Решение дифференциального уравнения первого порядка с помощью нейронной сети.

Standard

Решение дифференциального уравнения первого порядка с помощью нейронной сети. / Тюрин, Кирилл Алексеевич.

в: ПРОЦЕССЫ УПРАВЛЕНИЯ И УСТОЙЧИВОСТЬ, Том 6, № 1, 2019, стр. 373-377.

Результаты исследований: Научные публикации в периодических изданиях › статья

BibTeX

@article{c142b225c59f43f38ec8c03b751c0253,

title = "Решение дифференциального уравнения первого порядка с помощью нейронной сети.",

abstract = "Для решения дифференциального уравнения используются современные численные методы: Рунге-Кутты, метод конечных элементов, метод конечных разностей. Эти методы обеспечивают хорошую точность, однако они долго работают при больших размерностях. В данной статье рассматривается нейронная сеть прямого распространения, состоящая из трёх слоев. Для минимизации функции ошибок и определении весов используется метод обратного распространения ошибки. Начальные веса взята произвольно. Также в статье определяется количеством элементов в скрытом слое нейронной сети. Результаты нейронной сети сравниваются с результатами метода Эйлера.",

keywords = "differential equations, Euler method, neural network, numerical methods, дифференциальные уравнения, метод Эйлера, нейронная сеть, численные методы, differential equations, Euler method, neural network, numerical methods, дифференциальные уравнения, метод Эйлера, нейронная сеть, численные методы",

author = "Тюрин, {Кирилл Алексеевич}",

year = "2019",

language = "русский",

volume = "6",

pages = "373--377",

journal = "Процессы управления и устойчивость",

issn = "2313-7304",

publisher = "Смирнов Николай Васильевич",

number = "1",

}

RIS

TY - JOUR

T1 - Решение дифференциального уравнения первого порядка с помощью нейронной сети.

AU - Тюрин, Кирилл Алексеевич

PY - 2019

Y1 - 2019

N2 - Для решения дифференциального уравнения используются современные численные методы: Рунге-Кутты, метод конечных элементов, метод конечных разностей. Эти методы обеспечивают хорошую точность, однако они долго работают при больших размерностях. В данной статье рассматривается нейронная сеть прямого распространения, состоящая из трёх слоев. Для минимизации функции ошибок и определении весов используется метод обратного распространения ошибки. Начальные веса взята произвольно. Также в статье определяется количеством элементов в скрытом слое нейронной сети. Результаты нейронной сети сравниваются с результатами метода Эйлера.

AB - Для решения дифференциального уравнения используются современные численные методы: Рунге-Кутты, метод конечных элементов, метод конечных разностей. Эти методы обеспечивают хорошую точность, однако они долго работают при больших размерностях. В данной статье рассматривается нейронная сеть прямого распространения, состоящая из трёх слоев. Для минимизации функции ошибок и определении весов используется метод обратного распространения ошибки. Начальные веса взята произвольно. Также в статье определяется количеством элементов в скрытом слое нейронной сети. Результаты нейронной сети сравниваются с результатами метода Эйлера.

KW - differential equations

KW - Euler method

KW - neural network

KW - numerical methods

KW - дифференциальные уравнения

KW - метод Эйлера

KW - нейронная сеть

KW - численные методы

KW - differential equations

KW - Euler method

KW - neural network

KW - numerical methods

KW - дифференциальные уравнения

KW - метод Эйлера

KW - нейронная сеть

KW - численные методы

M3 - статья

VL - 6

SP - 373

EP - 377

JO - Процессы управления и устойчивость

JF - Процессы управления и устойчивость

SN - 2313-7304

IS - 1

ER -

ID: 78553111