| 标题 |
 Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations 基于物理的神经网络：求解非线性偏微分方程正逆问题的深度学习框架
相关领域
非线性系统
偏微分方程
人工神经网络
背景（考古学）
计算机科学
应用数学
反问题
偏导数
自动微分
物理定律
功能（生物学）
数学
数学分析
物理
算法
人工智能
量子力学
生物
进化生物学
古生物学
计算
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Journal of Computational Physics 作者：Maziar Raissi; Paris Perdikaris; George Karniadakis 出版日期：2019-02-01 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
SOLOMON
gjww
shinysparrow
坚强的广山
个性的紫菜
酸化土壤改良
热切菩萨
不倦
寻道图强
可爱迪
凤凰
maox1aoxin
柯一一
sutharsons
pluto
Singularity
紫金大萝卜
newfat
不安青牛
彩虹绵绵冰
皖公网安备34019202002308
