首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   9篇
  免费   0篇
丛书文集   2篇
综合类   7篇
  2023年   2篇
  2022年   1篇
  2018年   2篇
  2014年   2篇
  2013年   2篇
排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
通过几何图形对矩阵与线性代数中的一些抽象概念进行了详细的描述和几何解释,几何图形能够以其生动直观的表达与阐释给学生留下深刻的印象.从而可以帮助学生建立对线性代数具体形象的理解,使其从根本上理解矩阵的概念及其几何意义.旨在激发学生的兴趣,提高教学效果,帮助学生能够应用所学知识解决实际问题.  相似文献   
2.
偏微分方程的数值求解是数学中长期存在的挑战。本文基于偏微分方程的差分格式提出了一种卷积迭代求解方法。该方法以偏微分方程的差分格式为基础构造卷积迭代格式并提取卷积核,通过卷积核扫描数值解图像的方式逼近偏微分方程的解。本文方法直接在数值解图像上进行卷积迭代,从而替代了传统数值方法求解离散线性方程组的过程。针对定常以及非定常的偏微分方程的不同数值格式分别提出了卷积迭代求解算法。数值算例表明,卷积迭代方法在GPU上求解大规模问题的效率优于传统ADI算法等。本文方法实施简洁、能够求解高维及非线性的偏微分方程问题且保持差分格式的理论精度。  相似文献   
3.
针对物理信息神经网络(PINNs)在求解边界层附近存在剧烈梯度变化的对流占优扩散方程时无法得到足够精度的问题,本文提出一种具有参数渐进思想的神经网络求解方法。该方法首先近似大扩散参数方程的光滑解,然后逐步减小扩散参数并将大扩散参数下的网络最优参数作为小扩散参数神经网络的初始值进行训练,通过参数循环反复优化物理信息神经网络,提高神经网络的表征能力,从而提升物理信息神经网络逼近对流占优扩散问题的求解精度,最后获得小扩散参数的高精度奇异解。经过对本文方法与PINNs以及gPINNs方法在精度和收敛效率方面的对比分析表明,本文方法在未知边界层位置条件下,能够高效地近似对流占优扩散方程的大梯度解,实现10-3量级的精度。同时,本文方法在收敛速度和稳定性方面比PINNs和gPINNs具有更好的优势和性能。  相似文献   
4.
针对偏微分方程数值解课程的特点及该课程的传统教学方式存在很多不足.提出注重方程的背景和建模思想,科研与教学相结合,开展多元化的数学实验等教学改革措施.实践表明,这些措施有助于培养学生的创新思维和创新能力,提高教学质量.  相似文献   
5.
高炉冶炼过程中,铁水硅含量是评定高炉炉况稳定性和生铁质量的重要指标,其预测和控制对高炉的稳定顺行有重要意义.基于包钢6号高炉的生产数据,建立差分时间序列的自回归分布滞后模型对高炉铁水硅含量进行预测.结果表明:在炉况波动较小的情况下,该模型的预测命中率能达到87.5%,对实际的生产操作过程有一定的指导意义.  相似文献   
6.
结合非均匀网格上的HOC格式与部分半粗化的多重网格方法对具有边界层的2维对流扩散问题进行了求解,并基于面积率构造了部分半粗化多重网格方法的插值算子和限制算子.数值实验表明:对于只需要在1个方向进行网格加密的边界层问题,基于部分半粗化的网格分布策略及多重网格算法可以大大减少无边界层方向的网格数,从而较完全粗化的网格分布策略及多重网格算法具有更高的计算精度和求解效率.  相似文献   
7.
利用带填补数的不完全LU分解(ILUT(τ,s))作预处理器以及FGMRES(20)作迭代加速器,对非均匀网格上二维对流扩散方程的高精度紧致差分格式进行数值实验,并与均匀网格上的计算结果进行对比,数值结果显示出非均匀网格上本文方法的优越性,在合适的网格伸缩系数下,本文方法不仅能够保证格式的四阶精度,而且降低了误差的数量级.同时,比较了预条件迭代法与传统迭代法的求解效率,结果表明预条件方法的单位对数残差几乎成直线下降,相比传统迭代法有明显的计算优势.  相似文献   
8.
对流扩散方程在非均匀网格上的高精度紧致格式具有精度高、模板小等优势,然而现有方法往往需要事先指定边界层或大梯度的位置,利用网格分布函数生成非均匀网格并调整网格分布参数,这严重影响方法的适用性.本文提出了一种在二维计算区域上生成正交网格的自适应方法,根据物理解的特征对网格的分布进行自适应调整,并结合非均匀网格上的高精度紧致格式对一维及二维边界层对流扩散问题进行求解.数值结果表明,自适应网格方法结合高阶紧致格式可以有效求解边界层问题,提高数值解的精度,减少计算所需的网格和计算量.  相似文献   
9.
基于深度神经网络求解复杂区域的椭圆型偏微分方程,通过实现深度前馈人工神经网络,构造合适的损失函数和神经网络求解策略,并且提出针对椭圆型偏微分方程的精确、有效的策略和数值方法.该方法只需要在边界和内部上分别选取少量样本点作为训练集,经过迭代学习神经网络的参数使其逼近椭圆型偏微分方程的解.与传统数值方法相比,本方法具有无网格特点,无需生成计算网格,便于处理任意复杂区域问题.数值算例表明此方法可以求解具有复杂区域的微分方程问题且具有较好的数值精度.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号