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。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

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）