Informatique - Analyse numérique

Un travail récent améliore la gestion des erreurs dans les solutions numériques pour les équations de subdiffusion.

Un nouveau modèle propose une façon plus simple de construire des réseaux de neurones profonds.

Une nouvelle méthode pour combler les lacunes dans les données multidimensionnelles.

Une approche solide pour garantir la précision dans les simulations des PDE paraboliques semi-linéaires.

Découvre comment cette méthode aide à créer des modèles prédictifs à partir de données complexes.

Apprends les techniques de convolution en une et deux dimensions.

ReSDF améliore la création de fonctions de distance signées en utilisant des techniques d'apprentissage profond.

Un guide simple sur la descente de gradient et ses méthodes d'optimisation.

Explorer l'importance des splines continus géométriquement dans différentes applications.

De nouvelles méthodes réduisent l'utilisation de la mémoire tout en résolvant efficacement l'équation de transport de Boltzmann.

Une méthode pour améliorer le contrôle optimal sur des systèmes définis par des PDEs.

Cet article explore des méthodes avancées en optimisation contrainte utilisant des techniques adaptatives.

Une méthode pour estimer comment les substances nocives pénètrent dans les matériaux en caoutchouc.

Découvrez comment la différentiation algorithmique et le checkpointing améliorent l'efficacité des modèles scientifiques.

Cette étude propose une nouvelle façon de modéliser la transmission de la COVID-19 en prenant en compte divers facteurs.

Exploration des vérifications d'intersection des zonotopes polynomiaux dans des systèmes complexes.

Une nouvelle méthode de réseau de neurones pour s'attaquer aux équations de Maxwell harmonique en temps.

Cette étude se concentre sur des méthodes efficaces pour reconstruire des images incomplètes en utilisant le clustering de superpixels.

Les réseaux de neurones offrent de nouvelles façons de résoudre des équations de Poisson complexes en haute dimension.

Apprends comment les techniques de réduction de modèle simplifient les systèmes complexes pour une meilleure analyse.

Un aperçu de comment les espaces de Barron améliorent la performance des réseaux de neurones en haute dimension.

Un nouvel outil aide les utilisateurs à gérer les erreurs d'arrondi dans les calculs à virgule flottante.

Une nouvelle approche pour améliorer la précision dans la recherche de zéros complexes de systèmes polynomiaux.

Apprends comment estimer les erreurs dans les PINNs pour de meilleures solutions aux PDEs.

Une nouvelle méthode offre de la flexibilité pour calculer les convolutions efficacement.

Les Blendstrings offrent des représentations de fonctions fluides et précises dans divers domaines.

Utiliser l'apprentissage par renforcement pour mieux comprendre les réactions chimiques rares.

Un aperçu de comment l'imagerie par magnétorélaxométrie améliore les applications médicales des nanoparticules.

La recherche améliore la méthode LDG pour plus de précision dans les problèmes d'écoulement des fluides.

Réduis la complexité des systèmes pour obtenir des insights et améliorer les prévisions.

De nouveaux intégrateurs offrent une préservation efficace de l'énergie pour des modèles mathématiques complexes.

Explorer des algorithmes accélérés pour le problème de complémentarité des valeurs propres asymétriques.

Les hypermatrices vont au-delà des matrices traditionnelles, permettant de gérer des données complexes en multi-dimensionnel.

Une nouvelle méthode accélère les calculs d'intégrales en haute dimension en utilisant des techniques QMC.

De nouvelles techniques améliorent la résolution d'équations non linéaires complexes.

Une approche innovante améliore la compréhension du comportement des ondes linéaires dans les matériaux avancés.

Un aperçu de DRBEM et ses applications dans la résolution d'équations scientifiques complexes.

Exploration des approches numériques pour des équations différentielles fractionnaires complexes dans diverses applications.

ParticleWNN propose une nouvelle approche pour améliorer les solutions des PDEs complexes en utilisant le deep learning.

Explorer comment l'énergie et l'entropie façonnent la modélisation atmosphérique et les prévisions.