| dc.contributor.author | Шмалюх, В. А. | uk |
| dc.contributor.author | Хом’юк, І. В. | uk |
| dc.date.accessioned | 2025-08-13T10:01:55Z | |
| dc.date.available | 2025-08-13T10:01:55Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/48462 | |
| dc.description.abstract | У роботі досліджено застосування методів машинного навчання для апроксимації розв'язків диференціальних рівнянь. Проаналізовано ефективність нейронних мереж, таких як Physics-Informed Neural | uk |
| dc.description.abstract | This paper explores the application of machine learning methods for approximating solutions of differential equations. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», 15-16 червня 2025 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25359 | |
| dc.subject | машинне навчання | uk |
| dc.subject | диференціальні рівняння | uk |
| dc.subject | нейронні мережі | uk |
| dc.subject | PINNs | uk |
| dc.subject | апроксимація | uk |
| dc.subject | числові методи | uk |
| dc.subject | machine learning | uk |
| dc.subject | differential equations | uk |
| dc.subject | neural networks | uk |
| dc.subject | PINNs | uk |
| dc.subject | approximation | uk |
| dc.subject | numerical methods | uk |
| dc.title | Застосування методів машинного навчання для апроксимації розв'язків диференціальних рівнянь | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 519.6 | |
| dc.relation.references | Raissi, M., Perdikaris, P., & Karniadakis, G. E. "Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations." [ ] : https://www.sciencedirect.com/science/article/pii/S0021999118307125 ( : 15.05.2025). | |
| dc.relation.references | Goodfellow, I., Bengio, Y., & Courville, A. "Deep Learning." [ ] : http://alvarestech.com/temp/deep/Deep%20Learning%20by%20Ian%20Goodfellow,%20Yoshua%20Bengio,%20A aron%20Courville%20(z-lib.org).pdf ( : 15.05.2025). | |
| dc.relation.references | LeCun, Y., Bengio, Y., & Hinton, G. "Deep learning." [ ] : https://www.nature.com/articles/nature14539 ( : 15.05.2025). | |
| dc.relation.references | Brunton, S. L., & Kutz, J. N. "Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control." [ ] : https://www.cambridge.org/core/books/datadriven-science-andengineering/77D52B171B60A496EAFE4DB662ADC36E ( : 15.05.2025). 5. Karniadakis, G. E., et al. "Physics-informed machine learning." [ ] : https://www.researchgate.net/publication/351814752_Physics-informed_machine_learning ( : 15.05.2025). | |
| dc.relation.references | Lu, L., Meng, X., Mao, Z., & Karniadakis, G. E. "DeepXDE: A deep learning library for solving differential equations." [ ] : https://github.com/lululxvi/deepxde ( : 15.05.2025). | |
