Solving Partial Differential Equations using Adversarial Neural Networks

  1. Carlos Uriarte 1
  2. David Pardo 1
  3. Judit Muñoz-Matute 2
  4. Ignacio Muga 3
  1. 1 Universidad del País Vasco/Euskal Herriko Unibertsitatea
    info
    Universidad del País Vasco/Euskal Herriko Unibertsitatea

    Lejona, España

    ROR https://ror.org/000xsnr85

    Localización geográfica de la organización Universidad del País Vasco/Euskal Herriko Unibertsitatea
  2. 2 Basque Center for Applied Mathematics
    info
    Basque Center for Applied Mathematics

    Bilbao, España

    ROR https://ror.org/03b21sh32

    Localización geográfica de la organización Basque Center for Applied Mathematics
  3. 3 Pontificia Universidad Católica de Valparaíso
    info
    Pontificia Universidad Católica de Valparaíso

    Valparaíso, Chile

    ROR https://ror.org/02cafbr77

    Localización geográfica de la organización Pontificia Universidad Católica de Valparaíso
Mostrar afiliaciones +
Libro:
Congress on Numerical Methods in Engineering CMN 2022 (2022. Las Palmas de Gran Canaria)
  1. David Greiner (ed. lit.)
  2. Irene Arias, (ed. lit.)
  3. Manuel Tur (ed. lit.)
  4. Gil Andrade-Campos (ed. lit.)
  5. Nuno Lopes (ed. lit.)
  6. J. Alexandre Pinho-da-Cruz (ed. lit.)

Editorial: International Center for Numerical Methods in Engineering (CIMNE)

ISBN: 978-84-123222-9-3

Año de publicación: 2022

Páginas: 289-289

Congreso: Congress on Numerical Methods in Engineering (1. 2022. Las Palmas de Gran Canaria)

Tipo: Aportación congreso

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor
Fuente de los datos: Dialnet