Над 4 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

DEEP LEARN METHOD MATHE PHY (V1)

Name: DEEP LEARN METHOD MATHE PHY (V1)
Brand: World Scientific Publishing Co Pte Ltd
SKU: 51430762
Price: 92.83 EUR
Availability: InStock
Author: CALIN OVIDIU
ISBN: 9789819827923

CALIN OVIDIU

Език

Английски език

Книга С меки корици

Код Либристо: 51430762

Издателство World Scientific Publishing Co Pte Ltd, март 2026

This book explores how Artificial Intelligence and Deep Learning are transforming Mathematical Physi... Цялото описание

Код Либристо: 51430762

225 b

Нови

92.83 €

181.57 лв

Външен склад Изпращаме след 9-15 дни

30 дни за връщане на стоката

Клиентите са закупили също

En la tierra de los olivos SUMAYA FARHAT-NASSER

С меки корици

23.94 € 46.83 лв

Saint Paul Sa Vie Son Oeuvre Et Ses Epitres (1867) Felix Bungener

С меки корици

41.06 € 80.31 лв

ABC DELF Junior Lucile Chapiro

С меки корици

23.48 € 45.92 лв

DEBUT OR DIE T3

С меки корици

14.89 € 29.12 лв

Déclin des États, ascension des nations Luís Eduardo Saraiva

С меки корици

57.51 € 112.48 лв

Del Cristal al Acero JHON EDWARD PULIDO BUSTAMANTE

С меки корици

18.25 € 35.70 лв

This book explores how Artificial Intelligence and Deep Learning are transforming Mathematical Physics, offering modern data-driven tools where traditional analytical and numerical methods fall short. As physical systems grow more complex or chaotic, deep learning provides efficient surrogates and physics-informed models capable of capturing dynamics and uncovering governing laws directly from data.

This book introduces Neural ODEs, Physics-Informed Neural Networks (PINNs), and Hamiltonian and Lagrangian Neural Networks, showing how they enhance classical mechanics and PDE solvers for both forward and inverse problems. With Keras code examples, Google Colab notebooks, and practical exercises, this book serves researchers and students in physics, mathematics, and engineering seeking a concise, hands-on guide to applying deep learning in physical systems.