A Special Issue on Recent Trends in Numerical Algorithms and Their Applications
Notice bibliographique
Résumé
In the modern information age, numerical algorithms receive much attention than ever before due to their wide applications in applied mathematics, management science, computer science, medicine, economics, and other engineering fields.This special issue focuses on the recent trends in various numerical algorithms and their applications.The contributions to this special issue include optimization methods, models, and algorithms that deal with various pure and applied problems emerged in the last decades.This special issue is comprised of nine articles whose contributions are as follows: K. Guo and C. Zhu, in the paper "On the linear convergence of a Bregman proximal point algorithm," studied a Bregman proximal point algorithm for a convex optimization problem.They analyzed the linear convergence rate and establish the linear convergence of the iterative sequence of the algorithm.In the paper "Multiple-sets split quasi-convex feasibility problems: Adaptive subgradient methods with convergence guarantee," Y. Hu, G. Li, M. Li, and C.K.W. Yu considered a multiple-sets split quasiconvex feasibility problem (MSSQFP), which is to find a point such that itself and its image under a linear transformation fall within two families of sublevel sets of quasi-convex functions in the space and the image space, respectively.A unified framework of the adaptive subgradient methods with general control schemes was proposed to solve the MSSQFP.They established the quantitative convergence theory of adaptive subgradient methods with several general control schemes.An interesting finding was disclosed by the iteration complexity results that the stochastic control enjoys both advantages of low computational cost requirement and low iteration complexity.The paper "Multi-objective optimization of a nonlinear batch time-delay system with minimum system sensitivity" by L. Wang et al. focuses a nonlinear time-delay dynamic (NTDD) system with uncertain time-delay in batch culture of glycerol bioconversion to the 1, 3-propanediol (1, 3-PD) induced by Klebsiella pneumoniae.They designed an optimization scheme for the NTDD system with the aim of balancing two competing objectives: (i) system cost (the relative error between experimental data and the output of the mathematical model); (ii) system sensitivity (the variation of the system cost with respect to uncertain time-delay).A multi-objective optimization problem (MOOP) governed by the NTDD system was converted into a sequence of single-objective optimization problems (SOOCPs) by using convex c 2022 Journal of Nonlinear and Variational Analysis to be suitable for the multikernel-based approximation method, including the global convergence and the locally superlinear convergence.They also discussed some problems behind the choice of the truncated length M and the low-rank approximation.In conclusion, we express our most sincere gratitude to all the authors and the referees who contributed to this special issue, and we hope that the readers will enjoy it.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,066 | 0,024 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».