DOI: https://doi.org/10.26089/NumMet.v26r317

Нейросетевой метод решения краевой задачи для дифференциальных уравнений дробного порядка

Авторы

  • Тиен Дык Нгуен

Ключевые слова:

дифференциальные уравнения дробного порядка
краевая задача
подчиненная производная дробного порядка
искусственная нейронная сеть
алгоритм обратного распространения ошибки

Аннотация

Многие задачи физики, механики и других наук связаны с решением краевых задач для дифференциальных уравнений дробного порядка. Найти точные решения данных задач чрезвычайно сложно, и в этом случае приходится искать приближенные решения. В настоящей работе предлагается математический метод приближенного решения краевой задачи для дифференциальных уравнений дробного порядка. Для производных дробного порядка мы используем определение подчиненной производной дробного порядка. Мы используем модель нейронной сети прямого распространения с одним скрытым слоем. Обучение модели осуществляется в режиме с учителем, при этом для оптимизации функции ошибки и коррекции параметров нейронной сети применяется алгоритм обратного распространения ошибки. Для иллюстрации нашего метода была разработана компьютерная программа для проведения экспериментов, в которых полученные результаты сравниваются с аналитическими расчетами.



Загрузки

Опубликован

2025-07-11

Выпуск

Раздел

Методы и алгоритмы вычислительной математики и их приложения

Автор

Тиен Дык Нгуен


Библиографические ссылки

  1. P. F. Verhulst, “Resherches mathématiques sur la loi d’accroissement de la population,” Nouveaux Mémoires de l’Academie Royale des Sciences 18, 14-54 (1845).
    https://eudml.org/doc/182533 . Cited June 5, 2025.
  2. M. Xu and W. Tan, “Intermediate Processes and Critical Phenomena: Theory, Method and Progress of Fractional Operators and Their Applications to Modern Mechanics,” Sci. China Ser. G 49 (3), 257-272 (2006).
    doi 10.1007/s11433-006-0257-2
  3. T. R. Malthus, An Essay on the Principle of Population (J. Johnson, London, 1798).
  4. K. Li and J. Wei, “Stability and Hopf Bifurcation Analysis of a Prey-Predator System with Two Delays,” Chaos Solit. Fractals 42 (5), 2606-2613 (2009).
    doi 10.1016/j.chaos.2009.04.001
  5. M. C. Mackey and L. Glass, “Oscillation and Chaos in Physiological Control Systems,” Science 197 (4300), 287-289 (1977).
    doi 10.1126/science.267326
  6. W.-C. Chen, “Nonlinear Dynamics and Chaos in a Fractional-Order Financial System,” Chaos Solit. Fractals 36 (5), 1305-1314 (2008).
    doi 10.1016/j.chaos.2006.07.051
  7. F. Chen and L. Zhou, “Strange Attractors in a Periodically Perturbed Lorenz-like Equation,” J. Appl. Anal. Comput. 3 (2), 123-132 (2013).
    doi 10.11948/2013010
  8. Z. Yang, T. Jiang, and Z. Jing, “Bifurcations of Periodic Solutions and Chaos in Duffing-Van der Pol Equation with One External Forcing,” J. Appl. Anal. Comput. 3 (4), 405-431 (2013).
    doi 10.11948/2013030
  9. E. Ünal and A. Gökdougan, “Solution of Conformable Fractional Ordinary Differential Equations via Differential Transform Method,” Optik 128, 264-273 (2017).
    doi 10.1016/j.ijleo.2016.10.031
  10. K. S. Miller and B. Ross, An Introduction to the Fractional Calculus and Fractional Differential Equations (Wiley, New York, 1993).
  11. M. Merdan, “On the Solutions of Fractional Riccati Differential Equation with Modified Riemann-Liouville Derivative,”. Int. J. Differ. Equat. 2012, Article ID 346089 (2012).
    doi 10.1155/2012/346089
  12. E. Demirci and N. Ozalp, “A Method for Solving Differential Equations of Fractional Order,” J. Comput. Appl. Math. 236 (11), 2754-2762 (2012).
    doi 10.1016/j.cam.2012.01.005
  13. R. Khalil, M. Al Horani, A. Yousef, and M. Sababheh, “A New Definition of Fractional Derivative,” J. Comput. Appl. Math. 264, 65-70 (2014).
    doi 10.1016/j.cam.2014.01.002
  14. N. A. Khan, A. Ara, and N. A. Khan, “Fractional-Order Riccati Differential Equation: Analytical Approximation and Numerical Results,” Adv. Differ. Equ. 2013, Article Number: 185 (2013).
    doi 10.1186/1687-1847-2013-185
  15. N. T. Duc, A. F. Galimyanov, and I. Z. Akhmetov, “Artificial Neural Network Method for Solving a Fractional Order Differential Equation with the Cauchy-Type Problem,” in Proc. 2023 Int. Russian Smart Industry Conf. (SmartIndustryCon), Sochi, Russian Federation, March 27-31, pp. 329-334 (2023).
    doi 10.1109/SmartIndustryCon57312.2023.10110823
  16. N. T. Duc, A. F. Galimyanov, and I. Z. Akhmetov, “Neural Network Method for Solving Fractional Differential Equations α with the Dirichlet Problem,” in Proc. 2023 Int. Russian Smart Industry Conf. (SmartIndustryCon), Sochi, Russian Federation, March 27-31, pp. 295-300 (2023).
    doi 10.1109/SmartIndustryCon57312.2023.10110785
  17. F. Gao, Yu. Dong, and Ch. Chi, “Solving Fractional Differential Equations by Using Triangle Neural Network,” J. Funct. Spaces 2021, Article ID 5589905 (2021).
    doi 10.1155/2021/5589905
  18. M. Pakdaman, A. Ahmadian, S. Effati, et al., “Solving Differential Equations of Fractional Order Using an Optimization Technique Based on Training Artificial Neural Network,” Appl. Math. Comput. 293, 81-95 (2017).
    doi 10.1016/j.amc.2016.07.021
  19. S. Mall and S. Chakraverty, “Artificial Neural Network Approach for Solving Fractional Order Initial Value Problems,”
    https://arxiv.org/abs/1810.04992 . Cited June 7, 2025.
  20. T. Allahviranloo, A. Jafarian, R. Saneifard, et al., “An Application of Artificial Neural Networks for Solving Fractional Higher-Order Linear Integro-Differential Equations,” Bound. Value Probl. 2023, Article Number: 74 (2023).
    doi 10.1186/s13661-023-01762-x
  21. S. Haykin, Neural Networks: A Comprehensive Foundation (Prentice Hall, Upper Saddle River, 1999).