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:

2024 | OriginalPaper | Buchkapitel

Quasi Continuous Level Monte Carlo for Random Elliptic PDEs

verfasst von : Cedric Aaron Beschle, Andrea Barth

Erschienen in: Monte Carlo and Quasi-Monte Carlo Methods

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

In diesem Kapitel wird die Quasi Continuous Level Monte Carlo (QCLMC) -Methode zur Schätzung des Mittelwerts einer interessierenden Quantitätsgröße für stochastische Modellierung und Quantifizierung von Unsicherheiten vorgestellt. QCLMC baut auf der mehrstufigen Monte-Carlo-Methode (MLMC) auf, erlaubt aber stichprobenadaptive Maschenhierarchien und verwendet quasi zufällige Stichproben, um die Varianz zu verringern. Das Kapitel bietet einen detaillierten Vergleich der QCLMC mit der MLMC und dem kontinuierlichen Pegel Monte Carlo (CLMC) und hebt die überlegene Leistung der QCLMC bei der Handhabung zufälliger elliptischer PDEs mit diskontinuierlichen Koeffizienten hervor. Numerische Experimente zeigen die Vorteile von QCLMC in Bezug auf die Zeit bis zur Fehlerleistung und zeigen sein Potenzial für praktische Anwendungen in verschiedenen Bereichen.
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
Nächstes Kapitel MLMC Techniques for Discontinuous Functions
Literatur
1.
Ainsworth, M., Oden, J.T.: A posteriori error estimation in finite element analysis. Comput. Methods Appl. Mech. Engrg. 142, 1–88 (1997)MathSciNetCrossRef
2.
Alnaes, M.S. et al.: The FEniCS project version 1.5. Arch. Numer. Softw. 3 (2015)
3.
Babuška, I.: The finite element method for elliptic equations with discontinuous coefficients. Comput. (Arch. Elektron. Rechnen) 5, 207–213 (1970)
4.
Babuška, I., Rheinboldt, W.C.: A-posteriori error estimates for the finite element method. Int. J. Numer. Meth. Eng. 12, 1597–1615 (1978)CrossRef
5.
6.
Barth, A., Stein, A.: A study of elliptic partial differential equations with jump diffusion coefficients. SIAM/ASA J. Uncertain. Quantif. 6, 1707–1743 (2018)MathSciNetCrossRef
7.
Beschle, C.A., Barth, A.: Complexity analysis of quasi continuous level Monte Carlo. In: ESAIM: M2AN. Special issue—To commemorate Assyr Abdulle (2024, to appear)
8.
Bernardi, C., Verfürth, R.: Adaptive finite element methods for elliptic equations with non-smooth coefficients. Numer. Math. 85, 579–608 (2000)MathSciNetCrossRef
9.
Brenner, S.C., Scott, L.R.: The mathematical theory of finite element methods, vol. 15, 3rd edn. Texts in Applied Mathematics. Springer, New York (2008)
10.
11.
Clément, P.: Approximation by finite element functions using local regularization. Rev. Française Automat. Informat. Recherche Opérationnelle Sér. 9, 77–84 (1975)
12.
Cliffe, K.A., Giles, M.B., Scheichl, R., Teckentrup, A.L.: Multilevel Monte Carlo methods and applications to elliptic PDEs with random coefficients. Comput. Vis. Sci. 14, 3–15 (2011)MathSciNetCrossRef
13.
Detommaso, G., Dodwell, T., Scheichl, R.: Continuous level Monte Carlo and sample-adaptive model hierarchies. SIAM/ASA J. Uncertain. Quantif. 7, 93–116 (2019)MathSciNetCrossRef
14.
15.
Evans, L.C.: Partial differential equations, vol. 19, 2nd edn. Graduate Studies in Mathematics. American Mathematical Society, Providence, RI (2010)
16.
17.
18.
Graham, I.G., Kuo, F.Y., Nuyens, D., Scheichl, R., Sloan, I.H.: Quasi-Monte Carlo methods for elliptic PDEs with random coefficients and applications. J. Comput. Phys. 230, 3668–3694 (2011)MathSciNetCrossRef
19.
Graham, I.G., et al.: Quasi-Monte Carlo finite element methods for elliptic PDEs with lognormal random coefficients. Numer. Math. 131, 329–368 (2015)MathSciNetCrossRef
20.
Grätsch, T., Bathe, K.-J.: A posteriori error estimation techniques in practical finite element analysis. Comput. Struct. 83, 235–265 (2005)MathSciNetCrossRef
21.
Hackbusch, W.: Elliptic differential equations, vol. 18, 2nd edn. Springer Series in Computational Mathematics. Springer, Berlin (2017). Theory and numerical treatment
22.
23.
Harris, C.R., et al.: Array programming with NumPy. Nature 585, 357–362 (2020)CrossRef
24.
Knabner, P., Angermann, L.: Numerical methods for elliptic and parabolic partial differential equations, vol. 44. Texts in Applied Mathematics. Springer, New York (2003)
25.
Kuo, F.Y., Schwab, C., Sloan, I.H.: Quasi-Monte Carlo finite element methods for a class of elliptic partial differential equations with random coefficients. SIAM J. Numer. Anal. 50, 3351–3374 (2012)MathSciNetCrossRef
26.
Kuo, F.Y., Schwab, C., Sloan, I.H.: Multi-level quasi-Monte Carlo finite element methods for a class of elliptic PDEs with random coefficients. Found. Comput. Math. 15, 411–449 (2015)MathSciNetCrossRef
27.
28.
Niederreiter, H.: Quasi-Monte Carlo methods and pseudo-random numbers. Bull. Am. Math. Soc. 84, 957–1041 (1978)MathSciNetCrossRef
29.
Niederreiter, H.: Random number generation and quasi-Monte Carlo methods, vol. 63. CBMS-NSF Regional Conference Series in Applied Mathematics. Society for Industrial and Applied Mathematics (SIAM), Philadelphia, PA (1992)
30.
Owen, A.B.: Randomly permuted \((t,m,s)\)-nets and \((t,s)\)-sequences. In: Monte Carlo and Quasi-Monte Carlo Methods in Scientific Computing. Las Vegas, NV (1994). Lecture Notes in Statistics, vol. 106, pp. 299–317. Springer, New York (1995)
31.
32.
Petzoldt, M.: Regularity results for Laplace interface problems in two dimensions. Z. Anal. Anwendungen 20, 431–455 (2001)MathSciNetCrossRef
33.
Petzoldt, M.: A posteriori error estimators for elliptic equations with discontinuous coefficients. Adv. Comput. Math. 16, 47–75 (2002)MathSciNetCrossRef
34.
35.
Sobol, I.M.: Distribution of points in a cube and approximate evaluation of integrals. Ž. Vyčisl. Mat i Mat. Fiz. 7, 784–802 (1967)MathSciNet
36.
Teckentrup, A.L., Scheichl, R., Giles, M.B., Ullmann, E.: Further analysis of multilevel Monte Carlo methods for elliptic PDEs with random coefficients. Numer. Math. 125, 569–600 (2013)MathSciNetCrossRef
37.
38.
Virtanen, P., et al.: SciPy 1.0: fundamental algorithms for scientific computing in python. Nat. Methods 17, 261–272 (2020)
Metadaten
Titel
Quasi Continuous Level Monte Carlo for Random Elliptic PDEs
verfasst von
Cedric Aaron Beschle
Andrea Barth
Copyright-Jahr
2024
Buch
Monte Carlo and Quasi-Monte Carlo Methods

Print ISBN: 978-3-031-59761-9

Electronic ISBN: 978-3-031-59762-6

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-3-031-59762-6_1

Premium Partner

    Bildnachweise