En savoir plus
In questa ricerca, viene sviluppato un metodo numerico di intelligenza computazionale per la risoluzione di problemi non lineari singolari perturbati in diverse aree, utilizzando ottimizzatori basati su reti neurali artificiali con Active Set Technique (AST), Sequential Quadratic Programing (SQP) e Interior Point Techniques (IPT). I modelli di rete neurale aiutano a costruire un modello matematico per le equazioni differenziali perturbate singolari non lineari. La motivazione di questo lavoro di ricerca deriva in realtà dall'obiettivo di introdurre una struttura affidabile che renda la combinazione di RNA ottimizzata con strutture di soft computing per affrontare sistemi di equazioni perturbate singolari lineari e non lineari così impegnativi. La validità di questi metodi è stata esaminata a fondo per vari problemi di valori limite non singolari che si presentano in ambito scientifico, ingegneristico e bioingegneristico. È stata eseguita una sperimentazione numerica completa per convalidare l'accuratezza, la convergenza e la robustezza della metodologia progettata. È stato inoltre effettuato uno studio comparativo con le soluzioni standard disponibili per analizzare la correttezza dello schema proposto.
A propos de l'auteur
Farhat Hussain Bazmi a obtenu sa maîtrise à l'université de Gujrat, au Pakistan. Il est actuellement professeur de mathématiques à l'Université de Central Punjab, campus de Gujranwala, Pakistan. Il a été membre de différents instituts publics et privés qui promeuvent les mathématiques.
