Mathématiques - Analyse numérique

Un aperçu de la méthode d'Euler implicite et de ses applications dans l'inversion différentielle.

De nouvelles techniques visent à améliorer le traitement du cancer de la prostate grâce à des modèles basés sur les données.

Une nouvelle méthode utilisant des réseaux de neurones pour calculer les valeurs propres dans de grandes matrices.

Explorer comment les KAN améliorent les solutions pour les défis de contrôle optimal dans différents domaines.

Explore l'importance et les utilisations des matrices à structure bloc en mathématiques et en ingénierie.

Explore le rôle de la méthode de Boltzmann sur réseau dans l'étude des flux multiphases.

De nouvelles techniques pour gérer les systèmes quantiques améliorent les calculs de matrices de densité.

Présentation d'une méthode solide pour résoudre les équations de Navier-Stokes en dynamique des fluides.

Une nouvelle méthode améliore l'efficacité des réseaux de neurones dans les applications scientifiques.

Étude des modèles d'apprentissage automatique pour prédire les propriétés des matériaux solides, en se concentrant sur les défauts.

Techniques pour résoudre des défis dans l'interprétation des données en utilisant la précision mixte et la régularisation.

Les réseaux de neurones rationnels améliorent la précision et l'efficacité des dynamiques fluides dans les simulations.

Une étude sur les techniques pour approcher les valeurs singulières dans diverses applications.

Explorer des méthodes pour simuler la pollution de l'air d'une centrale à charbon.

Méthodes pour améliorer l'efficacité dans la simulation des flux turbulents complexes.

Une approche structurée pour récupérer des images nettes à partir de versions floues en utilisant MHDM.

Explorer une nouvelle preuve du théorème de composition des B-séries en utilisant des arbres non étiquetés.

Une nouvelle méthode permet de résoudre des équations linéaires complexes de manière efficace.

Une nouvelle méthode améliore la synchronisation des caméras grâce à l'utilisation innovante de tenseurs trifocaux.

Une analyse détaillée des solveurs pour les systèmes linéaires clairsemés avec des conditions difficiles.

Présentation d'une nouvelle méthode pour le modèle de consolidation de Biot en utilisant des techniques de Boltzmann sur réseau.

Explore le comportement et les applications des cristaux liquides dans la technologie et la recherche.

Une nouvelle méthode récupère des images nettes à partir de versions floues en utilisant l'inférence bayésienne.

Découvre comment les embrayages centrifuges améliorent la performance des transmissions automatiques dans les voitures.

Une plongée approfondie dans les équations de diffusion à ordre variable et leurs méthodes de résolution.

Un aperçu des techniques d'estimation des erreurs dans les méthodes d'éléments finis.

Méthodes innovantes pour améliorer la précision et la clarté des images grâce aux techniques de tenseurs quaternion.

Une méthode pour modéliser efficacement des systèmes complexes tout en préservant les propriétés clés.

Présentation de PI-TFPONet : une méthode pour résoudre des PDE paramétriques sans gros jeux de données.

Un aperçu de comment le mouvement brownien impacte les simulations dans divers domaines.

Estimation de l'état du réacteur en temps réel grâce à des techniques innovantes basées sur les données.

De nouvelles méthodes améliorent les prévisions dans des systèmes complexes, surtout en géosciences.

Une nouvelle méthode améliore la précision du transfert de solution dans des simulations complexes.

Une méthode pour nettoyer les images avec du bruit de sel et de poivre en utilisant le modèle L TV.

Examiner les avancées dans la résolution de problèmes d'autovalues non linéaires dans divers domaines.

L'échantillonnage local propose une nouvelle façon de gérer des données complexes de manière efficace.

Cet article parle de nouvelles techniques pour résoudre les BSPDEs de manière efficace.

De nouvelles approches améliorent la modélisation des comportements physiques dans des géométries variées.

Une nouvelle méthode améliore les estimations des paramètres dans les problèmes inverses affectés par du bruit.

Un aperçu de la descente de gradient stochastique et son rôle dans l'optimisation.