h1

001013258 001__ 1013258
001013258 005__ 20250929090631.0
001013258 0247_ $$2DOI$$a10.48550/arXiv.2505.07311
001013258 0247_ $$2arXiv$$aarXiv:2505.07311
001013258 037__ $$aRWTH-2025-05414
001013258 041__ $$aEnglish
001013258 1001_ $$0P:(DE-82)IDM07296$$aNießen, Jonas$$b0$$eCorresponding author$$urwth
001013258 245__ $$aNon-Asymptotic Analysis of Projected Gradient Descent for Physics-Informed Neural Networks$$honline
001013258 260__ $$c2025
001013258 300__ $$a21 Seiten
001013258 3367_ $$028$$2EndNote$$aElectronic Article
001013258 3367_ $$0PUB:(DE-HGF)25$$2PUB:(DE-HGF)$$aPreprint$$bpreprint$$mpreprint
001013258 3367_ $$2BibTeX$$aARTICLE
001013258 3367_ $$2DRIVER$$apreprint
001013258 3367_ $$2DataCite$$aOutput Types/Working Paper
001013258 3367_ $$2ORCID$$aWORKING_PAPER
001013258 536__ $$0G:(GEPRIS)320021702$$aGRK 2326 - GRK 2326: Energie, Entropie und Dissipative Dynamik (320021702)$$c320021702$$x0
001013258 588__ $$aDataset connected to arXivarXiv
001013258 591__ $$aGermany
001013258 7001_ $$aMüller, Johannes$$b1$$eCorresponding author
001013258 909CO $$ooai:publications.rwth-aachen.de:1013258$$pVDB
001013258 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM07296$$aRWTH Aachen$$b0$$kRWTH
001013258 9141_ $$y2025
001013258 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
001013258 915__ $$0LIC:(DE-HGF)PublisherOA$$2HGFVOC$$aFree to read
001013258 9201_ $$0I:(DE-82)111810_20140620$$k111810$$lLehrstuhl für Mathematik (Analysis)$$x0
001013258 9201_ $$0I:(DE-82)110000_20140620$$k110000$$lFachgruppe Mathematik$$x1
001013258 9201_ $$0I:(DE-82)111410_20170801$$k111410$$lLehrstuhl für Angewandte Mathematik und Institut für Geometrie und Praktische Mathematik$$x2
001013258 961__ $$c2025-06-17T14:23:04.639080$$x2025-06-17T14:23:04.639080$$z2025-06-17
001013258 980__ $$aI:(DE-82)110000_20140620
001013258 980__ $$aI:(DE-82)111410_20170801
001013258 980__ $$aI:(DE-82)111810_20140620
001013258 980__ $$aUNRESTRICTED
001013258 980__ $$aVDB
001013258 980__ $$apreprint