S'abonner

Data mining techniques for numerical approximations analysis: A test case of asymptotic solutions to the Vlasov–Maxwell equations - 21/08/10

Doi : 10.1016/j.crme.2010.07.001 
Franck Assous a, b , Joel Chaskalovic a, c, *
a Ariel University Center, 40700 Ariel, Israel 
b Bar-Ilan University, 52900 Ramat-Gan, Israel 
c IJLRDA, University Pierre and Marie Curie, 4, place Jussieu, 75252 Paris cedex 05, France 

*Corresponding author.

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

Abstract

We propose a novel approach that consists in using data mining techniques to perform a sensitivity analysis of approximate models. We give here the example of asymptotic solutions to Vlasov–Maxwell equations, obtained with a paraxial model for relativistic short beams. This new heuristic approach offers new potential applications to treat numerical solutions to mathematical models.

Le texte complet de cet article est disponible en PDF.

Résumé

On propose une nouvelle approche mettant en oeuvre des techniques de data mining, pour effectuer une étude de sensiblité de modèles approchées. L'exemple présenté dans cette Note traite d'une approximation paraxiale des équations de Vlasov–Maxwell, valable pour des faisceaux courts relativistes. Cette nouvelle méthodologie ouvre de nouvelles perspectives pour l'analyse d'approximations numériques des modèles mathématiques appliqués aux sciences de l'ingénieur.

Le texte complet de cet article est disponible en PDF.

Keywords : Computer science, Data mining, Vlasov–Maxwell equations

Mots-clés : Informatique, Data mining, Équations de Vlasov–Maxwell


Plan

Plan indisponible

© 2010  Publié par Elsevier Masson SAS de la part de Académie des sciences.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 338 - N° 6

P. 305-310 - juin 2010 Retour au numéro
Article précédent Article précédent
  • Editorial Board
| Article suivant Article suivant
  • Multiarray signal processing: Tensor decomposition meets compressed sensing
  • Lek-Heng Lim, Pierre Comon

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 ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

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 © 2026 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.