دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: ریاضیات محاسباتی ویرایش: 1 نویسندگان: Alfio Quarteroni. Gianluigi Rozza (eds.) سری: MS&A - Modeling, Simulation and Applications 9 ISBN (شابک) : 9783319020891, 9783319020907 ناشر: Springer International Publishing سال نشر: 2014 تعداد صفحات: 338 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 30 مگابایت
کلمات کلیدی مربوط به کتاب کاهش روشهای سفارش برای مدل سازی و کاهش محاسباتی: ریاضیات محاسباتی و آنالیز عددی، محاسبات عددی، کاربردی ریاضیات/روش های محاسباتی مهندسی، مدل سازی ریاضی و ریاضیات صنعتی، مکانیک پیوسته و مکانیک مواد، عددی و C
در صورت تبدیل فایل کتاب Reduced Order Methods for Modeling and Computational Reduction به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کاهش روشهای سفارش برای مدل سازی و کاهش محاسباتی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این مونوگراف به وضعیت هنر روشهای سفارش کاهشیافته برای مدلسازی و کاهش محاسباتی سیستمهای پارامتری پیچیده، تحت کنترل معادلات دیفرانسیل معمولی و/یا جزئی، با تأکید ویژه بر تکنیکها و کاربردهای محاسباتی زمان واقعی در مکانیک محاسباتی میپردازد. مهندسی زیستی و گرافیک کامپیوتری.
چند موضوع پوشش داده شده است، از جمله: طراحی، بهینه سازی، و تئوری کنترل در زمان واقعی با برنامه های کاربردی در مهندسی. جذب داده ها، ثبت هندسه، و تخمین پارامتر با توجه ویژه به محاسبات بلادرنگ در مهندسی پزشکی و فیزیک محاسباتی؛ تجسم در زمان واقعی شبیه سازی های مبتنی بر فیزیک در علوم کامپیوتر. درمان مشکلات با ابعاد بالا در فضای حالت، فضای فیزیکی یا فضای پارامتر. تعامل بین کاهش مدل های مختلف و رویکردهای کاهش ابعاد. توسعه چارچوبهای برآورد خطای عمومی که هم اثرات مدل و هم اثرات گسستهسازی را در نظر میگیرند.
این کتاب عمدتاً برای دانشمندان محاسباتی علاقهمند به تکنیکهای کاهش محاسباتی برای مسائل دیفرانسیل در مقیاس بزرگ است.
This monograph addresses the state of the art of reduced order methods for modeling and computational reduction of complex parametrized systems, governed by ordinary and/or partial differential equations, with a special emphasis on real time computing techniques and applications in computational mechanics, bioengineering and computer graphics.
Several topics are covered, including: design, optimization, and control theory in real-time with applications in engineering; data assimilation, geometry registration, and parameter estimation with special attention to real-time computing in biomedical engineering and computational physics; real-time visualization of physics-based simulations in computer science; the treatment of high-dimensional problems in state space, physical space, or parameter space; the interactions between different model reduction and dimensionality reduction approaches; the development of general error estimation frameworks which take into account both model and discretization effects.
This book is primarily addressed to computational scientists interested in computational reduction techniques for large scale differential problems.
Front Matter....Pages i-x
A Novel Approach to Model Order Reduction for Coupled Multiphysics Problems....Pages 1-49
Case Study: Parametrized Reduction Using Reduced-Basis and the Loewner Framework....Pages 51-66
Comparison of Some Reduced Representation Approximations....Pages 67-100
Application of the Discrete Empirical Interpolation Method to Reduced Order Modeling of Nonlinear and Parametric Systems....Pages 101-136
Greedy Sampling Using Nonlinear Optimization....Pages 137-157
A Robust Algorithm for Parametric Model Order Reduction Based on Implicit Moment Matching....Pages 159-185
On the Use of Reduced Basis Methods to Accelerate and Stabilize the Parareal Method....Pages 187-214
On the Stability of Reduced-Order Linearized Computational Fluid Dynamics Models Based on POD and Galerkin Projection: Descriptor vs Non-Descriptor Forms....Pages 215-233
Model Order Reduction in Fluid Dynamics: Challenges and Perspectives....Pages 235-273
Window Proper Orthogonal Decomposition: Application to Continuum and Atomistic Data....Pages 275-303
Reduced Order Models at Work in Aeronautics and Medicine....Pages 305-332
Back Matter....Pages 333-334