Mathematik - Numerische Analysis

Neue Methoden kombinieren Deep Learning und Sampling-Techniken für bessere Bilder.

Ein Blick auf die Bedeutung und Anwendung von ADR-Gleichungen in der Wissenschaft.

Effiziente Lösungen für komplexe lineare Systeme mit Multigrid-Techniken erkunden.

Neue Strategien für effektives Lösen von konvexen Optimierungsproblemen.

Erfahre, wie die rückwärtsgerichtete Fehleranalyse die Newmark-Methode verbessert, um genauere Ergebnisse zu erzielen.

Eine neuartige Methode zur Simulation von Partikeln in Plasma-Umgebungen mithilfe des Particle-in-Fourier-Schemas.

Die projizierte Newton-Methode verbessert die Effizienz bei bayesianischen linearen inversen Problemen.

Die Verbindung zwischen Krümmung und Matrizenrang in Grassmann- und Stiefelmannigfaltigkeiten erkunden.

Ein Blick darauf, wie Phasen in verschiedenen Systemen mit mathematischen Modellen interagieren.

Ein neuer Algorithmus verbessert die interne Bildrekonstruktion in der medizinischen Diagnostik mithilfe von EIT.

Erforschung innovativer Methoden im Abschlussmodellieren mit maschinellen Lerntechniken.

Untersuchung von HDG-Methoden zur Wellensimulation in elastischen Materialien mit variierenden Eigenschaften.

Eine Methode, um parabolische PDEs effizienter zu lösen.

Neurale FDEs kombinieren neuronale Netze und fraktionale Differentialgleichungen, um komplexe Systeme besser zu modellieren.

Neue Methoden erkunden, um das Verhalten von viskosen Flüssigkeiten in der Nähe von Grenzen zu modellieren und zu verstehen.

Neues Modell verbessert die Gasfluss-Simulationen unter komplexen Bedingungen.

Eine neue Methode verbessert die Analyse der Oberflächenrauhigkeit mithilfe von Fourier-Bessel-Funktionen.

Eine neue Methode verbessert die Effizienz und Genauigkeit der atmosphärischen Modellierung mithilfe von gemischten Finite-Elemente-Methoden.

Eine Studie über Geodäten, Injektivitätsradien und Schnittpunkte innerhalb der Stiefelmannigfaltigkeit.

Eine neue Methode verbessert den Datentransfer in Computermodellen komplexer Systeme.

Erfahre, wie Matern-ähnliche Zufallsfelder die Zuverlässigkeit und Leistung von Designs verbessern.

Diese Studie verbessert die Flüssigkeitssimulationen mit einem generativen adversarialen Netzwerk in Multigrid-Methoden.

Eine neue Methode kombiniert neuronale Netzwerke und gradientenfreie Optimierung für ein effizientes Design.

Neue Methoden verbessern die Genauigkeit und Effizienz bei der Simulation von Gasströmen unter extremen Bedingungen.

Dieser Artikel präsentiert eine Methode, um Erhaltungssätze mithilfe von Datenanalyse zu identifizieren.

Studie zur Rekonstruktion unbekannter Terme in PDEs aus verrauschten Daten unter Verwendung von Regularisierungsmethoden.

Eine innovative Methode für präzise Magnetohydrodynamik-Simulationen vorstellen.

Erforschen, wie Ionen sich bewegen und die Zellfunktionen beeinflussen.

Ein neuer Ansatz verbessert die Simulation von turbulenten Strömungen mithilfe von Machine-Learning-Techniken.

Lern, wie zufälliges Skizzieren unseren Ansatz für inversen Probleme in der Datenanalyse verbessert.

Eine neuartige Methode zur Lösung des BGK-Modells mit neuronalen Netzen.

Eine Übersicht über stochastische Differentialgleichungen und ihre Bedeutung in verschiedenen Bereichen.

Ein klarer Blick auf Operatorspektren und Pseudospektren für mathematische Anwendungen.

Diese Studie untersucht Phasenübergänge mithilfe des Cahn-Hilliard-Problems in einzigartigen Geometrien.

Untersuchung von Snapshot-Methoden für eine bessere Modellierung komplexer Systeme über die Zeit.

Neue Methoden verbessern die Genauigkeit und Effizienz bei Eisblatt-Simulationen.

Erforschen von Quantenalgorithmen zur Lösung von linearen Systemen mit Niedrigrang-Tensoren.

Eine neue Kalibrierungsstrategie verbessert das Modellieren von Salzstein für Wasserstoffspeicherung.

Die Forschung konzentriert sich darauf, schädliche Wellenmuster in biologischen Systemen zu stoppen.

Erkunde, wie Wellenstreuung Technologie und wissenschaftliche Forschung prägt.