Déposez votre fichier ici pour le déplacer vers cet enregistrement.
- pag. mult.
Localisation : Ouvrage RdC (SCHW)
approximation # distribution à valeurs vectorielles # espace nucléaire # espace vectoriel topologique # opérateur # produit tensoriel d'applications linéaires # produit tensoriel topologique
46A04 ; 46A11 ; 46A32 ; 46Fxx ; 46M05
... Lire [+]
Déposez votre fichier ici pour le déplacer vers cet enregistrement.
Déposez votre fichier ici pour le déplacer vers cet enregistrement.
Research talks;Partial Differential Equations;Mathematics in Science and Technology;Probability and Statistics;Numerical Analysis and Scientific Computing
Tensor methods have emerged as an indispensable tool for the numerical solution of high-dimensional problems in computational science, and in particular problems arising in stochastic and parametric analyses. In many practical situations, the approximation of functions of multiple parameters (or random variables) is made computationally tractable by using low-rank tensor formats. Here, we present some results on rank-structured approximations and we discuss the connection between best approximation problems in tree-based low-rank formats and the problem of finding optimal low-dimensional subspaces for the projection of a tensor. Then, we present constructive algorithms that adopt a subspace point of view for the computation of sub-optimal low-rank approximations with respect to a given norm. These algorithms are based on the construction of sequences of suboptimal but nested subspaces.
Keywords: high dimensional problems - tensor numerical methods - projection-based model order reduction - low-rank tensor formats - greedy algorithms - proper generalized decomposition - uncertainty quantification - parametric equations
Tensor methods have emerged as an indispensable tool for the numerical solution of high-dimensional problems in computational science, and in particular problems arising in stochastic and parametric analyses. In many practical situations, the approximation of functions of multiple parameters (or random variables) is made computationally tractable by using low-rank tensor formats. Here, we present some results on rank-structured approximations ...
65D15 ; 35J50 ; 41A63 ; 65N12 ; 15A69 ; 46B28 ; 46A32 ; 41A46 ; 41A15
... Lire [+]
Déposez votre fichier ici pour le déplacer vers cet enregistrement.
- 304 p.
ISBN 978-0-471-92129-5
Pure and applied mathematics
Localisation : Ouvrage RdC (AZIZ)
opérateur linéaire # structure métrique indéfinie
46A32 ; 47B50 ; 53B20
... Lire [+]
Déposez votre fichier ici pour le déplacer vers cet enregistrement.
Déposez votre fichier ici pour le déplacer vers cet enregistrement.
- xxiv; 500 p.
ISBN 978-3-642-28026-9
Springer series in computational mathematics , 0042
Localisation : Ouvrage RdC (HACK)
algèbre tensorielle # calcul tensoriel # représentation tensorielle # EDP elliptique # problème de valeurs propres # produit tenseur # produit de Hadamard # convolution de tenseurs
15A69 ; 35C99 ; 44A35 ; 46A32 ; 46B28 ; 47A80 ; 65F99 ; 65N99 ; 65L99 ; 65N22 ; 65Z05 ; 65F30 ; 65-02 ; 15A72 ; 53A45
... Lire [+]
Déposez votre fichier ici pour le déplacer vers cet enregistrement.
Déposez votre fichier ici pour le déplacer vers cet enregistrement.
- pag. mult.
Localisation : Ouvrage RdC (VARO)
algèbre de Banach # algèbre tensorielle # analyse harmonique # calcul symbolique # pseudo-mesure
43A45 ; 46A32 ; 46B28 ; 46M05 ; 53A45
... Lire [+]