面向四阶椭圆奇异扰动问题的鲁棒与最优混合方法
机器学习
2025-01-22 v1
摘要
本文发展了一系列基于四阶椭圆奇异扰动问题的两种混合形式的鲁棒和最优混合方法。首先，提出了一种基于二阶系统的混合方法，无需依赖 Nitsche 技巧或插值。使用用于张量的 -有界插值算子推导出鲁棒和最优误差估计。然后，建立了与其他离散方法的联系，包括弱 Galerkin 方法和基于一阶系统的混合有限元方法。最后，提供数值实验以验证理论结果。
引用
@article{arxiv.2501.12136,
title = {Heterogeneous Federated Learning Systems for Time-Series Power Consumption Prediction with Multi-Head Embedding Mechanism},
author = {Jia-Hao Syu and Jerry Chun-Wei Lin and Gautam Srivastava and Unil Yun},
journal= {arXiv preprint arXiv:2501.12136},
year = {2025}
}