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

Publication

Residual-based a posteriori error estimation for contact problems approximated by Nitsche's method

Mathieu Jonathan Fabre
2018
Journal Articles

Résumé

We introduce a residual-based a posteriori error estimator for contact problems in two- and three-dimensional linear elasticity, discretized with linear and quadratic finite elements and Nitsche’s method. Efficiency and reliability of the estimator are proved under a saturation assumption. Numerical experiments illustrate the theoretical properties and the good performance of the estimator.

Source officielle

Mathieu Jonathan Fabre
2018
Journal Articles

Résumé

Source officielle

Concepts associés (27)

Bayes estimator

In estimation theory and decision theory, a Bayes estimator or a Bayes action is an estimator or decision rule that minimizes the posterior expected value of a loss function (i.e., the posterior expected loss). Equivalently, it maximizes the posterior expectation of a utility function. An alternative way of formulating an estimator within Bayesian statistics is maximum a posteriori estimation. Suppose an unknown parameter is known to have a prior distribution .

Estimateur (statistique)

En statistique, un estimateur est une fonction permettant d'estimer un moment d'une loi de probabilité (comme son espérance ou sa variance). Il peut par exemple servir à estimer certaines caractéristiques d'une population totale à partir de données obtenues sur un échantillon comme lors d'un sondage. La définition et l'utilisation de tels estimateurs constitue la statistique inférentielle. La qualité des estimateurs s'exprime par leur convergence, leur biais, leur efficacité et leur robustesse.

Maximum a posteriori

L'estimateur du maximum a posteriori (MAP), tout comme la méthode du maximum de vraisemblance, est une méthode pouvant être utilisée afin d'estimer un certain nombre de paramètres inconnus, comme les paramètres d'une densité de probabilité, reliés à un échantillon donné. Cette méthode est très liée au maximum de vraisemblance mais en diffère toutefois par la possibilité de prendre en compte un a priori non uniforme sur les paramètres à estimer.

Afficher plus

Publications associées (32)

Afficher plus

Residual-based a posteriori error estimation for contact problems approximated by Nitsche's method

Graph Chatbot

Stability: a search for structure

Statistical Inference for Inverse Problems: From Sparsity-Based Methods to Neural Networks

Anisotropic Adaptive Finite Elements for a p-Laplacian Problem