Wind Field Reconstruction with Adaptive Random Fourier Features
我们调查使用空间插值方法重建水平近地面风场给定稀疏的测量。特别是,随机傅立叶特征相比,一组基准方法,包括克里格和反距离加权。随机傅立叶特征是近似速度场的线性模型$β(\pmb x) = \sum_{k=1}^K β_k e^{iω_k \pmb x}$,其中频率$ω_k$被随机采样并且幅度$β_k$被训练以使损失函数最小化。我们包括一个物理动机的发散惩罚项$|\nabla \cdot β(\pmb x)|^2$,以及Sobolev范数的惩罚。我们推导出的泛化误差的界限,并得出一个采样密度,最大限度地减少了边界。根据(arXiv:2007.10683 [math.NA]),我们设计了一种自适应Metropolis-Hastings算法,用于对最优分布的频率进行采样。在我们的实验中,我们的随机傅立叶特征模型优于基准模型。
2021-02-04 cs.NA math.NA stat.AP
Exact calculation of Fourier series in nonconforming spectral-element methods
提出一种方法,基于多维非协调谱元上的节点值,精确计算全局傅里叶级数系数,且不引入超过计算机舍入误差的额外近似。
2005-07-20 cs.NA math.NA
A Localized Core-Tail Fourier-Laguerre Frame Method with Adaptive Frequency Detection for Unbounded-Domain Problems
School of Mathematics and Statistics, Shandong University of Technology(山东理工大学数学与统计学院)
本文提出一种局部核心-尾部傅里叶-拉盖尔框架方法,将实线域分解为核心与半无限尾部,分别用傅里叶延拓和调制拉盖尔框架处理,并引入自适应频率检测,实现无界域问题的高精度逼近。
2026-09-24 cs.NA math.NA
Analysis of an Adaptive Short-Time Fourier Transform-Based Multicomponent Signal Separation Method Derived from Linear Chirp Local Approximation
同步压缩变换(SST)是一种类似EMD的非平稳多分量信号瞬时频率估计和分量分离的有效方法。近年来,时频分析方法中的一种直接法--信号分离操作(SSO)被引入到多分量信号的分离中。虽然SST和SSO在IF估计上都是数学上严格的,但SSO避免了两步SST方法中的第二步(模态反演)。此外,SSO是简单的:一个组件的IF估计的SSO平面的时频脊;和这个组件是恢复通过简单地插入SSO操作的时频脊。在最近的论文“Direct signal separation via extraction of local frequencies with adaptive time-varying parameters”中,在示出SSO操作与自适应短时傅里叶变换(STFT)相关之后,由线性啁啾导出了更为精确的分量恢复公式(也称为线性调频信号)在任何本地时间的近似,他们还提出了一种恢复方案,以提取信号分量一个接一个的时变窗口更新为每个组件。然而,从线性啁啾局域近似导出的恢复公式的理论分析还没有研究。在本文中,我们进行这样的分析,并获得误差界的中频估计和成分恢复。这些结果为提出的基于STFT的自适应非平稳多分量信号分离方法提供了数学保证。
2020-10-21 cs.NA math.NA
Aspects of 2D-Adaptive Fourier Decompositions
University of Macau(澳门大学);University of South Carolina(南卡罗来纳大学);China Jiliang University(中国计量大学)
本文研究多维AFD的数值特性,特别是二维AFD,包括多种二维AFD的数值算法、五种傅里叶类图像重建方法的实验比较,以及正交贪婪算法和预正交贪婪算法的收敛率估计。
2017-10-24 cs.NA math.CV math.NA
An Adaptive Algorithm Employing Continuous Linear Functionals
Misericordia University(密西里科大学);Illinois Institute of Technology(伊利诺伊理工学院)
本文提出了一种自适应算法,用于在Hilbert空间上近似一般的线性问题,利用输入函数的连续线性泛函(具体为傅里叶系数)来保证误差容忍度,且不需事先知道被近似函数的范数。
2018-09-27 cs.NA math.NA
Adaptive Multidimensional Integration Based on Rank-1 Lattices
Illinois Institute of Technology(伊利诺伊理工学院)
本文提出基于离散傅里叶系数的误差界,利用秩1格点进行自适应积分,计算复杂度为O(mb^m),适用于具有快速衰减傅里叶系数的积分函数。
2015-10-24 cs.NA math.NA
Adaptive Deep Fourier Residual method via overlapping domain decomposition
本文结合传统区域分解思想扩展深度傅里叶残差(DFR)方法,使其能解决一般多边形区域问题,并引入Dofler标记算法实现测试空间自适应细化,在保持损失函数与H1误差等价性的同时以更低计算成本逼近奇异解。
2024-01-10 cs.NA math.NA
Fast Adaptive Fourier Integration for Spectral Densities of Gaussian Processes
本文提出一种结合高阶面板求积、非均匀快速傅里叶变换和Nyquist启发式面板选择的自适应积分框架,可从任意连续可积谱密度在数百万不规则位置高效计算高斯过程协方差函数及其导数,并成功应用于长记忆谱模型的风速最大似然估计。
2024-04-29 cs.NA math.NA stat.CO
A Deterministic Sub-linear Time Sparse Fourier Algorithm via Non-adaptive Compressed Sensing Methods
University of Michigan(密歇根大学)
针对频率稀疏信号,提出一种确定性的亚线性时间稀疏傅里叶变换算法,通过改进Cormode和Muthukrishnan的确定性压缩感知方法,实现无失败概率的B项傅里叶表示估计。
2007-08-09 cs.DM cs.NA math.NA
Fast adaptive tubal rank-revealing algorithm for t-product based tensor approximation
本文提出一种自适应随机算法,用于揭示数据张量的管秩并高效计算低管秩近似,无需预知管秩或傅里叶域奇异值,在图像处理和背景建模任务中验证了有效性。
2025-08-12 cs.NA math.NA
Fast algorithm of adaptive Fourier series
School of Mathematics (Zhuhai), Sun Yat-Sen University(中山大学数学学院(珠海));CIDMA, Department of Mathematics, University of Aveiro(阿威罗大学数学系);Department of Mathematics, University of Macau(澳门大学数学系)
本文提出一种将FFT算法融入1-D AFD的快速自适应傅里叶分解方法,将复杂度从O(MN²)降至O(MNlog₂N),显著提升了AFD的应用性,并通过实验验证了其高效性。
2017-11-23 cs.NA math.CV math.NA
Optimal Damping with Hierarchical Adaptive Quadrature for Efficient Fourier Pricing of Multi-Asset Options in Lévy Models
本文针对Lévy模型中多资产欧式期权定价的高维数值积分难题,提出结合优化阻尼参数选择与稀疏化维度自适应技术的傅里叶求积方法,在篮子与彩虹期权上验证了其相较COS方法和蒙特卡洛方法的计算效率优势。
2023-10-05 cs.NA math.NA q-fin.CP
The uniform sparse FFT with application to PDEs with random coefficients
我们开发了均匀稀疏快速傅里叶变换(usFFT),一个有效的,非侵入性的,自适应算法的椭圆偏微分方程的解决方案与随机系数。该算法是稀疏快速傅里叶变换(sFFT)的一种改进,它是一种维数递增的算法,它试图在给定的搜索域中检测最重要的频率,从而自适应地生成与函数的近似最大傅里叶系数相对应的合适的傅里叶基。usFFT可以通过w.r.t. PDE的随机域同时用于多个固定空间节点,例如,有限元网格的节点。在每个维度增量中加入检测到的频率集的关键思想导致傅立叶近似空间,该空间均匀地适合所有这些空间节点。由于所需的样本量显著小于仅使用其他算法,该策略允许更快且更有效的计算,例如,每个空间节点的sFFT分别。我们测试的usFFT为不同的例子,使用周期,仿射和对数正态随机系数的PDE问题。
2022-09-02 cs.NA math.NA
Adaptive Randomized Pivoting for Tensor Cross Approximation in the T-Product Framework
Innopolis University(因诺波利斯大学);Université de Mons(蒙斯大学)
本文扩展矩阵自适应随机主元法到t-乘积框架下的张量,提出两种构造:ARP-T-CUR独立选取傅里叶域切片,T-ARP选取公共侧向和水平切片,并证明期望误差界。
2026-09-09 cs.NA math.NA
Adaptive local representations for Helmholtz Trefftz discontinuous Galerkin methods
Texas A&M University(德克萨斯农工大学)
本研究针对Helmholtz方程的Trefftz间断伽辽金方法,提出基于缩放Cauchy迹内积的自适应局部逼近空间选择与稳定实现,通过ESPRIT识别传播与倏逝分量,并验证了精确恢复与误差传递。
2026-09-14 cs.NA math.NA
Adaptive synchrosqueezing based on a quilted short-time Fourier transform
本文提出一种基于拼接短时傅里叶变换的自适应同步压缩变换,通过多窗口适应不同时间频率区域的行为,提升信号分析精度,尤其在噪声环境下表现优异,并应用于动物叫声分析。
2017-09-18 cs.NA cs.SD math.NA
Singular Value-based Atmospheric Tomography with Fourier Domain Regularization (SAFR)
Johann Radon Institute(约翰·拉德诺研究所);Johannes Kepler University Linz, Institute of Industrial Mathematics(林茨约翰·开普勒大学工业数学研究所)
本文提出一种基于奇异值分解的快速大气层 tomography 算法,通过傅里叶变换和预计算减少计算量,适用于多共轭自适应光学系统。
2026-04-20 astro-ph.IM cs.NA math.NA
Fast numerical derivatives based on multi-interval Fourier extension
针对有界区间含噪均匀采样数据的稳定数值微分问题,提出结合多区间 Fourier 延拓与自适应递归二分的快速算法,显著提升导数重构精度与计算效率。
2025-08-28 cs.NA math.NA
High-Dimensional Sparse Fourier Algorithms
在本文中,我们讨论了发展的一个次线性稀疏傅立叶算法的高维数据。在D. Lawlor,Y. Wang和A. Christlieb(2013),针对带宽为$N$的信号开发了一种用于一维稀疏FFT的具有$Θ(k\log k)$平均情况运行时间和$Θ(k)$平均情况采样复杂度的高效算法,其中$k$是显著模式的数量,使得$k\ll N$。在这项工作中,我们开发了一个有效的算法,稀疏FFT的高维信号,扩展了上述文件中的一些想法。注意,高维信号总是可以被展开成一维信号,但是当维度变大时,将高维信号展开成一维阵列太昂贵而不现实。我们的方法在这里引入了两个新的概念:“部分展开”和“倾斜”。这两个想法使我们能够有效地计算高维信号的稀疏FFT。
2019-07-01 cs.NA math.NA
AFD Types Sparse Representations vs. the Karhunen-Loeve Expansion for Decomposing Stochastic Processes
介绍了自适应傅立叶分解(AFD)类方法,重点介绍了可应用于随机过程和随机场的自适应傅立叶分解,主要包括随机自适应傅立叶分解和随机预正交自适应傅立叶分解。我们建立了基于协变函数的算法,并证明了它们具有与Karhunen-Loève(KL)分解相同的收敛速度。AFD型方法与KL分解进行了比较。与后者相比,AFD型方法不需要计算由协方差函数诱导的核积分算子的特征值和特征函数,从而大大降低了计算复杂度和计算机消耗。各种字典提供AFD灵活性,以解决各种各样的问题,包括不同类型的确定性和随机方程。进行的实验表明,除了数值方便和快速收敛,AFD型分解优于KL型在描述局部细节,尽管后者的全局最优。
2022-07-08 cs.NA math.FA math.NA
Accelerating Phase Field Simulations Through a Hybrid Adaptive Fourier Neural Operator with U-Net Backbone
Sandia National Laboratories(桑迪亚国家实验室);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);University of California, Berkeley(加州大学伯克利分校);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
本文提出U-AFNO模型,结合U-Net局部特征提取与傅里叶空间视觉Transformer,用于加速液态金属脱合金相场模拟,在完全自回归设置下准确预测场动力学并优于混合方案。
2024-07-08 cs.CE cs.CV cs.LG
Prony-Based Super-Resolution Phase Retrieval of Sparse, Multivariate Signals
相位恢复包括从其通常复值傅里叶变换的无相测量中恢复未知信号。在没有进一步假设的情况下,该问题是众所周知的严重病态,使得真实信号的恢复几乎是不可能的。在某些应用中,如晶体学、天文学中的散斑成像或通信中的盲信道估计,未知信号具有特定的稀疏结构。在本文中,我们利用这些稀疏结构来恢复未知信号唯一的不可避免的模糊性,如全球相移,过渡,共轭反射。虽然使用一个建设性的证明基本上是基于Prony的方法,我们的重点在于使用自适应采样方案的多变量信号的恢复保证的推导。代替对整个多变量傅立叶强度进行采样,我们仅采用沿着某些自适应选择的线的傅立叶样本。对于双变量信号,可以为通用方向上的样本建立类似的结果。这里的样本数量与未知信号的稀疏程度成二次方。
2023-01-18 cs.IT cs.NA math.IT
Improved Approximation Guarantees for Sublinear-Time Fourier Algorithms
本文对文献[14]中的稀疏傅里叶变换算法作了改进,改进了原算法的近似误差界。此外,简单的方法,用于扩展改进的稀疏傅里叶变换,以更高的维度设置开发。因此,获得近似傅里叶变换,其将识别对于任何给定输入函数$f : [0, 2 pi] -> C, in O(k^2 \cdot D^4)$时间(忽略对数因子)的接近最优的k项傅里叶级数。更快的随机傅立叶算法的变种与运行时的复杂性,在稀疏参数k线性缩放。
2010-09-30 cs.NA math.NA
An adaptive finite element method for high-frequency scattering problems with smoothly varying coefficients
介绍了一种求解时谐声散射问题的新的数值方法。主要的焦点是平面波散射的平滑变化的材料不均匀性。所提出的方法适用于任何频率$ω$,但特别是高频率的问题是有效的。它是基于一个时域的方法,由三个步骤组成:\emph{i)}计算一个合适的传入平面小波与紧凑的支持在传播方向; \emph{ii)}解决散射问题,在时域传入平面小波; \emph{iii)}重建的时间-调和解从时域解决方案通过傅里叶变换在时间。新方法的一个重要组成部分是一个前跟踪网格自适应算法解决问题的\emph{ii)}。通过利用波前的有限支持,这允许我们使达到给定精度所需的自由度的数量显著更少地依赖于频率$ω$。我们还提出了一种新的算法,用于计算傅里叶变换的\emph{iii)},利用相应的自适应网格的自由度减少。数值算例表明,该方法的优点和事实,该方法也可以适用于外部源项,如点源和软声散射体。然而,所获得的效率在存在捕获模式的情况下是有限的。
2022-01-12 cs.NA math.NA
No-Trick (Treat) Kernel Adaptive Filtering using Deterministic Features
University of Florida(佛罗里达大学)
核方法形成了一个强大的,通用的,理论上有基础的统一框架,以解决信号处理和机器学习中的非线性问题。标准方法依赖于核技巧来执行核函数的成对评估,由于其相对于训练数据的线性和超线性增长,这导致了大型数据集的可扩展性问题。解决这个问题的一种流行方法,称为随机傅立叶特征(RFFs),从分布中采样以获得更高有限维特征空间的数据独立基础,其中其点积近似于核函数。最近,确定性,而不是随机结构已被证明优于RFF,通过近似的内核在频域中使用高斯正交。在本文中,我们认为这些显式映射的点积不是一个近似,但作为一个等价的正定核,导致一个新的有限维再生核希尔伯特空间(RKHS)。这为可扩展和鲁棒的无技巧(NT)在线内核自适应滤波(KAF)打开了大门。随机特征在性能上容易出现较大的差异,尤其是对于较小的维度。在这里,我们重点关注基于多项式精确解的确定性特征地图构建,并展示它们相对于随机构建的优越性。在不失一般性的情况下,我们将这种方法应用于经典的自适应滤波算法,并验证了该方法,以表明确定性特征的生成速度更快,并且优于基于随机傅立叶特征的最先进的核方法。
2019-12-10 cs.LG cs.NA math.NA
Adaptive multipliers for extrapolation in frequency
本文研究紧支撑函数的频率外推问题,通过引入频率膨胀和单个Fourier乘子向更大有界集外推,提出最坏情况最优乘子并证明其规范结构,引入$Σ$-乘子族建立与多分辨率分析的联系。
2025-01-28 cs.NA eess.SP math.FA