MétaCan
Menu
Retour à la cohorte
Enregistrement W2582027428 · doi:10.1515/ijnsns-2016-0032

Barycentric Jacobi Spectral Method for Numerical Solutions of the Generalized Burgers-Huxley Equation

2017· article· en· W2582027428 sur OpenAlexaff
Edson Pindza, M. K. Owolabi, Kailash C. Patidar

Notice bibliographique

RevueInternational Journal of Nonlinear Sciences and Numerical Simulation · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueNonlinear Waves and Solitons
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMathematicsNonlinear systemPartial differential equationDiscretizationBurgers' equationBarycentric coordinate systemSpectral methodApplied mathematicsNumerical analysisExponential integratorMathematical analysisNumerical partial differential equationsDifferential equationOrdinary differential equationDifferential algebraic equationGeometryPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Numerical solutions of nonlinear partial differential equations, such as the generalized and extended Burgers-Huxley equations which combine effects of advection, diffusion, dispersion and nonlinear transfer are considered in this paper. Such system can be divided into linear and nonlinear parts, which allow the use of two numerical approaches. Barycentric Jacobi spectral (BJS) method is employed for the spatial discretization, the resulting nonlinear system of ordinary differential equation is advanced with a fourth-order exponential time differencing predictor corrector. Comparative numerical results for the values of options are presented. The proposed method is very elegant from the computational point of view. Numerical computations for a wide variety of problems, show that the present method offers better accuracy and efficiency in comparison with other previous methods. Moreover the method can be applied to a wide class of nonlinear partial differential equations.

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)0,002
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,056
Tête enseignante GPT0,384
Écart entre enseignants0,329 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nonlinear Sciences and Numerical SimulationMême sujetNonlinear Waves and SolitonsTravaux en français237 207