<?xml version="1.0" encoding="UTF-8"?>
<references>
<reference>
  <a1>Robres Portella, Natalia</a1>
  <a2>Gutiérrez Rodrigo, Sergio</a2>
  <a2>Calvo Barles, Pablo Antonio</a2>
  <t1>Evolución de sistemas dinámicos mediante aprendizaje profundo.</t1>
  <t2/>
  <sn/>
  <op/>
  <vo/>
  <ab>En 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.&lt;br /&gt;&lt;br /&gt;</ab>
  <la>spa</la>
  <k1/>
  <pb>Universidad de Zaragoza</pb>
  <pp>Zaragoza</pp>
  <yr>2024</yr>
  <ed/>
  <ul>http://zaguan.unizar.es/record/149515/files/TAZ-TFG-2024-3420.pdf;
	</ul>
  <no>Imported from Invenio.</no>
</reference>

</references>