Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Graph
Search

Cours

MATH-351: Advanced numerical analysis II

Résumé

The student will learn state-of-the-art algorithms for solving differential equations. The analysis and implementation of these algorithms will be discussed in some detail.

Séances de cours

Enseignant·e

Marco Picasso

Source officielle

https://edu.epfl.ch/coursebook/fr/advanced-numerical-analysis-ii-MATH-351

Page Moodle

http://go.epfl.ch/MATH-351

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Résumé

The student will learn state-of-the-art algorithms for solving differential equations. The analysis and implementation of these algorithms will be discussed in some detail.

Séances de cours

Enseignant·e

Marco Picasso

Source officielle

https://edu.epfl.ch/coursebook/fr/advanced-numerical-analysis-ii-MATH-351

Page Moodle

http://go.epfl.ch/MATH-351

À propos de ce résultat

Séances de ce cours (51)

Méthode du gradient conjugué

Explore la méthode Conjugate Gradient pour résoudre les systèmes linéaires et introduit les méthodes Quasi-Newton et les mises à jour de rang 2.

Numerics: projet de semestre

Couvre le projet de semestre sur les chiffres, en se concentrant sur les algorithmes adaptatifs et les méthodes multi-étapes.

Théorie du contrôle optimal

Introduit une théorie de contrôle optimale, couvrant les modèles, la discrétisation, les mesures, les conditions lagrangiennes, KKT et l'invertibilité.

Techniques d'optimisation

Couvre les techniques d'optimisation, les quiz et les exercices de notation dans les applications mathématiques.

Optimisation conjuguée des gradients

Explore l'optimisation Conjugate Gradient, couvrant les cas quadratiques et non linéaires, les conditions Wolfe, BFGS, les algorithmes CG et la symétrie matricielle.

Afficher plus

Cours associés (30)

PHYS-467: Machine learning for physicists

Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practised. ...

CS-101: Advanced information, computation, communication I

Discrete mathematics is a discipline with applications to almost all areas of study. It provides a set of indispensable tools to computer science in particular. This course reviews (familiar) topics as diverse as mathematical reasoning, combinatorics, disc ...

EE-556: Mathematics of data: from theory to computation

This course provides an overview of key advances in continuous optimization and statistical analysis for machine learning. We review recent learning formulations and models as well as their guarantees

ME-411: Mechanics of slender structures

Analysis of the mechanical response and deformation of slender structural elements. ...

MATH-451: Numerical approximation of PDEs

The course is about the derivation, theoretical analysis and implementation of the finite element method for the numerical approximation of partial differential equations in one and two space dimensions. ...

Afficher plus