|
|
|
|
| LEADER |
02908nab a2200301 c 4500 |
| 001 |
koha001143811 |
| 005 |
20240923122004.0 |
| 007 |
cr | |
| 008 |
240918|2024 ru s c rus d |
| 024 |
7 |
|
|a 10.17223/19988605/67/4
|2 doi
|
| 035 |
|
|
|a koha001143811
|
| 040 |
|
|
|a RU-ToGU
|b rus
|c RU-ToGU
|
| 100 |
1 |
|
|a Кузнецов, Кирилл Сергеевич
|
| 245 |
1 |
0 |
|a Численное решение системы уравнений Навье–Стокса в случае сжимаемой среды с использованием нейронных сетей
|c К. С. Кузнецов, Е. В. Амосова
|
| 246 |
1 |
1 |
|a Numerical solution of the system of Navier-Stokes equations in the case of a compressible medium using neural networks
|
| 336 |
|
|
|a Текст
|
| 337 |
|
|
|a электронный
|
| 504 |
|
|
|a Библиогр.: 10 назв.
|
| 520 |
3 |
|
|a Рассматриваются вопросы использования метода Physics Informed Neural Networks (PINN) для численного решения нестационарной нелинейной системы дифференциальных уравнений в частных производных, описывающей процесс движения одномерного теплопроводного газа. Используемый подход основан на том, что нейронная сеть приближает решение системы дифференциальных уравнений, при этом учитывая физику моделируемого процесса. Обучение нейронной сети происходит на основе минимизации квадратичного функционала, построенного на невязке дифференциальных уравнений, граничных и начальных условий. Обсуждаются различные виды приближения исходных уравнений в случае, когда оператор по времени непрерывен или дискретен. Выполнен анализ результатов моделирования.
|
| 653 |
|
|
|a нейронные сети
|
| 653 |
|
|
|a моделирование процессов газовой динамики
|
| 653 |
|
|
|a Навье-Стокса уравнения
|
| 700 |
1 |
|
|a Амосова, Елена Владимировна
|
| 773 |
0 |
|
|t Вестник Томского государственного университета. Управление, вычислительная техника и информатика
|d 2024
|g № 67. С. 31-41
|x 1998-8605
|w 0210-40860
|
| 852 |
4 |
|
|a RU-ToGU
|
| 856 |
4 |
|
|u http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:001143811
|
| 908 |
|
|
|a статья
|
| 999 |
|
|
|c 1143811
|d 1143811
|
