MétaCan
Menu
Retour à la cohorte
Enregistrement W2077355347 · doi:10.1145/2427023.2427028

A Runge-Kutta BVODE Solver with Global Error and Defect Control

2013· article· en· W2077355347 sur OpenAlexafffund
Jason J. Boisvert, Paul Muir, Raymond J. Spiteri

Notice bibliographique

RevueACM Transactions on Mathematical Software · 2013
Typearticle
Langueen
DomaineMathematics
ThématiqueNumerical methods for differential equations
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésSolverDiscretizationExtrapolationOrdinary differential equationOdeBoundary value problemRunge–Kutta methodsMathematicsApplied mathematicsA priori and a posterioriExact solutions in general relativityNumerical analysisDifferential equationMathematical analysisMathematical optimization

Résumé

récupéré en direct d'OpenAlex

Boundary value ordinary differential equations (BVODEs) are systems of ODEs with boundary conditions imposed at two or more distinct points. The global error (GE) of a numerical solution to a BVODE is the amount by which the numerical solution differs from the exact solution. The defect is the amount by which the numerical solution fails to satisfy the ODEs and boundary conditions. Although GE control is often familiar to users, the defect controlled numerical solution can be interpreted as the exact solution to a perturbation of the original BVODE. Software packages based on GE control and on defect control are in wide use. The defect control solver, BVP_SOLVER, can provide an a posteriori estimate of the GE using Richardson extrapolation. In this article, we consider three more strategies for GE estimation based on (i) the direct use of a higher-order discretization formula (HO), (ii) the use of a higher-order discretization formula within a deferred correction (DC) framework, and (iii) the product of an estimate of the maximum defect and an estimate of the BVODE conditioning constant, and demonstrate that the HO and DC approaches have superior performance. We also modify BVP_SOLVER to introduce GE control .

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,043
Tête enseignante GPT0,322
Écart entre enseignants0,279 · 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'étudeSimulation ou modélisation
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

Citations9
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACM Transactions on Mathematical SoftwareMême sujetNumerical methods for differential equationsTravaux en français237 207