Euler基神经网络求解二维分数阶积分微分方程

通过使用序列性输入结构优化输入层以及构造微分算子,提出一种基于Euler多项式的基函数神经网络求解二维分数阶Fredholm型积分-偏微分方程的方法。给出多项式序列可一致逼近二元函数的理论证明,为算法提供理论基础,最后通过数值实验的结果验证了该算法的可行性与精确性。     

基于前馈型神经网络解变系数分数阶积分微分方程

为了研究变系数分数阶积分微分方程的数值解,提出了一种基于Bernstein多项式的前馈型神经网络求解变系数分数阶Fredholm积分微分方程的方法。首先,根据Caputo分数阶导数的定义,将变系数分数阶的积分微分方程转化为Bernstein多项式空间上的矩阵形式;然后,将Bernstein多项式的系数作为权重,构造前馈型神经网络,采用梯度下降法对权重进行学习,从而得到近似解;接着,从理论上证明了该前馈型神经网络的收敛性;最后,通过数值实例分析验证了提出方法的有效性。