MétaCan
Menu
Retour à la cohorte
Enregistrement W2595413241 · doi:10.20454/jmmnm.2017.1130

On contractivity-preserving 2- and 3-step predictor-corrector series for ODEs

2017· article· en· W2595413241 sur OpenAlexaff
Truong Nguyen-Ba, Abdulrahman Alzahrani, Thierry Giordano, Rémi Vaillancourt

Notice bibliographique

RevueJournal of Modern Methods in Numerical Mathematics · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueNumerical methods for differential equations
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMathematicsDerivative (finance)Series (stratigraphy)Order (exchange)Second derivativeEnergy (signal processing)Basis (linear algebra)Function (biology)Interval (graph theory)Mathematical analysisCombinatoricsGeometryStatistics

Résumé

récupéré en direct d'OpenAlex

New optimal, contractivity-preserving (CP), \(d\)-derivative, 2- and 3-step, predictor-corrector, Hermite-Birkhoff-Obrechkoff series methods, denoted by \(HBO(d,k,p)\), \(k=2,3\), with nonnegative coefficients are constructed for solving nonstiff first-order initial value problems \(y'=f(t,y)\), \(y(t_0)=y_0\). The upper bounds \(p_u\) of order \(p\) of \(HBO(d,k,p)\), \(k=2,3\) methods are approximately 1.4 and 1.6 times the number of derivatives \(d\), respectively. Their stability regions have generally a good shape and grow with decreasing \(p-d\). Two selected CP HBO methods: 9-derivative 2-step HBO of order 13, denoted by HBO(9,2,13), which has maximum order 13 based on the CP conditions, and 8-derivative 3-step HBO of order 14, denoted by HBO(8,3,14), compare well with Adams-Cowell of order 13 in PECE mode, denoted by AC(13), in solving standard N-body problems over an interval of 1000 periods on the basis of the relative error of energy as a function of the CPU time. They also compare well with AC(13) in solving standard N-body problems on the basis of the growth of relative error of energy and 10000 periods of integration. The coefficients of selected HBO methods are listed in the appendix.

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)0,004
score de la tête « metaresearch » (Gemma)0,055
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,670
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,055
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,134
Tête enseignante GPT0,469
Écart entre enseignants0,335 · 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
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Modern Methods in Numerical MathematicsMême sujetNumerical methods for differential equationsTravaux en français237 207