S'abonner

Semimartingale attractors for generalized Allen-Cahn SPDEs driven by space-time white noise - 01/01/03

Doi : 10.1016/S1631-073X(03)00312-1 

Hassan  Allouba a ,  José A.  Langa b

Voir les affiliations

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 6
Iconographies 0
Vidéos 0
Autres 0

Résumé

We introduce the notion of a semimartingale attractor associated with space-time white noise driven generalized Allen-Cahn SPDEs. We treat the driving noise in the martingale measure setting, and we give an existence result for this type of random attractors for these generalized Allen-Cahn SPDEs in our setting. This Note focuses on semimartingale functional attractors, but our noise setting also leads naturally to a related type of random attractors that we call semimartingale measure attractors and which we detail in an upcoming article. Detailed proofs and extensions of our result, as well as other properties of semimartingale attractors, for different types of SPDEs are also furnished in the follow-up article. To cite this article: H. Allouba, J.A. Langa, C. R. Acad. Sci. Paris, Ser. I 337 (2003).

Résumé

Nous introduisons la notion d'attracteur semimartingale associé aux EDPS d'Allen-Cahn généralisées dirigées par un bruit blanc spatio-temporel. Nous traitons notre bruit dans le cadre de mesure martingale, et nous donnons un résultat d'existence pour ce type d'attracteurs pour ces EDPS d'Allen-Cahn généralisées. Cette Note discute des attracteurs semimartingales fonctionnels, mais notre cadre du bruit mene aussi naturellement à un type lié d'attracteurs aléatoires que nous appelons attracteurs de mesure semimartingale et que nous détaillerons dans un prochain article. En outre, les preuves détaillées, avec d'autres propriétés d'attracteurs semimartingales et des extensions de notre resultat appliquées à différents types d'EDPS, seront aussi fournies dans ce prochain article. Pour citer cet article : H. Allouba, J.A. Langa, C. R. Acad. Sci. Paris, Ser. I 337 (2003).

Plan



© 2003  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.

Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 337 - N° 3

P. 201-206 - août 2003 Retour au numéro
Article précédent Article précédent
  • Discriminant of a generic projection of a minimal normal surface singularity
  • Romain Bondil
| Article suivant Article suivant
  • Chung-Smirnov property for smoothed distribution function estimator under random censorship
  • Elias Ould-Saïd, Ouafae Yazourh-Benrabah

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.