Estudo da implementação de Redes Neurais Informadas pela Física (PINN) para obtenção de soluções de equações diferenciais ordinárias
Resumo
Dentro do estudo de redes neurais, aplicadas em equações diferenciais, a PINN (Rede Neural Informada pela Física) [1] caracteriza-se por conter em sua rotina computacional, a informação da lei física, i.e., a equação diferencial inerente ao problema estudado. [...]
Downloads
Referências
M. F. Raissi, P. Perdikaris e G.E Karmiadakis. “Physics-informed neural networks: a deep framework for solving forward and inverse problems involving nonlinear partial differential equations”. Em: Journal of Computational Physics (2019). doi: https://doi.org/10.1016/j.jcp.2018.10.045.
C. F. Higham. “Deep Learnig: An introduction for applied mathematicans”. Em: SIAM (2019). doi: 10.1137/18M1165748.
J. Sotomayor. Equações diferenciais ordinárias. São Paulo: USP, 2011.
J. Chakraverty e S. Mall. Artificial neural networks for engineers and scientists. Solving Ordinary Differential Equations. CRC Press, 2017.
J. V. Guttag. Introduction to computation and programming using Python. Spring, 2013.
