignant les avantages d'éviter les boucles et de démontrer des applications pratiques.

Méthodes numériques : critères d'arrêt, SciPy et Matplotlib

Discute des méthodes numériques, en se concentrant sur les critères d'arrêt, SciPy pour l'optimisation et la visualisation des données avec Matplotlib.

Méthodes de conversion d'énergie

Couvre le système énergétique, les méthodes numériques, Newton-Raphson, la convergence et la résolution efficace des équations.

Optimisation avec contraintes : théorie et applications

Couvre la théorie et les applications de l'optimisation avec des contraintes, y compris les concepts clés et les méthodes numériques.

Analyse numérique: Stabilité dans les ODE

Couvre l'analyse de stabilité des ODE à l'aide de méthodes numériques et discute des conditions de stabilité.

Descente de gradient plus rapide: Techniques d'optimisation projetées

Couvre des méthodes de descente de gradient plus rapides et une descente de gradient projetée pour une optimisation contrainte dans l'apprentissage automatique.