1) LU-SGS approximate factorization deducing
LU近似因式分解推导
2) high order approximate LU decomposition
高阶近似LU分解
3) LU factorization
LU因式分解
4) Beam Warming approximate factorization method
近似因式分解法
1.
Essentially section 1 includes details about: (1) solution of the full Navier Stokes equations using Beam Warming approximate factorization method an.
采用隐式高阶紧致差分格式结合 Beam- Warming近似因式分解法求解全 N- S方程 ,对二维、粘性、非定常、可压微作动器外流场进行数值模拟。
5) approximate factorization
近似因式分解
1.
Base on algebra neural networks model of contain parameter multivariate polynomials approximate factorization;
基于代数神经网络的含参多元多项式近似因式分解模型
2.
The PFRNN learning algorithm is also designed, which can perform approximate factorization of multivariate polynomials.
针对递归计算问题 ,提出了多项式函数型回归神经网络学习算法 ,并将该网络模型应用于多元多项式近似因式分解 ,其学习算法在多元多项式近似分解中体现了较强的优越性 。
6) implicit LU scheme
隐式LU分解
1.
High performance parallel computing of implicit LU scheme for 3D Euler equations;
三维Euler方程组隐式LU分解的高性能并行计算
补充资料：推导法则
推导法则
derivation rule
推导法则【山由a位犯nde;脚8o八a即aBI.加l 由一集称为前提(plelllls巴)的对象出发，产生称为这个推导法则的结论(conclusions)的对象的方法;在描述各种演算(份Ic山谓)时，形式化的推导法则起着决定性的作用(一种推导法则通常只在某个特定的演算的范围内才有意义).对那些有语义学(女肛迢n-此)解释的演算(特别是在大多数逻辑数学演算(fog-ico一皿t比n坦ticala习司伍)中)，推导法则都要保真，即真的前提只允许得到真的结论;这种推导法则中最重要的一例就是分离法则(1侧刃us ponens).现在被研究的多数演算中，一个推导法则只有有限多个前提(最重要的一个例外是Can.P法则(Q湘p rule)).一般，一个给定的推导法则的前提的个数在其一切应用中都保持不变.当然，一个给定的法则可以应用的次数原则上并无限制. 形式化一个推导法则的方法是极为多样的，这种方法取决于演算的语言，以及可以包括的不同类型的变元.大多数推导法则可以按如下的一般模式给出:给定一个不含字符口的字符表A，及一个自然数l，导亨l个煎攀的堆导诊别定义为字符表A日{口}上的某个算法(司gorit加叮)吸.如果吸可以作用于字P0口…口尸，，其中几，…，p，是A上的字，符号口在这儿作为分隔号，则尸1，…，只被看成是前提，P0被看成是这个推导法则在这一特定作用下得到的结论.一种特殊的推导规则是没有前提的推导法则(也称为公理模式(a习0们以邪h日rr亡)).在只含这种法则的任何一个演算中，可推导的字的集合总是可数的.一个推导法则往往还要满足一个更为严格的要求:在算法的帮助下，可以判断几是否可以从p，，…，只只用此规则一次而演绎出来.C.IO·M扛朋。”撰【补注】通常，“推导法则”都被简单地用一个词“法则”来代替.例如，假言推理有时也被称为分离法?.J(rule of detachrnent)·
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条