Mathematik - Numerische Analysis

Entdecke, wie zeit-spektrale Methoden das Lösen von Differentialgleichungen verbessern.

Eine neue Methode verbessert die Genauigkeit bei der Simulation des Verhaltens von Wasserwellen für die Offshore-Engineering.

Diese Studie stellt Tensor-Train-Netzwerke vor, um die Genauigkeit und Effizienz von Strömungssimulationen zu verbessern.

Wir analysieren numerische Methoden für die Cahn-Hilliard-Gleichung auf sich verändernden Oberflächen.

Eine neue Methode verbessert die Genauigkeit bei singulär gestörten Reaktions-Diffusionsproblemen.

Zwei innovative Kalibrierungsmethoden verbessern die Genauigkeit von kardiovaskulären Modellen für die Patientenversorgung.

Lern, wie gekoppelte Autoencoder die Auflösung von komplexen inversen Problemen verbessern.

Eine neue Methode verbessert die Datenanalyse, indem sie den chordalen Abstand in der nichtnegativen Matrixfaktorisierung nutzt.

Tiefe neuronale Netze verbessern die Modellierung von akustischen Streuproblemen in verschiedenen Bereichen.

Tensoren bieten eine neue Möglichkeit, komplexe Daten aus verschiedenen Bereichen zu analysieren.

Die Kombination von Physik und maschinellem Lernen verbessert die Techniken zur Bildgebung im Untergrund.

Eine neue Verlustfunktion, Astral, steigert die Leistung von physik-basierten neuronalen Netzen.

Erforsche neue Methoden für genaue Lösungen von elliptischen Gleichungen in komplexen Bereichen.

Die Bedeutung von Stabilität in Runge-Kutta-Methoden zur Lösung von Differentialgleichungen erkunden.

Untersuchung des Fliessverhaltens mit einer numerischen Methode für ein besseres Verständnis.

Eine neue Methode verbessert die Wiederherstellung von Bildern mit beschädigten Netzen.

Eine neue Methode verbessert die Effizienz der Wellenausbreitung.

Ein neuer Ansatz mit neuronalen Netzwerken verbessert die Genauigkeit bei hyperbolischen Erhaltungsgesetzen.

Ein Blick auf moderne Methoden im Ingenieurdesign für Effizienz und Leistung.

Dieser Artikel bespricht die Vorteile des Chebyshev-Spektral-Neuronalen Netzwerks zur Lösung von Differenzialgleichungen.

Entdecke die Rolle des Operator-Lernens bei der Verbesserung datengestützter Vorhersagen in verschiedenen Bereichen.

Ein neuer adaptiver Optimierer verringert den Speicherbedarf beim Trainieren grosser neuronaler Netze.

Entdecke, wie KMC dabei hilft, die Bewegung von Partikeln in biologischen Systemen zu analysieren.

Dieser Artikel untersucht, wie verschiedene Interaktionen das Verhalten von Systemen im Laufe der Zeit prägen.

Neue Methoden zur genauen Modellierung von Fluidströmung und Stofftransport erkunden.

Neue Techniken verbessern die Genauigkeit beim Lösen von Einsteins Gleichungen für astrophysikalische Phänomene.

Ein Überblick über integrodifferentiale Operatoren und ihre Rolle in verschiedenen Bereichen.

Dieser Artikel stellt eine Methode vor, um die Delaminierungsmodellierung in Verbundwerkstoffen zu verbessern.

Neue Methoden erleichtern das Lösen von PDEs mit Einschränkungen.

Unisolver verbessert die Lösung von PDEs, indem es komplette Komponenten in ein Transformer-Framework einbettet.

Einfaches inverses Potenzverfahren zur effizienten Lösung von ausgewogenen Schnittproblemen.

Dieser Artikel bewertet Methoden zur Verbesserung der Genauigkeit von kleinsten Quadraten Problemen mit verschiedenen Genauigkeitslevels.

Dieser Artikel untersucht das Verhalten von Partikeln in verschiedenen Strömungen und deren Auswirkungen.

Neue Methoden zur genauen Modellierung des Partikelverhaltens in langsam fliessenden Flüssigkeiten.

Eine neue Technik verbessert das Zeitmanagement in Wettermodellen für bessere Vorhersagen.

Eine neue Steuerungsmethode verbessert die Entscheidungsfindung in komplexen Systemen mit rauschenden Beobachtungen.

Eine hochgradige Parallelmethode beschleunigt Herzsimulationen erheblich.

Lern, wie moderne Techniken die Lösung von Wellenproblemen beschleunigen.

Dieser Artikel behandelt Methoden, um nicht-konvergierende Matrixreihen zu summieren.

Eine neue Methode vereinfacht die Analyse von dünnen Platten und Schalen in der Technik.