Global ETD Search

81	Die lokale Struktur von T-Dualitätstripeln / The Local Structure of T-Duality Triples Schneider, Ansgar 05 November 2007 (has links) No description available. 510 Mathematik Mathematics and Computer Science T-Dualität T-Dualitätstripel C-Algebren C-dynamische Systeme verschränkte Produkte T-duality T-duality triples C-algebras C-dynamical systems crossed products 31.35 31.69 EEGL 890: Other &#34 noncommutative&#34
82	Noncommutative manifolds and Seiberg-Witten-equations / Nichtkommutative Mannigfaltigkeiten und Seiberg-Witten-Gleichungen Alekseev, Vadim 07 September 2011 (has links) No description available. 510 Mathematik Mathematics and Computer Science Nichtkommutative Mannigfaltigkeiten Sobolevräume Laplace-Operator Seiberg Witten-Gleichungen noncommutative manifolds Sobolev spaces Laplace operator Seiberg-Witten-equations 31.46 31.49 31.55
83	On the Construction of Quantum Field Theories with Factorizing S-Matrices / Über die Konstruktion von quantenfeldtheoretischen Modellen mit faktorisierenden S-Matrizen Lechner, Gandalf 24 May 2006 (has links) No description available. 530 Physik Mathematics and Computer Science algebraische Quantenfeldtheorie konstruktive Quantenfeldtheorie faktorisierende S-Matrix asymptotische Vollständigkeit inverse Streutheorie Keil-Lokalisierung modulare Nuklearitäts-Bedingung algebraic quantum field theory constructive quantum field theory factorizing S-matrix asymptotic completeness inverse scattering theory wedge localization modular nuclearity condition 33.24 EIBT 050: Axiomatic quantum field theory operator algebras {Quantum field theory related classical field theories}
84	Spectral theory of automorphism groups and particle structures in quantum field theory / Die Spektraltheorie von Automorphismengruppen und Teilchenstrukturen in der Quantenfeldtheorie Dybalski, Wojciech Jan 15 December 2008 (has links) No description available. 530 Physik Mathematics and Computer Science algebraische Quantenfeldtheorie arvesonsches Spektrum Streutheorie Phasenraumstruktur Vakuumzustand algebraic quantum field theory Arveson spectrum scattering theory phase space structure vacuum state 33.24 EIBT 050: Axiomatic quantum field theory operator algebras {Quantum field theory related classical field theories}
85	Approximation of center-valued Betti-numbers and the center-valued Atiyah-conjecture / Approximation of center-valued Betti-numbers and the center-valued Atiyah-conjecture Knebusch, Anselm 19 October 2009 (has links) No description available. 510 Mathematik EEGL 000 Selfadjoint operator algebras EEGM 200 Methods of algebraic topology Mathematics and Natural Science Betti-Zahlen von Neumann-Algebren Operatortheorie G-CW-Komplex Approximation Atiyah Vermutung Betti-numbers von Neumann-algebras operatortheory G-CW-complex approximation Atiyah conjecture 31.55 Globale Analysis 31.47 Operatortheorie
86	Calcul de majorants sûrs de temps d'exécution au pire pour des tâches d'applications temps-réels critiques, pour des systèmes disposants de caches mémoire Louise, Stéphane 21 January 2002 (has links) (PDF) Ce mémoire présente une nouvelle approche pour le calcul de temps d'exécution au pire (WCET) de tâche temps-réel critique, en particulier en ce qui concerne les aléas dus aux caches mémoire. Le point général est fait sur la problématique et l'état de l'art en la matière, mais l'accent est mis sur la théorie elle-même et son formalisme, d'abord dans le cadre monotâche puis dans le cadre multitâche. La méthode utilisée repose sur une technique d'interprétation abstraite, comme la plupart des autres méthodes de calcul de WCET, mais le formalisme est dans une approche probabiliste (bien que déterministe dans le cadre monotâche) de par l'utilisation de chaînes de Markov. La généralisation au cadre multitâche utilise les propriétés proba- bilistes pour faire une évaluation pessimiste d'un WCET et d'un écart type au pire, grâce à une modification astucieuse du propagateur dans ce cadre. Des premières évaluations du modèle, codées à la main à partir des résultats de compilation d'applications assez simples montrent des résultats promet- teurs quant à l'application du modèle sur des programmes réels en vraie grandeur. [MATH:MATH_PR] Mathematics/Probability Temps d'exécution au pire cas (WCET) systèmes temps-réels critiques analyse statique modèle de Markov Cache et hiérarchie mémoire
87	Les vecteurs cycliques dans des espaces de fonctions analytiques Hanine, Abdelouahab 28 June 2013 (has links) (PDF) Cette thèse est consacrée à l'étude du problème de la cyclicité dans certains espaces de fonctions analytiques sur le disque unité. Nous nous intéressons aux espaces de type Bergman et aux espaces de type Korenblum. Dans la première partie, nous étudions les fonctions cycliques dans les espaces de type Korenblum en utilisant la notion des prémesures. Cette notion a été introduite et développée par B. Korenblum au début des années 1970s. En particulier, nous donnons une réponse positive à une conjecture énoncée par C. Deninger. Dans la deuxième partie, nous utilisons la méthode de la résolvante pour étudier la cyclicité des fonctions intérieures singulières associées aux mesures de Dirac dans les espaces de type Bergman à poids. Espaces de Bergman à poids espaces de type Korenblum fonction cyclique fonction intérieure singulière prémesures ensemble de type Carleson mesures Lambda-singulière la méthode de la résolvante
88	Logique linéaire et classes de complexité sous-polynomiales Aubert, Clément 26 November 2013 (has links) (PDF) Cette recherche en informatique théorique construit de nouveaux ponts entre logique linéaire et théorie de la complexité. Elle propose deux modèles de machines abstraites qui permettent de capturer de nouvelles classes de complexité avec la logique linéaire, les classes des problèmes efficacement parallélisables (NC et AC) et celle des problèmes solutionnables avec peu d'espace, dans ses versions déterministes et non-déterministes (L et NL). La représentation des preuves de la logique linéaire comme réseaux de preuves est employée pour représenter efficacement le calcul parallèle des circuits booléens, y compris à profondeur constante. La seconde étude s'inspire de la géométrie de l'interaction, une délicate reconstruction de la logique linéaire à l'aide d'opérateurs d'une algèbre de von Neumann. Nous détaillons comment l'interaction d'opérateurs représentant des entiers et d'opérateurs représentant des programmes peut être reconnue nilpotente en espace logarithmique. Nous montrons ensuite comment leur itération représente un calcul effectué par des machines à pointeurs que nous définissons et que nous rattachons à d'autres modèles plus classiques. Ces deux études permettent de capturer de façon implicite de nouvelles classes de complexité, en dessous du temps polynomial. [INFO:INFO_CC] Informatique/Complexité [MATH:MATH_LO] Mathematics/Logic [MATH:MATH_LO] Mathématiques/Logique Logique Linéaire Complexité Géométrie de l'interaction Algèbre d'opérateur Machines de Turing Alternantes Circuits Booléens Uniformité Réseaux de Preuves
89	MULTI-LEVEL DEEP OPERATOR LEARNING WITH APPLICATIONS TO DISTRIBUTIONAL SHIFT, UNCERTAINTY QUANTIFICATION AND MULTI-FIDELITY LEARNING Rohan Moreshwar Dekate (18515469) 07 May 2024 (has links) <p dir="ltr">Neural operator learning is emerging as a prominent technique in scientific machine learn- ing for modeling complex nonlinear systems with multi-physics and multi-scale applications. A common drawback of such operators is that they are data-hungry and the results are highly dependent on the quality and quantity of the training data provided to the models. Moreover, obtaining high-quality data in sufficient quantity can be computationally prohibitive. Faster surrogate models are required to overcome this drawback which can be learned from datasets of variable fidelity and also quantify the uncertainty. In this work, we propose a Multi-Level Stacked Deep Operator Network (MLSDON) which can learn from datasets of different fidelity and is not dependent on the input function. Through various experiments, we demonstrate that the MLSDON can approximate the high-fidelity solution operator with better accuracy compared to a Vanilla DeepONet when sufficient high-fidelity data is unavailable. We also extend MLSDON to build robust confidence intervals by making conformalized predictions. This technique guarantees trajectory coverage of the predictions irrespective of the input distribution. Various numerical experiments are conducted to demonstrate the applicability of MLSDON to multi-fidelity, multi-scale, and multi-physics problems.</p> Deep learning Neural networks Partial differential equations Operator Learning DeepONet Multi Fidelity Deep Operator Network Multi-fidelity Learning Distribution Shifts Uncertainty Quantification Bayesian Deep Learning

Search results