首页/论文/2006.01556

arXiv 2006.015562020-06-02math.NAcs.NA

$\mathcal{H}^2$ -矩阵逼近的核无关自适应构造

Kernel-independent adaptive construction of $\mathcal{H}^2$-matrix approximations

M. Bauer, M. Bebendorf, B. Feist

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

提出了一种非局部算子的$\mathcal{H}^2$ -矩阵逼近的核无关构造方法。特别注意的是自适应建设套基地。作为一个副结果，新的误差估计的自适应交叉逼近~（ACA）的枢轴战略的影响。

英文摘要：

A method for the kernel-independent construction of $\mathcal{H}^2$-matrix approximations to non-local operators is proposed. Special attention is paid to the adaptive construction of nested bases. As a side result, new error estimates for adaptive cross approximation~(ACA) are presented which have implications on the pivoting strategy of ACA.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于偏微分方程的自适应核方法求解最优滤波问题

A PDE-based Adaptive Kernel Method for Solving Optimal Filtering Problems

在本文中，我们介绍了一种自适应核方法来解决最优滤波问题。我们采用的计算框架是贝叶斯滤波器，其中我们递归地生成一个最佳估计的目标随机动力系统的状态的基础上部分噪声观测数据。我们使用的数学模型制定的状态动力学的传播是福克-普朗克方程，我们引入了一个算子分解方法来有效地解决福克-普朗克方程。引入自适应核方法，自适应地构造高斯核函数来逼近目标状态的概率分布。贝叶斯推理被应用于将观测数据纳入状态模型仿真。数值实验已经进行了验证我们的核方法的性能。

2022-03-09cs.NAmath.NA

深度核模型在认证和自适应RB-ML-ROM代理建模中的应用

Application of Deep Kernel Models for Certified and Adaptive RB-ML-ROM Surrogate Modeling

在缩减基方法的框架中，我们最近引入了一种新的认证分层和自适应代理模型，该模型可用于由参数化偏微分方程控制的输入-输出映射的有效近似。这种自适应方法结合了全阶模型，降阶模型和机器学习模型。在这篇文章中，我们通过利用机器学习部分的新内核模型来扩展该方法，特别是结构化深度内核网络以及两层内核模型。我们证明了这些增强的内核模型的RB-ML-ROM代理建模链的可用性，并强调其在数值实验中的好处。

2023-02-28cs.NAmath.NA

用于正则化核矩阵的自适应分解 Nyström 预条件子

An Adaptive Factorized Nyström Preconditioner for Regularized Kernel Matrices

针对核函数参数变化导致正则化核矩阵谱差异大、预条件困难的问题，本文提出 AFN 预条件子，通过良态子矩阵、分解式稀疏近似逆校正及自适应子矩阵规模选择，高效处理高数值秩情形。

2024-04-09cs.NAmath.NA

反应流核模型数据扩充训练的自适应模型层次

An adaptive model hierarchy for data-augmented training of kernel models for reactive flow

我们考虑机器学习的时间依赖量的利益来自抛物型偏微分方程的解决方案的轨迹。对于大规模或长时间的集成方案，其中使用全阶模型（FOM）来生成足够的训练数据在计算上是禁止的，我们提出了一个自适应层次的中间降基降阶模型（ROM），以增加FOM训练数据所需的认证ROM训练数据，以适应内核模型。

2022-04-29cs.NAmath.NA

平移不变核函数的$\mathcal{H}^2$-矩阵

$\mathcal{H}^2$-matrices for translation-invariant kernel functions

本文针对平移不变核函数的边界积分算子，提出一种改进的$\mathcal{H}^2$-矩阵构造方法，利用平移不变性和盒子均匀性显著降低存储需求，并在简单假设下证明了存储复杂度估计。

2024-06-07cs.NAmath.NA

求解不定常边值问题的自适应LOOCV核方法

Adaptive LOOCV-based kernel methods for solving time-dependent BVPs

本文提出了一种求解含时不定常边值问题的自适应格式。为了解决这些问题的数值，我们考虑基于核的直线法，使我们能够分裂的空间和时间的衍生物，分别处理。这种自适应算法是基于留一交叉验证（LOOCV）技术，这是作为一个错误的指标。通过该方案，我们可以首先检测估计误差过大的域区域-通常是由于解的急剧变化或快速变化-然后通过应用两点细化策略相应地增强数值解。数值实验表明，我们的自适应加密方法的有效性和性能。

2022-03-26cs.NAmath.NA

更多相关论文收起更多论文

对称正定$\mathcal{H}^2$矩阵HSS预条件子的有效构造

Efficient construction of an HSS preconditioner for symmetric positive definite $\mathcal{H}^2$ matrices

在求解具有病态对称正定（SPD）核矩阵的线性系的迭代方法中，需要快速的矩阵向量积和快速的预处理运算。通过以$\mathcal{H}^2$表示法或等效的快速多极子方法表示法表示核矩阵，可以获得快速（线性缩放）矩阵向量乘积。然而，预处理这样的矩阵需要比$\mathcal{H}^2$表示更规则的结构化矩阵近似，诸如提供快速求解操作的分层半可分离（HSS）矩阵表示。先前，提出了一种算法来构造对保证为SPD的SPD核矩阵的HSS近似。然而，该算法具有二次成本，并且仅被设计用于定义核矩阵的点的递归二进制划分。本文提出了一种构造SPD HSS近似的通用算法。重要的是，该算法使用SPD矩阵的$\mathcal{H}^2$表示来将其计算复杂性从二次降低到拟线性。数值实验说明了如何SPD HSS近似执行作为一个预处理器解决线性系所产生的范围内的核函数。

2021-01-11cs.NAmath.NA

参数相关层势的自适应核分裂quadrature方法

An adaptive kernel-split quadrature method for parameter-dependent layer potentials

基于面板的核分裂求积是目前最有效的方法之一，可用于精确评估奇异和近奇异层潜力在二维。但对于修正的Helmholtz方程、双调和方程和斯托克斯方程中的层势，它可能完全失效。这些方程取决于一个参数，表示为$α$，当这个参数增长超过某个阈值时，核分裂正交快速失去其精度。本文介绍了一种算法，解决这个问题，使用每目标自适应采样的源几何形状。细化是通过递归二分法，精心挑选的规则集。这以作为$\logα$缩放的增加的成本来维持参数$α$的宽范围的准确性。使用这种算法允许核分裂正交是准确和有效的更广泛的问题比以前可能的。

2022-01-19cs.NAmath.NA

基于样本点的多尺度核拉索树自适应方法

Tree-Adaptive Multiscale Kernel Lasso in Samplet Coordinates

IDSIA USI-SUPSI, Università della Svizzera italiana（IDSIA USI-SUPSI，瑞士意大利大学）

本文提出一种基于样本点表示的多尺度核近似框架，通过自适应数据点选择策略减少问题规模，并利用正则化最小二乘法实现高效重建。

2026-10-20cs.NAmath.NA

基于极大似然估计的自适应残差欠采样核插值算法

An adaptive residual sub-sampling algorithm for kernel interpolation based on maximum likelihood estimations

在本文中，我们提出了一个增强版本的残差子采样方法（RSM）在[9]的自适应插值径向基函数（RBF）。更确切地说，我们介绍的背景下，子采样方法的最大轮廓似然估计（MPLE）的RBF形状参数的最佳选择的标准。这种选择是完全自动的，为任何RBF提供高度可靠和准确的结果，并且与原始RSM不同，保证RBF插值唯一存在。通过对一维和二维基准目标函数的数值实验，验证了MPLE-RSM方法的有效性。

2022-03-26cs.NAmath.NA

参数相关层势的自适应核分裂quadrature方法

An adaptive kernel-split quadrature method for parameter-dependent layer potentials

基于面板的核分裂求积是目前最有效的方法之一，可用于精确评估奇异和近奇异层潜力在二维。但对于修正的Helmholtz方程、修正的双调和方程和修正的斯托克斯方程的层势，它可能完全失效。这些方程取决于一个参数，表示为$α$，当这个参数增长超过某个阈值时，核分裂正交快速失去其精度。本文介绍了一种算法，解决这个问题，使用每目标自适应采样的源几何形状。细化是通过递归二分法，精心挑选的规则集。这以作为$\log α$缩放的增加的成本来维持参数$α$的宽范围的准确性。使用这种算法允许核分裂正交是准确和有效的更广泛的问题比以前可能的。

2021-08-03cs.NAmath.NA

$\mathcal{H}$-矩阵基于迭代和直接求解器的理论与实现：用于亥姆霍兹和弹性动力学振荡核

Theory and implementation of $\mathcal{H}$-matrix based iterative and direct solvers for Helmholtz and elastodynamic oscillatory kernels

Laboratoire POEMS UMR CNRS-INRIA-ENSTA, Université Paris-Saclay ENSTA-UMA（巴黎萨克雷大学 ENSTA 数学与应用数学实验室）

本文研究了基于$\mathcal{H}$-矩阵的快速方法在求解三维弹性动力学格林张量离散化所产生密集线性系统中的精度与效率。通过$\mathcal{H}^2$矩阵和方向方法克服了标准$\mathcal{H}$-矩阵在振荡核中的不足，展示了在机械工程中该方法的有效性。

2017-09-28cs.NAmath.NAphysics.class-ph

关于再生核希尔伯特空间在$L^2$中的紧嵌入的一个注记

A short note on compact embeddings of reproducing kernel Hilbert spaces in $L^2$ for infinite-variate function approximation

本说明由两个基本独立的部分组成。第一部分给出了再生核Hilbert空间$H$的核$k: Ω\times Ω\rightarrow \mathbb{R}$通过恒等映射连续嵌入到$L^2(Ω, μ),$中的条件，等价于$H$偶紧嵌入到$L^2(Ω, μ).$中。第二部分考虑了无穷变量$L^2$ -逼近的情形。假设一元函数的再生核Hilbert空间具有再生核$1+k$嵌入到$L^2(Ω, μ)$中是紧的.我们提供了一个简单的准则来检查嵌入到一个适当的$L^2$空间的紧性的再生核希尔伯特空间与由$$\sum_{u \in \mathcal{U}} γ_u \bigotimes_{j \in u}k,$$给出的核，其中$\mathcal{U} = \{u \subset \mathbb{N}: |u| < \infty\},$和$(γ_u)_{u \in \mathcal{U}}$是一个非负数序列。

2022-06-15cs.NAmath.FAmath.NA

欧氏球、特殊正交群和格拉斯曼流形上差异核的谱分解

Spectral decomposition of discrepancy kernels on the Euclidean ball, the special orthogonal group, and the Grassmannian manifold

为了用有限原子测度对Borel概率测度进行数值逼近，我们研究了在$\mathbb{R}^d$的紧子集上的差异核的谱分解.对于奇数维欧氏球、旋转群$SO(3)$和格拉斯曼流形$\mathcal{G}_{2,4}$的限制，我们计算核的傅里叶系数并确定它们的渐近性。然后在傅立叶域中表达$L_2$-差异，其使得能够基于非等间距快速傅里叶变换进行有效的数值最小化。对于$SO(3)$，非等间距快速傅立叶变换是公开可用的，并且对于$\mathcal{G}_{2,4}$，变换在这里导出。我们还提供了$SO(3)$和$\mathcal{G}_{2,4}$的数值实验。

2019-09-26cs.NAmath.NAmath.SP

张量多矢核奇异积分的显式计算

Explicit calculation of singular integrals of tensorial polyadic kernels

$u$的里斯变换：$\mathcal{S}(\mathbb{R}^n) \rightarrow \mathcal{S'}(\mathbb{R}^n)$被定义为奇异核的卷积，并且可以使用傅里叶变换和简单的乘法器方便地表示。我们将这种分析扩展到高阶里斯变换，即某些类型的奇异积分，包含张量多进内核，并定义一个积分变换的功能$\mathcal{S}(\mathbb{R}^n) \rightarrow \mathcal{S'}(\mathbb{R}^{ n \times n \times \dots n})$。我们证明了变换后的核也是一个多矢张量，并提出了一种显式计算傅立叶乘数的一般方法。分析结果，以及一个递归算法，计算变换后的核的系数。我们比较的结果直接数值计算，并讨论的情况下，$n=2$，与应用程序的图像分析。

2022-09-02cs.NAmath-phmath.FA

基于确定性特征的无欺骗核自适应滤波

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。

2019-12-10cs.LGcs.NAmath.NA

核方法在算子学习中具有竞争力

Kernel Methods are Competitive for Operator Learning

Caltech（加州理工学院）；University of Washington（华盛顿大学）

该研究提出基于核的巴拿赫空间算子学习框架，经与DeepONet、FNO等神经网络方法对比，验证其在多数基准上成本-精度表现相当或更优，兼具核方法的多项优势，可作为算子学习天然基准。

2023-10-08cs.LGcs.NAmath.NA