Resumen

En este artículo, se presenta un enfoque de computación efectivo aprovechando el poder del esquema de Levenberg-Marquardt (LMS) en una tarea de aprendizaje de retropropagación de una red neuronal artificial (ANN). Se propone para resolver el problema de flujo fraccional de magnetohidrodinámica (MHD) en una capa límite sobre una lámina porosa en estiramiento (MHDFF BLPSS). Se crea un conjunto de datos obtenido por el método de homotopía asintótica óptima fraccional (FOHA) como datos simulados simples para entrenar (TR), validar (VD) y probar (TS) el enfoque propuesto. Los experimentos se llevan a cabo calculando los resultados de error cuadrático medio (MSE), análisis de regresión (RA), error absoluto (AE) y error de histograma (HE) en el conjunto de datos creado de la solución de FOHA. Durante la tarea de aprendizaje, los parámetros del modelo entrenado se ajustan mediante la eficacia de la retropropagación de ANN con

• Materias:Espacios métricos Teoría descompuesta Ecuaciones integrales no lineales Ecuación integral Análisis de simetría
• Subjects:Metric spaces Decomposed theory Nonlinear integral equations Integral equation Symmetry analysis
• Palabras claves:Enfoque; Retropropagación; Red neuronal; Levenberg-Marquardt; Magnetohidrodinámica; Flujo fraccional
• Keywords:Approach; Backpropagation; Neural network; Levenberg-Marquardt; Magnetohydrodynamics; Fractional flow