Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Künstliche Intelligenz Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Zukunftswerkstatt Sales Excellence 2025 | 08. Mai 2025

KI als Booster im Vertrieb

Lernen Sie von Digital-Experten, wie der gezielte Einsatz von KI-Unterstützung Ihrem Unternehmen in vielen Bereichen hilft, im Vertrieb einen Schritt voraus zu sein. Jetzt wieder live vor Ort teilnehmen in Frankfurt am Main!
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

Novel Monte Carlo Algorithm for Linear Algebraic Systems

verfasst von : Venelin Todorov, Slavi Georgiev, Ivan Dimov

Erschienen in: New Trends in the Applications of Differential Equations in Sciences

Verlag: Springer Nature Switzerland

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Das Kapitel stellt einen bahnbrechenden Monte-Carlo-Algorithmus vor, der dazu entwickelt wurde, großmaßstäbliche Systeme linearer algebraischer Gleichungen zu lösen, ein Eckpfeiler zahlreicher wissenschaftlicher und technischer Anwendungen. Durch die Nutzung fortschrittlicher stochastischer Methoden bietet der Algorithmus eine beispiellose Recheneffizienz und -genauigkeit, insbesondere für hochdimensionale Matrizen. Der neuartige Ansatz, der von der "Walk on Equations" -Methode inspiriert ist, wird sorgfältig mit traditionellen Methoden wie Jacobi und Gauß-Seidel verglichen und zeigt seine überlegene Leistung. Das Kapitel enthält auch detaillierte numerische Experimente und zukünftige Forschungsrichtungen, was es zu einem Pflichtlektüre für Fachleute macht, die ihr Verständnis linearer algebraischer Systeme und Monte-Carlo-Methoden verbessern wollen.
KI-Generiert

Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Reconstruction of Boundary Conditions of a Parabolic-Hyperbolic Transmission Problem
Nächstes Kapitel A Note on the Hwang-Kim’s Universal Activation Function
Literatur
1.
Curtiss, J.H.: Monte Carlo methods for the iteration of linear operators. J. Math Phys., vol 32(4). (1954), pp. 209–232.
2.
Curtiss, J.H.: A Theoretical Comparison of the Efficiencies of two classical methods and a Monte Carlo method for Computing one component of the solution of a set of Linear Algebraic Equations. Proc. Symp. MC Meth., John Wiley and Sons, 1956, pp. 191–233.
3.
Dimov, I.T.: Monte Carlo Methods for Applied Scientists, New Jersey, London, Singapore, World Scientific, 291p (2008).
4.
Dimov, I.T., Maire, S., Sellier, J.M.: A New Walk on Equations Monte Carlo Method for Linear Algebraic Problems, Applied Mathematical Modelling 39 (15), 4494–4510 (2015).
5.
Halton, J.: Sequential Monte Carlo, Proceedings of the Cambridge Philosophical Society, Vol. 58 (1962) pp. 57–78.
6.
Halton, J.: Sequential Monte Carlo. University of Wisconsin, Madison, Mathematics Research Center Technical Summary Report No. 816 (1967) 38 pp.
7.
Halton, J. and Zeidman, E. A.: Monte Carlo integration with sequential stratification. University of Wisconsin, Madison, Comp. Scien. Departm. Tech. Report No. 61 (1969) 31 pp.
8.
Halton, J.: Sequential Monte Carlo for linear systems - a practical summary, Monte Carlo Methods & Applications, 14 (2008) pp. 1–27.
9.
Maire, S.: Reducing variance using iterated control variates, Journal of Statistical Computation and Simulation, Vol. 73(1), pp. 1–29, 2003.
10.
I.M. Sobol, Monte Carlo Numerical Methods, Nauka, Moscow (1973).
Metadaten
Titel
Novel Monte Carlo Algorithm for Linear Algebraic Systems
verfasst von
Venelin Todorov
Slavi Georgiev
Ivan Dimov
Copyright-Jahr
2024
Buch
New Trends in the Applications of Differential Equations in Sciences

Print ISBN: 978-3-031-53211-5

Electronic ISBN: 978-3-031-53212-2

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-3-031-53212-2_39

Premium Partner

    Bildnachweise