Asymptotically compatible reproducing kernel collocation and meshfree integration for nonlocal diffusion
再生核(RK)近似是无网格方法,从分散的数据集构造形状函数。对Dirichlet边界条件下的非局部扩散模型提出了一种渐近相容的RK配置法.当非局部相互作用消失时,该格式收敛于非局部扩散及其相应的局部极限。在一类特殊的直角坐标网格上对线性RK方法进行了分析。RK配置格式稳定性的关键思想是将其与稳定的标准Galerkin格式进行比较。另外,由于通常需要高阶高斯求积来计算非局部问题的刚度矩阵,因此计算量很大。因此,我们提供了一个补救的问题,通过引入一个准离散的非局部扩散算子,没有数值求积是进一步应用RK配置方案后需要。通过同时考虑非局部相互作用的极限和空间分辨率,证明了拟离散非局部扩散算子与RK配点的结合是收敛于正确的局部扩散问题的.最后通过数值实验对理论结果进行了验证。我们还说明了所提出的技术和现有的基于广义移动最小二乘(GMLS)的优化方法之间的连接。
2020-08-25 cs.NA math.NA
Sampling based approximation of linear functionals in Reproducing Kernel Hilbert Spaces
本文分析了用节点值逼近再生核希尔伯特空间中定义的线性泛函的贪婪过程。这个程序计算一个求积规则,它可以应用于一般泛函,包括积分泛函。对于一大类泛函,我们证明了收敛结果的近似通过统一和贪婪的点,以各种方式推广几个已知的结果。还讨论了权值和节点计算的扰动分析。除了理论研究,我们证明了数值计算,我们的算法是有效的,在治疗各种积分密度,它甚至是非常有竞争力的现有方法相比,不确定性量化。
2020-04-01 cs.NA math.NA
A Fourier extension based numerical integration scheme for fast and high-order approximation of convolutions with weakly singular kernels
Indian Institute of Technology, Kanpur(坎普尔印度理工学院)
本文提出了一种基于傅里叶扩展的O(n log n)数值积分方案,用于快速且高阶近似弱奇异核的卷积,该方案能够有效减少Gibb振荡并具有高阶收敛性。
2018-10-09 cs.NA math.NA
Optimal Monte Carlo integration on closed manifolds
University of Vienna(维也纳大学);Austrian Academy of Sciences(奥地利科学院);Newcastle University(纽卡斯尔大学)
本文研究了闭流形上Sobolev空间的蒙特卡洛积分方法,证明重加权能提高收敛速度,并在单位球面和Grassmannian流形上进行了数值实验。
2018-01-24 cs.NA math.NA stat.ME
Tractability of multivariate integration in hybrid function spaces
Johannes Kepler University Linz(林茨约翰·开普勒大学)
研究了在混合函数空间中多变量积分的可处理性,提出弱、多项式和强多项式可处理性的必要和充分条件。
2014-04-14 cs.NA math.NA
Asymptotic error analysis for the discrete iterated Galerkin solution of Urysohn integral equations with Green's kernels
考虑Urysohn型积分方程$x - \mathcal{K} (x) = f$,其中给出了$f$和具有Green函数型核的积分算子$\mathcal{K}$.在用伽辽金法计算给定积分方程的近似解时,所有积分都需要用某种数值积分公式来计算。这就产生了离散形式的伽辽金方法。对于$r \geq 1$,选择关于均匀划分的次数为$\leq r-1$的分段多项式的空间作为近似空间。通过选择适当的数值积分公式,得到了离散迭代Galerkin解在上述分割点处的渐近级数展开式。Richardson外推用于提高收敛阶。使用这种方法,我们可以恢复的收敛速度时,测量的误差在连续的情况下。最后给出了一个数值例子来说明这一理论。
2023-01-09 cs.NA math.NA
Mesh-free error integration in arbitrary dimensions: a numerical study of discrepancy functions
我们感兴趣的无网格公式的基础上的蒙特卡罗方法的多维积分的近似,我们调查他们的准确性时,属于再生核空间的功能。一个核函数通常捕获标准Sobolev正则类之外的函数的正则性和定性性质。我们感兴趣的问题是否定量误差界可以在应用程序(例如数学金融,但也科学计算和机器学习)的先验保证。我们的主要贡献是一个数值研究的误差差异函数的基础上几个数值策略之间的比较,当一个不同的选择的内核,近似点的数量,和尺寸的问题。我们考虑两种策略,以本地化到一个有界集的标准内核定义在整个欧几里德空间(指数,multiquadric,高斯,截断),即,一方面通过离散傅里叶变换定义的一类周期性内核的晶格上,另一方面,一类运输为基础的内核。首先,我们利用格上的泊松公式,结合启发式的论证,讨论了周期核的偏差函数的理论界的推导。其次,对于每个感兴趣的内核,我们执行所需的数值实验,以生成点的最佳分布和差异误差函数。我们的数值结果使我们能够验证我们的理论观察,并为我们提供定量估计的错误与基于内核的策略,而不是一个纯粹的随机策略。
2019-12-02 cs.NA math.AP math.NA
Data-driven surrogates for high dimensional models using Gaussian process regression on the Grassmann manifold
本文介绍了一种基于格拉斯曼流形学习的代理建模方案,用于高维随机系统的成本有效的预测。该方法利用每个解决方案的子空间结构的功能,将其投影到格拉斯曼流形。该方法利用一个解决方案聚类方法,以确定区域的参数空间的解决方案是足够相似的,使得它们可以内插的格拉斯曼。在这种聚类中,降阶的解决方案被划分为不相交的集群上的格拉斯曼流形使用适当定义的格拉斯曼内核的特征结构,估计每个集群的Karcher平均值。然后,在每个集群中的点投影到切空间的原点在相应的Karcher平均使用指数映射。对于每个聚类,训练高斯过程回归模型,该模型将系统的输入参数映射到投影到切空间上的对应聚类的简化解点。使用该高斯过程模型,可以有效地预测在参数空间中的任何新点处的全场解。在某些情况下,解聚类将跨越参数空间的不相交区域。在这种情况下,对于每个解聚类,我们利用第二个基于密度的空间聚类来将它们对应的输入参数点分组在欧几里得空间中。所提出的方法被应用到两个数值例子。第一类是具有不确定初始条件的非线性随机常微分方程。第二个涉及模型的塑性变形在一个模型的非晶固体使用塑性剪切转变区理论。
2020-04-09 cs.NA math.NA
Optimal Monte Carlo integration on matrix manifolds
University of Chicago(芝加哥大学);Purdue University(普渡大学)
本文针对施蒂费尔等矩阵流形上的索伯列夫再生核希尔伯特空间,开发了最优阶加权蒙特卡洛求积规则,通过开源实验验证了其理论有效性并展示了初步应用结果。
2026-10-14 cs.NA math.NA stat.CO
Partial integration based regularization in BEM for 3D elastostatic problems: The role of line integrals
Institute of Applied Mechanics, Graz University of Technology(格拉茨工业大学应用力学研究所)
针对边界元法(BEM)处理奇异积分核时通常忽略斯托克斯定理边界线积分的问题,本文引入该类线积分,论证其在纯半空间问题中的重要性,并证明其在基于快速多极子方法(FMM)的BEM中因几何划分产生伪开放曲面而具有冗余性。
2025-10-29 cs.NA math.NA
Fast Singular-Kernel Convolution on General Non-Smooth Domains via Truncated Fourier Filtering
California Institute of Technology(加州理工学院)
本文提出了一种基于截断傅里叶滤波的方法,用于在非光滑域上快速计算奇异核卷积,提高了计算效率和精度。
2025-11-26 cs.NA math.NA
Gaussian kernel quadrature at scaled Gauss-Hermite nodes
Aalto University(阿尔托大学)
本文提出了一种在一维和张量积网格上准确、显式且数值稳定的高斯核二次求积权重近似方法,基于缩放的高斯-赫尔米特节点和高斯核的 Mercer 特征分解截断。
2019-05-02 cs.NA math.NA
A Quasi-Conforming Embedded Reproducing Kernel Particle Method for Heterogeneous Materials
本文提出QCE-RKPM方法,通过独立离散异质材料域、准协调四叉树细分、变分一致积分修正及无罚函数Nitsche界面处理,在避免协调网格划分的同时提升精度与稳定性。
2023-04-12 cs.CE cs.NA math.NA
Efficient Numerical Integration in Reproducing Kernel Hilbert Spaces via Leverage Scores Sampling
Istituto Italiano di Tecnologia(意大利技术研究院)
针对仅能通过观测访问目标分布的RKHS数值积分问题,提出基于均匀或近似杠杆得分的小子采样方法,证明其能达到最优收敛速率并大幅降低计算成本,可应用于核均值嵌入、最大平均差异计算及核检验。
2025-06-16 cs.LG cs.NA math.NA
Interpolation-based reproducing kernel particle method
本研究将基于插值的方法拓展应用于重构核粒子法(RKPM),使其可在开源有限元软件中实现,在保持经典RKPM误差收敛率的同时降低计算成本,还可求解高阶偏微分方程及多材料问题。
2025-06-17 cs.NA math.NA
Expected uniform integration approximation under general equal measure partition
本文研究了Sobolev空间$\mathcal{H}^{\mathbf{1}}(K)$中函数一致积分逼近的均方误差的$L_2-$期望偏差的界,其中$\mathcal{H}$是具有核$K$的再生Hilbert空间.与已知的粗Monte Carlo方法的速率$O(N^{-1})$相比,得到了更好的近似误差阶数$O(N^{-1-\frac{1}{d}})$.其次,在一般Sobolev空间$F_{d,q}^{*}$中,利用分层样本的期望$L_{p}-$偏差界($p\ge 1$)给出了$p$-积分逼近误差矩的几个上界.
2021-10-04 cs.NA math.NA
Embeddings of Reproducing Kernel Hilbert Spaces with General Weights
研究带一般权重的再生核希尔伯特空间嵌入,通过权重变换补偿单变量核的变化,应用于数值积分和函数恢复等计算问题。
2026-04-29 cs.NA math.NA
Sparse solutions of the kernel herding algorithm by improved gradient approximation
在再生核希尔伯特空间(RKHS)中,利用核羊群算法构造求积规则。虽然该方法的计算效率和输出求积公式的稳定性是该方法的优点,但与其他求积方法相比,对于给定数目的节点,积分误差的收敛速度较慢。在本文中,我们提出了一个修改后的内核放牧算法,其框架介绍了在以前的研究,旨在获得稀疏的解决方案,同时保留标准内核放牧的优势。在该算法中,负梯度近似的几个顶点方向,并在每一次迭代的近似下降方向移动的当前解决方案进行更新。我们证明了积分误差的收敛速度直接由负梯度与近似梯度夹角的余弦决定。在此基础上,我们提出了新的梯度逼近算法,并从理论上分析,包括通过收敛性分析。在数值实验中,我们证实了所提出的算法的有效性,在稀疏的节点和计算效率。此外,我们提供了一个新的理论分析的核求积规则与完全校正的权重,实现更快的收敛速度比以前的研究。
2022-07-15 cs.NA math.NA stat.CO
On the Sampling Problem for Kernel Quadrature
University of Warwick, Department of Statistics(沃里克大学统计系);Imperial College London, Department of Mathematics(伦敦帝国理工学院数学系);Newcastle University, School of Mathematics(新castle大学数学系);University of Technology Sydney, School of Mathematical(悉尼技术大学数学与物理科学学院);The Alan Turing Institute for Data Science(数据科学阿尔图里研究所)
本文探讨了核二次求积中采样分布对收敛速率的影响,提出基于自适应温度调节和序列蒙特卡罗的自动方法,显著降低积分误差。
2017-06-11 cs.LG cs.NA math.NA
Fast Bayesian Inference with Batch Bayesian Quadrature via Kernel Recombination
University of Oxford(牛津大学);Toyota Motor Corporation(丰田汽车公司)
提出一种基于核重组的并行化批量贝叶斯求积方法,实现指数收敛速率,在多种真实数据集上显著优于现有BQ和嵌套采样。
2023-01-27 cs.LG cs.NA math.NA