期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
复化五点数值求积公式的外推算法
1
作者 夏爱生 刘俊峰 张新巍 《军事交通学院学报》 2011年第1期91-94,共4页
通过Richarderson外推的方法,对复化五点数值求积公式外推,得到高精度的数值积分公式———复化五点求积序列{Ck(h)},数值解的精度大大提高。
关键词 Richarderson外推算法 数值求积公式 复化求积公式
下载PDF
改进的高斯二点求积公式
2
作者 李毅夫 《延边大学学报(自然科学版)》 CAS 2010年第2期119-121,共3页
为改进高斯二点求积公式,提出了一个增加求积公式校正项的求积余项公式.此方法在可完全利用高斯二点求积公式数据的基础上,通过增加一个校正项,即可达到与高斯三点求积公式相当的求积精度,而且可以对求积误差进行估计,提高了求积方法的... 为改进高斯二点求积公式,提出了一个增加求积公式校正项的求积余项公式.此方法在可完全利用高斯二点求积公式数据的基础上,通过增加一个校正项,即可达到与高斯三点求积公式相当的求积精度,而且可以对求积误差进行估计,提高了求积方法的实用性和求积数据利用的效率. 展开更多
关键词 高斯二求积公式 求积余项 Peano核
下载PDF
Gauss-Legendre求积公式的收敛性 被引量:4
3
作者 夏爱生 胡宝安 +2 位作者 王瑞 陈博文 刘俊峰 《天津理工大学学报》 2006年第3期63-65,共3页
给出了∫abf(x)dx的两点、三点Gauss-Legendre求积公式及其复化求积公式的余项,并证明了复化两点、三点Gauss-Legendre求积公式是高阶收敛的,收敛的阶分别为O(h4)和O(h6).
关键词 Gauss-Legelldre求积公式 复化求积公式 求积余项
下载PDF
Ritz神经网络求解微分方程的数值比较及敏感性分析
4
作者 史正梅 刘云美 范小林 《应用数学进展》 2024年第5期2380-2391,共12页
Ritz神经网络已经被广泛用来求解微分方程,其中关键一步是近似损失函数中所涉及的定积分, 因此求积方法的选取对神经网络逼近解尤为重要。 本文通过一些例子进行数值比较分析。 首先, 我们引入Dirichlet和Neumann边界的边值问题模型。 ... Ritz神经网络已经被广泛用来求解微分方程,其中关键一步是近似损失函数中所涉及的定积分, 因此求积方法的选取对神经网络逼近解尤为重要。 本文通过一些例子进行数值比较分析。 首先, 我们引入Dirichlet和Neumann边界的边值问题模型。 其次,构造神经网络进行模型训练。 另外, 详细介绍复合楝形求积、 复合Simpson求积、 三点Gauss求积以及蒙特卡罗求积法。 然后,对算 例进行数值比较分析,结果表明三点Gauss求积方法更好。 最后对神经网络参数敏感性做进一步 研究,神经网络的精度随着训练集的增大而提高,当神经元数量达到4 时,再增加神经元数量并不 能明显提高精度,而增加隐藏层数量和更换激活函数并没有太大的影响。 展开更多
关键词 Ritz神经网络 复合楝形求积 复合Simpson求积 Gauss求积 蒙特卡罗求积
下载PDF
有限元方法的Gauss积分和Hammer积分方案 被引量:3
5
作者 孙美玲 江山 《南通职业大学学报》 2009年第3期67-70,共4页
研究了一致网格剖分下矩形单元的Gauss数值积分和三角形单元的Hammer数值积分;再利用有限元方法求解偏微分方程,且通过非奇异问题和奇异问题的数值算例观察解的l2范数误差;进而研究单元数值积分对有限元解的精度的影响,并给出了有效且... 研究了一致网格剖分下矩形单元的Gauss数值积分和三角形单元的Hammer数值积分;再利用有限元方法求解偏微分方程,且通过非奇异问题和奇异问题的数值算例观察解的l2范数误差;进而研究单元数值积分对有限元解的精度的影响,并给出了有效且经济的数值积分方案。 展开更多
关键词 有限元方法 GAUSS积分 Hammer积分 求积点
下载PDF
有限元方法的改进数值积分方案 被引量:1
6
作者 孙美玲 《湘潭师范学院学报(自然科学版)》 2007年第4期9-11,共3页
研究有限元方法矩形网格剖分下的数值积分方案,发现在单元内采用9个高斯求积点可以得到可靠的精度,同时定义了一个改进的数值积分方案及其对应的求积点和权值。在数值实验部分利用有限元方法求解偏微分方程的算例,通过观察有限元解误差... 研究有限元方法矩形网格剖分下的数值积分方案,发现在单元内采用9个高斯求积点可以得到可靠的精度,同时定义了一个改进的数值积分方案及其对应的求积点和权值。在数值实验部分利用有限元方法求解偏微分方程的算例,通过观察有限元解误差的l2范数,发现使用改进数值积分方案可以得到更好的结果,证明了其优势。 展开更多
关键词 数值积分 GAUSS型求积公式 求积点 权值
下载PDF
Orthogonal Laurent Polynomials and Their Zeros
7
作者 周恒 王仁宏 《Journal of Mathematical Research and Exposition》 CSCD 北大核心 2006年第1期19-22,共4页
In this note, we investigate the necessity for the measure dψ being a strong distribution, which is associated with the coefficients of the recurrence relation satisfied by the orthogonal Laurent polynomials. We also... In this note, we investigate the necessity for the measure dψ being a strong distribution, which is associated with the coefficients of the recurrence relation satisfied by the orthogonal Laurent polynomials. We also give out a representation of the greatest zeros of orthogonal Laurent polynomials in the case of dψ being a strong distribution. 展开更多
关键词 orthogonal Laurent polynomials quadrature rule zeros of orthogonal Laurent polynomials.
下载PDF
A Jacobi-collocation method for solving second kind Fredholm integral equations with weakly singular kernels
8
作者 CAI Hao Tao 《Science China Mathematics》 SCIE 2014年第10期2163-2178,共16页
In this work,we propose a Jacobi-collocation method to solve the second kind linear Fredholm integral equations with weakly singular kernels.Particularly,we consider the case when the underlying solutions are sufficie... In this work,we propose a Jacobi-collocation method to solve the second kind linear Fredholm integral equations with weakly singular kernels.Particularly,we consider the case when the underlying solutions are sufficiently smooth.In this case,the proposed method leads to a fully discrete linear system.We show that the fully discrete integral operator is stable in both infinite and weighted square norms.Furthermore,we establish that the approximate solution arrives at an optimal convergence order under the two norms.Finally,we give some numerical examples,which confirm the theoretical prediction of the exponential rate of convergence. 展开更多
关键词 second kind Fredholm integral equations with weakly singular kernels Jacobi-collocation methods stability analysis convergence analysis
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部