阿莱娅

ALEA-一个python框架,用于不确定度量化中的谱方法和低阶近似。ALEA是不确定度量化(UQ)数值方法的研究框架。其重点在于:广义多项式混沌(gpc)方法;随机Galerkin有限元法;自适应数值方法;UQ张量法。这些领域大部分都在进行中。所提供的功能将逐步扩展,并在相关文章中演示。该框架用python编写,并使用FEniCS作为其默认FEM后端。


zbMATH中的参考文献(参考 43篇文章

显示第1到第20个结果,共43个。
按年份排序(引用)
  1. 贝斯帕洛夫,亚历克斯;罗基,莱昂纳多;西尔维斯特,大卫:自适应有限元计算工具箱(2021)
  2. Bespalov,Alex;Xu,Feng:参数椭圆偏微分方程随机Galerkin有限元法的后验误差估计和自适应性:超越仿射情形(2020)
  3. Dolgov,Sergey;Anaya Izquierdo,Karim;Fox,Colin;Scheichl,Robert:张量序列分解中多元概率分布的近似与抽样(2020)
  4. Eigel,Martin;Marschall,Manuel;Multerer,Michael:随机扰动域的自适应随机Galerkin张量序列离散化(2020)
  5. Eigel,Martin;Marschall,Manuel;Pfeffer,Max;Schneider,Reinhold:分层张量表示中对数正态系数的自适应随机伽辽金有限元法(2020)
  6. Kubínová,Marie;Pultarová,Ivana:随机Galerkin问题的块预处理:新的双边保证谱界(2020)
  7. Uschmajew,André;Vandereycken,Bart:低秩矩阵和张量流形的几何方法(2020)
  8. 《随机收敛》,Alex Paletoruk,2019;Leonardon-Paletoruk;adaptive-Praetoruk,2019
  9. Alex Bespalov;Praetorius,Dirk;Rocchi,Leonardo;Ruggeri,Michele:参数或不确定输入椭圆偏微分方程的目标导向误差估计和自适应性(2019)
  10. Crowder,Adam J.;Powell,Catherine E.;Bespalov,Alex:使用隐式后验误差估计的有效自适应多级随机Galerkin近似(2019年)
  11. Dolgov,Sergey;Scheichl,Robert:参数偏微分方程的混合交替最小二乘TT-cross算法(2019)
  12. Eigel,Martin;Neumann,Johannes;Schneider,Reinhold;Wolf,Sebastian:高维随机偏微分方程的非侵入张量重建(2019)
  13. Eigel,Martin;Schneider,Reinhold;Trunschke,Philipp;Wolf,Sebastian:变分蒙特卡罗——机器学习和高维偏微分方程的桥接概念(2019)
  14. Khan,Arbaz;Powell,Catherine E.;Silvester,David J.:参数相关几乎不可压缩弹性方程随机伽辽金公式的鲁棒预处理(2019)
  15. Müller,Christopher;Ullmann,Sebastian;Lang,Jens:随机粘性离散Stokes方程的Bramble-Pasciak共轭梯度法(2019)
  16. Bespalov,Alex;Rocchi,Leonardo:具有随机数据的椭圆偏微分方程的有效自适应算法(2018)
  17. Crowder,Adam J.;Powell,Catherine E.:CBS常数及其在随机伽辽金有限元法误差估计中的作用(2018)
  18. Eigel,Martin;Marschall,Manuel;Schneider,Reinhold:带自适应层次张量表示的无采样贝叶斯反演(2018)
  19. Diane Guignard;Nobile,Fabio:随机配置有限元法的后验误差估计(2018)
  20. Hiptmair,R.;Scarabosio,L.;Schillings,C.;Schwab,Ch.:声散射中的大变形形状不确定性量化(2018年)