Extension of Newton-Steffenssen method by Gejji-Jafari decomposition Technique for solving nonlinear equations
本文利用Gejji-Jafari分解技术扩展了Sharma提出的第三阶牛顿-斯蒂芬森方法,通过数值实例展示新方法的效率和性能。
2013-04-25 cs.NA math.NA
Adaptive phase field method for quasi-static brittle fracture based on recovery based error indicator and quadtree decomposition
Indian Institute of Technology Madras(印度马德拉斯理工学院)
本文提出了一种基于恢复型误差指标和四叉树分解的自适应相场方法,用于解决脆性材料在准静态加载下的裂纹传播问题,通过多项式有限元方法处理悬挂节点元素,提高了计算效率。
2019-04-03 cs.NA math.NA
An Augmented Subspace Based Adaptive Proper Orthogonal Decomposition Method for Time Dependent Partial Differential Equations
本文提出一种基于增广子空间的自适应POD方法,通过辅助模态构造误差指示子,并给出随机向量和粗网格两种增广策略,在对流占优的时间依赖偏微分方程求解中显著提升了效率。
2023-04-18 cs.NA math.NA
Error Estimates for Adaptive Spectral Decompositions
与分段常数函数$u$相关联的自适应谱(AS)分解产生小子空间,其中包括$u$的特征函数被很好地近似。当结合牛顿类最优化方法的逆介质问题的解决方案,AS分解已被证明是非常有效的,在每个非线性迭代提供一个低维的搜索空间。在这里,我们推导出$L^2$ -误差估计的AS分解的$u$,截断后$K$条款,当$u$是分段常数,由$K$特征函数Lipschitz域和背景。我们的估计适用于连续和离散Galerkin有限元设置。数值例子说明了AS分解的媒体,无论是做,或不做,满足理论的假设的准确性。
2022-07-04 cs.NA math.AP math.NA
Efficient randomized algorithms for the fixed Tucker-rank problem of Tucker decomposition with adaptive shifts
Guizhou University(贵州大学);Fudan University(复旦大学);City University of Hong Kong(香港城市大学)
本文提出融入动态移位策略的自适应移位幂迭代,改进T-HOSVD和ST-HOSVD的随机变体,求解Tucker分解固定Tucker秩问题,在保持精度的同时减少迭代次数,效率和精度优于现有技术。
2026-08-18 cs.NA math.NA
Multiresolution Mode Decomposition for Adaptive Time Series Analysis
本文提出\emph{multiresolution mode decomposition}作为一种新的自适应时间序列分析模型。主要的概念创新是引入了形式为\[ \sum_{n=-N/2}^{N/2-1} a_n\cos(2πnϕ(t))s_{cn}(2πNϕ(t))+\sum_{n=-N/2}^{N/2-1}b_n \sin(2πnϕ(t))s_{sn}(2πNϕ(t))\]的\emph{multiresolution intrinsic mode function}(MIMF),用于对具有随时间变化的幅度、频率和波形的非线性和非平稳数据进行建模。MIMF解释了集中非线性和非平稳数据的时频表示的内在困难,并为模式分解提供了一个新的方向。多分辨率展开系数$\{a_n\}$、$\{b_n\}$和形状函数序列$\{s_{cn}(t)\}$和$\{s_{sn}(t)\}$为自适应时间序列分析提供了创新的特征。对于由多个相位函数$ϕ(t)$可微的MIMF叠加而成的复信号,提出了一种基于Gauss-Seidel迭代和同态的MIMF多分辨展开系数和形函数级数的识别方法.数值例子从合成数据和自然现象,以证明这种新方法的权力。
2019-08-28 cs.NA math.NA
An adaptive reduced basis collocation method based on PCM ANOVA decomposition for anisotropic stochastic PDEs
University of Maryland(马里兰大学)
本文提出一种基于PCM ANOVA分解的自适应降阶校准方法,用于求解高维参数化随机PDEs,通过两阶段适应性策略有效识别有效维度并优化参数空间,验证了该方法在求解各向异性随机对流-扩散方程中的有效性。
2017-09-25 cs.NA math.NA
A rank-adaptive higher-order orthogonal iteration algorithm for truncated Tucker decomposition
Peking University(北京大学)
提出了一种新的秩自适应高阶正交迭代(HOOI)算法,在给定的误差容限下计算高阶张量的截断Tucker分解,并证明了该算法是局部最优的和单调收敛的.一系列的数值实验进行了相关的合成和现实世界的张量,以表明所提出的秩自适应HOOI算法是在精度和效率方面的优势。对HOOI算法和经典的交替最小二乘法进行了进一步的分析,以进一步理解为什么可以将秩自适应引入HOOI算法以及它是如何工作的。
2021-10-25 cs.LG cs.NA math.NA
Nonlinear model order reduction via Dynamic Mode Decomposition
University of Hamburg(汉堡大学);University of Washington(华盛顿大学)
本文提出利用动态模式分解方法对非线性动力系统进行降阶建模,通过空间-时间矩阵分解获取降阶模型,避免在线阶段计算非线性项,提高计算效率并保持精度。
2016-02-16 cs.NA math.NA
Deep orthogonal decomposition: a continuously adaptive data-driven approach to model order reduction
本研究提出深度正交分解(DOD)深度学习技术,通过连续自适应局部基的深度网络逼近解流形,突破全局方法的柯尔莫哥洛夫壁垒,兼容侵入/非侵入式技术,可解释性强且误差控制更优,为参数化偏微分方程降阶建模提供新方案。
2024-05-14 cs.NA math.NA
Adaptive domain decomposition method for time-dependent problems with applications in fluid dynamics
Charles University, Faculty of Mathematics and Physics(查理大学数学物理学院);Institute of Mathematics of the Czech Academy of Sciences(捷克科学院数学研究所)
本文提出了一种自适应域分解方法,通过优化子域数量和粗网格元素数量来最小化计算成本,用于解决时间依赖问题的高效数值解法。
2026-01-28 cs.NA math.NA
An adaptive homotopy method for computing bifurcations of nonlinear parametric systems
本文提出了一种计算非线性系统歧点的自适应步长同伦跟踪方法。该方法包括4个部分:1)在歧点附近发展自适应跟踪技术; 2)在自适应跟踪失败时,采用膨胀技术; 3)利用Pu I-x级数插值计算歧点; 4)对歧点的切锥结构进行数值逼近,以计算不同分支上的解.各种数值例子的非线性系统,以说明这种新的方法的效率。这种新的自适应同伦跟踪方法也适用于一个系统的非线性偏微分方程和大规模非线性离散系统的鲁棒性和效率。
2020-02-12 cs.NA math.NA
An Adaptive Subdomain Coupling Approach in Domain Decomposition for Multiphase Porous Media Flow
SKLMS, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);School of Mathematical Sciences, University of Chinese Academy of Sciences(中国科学院大学数学科学学院);College of Computer Science and Technology, National University of Defense Technology(国防科技大学计算机学院)
本文提出一种基于域分解的自适应子域耦合框架,用于高效求解复杂多相流问题,通过自适应耦合策略提升非线性求解器的收敛性和可扩展性。
2026-04-10 cs.NA math.NA
Robust Blockwise Random Pivoting: Fast and Accurate Adaptive Interpolative Decomposition
本文提出鲁棒块状随机选元(RBRP)算法,通过兼顾准确性、硬件效率和秩自适应性,解决了现有插值分解算法难以全面兼顾各性能指标的问题,并在数值实验中验证了其卓越的经验表现与对抗性输入下的鲁棒性。
2024-12-19 cs.NA math.NA
Adaptive spectral decompositions for inverse medium problems
逆介质问题涉及通过探索可能解的受限搜索空间来从可用观测重构空间变化的未知介质。标准的基于网格的表示是非常通用的,但由于搜索空间的高维数,通常在计算上是禁止的。自适应谱(AS)分解,而不是扩展未知的介质在一个明智的椭圆算子的本征函数的基础上,这取决于自己的介质。在这里的AS分解相结合的一个标准的不精确的牛顿型方法的时间谐波散射问题的解决方案所管辖的亥姆霍兹方程。通过反复调整特征函数基及其维数,所得到的自适应谱反演(ASI)方法在非线性最优化期间显著降低了搜索空间的维数。对于一般分段常数介质,证明了AS分解的严格估计。数值结果表明,ASI方法的精度和效率的时谐逆散射问题,包括盐丘模型从地球物理。
2020-06-17 cs.NA math.NA math.OC
Domain Decomposition Subspace Neural Network Method for Solving Linear and Nonlinear Partial Differential Equations
提出域分解子空间神经网络方法,结合域分解与子空间神经网络构造基函数,施加C^k连续性条件,用Picard和Newton迭代求解线性和非线性PDE,误差达10^-13,精度和效率优于PINNs等方法。
2025-05-27 cs.NA math.NA
Learning Adaptive Coarse Spaces Using Transferable Neural Network Models for Linear and Nonlinear Overlapping Domain Decomposition Methods
University of Cologne(科隆大学)
研究针对系数高度不均匀问题,在自适应广义 Dryja - Smith - Widlund 粗空间构建中计算时间长的问题,提出用回归和分类神经网络预测粗基函数及数量的两阶段方法,无需求解特征值问题,还能转移到多种问题。
2026-07-08 cs.NA math.NA
A data driven Koopman-Schur decomposition for computational analysis of nonlinear dynamics
针对DMD和EDMD中特征向量病态的问题,提出基于酉变换的Koopman-Schur分解框架,用不变子空间旗的模态分解替代特征向量分析,结合偏序Schur分解与核技巧实现非线性动力学的数据驱动Koopman模态分析。
2024-09-13 cs.NA math.NA
Adaptive-Sparse Polynomial Dimensional Decomposition Methods for High-Dimensional Stochastic Computing
College of Engineering, The University of Iowa(爱荷华大学工程学院)
本文提出两种自适应稀疏多项式维度分解方法,用于求解高维不确定性量化问题,通过全局敏感性分析保留重要PDD组件函数,并采用全网格或稀疏网格降维积分或拟蒙特卡洛模拟估计PDD展开系数,方法无需提前设定截断参数,具有更高的效率和精度。
2014-02-13 cs.NA math.NA
Adaptive Local Iterative Filtering for Signal Decomposition and Instantaneous Frequency analysis
Istituto Nazionale di Alta Matematica, DISIM, Università degli Studi dell’Aquila(罗马高等数学研究所,DISIM,阿奎拉大学);Georgia Institute of Technology(佐治亚理工学院)
本文提出自适应局部迭代滤波方法,用于非线性非平稳信号的分解与瞬时频率分析,通过自适应滤波长度选择和Fokker-Planck方程生成的光滑滤波器实现稳定分析。
2015-10-23 cs.NA math.NA
An adaptive multiresolution ultra-weak discontinuous Galerkin method for nonlinear Schrodinger equations
本文发展了一种求解非线性薛定谔方程的高阶自适应格式。这类方程的解往往表现出孤波和局部结构,这使得自适应性在提高模拟效率方面至关重要。我们的计划使用超弱间断Galerkin(DG)制定,属于自适应多分辨率格式的框架。各种数值实验证明了该方法捕获孤子波和爆破现象的优良能力。
2020-07-03 cs.NA math.NA
Coupling parallel adaptive mesh refinement with a nonoverlapping domain decomposition solver
研究了自适应网格加密对线性系代数方程并行区域分解求解器的影响。这些概念需要结合在一个并行自适应有限元软件。一个原型的实现,为此目的。它使用自适应网格细化与一个层次的悬挂节点。采用基于约束的平衡区域分解(BDDC)方法的两层和三层版本来求解所产生的代数方程组。回顾了基本概念,并详细研究了组合所需的组件。特别感兴趣的是断开的子域,一个典型的输出所采用的网格划分的基础上的空间填充曲线,对BDDC方法的收敛性和解决方案的时间的影响。大量的实验表明,虽然加细网格和不连通子域对BDDC的收敛性有负面影响,但迭代次数仍然可以接受。此外,三级BDDC求解器的可扩展性在多达几千个处理器内核上仍然保持良好。使用自适应网格细化的最大问题有超过10^9个未知数,并在2048个核心上求解。
2017-03-19 cs.MS cs.NA math.NA
A global-in-time domain decomposition method for the coupled nonlinear Stokes and Darcy flows
研究了基于区域分解的时变非线性Stokes-Darcy模型的解耦迭代算法,该算法在渗流区和多孔介质中采用不同的时间步长。基于质量守恒的交界条件,将耦合系统转化为时空界面问题。非线性界面问题,然后解决了嵌套迭代方法,其中涉及,在每个牛顿迭代,线性化的接口问题的解决方案,并在每个Krylov迭代,时间相关的线性化的斯托克斯和达西问题的并行解决方案。因此,在时间上(和空间上)的局部离散化可以用来有效地处理在不同时间尺度上演化的耦合方程的多物理场系统。数值计算结果与时间网格,以说明所提出的方法的性能。
2020-07-03 cs.NA math.NA
Localized Dynamic Mode Decomposition with Temporally Adaptive Segmentation
School of Mathematics, Hunan University(湖南大学数学学院)
本文提出局部动态模式分解(LDMD)框架,结合DMD的线性预测能力与时间域分割技术,提升长期预测精度并保持高效计算。
2025-10-22 cs.NA math.NA
Toward fitting structured nonlinear systems by means of dynamic mode decomposition
动态模态分解(DMD)是一种数据驱动的方法,用于识别复杂非线性系统的动态特性。它提取的重要特征的基本动力学使用测量的时域数据产生的无论是通过实验或数值模拟。在原始方法中,假设测量值通过线性算子近似相关。因此,线性离散时间系统拟合到给定的数据。然而,通常,对物理现象进行建模的非线性系统具有特定的已知结构。在这方面的贡献,我们提出了一种识别和减少方法的基础上,经典的DMD方法允许适合结构化的非线性系统的测量数据。我们主要关注两种类型的非线性:双线性和二次双线性。通过加强这种额外的结构,获得了更多的洞察力来提取原始过程的非线性行为。最后,我们展示了不同的例子,如Burgers方程和耦合的van der Pol振荡器所提出的方法。
2020-11-22 cs.NA math.NA
A $P$-Adaptive Hermite Method for Nonlinear Dispersive Maxwell's Equations
本文提出一种用于非线性色散麦克斯韦方程组的P-自适应Hermite方法,通过求解与阶数无关的小规模局部线性系统实现高阶精度,无需非线性代数求解器,适用于类孤子波传播模拟。
2025-04-12 cs.NA math.NA
A High-Order Rank-Adaptive Implicit Algorithm for Solving High Dimensional Diffusion Equations using the Hierarchical Tucker Decomposition
Swarthmore College(斯沃斯莫尔学院)
本文提出采用分层塔克分解的高阶秩自适应隐式算法,用于求解高维扩散方程,通过数值实验验证其高阶精度及解秩捕获能力。
2026-08-21 cs.NA math.NA
Adaptive greedy algorithms based on parameter-domain decomposition and reconstruction for the reduced basis method
缩减基方法(RBM)通过离线-在线分解(又称“离线-在线分解”)来实现参数化偏微分方程的重复和快速求解。学习-执行过程。该方法的一个关键特征是一个贪婪算法反复扫描的训练集,一个精细的离散化的参数域,以确定下一个维度的参数诱导的解决方案的流形上,我们扩大代理解决方案的空间。虽然成功地应用于具有相当高的参数维度的问题,但挑战在于这种扫描成本主导离线成本,因为它与训练集的基数成比例,该基数相对于参数维度是指数的。在这项工作中,我们回顾了最近的三次尝试,有效地延迟这种灾难的维度,并提出了两个新的混合策略,通过连续细化和多级最大化的误差估计的训练集。所有五个离线增强的方法和原来的贪婪算法进行了测试和比较{两种类型的问题:热块问题和几何参数化亥姆霍兹问题。
2020-09-14 cs.NA math.NA
Adaptive Parallelizable Algorithms for Interpolative Decompositions via Partially Pivoted LU
本文提出用部分主元LU替代列主元QR进行随机化插值分解,实现自适应并行化,降低通信开销,提升速度,并已在CPU和GPU上公开实现。
2023-10-13 cs.NA math.NA
A GPU-Accelerated Blocked Adaptive Randomized Range Finder Based on an Implicit Householder QR Decomposition
Jülich Supercomputing Centre Forschungszentrum Jülich(于利希超级计算中心 于利希研究中心)
本文提出一种基于隐式Householder QR分解的GPU加速分块自适应随机范围查找器,通过混合CPU-GPU实现,可在异构系统上高效稳定地完成低秩近似,提升矩阵运算速度。
2026-10-30 cs.MS cs.NA math.NA
Towards an Adaptive Dynamic Mode Decomposition
North South University(南北大学)
动态模式分解(DMD)是一种基于数据的建模工具,它识别一个矩阵,将某个时刻的量映射到未来的相同量。我们设计了一个新版本,我们称之为自适应动态模式分解(ADMD),它根据数据的性质利用时间延迟坐标,投影方法和滤波器来创建可用问题的模型。过滤器对于降低高维数据集的排名非常有效。我们采用了“离散傅里叶变换”和“增广拉格朗日乘子”作为滤波器在我们的方法。建议的ADMD进行了测试,不同的复杂性和它的性能似乎是有前途的几个数据集。
2020-12-11 cs.LG cs.NA eess.SP
A robust and adaptive GenEO-type domain decomposition preconditioner for $\mathbf{H}(\mathbf{curl})$ problems in three-dimensional general topologies
STFC Rutherford Appleton Laboratory(STFC鲁瑟福阿普顿实验室);Department of Mathematics and Statistics, University of Strathclyde(斯特拉斯克莱德大学数学与统计系);Laboratoire J.L. Lions, Sorbonne University(索邦大学J.L.利翁斯实验室);INRIA Team Alpines(法国国家信息与自动化研究所Alpines团队)
针对三维一般拓扑中 Maxwell 型 $\mathbf{H}(\mathbf{curl})$ 问题,设计基于谱粗空间的自适应区域分解预条件子,以提升收敛稳健性并处理非平凡拓扑和高纵横比域。
2025-05-16 cs.NA math.NA physics.comp-ph
A Splitting Approach to Dynamic Mode Decomposition of Nonlinear Systems
针对非线性偏微分方程降阶建模中计算精度与时间的权衡问题,本文研究了面向带周期边界条件的非线性PDE的动态模态分解方法,提出了名为Split DMD的优化框架以降低总计算成本。
2023-07-24 cs.NA math.NA math.OC
Improving CUR Matrix Decomposition and the Nyström Approximation via Adaptive Sampling
Zhejiang University(浙江大学);Shanghai Jiao Tong University(上海交通大学)
本文通过建立自适应列/行采样算法的更一般误差界,提出了具有预期相对误差界的更精确CUR和Nyström算法,并给出了标准Nyström方法和集成Nyström方法的低误差界理论分析。
2013-10-01 cs.LG cs.NA math.NA
Monotone Domain Decomposition Iterative Method and its Convergence for a Nonlinear Integro-Differential Equation of Volterra Type
Faculty of Mathematics, Kim Il Sung university(金日成大学数学系)
针对Volterra型非线性积分微分方程,提出单调区域分解迭代方法,通过添加项构造线性方程,证明迭代解的存在性、唯一性和收敛性。
2013-04-02 cs.NA math-ph math.MP
On Optimal Convergence Rates for the Nonlinear Schrödinger Equation with a Wave Operator via Localized Orthogonal Decomposition
Jiaying University(嘉应大学);Shanghai Jiao Tong University(上海交通大学)
本文提出了一种局部正交分解方法,用于求解带有波算子的二维时间依赖非线性薛定谔方程,证明了该方法保持守恒律并具有唯一数值解,同时获得了无条件的最优阶超收敛L^p误差估计。
2026-03-21 cs.NA math.NA physics.comp-ph
Penalty Robin-Robin domain decomposition schemes for contact problems of nonlinear elastic bodies
Pidstryhach Institute for Applied Problems of Mechanics and Mathematics(皮德斯特里亚赫力学与数学应用问题研究所);Ivan Franko National University of Lviv(伊万·弗兰科利沃夫国立大学)
本文提出连续层面的区域分解方法求解非线性弹性单边和理想多体接触问题,并给出收敛性定理。
2012-09-05 cs.NA math-ph math.MP
Adaptive Subspace Modeling With Functional Tucker Decomposition
KU Leuven(荷语鲁汶大学)
本文提出功能Tucker分解,通过RKHS建模连续模式,实现自适应子空间建模,应用于超光谱成像和多变量时间序列分类。
2026-09-28 cs.NA math.NA stat.ML
Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations
COPPE/Federal University of Rio de Janeiro(里约热内卢联邦大学COPPE学院);Gran Sasso Science Institute(格兰萨索科学研究所);Università di Pavia(帕维亚大学)
动态模式分解(DMD)是一种强大的数据驱动的方法,用于提取时空相干结构,决定一个给定的动力系统。该方法包括堆叠收集的时间快照到一个矩阵和映射的非线性动力学使用线性算子。标准过程认为快照对于所有可观察数据具有相同的维数。然而,这往往不会发生在数值模拟与自适应网格细化/粗化计划(AMR/C)。本文提出了一种策略,使DMD从不同的网格拓扑结构和尺寸的观察,如AMR/C模拟中发现的特征提取。为此,自适应快照被投影到相同的参考函数空间上,使得能够使用基于快照的方法,例如DMD。本策略应用于具有挑战性的AMR/C模拟:COVID-19的连续扩散-反应流行病学模型,密度驱动的重力流模拟和气泡上升问题。我们还评估了DMD重建动力学和一些相关的感兴趣的量的效率。特别是,对于SEIRD模型和泡沫上升的问题,我们评估DMD的能力外推的时间(短期未来的估计)。
2021-04-28 cs.LG cs.NA math.NA
An iterative domain decomposition method for free boundary problems with nonlinear flux jump constraint
Texas A & M University(德克萨斯农工大学);Universidade Federal do Rio de Janeiro(里约热内卢联邦大学)
本文提出了一种基于阻尼牛顿法的迭代区域分解方法,用于求解具有非线性通量跳跃条件的自由边界问题,并通过有限元实现和数值算例验证了收敛性。
2012-05-29 cs.NA math.AP math.NA
Domain decomposition methods for problems of unilateral contact between elastic bodies with nonlinear Winkler covers
Pidstryhach Institute for Applied Problems of Mechanics and Mathematics(皮德斯特里亚赫应用力学与数学问题研究所);Ivan Franko National University of Lviv(利沃夫伊万·弗兰科大学)
提出一类Robin-Robin型区域分解方法,基于反射Banach空间中非线性变分方程的非平稳迭代算法,求解具有非线性Winkler覆盖层的弹性体单边接触问题,并通过有限元近似进行数值研究。
2012-11-30 cs.NA math-ph math.MP
Stochastic domain decomposition for time dependent adaptive mesh generation
Department of Mathematics and Statistics, Memorial University of Newfoundland(纽芬兰纪念大学数学与统计系);Department of Mathematics, University of British Columbia(不列颠哥伦比亚大学数学系);Department of Engineering Design and Mathematics, University of Western England(西英格兰大学工程设计与数学系)
本文提出一种随机域分解方法,用于二维时间依赖自适应网格生成,结合物理偏微分方程的求解,通过概率解作为边界条件实现并行计算。
2015-04-01 cs.NA math.NA physics.comp-ph
Nonlinearly Preconditioned L-BFGS as an Acceleration Mechanism for Alternating Least Squares, with Application to Tensor Decomposition
School of Mathematical Sciences, Monash University(蒙纳士大学理学院);Department of Applied Mathematics, University of Waterloo(滑铁卢大学应用数学系)
本文提出基于L-BFGS更新公式非线性加速方法,用于加速交替最小二乘法在张量分解中的应用,通过非线性预条件化提升优化效率与鲁棒性。
2018-06-27 cs.NA math.NA math.OC
An adaptive fast solver for a general class of positive definite matrices via energy decomposition
本文提出了一种自适应快速求解器,用于求解一般对称正定矩阵类,包括著名的图拉普拉斯矩阵。通过开发自适应算子压缩方案和多分辨率矩阵分解算法,实现复杂度和适定性接近最优的性能。
2018-03-03 cs.NA math.NA math.SP
Aspects of 2D-Adaptive Fourier Decompositions
University of Macau(澳门大学);University of South Carolina(南卡罗来纳大学);China Jiliang University(中国计量大学)
本文研究多维AFD的数值特性,特别是二维AFD,包括多种二维AFD的数值算法、五种傅里叶类图像重建方法的实验比较,以及正交贪婪算法和预正交贪婪算法的收敛率估计。
2017-10-24 cs.NA math.CV math.NA
Combining Contrast Invariant L1 Data Fidelities with Nonlinear Spectral Image Decomposition
Department of Applied Mathematics(应用数学系);Department of Medical Cell BioPhysics(医学细胞生物物理学系);University of Twente(埃因霍温大学)
本文研究了变分方法的多尺度方法及其梯度流,结合L1保真度与非线性频谱分解以提升图像分割和形状分解的性能。
2017-03-16 cs.CV cs.NA math.NA
Proper Generalized Decomposition for Nonlinear Convex Problems in Tensor Banach Spaces
Universidad CEU Cardenal Herrera(卡迪纳尔埃雷拉斯CEU大学)
本文针对定义在自反张量巴拿赫空间上的凸泛函最小化问题,对渐进式和更新式适当广义分解方法进行了数学分析。
2011-12-01 cs.NA math.FA math.NA
High-Dimensional Stochastic Design Optimization by Adaptive-Sparse Polynomial Dimensional Decomposition
The University of Iowa(爱荷华大学);Georgia Southern University(佐治亚南方大学);San Diego State University(圣地亚哥州立大学)
本文提出了一种自适应稀疏多项式维度分解方法,用于复杂系统的随机设计优化,通过结合自适应稀疏PDD近似与分数函数,提高了统计矩和可靠性分析的效率,展示了在工程问题中的应用潜力。
2016-01-11 cs.NA math.NA math.OC
Wavelet Adaptive Proper Orthogonal Decomposition for Large Scale Flow Data
本征正交分解(POD)是流体力学中的一个强大的经典工具,例如,用于模型简化和提取相干流特征。然而,它的适用性高分辨率的数据,三维直接数值模拟产生的,是有限的,由于其计算复杂性。在这里,我们提出了一个基于小波的自适应版本的POD(的wPOD),为了克服这一限制。要分析的数据量减少,通过压缩它们使用双正交小波,产生稀疏表示,同时方便地提供控制的压缩误差。数值分析表明,小波压缩和POD截断的不同的误差贡献可以在一定的假设下平衡,使我们能够有效地处理高分辨率的数据从三维模拟的流动问题。使用一个合成的学术测试用例,我们比较我们的算法与随机奇异值分解。此外,我们证明了我们的方法的能力,分析数据的二维尾流和三维流产生的扑翼昆虫计算与直接数值模拟。
2020-11-10 cs.CE cs.NA math.NA
Solving high-dimensional nonlinear filtering problems using a tensor train decomposition method
本文提出了一种有效的解决高维非线性滤波(NLF)问题的数值方法。具体来说,我们使用张量训练分解方法来解决所产生的NLF问题的前向Kolmogorov方程(FKE)。我们的方法包括离线和在线阶段。在离线阶段,我们使用有限差分法离散的偏微分算子参与FKE和提取低维结构的解决方案空间中使用张量训练分解方法。此外,我们使用张量训练分解方法来近似FKE算子的演化。在在线阶段,使用预先计算的低秩近似张量,我们可以快速求解FKE给定的新的观测数据。因此,我们可以实时地解决NLF问题。在一些温和的假设下,我们提供了所提出的方法的收敛性分析。最后,我们提出的数值结果显示所提出的方法在解决高维NLF问题的效率和精度。
2019-08-12 cs.CE cs.NA cs.SY
LINOEP vectors, spiral of Theodorus, and nonlinear time-invariant system models of mode decomposition
Indian Institute of Technology Delhi(印度德里理工学院);Jaypee Institute of Information Technology(贾伊皮信息技术学院)
本文提出基于迭代滤波的LINOEP向量方法,通过能量保持定理推广Theodorus螺旋,并证明多种模式分解方法均为非线性时间不变系统模型。
2015-10-29 cs.IT cs.NA cs.SY