A posteriori error estimates with point sources in fractional Sobolev spaces
Universität Stuttgart(斯图加特大学);Instituto de Matemática Aplicada del Litoral (CONICET-UNL) and Facultad de Ingeniería Química, Universidad Nacional del Litoral(国立里奥内格拉学院应用数学研究所(CONICET-UNL)和化学工程学院);Dipartimento di Matematica, Unversità degli Studi di Milano(米兰大学数学系)
本文研究了带有有限个加权狄拉克质量作为源项的泊松方程及其有限元离散化,在分数Sobolev空间中提出残差型后验估率,并证明其在二维多边形域上可靠且局部有效。
2015-07-29 cs.NA math.NA
On the optimality of target-data-dependent kernel greedy interpolation in Sobolev Reproducing Kernel Hilbert Spaces
本文利用一般贪心算法的新结果完善核贪心插值收敛理论,证明P-greedy达到最优收敛率,且自适应f-greedy同样最优。
2023-07-19 cs.NA math.NA
A space-time adaptive low-rank method for high-dimensional parabolic partial differential equations
本研究提出一种结合时间稀疏小波展开与空间自适应低秩近似的高维抛物型偏微分方程自适应方法,证明其收敛性与复杂度优势,还可生成可计算的严格后验误差界,并通过数值实验验证结果。
2024-02-01 cs.NA math.NA
Tensor Rank bounds for Point Singularities in $\mathbb{R}^3$
我们分析率的近似量化,张量结构表示的孤立点奇点的功能在${\mathbb R}^3$。我们考虑可数赋范索伯列夫空间中具有径向权和加权半范数的解析或Gevrey型控制的函数。讨论了科学和工程中的几类边值问题和本征值问题,它们的解属于可数赋范空间。结果表明,量化,张量结构的近似函数在这些类中表现出张量的行列有界多项式相对于精度$ε\in(0,1)$在Sobolev空间$H^1$。我们证明了三种特定类型的量化张量分解:量化张量训练(QTT),转置QTT和塔克QTT的指数收敛速度。此外,分片分解的边界是统一的关于点奇异性的位置。一个辅助结果的独立利益是证明指数收敛的$hp$有限元逼近Gevrey-正则函数与点奇异的单位立方体$Q=(0,1)^3$。函数逼近和薛定谔型本征值问题的数值例子说明了理论结果。
2019-12-17 cs.NA math.NA
A note on unshifted lattice rules for high-dimensional integration in weighted unanchored Sobolev spaces
本文在加权无锚Sobolev空间中证明了无移位秩1格规则的最坏情况误差达到$O(n^{-1/4}(\log n)^{1/2})$,且常数与维度无关,无需随机移位或猜想。
2025-04-20 cs.NA math.NA
A parallel rank-adaptive integrator for dynamical low-rank approximation
本文提出一种并行秩自适应矩阵积分器,通过并行求解基与伽辽金系数微分方程并引入新步长拒绝策略,在保持鲁棒误差界的同时提升了动态低秩近似的计算效率。
2023-04-12 cs.NA math.NA
An adaptive dynamical low rank method for the nonlinear Boltzmann equation
有效而精确的全Boltzmann方程的数值逼近一直是动力学理论中一个长期具有挑战性的问题。这主要是由于问题的高维性和复杂的碰撞算子。在这项工作中,我们提出了一个高效的自适应低秩方法的玻尔兹曼方程,特别是关于稳态计算。该方法采用快速傅立叶谱方法(碰撞算子)和动力学低秩方法,以获得计算效率。引入了一种自适应策略,以适当的方式将边界信息和控制的计算秩。使用一系列的基准测试在1D和2D,我们证明了所提出的方法相比,全张量网格方法的效率和准确性。
2021-12-05 cs.NA math.NA
Adaptive low-rank exponential integrators for large-scale differential Riccati equation
Changchun Normal University(长春师范大学);Donghua University(东华大学)
本文提出自适应低秩矩阵值指数积分器,用于求解大规模刚性微分Riccati方程,通过嵌入式指数Rosenbrock型方案和自适应步长控制,提高瞬态和稳态阶段的精度与效率。
2026-03-27 cs.NA math.NA
Singular Value Decomposition in Sobolev Spaces: Part I
泛函分析中的一个著名结果表明,希尔伯特空间之间的任何紧算子都存在一个奇异值分解(SVD)。这种分解是一种强大的工具,是数学和应用领域中许多方法的主力。近年来,一个突出的应用是在低秩格式的高维函数的近似。这是基于这样一个事实,即在某些条件下,张量可以与紧算子和SVD适用于后者。这种应用的一个关键假设是张量积范数不弱于内射范数。这个假设在索伯列夫空间中是不满足的,而索伯列夫空间在偏微分方程的理论和数值计算中有着广泛的应用。我们的目标是分析索伯列夫空间中的奇异值分解。这项工作包括两个部分。在这份手稿(第一部分),我们解决低秩逼近和极小子空间在H1。我们分析了在环境L2-空间中执行的SVD的H1-误差。在第二部分中,我们将讨论SVD在比L2范数更强的范数中的变体。我们将提供一些数值例子来支持我们的理论发现。
2019-12-25 cs.NA math.FA math.NA
A Sampling-Based Adaptive Rank Approach to the Wigner-Poisson System
针对1D1V Wigner-Poisson系统,提出一种基于二阶Strang分裂的质量守恒自适应秩求解器,通过保结构Fourier更新和SLAR方案实现O(N)复杂度,在高无量纲Planck常数下精度与全秩模拟相当。
2025-06-26 cs.NA math.NA
An adaptive low-rank splitting approach for the extended Fisher--Kolmogorov equation
针对扩展Fisher--Kolmogorov方程,提出全秩分裂格式与秩自适应低秩分裂方法,证明收敛性与最大值原理,数值实验验证其稳健、精确,并保持能量耗散与离散最大值原理。
2022-10-28 cs.NA math.NA
Adaptive, Matrix-Free Low-Rank Approximation
North Carolina State University(北卡罗来纳州立大学)
研究无矩阵环境下固定容差低秩逼近问题,提出自适应、无矩阵的随机QB算法,通过随机误差指示器、无矩阵秩修剪步骤等,在不同测试矩阵上大概率满足容差并获接近最优的秩。
2026-07-09 cs.NA math.NA
An adaptive algebraic multigrid algorithm for low-rank canonical tensor decomposition
University of Waterloo(滑铁卢大学)
针对低秩R的规范张量分解,提出一种基于自适应代数多重网格和交替最小二乘的多重网格算法,在要求高精度时显著优于单独使用ALS。
2011-11-25 cs.NA math.NA
Rank-adaptive time integration of tree tensor networks
提出并分析了一种基于树型张量网络的高阶张量微分方程近似解的秩自适应积分器。在从叶到根的递归过程中,积分器更新基,然后在由新基和旧基构成的增广子空间中通过Galerkin方法演化连接张量。这之后是在指定的误差容限内的秩截断。存储器的要求是线性的张量的顺序和线性的最大模式尺寸。该积分器对连接张量矩阵化的小奇异值具有鲁棒性。在给定的误差容限范围内,直到截断误差的秩,积分器保持Schr范数和能量Odinger方程,它耗散了梯度系统中的能量。一个基本量子自旋系统的数值实验说明了所提出的算法的行为。
2022-07-25 cs.NA math.NA
High-Dimensional Uncertainty Quantification via Active and Rank-Adaptive Tensor Regression
基于随机谱方法的不确定度量化存在维数灾难问题。这个问题最近通过低秩张量方法得到缓解。然而,基于低秩张量的不确定性量化存在两个基本挑战:如何自动确定张量秩和如何选取模拟样本。本文提出了一种新的张量回归方法来解决这两个挑战。我们的方法使用$\ell_{q}/ \ell_{2}$ -范数正则化来确定张量秩和估计的Voronoi图来挑选信息样本进行模拟。该框架通过19维语音带通滤波器和57维CMOS环形振荡器进行了验证,分别仅用90和290个样本就能很好地捕获高维不确定性。
2021-02-02 cs.NA math.NA
A Nodal Discontinuous Galerkin Method with Rank-Adaptive Velocity Space Representation for the Multiscale BGK Model
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Swarthmore College(斯沃斯莫尔学院);Virginia Polytechnic and State University(弗吉尼亚理工大学);University of Delaware(特拉华大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
提出一种混合算法,在速度子空间应用秩自适应分解,物理空间保持满秩表示,结合节点间断伽辽金空间离散、速度网格秩自适应分解及隐式-显式龙格-库塔时间积分,利用辅助矩方程处理小碰撞时间极限,通过经典气体动力学问题验证精度、计算复杂度和鲁棒性。
2026-06-08 cs.NA math.NA
Rank adaptive tensor recovery based model reduction for partial differential equations with high-dimensional random inputs
ShanghaiTech University(上海科技大学)
本文提出了一种基于秩自适应张量恢复的系统降维方法,用于处理具有高维随机参数的偏微分方程模型。通过核主成分分析在降维空间中构造随机格点近似,针对高维随机输入问题开发了新的高效秩自适应张量恢复方法,并提出了非凸优化问题中的新高效初始化策略,建立了总体降维方法的数学框架,分析了其稳定性,并通过数值实验展示了其效率。
2019-02-14 cs.NA math.NA
Highly Efficient Rank-Adaptive Sweep-based SI-DSA for the Radiative Transfer Equation via Mild Space Augmentation
Texas Tech University(德州理工大学);The Hong Kong University of Science and Technology(香港科技大学)
本文提出一种高效的秩适应性扫掠SI-DSA方法,通过温和的空间增强实现低秩求解,减少内存和计算时间,适用于多尺度问题。
2026-07-15 cs.NA math.NA
A Novel Adaptive Low-Rank Matrix Approximation Method for Image Compression and Reconstruction
提出EOD-ABE方法,通过随机基提取机制自适应识别最优秩,实现低秩矩阵近似,计算复杂度为$O(mnr)$,在图像压缩与重建及高光谱图像降维中展现优越速度与精度。
2025-06-28 cs.NA math.NA
A multi-fidelity adaptive dynamical low-rank based optimization algorithm for fission criticality problems
针对核系统主特征值计算的高内存与计算成本问题,提出一种在逆幂迭代中动态调整秩的多保真度自适应低秩优化算法,并成功应用于简化核反应堆的临界参数优化。
2024-09-23 cs.NA math.NA
Adaptive Near-Optimal Rank Tensor Approximation for High-Dimensional Operator Equations
RWTH Aachen(亚琛工业大学)
本文提出结合低秩张量逼近与自适应基函数的迭代方案,分析其收敛性并给出计算复杂度界,验证了高维问题的可控求解精度。
2013-11-20 cs.NA math.NA
Efficient adaptive randomized algorithms for fixed-threshold low-rank matrix approximation
本文提出一种基于递归分块收缩的自适应随机秩揭示算法,用于固定阈值低秩矩阵逼近,提供了可证明的谱误差与Frobenius误差分析,在图像处理等应用中比已知Lanczos方法更高效可靠。
2025-08-11 cs.NA math.NA
Hierarchical adaptive low-rank format with applications to discretized PDEs
提出了一种新的压缩矩阵格式,它结合了自适应分层划分的矩阵与低秩近似。一个典型的应用是矩形域上离散函数的近似;格式的灵活性使得可以处理在小的局部区域中具有奇异性的函数。为了处理奇异点的时间演化和重新定位,可以基于底层数据的特征动态地调整分区。我们的格式可以被利用来有效地解决线性系的克罗内克产品结构,因为它们产生于离散的偏微分方程(PDE)。为此,这些线性系被改写为线性矩阵方程,并从这些方程的低秩更新推导出递归求解器。我们证明了我们的框架的稳定性和时间依赖性,线性和非线性偏微分方程,包括伯格斯和艾伦-卡恩方程的有效性。
2021-11-04 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
A stable rank-adaptive step-and-truncate finite volume method for Vlasov transport on domains with piecewise linear boundaries
University of Augsburg(奥格斯堡大学);HTW Berlin – University of Applied Sciences(柏林应用科学大学)
该研究提出稳定的秩自适应步长截断有限体积法,求解分段线性边界区域带流入条件的Vlasov输运方程,低秩近似可处理大规模相空间离散,误差有界且继承稳定性,实验验证其有效性。
2026-09-03 cs.NA math.NA
A robust collision source method for rank adaptive dynamical low-rank approximation in radiation therapy
辐射输运的确定性模型描述了穿过背景材料的辐射粒子的密度。在放射治疗应用中,该密度的相空间由能量、空间位置和飞行方向组成。由此产生的六维相空间禁止精细的数值离散化,这是必不可少的准确和可靠的治疗计划的建设。在这项工作中,我们处理高维相空间通过一个动态的低秩近似的粒子密度。动态低秩近似(DLRA)在时间上演化低秩流形上的解。将能量变量解释为伪时间,可以让我们采用DLRA框架来表示每个能量的低秩流形上的辐射输运方程的解。刚性散射项通过有效的隐式能量离散化处理,并选择秩自适应积分器来动态地调整能量的秩。为了方便边界条件的使用和降低总秩,辐射输运方程通过碰撞源方法分为碰撞和非碰撞粒子。未碰撞的粒子由保证低计算成本的有向求积集描述,而碰撞的粒子由低秩解表示。结果表明,在不依赖于刚性散射项的时间步长约束下,该方法是L $^2$稳定的.此外,散射的隐式处理不需要矩阵的数值反演。放射治疗配置以及线源基准的数值结果强调了所提出的方法的效率。
2021-11-13 cs.NA math.NA
Stabilization of a matrix via a low rank-adaptive ODE
本文针对不稳定结构矩阵的稳定化问题,提出一种基于矩阵常微分方程驻点的两级方法,并利用自适应秩积分器保持低秩结构,从而高效处理高维问题。
2024-02-22 cs.NA math.NA
An adaptive dynamical low-rank optimizer for solving kinetic parameter identification problems
University of Wuerzburg(维尔茨堡大学);University of Innsbruck(因斯布鲁克大学);Norwegian University of Life Sciences(挪威生命科学大学)
针对动力学方程参数识别反问题计算和内存开销大的问题,提出一种动态低秩格式,利用拉格朗日重构推导伴随方程并结合梯度下降与自适应DLRA,显著降低了内存与计算成本并验证了准确性。
2026-10-06 cs.NA math.NA
Randomizing the trapezoidal rule gives the optimal RMSE rate in Gaussian Sobolev spaces
该研究针对高斯测度下阶数$\alpha\ge1$的Sobolev空间函数求积问题,证明了最坏情况RMSE的$O(n^{-\alpha-1/2})$下界,提出适当随机化的梯形法则可达到该最优阶(差对数因子),并给出实用误差估计器,数值结果验证了理论。
2023-07-20 cs.NA math.NA
A rank-adaptive higher-order orthogonal iteration algorithm for truncated Tucker decomposition
Peking University(北京大学)
提出了一种新的秩自适应高阶正交迭代(HOOI)算法,在给定的误差容限下计算高阶张量的截断Tucker分解,并证明了该算法是局部最优的和单调收敛的.一系列的数值实验进行了相关的合成和现实世界的张量,以表明所提出的秩自适应HOOI算法是在精度和效率方面的优势。对HOOI算法和经典的交替最小二乘法进行了进一步的分析,以进一步理解为什么可以将秩自适应引入HOOI算法以及它是如何工作的。
2021-10-25 cs.LG cs.NA math.NA
An Adaptive-rank Approach with Greedy Sampling for Multi-scale BGK Equations
本研究提出带贪婪采样的自适应秩方法用于多尺度BGK方程模拟,拓展原有半拉格朗日自适应秩框架,引入局部宏观守恒校正保证守恒性与条件渐近保持性,支持大时间步长,数值验证了其捕捉激波的精度和宽克努森数混合区域的鲁棒性。
2025-09-05 cs.NA math.NA
Tensor Sandwich: Tensor Completion for Low CP-Rank Tensors via Adaptive Random Sampling
本文提出一种结合矩阵补全与抗噪Jennrich算法的自适应张量补全方法,以$\mathcal{O}(nr\log^2 r)$样本高概率补全低CP秩张量,并通过实验验证其有效性。
2023-07-03 cs.NA math.NA
Rank-adaptive tensor methods for high-dimensional nonlinear PDEs
提出了一种新的秩自适应张量方法来计算高维非线性偏微分方程的数值解。该方法结合了功能张量训练(FTT)系列扩展,运营商分裂时间积分,和一个新的秩自适应算法的阈值标准的基础上,限制的PDE速度矢量的分量正常的FTT张量流形。这就产生了一个方案,可以添加或删除张量模式自适应的PDE解决方案的时间积分进行。新方法的目的是提高高维问题数值积分的计算效率、精度和鲁棒性。特别是,它克服了与动态张量积分相关的众所周知的计算挑战,包括低秩建模误差和需要在每个时间步长反转张量核的协方差阵。介绍并讨论了二维线性和非线性平流问题以及四维福克-普朗克方程的数值应用。
2021-04-24 cs.NA math.NA physics.comp-ph
Recovery of Sparse and Low Rank Components of Matrices Using Iterative Method with Adaptive Thresholding
Advanced Communication Research Institute (ACRI), Electrical Engineering Department, Sharif University of Technology(德黑兰理工大学先进通信研究院)
本文提出一种利用自适应阈值迭代方法恢复矩阵稀疏和低秩成分的算法,通过阈值操作获取低秩和稀疏成分,具有高效性和易实现性,并在非稀疏噪声应用中表现出良好的性能。
2017-04-12 cs.NA math.NA stat.ML
High-order Adaptive Rank Integrators for Multi-scale Linear Kinetic Transport Equations in the Hierarchical Tucker Format
本文提出一种基于宏观-微观分解和分层Tucker分解的自适应秩积分器,结合高阶时间与空间离散及高阶奇异值分解,用于高效求解高维线性动理学输运方程,并在基准问题中验证了其精度与压缩优势。
2025-09-08 cs.NA math.NA physics.comp-ph
Singular Value Decomposition in Sobolev Spaces: Part II
在一定条件下,张量积空间中的一个元素可以用一个紧算子来表示,而奇异值分解(SVD)则适用于后者。这些条件在索伯列夫空间中不满足。在本工作的前一部分(第一部分)中,我们介绍了张量积空间理论中的一些初步概念。我们分析了H1中的低秩近似和在环境L2空间中执行的SVD的误差。在这项工作中(第二部分),我们继续考虑的变种SVD在规范强于L2-范数。总的来说,也许令人惊讶的是,这导致更难以控制H1错误。我们简要地考虑等距嵌入H1,允许直接应用的SVD H1函数。最后,我们提供了一些数值例子来支持我们的理论研究结果。
2019-12-24 cs.NA math.FA math.NA
Multilevel Adaptive-Rank Methods for Linear and Nonlinear Systems in the Hierarchical Tucker Format
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室);Sandia National Laboratories(桑迪亚国家实验室)
针对高维偏微分方程,提出多水平自适应秩迭代方法,通过扩展投影法实现灵活预条件、构建多水平预条件策略并集成到非精确牛顿框架中,实验表明该方法鲁棒且可扩展。
2026-06-23 cs.NA math.NA physics.comp-ph
Adaptive low-rank approximation and denoised Monte-Carlo approach for high-dimensional Lindblad equations
École des Ponts and Inria(巴黎路桥学院与法国国家信息与自动化研究所);Centre Automatique et Systèmes, Mines-ParisTech, PSL Research University(自动与系统中心,巴黎矿业学院,PSL研究大学)
本文提出两种方法用于求解李普尔方程:自适应低秩近似和去噪蒙特卡罗方法,用于高维情况下的高效模拟。
2015-11-27 cs.NA math.NA quant-ph
A Riemannian rank-adaptive method for higher-order tensor completion in the tensor-train format
本文提出一种黎曼秩自适应方法(RRAM),通过黎曼共轭梯度算法在固定秩流形上优化并结合切锥下降方向与TT-rounding算法实现秩的自适应增减,有效解决了张量列车格式的低秩张量补全问题,且计算时间优于现有方法。
2024-02-19 cs.NA math.NA math.OC
Krylov-based Adaptive-Rank Implicit Time Integrators for Stiff Problems with Application to Nonlinear Fokker-Planck Kinetic Models
提出基于扩展 Krylov 子空间的高阶自适应秩隐式时间积分器,结合残差与局部截断误差控制秩,并在 LBFP 模型中实现三阶精度、平衡保持及质量、动量和能量守恒。
2024-04-03 cs.NA math-ph math.MP
High-Dimensional Uncertainty Quantification via Tensor Regression with Rank Determination and Adaptive Sampling
University of California, Santa Barbara(加州大学圣巴巴拉分校)
制造工艺的变化可以显著影响纳米级电子和光子电路的性能和产量。随机谱方法在量化过程变化的影响方面取得了巨大的成功,但它们受到维数灾难的影响。最近,低秩张量方法已经被开发出来,以减轻这个问题,但两个基本的挑战仍然存在:如何自动确定张量秩和如何自适应地选择信息的模拟样本。本文提出了一种新的张量回归方法来解决这两个挑战。我们使用$\ell_{q}/ \ell_{2}$组稀疏正则化来确定张量秩。由此产生的优化问题可以有效地解决通过交替最小化求解器。我们还提出了一个两阶段的自适应采样方法,以减少模拟成本。我们的方法通过估计Voronoi细胞体积和非线性测量分别考虑勘探和开发。仿真结果表明,该方法仅用100~600个仿真样本就能很好地捕捉到由19~100个随机变量引起的不确定性。
2021-06-27 cs.LG cs.NA math.NA
Stable rank-adaptive Dynamically Orthogonal Runge-Kutta schemes
本文提出稳定的秩自适应动态正交龙格-库塔格式,通过新型稳定回缩和梯度下降机制动态更新低秩子空间,在多个微分方程上降低误差累积并兼顾精度与效率。
2023-08-07 cs.CE cs.NA math.DS
Besov regularity of solutions to the p-Poisson equation
研究p-泊松方程解在适应尺度B^σ_τ(L_τ(Ω))中的正则性,揭示其比索伯列夫正则性更高,支持自适应算法的应用。
2014-08-19 cs.NA math.AP math.FA
Adaptive Stochastic Gradient Descent on the Grassmannian for Robust Low-Rank Subspace Recovery and Clustering
Nanjing University of Information Science and Technology(南京信息工程大学)
本文提出GASG21算法,通过在Grassmann流形上进行自适应随机梯度下降,实现从大矩阵中鲁棒地恢复低秩子空间,并通过K子空间扩展实现对受损数据的聚类。
2015-04-18 cs.CV cs.NA math.NA