A highly accurate and efficient Genocchi‐based spectral technique applied to singular fractional order boundary value problems
Notice bibliographique
Résumé
This article focuses on an efficient and highly accurate approximate solver for a class of generalized singular boundary value problems (SBVPs) having nonlinearity and with two‐term fractional derivatives. The involved fractional derivative operators are given in the form of Liouville–Caputo. The developed algorithm for solving the generalized SBVPs consists of two main stages. The first stage is devoted to an iterative quasilinearization method (QLM) to conquer the (strong) nonlinearity of the governing SBVPs. Secondly, we employ the generalized Genocchi polynomials (GGPs) to treat the resulting sequence of linearized SBVPs numerically. An upper error estimate for the Genocchi series solution in the norm is obtained via a rigorous error analysis. The main benefit of the presented QLM‐GGPs procedure is that the required number of iteration in the first stage is within a few steps, and an accurate polynomial solution is obtained through computer implementations in the second stage. Three widely applicable test cases are investigated to observe the efficacy as well as the high‐order accuracy of the QLM‐GGPs algorithm. The comparable accuracy and robustness of the presented algorithm are validated by doing comparisons with the results of some well‐established available computational methods. It is apparently shown that the QLM‐GGPs algorithm provides a promising tool to solve strongly nonlinear SBVPs with two‐term fractional derivatives accurately and efficiently.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».