000149515 001__ 149515 000149515 005__ 20250127135744.0 000149515 037__ $$aTAZ-TFG-2024-3420 000149515 041__ $$aspa 000149515 1001_ $$aRobres Portella, Natalia 000149515 24200 $$aEvolution of dynamical systems using deep learning. 000149515 24500 $$aEvolución de sistemas dinámicos mediante aprendizaje profundo. 000149515 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2024 000149515 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000149515 520__ $$aEn este trabajo exploramos el uso de las Redes Neuronales Informadas por Física (PINNs) para resolver ecuaciones diferenciales en sistemas dinámicos. Se abordan aplicaciones desde el modelo de Romeo y Julieta hasta las Ecuaciones de Lorenz, destacando la versatilidad de las PINNs, que combinan principios físicos con técnicas de aprendizaje automático para modelar fenómenos complejos.<br /><br /> 000149515 521__ $$aGraduado en Física 000149515 540__ $$aDerechos regulados por licencia Creative Commons 000149515 691__ $$a0 000149515 692__ $$a 000149515 700__ $$aGutiérrez Rodrigo, Sergio$$edir. 000149515 700__ $$aCalvo Barles, Pablo Antonio$$edir. 000149515 7102_ $$aUniversidad de Zaragoza$$b $$c 000149515 8560_ $$f820754@unizar.es 000149515 8564_ $$s1874399$$uhttps://zaguan.unizar.es/record/149515/files/TAZ-TFG-2024-3420.pdf$$yMemoria (spa) 000149515 909CO $$ooai:zaguan.unizar.es:149515$$pdriver$$ptrabajos-fin-grado 000149515 950__ $$a 000149515 951__ $$adeposita:2025-01-27 000149515 980__ $$aTAZ$$bTFG$$cCIEN 000149515 999__ $$a20240709194935.CREATION_DATE