Solving Elliptic Problems with Singular Sources using Singularity Splitting Deep Ritz Method
Jilin University(吉林大学);The Chinese University of Hong Kong(香港中文大学);The Hong Kong Polytechnic University(香港理工大学)
本文提出奇性分离深度Ritz方法,将解分解为基于Laplace基本解的奇异部分和由深度Ritz方法求解的正则部分,并引入路径跟踪策略选择惩罚参数,高效求解含点源、线源及其组合的变系数二阶椭圆方程。
2023-04-17 cs.LG cs.NA math.NA
A Refined Harmonic Lanczos Bidiagonalization Method and an Implicitly Restarted Algorithm for Computing the Smallest Singular Triplets of Large Matrices
Tsinghua University(清华大学);Dalian University of Technology(大连理工大学)
针对调和Lanczos双对角化方法在计算大型矩阵最小奇异三元组时可能遗漏奇异值或收敛不稳定的问题,提出了一种改进的调和Lanczos双对角化方法,并开发了隐式重启算法,通过残差最小化提取最佳近似奇异向量,理论分析和数值实验表明新算法具有竞争力且更高效。
2009-06-12 cs.NA math.NA
A Shallow Ritz Method for Elliptic Problems with Singular Sources
National Yang Ming Chiao Tung University(国立阳明交通大学);National Central University(国立中央大学);National Center for Theoretical Sciences(国家理论科学研究中心);National Taiwan University(国立台湾大学)
针对带界面delta函数奇异源的椭圆问题,提出仅含单隐藏层、以水平集为特征输入的浅Ritz型神经网络,通过将奇异源转化为界面曲面积分消除奇异性,经能量离散损失训练,提升了求解效率与精度,可处理不规则域及高维问题。
2022-07-01 cs.LG cs.NA math.NA
Refined generalization analysis of the Deep Ritz Method and Physics-Informed Neural Networks
本文推导了Deep Ritz方法(DRM)和物理信息神经网络(PINNs)的精细化泛化界,基于局部化技术、局部Rademacher复杂度及Barron空间假设,为多种椭圆偏微分方程提供了更尖锐的泛化分析与过参数化误差讨论。
2025-06-02 cs.NA math.NA
Rayleigh-Ritz majorization error bounds of the mixed type
Missouri University of Science and Technology(密苏里科技大学);Mitsubishi Electric Research Laboratories(三菱电机研究实验室)
本文基于向量残差范数和向量夹角,推导了混合类型矩阵Rayleigh商绝对变化的主导误差界,并利用主子空间的奇异值和主角关系,建立了新的特征值误差界。
2016-10-25 cs.NA math.NA
Verified eigenvalue and eigenvector computations using complex moments and the Rayleigh$\unicode{x2013}$Ritz procedure for generalized Hermitian eigenvalue problems
提出了一种计算广义厄米特本征值问题区域内本征值及相应本征向量的方法。该方法利用复数矩从随机矩阵中提取感兴趣的特征分量,并利用Rayleigh $\unicode{x2013}$ Ritz过程将给定的本征值问题投影为约化的本征值问题。复矩由围道积分给出,并使用数值积分进行近似。我们将复矩中的误差分成正交的截断误差和舍入误差,并对每一个进行评估。这种误差评估的思想继承了我们以前的汉克尔矩阵方法,而所提出的方法使验证的特征向量,并需要一半的正交点的数量为以前的方法,以减少相同的顺序的截断误差。此外,Rayleigh $\unicode{x2013}$ Ritz过程方法形成能够验证特征向量的变换矩阵。数值实验表明,该方法是比以前的方法更快,同时保持验证性能和工程几乎奇异矩阵束和存在多个和几乎多个特征值。
2022-10-25 cs.NA math.NA
Rayleigh-Ritz majorization error bounds with applications to FEM
本文针对 Hermitian 算子 A 的 Rayleigh-Ritz 方法,提出了关于 A-不变子空间与任意子空间之间主角的主化误差界,并推广到相对误差和乘积误差,最后应用于有限元方法。
2009-10-06 cs.NA math.NA
Deep Ritz Method with Adaptive Quadrature for Linear Elasticity
本文研究求解线性弹性方程的深度Ritz方法,引入基于$H^{1/2}(Γ_D)$范数的修正变分形式处理Dirichlet边界条件,证明其能量范数下的最佳逼近性,并提出基于自适应求积的数值积分技术以控制积分误差,有效提升了方法求解各类弹性问题的精度与效率。
2023-05-24 cs.NA math-ph math.MP
On eigenvalue and eigenvector estimates for nonnegative definite operators
本文通过改进的摄动方法,将Rayleigh-Ritz近似理论推广到非负定算子,同时确定Ritz值近似的谱部分并给出估计,还提出了适用于二次型域中任意测试向量的Temple-Kato型不等式。
2005-03-16 cs.NA math.NA math.SP
Bounds on changes in Ritz values for a perturbed invariant subspace of a Hermitian matrix
本文针对Hermitian矩阵的扰动不变子空间,证明了Ritz值变化绝对值的弱受控界与子空间间主角正弦平方成正比,常数与谱宽度相关。
2008-02-04 cs.NA math.NA math.SP
Mixed Precision Orthogonalization-Free Projection Methods for Eigenvalue and Singular Value Problems
本文提出一种混合精度免正交化投影方法,通过在降低精度下计算无需内积的非正交基并保持其线性独立性,在特征值与奇异值问题中实现高精度与高计算效率。
2025-05-02 cs.NA math.NA
Matrix perturbation analysis of methods for extracting singular values from approximate singular subspaces
Mathematical Institute, University of Oxford(牛津大学数学研究所);Scientific Computing Department, STFC, Rutherford Appleton Laboratory(STFC卢瑟福阿普顿实验室科学计算部)
本文研究了从近似奇异子空间中提取奇异值的方法,发现广义Nyström近似在精度上优于经典方法,通过矩阵扰动分析推导了更精确的误差界限。
2026-01-18 cs.NA math.NA
Fast Updating Truncated SVD for Representation Learning with Sparse Matrices
针对动态稀疏矩阵的截断SVD更新效率问题,提出利用稀疏正交化和扩展分解独立存储投影的方法,实现一个数量级加速且精度相当。
2024-01-18 cs.NA math.NA
An augmented matrix-based CJ-FEAST SVDsolver for computing a partial singular value decomposition with the singular values in a given interval
本文提出一种基于增广矩阵的CJ-FEAST SVD求解器,通过子空间迭代和谱投影计算给定区间内的奇异三元组,证明其数值后向稳定,并给出与叉积方法的收敛比较及选择策略。
2023-01-16 cs.NA math.NA
A FEAST SVDsolver based on Chebyshev--Jackson series for computing partial singular triplets of large matrices
本文提出基于Chebyshev–Jackson级数构造近似谱投影子的FEAST SVDsolver,用于计算大型矩阵在给定区间内的部分奇异三元组;理论给出收敛性与误差界,实验表明其比围道积分法更高效且更鲁棒。
2022-11-20 cs.NA math.NA
Explicit Bound for Quadratic Lagrange Interpolation Constant on Triangular Finite Elements
Graduate School of Science and Technology, Niigata University(新潟大学科学技术研究生院);LSEC, ICMSEC, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院 LSEC、ICMSEC)
本文提出算法以提供二次拉格朗日插值误差常数的显式界,通过求解特征值问题得到上界,并利用瑞利-里兹方法获得下界,通过数值计算验证不同形状三角形上的界有效性。
2017-04-26 cs.NA math.NA
Singular Layer Physics-Informed Neural Network Method for Convection-Dominated Boundary Layer Problems in Two Dimensions
针对二维对流占优奇异摄动边界层问题传统神经网络方法精度不足的缺陷,提出结合奇异层校正函数的半解析PINNs方法,显著提升了求解的准确性与稳定性。
2024-07-09 cs.NA math.NA
Sharp error estimate of variable time-step IMEX BDF2 scheme for parabolic integro-differential equations with initial singularity arising in finance
最近发展起来的DOC核技术在分析变时间步长BDF 2格式的稳定性和收敛性方面取得了很大的成功。然而,这样的分析技术似乎不直接适用于初始奇异性的问题。在对初始奇异解的数值模拟中,为了达到最优收敛,常采用梯度网格等变时间步长格式,但其第一相邻时间步长比可能会很大,从而使所得到的约束条件不满足。本文重新研究了[W. Wang,Y. Chen和H. Fang,\emph{SIAM J. Numer. Anal.},57(2019),pp. 1289-1317]计算具有初始奇异性的偏积分微分方程(PIDE)。我们在相邻时间步长比$r_{k}: =τ_{k}/τ_{k-1} \; (k\geq 3) < r_{\max} = 4.8645 $的一个较弱的限制条件和对第一个比的一个较弱的要求下得到了尖锐的误差估计,$r_2>0$。这导致了我们对变时间步长IMEX BDF 2格式的分析的有效性,当初始奇异性由一个简单的策略处理时,即,梯度补片$t_k=T(k/N)^γ$。在这种情况下,实现了$\mathcal{O}(N^{-\min\{2,γα\}})$阶的收敛,$N$和$α$分别代表了总的网格点,并指示了精确解的正则性。也就是说,通过服用$γ_{\text{opt}}=2/α$将实现光学会聚。数值例子来证明我们的理论分析。
2022-01-23 cs.NA math.NA
A sharp error estimate of piecewise polynomial collocation for nonlocal problems with weakly singular kernels
众所周知,分别用分段线性多项式配置(PLC)和分段二次多项式配置(PQC)逼近弱奇异积分$$I(a,b,x) =\int^b_a \frac{u(y)}{|x-y|^γ}dy, \quad x \in (a,b) ,\quad 0< γ<1,$$时,存在局部截断误差$\mathcal{O}\left(h^2\right)$和$\mathcal{O}\left(h^{4-γ}\right)$ .此外,对于第二类Fredholm弱奇异积分方程,即,在[Atkinson and Han,Theoretical Numerical Analysis,Springer,2009]中,$λu(x)- I(a,b,x) =f(x)$与$ λ\neq 0$也具有全局收敛率$\mathcal{O}\left(h^2\right)$和$\mathcal{O}\left(h^{4-γ}\right)$。在形式上,以下非局部模型可以看作是Fredholm弱奇异积分方程$$\int^b_a \frac{u(x)-u(y)}{|x-y|^γ}dy =f(x), \quad x \in (a,b) ,\quad 0< γ<1.$$,但这两个领域的模型仍然存在着一些显著的差异。本文的第一部分证明了PQC弱奇异积分具有最优的局部截断误差$\mathcal{O}\left(h^4η_i^{-γ}\right)$,其中…
2019-09-24 cs.NA math.NA
An Implicitly Restarted Joint Bidiagonalization Algorithm for Large GSVD Computations
Tsinghua University(清华大学)
针对大规模GSVD计算问题,本文将隐式重启技术扩展到联合双对角化过程,提出IRJBD算法,建立残差范数上界以设计停止准则,实验证明其性能良好且比厚重启JBD算法更高效。
2025-03-06 cs.NA math.NA
Strong consistency of an estimator by the truncated singular value decomposition for an errors-in-variables regression model with collinearity
Hosei University(法政大学)
本文通过截断奇异值分解证明了在存在共线性的情况下,误差在变量回归模型中估计器的强一致性,扩展了总最小二乘法的理论。
2023-11-29 cs.NA math.NA math.ST