@第{JCM-39-816条,author={Bai、GenmingKoley、UjjwalMishra、Siddhartha和Molinaro、Roberto},title={用于逼近非线性色散偏微分方程的物理信息神经网络},journal={计算数学杂志},年份={2021},体积={39},数字={6},页数={816--847},抽象={我们提出了一种基于物理信息神经网络(PINNs)的新算法,用于有效逼近非线性色散偏微分方程(如KdV-Kawahara、Camassa-Holm和Benjamin-Ono方程)的解。利用这些色散偏微分方程解的稳定性来证明所产生误差的严格界。我们通过几个数值实验证明,PINN可以非常准确地逼近这些色散偏微分方程的解。
},issn={1991-7139},doi={https://doi.org/10.4208/jcm.2101-m2020-0342},url={http://global-sci.org/intro/article_detail/jcm/19913.html}}
TY-JOUR公司T1-用于逼近非线性色散偏微分方程的物理信息神经网络(PINN)AU-白、耿明AU-科利,乌杰瓦尔澳大利亚-米什拉,悉达多澳大利亚-莫里纳罗,罗伯托JO-计算数学杂志VL-6SP-816型EP-8472021年上半年DA-2021/10年序号-39做-http://doi.org/10.4208/jcm.2101-m2020-0342UR-(欧元)https://global-sci.org/intro/article_detail/jcm/19913.htmlKW-非线性分散偏微分方程,深度学习,物理知情神经网络。AB公司-我们提出了一种基于物理信息神经网络(PINNs)的新算法,用于有效逼近非线性色散偏微分方程(如KdV-Kawahara、Camassa-Holm和Benjamin-Ono方程)的解。利用这些色散偏微分方程解的稳定性来证明所产生误差的严格界。我们给出了几个数值实验来证明PINN可以非常准确地近似这些色散偏微分方程的解。
耿明白、乌杰瓦尔·科利、悉达塔·米什拉和罗伯特·莫里纳罗。(2021). 用于逼近非线性色散偏微分方程的物理信息神经网络(PINNs)。计算数学杂志.39(6).816-847.doi:10.4208/jcm.2101-m2020-0342
复制到剪贴板