Главная » Электронная библиотека » Improving Algorithms for Learning Radial Basic Functions Networks to Solve the Boundary Value Problems

Категория:	физико-математические науки	Файл не загружен в библиотеку
Авторы (ПГУ):	Горбаченко Владимир Иванович [50]  , Савенков Константин Евгеньевич [50]
Аннотация:	Digital twins are widely used in modern industry. A digital twin is a computer model that copies the behavior of a physical object. Digital twins of objects with distributed parameters are mathematically boundary value problems for partial differential equation. Traditionally, such problems are solved by finite difference and finite element methods, which require a complex grid construction procedure. The numerical solution of boundary value problems employs mesh less methods that do not require grid construction. Among mesh fewer methods, projection methods that use radial basis functions (RBFs) as basic functions are popular. Methods using RBF allow us to obtain a differentiable solution at any point in the solution domain, applicable to problems of arbitrary dimension with complex computational domains. When solving the problem, the parameters of the basic functions are selected, and the weights are calculated so that the residuals obtained after the substitution of the approximate solution at the test points in the equation are zero.
Тип:	Монография, изданная другими издательствами (наличие ISBN); Коллективная монография
Вид:	электронная копия бумажного издания
Количество частей:	1
Год издания:	2019
Издательство:	IGI Global, Hershey, PA, USA
Где опубликовано:	Монография/Коллективная монография
Индексация:	Индексация отсутствует
Целевая аудитория:	Исследователь
Целевое назначение:	Научное
Лицензия:	Нет ограничений
Ограничения:	Нет ограничений
Правообладатель:	IGI Global
DOI:	10.4018/978-1-7998-1581-5.ch004
Библиографическая ссылка:	Gorbachenko V., Savenkov K. Improving Algorithms for Learning Radial Basic Functions Networks to Solve the Boundary Value Problems // Avatar-Based Con-trol, Estimation, Communications, and Development of Neuron Multi-Functional Technology Platforms. — Hershey, PA: IGI Global, 2020. — P. 66–106.
Страницы (с ... по ...):	66-106
Язык:	Английский
Место хранения:	Вне ПГУ
Дата размещения:	25.11.2020
Владелец:	Горбаченко Владимир Иванович
Ссылка на ресурс:	http://elib.pnzgu.ru/library/1604997855