Fugu-MT 論文翻訳(概要): On the Q-BOR-FDTD method

論文の概要: On the Q-BOR-FDTD method

arxiv url: http://arxiv.org/abs/2204.10801v1
Date: Wed, 20 Apr 2022 13:28:57 GMT
ステータス: 処理完了
システム内更新日: 2023-02-16 06:05:00.415970
Title: On the Q-BOR-FDTD method
Title（参考訳）: Q-BOR-FDTD法について
Authors: Francisco M. Fern\'andez
Abstract要約: 退化状態の場合の固有関数の計算には適さないことを示す。このような制限を克服するための改善を提案する。
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: We discuss a recently proposed approach termed Q-BOR-FDTD method and develop its main equations in a clearer and more rigorous way. We show that it is unsuitable for the calculation of the eigenfunctions in the case of degenerate states and propose an improvement to overcome such limitation.
Abstract（参考訳）: 本稿では,最近提案されたq-bor-fdtd法について検討し,その主方程式をより明確かつ厳密に展開する。縮退状態の場合の固有関数の計算には適さないことを示し,そのような制限を克服するための改善を提案する。

関連論文リスト

Structure-preserving learning for multi-symplectic PDEs [8.540823673172403]
偏微分方程式(PDE)の多重シンプレクティック形式を利用して低次モデル(ROM)を推定するエネルギー保存機械学習手法を提案する。提案手法は空間的に離散的な局所エネルギー保存を満足し,多シンプレクティックな保存則を保っていることを実証する。
論文参考訳（メタデータ） (2024-09-16T16:07:21Z)
Total Uncertainty Quantification in Inverse PDE Solutions Obtained with Reduced-Order Deep Learning Surrogate Models [50.90868087591973]
機械学習サロゲートモデルを用いて得られた逆PDE解の総不確かさを近似したベイズ近似法を提案する。非線型拡散方程式に対する反復的アンサンブルスムーズおよび深層アンサンブル法との比較により,提案手法を検証した。
論文参考訳（メタデータ） (2024-08-20T19:06:02Z)
Learning to Optimize with Stochastic Dominance Constraints [103.26714928625582]
本稿では,不確実量を比較する問題に対して,単純かつ効率的なアプローチを開発する。我々はラグランジアンの内部最適化をサロゲート近似の学習問題として再考した。提案したライト-SDは、ファイナンスからサプライチェーン管理に至るまで、いくつかの代表的な問題において優れた性能を示す。
論文参考訳（メタデータ） (2022-11-14T21:54:31Z)
Algorithm for Constrained Markov Decision Process with Linear Convergence [55.41644538483948]
エージェントは、そのコストに対する複数の制約により、期待される累積割引報酬を最大化することを目的としている。エントロピー正規化ポリシーとベイダの二重化という2つの要素を統合した新しい双対アプローチが提案されている。提案手法は(線形速度で)大域的最適値に収束することが示されている。
論文参考訳（メタデータ） (2022-06-03T16:26:38Z)
A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
論文参考訳（メタデータ） (2021-11-26T06:33:29Z)
Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文参考訳（メタデータ） (2020-07-07T21:26:35Z)
A Fast Stochastic Plug-and-Play ADMM for Imaging Inverse Problems [5.025654873456756]
本稿では,画像アプリケーションのための効率的なプラグアンドプレイ(逆問題)アルゴリズムを提案する。提案手法の有効性を最先端手法と比較し,本手法の有効性を検証した。
論文参考訳（メタデータ） (2020-06-20T18:03:52Z)
Lower bounds in multiple testing: A framework based on derandomized proxies [107.69746750639584]
本稿では, 各種コンクリートモデルへの適用例を示す, デランドマイズに基づく分析戦略を提案する。これらの下界のいくつかを数値シミュレーションし、Benjamini-Hochberg (BH) アルゴリズムの実際の性能と密接な関係を示す。
論文参考訳（メタデータ） (2020-05-07T19:59:51Z)
Safe Wasserstein Constrained Deep Q-Learning [2.088376060651494]
本稿では,Wasserstein ambiguity セットを利用した分散ロバストなQ-Learningアルゴリズム (DrQ) を提案する。リチウムイオン電池の高速充電のケーススタディを用いて、理想主義的安全性保証が安全性を全般的に向上させる方法について検討する。
論文参考訳（メタデータ） (2020-02-07T21:23:46Z)

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。