論文の概要: Guaranteed convergence for a class of coupled-cluster methods based on Arponen's extended theory

• arxiv url: http://arxiv.org/abs/2003.06796v1
• Date: Sun, 15 Mar 2020 11:24:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 02:35:33.300292
• Title: Guaranteed convergence for a class of coupled-cluster methods based on Arponen's extended theory
• Title（参考訳）: アルポネンの拡張理論に基づく連結クラスター法のクラスに対する収束の保証
• Authors: Simen Kvaal, Andre Laestadius, Tilmann Bodenstein
• Abstract要約: この方法のクラスは、クラスタ演算子の座標変換の観点で定式化される。 エネルギーの反転勾配の局所的な強い単調性の概念は中心である。 いくつかの数値実験を行い、診断に標準座標を用いる方法について論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A wide class of coupled-cluster methods is introduced, based on Arponen's extended coupled-cluster theory. This class of methods is formulated in terms of a coordinate transformation of the cluster operators. The mathematical framework for the error analysis of coupled-cluster methods based on Arponen's bivariational principle is presented, in which the concept of local strong monotonicity of the flipped gradient of the energy is central. A general mathematical result is presented, describing sufficient conditions for coordinate transformations to preserve the local strong monotonicity. The result is applied to the presented class of methods, which include the standard and quadratic coupled-cluster methods, and also Arponen's canonical version of extended coupled-cluster theory. Some numerical experiments are presented, and the use of canonical coordinates for diagnostics is discussed.
• Abstract（参考訳）: アーポネンの拡張結合クラスタ理論に基づいて、幅広い結合クラスタ法が導入された。 この方法のクラスは、クラスタ演算子の座標変換によって定式化される。 アルポネンの双変量原理に基づく結合クラスター法の誤差解析のための数学的枠組みが提示され、エネルギーの反転勾配の局所的な強単調性の概念が中心となる。 一般的な数学的結果を示し、局所的な強い単調性を維持するための座標変換の十分な条件を記述する。 この結果は、標準および二次結合クラスタ法、および拡張結合クラスタ理論のアーポネンの標準版を含む、提示された方法のクラスに適用される。 いくつかの数値実験を行い、診断に標準座標を用いる方法について論じる。

関連論文リスト

• The time-dependent bivariational principle: Theoretical foundation for real-time propagation methods of coupled-cluster type [0.0]
  時間依存二変分法(TD-BIVP)は結合クラスタ型手法の適切なフレームワークとして知られている。 保存法とポアソンブラケットが導入され、古典力学の類似が完成する。
  論文  参考訳（メタデータ） (2024-10-31T17:51:44Z)
• Algebraic method of group classification for semi-normalized classes of differential equations [0.0]
  半正規化類から系の対称性群と不変代数を分解する重要な定理を証明する。 実世界のアプリケーションで発生するクラスの非自明な例が提供される。
  論文  参考訳（メタデータ） (2024-08-29T20:42:04Z)
• HeNCler: Node Clustering in Heterophilous Graphs through Learned Asymmetric Similarity [55.27586970082595]
  HeNClerは、Heterophilous Node Clusteringの新しいアプローチである。 HeNClerは異種グラフコンテキストにおけるノードクラスタリングタスクの性能を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2024-05-27T11:04:05Z)
• Coupled-Cluster Theory Revisited. Part II: Analysis of the single-reference Coupled-Cluster equations [0.0]
  位相次数理論を用いて単一参照結合クラスタ法の非線形方程式を解析する。 truncated Coupled-Cluster 法では、シュロディンガー方程式の近似固有状態に対して有界なエネルギー誤差を導出する。
  論文  参考訳（メタデータ） (2023-03-27T11:21:19Z)
• Gradient Based Clustering [72.15857783681658]
  本稿では,クラスタリングの品質を計測するコスト関数の勾配を用いて,距離に基づくクラスタリングの一般的な手法を提案する。 アプローチは反復的な2段階の手順(クラスタ割り当てとクラスタセンターのアップデートの代替)であり、幅広い機能に適用できる。
  論文  参考訳（メタデータ） (2022-02-01T19:31:15Z)
• Coupled-Cluster Theory Revisited. Part I: Discretization [0.0]
  本稿では,グラフに基づく概念を用いた結合クラスタ法における離散化手法について述べる。 我々は、単一参照とJeziorski-Monkhorst多重参照結合クラスター方程式を、統一的かつ厳密な方法で導出する。
  論文  参考訳（メタデータ） (2021-05-19T16:35:49Z)
• Spatially Coherent Clustering Based on Orthogonal Nonnegative Matrix Factorization [0.0]
  本稿では,クラスタメンバシップ行列の総変動(TV)正規化手順に基づく作業クラスタリングモデルを紹介する。 マトリックス支援レーザー脱離イオン化イメージング測定から得られた超スペクトルデータセット上の提案手法をすべて数値的に評価する。
  論文  参考訳（メタデータ） (2021-04-25T23:40:41Z)
• Clustering Ensemble Meets Low-rank Tensor Approximation [50.21581880045667]
  本稿では,複数のクラスタリングを組み合わせ,個々のクラスタリングよりも優れたパフォーマンスを実現するクラスタリングアンサンブルの問題について検討する。 本稿では,この問題をグローバルな視点から解くために,新しい低ランクテンソル近似法を提案する。 7つのベンチマークデータセットを用いた実験の結果,提案手法は12の最先端手法と比較して,クラスタリング性能のブレークスルーを達成した。
  論文  参考訳（メタデータ） (2020-12-16T13:01:37Z)
• Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
  既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。 我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
  論文  参考訳（メタデータ） (2020-10-22T15:58:35Z)
• A Novel Granular-Based Bi-Clustering Method of Deep Mining the Co-Expressed Genes [76.84066556597342]
  ビクラスタリング法は、サンプル(遺伝子)のサブセットが試験条件下で協調的に制御されるバイクラスタをマイニングするために用いられる。 残念ながら、従来の二クラスタ法はそのような二クラスタを発見するのに完全には効果がない。 本稿では,グラニュラーコンピューティングの理論を取り入れた新しい2クラスタリング手法を提案する。
  論文  参考訳（メタデータ） (2020-05-12T02:04:40Z)
• Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
  本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。 近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。 準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
  論文  参考訳（メタデータ） (2020-01-06T23:33:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。