BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TUC//Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Athens
TZNAME:EEST
DTSTART:19700329T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EET
DTSTART:19701025T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
CREATED:20240213T184222Z
LAST-MODIFIED:20240213T184222Z
DTSTAMP:20260906T082136Z
UID:1788672096@tuc.gr
SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. 
 Ζήση  Αρέστη – Χαρταμπίλα - Σχολή ΗΜ
 ΜΥ
LOCATION:
DESCRIPTION:https://www.tuc.gr/el/to-polytechnei
 o/ilektronikes-ypiresies/imerologio/
 imerologio-ekdiloseon-1?tx_tucevents
 2_tuceventsdisplay%5Baction%5D=show&
 tx_tucevents2_tuceventsdisplay%5Bcon
 troller%5D=Event&tx_tucevents2_tucev
 entsdisplay%5Bevent%5D=6753&cHash=7c
 a543a9c23abba70c316a6f92cc60f7\nΠΟΛΥ
 ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων 
 Μηχανικών και Μηχανικών Υπολογιστών\
 n Πρόγραμμα Προπτυχιακών Σπουδών\n Π
 ΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Ζή
 ση  Αρέστη – Χαρταμπίλα\n με θέμα\n 
 Υπολογισμός Καταστάσεων Ισορροπίας Δ
 οκού σε Κάμψη υπό Μονόπλευρες Συνθήκ
 ες Θλίψης με τη χρήση P.I.N.N. \n Eq
 uilibrium Equations of a Beam in Ben
 ding under Unilateral Pressure Condi
 tions using P.I.N.N. (Physics Inform
 ed Neural Networks)\n Εξεταστική Επι
 τροπή\n Καθηγητής Γεώργιος Καρυστινό
 ς (επιβλέπων)\n Καθηγητής Κωνσταντίν
 ος Μπάλας\n Καθηγητής Γεώργιος Ε. Στ
 αυρουλάκης (ΠΚ, Σχολή ΜΠΔ)\n Περίληψ
 η\n Τα τεχνητά νευρωνικά δίκτυα έχου
 ν χρησιμοποιηθεί για την επίλυση προ
 βλημάτων σε διάφορους εφαρμοσμένους 
 τομείς. Πρόσφατα έχει αναδυθεί μια π
 ολύ ελπιδοφόρα εφαρμογή στην επιστημ
 ονική μηχανική μάθηση με την επίλυση
  μερικών διαφορικών εξισώσεων χρησιμ
 οποιώντας τεχνητά νευρωνικά δίκτυα, 
 μια προσέγγιση που αναφέρεται συνήθω
 ς ως  “ physics-informed  neural net
 works “  (PINNs). Οι διαφορικές εξισ
 ώσεις παίζουν ένα κρίσιμο ρόλο σε πο
 λλούς τομείς της μηχανικής και της φ
 υσικής , όπως η δυναμική των ρευστών
  και η δομική μηχανική. Οι μέθοδοι μ
 οντελοποίησης με πεπερασμένα στοιχεί
 α (Finite Element Modeling - FEM) εί
 ναι οι τυπικοί επιλυτές που χρησιμοπ
 οιούνται ευρέως στη βιομηχανία . Σε 
 αυτή την εργασία επιχειρούμε να λύσο
 υμε μερικά προβλήματα δομικής μηχανι
 κής χρησιμοποιώντας της μέθοδο των  
 PINNs αξιολογούμε τα αποτελέσματα με
  τη βοήθεια αναλυτικών μεθόδων.\n Ab
 stract \n Artificial neural networks
  have been used to solve problems in
  varied applied domains . Recently a
 nother very promising application ha
 s emerged in the scientific machine 
 learning the solution of partial dif
 ferential equations (PDEs) using art
 ificial neural networks an approach 
 normally referred to as physics-info
 rmed neural networks (PINNs). PDEs p
 lay a crucial role in many fields of
  engineering and fundamental science
  like fluid mechanics and structural
  engineering. Finite elements modeli
 ng (FEM) methods are the standard so
 lvers employed ubiquitously in the i
 ndustry. In this paper we try to sol
 ve a couple of structural engineerin
 g problems using PINNs and evaluate 
 the results with analytical methods.
 \n Meeting ID: 986 9026 7154\n Passw
 ord: 446354\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20240215T140000
DTEND:20240215T150000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR