An adaptive multiresolution discontinuous Galerkin method with artificial viscosity for scalar hyperbolic conservation laws in multidimensions
在本文中,我们发展了一个自适应多分辨率间断Galerkin(DG)格式来求解多维标量双曲守恒律方程。与线性双曲型方程\cite{guo2016transport, guo2017adaptive}的已有工作相比,本文利用一类插值多小波来有效地计算DG格式中单元和边上的非线性积分。由此产生的算法,因此可以实现类似的计算复杂性的稀疏网格DG方法的光滑的解决方案。考虑到精度和稳定性方面的插值多小波的选择进行理论和数值研究。人工粘性被添加到捕获的冲击,并只作用于叶元素利用多分辨率表示。自适应性是通过基于层次剩余的误差自动阈值化来实现的。几个数值试验证明了精度和鲁棒性。
2020-02-22 cs.NA math.NA
On the verification of adaptive three-dimensional multiresolution computations of the magnetohydrodynamic equations
National Institute for Space Research(巴西国家空间研究所);Institut de Mathématiques de Marseille, Aix-Marseille Université, CNRS, Centrale Marseille, I2M UMR 7373(马赛数学研究所,艾克斯-马赛大学,法国国家科学研究中心,中央马赛学院,I2M UMR 7373)
本文提出了一种具有发散清除功能的三维磁流体动力学求解器,用于验证自适应多分辨率CARMEN代码,并通过与知名FLASH代码的比较验证了其性能。
2019-03-15 cs.NA math.NA
A Fast Hierarchically Preconditioned Eigensolver Based On Multiresolution Matrix Decomposition
本文提出一种基于多分辨率运算压缩框架的迭代方法,用于高效计算稀疏对称正矩阵的大量左本征对,通过整合隐式重启Lanczos方法与多分辨率框架,提出扩展-细化迭代方案以提高计算效率。
2018-06-27 cs.CV cs.NA math.NA
An adaptive multiresolution method for ideal magnetohydrodynamics using divergence cleaning with parabolic-hyperbolic correction
Instituto Nacional de Pesquisas Espaciais (INPE)(巴西国家空间研究所);Aix-Marseille Université(艾克斯-马赛大学);German Aerospace Center (DLR)(德国航空航天中心)
本文提出了一种自适应多分辨率方法,用于二维理想磁流体力学的数值模拟,通过混合双曲-抛物线校正方法控制磁场不可压缩性,并通过不同应用展示方法特性及计算效率。
2015-07-30 cs.NA math.NA
Adaptive gradient-augmented level set method with multiresolution error estimation
提出了一种求解二维平流方程的时空自适应格式。梯度增广水平集方法使用半拉格朗日制定与向后时间积分耦合的点值多分辨率分析使用Hermite插值。因此,局部细化的二元空间网格,这是有效地实现了动态四叉树数据结构。对于自适应时间积分,采用嵌入式龙格库塔法。分析了新的完全自适应方法的精度,并报告了均匀网格离散化的CPU时间和内存压缩的速度。
2015-03-19 cs.NA math.NA physics.comp-ph
A class of adaptive multiresolution ultra-weak discontinuous Galerkin methods for some nonlinear dispersive wave equations
本文提出了一类自适应多分辨(也称自适应稀疏网格)超弱间断Galerkin(UWDG)方法,用于求解非线性色散波动方程,包括Korteweg-de Vries(KdV)方程及其二维推广的Zakharov-Kuznetsov(ZK)方程.针对\cite{cheng2008discontinuous}中的KdV方程,提出了一种基于分段重复积分的UWDG格式。对于含有混合导数项的ZK方程,我们提出了一种新的UWDG形式。在规则网格上,建立了新格式的$L^2$稳定性和新的局部投影最优误差估计。自适应性是基于多分辨率实现的,并且对于捕获孤波结构特别有效。各种数值例子来证明我们的方法的准确性和能力。
2021-04-12 cs.NA math.NA physics.comp-ph
Fully adaptive multiresolution schemes for strongly degenerate parabolic equations in one space dimension
针对一维强退化抛物方程,提出基于Engquist-Osher通量和显式时间步进的有限体积自适应多分辨率格式,通过L1收缩优化阈值,提高计算效率并保持收敛性。
2012-06-21 cs.NA math.AP math.NA
Fully adaptive multiresolution schemes for strongly degenerate parabolic equations with discontinuous flux
Universidad de Concepción(康塞普西翁大学);Université de Provence(普罗旺斯大学)
提出一种基于Engquist-Osher通量近似和显式时间步进的完全自适应有限体积多分辨率格式,通过动态分级树存储多分辨率表示,有效解决强退化抛物方程的计算效率问题。
2008-07-02 cs.NA math.AP math.NA
Comparison of adaptive multiresolution and adaptive mesh refinement applied to simulations of the compressible Euler equations
University of Southampton(南安普顿大学);Instituto Nacional de Pesquisas Espaciais (INPE)(国家空间研究所);Universidade Estadual de Campinas (Unicamp)(坎皮纳斯州立大学);Université d’Aix-Marseille(艾克斯-马赛大学)
本文比较了两种自适应数值方法在求解偏微分方程中的性能,通过2D瑞米安问题、Lax-Liu 6问题和3D椭球膨胀激波测试案例,评估了计算效率和精度,发现MR在内存压缩和收敛性上优于AMR,但总体开销更大。
2016-03-16 cs.NA math.NA
A Fast Algorithm for Multiresolution Mode Decomposition
Duke University(杜克大学);National University of Singapore(新加坡国立大学)
本文提出了一种基于递归微分流形谱分析(RDSA)的快速算法,用于多分辨率模式分解(MMD)问题,通过非均匀快速傅里叶变换(NUFFT)实现高效数值计算,并通过合成数据和自然现象的数值示例验证了该方法的效率。
2018-10-09 cs.NA math.NA
High order implicit time integration schemes on multiresolution adaptive grids for stiff PDEs
Yale University(耶鲁大学);CD-adapco
本文提出高阶隐式Runge-Kutta方案用于求解刚性时变PDE,采用多分辨率分析生成自适应网格,以提高计算效率。
2016-04-01 cs.NA math.AP math.NA
Adaptive multiresolution analysis based on anisotropic triangulations
提出一种基于贪心细化的自适应三角剖分算法,用于生成数据自适应三角剖分和分段多项式逼近,并证明其在Lp范数下的收敛性,数值实验表明该算法能生成最优长宽比的三角形。
2011-01-07 cs.NA math.NA
Adaptive two- and three-dimensional multiresolution computations of resistive magnetohydrodynamics
在局部加密并矢网格上,采用有限体积离散方法,对二维和三维空间的电阻磁流体动力学(MHD)方程进行了完全自适应计算。发散清洗用于控制磁场的不可压缩性约束。对于自动网格自适应的细胞平均多分辨率分析,这保证了自适应计算的精度,同时减少了CPU时间和内存需求。讨论了CARMEN-MHD开放信源编码的实现问题。为了说明它的精度和效率不同的基准计算,包括激波云相互作用和磁场重联。
2021-02-23 cs.NA math.NA physics.comp-ph
A Fourth-order Conservative Adaptive Multiresolution Wavelet Upwind Scheme for Compressible Flows
School of Civil Engineering and Mechanics, Lanzhou University(兰州大学土木工程与力学学院);Key Laboratory of Mechanics on Disaster and Environment in Western China (Lanzhou University), the Ministry of Education, Lanzhou University(兰州大学西部灾害与环境力学教育部重点实验室);Department of Mechanical Engineering, Institute of Science Tokyo(东京科学大学机械工程系)
提出一种四阶保守自适应多分辨率平均插值迎风小波格式,用于可压缩流模拟,通过非对称迎风小波实现守恒离散,对称小波用于自适应多分辨率,数值测试验证了四阶精度、守恒性和激波捕捉能力。
2026-06-17 cs.NA math.NA physics.comp-ph
High-order adaptive multiresolution wavelet upwind schemes for hyperbolic conservation laws
提出了求解双曲型守恒律方程的一组高阶自适应多分辨率小波配置迎风格式。构造了一对具有插值性质的非对称小波基来实现迎风性质,解决了双曲问题中的非线性问题。设计了一种基于小波多分辨率分析的自适应算法,用于捕捉运动激波和区分新的局部陡区。为了抑制吉布斯现象,提出了一种基于Lebesgue微分定理的积分平均重构方法。所有这些数值技术使小波配置迎风格式提供了一个通用的框架,设计令人满意的自适应小波迎风方法与高阶精度。一维双曲问题的几个基准测试进行了验证,目前的小波格式的精度和效率。
2023-01-03 cs.NA math-ph math.MP
A multiresolution adaptive wavelet method for nonlinear partial differential equations
现代计算科学和工程问题的多尺度复杂性使得传统的数值方法无法用于多维模拟。因此,在这些情况下,需要新的算法来解决偏微分方程(PDE)的功能演变在很大范围的空间和时间尺度。为了满足这些挑战,我们提出了一个多分辨率小波算法来解决偏微分方程显着的数据压缩和明确的差错控制。我们在空间离散投影场和空间导数算子小波基函数。我们提供了场及其导数的小波表示的误差估计。然后,我们的估计被用来构建一个稀疏的多分辨率离散,保证规定的精度。此外,我们在时间积分中嵌入了一个预测-校正程序,以动态地适应计算网格,并在PDE演变过程中保持PDE解的准确性。我们提出的例子来突出我们的方法的准确性和适应性。
2021-06-09 cs.NA math.NA physics.comp-ph
Adaptive Directional Subdivision Schemes and Shearlet Multiresolution Analysis
Princeton University(普林斯顿大学);Justus–Liebig–University Gießen(吉森大学)
本文通过构造自适应方向细分格式,解决了计算调和分析中具有方向分量的多尺度分析的基本问题,并建立了剪切波多尺度分析框架以实现快速分解。
2007-10-14 cs.NA math.FA math.NA
High accuracy analysis of adaptive multiresolution-based lattice Boltzmann schemes via the equivalent equations
多分辨率提供了一个基本的工具,小波理论的基础上建立自适应数值方案的偏微分方程和时间自适应网格,允许差错控制。我们之前已经引入了这种策略来构造具有这一有趣特征的自适应格子Boltzmann方法。此外,当涉及到空间局部化现象(如激波或锋面)时,这些方案允许有效的解的记忆压缩,以依赖于原始方案,而无需在最精细的网格水平上进行任何操作,并在解上达到高水平的精度。然而,除了控制由网格自适应引入的误差的可能性之外,在格子玻尔兹曼方案中建模期望的物理现象的特殊方式还要求更深入和更精确地理解网格自适应如何改变由数值策略近似的物理。在这方面的贡献,这个问题进行了研究,通过执行自适应方法的等效方程分析后,编写的计划下的适应形式主义。它提供了一个必不可少的工具来掌握引入的自适应数值策略,从而可以被设计为保持所需的功能的参考计划在一个高的精度顺序的扰动。在1D和2D上下文中的数值实验证实了理论上的考虑,显示了分析的相关性。特别是,我们表明,我们的数值方法优于传统的方法,无论参考方案的解决方案收敛到目标方程的解决方案。此外,我们讨论了各种碰撞策略的影响,非线性问题,表明他们只有一个边际的影响的解决方案的质量,从而进一步评估所提出的战略。
2021-05-28 cs.NA math.NA
Local time-stepping for adaptive multiresolution using natural extension of Runge--Kutta methods
National Institute for Space Research (INPE)(巴西国家空间研究所);Aix-Marseille Université(艾克斯-马赛大学)
本文提出了一种空间-时间完全自适应多分辨率方法,用于求解演化非线性偏微分方程,引入了改进的局部时间步长方法。空间离散化基于经典有限体积法,结合单元平均多分辨率分析以触发动态网格自适应。显式时间方案采用Runge-Kutta方法的自然扩展,允许局部时间步长同时保证精度。使用紧凑的Runge-Kutta公式进一步减少内存使用。对一维、二维和三维空间问题的精度和计算效率(CPU时间和内存压缩)进行了评估。应用示例包括Burgers方程、反应扩散方程和可压缩欧拉方程。数值结果展示了所提局部时间步长方法相对于参考计算的效率和优越性。
2019-05-21 cs.NA math.NA physics.flu-dyn
Adaptive multiresolution computations applied to detonations
CORIA – UMR 6614 CNRS, Normandie Université and INSA Rouen(法国国家科学研究中心 CORIA 联合研究实验室、诺曼底大学和鲁昂国立应用科学学院);M2P2 – UMR 7340 CNRS, Aix-Marseille Université and Ecole Centrale de Marseille(法国国家科学研究中心 M2P2 联合研究实验室、艾克斯-马赛大学和马赛中央理工学院)
本文提出了一种空间-时间自适应方法,用于求解描述化学反应气体流动的反应性欧拉方程,采用双物种模型进行化学反应模拟。通过有限体积法离散守恒方程,并引入多分辨率分析实现动态空间自适应。采用Strang时间分裂方法处理刚性问题,同时保持方法显式。时间自适应使用改进的龙格-库塔-费尔伯格方案。应用实例包括一维和二维爆轰问题。与正则网格上的参考计算比较,评估了自适应方案的精度和计算效率,包括CPU时间和内存需求。
2015-02-18 cs.NA math.NA physics.comp-ph
MADNESS: A Multiresolution, Adaptive Numerical Environment for Scientific Simulation
Stony Brook University(石溪大学);University of Colorado at Boulder(科罗拉多大学博尔德分校);Humboldt-Universität zu Berlin(柏林洪堡大学);Virginia Tech(弗吉尼亚理工大学);Oak Ridge National Laboratory(橡树岭国家实验室);Florida State University(佛罗里达州立大学);Intel Corporation(英特尔公司)
MADNESS通过多分辨率分析和分离表示,提供高精度求解多维积分和微分方程的高性能计算环境,提升程序员生产力和代码可扩展性。
2015-07-05 cs.CE cs.MS cs.NA
A scalable high-order multigrid-FFT Poisson solver for unbounded domains on adaptive multiresolution grids
Department of Mechanical Engineering, Massachusetts Institute of Technology(麻省理工学院机械工程系);NVIDIA(英伟达)
本文提出了一种可扩展的高阶多网格-FFT泊松求解器,用于处理无界域上的自适应多分辨率网格,通过灵活的多网格方法和高阶紧凑Stencil提高求解效率和精度。
2025-12-09 cs.DC cs.NA math.NA
Multidimensional fully adaptive lattice Boltzmann methods with error control based on multiresolution analysis
格子玻尔兹曼方法以其简单、高效和易于并行化而闻名,通常依赖于在空间和时间离散化之间具有强结合的均匀笛卡尔网格。这一事实复杂化的关键问题,减少计算成本和内存的影响,自动粗化的网格,精细的网格是不必要的,仍然通过差错控制,确保整体质量的数值解。这项工作提供了一个可能的答案,这个有趣的问题,通过连接,第一次,该领域的格子玻尔兹曼方法(LBM)的自适应多分辨率(MR)方法的基础上小波。为此,我们采用MR多尺度变换,以适应网格的解决方案,根据其局部规律性的时间演变。碰撞阶段不受影响,由于其固有的本地性质,因为我们不修改的声音的速度,相反,大多数的LBM/自适应网格细化(AMR)在文献中提出的策略,从而保留了任何LBM计划的原始结构。此外,MR的原始使用允许该方案通过有效地控制传输相位的精度来解决适当的物理问题。我们仔细测试我们的方法得出结论,它的适应性广泛的家庭现有的格子玻尔兹曼计划,治疗双曲和抛物方程组,从而较少的问题依赖于AMR方法,这有一个很难保证有效的控制错误。该方法产生一个非常有效的压缩率,从而降低计算成本的解决方案,涉及局部结构的损失的规律性的能力也示出,同时保证精确控制的近似误差引入的网格的空间适应。数值策略是在一个特定的开源平台SAMURAI上实现的,该平台具有依赖于集合代数的专用数据结构。
2022-01-14 cs.NA math.NA
Does the multiresolution lattice Boltzmann method allow to deal with waves passing through mesh jumps?
我们考虑一个自适应多分辨率的格子Boltzmann格式,我们最近推出和研究的差错控制和理论的等效方程的角度来看。这种数值策略导致高的压缩率,差错控制和它的高精度已经解释了均匀和动态自适应网格。然而,一个关键的问题与非均匀网格的框架内的格子玻尔兹曼计划是正确地处理声波通过一个水平跳的网格。它通常产生虚假的影响,特别是反射波。在本文中,我们提出了一个简单的一维测试情况下的线性波动方程与一个固定的适应网格的特点是潜在的大的水平跳跃。我们调查这种配置与我们原来的策略,并证明我们可以处理和控制的反射波的振幅,这是第四阶的空间步长的最好的网格。数值算例表明,所提出的策略优于现有的方法在文献中,并允许评估该方法的能力,以处理网格跳跃。
2022-01-19 cs.NA math.NA
A multiresolution space-time adaptive scheme for the bidomain model in electrocardiology
Universidad de Concepción(康塞普西翁大学)
提出一种结合全自适应多分辨率方法和时间自适应策略的有限体积格式,高效求解心肌组织电活动的单域和双域模型。
2008-07-02 cs.NA math.AP math.NA
Learned Adaptive Multiresolution Diffusion Imaging
Center for Integrative Petroleum Research, King Fahd University of Petroleum and Minerals(法赫德国王石油与矿业大学综合石油研究中心);Algorithmiq S.r.l.(Algorithmiq有限责任公司)
本文提出Learned AMDI,用强化学习训练共享局部策略替代固定选择准则,在保持层次约束下实现自适应细化,显著降低参考差异并提升占用率,且策略可迁移至更高分辨率。
2026-10-07 cs.LG cs.NA eess.IV
Task-based adaptive multiresolution for time-space multi-scale reaction-diffusion systems on multi-core architectures
Université Côte d’Azur(蔚蓝海岸大学);CNRS(法国国家科学研究中心);Inria(法国国家数字科学与技术研究所);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);CD-adapco(CD-adapco公司);Université Claude Bernard Lyon 1(里昂第一大学);Institut Camille Jordan(卡米尔·若尔当研究所);Intel(英特尔);CentraleSupélec(中央理工-高等电力学院);Laboratoire EM2C(EM2C实验室)
本文提出基于任务的多核架构上的自适应多分辨率方法,通过改进数据结构和TBB库实现高效并行计算,验证了在多维问题中的高可扩展性。
2016-10-18 cs.DC cs.NA math.AP
MultiWave: A computational laboratory for adaptive numerical methods approximating hyperbolic balance laws
RWTH Aachen University(亚琛工业大学);Institut für Geometrie und Praktische Mathematik, RWTH Aachen University(亚琛大学几何与应用数学研究所)
本文提出MultiWave框架,用于实现适应性扰动间断有限元方法,强调模块化设计以支持新数学概念的快速实现与测试。
2026-09-11 cs.NA math.NA
Multigrid with rough coefficients and Multiresolution operator decomposition from Hierarchical Information Games
California Institute of Technology(加州理工学院)
本文提出了一种近线性复杂度的多重网格/多重分辨率方法,用于处理具有粗糙系数的偏微分方程,通过信息博弈理论框架实现精确的先验精度和性能估计。
2017-02-10 cs.AI cs.NA math.NA
An adaptive wavelet method for nonlinear partial differential equations with applications to dynamic damage modeling
多尺度和多物理场问题需要新的数值方法才能正确和预测地解决。为此,我们开发了一种基于小波的技术来解决耦合系统的非线性偏微分方程(PDE),同时解决功能在很大范围内的空间和时间尺度。该算法利用小波基函数的多分辨率性质,通过稀疏多分辨率空间离散化来求解有限域上的初边值问题。通过利用小波理论和嵌入的时间推进循环内的预测-校正程序,我们动态地适应计算网格,并保持精度的解决方案的偏微分方程,因为它们的发展。因此,我们的方法提供了高保真度的模拟与显着的数据压缩。我们提出了验证的算法,并证明了其能力,通过模拟高应变率损伤的成核和传播的非线性固体使用一种新的欧拉-拉格朗日连续体框架。
2022-09-26 cs.NA math.NA
Multiresolution ORKA: fast and resolution independent object reconstruction using a K-approximation graph
目标识别与重建是当前许多领域的研究热点。在交通摄像头中检测行人或汽车或在地球物理勘探中跟踪地震波只是许多应用中的两个。最近,作者开发了一种新的方法-使用K-近似(ORKA)的对象重建-从给定的数据中提取这样的对象。在该方法中,使用特殊的对象模型,其中对象的移动和变形可以被控制以适应应用。目前形式的ORKA高度依赖于数据分辨率。一方面,物体的运动只能在取决于数据分辨率的网格上重建。另一方面,运行时间随着分辨率呈指数级增长。因此,数据的分辨率需要在小范围内,其中重建足够准确,但运行时间不太高。在这项工作中,我们提出了一个多分辨率的方法,我们结合ORKA与小波分解的数据。然后迭代重建对象,这大大减少了运行时间。此外,我们可以提高数据分辨率,使得运动重建不再依赖于原始网格。我们还简要介绍了原始ORKA算法。因此,不需要以前的工作知识。
2022-11-17 cs.NA math.NA
Extended object reconstruction in adaptive-optics imaging: the multiresolution approach
Universitat de Barcelona(巴塞罗那大学);Observatori Fabra(法布拉天文台)
提出使用小波和曲波等多分辨率变换重建自适应光学系统获取的扩展目标图像,通过静态PSF的多通道反卷积方法优于传统的盲/近视反卷积方法。
2012-10-25 astro-ph.IM cs.CV cs.NA
Multiresolution Convolutional Autoencoders
University of Washington(华盛顿大学);Lawrence Livermore National Lab(劳伦斯利弗莫尔国家实验室)
我们提出了一种多分辨率卷积自动编码器(MrCAE)架构,该架构集成并利用了三种非常成功的数学架构:(i)多重网格方法,(ii)卷积自动编码器和(iii)迁移学习。该方法提供了一个自适应的,分层的架构,利用渐进的训练方法多尺度时空数据。该框架允许跨多个尺度的输入:从紧凑的(少量权重)网络架构和低分辨率数据开始,我们的网络以原则性的方式逐步加深和扩大,以基于其当前重建性能在更高分辨率数据中编码新信息。应用基本的迁移学习技术来确保从先前的训练步骤中学习到的信息可以快速地转移到更大的网络中。因此,网络可以动态地捕获网络的不同深度处的不同缩放特征。这种自适应多尺度架构的性能增益说明通过一系列的数值实验合成的例子和现实世界的时空数据。
2020-04-10 cs.LG cs.NA eess.IV
A numerical strategy to discretize and solve the Poisson equation on dynamically adapted multiresolution grids for time-dependent streamer discharge simulations
Univ. Nice Sophia Antipolis(尼斯索菲亚安提波利斯大学);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);Masaryk University(马萨里克大学);CNRS(法国国家科学研究中心);Laboratoire EM2C(EM2C实验室);Ecole Centrale Paris(巴黎中央理工学院)
本文提出了一种数值策略,用于在动态适应网格上求解多维泊松方程,以解决涉及传播前沿的进化问题,该方法扩展了用于求解双曲和抛物型时间依赖PDE的多分辨率有限体积方案,确保在用户定义的精度容差内求解泊松方程。
2015-02-24 cs.NA math.AP math.NA
Optimized Sampling for Multiscale Dynamics
University of Washington(华盛顿大学)
本文提出了一种基于动态模态分解的多尺度动力学分析方法,通过稀疏采样实现对复杂动力学的分层多分辨率分解,并用于动态区域分类和全状态重建。
2017-12-14 cs.NA math.DS math.NA
Generalized and Multiscale Modal Analysis
本章在矩阵分解的框架下描述模态分解。我们突出了经典的时空分解和二维离散变换之间的差异,并讨论了支持\emph{any}分解的一般架构。然后使用此设置来导出简单算法,该算法从空间或时间结构(基)完成\emph{any}线性分解。离散傅里叶变换,适当的正交分解(POD),动态模式分解(DMD),本征函数展开(EF)制定在这个框架中,并在一个简单的练习进行比较。最后,这种推广被用来分析谱约束对经典POD的影响,并推导出多尺度本征正交分解(mPOD)。该分解结合了多分辨率分析(MRA)和POD。本章包含四个练习和两个教程测试用例。本书的网站上提供了与之相关的\textsc{Python}脚本。
2022-08-26 cs.NA math.NA
An Adaptive Multiresoluton Discontinuous Galerkin Method for Time-Dependent Transport Equations in Multi-dimensions
Michigan State University(密歇根州立大学)
本文提出了一种基于多小波的自适应多分辨率不连续伽辽金方法,用于多维时间依赖传输方程,通过误差阈值实现自适应,适用于确定性动能模拟。
2016-07-06 cs.NA math.NA
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
Hierarchical Super-Localized Orthogonal Decomposition Method
本文提出一种分层超局部化正交分解方法,构造稀疏压缩算子逼近具有粗糙系数的椭圆型PDEs解算子,实现正交多分辨率分解以解耦尺度,使求解简化为并行求解网格无关的独立线性系统,并在高对比度通道下保持最优误差率。
2024-07-26 cs.NA math.NA
Domain Decomposition Parabolic Monge-Ampère Approach for Fast Generation of Adaptive Moving Meshes
提出了一种利用区域分解抛物型Monge-Ampère方法快速生成多维自适应移动网格的方法。这里采用的区域分解过程是非迭代的,并且涉及将计算域分裂成重叠的子域。每个子域上的自适应网格,然后计算的图像的解决方案的$L^2$最佳的质量传递问题,使用抛物Monge-Ampère方法。区域分解方法允许直接实现自适应网格的并行计算,这有助于显着减少计算时间。结果表明,区域分解解的数值收敛性。数值实验证明了该方法的有效性。数值结果表明,在整个区域上,区域分解抛物型Monge-Ampère方法比标准的抛物型Monge-Ampère方法更有效,特别是在计算三维自适应网格时.
2020-06-25 cs.NA math.NA
An adaptive finite element/finite difference domain decomposition method for applications in microwave imaging
提出了一种求解导电介质中麦克斯韦方程组的区域分解新方法。利用该方法,提出了利用时变散射电场数据确定介电常数函数的重建算法。所有的重建算法都是基于最优化的方法来找到拉格朗日的稳定点。自适应重建算法和空间网格细化指标。我们的计算测试表明,定性重建介电常数函数使用解剖学上逼真的乳房幻影。
2022-10-26 cs.NA math.NA
Adaptive timestep control for nonstationary solutions of the Euler equations
RWTH Aachen University(亚琛工业大学)
本文提出一种自适应时间步长方法,用于非平稳问题,结合空间-时间分割和隐式时间离散化,提高非平稳流计算效率。
2014-05-26 cs.NA math.NA
A Parallel Hierarchical Blocked Adaptive Cross Approximation Algorithm
本文提出了一种分层低秩分解算法,假设任何矩阵元素都可以在$O(1)$时间内计算。该算法采用分块自适应交叉近似(BACA)算法计算子矩阵的秩揭示分解,然后通过截断奇异值分解(H-BACA)进行分层合并操作。该算法显着提高了基线ACA算法的收敛性,并实现了降低计算复杂性相比,如秩揭示QR分解的充分分解。数值结果表明了该算法的有效性、准确性和并行效率。
2019-09-05 cs.NA math.NA
Tree-Adaptive Multiscale Kernel Lasso in Samplet Coordinates
IDSIA USI-SUPSI, Università della Svizzera italiana(IDSIA USI-SUPSI,瑞士意大利大学)
本文提出一种基于样本点表示的多尺度核近似框架,通过自适应数据点选择策略减少问题规模,并利用正则化最小二乘法实现高效重建。
2026-10-20 cs.NA math.NA
Nonlinear Mode Decomposition: a new noise-robust, adaptive decomposition method
Lancaster University(兰卡斯特大学)
提出非线性模态分解(NMD),结合时频分析与替代数据检验,实现任意波形信号的自适应分解与降噪,在模拟和真实信号中优于现有方法。
2014-03-13 cs.NA math.NA
Two-Grid based Adaptive Proper Orthogonal Decomposition Algorithm for Time Dependent Partial Differential Equations
本文提出了一种基于双网格的自适应本征正交分解(POD)方法来求解不定常的偏微分方程。基于在粗网格中获得的误差,我们提出了一个误差指标,在细网格中获得的数值解。新算法成本低,易于实现.我们应用我们的新方法的时间依赖的对流-扩散方程与Kolmogorov流和ABC流的解决方案。数值结果表明,我们的方法是更有效的比现有的POD方法。
2020-07-23 cs.NA math.NA
An adaptive algebraic multigrid algorithm for low-rank canonical tensor decomposition
University of Waterloo(滑铁卢大学)
针对低秩R的规范张量分解,提出一种基于自适应代数多重网格和交替最小二乘的多重网格算法,在要求高精度时显著优于单独使用ALS。
2011-11-25 cs.NA math.NA
An adaptive localized orthogonal decomposition method for Helmholtz problems
Zhejiang University(浙江大学)
提出自适应局部正交分解方法求解Helmholtz问题,首次给出波数鲁棒残差后验误差估计,并利用POD压缩共享富集空间,实现高效在线计算。
2026-10-14 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
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
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
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