MétaCan
Menu
Retour à la cohorte
Enregistrement W3198386876 · doi:10.48550/arxiv.1311.2709

Dirichlet-Neumann and Neumann-Neumann Waveform Relaxation Algorithms for\n Parabolic Problems

2013· preprint· en· W3198386876 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuearXiv (Cornell University) · 2013
Typepreprint
Langueen
DomaineComputer Science
ThématiqueAdvanced Mathematical Modeling in Engineering
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMathematicsNeumann boundary conditionAbelian von Neumann algebraDirichlet distributionVon Neumann architectureNeumann seriesRelaxation (psychology)WaveformMathematical analysisPure mathematicsAlgebra over a fieldBoundary value problemComputer scienceJordan algebra

Résumé

récupéré en direct d'OpenAlex

We present a waveform relaxation version of the Dirichlet-Neumann and\nNeumann-Neumann methods for parabolic problems. Like the Dirichlet-Neumann\nmethod for steady problems, the method is based on a non-overlapping spatial\ndomain decomposition, and the iteration involves subdomain solves with\nDirichlet boundary conditions followed by subdomain solves with Neumann\nboundary conditions. For the Neumann-Neumann method, one step of the method\nconsists of solving the subdomain problems using Dirichlet interface\nconditions, followed by a correction step involving Neumann interface\nconditions. However, each subdomain problem is now in space and time, and the\ninterface conditions are also time-dependent. Using Laplace transforms, we show\nfor the heat equation that when we consider finite time intervals, the\nDirichlet-Neumann and Neumann-Neumann methods converge superlinearly for an\noptimal choice of the relaxation parameter, similar to the case of Schwarz\nwaveform relaxation algorithms. The convergence rate depends on the size of the\nsubdomains as well as the length of the time window. For any other choice of\nthe relaxation parameter, convergence is only linear. We illustrate our results\nwith numerical experiments.\n

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,002
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 Opus0,071
Tête enseignante GPT0,201
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