We introduce and analyse the first order Enlarged Enhancement Virtual Element Method (E$^2$VEM) for the Poisson problem. The method has the interesting property of allowing the definition of bilinear forms that do not require a stabilization term. We provide a proof of well-posedness and optimal order a priori error estimates. Numerical tests on convex and non-convex polygonal meshes confirm the theoretical convergence rates.


翻译:我们引入并分析Poisson问题的第一顺序“扩大增强虚拟元素方法(E$2$VEM) ” 。 该方法具有允许定义不需要稳定化术语的双线形式这一有趣的特性。 我们提供了证据,证明精密和最优顺序的先验误差估计。 对 convex 和非convex 多边形线的数值测试证实了理论趋同率 。

0
下载
关闭预览

相关内容

专知会员服务
35+阅读 · 2021年5月25日
专知会员服务
50+阅读 · 2020年12月14日
多标签学习的新趋势(2020 Survey)
专知会员服务
41+阅读 · 2020年12月6日
【MIT深度学习课程】深度序列建模,Deep Sequence Modeling
专知会员服务
77+阅读 · 2020年2月3日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
计算机类 | PLDI 2020等国际会议信息6条
Call4Papers
3+阅读 · 2019年7月8日
人工智能 | NIPS 2019等国际会议信息8条
Call4Papers
7+阅读 · 2019年3月21日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
计算机类 | LICS 2019等国际会议信息7条
Call4Papers
3+阅读 · 2018年12月17日
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年5月25日
VIP会员
Top
微信扫码咨询专知VIP会员