We devise and analyze $C^0$-conforming hybrid high-order (HHO) methods to approximate biharmonic problems with either clamped or simply supported boundary conditions. $C^0$-conforming HHO methods hinge on cell unknowns which are $C^0$-conforming polynomials of order $(k+2)$ approximating the solution in the mesh cells and on face unknowns which are polynomials of order $k\ge0$ approximating the normal derivative of the solution on the mesh skeleton. Such methods deliver $O(h^{k+1})$ $H^2$-error estimates for smooth solutions. An important novelty in the error analysis is to lower the minimal regularity requirement on the exact solution. The technique to achieve this has broader applicability than just $C^0$-conforming HHO methods, and to illustrate this point, we outline the error analysis for the well-known $C^0$-conforming interior penalty discontinuous Galerkin (IPDG) methods as well. The present technique does not require bubble functions or a $C^1$-smoother to evaluate the right-hand side in case of rough loads. Finally, numerical results including comparisons to various existing methods showcase the efficiency of the proposed $C^0$-conforming HHO methods.


翻译:我们设计并分析$C$0的匹配混合高顺序(HHO)方法,用夹紧或简单支持的边界条件来近似双调问题。$C$0的匹配HHHO方法取决于细胞未知值,这些未知值相当于$C$0的匹配多义顺序(k+2)美元,这相当于网格单元格和面相异的混合混合混合混合高顺序($kge0)的解决方案的解决方案,大约相当于$K$0美元。这种方法为平滑解决方案提供$O(h ⁇ k+1})$HC$2$-eror估计数。错误分析中的一个重要新颖之处是降低精确解决方案的最低常规性要求。实现这一方法的适用范围大于仅仅$C$0的匹配HHHHHO方法,并且为了说明这一点,我们概述了对众所周知的异式加勒金(IPDG$0+1美元)对异式内装加勒金(IPDG$)的正常衍生法的错误分析。目前技术要求的气泡化方法或数字式格式,包括目前的HC格式格式,最后要求各种方法。

0
下载
关闭预览

相关内容

剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11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
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
全球首个GNN为主的AI创业公司,募资$18.5 million!
图与推荐
1+阅读 · 2022年4月16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
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
R工程化—Rest API 之plumber包
R语言中文社区
11+阅读 · 2018年12月25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
【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
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年8月18日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Relative Sparsity for Medical Decision Problems
Arxiv
0+阅读 · 2023年3月31日
Arxiv
12+阅读 · 2021年3月24日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
全球首个GNN为主的AI创业公司,募资$18.5 million!
图与推荐
1+阅读 · 2022年4月16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
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
R工程化—Rest API 之plumber包
R语言中文社区
11+阅读 · 2018年12月25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
【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
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年8月18日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员