國立高雄大學圖資館 |

語系: 繁體中文

說明(常見問題)

圖資館首頁

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

透過極坐標上的物理資訊神經網路求解泊松方程式和泊松介面問題 = Solv...

國立高雄大學應用數學系碩博士班

透過極坐標上的物理資訊神經網路求解泊松方程式和泊松介面問題 = Solving Poisson equations and Poisson interface problems by Physics-informed neural networks on polar coordinates

紀錄類型:	書目-語言資料,印刷品 : 單行本
並列題名:	Solving Poisson equations and Poisson interface problems by Physics-informed neural networks on polar coordinates
作者:	林祐瑨,
其他團體作者:	國立高雄大學
出版地:	高雄市
出版者:	國立高雄大學;
出版年:	2024[民113]
面頁冊數:	viii,48葉圖,表 : 30公分;
標題:	深度學習
標題:	Deep Learning
電子資源:	https://handle.ncl.edu.tw/11296/6pua3k
附註:	113年11月15日公開
附註:	參考書目: 葉47-48

透過極坐標上的物理資訊神經網路求解泊松方程式和泊松介面問題 = Solving Poisson equations and Poisson interface problems by Physics-informed neural networks on polar coordinates
林, 祐瑨

透過極坐標上的物理資訊神經網路求解泊松方程式和泊松介面問題 = Solving Poisson equations and Poisson interface problems by Physics-informed neural networks on polar coordinates / 林祐瑨撰 - 高雄市 : 國立高雄大學, 2024[民113]. - viii,48葉 ; 圖,表 ; 30公分.
113年11月15日公開參考書目: 葉47-48.
深度學習Deep Learning

透過極坐標上的物理資訊神經網路求解泊松方程式和泊松介面問題 = Solving Poisson equations and Poisson interface problems by Physics-informed neural networks on polar coordinates
LDR:01554pam0a2200277 450 001 657712
005 20250213091402.0
010 0 $b 精裝
010 0 $b 平裝
099 $a 112NUK00507005
100 $a 20240912y2024 k y0chiy50 b
101 0 $a eng $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 透過極坐標上的物理資訊神經網路求解泊松方程式和泊松介面問題 $d Solving Poisson equations and Poisson interface problems by Physics-informed neural networks on polar coordinates $z eng $f 林祐瑨撰
210 $a 高雄市 $c 國立高雄大學 $d 2024[民113]
215 0 $a viii,48葉 $c 圖,表 $d 30公分
300 $a 113年11月15日公開
300 $a 參考書目: 葉47-48
314 $a 指導教授: 曾昱豪博士
328 $a 碩士論文--國立高雄大學應用數學系碩博士班
510 1 $a Solving Poisson equations and Poisson interface problems by Physics-informed neural networks on polar coordinates $z eng
610 0 $a 深度學習 $a 偏微分方程 $a 極坐標系 $a Poisson界面問題 $a Poisson方程 $a 物理知識嵌入神經網絡 $a 不連續性捕捉淺層神經網絡 $a 神經網絡與有限差分混合方法
610 1 $a Deep Learning $a Partial Differential Equations $a Polar Coordinate Systems $a Poisson Interface Problems $a Poisson Equations $a Physics Informed Neural Networks $a Discontinuity Capturing Shallow Neural Network $a Neural-Network and Finite-Difference Hybrid method
681 $a 008M/0019 $b 462101 4431.2 $v 2007年版
700 1 $a 林 $b 祐瑨 $4 撰 $3 968712
712 0 2 $a 國立高雄大學 $b 應用數學系碩博士班 $3 832982
801 0 $a tw $b NUK $c 20240910 $g CCR
856 4 $u https://handle.ncl.edu.tw/11296/6pua3k $z 電子資源