Julia:一种新的数值计算方法
本篇论文介绍了一种新型动态语言 Julia,它采用现代的编程语言技术进行设计,旨在实现高性能并支持表达式编程模型和成功的类型推断,从而使其适用于科学计算和技术计算领域,并尝试平衡高生产力和高性能。
Sep, 2012
这篇论文介绍了一种 Differentiable Programming 系统 Zygote,能够从一般的程序结构中获取梯度,该系统支持控制流、递归、突变等几乎所有语言构造,并支持各种高级自动微分技术,可以在不需要任何用户干预或重构来分阶段执行计算的情况下编译高性能代码,从而使得我们能够在深度学习模型中简单地集成一个大的库生态系统。
Jul, 2019
该论文介绍了开源建模语言 JuMP,其可以在高层次代数句法中表达多种优化问题,包括线性、混合整数、二次、圆锥二次、半定和非线性问题,并探讨了如何将 JuMP 扩展到新的问题类别,并组合现有的可视化和交互式工具。
Aug, 2015
介绍了名为 Flux 的框架,它建立在 Julia 编程语言的基础上,是一种简单易用、高性能的可微编程框架,该框架的实现展示了许多语言和框架级特性,内部编译器技术也获得了加速和高性能。
Nov, 2018
JuliaReach 是一个工具箱,用于连续和混合系统的基于集合的可达性分析,主要由 Reachability 和 LazySets 两个软件包组成,实现了基于凸集的微积分的最新算法,在高维度中结合了惰性操作和低维度中的明确计算,可以解决复杂和大规模的问题。
Jan, 2019
本论文介绍 NumPy 作为 Python 语言主要的数组编程库,在物理学、化学、天文学、地球科学、生物学、心理学、材料科学、工程学、金融和经济学等领域中的应用,并阐述了少量的基本数组概念如何构成一种简单而强大的编程模式,用于组织、探索和分析科学数据。
Jun, 2020
通过大规模模型、海量数据集、加速硬件和可微分编程的变革力量,人工智能最近取得了显著进展。不仅可以以端到端的方式对复杂计算机程序进行微分,还可以优化程序参数。可微分编程建立在自动微分、图模型、优化和统计学等多个计算机科学和应用数学领域的基础上,本书全面评估了不同 iable 编程的基本概念。通过优化和概率的两个主要视角,我们介绍了两者之间的明显相似之处。可微分编程不仅仅是程序的微分,还包括为微分而设计的富有思考的程序,通过使程序可微分,我们自然引入了与程序输出相关的概率分布,从而提供了量化不确定性的手段。
Mar, 2024
本篇论文探讨了概率数值方法,即在数值计算任务(包括线性代数、积分、优化和解决微分方程)中,如何返回计算不确定性,并提出了新算法以适应应用的特定需求,并 改善经验性能。这种方法可用于管理数值不确定性,并且可应用于现代科学和工业领域,特别是在气候科学和天文学领域的实际问题中。
Jun, 2015