Solução númerica de equações diferenciais via redes neurais artificiais

Corrêa, Bianca Almeida

Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/41811

Full metadata record

DC Field	Value	Language
dc.creator	Corrêa, Bianca Almeida	-
dc.date.accessioned	2024-07-25T14:14:42Z	-
dc.date.available	2024-07-25T14:14:42Z	-
dc.date.issued	2024-04-25	-
dc.identifier.citation	CORRÊA, Bianca Almeida. Solução númerica de equações diferenciais via redes neurais artificiais. 2024. 57 f. Trabalho de Conclusão de Curso (Graduação em Física de Materiais) - Universidade Federal de Uberlândia, 2024.	pt_BR
dc.identifier.uri	https://repositorio.ufu.br/handle/123456789/41811	-
dc.description.sponsorship	FAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas Gerais	pt_BR
dc.language	por	pt_BR
dc.publisher	Universidade Federal de Uberlândia	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Aprendizado de máquina	pt_BR
dc.subject	Redes neurais artificiais	pt_BR
dc.title	Solução númerica de equações diferenciais via redes neurais artificiais	pt_BR
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.contributor.advisor1	Ferreira, Gerson	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/5120648547164724	pt_BR
dc.contributor.referee1	Boselli , Marco	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/6702867386211399	pt_BR
dc.contributor.referee2	Marletta, Alexandre	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/5395774975535644	pt_BR
dc.description.degreename	Trabalho de Conclusão de Curso (Graduação)	pt_BR
dc.description.resumo	Este trabalho visa aprender e explorar possíveis aplicações das redes neurais artificiais usando o método de redes neurais informadas pela física (PINN, do inglês, Physics Informed Neural Network). As PINNs são um método que utiliza o resíduo da equação diferencial a ser resolvida na função de erro e suas condições de contorno e condições iniciais. Neste contexto, as PINN's foram aplicadas no problema do oscilador harmônico a fim de verificar como a precisão do método varia com o número de neurônios artificiais, com diferentes funções de ativação e com diferentes números de épocas. Para isso, foi utilizado um código base que resolve o problema do oscilador harmônico amortecido usando a abordagem de PINN's. Após o estudo e entendimento das redes neurais, foram realizadas modificações de melhoria e testes de desempenho no código autoral para fins de estudo e prática. Durante a fase de testes, foi possível aplicar o método de aprendizado por sequência, onde foi obtido um bom resultado de convergência do modelo. E por fim, concluímos que, as redes neurais e as PINN's são uma abordagem inovadora e promissora, no entanto, dependendo do problema em que estão sendo aplicadas, os resultados gerados não demonstram uma convergência e eficiência que é esperada. Além disso, o tempo de execução das PINN's, quando comparado a métodos como Runge-Kutta, é alto. Enquanto a rede neural roda em minutos, runge-kutta roda em segundos, então vimos que a execução das PINN's comparada a outros métodos também não apresenta uma vantagem significativa.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.course	Física de Materiais	pt_BR
dc.sizeorduration	57	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA	pt_BR
dc.orcid.putcode	164351892	-
Appears in Collections:	TCC - Física de Materiais

Files in This Item:

File	Description	Size	Format
SoluçãoNúmericaEquações.pdf	TCC	9.72 MB	Adobe PDF	View/Open

Show simple item record