Визит профессора К.Суаза (Университет Париж-Восток, Франция)

C 02 по 09 июня 2012 г. Пермь и Пермский государственный национальный исследовательский университет посетит Кристиан Суаз (C.Soize), профессор Университета Париж-Восток (Франция), директор Multi-Scale Modeling and Simulation Laboratory этого университета.

 

За время своего пребывания  профессор К.Суаз проведёт ряд открытых лекций и семинаров для студентов, аспирантов и сотрудников ПГНИУ. Лекции будут проходить на английском языке. Целевая аудитория: математики, механики, физики. Содержание лекций будет полезно и другим специалистам, использующим или желающим применять прикладные методы теории случайных процессов и полей в своих исследованиях. Приглашаются студенты, аспиранты и сотрудники ПГНИУ, а также все желающие.

 

Расписание лекций

 

04 июня 2012 г. в 15.15 в ауд. 202н (новый корпус):

Фундаментальные вероятностные инструменты  для стохастического моделирования неопределенностей

[Fundamental probabilistic tools for stochastic modeling of uncertainties]

 

05 июня 2012 г. в 15.15 в ауд. 202н (новый корпус):

Вероятностные модели неопределенностей в вычислительной структурной динамике и структурной акустике

[Fundamental probabilistic tools for stochastic modeling of uncertainties]

 

07 июня 2012 г. в 15.15 в ауд. 202н (новый корпус):

Стохастические модели случайных полей и их идентификация с использованием частных и ограниченных экспериментальных данных на основе решения краевых задач. Часть 1. Семейство предварительных алгебраических вероятностных моделей тензоро-значных случайных полей для мезомасштабной стохастической модели анизотропной вязкой микроструктуры

[Stochastic models for random fields and their identification using partial and limited experimental data through boundary value problems. PART I: A family of prior algebraic probability models of tensor-valued random fields for meso-scale stochastic model of anisotropic elastic microstructure]

 

08 июня 2012 г. в 15.15 в ауд. 202н (новый корпус):

Стохастические модели случайных полей и их идентификация с использованием частных и ограниченных экспериментальных данных на основе решения краевых задач. Часть 2. Идентификация полиномиальных хаотических разложений высокой размерности тензоро-значных случайных полей из ограниченных наблюдений откликов решений краевых задач

[Stochastic models for random fields and their identification using partial and limited experimental data through  boundary value problems.  PART II: Identification of high-dimension polynomial chaos expansions of tensor-valued random fields from limited observed responses of  boundary value problems]

 

На протяжении всего визита с 04 по 08 июня проф. К.Суаз будет доступен для консультаций в Центре образовательных и научных обменов (ауд. 324н, новый корпус). Подробная информация о лекциях и актуальная информация о смене аудиторий доступна на новостных лентах сайта http://www.psu.ru.

 

 

Подробнее о лекциях:

 

04 июня 2012 г. в 15.15 в ауд. 512н (новый корпус): публичная лекция на тему Фундаментальные вероятностные инструменты для стохастического моделирования неопределенностей

Модельная система используется для представления реальной системы и для разработки идеальной вычислительной модели на основе математико-механической модели, целью которой является предсказание поведения реальной технической системы в окружающей среде. Такая система, помещенная в некоторую среду, может изменять свою реакцию из-за флуктуаций производственных процессов и малых вариаций параметров объекта около их номинальных значений (случайные конструкционные и технологические параметры). Идеальная модель, которая является результатом процесса математико-механического моделирования, имеет параметры, которые также могут быть неопределенными. С другой стороны, при моделировании обязательно возникают модельные ошибки (неопределенности). Важно учесть и те, и другие для того, чтобы усовершенствовать вычислительную модель, например, для целей робастной оптимизации, конструирования и модернизации по отношению к неопределенностям. К настоящему времени стало совершенно ясным, что в случае применимости вероятностной теории соответствующий подход к анализу неопределенностей будет безусловно наиболее мощным, результативным и эффективным инструментом для моделирования и решения прямых и обратных задач анализа неопределенностей.

 

05 июня 2012 г. в 15.15 в ауд. 512н (новый корпус): публичная лекция на тему Вероятностные модели неопределенностей в вычислительной структурной динамике и структурной акустике

Излагается новый обобщенный вероятностный подход, который допускает независимое моделирование неопределенностей, связанных с параметрами модели, и ошибками моделирования. Подобные проблемы возникают в вычислительных динамических моделях линейных и нелинейных объектов структурной динамики, структурной акустики, виброакустики и др. Существует множество методов решения этих задач, которые можно разделить на два класса: детерминистические и вероятностные. Построение вероятностной модели неопределенностей является фундаментальной проблемой, которая должна быть аккуратно решена для получения качественной вычислительной модели.

 

07 и 08 июня 2012 г. в 15.15 в ауд. 512н (новый корпус): публичные лекции на тему Стохастические модели случайных полей и их идентификация с использованием частных и ограниченных экспериментальных данных на основе решения краевых задач. Часть 1. Семейство предварительных алгебраических вероятностных моделей тензоро-значных случайных полей для мезомасштабной стохастической модели анизотропной вязкой микроструктуры. Часть 2. Идентификация полиномиальных хаотических разложений высокой размерности тензоро-значных случайных полей из ограниченных наблюдений откликов решений краевых задач

Рассматривается байесовская идентификация случайных коэффициентов полиномиальных хаотических разложений (ПХР) высокой размерности тензоро-значных негауссовских случайных полей. Набор экспериментальных данных соответствует вектору наблюдений, который является решением краевой задачи, зависящей от идентифицируемого случайного поля. Это требует решения обратной задачи. Данная методология необходима для анализа важнейших проблем, а процедура решения поставленной задачи может быть разбита на следуюшщие этапы: (1) построение семейства Prior Algebraic Stochastic Model (PASM, первичных алгебраических стохастических моделей), (2) идентификация оптимальной PASM из семейства с использованием частных и ограниченных экспериментальных данных, (3) поиск оптимальной PASM ограниченного порядка, (4) построение ПХР высокой размерности с детерминистическими векторными коэффициентами из оптимальной PASM ограниченного порядка, (5) замена этих коэффициентов векторными случайными для расширения возможностей ПХР представлять экспериментальные данные, по которым может быть идентифицирована совместная плотность вероятности, (6) построение первичной вероятностной модели с использованием этих векторных случайных коэффициентов, (7) идентификация апостериорной вероятностной модели на ограниченном числе данных на основе решения стохастической краевой задачи.

 

Скачать:

Биографию К. Суаза

Объявление

Программу пребывания

Поделиться информацией: