Accès ouvert · CC BY

Non-asymptotic stability and consistency guarantees for physics-informed neural networks via coercive operator analysis

Article scientifique 2026 Sciences physiques et chimiques Anglais

Résumé

Citer ce document

Katende, R. (2026). Non-asymptotic stability and consistency guarantees for physics-informed neural networks via coercive operator analysis. Communications in Nonlinear Science and Numerical Simulation. https://doi.org/10.1016/j.cnsns.2026.109909

Exporter : BibTeX · RIS (Zotero, Mendeley, EndNote)

Accès au document

Texte intégral archivé sur SPHAERO, en accès ouvert : lisible gratuitement en ligne après connexion. Le document reste aussi disponible à sa source. Se connecter

Voir l'article sur le site de la revue

Licence et provenance

Licence : CC BY

Notice moissonnée depuis OpenAlex le 30/09/2026. Le document reste hébergé par sa source.
Voir le document à la source →

Auteur(s)

Statistiques

Consultations (hors robots) : 21

Téléchargements (hors robots) : 0

Méthode de comptage