文件名称：PDEsByNNs:该存储库包含许多Jupyter Notebooks，它们说明了使用TensorFlow通过神经网络求解偏微分方程的不同方法
文件大小：624KB
文件格式：ZIP
更新时间：2024-06-09 18:08:48
JupyterNotebook
偏二元神经网络 该存储库包含三个Jupyter笔记本，说明了通过神经网络（NN）求解偏微分方程（PDE）的不同方法。 笔记本用作纸的补充材料： 神经网络求解偏微分方程的三种方法-综述 摘要：越来越多地使用神经网络来构造偏微分方程的数值求解方法。 在本说明性综述中，我们介绍和对比了三种重要的近期方法，这些方法在其简单性和对高维问题的适用性方面具有吸引力，它们是：物理信息神经网络，基于Feynman-Kac公式的方法和Deep BSDE求解器。 本文随附Jupyter笔记本电脑形式的一套说明软件，其中逐步解释了每种基本方法，从而可以快速进行同化和试验。 大量的书目总结了最新技术。 关键词：偏微分方程; Hamilton-Jacobi-Bellman方程； 神经网络，维数诅咒，Feynman-Kac，后向微分方程，随机过程 arXiv预印本： : 引文： @misc{blechsc
【文件预览】：
PDEsByNNs-main
----LICENSE(1KB)
----DeepBSDE_Solver.ipynb(56KB)
----README.md(6KB)
----PINN_Solver.ipynb(58KB)
----.gitignore(2KB)
----Feynman_Kac_Solver.ipynb(862KB)