An Adaptive Finite Element Method in Quantitative Reconstruction of Small Inclusions from Limited Observations
Chalmers University of Technology(查尔姆斯理工大学);Gothenburg University(哥德堡大学)
本文提出基于Tikhonov函数最小化的自适应有限元方法,用于求解电介常数逆问题,通过后验误差估计实现对低对比度小包含体和高斯函数叠加的重建。
2016-03-17 cs.NA math.NA
An hp-Adaptive Sampling Algorithm on Dispersion Relation Reconstruction for 2D Photonic Crystals
针对二维光子晶体色散关系计算中高对比度参数化亥姆霍兹特征值问题,提出hp自适应采样算法,通过检测奇异点并自适应丰富局部多项式空间实现逐单元插值,并给出收敛性分析。
2023-11-28 cs.NA math.NA
Fast OPED algorithm for reconstruction of images from Radon data
提出并测试了一种基于Radon数据重建的OPED算法的快速实现,该实现利用FFT进行离散正弦变换和插值步骤,在函数适度光滑条件下证明收敛性,且数值测试表明精度损失很小。
2007-03-21 cs.NA math.NA
Efficient Path Reconstruction in Prehistoric Human Migration: An Adaptive Dijkstra's Algorithm Based on Wavelet Compression for Topographic Data
Department of Mathematics and Computer Science, University of Cologne(科隆大学数学与计算机科学系)
研究史前人类迁徙路径重建问题,提出基于自适应小波方法压缩地形数据,加速迪杰斯特拉算法,在不丢失关键拓扑的情况下显著提升计算效率,通过迁徙场景验证了该方法的有效性。
2026-07-15 cs.NA math.NA
An Implementation of Adaptive Mesh Refinement for Shallow Water Equations
University of Washington(华盛顿大学);Columbia University(哥伦比亚大学)
本文提出了一种用于多层浅水方程的适应性网格细化实现,解决了传统单层模型在大领域内计算成本高且无法精细模拟海岸区域的问题。
2018-03-05 cs.NA math.NA
Multidimensional adaptive order GP-WENO via kernel-based reconstruction
针对双曲守恒律系统有限体积法的重构需求,提出受高斯过程启发的全多维核基自适应阶WENO格式,兼具易扩展、保正性等优势,经基准问题验证有效。
2024-01-29 cs.NA math.NA
An hp-Adaptive Sampling Algorithm for Dispersion Relation Reconstruction of 3D Photonic Crystals
本文提出一种 hp 自适应采样算法,通过奇异点局部加密、自适应逐单元多项式空间和 Lagrange 插值重构三维光子晶体的能带函数,并证明收敛性且通过带隙优化测试验证潜力。
2024-06-15 cs.NA math.NA
An Adaptive Reconstruction Method for Arbitrary High-Order Accuracy Using Discontinuity Feedback
针对高阶格式鲁棒性弱、计算成本高的问题,提出基于间断反馈因子的自适应模板扩展重构方法,从低阶自适应提阶且因子兼具间断检测与光滑度量功能,易推广至任意高阶且鲁棒性优异。
2024-10-07 cs.NA math.NA
Adaptive Mesh Refinement for Hyperbolic Systems based on Third-Order Compact WENO Reconstruction
Università di Torino(都灵大学);Bristol University(布里斯托大学);Università di Catania(卡塔尼亚大学)
本文提出一种基于第三阶紧凑WENO重建的自适应网格方案,通过非均匀四叉树网格实现高阶非振荡重建,有效提升计算精度并减少计算成本。
2015-02-19 cs.NA math.NA
Multi-Adaptive Galerkin Methods for ODEs II: Implementation and Applications
Chalmers University of Technology(查尔姆斯理工大学)
本文延续多自适应Galerkin方法mcG(q)和mdG(q)的讨论,提出全局误差控制的自适应算法、离散方程的迭代求解方法、实现Tanganyika的特点,并给出多种ODE的计算结果。
2012-05-12 cs.NA math.NA
A Kernel Method for CT Reconstruction: a Fast Implementation using Circulant Matrices
本文提出一种基于核方法的CT重建算法,利用循环矩阵加速ART算法,通过数值实验验证了其在重建精度和计算效率上的优势。
2014-12-17 cs.NA math.NA
Adaptive mesh reconstruction: Total Variation Bound
University of Vienna(维也纳大学)
针对标量守恒律的振荡型数值格式,通过自适应非均匀网格重构控制振荡,证明总变差有界性及TV增长递减性。
2009-08-30 cs.NA math.NA
Implicit reconstruction from point cloud: an adaptive level-set-based semi-Lagrangian method
Università dell’Insubria(因苏布里亚大学)
本文提出一种基于层级集的半拉格朗日方法,用于从点云中重建表面。该方法通过自适应分级笛卡尔网格,结合曲率约束和高阶插值器,实现高质量隐式表示。
2026-03-25 cs.NA math.NA
Strong Convergence of a GBM Based Tamed Integrator for SDEs and an Adaptive Implementation
我们引入了一个驯服的指数时间积分器,利用线性项的漂移和扩散的随机微分方程(SDES)与单侧全局Lipschitz漂移项。利用几何布朗运动(GBM)的有界性,证明了该方案的强收敛性,并建立了线性扩散项的1阶收敛性。在我们的实现中,我们说明了现有的固定步长的方法相比,该计划的效率,并利用它在自适应时间步进计划。此外,我们将该方法扩展到非线性扩散项,并表明它仍然具有竞争力。这些GBM为基础的方法的效率,说明考虑一些著名的可重构模型。
2021-06-21 cs.NA math.NA
Adaptive-Multilevel BDDC and its parallel implementation
University of Southern California(南加州大学);Institute of Thermomechanics, Academy of Sciences of the Czech Republic(捷克科学院热力学研究所);Institute of Mathematics, Academy of Sciences of the Czech Republic(捷克科学院数学研究所);University of Colorado Denver(科罗拉多大学丹佛分校)
提出自适应多级BDDC方法,通过在每个分解级别自适应选择约束,并利用LOBPCG方法求解局部特征值问题,有效检测问题区域并改善收敛性,并行实现具有良好的可扩展性。
2013-01-02 cs.NA math.NA
AHP-Net: adaptive-hyper-parameter deep learning based image reconstruction method for multilevel low-dose CT
低剂量CT(LDCT)成像在许多临床应用中是期望的,以减少对患者的X射线辐射剂量。受深度学习(DL)的启发,最近基于模型的迭代重建(MBIR)方法用于LDCT的一个有前途的方向是通过优化展开DL正则化图像重建,其中预定义的图像先验被可学习的数据自适应先验代替。然而,LDCT在临床上是多级的,因为临床扫描具有不同的噪声水平,这取决于扫描部位、患者体型和临床任务。因此,这项工作的目的是开发一种自适应超参数DL的图像重建方法(AHP-Net),可以处理不同噪声水平的多级LDCT。AHP-Net展开了一个半二次分裂方案,具有构建在框架滤波器组上的可学习图像先验,并学习了一个网络,该网络可以自动调整各种噪声水平的超参数。因此,AHP-Net提供了一个单一的通用训练模型,可以处理多级LDCT。使用临床扫描进行的广泛实验评估表明,AHP-Net优于传统的MBIR技术和最先进的基于深度学习的方法,用于不同噪声水平的多级LDCT。
2021-02-17 cs.NA eess.IV math.NA
Superposition frames for adaptive time-frequency analysis and fast reconstruction
Harvard University(哈佛大学)
本文提出一类称为叠加框架的自适应线性时频表示,具有类似短时傅里叶变换的快速重叠相加重构特性,并通过确定性及随机信号自适应准则实现数值稳定可逆表示。
2009-11-03 cs.NA cs.SD math.NA
Adaptive reconstruction of imperfectly-observed monotone functions, with applications to uncertainty quantification
出于对大类概率分布的偏差概率的严格的上界和下界的数值计算的愿望,我们提出了一种自适应算法的重建增加实值函数。虽然这个问题类似于保序回归的经典统计问题,但优化设置改变了问题的几个特征,并打开了自然的算法可能性。我们提出了我们的算法,建立充分条件的重建收敛到地面真理,并应用该方法合成测试用例和空气动力学设计的不确定性量化的一个现实世界的例子。
2020-08-10 cs.NA math.NA math.OC
An Adaptive Characteristic-wise Reconstruction WENOZ scheme for Gas Dynamic Euler Equations
Institute of Applied Physics and Computational Mathematics(应用物理与计算力学研究所);State Key Laboratory of High Temperature Gas Dynamics, Institute of Mechanics, Chinese Academy of Sciences(中国科学院力学研究所高温气体动力学国家重点实验室)
本文提出了一种自适应特征方向重构WENO方案(AdaWENO),通过在间断附近使用特征方向重构而在光滑区域切换到组件方向重构,从而提高计算效率,同时保持非振荡的流场,且在速度上比组件方向重构快约40%。
2019-01-12 cs.NA math.NA physics.flu-dyn
Adaptive Reconstruction for Electrical Impedance Tomography with a Piecewise Constant Conductivity
University College London(伦敦大学学院);Shanghai Normal University(上海师范大学)
本文提出并分析了一种数值方法,用于从边界电压测量中恢复分段常数电导率,该方法基于标准Tikhonov正则化与Modica-Mortola惩罚泛函,并利用合适的后验误差估计器进行自适应网格细化。证明了自适应算法的收敛性,并通过数值实验展示了算法的收敛行为。
2019-04-18 cs.NA math.NA math.OC
Adaptive resolution frames: A multilevel framework in Hilbert spaces
Payame Noor University(帕亚梅诺尔大学)
该研究提出希尔伯特空间中带分区索引结构的自适应分辨率框架(AR-frames),建立其算子的块三角表示,推导最优块对角预条件子,证明迭代重构方法收敛性及相关稳定性,为AR-frames的重构与扰动分析提供统一框架。
2026-08-20 cs.NA math.FA math.NA
Adaptive sparse grid discontinuous Galerkin method: review and software implementation
综述了求解高维偏微分方程的自适应稀疏网格间断Galerkin(aSG-DG)方法及其软件实现。名为AdaM-DG的C \texttt{++}软件包实现了aSG-DG方法,可在Github上的\url{https://github.com/JuntaoHuang/adaptive-multiresolution-DG}上获得。该软件包是能够处理一类大的高维线性和非线性偏微分方程。我们回顾了该算法的基本组成部分和软件的功能,包括所使用的多小波,组装的双线性算子,快速矩阵向量积的数据与层次结构。我们进一步证明了包的性能报告的数值误差和CPU成本的几个基准测试,包括线性输运方程,波动方程和Hamilton-Jacobi方程。
2022-11-03 cs.NA math.NA physics.comp-ph
An analytical reconstruction formula with efficient implementation for a modality of Compton Scattering Tomography with translational geometry
在本文中,我们解决了由Webber和Miller提出的平移几何中的康普顿散射层析成像模态中产生的圆弧上的Radon变换的精确逆公式的替代公式(逆问题(36)2,025007,2020)。最初的研究提出了第一种重建方法,使用Volterra积分方程的理论。这种类型的逆公式的数值实现可能会表现出一些困难,主要是由于稳定性问题。在这里,我们提供了一个合适的配方,可以直接实现在傅立叶域的精确反演。仿真结果表明了该算法的有效性。
2021-11-20 cs.NA math-ph math.MP
Adaptive non-intrusive reconstruction of solutions to high-dimensional parametric PDEs
本研究提出一种高维参数PDE解的自适应非侵入式重构方法,结合随机最小二乘的非侵入性与Galerkin后验误差分析,用变分蒙特卡洛获拟最优低秩近似,实现离散参数全自动调整,基准测试达同类最优性能。
2022-10-26 cs.NA math.FA math.NA
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
Software Implementation of the Krylov Methods Based Reconstruction for the 3D Cone Beam CT Operator
Krylov子空间方法被认为是一个标准的工具,以解决大型系统的线性代数方程组在许多科学学科,如图像恢复或解决偏微分方程在力学的连续。然而,在计算机断层扫描的背景下,最常用的代数重建技术是基于经典的迭代方案。在这项工作中,我们提出了软件包,实现了全三维锥束投影算子,并使用Krylov子空间方法,即CGLS和LSQR解决相关的层析重建问题。它还实现了基本的预处理策略。在三维Shepp-Logan体模的锥形束CT重建的例子中,我们表明CGLS的收敛速度明显优于PSIRT算法。因此,Krylov子空间方法提出了一个有趣的选择重建大型三维锥束CT问题。
2021-10-26 cs.NA eess.IV math.NA
Distributed and Adaptive Fast Multipole Method In Three Dimensions
我们开发了一个通用的分布式实现的自适应快速多极子方法在三维空间。我们依赖于一种平衡的自适应空间离散化,它支持高度透明和完全分布式的实现。复杂性分析表明,有利的标度特性和数值实验上多达512个核心和10亿个源点验证他们。控制算法的参数进行了深入的实验,对输入参数的性能响应意味着整体实现非常适合自动调谐。
2020-02-12 cs.DC cs.DS cs.NA