Módulo de Taller: Redes Neuronales Informadas por Física

Sección: Introducción: FFNN | Módulo de Taller: Redes Neuronales Informadas por Física | FING

• General

  

  BIENVENIDOS

  Modalidad de clase :

  El módulo se realizará en modalidad presencial, para teóricos, prácticos y laboratorios, manteniendo además la atención en el foro.
  Todos los temas tienen material de apoyo, diapositivas, prácticos y códigos de programación que acompañan el curso, no obstante, el curso está basado en la siguiente bibliografía:

  1. Goodfellow I., Bengio Y.,Courville A. (2016) Deep Learning. MIT Press
  2. Raissi, M., Perdikaris, P., & Karniadakis, G. E. (2018). Physics-Informed Neural Networks: A Deep Learning Framework for Solving Forward and Inverse Problems Involving Nonlinear Partial Differential Equations. Journal of Computational Physics.
  3. Raissi, M. and Perdikaris, P. and Karniadakis, G. (2017). Physics Informed Deep Learning (Part I): Data-driven Solutions of Nonlinear Partial Differential Equations. arXiv
  4. Raissi, M. and Perdikaris, P. and Karniadakis, G. (2017). Physics Informed Deep Learning (Part II):Data-driven Discovery of Nonlinear Partial Differential Equations. arXiv
  5. Wang S., Sankaran S., Wang H., Perdikaris P. (2023).An Expert's Guide to Training Physics-informed Neural Networks. Arxiv

  Profesores:
  

  • Christian Díaz: cdiaz@fing.edu.uy
  • Santiago Correa: scorrea@fing.edu.uy

  Horarios:

  • Lunes de 18:00 a 20:00hs (Sala de máquinas de bandejas UDELAR A)

  • Seleccionar actividad Novedades

    

    Novedades Foro
  • Seleccionar actividad Consultas

    

    Consultas Foro