Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://earchive.tpu.ru/handle/11683/139725| Название: | Восстановление параметров уравнений математической физики с помощью байесовских и детерминированных PINN по малым зашумлённым данным |
| Другие названия: | Recovering mathematical physics parameters using Bayesian and deterministic PINNs from small noisy data |
| Авторы: | Вакуленко, В. А. |
| Научный руководитель: | Мерзликин, Борис Сергеевич |
| Ключевые слова: | physics-informed neural networks; Bayesian neural networks; inverse problem; heat equation; uncertainty quantification; small data |
| Дата публикации: | 2026 |
| Издатель: | Томский политехнический университет |
| Библиографическое описание: | Вакуленко, В. А. Восстановление параметров уравнений математической физики с помощью байесовских и детерминированных PINN по малым зашумлённым данным / В. А. Вакуленко ; науч. рук. Б. С. Мерзликин // Перспективы развития фундаментальных наук. — Томск : Изд-во ТПУ, 2026. — Т. 3 : Математика. — С. 75-77. |
| Аннотация: | In this study, a comparative analysis of deterministic and physics-informed Bayesian neural networks was conducted to identify parameters in the heat equation with small noisy datasets. The Bayesian approach was shown to provide more robust estimates with reliable uncertainty quantification, even under limited data conditions and high levels of noise. In contrast, the deterministic approach achieved higher accuracy when there were sufficient observations and the noise was low. The findings demonstrate a trade-off between these two approaches, depending on the availability and quality of the data |
| URI: | http://earchive.tpu.ru/handle/11683/139725 |
| Располагается в коллекциях: | Материалы конференций |
Файлы этого ресурса:
| Файл | Размер | Формат | |
|---|---|---|---|
| conference_tpu-2026-C21_V3_p75-77.pdf | 446,2 kB | Adobe PDF | Просмотреть/Открыть |
Лицензия на ресурс: Лицензия Creative Commons