We present variational approximations of boundary value problems for curvature flow and elastic flow in two-dimensional Riemannian manifolds that are conformally flat. For the evolving open curves we propose natural boundary conditions that respect the appropriate gradient flow structure. Based on suitable weak formulations we introduce finite element approximations using piecewise linear elements. For some of the schemes a stability result can be shown. The derived schemes can be employed in very different contexts. For example, we apply the schemes to the Angenent metric in order to numerically compute rotationally symmetric self-shrinkers for the mean curvature flow. Furthermore, we utilise the schemes to compute geodesics that are relevant for optimal interface profiles in multi-component phase field models.


翻译:我们展示了两维的里伊曼式平流体的曲线曲线曲线和弹性流的边界值问题差异近似值。 对于不断演变的开阔曲线,我们提出尊重适当的梯度流结构的自然边界条件。基于适当的弱化配方,我们采用小片线性元素来引入有限元素近近近值。对于某些计划,可以显示一个稳定性结果。衍生的图例可以在非常不同的环境下使用。例如,我们将这些图例应用于动能度,以便用数字来计算平均曲线流的旋转对称自略器。此外,我们利用这些图例来计算与多构件阶段实地模型的最佳界面剖面图相关的大地学特征。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
【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
【新书】贝叶斯网络进展与新应用,附全书下载
专知会员服务
119+阅读 · 2019年12月9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
【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
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
R语言数据挖掘利器:Rattle包
R语言中文社区
21+阅读 · 2018年11月17日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30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
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年2月3日
VIP会员
相关VIP内容
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
R语言数据挖掘利器:Rattle包
R语言中文社区
21+阅读 · 2018年11月17日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30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
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6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