248 papers
Deze paper introduceert een roostergevoelig raamwerk voor systeemidentificatie dat deterministische drift en volledige ruisstructuren direct uit trajectgegevens herkent zonder aannames, waardoor het geschikt is voor complexe, hoogdimensionale stochastische systemen.
Dit artikel analyseert de State-Dependent Riccati Equation (SDRE) voor niet-lineaire optimale besturing, waarbij theoretische onderbouwing, foutenschattingen en numerieke methoden zoals de Newton-Kleinman-iteratie worden onderzocht en gevalideerd aan de hand van een niet-lineaire reactie-diffusie PDE.
Dit artikel presenteert een stochastisch algoritme dat bijna zeker convergeert naar de operatornorm van het verschil tussen twee lineaire afbeeldingen, waarbij voor de ene afbeelding alleen een black-box voor de evaluatie en voor de andere alleen een black-box voor de geadjungeerde evaluatie beschikbaar is.
Dit artikel presenteert het eerste transformatiegebaseerde, dubbel-adaptieve quasi-Milstein-schema dat een sterke convergentieorde van 1 bereikt voor jump-diffusie SDE's met discontinu drift en mogelijk gedegenereerde diffusie, waarbij zowel de jumps als de discontinuïteiten in de drift worden aangepast.
Dit artikel introduceert WG-IDENT, een nieuw raamwerk dat een zwakke formulering combineert met groep-sparse regressie en een nieuwe GF-Trim-techniek om partiële differentiaalvergelijkingen met variërende coëfficiënten robuust te identificeren uit sterk ruisbeïnvloede data.
Dit paper introduceert een revolutionair 'solver-in-the-loop'-kader dat een voorgetrainde 3D-generatieve prior koppelt aan een strikt fysische randintegraalvergelijking-oplosser om complexe 3D-interfaces in elektrische impedantietomografie nauwkeurig en data-efficiënt te reconstrueren zonder de fysische consistentie te compromitteren.
Deze paper introduceert een algemeen theoretisch raamwerk voor optimale controle van waarschijnlijkheidsdichtheden, inclusief een maximumprincipe en de Hamilton-Jacobi-Bellman-vergelijking, en koppelt dit aan een schaalbaar numeriek algoritme op basis van diepe neurale netwerken voor de oplossing van complexe meeragentenproblemen.
Dit paper introduceert een multiphase kubische MARS-methode voor nauwkeurige interface-tracking van twee of meer materialen met willekeurige topologie en geometrie, die adaptieve markeringsverdeling en hoge-orde nauwkeurigheid combineert om complexe overgangen en junctions effectiever te behandelen dan bestaande VOF- of level-set-methoden.
Deze paper introduceert een entropiestabiel en evenwichtbehoudend nodaal discontinu Galerkin-schema voor de Euler-vergelijkingen met zwaartekracht dat, dankzij een innovatieve behandeling van de bronterm, zowel hydrostatische als bewegende evenwichtstoestanden nauwkeurig simuleert en compatibel is met een positiviteitsbehoudende limiter.
Dit artikel presenteert kwantitatieve methoden voor het evalueren van stabiliteit en convergentie van numerieke oplossingen van de semilineaire Klein-Gordon-vergelijking met een machtsniet-lineaire term, waarbij de drempelwaarden worden onderzocht door variatie van de amplitude van de beginwaarde en de massa.
Dit artikel introduceert een massagegladde Virtuele Elementenmethode met expliciete SSP-RK-tijdstappen voor tweedimensionale parabolische problemen op algemene veelhoekige roosters, waarbij een diagonale massamatrix en een robuust spectrale schatting worden gebruikt om optimale convergentie en stabiliteit onder de klassieke CFL-voorwaarde te garanderen zonder degradatie door roostervervorming.
Dit paper introduceert efficiënte optimalisatiegebaseerde limietmethodes met behulp van splitsingsalgoritmen om hoogwaardige, globaal conservatieve en invariant-domeinbehoudende numerieke schema's voor gasdynamica te ontwikkelen en te valideren.
Dit artikel introduceert FEALPy, een modulaire, cross-platform engine voor numerieke simulatie die diverse methoden en deep learning-workflows integreert via een verenigde tensorabstractie en ondersteuning voor meerdere backends.
Dit artikel biedt een uitgebreide taxonomie en praktische leidraad voor numerieke differentiatiemethoden, inclusief de open-source Python-pakket PyNumDiff, om wetenschappers en ingenieurs te helpen de meest geschikte algoritmen te selecteren voor het verwerken van ruisbeïnvloede data.
Dit artikel introduceert een nieuwe Monte Carlo-algoritme voor tijdsafhankelijke deeltijstransportproblemen dat gebruikmaakt van een hybride methode met automatisch gegenereerde gewichtsfensters, gebaseerd op een hulpoplossing van LOSM-vergelijkingen, om de statistische efficiëntie te verhogen.
Dit paper introduceert PFEM, een hybride framework dat een voorgetrainde, op fysica gebaseerde neurale operator combineert met klassieke eindige-elementenmethoden om de convergentiesnelheid van PDE-oplossingen aanzienlijk te versnellen zonder in te leveren op nauwkeurigheid.
Deze paper presenteert een exact oplosbaar differentiaalvergelijkingsmodel met het Allee-effect dat rate-induced tipping en populatie-extinctie in eindige tijd beschrijft, een onvoorwaardelijk stabiele numerieke methode voorstelt en toepast op de geschiedenis van de Japanse binnenvisserij.
Dit paper introduceert Radial Müntz-Szász Networks (RMN), een nieuw neuraal architectuurtype met leerbare machtsbases dat radiale singulariteiten zoals $1/r\log r$ efficiënter en nauwkeuriger modelleert dan bestaande methoden, terwijl het tegelijkertijd de fundamentele beperkingen van coördinaat-separabele netwerken voor dergelijke velden oplost.
Dit artikel introduceert een unfoldingsvrije majorisatie-minimisatie-methode voor niet-negatieve CP- en Tucker-tensorontbindingen onder -divergenties, die gebruikmaakt van tensorcontracties en een gezamenlijke strategie voor snellere convergentie en lagere rekentijd.
Deze paper introduceert de LAE-EnKF, een nieuwe data-assimilatiemethode die de beperkingen van de standaard Ensemble Kalman-filter bij sterk niet-lineaire systemen oplost door assimilatie uit te voeren in een geleerde, stabiele lineaire latente ruimte.