MétaCan
Menu
Retour à la cohorte
Enregistrement W2020277732 · doi:10.1002/nme.1310

Element‐wise <i>a posteriori</i> estimates based on hierarchical bases for non‐linear parabolic problems

2005· article· en· W2020277732 sur OpenAlexaff
Javier de Frutos, Julia Novo

Notice bibliographique

RevueInternational Journal for Numerical Methods in Engineering · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésMathematicsEstimatorFinite element methodParabolic partial differential equationA priori and a posterioriApplied mathematicsPartial differential equationElliptic partial differential equationNumerical analysisResidualBoundary value problemMathematical analysisSpace (punctuation)AlgorithmComputer scienceStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract We show that the issue of a posteriori estimate the errors in the numerical simulation of non‐linear parabolic equations can be reduced to a posteriori estimate the errors in the approximation of an elliptic problem with the right‐hand side depending on known data of the problem and the computed numerical solution. A procedure to obtain local error estimates for the p version of the finite element method by solving small discrete elliptic problems with right‐hand side the residual of the p ‐FEM solution is introduced. The boundary conditions are inherited by those of the space of hierarchical bases to which the error estimator belongs. We prove that the error in the numerical solution can be reduced by adding the estimators that behave as a locally defined correction to the computed approximation. When the error being estimated is that of a elliptic problem constant free local lower bounds are obtained. The local error estimation procedure is applied to non‐linear parabolic differential equations in several space dimensions. Some numerical experiments for both the elliptic and the non‐linear parabolic cases are provided. Copyright © 2005 John Wiley & Sons, Ltd.

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 complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle 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 tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
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 seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

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

Tête enseignante Opus0,035
Tête enseignante GPT0,399
Écart entre enseignants0,364 · la distance entre les deux têtes 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

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations10
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Numerical Methods in EngineeringMême sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207