Deep Learning to Solve Partial Differential Equations

Deep Learning: redes neurais, arquitetura feedforward, backpropagation, Teorema da Aproximação Universal. Arquiteturas mais avançadas: Highway, DGM, LSTM. Equações Diferenciais: EDPs famosas, existência e unicidade, suavidade. Métodos clássicos de solução numérica. Aplicação de Deep Learning para EDPs: Physically Informed Neural Networks (PINN) e Deep Galerkin Method (DGM).

Informações Básicas

Carga horária
60 horas
Pré-requisito
Recomendável conhecimento em Deep Learning e EDP
A A A
High contrast

Esse site usa cookies

Nosso website coleta informações do seu dispositivo e da sua navegação e utiliza tecnologias como cookies para armazená-las e permitir funcionalidades como: melhorar o funcionamento técnico das páginas, mensurar a audiência do website e oferecer produtos e serviços relevantes por meio de anúncios personalizados. Para mais informações, acesse o nosso Aviso de Cookies e o nosso Aviso de Privacidade.