Polynomial interpolation and Gaussian quadrature for matrix valued functions
将多项式插值和高斯求积推广至矩阵值函数,利用矩阵正交多项式的零点和根向量构造最高精度的求积公式。
1993-07-09 cs.NA math.CA math.NA
Convergence of Multilevel Stationary Gaussian Quasi-Interpolation
University of Leicester(莱斯特大学);Birkbeck, University of London(伦敦大学伯贝克学院)
本文提出了一种新的多级拟插值算法,用于光滑周期函数,使用缩放高斯函数作为基函数。通过分析基函数的解析性,首次给出了多级算法的误差估计,包含低次多项式截断项的收敛性和截断余项的控制。数值结果表明该方案收敛速度比理论预测更快。
2017-03-12 cs.NA math.NA
An Extension of the Exponential-type Error Bounds for Multiquadric and Gaussian Interpolations
本文将径向基函数中经典的指数型误差界从函数值误差扩展到导数误差,以适用于偏微分方程中的导数匹配需求。
2006-11-07 cs.NA math.NA
Quasi-interpolation using generalized Gaussian kernels
School of Big Data and Statistics, Anhui University(安徽大学大数据与统计学院);School of Mathematics and Statistics, Nanjing University of Science and Technology(南京理工大学数学与统计学院)
本文提出利用广义高斯核和周期化技术构建高阶拟插值方法,解决高维函数逼近问题,同时提出稀疏网格方法以缓解维度灾难。
2026-02-15 cs.NA math.NA
Univariate interpolation by exponential functions and gaussian RBFs for generic sets of nodes
Institute for Information Transmission Problems(信息传输问题研究所)
本文利用Harish-Chandra-Itzykson-Zuber公式推导了高斯径向基函数和指数函数在任意节点集上单变量插值的误差闭式表达式,并证明了对于足够大区域内的解析函数,插值具有指数收敛性;作为应用,证明了此类函数的期望改进优化方法具有全局指数收敛性。
2012-10-21 cs.NA math.NA math.OC
Hybrid Gaussian-cubic radial basis functions for scattered data interpolation
Indian Institute of Technology Kharagpur(印度理工学院卡拉格普尔分校);Hong Kong Baptist University(香港浸会大学);University of Texas at Austin(德克萨斯大学奥斯汀分校);Colorado School of Mines(科罗拉多矿业学院)
本文提出混合高斯-三次径向基函数以解决传统RBF在处理大数据集时的病态问题,通过粒子群优化确定最优参数,提升插值稳定性与精度。
2018-06-11 cs.NA math.NA
Fast multilevel sparse Gaussian kernels for high-dimensional approximation and integration
University of Leicester(莱斯特大学)
本文提出基于方向缩放张量积高斯核的快速多级算法,用于高维函数插值和高维积分计算,通过预计算一维基函数实现并行化插值与积分。
2015-01-14 cs.NA math.NA
Kernel-based interpolation at approximate Fekete points
我们构造近似Fekete点集的内核为基础的插值最大化的核格拉姆矩阵的行列式通过截断的正交扩展的内核。证明了核插值在结果点处的一致误差估计。如果内核是高斯,我们表明,在一维近似Fekete点是凸优化问题的解决方案,插值收敛的超指数率。数值例子提供了高斯核。
2020-06-22 cs.NA math.NA
On the High-Level Error Bound for Gaussian Interpolation
本文解决了Madych和Nelson提出的高斯插值误差界中常数C无法计算或近似的问题,给出了C的具体值。
2006-01-09 cs.NA math.NA
Doubling the rate -- improved error bounds for orthogonal projection with application to interpolation
本文推广了Schaback的速率翻倍现象,证明在适当条件下正交投影的$L_2$收敛速率对更光滑空间$B$中的函数可翻倍,并应用于核插值和径向基函数插值,改进了已知误差界。
2024-09-30 cs.NA math.NA
Mapping of coherent structures in parameterized flows by learning optimal transportation with Gaussian models
我们提出一个一般(即,独立的基本模式)插值技术的基础上的最佳运输高斯模型参数对流为主的问题。该方法依赖于一个标量测试函数来识别我们希望跟踪的相干结构;一个最大似然估计来识别相干结构的高斯模型;以及一个依赖于高斯分布之间的最佳传输映射的非线性插值策略。我们发现,众所周知的自相似解决方案可以重铸的最佳运输的框架,通过适当的重新调整,我们进一步提出了几个数值例子,以激励我们的建议,并评估优势和局限性,最后,我们讨论了一个扩展,以处理更复杂的问题。
2022-09-28 cs.NA math.NA
Convergence of Multilevel Stationary Gaussian Convolution
众所周知,当用高斯核近似时,多项式再现是不可能的。准插值方案已经开发出来,它使用有限数量的高斯在不同的尺度,然后再现多项式的低次\cite{beatson},从而实现多项式阶的收敛。同时,具有固定宽度的内核的插值遭受条件数的爆炸,并且来自所有数据点的信息影响任何一个数据点处的近似(没有局部化)。在\cite{HL1}的作者表明,对于周期性卷积的高斯内核,一个多层格式可以给订单的近似速度比任何多项式。在本文中,我们提出了一种新的多级拟插值算法,离散版本的算法在\cite{HL1},它模仿连续算法,单精度精度,并给出了良好的收敛速度有限的带周期函数。在本文中,我们解释了算法是如何工作的,以及为什么我们实现了我们所做的数值结果。开发的估计有两个部分,一个涉及的低次多项式截断项的收敛性和一个涉及的截断的其余部分的控制算法进行。
2020-01-23 cs.NA math.NA
Improved ParaDiag via low-rank updates and interpolation
针对含时线性PDE时空离散产生的矩阵方程,提出基于低秩修正的张量化Krylov子空间法和插值求解法两种改进ParaDiag的方法,无需迭代求精即可获高精度,经多类PDE验证性能优于现有方法。
2023-06-14 cs.NA math.NA
A New Selection Operator for the Discrete Empirical Interpolation Method -- improved a priori error bound and extensions
University of Zagreb(萨格勒布大学);Virginia Polytechnic Institute and State University(弗吉尼亚理工大学)
本文提出了一种新的构造离散经验插值法(DEIM)投影算子的框架,改进了DEIM投影误差的先验误差界,并扩展了其应用范围。
2015-10-31 cs.NA math.DS math.NA
Adaptive Basis Construction and Improved Error Estimation for Parametric Nonlinear Dynamical Systems
提出了一种参数非线性动力系统降阶模型的自适应生成方法。它的目的是自动化的POD-贪婪算法结合经验插值。在每次迭代中,能够自适应地确定用于基构造的约简基向量的数目和插值基向量的数目。所提出的技术是能够得到一个合适的匹配之间的减少的基础和插值基向量,使生成一个稳定的,紧凑的和可靠的降阶模型成为可能。这是通过在贪婪算法的每次迭代中自适应地添加新的基向量或去除不必要的基向量来实现的。有效的输出误差指示器在自适应方案中起着关键作用。我们还提出了一个改进的输出误差指标的基础上以前的工作。POD-贪婪算法收敛后,新的误差指标比现有的更尖锐,这意味着可以构建更可靠的降阶模型。所提出的方法进行了测试的几个非线性动力系统,即粘性Burgers方程和其他两个模型的化学工程。
2020-06-13 cs.NA math.NA
Stable evaluation of Gaussian radial basis functions using Hermite polynomials
Max-Planck-Institut für Plasmaphysik(马克斯·普朗克等离子体物理研究所);Technische Universitat München, Zentrum Mathematik(慕尼黑工业大学数学中心)
本文提出基于赫尔米特多项式的稳定评估算法,通过生成函数推导,简化参数选择并扩展至高维张量网格,适用于各向异性多变量基函数。
2017-09-07 cs.NA math.NA
Approximation of exponential-type functions on a uniform grid by shifts of a basis function
University of Leicester(莱斯特大学);Missouri State University(密苏里州立大学)
本文研究了在区间[0,1]上用位移后的核函数在等间距点处插值连续函数的问题,特别是通过引入与概率Hermite多项式相关的多项式,为解决一般插值问题提供新方法。
2017-03-05 cs.NA math.NA
A N-Body Solver for Free Mesh Interpolation
高斯径向基函数核的因式分解是为了在平坦的多项式极限中进行自由网格插值而开发的,该多项式极限对应于泰勒展开和几何矩的范德蒙基。使用这种谱近似,通过递归分解残差找到插值的自顶向下八叉树范围,类似于Drivel和Heryudono(2007)的工作,除了在当前方法中网格与低秩近似解耦,允许采样误差(网格)与表示误差(多项式阶)部分分离。然后,它是可能的,以证明大约5个数量级的改进,在自由网格插值误差的三维弗兰卡函数,相对于以前的基准。在$N$ -body方法的相关工作中,通过平方根迭代进行因式分解(Challacombe 2015),重点放在恒等式的解析上。
2015-10-31 cs.NA math.NA
Lasso trigonometric polynomial approximation for periodic function recovery in equidistant points
本文提出Lasso三角插值,利用$\ell_1$正则化在等距网格上构造稀疏三角多项式逼近,并从理论和数值上证明其$L_2$误差界优于经典三角插值,增强了对含噪数据的鲁棒性。
2023-09-21 cs.NA math.NA
Lipschitz-Guided Design of Interpolation Schedules in Generative Models
Department of Mathematics, University of California, Los Angeles, CA, USA(加州大学洛杉矶分校数学系);Machine Learning Lab, Capital Fund Management, Paris, France(Capital Fund Management机器学习实验室);Courant Institute, New York University, NY, USA(纽约大学Courant研究所);Now at University of Maryland, College Park, MD, USA(现在位于马里兰大学 College Park 分校)
本文研究了生成模型中插值调度的设计,从统计和数值角度出发,提出通过最小化漂移场的平均平方Lipschitz性来设计调度,以提升生成模型的稳定性与准确性。
2026-05-16 cs.LG cs.NA math.NA
Explicit barycentric weights for polynomial interpolation in the roots or extrema of classical orthogonal polynomials
K.U.Leuven(荷语鲁汶大学)
本文通过建立重心权重与高斯求积之间的联系,利用正交多项式的降算子,推导出包括Gauss-Radau和Gauss-Lobatto点在内的所有已知及新的重心权重显式公式,并基于Hale-Townsend的O(n)算法实现了O(n)计算方案。
2012-11-30 cs.NA math.CA math.NA
Nonnegative $C^2(\mathbb{R}^2)$ interpolation
在本文中,我们证明了两个改进的版本的非负$ C^2(\mathbb{R}^2) $插值,以前证明了Festhiman,以色列和Luli的直接性原则。第一个版本将有限性常数锐化为$ 64 $,第二个版本具有更好的计算实用性。同时,我们也给出了一维非负$ C^2 $插值的详细构造,并证明了保持非负性的有界线性$ C^2 $ -扩张算子的不存在性。
2020-07-30 cs.NA math.CA math.NA
Learning low-dimensional dynamical-system models from noisy frequency-response data with Loewner rational interpolation
University of Zagreb(萨格勒布大学);New York University(纽约大学)
Loewner有理插值提供了一个通用的工具,学习低维动力系统模型的频率响应测量。这项工作研究了鲁棒性的Loewner方法噪声。关键的发现是,如果测量被高斯噪声污染,则由于噪声引起的误差在某些条件下以高概率与标准差最多线性地增长。分析提供了见解,使Loewner方法通过线性变换和明智的选择测量对噪声的鲁棒性。数值结果表明,基准示例的误差线性增长。
2020-11-04 cs.LG cs.NA math.NA
Gaussian Process Regression under Computational and Epistemic Misspecification
本文提出统一理论框架,分析低秩、协方差稀疏及精度稀疏等核近似在高斯过程回归中的插值误差,并兼顾核参数的认知误设。
2024-10-03 cs.NA math.NA math.ST
Gaussian Process Subspace Regression for Model Reduction
子空间值函数出现在广泛的问题中,包括参数降阶建模(PROM)。在PROM中,每个参数点可以与一个子空间相关联,该子空间用于大型系统矩阵的Petrov-Galerkin投影。以前的努力近似这样的函数使用流形上的插值,这可能是不准确和缓慢的。为了解决这个问题,我们提出了一种新的贝叶斯非参数模型的子空间预测:高斯过程子空间回归(GPS)模型。该方法同时是外在和内在的:利用欧几里得空间上的多元高斯分布,它在格拉斯曼流形上导出了一个联合概率模型,该流形是固定维子空间的集合。GPS采用了简单而通用的相关结构和原则性的模型选择方法。它的预测分布承认的分析形式,这使得有效的子空间预测的参数空间。对于PROM,GPS在新的参数点提供概率预测,其保持局部降阶模型的精度,计算复杂性不依赖于系统维度,因此适合于在线计算。我们给出了四个数值例子来比较我们的方法,子空间插值,以及两种方法,内插局部降阶模型。总的来说,GPS是最有效的数据,更有效的计算比子空间插值,并给出了平滑的预测与不确定性量化。
2021-07-09 cs.NA math.NA math.ST