Mathématiques - Analyse numérique

Une méthode pour étudier les changements du fond marin en utilisant des mesures des vagues en eau peu profonde.

Utiliser des réseaux de neurones pour résoudre efficacement des équations différentielles partielles complexes.

Cette méthode améliore le suivi des solutions dans des systèmes d'équations qui changent.

Un aperçu de comment les réseaux de neurones peuvent modéliser des fonctions complexes dans différents domaines.

Une méthode améliore les solutions pour les équations de Navier-Stokes en mécanique des fluides.

Une étude révèle de nouvelles méthodes pour identifier des défauts dans les matériaux en utilisant des ondes sonores.

Cette étude développe de nouvelles méthodes pour analyser les interactions dans les jeux de champ moyen.

La recherche propose de nouveaux modèles pour mesurer les propriétés élastiques des tissus biologiques.

Explore le passage des CPU aux GPU dans la modélisation de la glace de mer.

Une méthode de transformation de forme qui garde le volume et la masse intacts.

Explorer l'encodage par blocs en informatique quantique pour des applications en physique nucléaire.

Cette méthode intègre les flux de surface et de percolation pour une meilleure gestion de l'eau.

Un aperçu des méthodes pour simplifier des fonctions de haute dimension dans les systèmes de contrôle.

Cet article présente une méthode systématique pour gérer les couleurs en infographie.

Explore une meilleure stabilité et précision dans la résolution des équations différentielles hyperboliques.

Cet article explique comment l'analyse de la tractabilité mesure la facilité à résoudre des problèmes mathématiques complexes.

Transolver propose des solutions avancées pour des problèmes mathématiques complexes dans divers domaines.

Présentation d'une nouvelle méthode pour affiner les modèles de manière efficace.

De nouvelles méthodes améliorent l'efficacité et la précision dans des simulations complexes avec incertitude.

Une nouvelle approche pour récupérer les signaux affectés par la saturation dans divers domaines.

Une nouvelle approche pour rendre les données de haute dimension plus faciles à gérer.

Une nouvelle méthode utilise l'apprentissage profond pour s'attaquer efficacement aux équations différentielles stochastiques.

Une nouvelle méthode améliore l'apprentissage en s'attaquant aux échelles de données variées.

Une nouvelle méthode pour s'attaquer aux problèmes de ratio de traces à grande échelle dans les tâches de classification.

Cet article explore de meilleures façons d'estimer les erreurs dans les méthodes numériques pour les équations décrivant la propagation des substances.

Améliorer les prévisions atmosphériques grâce à des techniques de modélisation innovantes.

Une approche intégrée pour étudier les transitions de phase avec des incertitudes et des frontières d'injection.

De nouvelles méthodes améliorent l'analyse des protons de l'eau dans les tissus biologiques.

Présentation d'un schéma de volume fini pour les lois de conservation scalaires avec des changements brusques.

Une nouvelle méthode pour résoudre des équations elliptiques complexes en utilisant des points fantômes.

Une nouvelle méthode améliore la modélisation des fluides en magnétohydrodynamique, garantissant une précision physique.

De nouvelles méthodes améliorent les prédictions des systèmes complexes en utilisant des modèles réduits basés sur les données.

L'étude de la dynamique des fluides sur des obstacles améliore les connaissances dans divers domaines.

Examiner les méthodes utilisées pour simuler comment les solides se déplacent à travers les fluides dans différents domaines.

Une nouvelle méthode améliore la quantification de l'incertitude dans les DeepONets en utilisant l'inversion d'Ensemble Kalman.

Techniques efficaces pour résoudre des équations matricielles complexes dans divers domaines scientifiques.

De nouvelles méthodes améliorent la stabilité et la précision dans la résolution d'équations complexes.

De nouvelles méthodes améliorent notre capacité à trouver les racines des polynômes de manière efficace.

Cet article explore la raideur et le chaos dans les équations différentielles et leur impact sur les solutions numériques.

Une nouvelle fonction de perte améliore la fiabilité des opérateurs neurologiques pour résoudre les PDE.