KFU. Card publication. 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
- 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]

Form of presentation

Articles in international journals and collections

Year of publication

2024

Язык

английский

Authors, employees of KFU

Konyukhov Vladimir Mikhaylovich, author

Other authors

Konyukhov Ivan Vladimirovich, author

Bibliographic description in the original language

Konyukhov I.V, Konyukhov V.M, Chernitsa A.A, Analysis of the physics-informed neural network approach to solving ordinary differential equations«;« [Osobennosti primeneniya fizicheski informirovannykh neyronnykh setey dlya resheniya obyknovennykh differencialnykh uravneniy] // Computer Research and Modeling. - 2024. - Vol.16, Is.7. - P.1621-1636.

Annotation

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 $20-40\%$.

Keywords

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

The name of the journal

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

Please use this ID to quote from or refer to the card

https://repository.kpfu.ru/eng/?p_id=309860&p_lang=2

Full metadata record

Field DC	Value	Language
dc.contributor.author	Konyukhov Vladimir Mikhaylovich	ru_RU
dc.contributor.author	Konyukhov Ivan Vladimirovich	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/eng/?p_id=309860&p_lang=2	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	Articles in international journals and collections	ru_RU