Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations
2018·15.007 Zitationen·Journal of Computational PhysicsOpen Access
Volltext beim Verlag öffnen15.007
Zitationen
3
Autoren
2018
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
Greedy function approximation: A gradient boosting machine.
2001 · 27.620 Zit.
Multilayer feedforward networks are universal approximators
1989 · 20.773 Zit.
Reducing the Dimensionality of Data with Neural Networks
2006 · 20.580 Zit.
Automatic differentiation in PyTorch
2017 · 11.086 Zit.
Continuous control with deep reinforcement learning
2016 · 6.769 Zit.
Autoren
Institutionen
Themen
Model Reduction and Neural NetworksFluid Dynamics and Turbulent FlowsMeteorological Phenomena and Simulations