Neural-network methods for boundary value problems with irregular boundaries
Φόρτωση...
Ημερομηνία
Συγγραφείς
Lagaris, I. E.
Likas, A. C.
Papageorgiou, D. G.
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
peer reviewed
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Ieee Transactions on Neural Networks
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Partial differential equations (PDEs) with boundary conditions (Dirichlet or Neumann) defined on boundaries with simple geometry hare been successfully treated using sigmoidal multilayer perceptrons in previous works. This article deals,vith the case of complex: boundary geometry, where the boundary is determined by a number of points that belong to it and are closely located, so as to offer a reasonable representation. Two networks are employed: a multilayer perceptron and a radial basis function network. The later is used to account for the exact satisfaction of the boundary conditions, The method has been successfully tested on two-dimensional and three-dimensional PDEs and has yielded accurate results.
Περιγραφή
Λέξεις-κλειδιά
boundary value problems, engineering problems, irregular boundaries, neural networks, partial differential equations (pdes), penalty method, multilayer perceptron, radial basis function (rbf) networks, multilayer feedforward networks, optimization, system
Θεματική κατηγορία
Παραπομπή
Σύνδεσμος
<Go to ISI>://000089508300001
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Όνομα επιβλέποντος
Εξεταστική επιτροπή
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Επιστήμης Υλικών