КФУ. Карточка публикации. Analysis of the physics-informed neural network approach to solving ordinary differential equations«;« [Особенности применения физически информированных нейронных сетей для решения обыкновенных дифференциальных уравнений]

RUS

- EN
- 中文
- ES

ANALYSIS OF THE PHYSICS-INFORMED NEURAL NETWORK APPROACH TO SOLVING ORDINARY DIFFERENTIAL EQUATIONS&LAQUO;;&LAQUO; [ОСОБЕННОСТИ ПРИМЕНЕНИЯ ФИЗИЧЕСКИ ИНФОРМИРОВАННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ РЕШЕНИЯ ОБЫКНОВЕННЫХ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ]

Форма представления

Статьи в зарубежных журналах и сборниках

Год публикации

2024

Язык

английский

Авторы, сотрудники КФУ

Конюхов Владимир Михайлович, автор

Другие авторы

Конюхов Иван Владимирович, автор

Библиографическое описание на языке оригинала

Konyukhov I.V, Konyukhov V.M, Chernitsa A.A, Analysis of the physics-informed neural network approach to solving ordinary differential equations«;« [Особенности применения физически информированных нейронных сетей для решения обыкновенных дифференциальных уравнений] // Computer Research and Modeling. - 2024. - Vol.16, Is.7. - P.1621-1636.

Аннотация

Рассматривается применение физически информированных нейронных сетей с использованием многослойных персептронов для решения задач Коши, в которых правые части уравнения являются непрерывными монотонно возрастающими, убывающими или осциллирующими функциями. С помощью вычислительных экспериментов изучено влияние метода построения приближенного нейросетевого решения, структуры нейронной сети, алгоритмов оптимизации и средств программной реализации на процесс обучения и точность полученного решения. Выполнен анализ эффективности работы наиболее часто используемых библиотек машинного обучения при разработке программ на языках программирования Python и C\#. Показано, что применение языка C\# позволяет сократить время обучения нейросетей на $20-40\%$.

Ключевые слова

обыкновенные дифференциальные уравнения, машинное обучение, физически информированные нейронные сети, численные методы

Название журнала

Computer Research and Modeling

URL

https://www.scopus.com/inward/record.uri?eid=2-s2.0-85213862158&doi=10.20537%2f2076-7633-2024-16-7-1621-1636&partnerID=40&md5=1e210a41b123faab4d67fd4ded30b3aa

Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на эту карточку

https://repository.kpfu.ru/?p_id=309860

Полная запись метаданных

Поле DC	Значение	Язык
dc.contributor.author	Конюхов Владимир Михайлович	ru_RU
dc.contributor.author	Конюхов Иван Владимирович	ru_RU
dc.date.accessioned	2024-01-01T00:00:00Z	ru_RU
dc.date.available	2024-01-01T00:00:00Z	ru_RU
dc.date.issued	2024	ru_RU
dc.identifier.citation	Konyukhov I.V, Konyukhov V.M, Chernitsa A.A, Analysis of the physics-informed neural network approach to solving ordinary differential equations«;« [Особенности применения физически информированных нейронных сетей для решения обыкновенных дифференциальных уравнений] // Computer Research and Modeling. - 2024. - Vol.16, Is.7. - P.1621-1636.	ru_RU
dc.identifier.uri	https://repository.kpfu.ru/?p_id=309860	ru_RU
dc.description.abstract	Computer Research and Modeling	ru_RU
dc.description.abstract	Рассматривается применение физически информированных нейронных сетей с использованием многослойных персептронов для решения задач Коши, в которых правые части уравнения являются непрерывными монотонно возрастающими, убывающими или осциллирующими функциями. С помощью вычислительных экспериментов изучено влияние метода построения приближенного нейросетевого решения, структуры нейронной сети, алгоритмов оптимизации и средств программной реализации на процесс обучения и точность полученного решения. Выполнен анализ эффективности работы наиболее часто используемых библиотек машинного обучения при разработке программ на языках программирования Python и C\#. Показано, что применение языка C\# позволяет сократить время обучения нейросетей на $20-40\%$.	ru_RU
dc.language.iso	ru	ru_RU
dc.subject	обыкновенные дифференциальные уравнения	ru_RU
dc.subject	машинное обучение	ru_RU
dc.subject	физически информированные нейронные сети	ru_RU
dc.subject	численные методы	ru_RU
dc.title	Analysis of the physics-informed neural network approach to solving ordinary differential equations«;« [Особенности применения физически информированных нейронных сетей для решения обыкновенных дифференциальных уравнений]	ru_RU
dc.type	Статьи в зарубежных журналах и сборниках	ru_RU