MétaCan
Menu
Retour à la cohorte
Enregistrement W2045354979 · doi:10.1137/s0036142902397090

A Posteriori Error Estimates for Discontinuous Galerkin Time-Stepping Method for Optimal Control Problems Governed by Parabolic Equations

2004· article· en· W2045354979 sur OpenAlexaff
Wenbin Liu, Heping Ma, Tao Tang, Ningning Yan

Notice bibliographique

RevueSIAM Journal on Numerical Analysis · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésDiscontinuous Galerkin methodDiscretizationMathematicsFinite element methodGalerkin methodA priori and a posterioriOptimal controlParabolic partial differential equationMathematical analysisObstacle problemApplied mathematicsPartial differential equationMathematical optimizationBoundary (topology)

Résumé

récupéré en direct d'OpenAlex

In this paper, we examine the discontinuous Galerkin (DG) finite element approximation to convex distributed optimal control problems governed by linear parabolic equations, where the discontinuous finite element method is used for the time discretization and the conforming finite element method is used for the space discretization. We derive a posteriori error estimates for both the state and the control approximation, assuming only that the underlying mesh in space is nondegenerate. For problems with control constraints of obstacle type, which are the kind most frequently met in applications, further improved error estimates are obtained.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
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 savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
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 Opus0,020
Tête enseignante GPT0,325
Écart entre enseignants0,305 · 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
GenreEmpirique

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

En bref

Citations73
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSIAM Journal on Numerical AnalysisMême sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207