We propose an approximation of nonlinear renewal equations by means of ordinary differential equations. We consider the integrated state, which is absolutely continuous and satisfies a delay differential equation. By applying the pseudospectral approach to the abstract formulation of the differential equation, we obtain an approximating system of ordinary differential equations. We present convergence proofs for equilibria and the associated characteristic roots, and we use some models from ecology and epidemiology to illustrate the benefits of the approach to perform numerical bifurcation analyses of equilibria and periodic solutions. The numerical simulations show that the implementation of the new approximating system is ten times more efficient than the one originally proposed in [Breda et al, SIAM Journal on Applied Dynamical Systems, 2016], as it avoids the numerical inversion of an algebraic equation.


翻译:我们通过普通差异方程式提出非线性更新方程式的近似值。 我们认为整合状态是绝对连续的,符合延迟差异方程式。 通过对差异方程式的抽象配方法应用假光谱法,我们获得了普通差异方程式的近似平衡系统。 我们为平衡和相关的特征根基提供了趋同证据,我们使用生态学和流行病学的一些模型来说明对平衡和周期解决方案进行数字对齐分析的方法的好处。 数字模拟显示,新近似系统的实施效率比[Breda 等人,SIM杂志《应用动态系统》,2016年]中最初提出的效率高出十倍,因为它避免了代数方程式的翻版。

0
下载
关闭预览

相关内容

专知会员服务
76+阅读 · 2021年3月16日
【经典书】贝叶斯编程,378页pdf,Bayesian Programming
专知会员服务
247+阅读 · 2020年5月18日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
《科学》(20190426出版)一周论文导读
科学网
5+阅读 · 2019年4月27日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机视觉领域顶会CVPR 2018 接受论文列表
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Arxiv
0+阅读 · 2021年5月13日
VIP会员
相关VIP内容
相关资讯
《科学》(20190426出版)一周论文导读
科学网
5+阅读 · 2019年4月27日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机视觉领域顶会CVPR 2018 接受论文列表
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员