Computation of empirical eigenfunctions of parabolic PDEs with time-varying domain
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this work, we explore a methodology to compute the empirical eigenfunctions for the order-reduction of nonlinear parabolic partial differential equations (PDEs) system with time-varying domain. The idea behind this method is to obtain the mapping functional, which relates the time-evolution scalar physical property solution ensemble of the nonlinear parabolic PDE with the time-varying domain to a fixed reference domain, while preserving space invariant properties of the raw solution ensemble. Subsequently, the Karhunen-Lo'eve decomposition is applied to the solution ensemble with fixed spatial domain resulting in a set of optimal eigenfunctions that capture the most energy of data. Further, the low dimensional set of empirical eigenfunctions is mapped (“pushed-back”) on the time-varying domain by an appropriate mapping resulting in the basis for the construction of the reduced-order model of the parabolic PDEs with time-varying domain. Finally, this methodology is applied in the representative cases of calculation of empirical eigenfunctions in the case of one and two dimensional model of nonlinear reaction-diffusion parabolic PDE systems with analytically defined domain evolutions. In particular, the design of both mappings which relate the raw data and function spaces transformations from the time-varying to time-invariant domain are designed to preserve dynamic features of the scalar physical property and we provide comparisons among reduced and high order fidelity models.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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