Calibração neural de parâmetros de um oscilador amortecido

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorAlmeida, Estevão Fuzaro-
Autor(es): dc.creatorSilva, Samuel-
Autor(es): dc.creatorGarrido, Hernán-
Autor(es): dc.creatorDomizio, Martín-
Autor(es): dc.creatorAmbrosini, Daniel-
Data de aceite: dc.date.accessioned2025-08-21T16:55:57Z-
Data de disponibilização: dc.date.available2025-08-21T16:55:57Z-
Data de envio: dc.date.issued2025-03-07-
Data de envio: dc.date.issued2025-03-07-
Data de envio: dc.date.issued2024-06-10-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/11449/261766-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/261766-
Descrição: dc.descriptionOs modelos computacionais tornaram-se uma ferramenta poderosa nas ciências quantitativas para compreender o comportamento de sistemas complexos que evoluem no domínio temporal. Contudo, em muitos casos, eles contêm um número significativo de parâmetros livres cujos valores não podem ser estimados através da teoria, mas precisam ser estimados a partir de dados. Isso é particularmente importante para modelos de epidemiologia computacional, economia, sistemas dinâmicos ou até mesmo caracterização de materiais. No entanto, a maioria dos métodos atuais de estimativa de parâmetros é complexa e demorada para ser executada. Este trabalho apresenta um método computacional simplificado e rápido para obter estimativas precisas para os parâmetros do modelo, utilizando equações diferenciais neurais. Apresentamos assim um pipeline composto por um modelo de um oscilador amortecido que atua como gerador de dados de séries temporais sintéticas (com ruído) e também como solver direto (sem ruído), além de uma rede neural que extrai parâmetros dos dados gerados pelo modelo. Os dois métodos combinados resultam em uma ferramenta poderosa que permite estimar de forma rápida e precisa os parâmetros do modelo mesmo com dados ruidosos.-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionOutra-
Descrição: dc.descriptionVersão final do editor-
Descrição: dc.descriptionFAPESP: 2022/16156-9-
Descrição: dc.descriptionEDITAL PROPG/AREX nº 59/2023 - AUGM-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Relação: dc.relationVIII Encontro Regional de Matemática Aplicada e Computacional-
Direitos: dc.rightsinfo:eu-repo/semantics/openAccess-
Palavras-chave: dc.subjectEquações diferenciais neurais-
Palavras-chave: dc.subjectCalibração de modelos-
Palavras-chave: dc.subjectEstimativa de parâmetros-
Palavras-chave: dc.subjectMatemática aplicada à engenharia-
Título: dc.titleCalibração neural de parâmetros de um oscilador amortecido-
Título: dc.titleNeural Parameter calibration of a damped oscillator-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.