Informatica - Analisi numerica

RANS-PINN combina machine learning e fisica per previsioni di flusso turbolento più rapide.

Gli aerei emettono gas serra, creando scie che influenzano il clima della Terra.

Uno sguardo a come si comporta la luce quando interagisce con materiali riflettenti.

Nuovi metodi migliorano le simulazioni del comportamento delle onde elettromagnetiche in geometrie complesse.

Nuovo metodo combina machine learning con modellazione della turbolenza per simulazioni migliori.

Un metodo che utilizza wavelet per risolvere in modo efficace equazioni di oscillazione frazionarie complesse.

Un nuovo framework ottimizza l'apprendimento attivo su vari tipi di dati.

I ricercatori hanno sviluppato un metodo per migliorare il rilevamento di oggetti nascosti come le mine.

Una panoramica semplice sulla decomposizione dei tensori e le sue varie applicazioni.

Un nuovo approccio ai problemi non lineari di valore iniziale e al contorno nella dinamica dei fluidi.

I metodi randomizzati offrono soluzioni efficaci per le sfide dei minimi quadrati senza avere accesso ai dati completi.

Approcci innovativi affrontano problemi inversi usando tecniche basate sull'apprendimento e reti invertibili.

Una panoramica delle equazioni del momento per acque poco profonde e della loro importanza nella dinamica dei fluidi.

Un nuovo metodo per studiare il comportamento delle fibre nel flusso di fluidi per l'ecologia e l'ingegneria.

Uno sguardo ai metodi per semplificare le equazioni cinematiche e garantire la stabilità della simulazione.

Questo articolo parla della quantificazione dell'incertezza nella fisica dei plasmi e della sua importanza per l'energia da fusione.

Questo documento presenta un approccio per problemi di controllo ottimale ellittico con vincoli di stato rigorosi.

Esplorare piccoli cambiamenti nelle immagini che ingannano i modelli di deep learning in vari settori.

Nuovi metodi migliorano la precisione nella simulazione della dinamica dei fluidi, soprattutto a basse velocità.

Nuovi metodi nella simulazione dei materiali promettono intuizioni economiche e previsioni migliori.

Un nuovo metodo migliora l'efficienza nella creazione di vettori base per grandi equazioni.

Valutare l'accuratezza e i limiti di errore nelle soluzioni delle equazioni differenziali con le reti neurali.

Questo articolo parla dei progressi nella simulazione delle interazioni tra materiali solidi e fluidi.

Scopri come i modelli a ordine ridotto semplificano i calcoli nell'analisi numerica.

Un nuovo metodo migliora l'accuratezza del modello usando dati rumorosi nei sistemi dinamici.

Questo documento esamina modelli che si adattano a nuovi compiti senza dimenticare le conoscenze precedenti.

Un approccio ibrido migliora l'accuratezza negli studi sul movimento delle radiazioni.

Un nuovo approccio per migliorare l'accuratezza della simulazione dei fluidi attraverso una gestione efficace del deflusso.

Questo articolo esplora come le onde acustiche si muovono nei gas con densità variabile.

Un approccio ad alta ordine migliora la comprensione dei flussi d'acqua a due strati.

Un framework per migliorare le prestazioni di classificazione delle immagini con dati limitati.

Esplorare metodi per risolvere problemi inversi nella stampa 3D.

Scopri le recenti intuizioni sui metodi di ottimizzazione efficienti e le loro applicazioni pratiche.

Semplifica le simulazioni di problemi complessi usando modelli di ordine ridotto e strategie di gestione efficaci.

Nuove tecniche migliorano i modelli cardiaci per una cura personalizzata dei pazienti.

Esplorando il metodo di Galerkin ibrido discontinua per la dinamica dei fluidi.

Tecniche migliorate aumentano stabilità e precisione nella risoluzione delle leggi di conservazione.

Scopri come i metodi V-cycle migliorano l'efficienza nella risoluzione di problemi matematici complessi.

Articolo presenta un metodo per stimare errori nell'analisi ad elementi finiti usando un approccio bayesiano.

Un nuovo metodo riduce i costi di memoria per ottimizzatori avanzati nel machine learning.