Publication

Second-order linear hyperbolic SPDEs driven by isotropic Gaussian noise on a sphere

Robert Dalang
2004
Journal Articles

Résumé

We study a class of linear hyperbolic stochastic partial differential equations in bounded domains, that includes the wave equation and the telegraph equation, driven by Gaussian noise that is white in time but not in space. We give necessary and sufficient conditions on the spatial correlation of the noise for the existence (and uniqueness) of square-integrable solutions. In the particular case where the domain is a ball and the noise is concentrated on a sphere, we characterize the isotropic Gaussian noises with this property. We also give explicit necessary and sufficient conditions when the domain is a hypercube and the Gaussian noise is concentrated on a hyperplane.

Source officielle

https://infoscience.epfl.ch/entities/publication/308bd64d-a7b9-48fa-9ddf-9ef16bf8cbc9

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.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Robert Dalang
2004
Journal Articles

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/308bd64d-a7b9-48fa-9ddf-9ef16bf8cbc9

À propos de ce résultat

Concepts associés (32)

Fonction gaussienne

vignette|Fonction gaussienne pour μ = 0, σ = 1 ; courbe centrée en zéro. Une fonction gaussienne est une fonction en exponentielle de l'opposé du carré de l'abscisse (une fonction en exp(-x)). Elle a une forme caractéristique de courbe en cloche. L'exemple le plus connu est la densité de probabilité de la loi normale où μ est l'espérance mathématique et σ est l'écart type. Les fonctions gaussiennes sont analytiques, de limite nulle en l'infini. La largeur à mi-hauteur H vaut la demi-largeur à mi-hauteur vaut donc environ 1,177·σ.

Processus gaussien

En théorie des probabilités et en statistiques, un processus gaussien est un processus stochastique (une collection de variables aléatoires avec un index temporel ou spatial) de telle sorte que chaque collection finie de ces variables aléatoires suit une loi normale multidimensionnelle ; c'est-à-dire que chaque combinaison linéaire est normalement distribuée. La distribution d'un processus gaussien est la loi jointe de toutes ces variables aléatoires. Ses réalisations sont donc des fonctions avec un domaine continu.

Bruit numérique

Dans une , on appelle bruit numérique toute fluctuation parasite ou dégradation que subit l'image de l'instant de son acquisition jusqu'à son enregistrement. Le bruit numérique est une notion générale à tout type d'image numérique, et ce quel que soit le type du capteur à l'origine de son acquisition (appareil photo numérique, scanner, caméra thermique...etc). Les sources de bruit numérique sont multiples, certaines sont physiques liées à la qualité de l’éclairage, de la scène, la température du capteur, la stabilité du capteur de l'image durant l'acquisition, d'autres apparaissent durant la numérisation de l'information.

Afficher plus

Publications associées (8)

Afficher plus

Second-order linear hyperbolic SPDEs driven by isotropic Gaussian noise on a sphere

Chattez avec Graph Search

Self-Calibrated Variance-Stabilizing Transformations for Real-World Image Denoising

Domain Adaptation and Investigation of Robustness of DNN-based Embeddings for Text-Independent Speaker Verification Using Dilated Residual Networks

MATHICSE Technical Report : Analysis and computation of the elastic wave equation with random coefficients