Gauss過程を用いた代数マルチグリッドにおける粗大化【JST・京大機械翻訳】

Gottschalk Hanno; Kahl Karsten

プレプリント

J-GLOBAL ID：202202216355453372 整理番号：22P0138668

Gauss過程を用いた代数マルチグリッドにおける粗大化【JST・京大機械翻訳】

Coarsening in Algebraic Multigrid using Gaussian Processes

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年04月23日プレプリントサーバーでの情報更新日： 2020年04月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

マルチグリッド法は偏微分方程式(PDEs)の離散化で生じる大きなスパース線形系を効率的に解くための貴重なツールであることが証明されている。代数的マルチグリッド法及び特に適応代数マルチグリッド手法は,PDEの特性に頼ることなく多重格子効率が得られることを示した。しかし,これらの方法の必要な設定は,無視できるオーバヘッドコストを提起する。機械学習からの方法は,利用可能なデータで訓練された統計モデルに基づく流線プロセスに注意を引いている。Gauss過程の例として代数的に滑らかな誤差を補間し,適応代数多重格子法を構築するための新しいデータ駆動手法を開発した。Gauss先験的分布に基づいて,Kriging内挿は,粗い格子に関するデータを与えて,事後分布の平均二乗誤差を最小化する。さらに,1段階を目標として,効率的な変数分割を構築するために,Gaussプロセスモデルにおける不確実性の定量化を利用した。適切な共分散モデルのセミバリオグラム適合を用いて,この手法が単一代数的平滑ベクトルを用いて効率的方法を生成することを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

数値計算 , 電磁気学一般

, ,

前のページに戻る