MétaCan
Menu
← Retour à la cohorte
Enregistrement W1965444722 · doi:10.1090/s0025-5718-06-01821-7

Optimal đ¶ÂČ two-dimensional interpolatory ternary subdivision schemes with two-ring stencils

2006· article· en· W1965444722 sur OpenAlexafffund
Bin Han, Rong-Qing Jia

Notice bibliographique

RevueMathematics of Computation · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Analysis Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematicsQuadrilateralExponentSmoothnessSubdivisionTernary operationCombinatoricsUniform normMathematical analysisGeometryFinite element method

Résumé

récupéré en direct d'OpenAlex

For any interpolatory ternary subdivision scheme with two-ring stencils for a regular triangular or quadrilateral mesh, we show that the critical Hölder smoothness exponent of its basis function cannot exceed log 3 ⁥ 11 ( ≈ 2.18266 ) \log _3 11 (\approx 2.18266) , where the critical Hölder smoothness exponent of a function f : R 2 ↩ R f : \mathbb {R}^2\mapsto \mathbb {R} is defined to be \[ Μ ∞ ( f ) ≔ sup { Μ : f ∈ Lip ⁥ Μ } . \nu _\infty (f) \coloneq \sup \{ \nu : f\in \operatorname {Lip} \nu \}. \] On the other hand, for both regular triangular and quadrilateral meshes, we present several examples of interpolatory ternary subdivision schemes with two-ring stencils such that the critical Hölder smoothness exponents of their basis functions do achieve the optimal smoothness upper bound log 3 ⁥ 11 \log _3 11 . Consequently, we obtain optimal smoothest C 2 C^2 interpolatory ternary subdivision schemes with two-ring stencils for the regular triangular and quadrilateral meshes. Our computation and analysis of optimal multidimensional subdivision schemes are based on the projection method and the ℓ p \ell _p -norm joint spectral radius.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complÚte

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modÚle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tĂȘte « metaresearch » (Codex)0,001
score de la tĂȘte « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillĂ© par catĂ©gorie (deux tĂȘtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modÚle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux tĂȘtes enseignantes du modĂšle Ă©tudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catĂ©gorie, et le statut de validation accompagne chaque rangĂ©e tel quel.

Scores de référence d'un modÚle non mature (critÚres de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

TĂȘte enseignante Opus0,006
TĂȘte enseignante GPT0,242
Écart entre enseignants0,235 · la distance entre les deux tĂȘtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

PrĂ©diction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillĂ©), pas un consensus.

Les modĂšles n’ont appliquĂ© aucune catĂ©gorie : rien dans la taxonomie ne correspondait Ă  ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modÚle par modÚle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

MĂȘme revueMathematics of Computation→MĂȘme sujetAdvanced Numerical Analysis Techniques→Travaux en français237 207→