- Reading-num - Mailing list — Dipartimento di Matematica, UniPI

Ultima lezione del reading course su Model Order Reduction
by Stefano Massei 26 Jun '23

26 Jun '23

Cari tutti, domani si terrà l'ultima lezione del reading course su Model Order Reduction<https://numpi.dm.unipi.it/reading-course-in-numerical-analysis/> che riguarderà il tema basi ridotte. Data e orario: 27/06, 16:00 — 18:00, Aula Seminari Titolo lezione: An introduction to Reduced Basis Methods for stationary parametrized PDEs Speaker: Rafael Diaz Fuentes A presto, Stefano

1 0

Reading course on numerical analysis: prossime date
by Stefano Massei 17 May '23

17 May '23

Cari tutti, ecco l'aggiornamento del programma con le date dei prossimi seminari: * 23/05, 16:00 — 18:00, Aula Riunioni The Loewner framework Speaker: Igor Simunec, SNS * 06/06, 16:00 — 18:00, Aula Riunioni Symplectic Model Reduction of Hamiltonian Systems Speaker: Milo Viviani, SNS A presto, Stefano

1 0

Redaing course numerical analysis: Lezione spostata
by Stefano Massei 15 May '23

15 May '23

Cari tutti, la lezione di domani Martedi' 16 Maggio e' stata posticipata; a breve vi inoltreremo l'aggiornamento con le date dei prossimi appuntamenti. Cordiali saluti, Stefano

1 0

Reading course: seconda parte lezione di Santolo
by Stefano Massei 03 May '23

03 May '23

Cari tutti, il seguito della lezione di Santolo sul tema P.O.D. per controllo ottimo si terrà Lunedì 8 Maggio in aula riunioni dalle 14 alle 16. Ricordo che, in caso ci siano volontari, c'è spazio per un'ultima lezione sul tema basi ridotte (reduced basis) che è molto rilevante nell'ambito model reduction per PDE. Cordiali saluti, Stefano

1 0

Reminder: primo appuntamento 21/03
by Fabio Durastante 20 Mar '23

20 Mar '23

Buon giorno, *Domani* (21/03) dalle *16.00* alle 18.00 in *Aula Riunioni* si terrà il primo incontro del Reading Course ( /An Introduction to LTI systems and Balanced Truncation /Speaker: Angelo Casulli, SNS.). Le informazioni aggiornate sono sempre disponibili su: https://numpi.dm.unipi.it/reading-course-in-numerical-analysis/ Saluti, Fabio Durastante

1 0

Nuova edizione del reading course: model order reduction (21/03, 16:00, Aula Riunioni)
by Leonardo Robol 02 Mar '23

02 Mar '23

Buongiorno, a seguito del voto, l'argomento scelto per questa primavera sarà model order reduction; abbiamo impostato una bozza di programma e contattato alcuni di voi per iniziare (in modo da concedere il tempo per preparare il materiale): il primo incontro sarà il 21/03 alle 16:00, in Aula Riunioni. Trovate tutti i dettagli qui: https://numpi.dm.unipi.it/reading-course-in-numerical-analysis/ C'è ancora spazio per calendarizzare altri interventi (se siete desiderosi di presentare qualcosa non siate timidi, scriveteci!), sia verso la fine di maggio che inseriti fra quelli che abbiamo già previsto. A presto! -- Leonardo.

1 0

Reading course 2023
by Leonardo Robol 16 Feb '23

16 Feb '23

Car* partecipanti del reading course, dopo l'esperienza (speriamo) positiva di quest'autunno, vorremmo organizzarci per riprendere gli incontri in primavera. La prima cosa da fare è quella di scegliere un argomento che ci diverta. Dopo averci pensato un po' su, ci sembra che una tra le tre seguenti possibilità possa essere di interesse per diversi di noi. Ovviamente, se vi fa piacere potete aggiungerne di vostre inviandocele. Come limite di tempo vorremo fissarci questa settimana. * *Riemannian optimization*: some ci ottimizza una funzione obiettivo F(X) con X in qualche varietà Riemanniana (nella maggior parte dei casi, varietà di matrici con qualche struttura)? L'idea sarebbe di approfondire le tecniche collegate a questo problemi (calcolo concreto di piani tangenti e retrazioni, mappe esponenziali, ecc.), e di vedere un po' di applicazioni alla vita "reale" (low-rank approximation, Netflix problem, ...). * *Koopman operators*: Ora sempre di più di moda, gli operatori Koopman permettono di rappresentare sistemi dinamici nonlineari come sistemi dinamici equivalenti lineari, passando però ad un numero infinito di dimensioni. La teoria è sempre stata un po' fumosa ed euristica, ma di recente ci sono stati dei contributi che hanno permesso di precisare perché l'approccio funziona, e in parte di giustificare varie metodologie di model reduction. Ci piacerebbe capirci qualcosa di più. * *Model reduction*: Un argomento piuttosto standard di numerical linear algebra, di cui è sempre bene sapere qualcosa. Nella sua forma più essenziale, dato una ODE x' = Ax con x che vive in uno spazio "grande", possiamo "comprimerla" con un modellino molto più piccolo, che però contenga sufficiente informazione da essere di fatto indistinguibile da quello originale (a meno di un piccolo errore ammissibile, e considerato che le nostre osservazioni ed input al sistema sono limitate a pochi gradi di libertà)? Le tecniche che si usano si intrecciano con la low-rank approximation, di cui abbiamo abbondantemente parlato. Le uniremmo alle proposte che ci farete avere (non siate timidi!), e poi proporrei di votare, e scegliere di cosa occuparci. A presto! -- Leo, Fabio, Stefano.

1 1

Cambio di data, orario ed aula dell'ultima lezione del reading course
by Stefano Massei 15 Dec '22

15 Dec '22

Buonasera, in vista dei molti partecipanti con impedimenti per Lunedì 19 abbiamo deciso di spostare l'ultima lezione a Martedì 20 Dicembre alle ore 11:00, in aula magna. A presto, Stefano

1 0

Reminder: incontro di oggi
by Leonardo Robol 21 Nov '22

21 Nov '22

Buongiorno, vi ricordo l'appuntamento di oggi con il reading course, alle 14:00 in Aula Riunioni. Vi ricordo anche che c'è ancora l'ultimo slot (quello del 19/12) libero, chiunque abbia voglia di provare a raccontare qualcosa è più che bene accetto! A dopo, -- Leonardo.

1 0

Prossimo incontro: domani
by Leonardo Robol 06 Nov '22

06 Nov '22

Cari tutti e tutte, scrivo per ricordarvi il prossimo incontro del reading course il 7/11 (domani), sempre alle 14.00 in Aula Riunioni. Il tema sarà Blendenpik, un algoritmo per la risoluzione di problemi least-squares con tecniche randomizzate, che sarà raccontato da Chiara Faccio. A presto! -- Leonardo Robol.

1 0

2024

2023

2022

Reading-num