MétaCan
Menu
Retour à la cohorte
Enregistrement W4410406188 · doi:10.1002/mma.11056

Numerical Solutions of Weakly Singular Nonlinear Volterra Integral Equations With Smooth and Nonsmooth Solutions Over Large Time Intervals

2025· article· en· W4410406188 sur OpenAlexafffund
Walid Remili, Azedine Rahmoune, Chenkuan Li

Notice bibliographique

RevueMathematical Methods in the Applied Sciences · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueFractional Differential Equations Solutions
Établissements canadiensBrandon University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematicsVolterra integral equationConvergence (economics)Nonlinear systemCollocation methodCollocation (remote sensing)Applied mathematicsIntegral equationInterval (graph theory)Norm (philosophy)Laguerre polynomialsMathematical analysisDifferential equationComputer scienceCombinatorics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This paper proposes a spectral collocation method for solving weakly singular nonlinear Volterra integral equations over large time intervals, addressing both smooth and nonsmooth solutions. For smooth solutions, classical scaled Laguerre polynomials (SLPs) are employed. For nonsmooth solutions, a new set of generalized Laguerre functions (GLFs) is introduced. To efficiently approximate weakly singular integrals, the interval is transformed into a half‐line using a suitable mapping. The Gauss points of the GLFs are then used as the collocation points to approximate the resulting integral. Also, the convergence of the proposed method is analyzed in the weighted ‐norm. Finally, the accuracy and reliability of the new approach are demonstrated through several examples.

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)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,318
Score d'incertitude au seuil0,649

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,098
Tête enseignante GPT0,420
Écart entre enseignants0,322 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMathematical Methods in the Applied SciencesMême sujetFractional Differential Equations SolutionsTravaux en français237 207