We propose a novel algorithmic method for constructing invariant variational schemes of systems of ordinary differential equations that are the Euler-Lagrange equations of a variational principle. The method is based on the invariantization of standard, non-invariant discrete Lagrangian functionals using equivariant moving frames. The invariant variational schemes are given by the Euler-Lagrange equations of the corresponding invariantized discrete Lagrangian functionals. We showcase this general method by constructing invariant variational schemes of ordinary differential equations that preserve variational and divergence symmetries of the associated continuous Lagrangians. Noether's theorem automatically implies that the resulting schemes are exactly conservative. Numerical simulations are carried out and show that these invariant variational schemes outperform standard numerical discretizations.


翻译:我们提出一种新的算法方法,用于构建普通差异方程式的无变式变换办法,即变式原则的Euler-Lagrange方程式。该方法基于使用等式移动框架的标准、非异离性Lagrangian功能的变换,由相应的变异离性Lagrangian函数的Euler-Lagrange方程式提供。我们通过构建普通差异方程式的变换办法展示了这一通用方法,这些变异办法维护了连续连续的Lagrangians的变异和差异对称。Noether的理论自动意味着由此产生的方案非常保守。进行了数值模拟,并表明这些变异性变异方案超越了标准数字离异化。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
【DeepMind】强化学习教程,83页ppt
专知会员服务
151+阅读 · 2020年8月7日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
神经网络的拓扑结构,TOPOLOGY OF DEEP NEURAL NETWORKS
专知会员服务
31+阅读 · 2020年4月15日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18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
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
6+阅读 · 2018年10月3日
VIP会员
相关VIP内容
相关资讯
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18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
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员