000125121 001__ 125121
000125121 005__ 20230322092646.0
000125121 037__ $$aTAZ-TFG-2022-3391
000125121 041__ $$aspa
000125121 1001_ $$aMedrano Navarro, Luis
000125121 24200 $$aPhysics-Informed Neural Networks for solving first and second order differential equations
000125121 24500 $$a"Physics-Informed Neural Networks" para resolver ecuaciones diferenciales de primer y segundo orden
000125121 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2022
000125121 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000125121 520__ $$aEn este trabajo hemos implementado una de las aplicaciones más novedosas e interesantes de la Inteligencia Artificial en la ciencia, las Physics-Informed Neural Networks (PINN), que son un tipo de redes neuronales que permiten resolver ecuaciones diferenciales. El trabajo comienza con una introducción al funcionamiento básico de las redes neuronales. A continuación, se explica la primera versión histórica de las PINNs. Por último, hemos implementado y mostrado los resultados obtenidos con las PINNs más utilizadas en la actualidad.<br /><br /><br />
000125121 521__ $$aGraduado en Física
000125121 540__ $$aDerechos regulados por licencia Creative Commons
000125121 700__ $$aGutiérrez Rodrigo, Sergio$$edir.
000125121 700__ $$aMartín Moreno, Luis$$edir.
000125121 7102_ $$aUniversidad de Zaragoza$$bFísica de la Materia Condensada$$c
000125121 8560_ $$f780070@unizar.es
000125121 8564_ $$s3188880$$uhttps://zaguan.unizar.es/record/125121/files/TAZ-TFG-2022-3391.pdf$$yMemoria (spa)
000125121 909CO $$ooai:zaguan.unizar.es:125121$$pdriver$$ptrabajos-fin-grado
000125121 950__ $$a
000125121 951__ $$adeposita:2023-03-21
000125121 980__ $$aTAZ$$bTFG$$cCIEN
000125121 999__ $$a20220911191002.CREATION_DATE