广义神经传播方程一个新的H^1-Galerkin非协调混合有限元格式

对广义神经传播方程提出了一个新的H1-Galerkin非协调混合有限元格式.其逼近空间不需满足LBB相容条件,并且在不采用Ritz投影的情况下,通过利用插值函数得到了与以往协调有限元方法相同的H1-模和L2-模的误差估计.

广义神经传播方程的超收敛分析及外推

讨论了广义神经传播方程的Hermite型矩形元逼近.通过积分恒等式和插值后处理技术,得到了其半离散格式下有限元解的超逼近性质和超收敛结果.同时,利用更高阶的积分误差渐进展开式进行外推,导出了具有四阶精度的误差估计,比传统的有限元分析高一阶.

广义神经传播方程新的非协调混合元方法的超逼近分析

对一类非线性广义神经传播方程利用EQ_1^(rot)元及零阶Raviart-Thomas(R-T)元建立一个低阶非协调混合元格式.首先,证明逼近解的存在唯一性.其次,在半离散格式下,基于上述2个单元的高精度结果,借助EQ_1^(rot)元的特殊性质以及对时间t的导数转移技巧,导出原始变量u的H^1-模和中间变量p的L^2-模意义下O(h^2)阶的超逼近结果.最后,建立该方程的一个全离散逼近格式,分别得到原始变量u的H^1-模以及中间变量p的L^2-模意义下的具有O(h^2+τ~2)超逼近结果.这里,h和τ分别表示空间剖分参数及时间步长.

广义神经传播方程新的混合三角形元格式

首先将一个各向异性线性三角形元应用到广义神经传播方程,建立了一个新混合元格式,利用单元上插值、平均值和导数转嫁技巧,在不需要引入传统广义椭圆投影的前提下,给出了相关未知量的L2-模误差估计;其次,将其推广到任意阶格式的情形.

一类非线性广义神经传播方程非协调元超收敛分析

讨论了变系数广义神经传播方程在半离散格式下的一类非协调有限元逼近,利用平均值技巧、单元的正交性及相容误差比插值误差高一阶的性质,得到了最优的误差估计和超逼近结果,进一步地,通过插值后处理技术得到了整体超收敛结果.

一类广义神经传播方程的有限元方法及其数值分析

对一类广义神经传播方程构造了一个全离散的 Galerkin近似 .定义了一种截断误差 ,并利用一种技巧构造性地得到了近似解的稳定性 ,从而证明了其收敛性是最优的 .

一类神经传播方程的特征差分方法与分析

首先对给定的方程进行恒等变换,再把MMOCAA差分方法与UNO插值相结合,提出了方程的MMOCAA-UNO差分方法,避免了基于k次Lagrange插值的MMOCAA差分方法在方程的解的陡峭前沿附近产生振荡．通过引入插值算子等方法给出了格式的误差估计．数值实验说明理论分析的正确性和格式的有效性．

一类拟线性神经传播方程的紧LOD差分格式

通过引入变量将方程从形式上降阶,提出了求解一类拟线性神经传播方程的紧局部一维(LOD)差分格式,并应用能量方法给出了格式的误差估计,得到该格式在L2模下具有O(Δt2+h4)的精度.最后通过数值例子验证了算法的有效性.

广义神经传播方程H^1-Galerkin低阶非协调混合有限元的超收敛分析

利用EQrot和零阶R-T元对广义神经传播方程,建立了H1-Galerkin低阶非协调混合有限元的半离散格式.首先证明了逼近格式解的存在唯一性,然后利用EQrot元的特殊性质、零阶R-T元的高精度结果及插值后处理算子,导出了精确解u在H1模及中间变量p→在H(div;Ω)模意义下的超逼近性质和整体超收敛结果.

广义神经传播方程全离散格式的修正混合有限元方法

利用修正的H1-Galerkin混合有限元的方法,研究了广义神经传播方程,得到了全离散解的最优阶误差估计,该方法的优点是不需要验证LBB相容性条件.

广义神经传播方程的Wilson元收敛性分析

利用Wilson元对一类广义神经传播方程提出了新的半离散和全离散逼近格式.基于单元的性质,通过定义新的双线性型,在不需要插值后处理技术的前提下,分别得到了比传统的H^1-范数更大的模意义下相应的O(h^2)和O(h^2+τ^2)阶的误差分析结果,比通常的估计高出一阶.这里,h、τ分别表示空间剖分参数和时间步长.

广义神经传播方程的一个各向异性非协调有限元超收敛分析

在神经传播过程中，神经传递信号及它关于时间和空间的变化率，在数学上表现为一类非线性拟双曲方程．本文在各向异性条件下，讨论了该方程的一个非协调有限元逼近。给出了半离散格式下解关于L^∞（Ⅱ·Ⅱh）模的最优误差估计．利用插值算子与Ritz-Volterra投影的一致性得到了关于神经传递信号的超逼近性质。同时基于插值后处理技术还导出了它的整体超收敛．

广义神经传播方程一个新的超收敛估计及外推

主要目的是研究双线性元对一类非线性广义神经传播方程的逼近.并利用积分恒等式及插值后处理技巧,导出H^1模及L^2模意义下的超逼近性和超收敛结果.同时,通过构造一个新的外推格式,得到了与线性问题精度完全相同的外推结果,进一步拓宽了双线性元的应用范围.

广义神经传播方程的非协调混合有限元方法

讨论了广义神经传播方程的一个低阶非协调混合有限元方法,在不引入广义椭圆投影的情况下,直接利用插值技巧,得到了相应的未知函数的最优误差估计.

广义神经传播方程最低阶新混合元格式的高精度分析

利用双线性元和Nédélec's元,对广义神经传播方程建立了最低阶自然满足Brezzi-Babuska条件的新混合元逼近格式。基于该混合元的高精度分析和插值后处理算子技术,在半离散格式下分别导出了原始变量的H1模及中间变量的L2模的超逼近性质和整体超收敛结果。当f(u)=f(X)时建立了一个具有二阶精度的全离散逼近格式,分别得到了原始变量的H1模的超逼近性和中间变量的L2模的最优误差估计。

一类非线性广义神经传播方程Adini元的超收敛分析

讨论了Adini元对一类非线性广义神经传播方程的逼近,用导数转移方法和平均值技巧,给出了其近似解与精确解的误差估计及超逼近性,并通过使用插值后处理技巧得到了整体超收敛结果。

广义神经传播方程的非协调有限元分析

讨论了带约束的旋转Q_1元对广义神经传播方程的应用.利用Bramble-Hilbert引理及插值技巧,在不需要传统的Ritz投影的和任何修正格式情况下导出了相应的最优误差估计和超逼近结果.

广义神经传播方程非协调类Wilson元的超收敛分析及外推

在半离散格式下研究了广义神经传播方程的非协调类Wilson有限元方法.利用该单元相容误差比协调误差高一阶的特殊性质和双线性元的高精度分析技巧,得到了相应的超逼近性质和超收敛结果.进一步地,构造了一个新的外推格式,并借助于该单元相容误差比协调误差高两阶的特殊性质,由此导出了能量模意义下具有O(h^3)阶的外推效果.

广义神经传播方程的一种修正混合有限元方法的误差分析

利用修正的H^1-Galerkin混合有限元方法研究了广义神经传播方程,论证了其半离散解的存在唯一性,得到了半离散解的最优阶误差估计,该方法的优点是不需验证LBB相容性条件.