MétaCan
Menu
Retour à la cohorte
Enregistrement W2995690442 · doi:10.3934/dcdss.2020196

Pseudospectral discretization of delay differential equations in <i>sun-star</i> formulation: Results and conjectures

2019· article· en· W2995690442 sur OpenAlexaff
Odo Diekmann, Francesca Scarabel, Rossana Vermiglio

Notice bibliographique

RevueDiscrete and Continuous Dynamical Systems - S · 2019
Typearticle
Langueen
DomaineMathematics
ThématiqueNumerical methods for differential equations
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésDiscretizationGauss pseudospectral methodMathematicsOrdinary differential equationFormalism (music)Infimum and supremumDifferential equationMathematical analysisDelay differential equationDifferential operatorPseudospectral optimal controlPseudo-spectral methodApplied mathematicsFourier transform

Résumé

récupéré en direct d'OpenAlex

In this paper we study the pseudospectral approximation of delay differential equations formulated as abstract differential equations in the $ \odot* $-space. This formalism also allows us to define rigorously the abstract variation-of-constants formula, where the $ \odot* $-shift operator plays a fundamental role. By applying the pseudospectral discretization technique we derive a system of ordinary differential equations, whose dynamics can be efficiently analyzed by existing bifurcation tools. To better understand to what extent the resulting finite-dimensional system 'mimics' the dynamics of the original infinite-dimensional one, we study the pseudospectral approximations of the $ \odot* $-shift operator and of the $ \odot* $-generator in the supremum norm, which is the natural choice for delay differential equations, when the discretization parameter increases. In this context there are still open questions. We collect the most relevant results from the literature and we present some conjectures, supported by various numerical experiments, to illustrate the behavior w.r.t. the discretization parameter and to indicate the direction of ongoing and future research.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,278
Écart entre enseignants0,263 · 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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscrete and Continuous Dynamical Systems - SMême sujetNumerical methods for differential equationsTravaux en français237 207