Mathematical Modeling on a Physics-Informed Radial Basis Function Network

Категория: физико-математические науки
Авторы (ПГУ): Горбаченко Владимир Иванович [100]  , Стенькин Дмитрий Александрович [0]  
Аннотация: The article is devoted to approximate methods for solving differential equations. An approach based on neural networks with radial basis functions is presented. Neural network training algorithms adapted to radial basis function networks are proposed, in particular adaptations of the Nesterov and Levenberg-Marquardt algorithms. The effectiveness of the proposed algorithms is demonstrated for solving model problems of function approximation, differential equations, direct and inverse boundary value problems, and modeling processes in piecewise homogeneous media.
Тип: Статья
Вид: электронная копия бумажного издания
Количество частей: 1
Год издания: 2024
Издательство: MDPI
Где опубликовано: Зарубежный журнал
Индексация: Web of Science Core Collection Q1 (тип публикации Article)
Целевая аудитория: Исследователь
Целевое назначение: Научное
Отрасль науки: 01.01.07 Вычислительная математика
Лицензия: Нет ограничений
Ограничения: Нет ограничений
Правообладатель: Издательство MDPI
ISSN: 2227-7390
DOI: https://doi.org/10.3390/math12020241
Импакт-фактор журнала (SJR): JIF=2.3, SJR=0.48
Библиографическая ссылка: Stenkin D., Gorbachenko V. Mathematical Modeling on a Physics-Informed Radial Basis Function Network // Mathematics. — 2024, Vol. 12, No 2. — 241
Внешняя веб-ссылка: https://www.mdpi.com/2227-7390/12/2/241
Язык: Английский
Место хранения:Вне ПГУ
Дата размещения:31.10.2024
Владелец:Горбаченко Владимир Иванович
Ссылка на ресурс:
http://elib.pnzgu.ru/library/1730365171
Формат: Не указан