MétaCan
Menu
Retour à la cohorte
Enregistrement W2506587014 · doi:10.1137/1.9780898718171.ch8

8. Problems Not Addressed in This Book

2003· book-chapter· en· W2506587014 sur OpenAlexaboutno aff

Notice bibliographique

RevueSociety for Industrial and Applied Mathematics eBooks · 2003
Typebook-chapter
Langueen
DomaineMathematics
ThématiqueNumerical methods for differential equations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDomain decomposition methodsComputer scienceCompilerPartial differential equationCompendiumDomain (mathematical analysis)DecompositionAlgebra over a fieldTheoretical computer scienceAlgorithmCalculus (dental)Programming languageMathematicsFinite element methodPure mathematics

Résumé

récupéré en direct d'OpenAlex

Prediction is difficult, especially of the future. —Niels Bohr (1885–1962) It is not the goal of this tutorial to compile a complete compendium on partial differential equations (PDEs), solvers, and parallelization. Each section of this tutorial can still be extended by many, many more methods as well as by theory covering other types of PDEs. Depending on the concrete problem the following topics, not treated in the book, may be of interest: • Nonsymmetric problems, time-dependent PDEs, nonlinear PDEs, and coupled PDE problems [47, 103, 108]. • Error estimators and adaptive solvers [90, 109]. • Algorithms and programs that calculate the decomposition of nodes or elements to achieve a static load balancing, e.g., the programs Chaco [63], METIS [69], and JOSTLE [112]. See also [7, 74, 55] for basics and extensions of the techniques used. • Dynamic load balancing [9, 17]. • The wide range of domain decomposition (DD) algorithms. A good overview of research activities in this field can be found in the proceedings of the Domain Decomposition Conferences (see [42, 18, 19, 43, 70, 87, 72, 44, 10, 78, 76, 20]) and in the collection [71]. Two pioneering monographs give a good introduction to DD methods from two different points of view: the algebraic one [97] and the analytic one [88].

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,341
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,189
Tête enseignante GPT0,319
Écart entre enseignants0,130 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociety for Industrial and Applied Mathematics eBooksMême sujetNumerical methods for differential equationsTravaux en français237 207