On the continuum limit for discrete NLS with long-range lattice interactions
考虑网格步长为$h>0$的格点$h \mathbb{Z}$上的一类离散非线性Schroedinger方程(DNLS).在$h \to 0$的连续极限下,我们证明了极限动力学是由$\mathbb{R}$上的一个非线性Schroedinger方程(NLS)给出的,该方程以分数Laplacian $(-Δ)^α$为色散符号.特别地,我们得到分数幂$1/2 < α< 1$在传递到连续极限时由长程晶格相互作用产生,而具有非分数拉普拉斯$-Δ$的NLS描述了短程晶格相互作用的连续极限中的色散(例如,最近邻相互作用)。我们的结果严格证明某些NLS模型方程与分数拉普拉斯在物理文献中提出的。此外,本文所给出的结论也可用于讨论其他长程相互作用晶格系统的连续极限。
2012-07-24 math-ph math.AP math.MP
Lipschitz regularity of graph Laplacians on random data clouds
University of Minnesota(明尼苏达大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校);University of Pittsburgh(匹兹堡大学)
本文研究了几何图上由随机数据点构造的椭圆型偏微分方程的Lipschitz正则性。数据点从支持在光滑流形上的分布中采样。我们研究的方程族出现在基于图的学习背景下的数据分析中,并且包含图拉普拉斯特征向量所满足的方程作为重要示例。特别地,我们证明了图泊松方程解的高概率内部和整体Lipschitz估计。我们的结果可以用来表明,图拉普拉斯特征向量,具有很高的概率,基本上Lipschitz正则常数显式依赖于其相应的特征值。我们的分析依赖于合适的随机游动在连续水平的概率耦合参数,和插值方法的随机点云扩展功能的连续流形。作为我们的一般正则性结果的副产品,我们获得了高概率$L^\infty$和近似$\mathcal{C}^{0,1}$收敛速度的收敛图拉普拉斯特征向量对相应的加权Laplace-Beltrami算子的特征函数。收敛速度,我们得到的规模一样的$L^2$ -收敛速度由两位作者在以前的工作。
2021-10-20 cs.LG cs.NA math.AP
The game theoretic p-Laplacian and semi-supervised learning with few labels
Department of Mathematics, University of Minnesota(明尼苏达大学数学系)
研究了图上半监督学习中的博弈论p-拉普拉斯方程,证明其在有限标签和无限未标签数据极限下的良好性,展示其连续极限为加权连续p-拉普拉斯方程,并证明图p-拉普拉斯方程的解在高概率下近似Hölder连续。
2018-08-27 cs.LG cs.NA math.AP
Existence results for fractional p-Laplacian problems via Morse theory
我们研究一类拟线性非局部问题,包括作为一个特殊的情况下,半线性问题,涉及分数拉普拉斯算子和连续介质力学,相变现象,人口动力学和对策论的框架中产生的。在反应项的不同增长假设下,利用变分方法和拓扑方法,特别是莫尔斯理论,我们得到了不同的存在性和有限重数结果.
2014-03-21 math.AP
Continuum Limit of Lipschitz Learning on Graphs
University of Erlangen–Nürnberg(埃尔朗根-纽伦堡大学);University of Bonn(波恩大学)
近年来,用基于图的方法来解决半监督学习问题已经成为一种趋势,因为图可以表示各种数据并为研究连续极限提供合适的框架,例如,微分算子这里流行的策略是$p$ -Laplacian学习,它对未标记数据集上所寻求的推理函数提出了平滑条件。对于$p<\infty$连续极限的这种方法进行了研究,使用工具从$Γ$收敛。对于被称为Lipschitz学习的$p=\infty$情形,利用粘性解的概念研究了相关无穷拉普拉斯方程的连续极限。在这项工作中,我们证明了连续极限Lipschitz学习使用$Γ$收敛。特别是,我们定义了一个序列的泛函近似的最大的局部Lipschitz常数的一个图函数和证明$Γ$ -收敛的$L^\infty$ -拓扑的上确界范数的梯度图变得更加密集。此外,我们证明了紧的泛函,这意味着收敛的极小。在我们的分析中,我们允许一组不同的标签数据,收敛到一个一般的封闭的Hausdorff距离。我们将我们的结果应用到非线性基态,即,最小的约束$L^p$ -范数,并作为一个副产品,证明收敛的图距离函数的测地距离函数。
2021-11-29 cs.LG cs.NA math.AP
Properly-weighted graph Laplacian for semi-supervised learning
Department of Mathematics, University of Minnesota(明尼苏达大学数学系);Department of Mathematical Sciences, Carnegie Mellon University(卡内基梅隆大学数学科学系)
本文提出了一种带权图拉普拉斯算子的方法,以解决传统半监督学习方法在标签数据与未标签数据比例降低时性能下降的问题,通过在拉普拉斯正则化中正确设置权重,使估计器在大样本极限下保持良好和稳定,证明了所提出的方法在无限样本极限下收敛于连续变分问题的光滑解。
2019-04-02 cs.LG cs.NA math.AP
Analysis and algorithms for $\ell_p$-based semi-supervised learning on graphs
University of Minnesota(明尼苏达大学)
本文研究了基于$\ell_p$的Laplacian正则化在半监督学习中的理论和应用。图$p$ -Laplacian for $p>2$最近已经被提出作为标准($p=2$)图Laplacian在具有很少标签的半监督学习问题中的替代,其中Laplacian学习是退化的。在本文的第一部分中,我们证明了新的离散到连续收敛结果的$p$ -Laplace问题的$k$ -最近邻($k$ -NN)图,这是更常用的在实践中比随机几何图。我们的分析表明,在$k$ -NN图上,$p$ -Laplacian保留了数据分布的信息,如$p\to \infty$和Lipschitz学习($p=\infty$)对数据分布是敏感的。这种情况可以与随机几何图形成对比,其中$p$ -拉普拉斯算子忘记了数据分布为$p\to \infty$。我们还提出了一个一般框架,用于证明基于图的学习中的离散到连续收敛结果,只需要逐点一致性和单调性。在本文的第二部分中,我们开发了快速算法求解变分和博弈论$p$ -拉普拉斯方程的加权图$p>2$。我们提出了几个有效的和可扩展的算法,这两种配方,并提出数值模拟结果的合成数据表明其收敛性能。最后,我们在MNIST、FashionMNIST和EMNIST数据集上进行了大量的数值实验,说明了$p$ -Laplacian公式在半监督学习中的有效性。特别是,我们发现Lipschitz学习($p=\in…
2022-01-27 cs.CV cs.LG cs.NA
Hypergraph $p$-Laplacian regularization on point clouds for data interpolation
China Jiliang University(中国计量大学);Deutsches Elektronen-Synchrotron DESY(德国电子同步加速器研究所);Universität Hamburg(汉堡大学)
本文提出基于超图的p-拉普拉斯正则化方法,用于提升点云数据插值中防止标记点尖峰发展的性能。
2025-03-17 cs.LG cs.NA math.AP
Consistency of semi-supervised learning, stochastic tug-of-war games, and the p-Laplacian
University of Minnesota(明尼苏达大学);Louisiana State University(路易斯安那州立大学)
本文概述了偏微分方程与基于图的半监督学习的交叉领域,聚焦PDE连续统极限证明算法适定性,并利用p-Laplacian的随机拔河博弈解释提出了其半监督学习一致性的新结果,辅以数值实验说明。
2024-06-03 cs.LG cs.NA math.AP
Continuum limit of $p$-biharmonic equations on graphs
Department of Mathematics, China Jiliang University(中国浙江大学数学系);Computational Imaging Group and Helmholtz Imaging, Deutsches Elektronen-Synchrotron DESY(德意志电子同步辐射研究中心计算成像组和Helmholtz成像);Fachbereich Mathematik, Universität Hamburg(汉堡大学数学学院)
本文研究图上$p$-双调和方程在随机几何图数据点趋于无穷时的连续极限,证明其为带齐次Neumann边界条件的加权$p$-双调和方程,并给出解的$L^p$与$L^\infty$估计。
2025-04-25 cs.LG cs.NA math.AP
A continuum limit for the PageRank algorithm
University of Minnesota(明尼苏达大学);University of Utah(犹他大学)
半监督和无监督机器学习方法通常依赖于图来建模数据,这促使人们研究如何在学习问题中利用图上运算符的理论属性。虽然大多数现有的文献集中在无向图,但有向图在实践中非常重要,可以为物理,生物或运输网络以及许多其他应用提供模型。在本文中,我们提出了一个新的框架,严格研究连续极限的学习算法上的有向图。我们使用新的框架来研究PageRank算法,并展示它如何可以被解释为一个数值计划的有向图涉及一种类型的规范化图拉普拉斯算子。我们表明,相应的连续极限问题,这是作为网页的数量增长到无穷大,是一个二阶,可能退化,椭圆型方程,其中包含反应,扩散和对流项。我们证明了该数值格式是一致的和稳定的,并计算了离散解到连续极限PDE解的显式收敛速度。我们给出了应用程序来证明PageRank向量的稳定性和渐近正则性。最后,我们用数值实验说明了我们的结果,并探索了数据深度的应用。
2021-01-10 cs.LG cs.NA math.AP
Strong Convergence for Discrete Nonlinear Schrödinger equations in the Continuum Limit
考虑格点$h\mathbb{Z}^d$上的离散非线性薛定谔方程(DNLS),其线性部分由只考虑最近邻相互作用的离散拉普拉斯算子或其分数幂决定.我们表明,在连续极限$h\to 0$,解决方案DNLS强收敛于$L^2$的那些相应的连续方程,但精确的收敛速率也计算。在特殊情况下,这一结果改善了Kirkpatrick,Lenzmann和Staffilani \cite{KLS}的弱收敛性。我们的证明是基于一个适当的调整分散偏微分方程技术的离散设置。值得注意的是,我们采用均匀的$h$ Schohartz估计离散线性薛定谔方程在\cite{HY},定量测量色散现象的晶格。我们的方法可以适用于更一般的设置,如\cite{KLS},只要获得所需的Eschenhartz估计。
2018-06-20 math.AP
Exponential Crystal Relaxation Model With P-Laplacian
本文证明了一类具有指数和p-Laplacian非线性项的初边值问题的整体弱解的存在性。该方程是一个连续的限制家庭的动力学蒙特卡罗模型的晶体表面弛豫。在我们的研究中,我们发现了一个弱解,其中的指数方程,$-Δ_p u$,可以有一个奇异的部分,根据勒贝格分解定理。$-Δ_p u$的奇异部分对应于其中$-Δ_p u = -\infty$,这导致其具有与指数非线性的抵消效应。对于线性指数$p=2$的情况和与时间无关的问题,已经证明了这种效果。我们的研究表明,我们可以利用这种同样的效果,在不定常的情况下,与非线性指数。我们通过首先形成一系列近似解然后传递到极限来获得解。我们的存在性结果的关键在于观察到,尽管在时间方向上完全缺乏估计,人们仍然可以获得项$e^{-Δ_p u}$的预紧性。但是,我们必须假设$1<p\leq 2$。
2023-01-31 math.AP
Spectral Analysis Of Weighted Laplacians Arising In Data Clustering
从加权邻接矩阵计算的图拉普拉斯算子被广泛用于识别数据中的几何结构,特别是聚类;它们的谱特性在许多无监督和半监督学习算法中起着核心作用。当适当地缩放时,图拉普拉斯算子在大数据极限中接近极限连续算子。因此,研究这些极限算子有助于学习算法。本文研究了一类参数化的散度型椭圆算子族,该算子族是由图拉普拉斯算子的大数据极限引起的。解释了图拉普拉斯算子的三参数族与微分算子的三参数族之间的联系。这些微分算子的频谱特性的情况下,数据包括两个几乎分离的集群进行了分析,在某种意义上说,这是精确的。特别是,我们调查的光谱间隙如何取决于进入图拉普拉斯算子的三个参数,并在一个参数测量的扰动的大小从完美的集群的情况下。数值计算结果提出了扩展和扩展的分析:计算研究的情况下,有两个几乎分离的集群,但违反了我们的理论中使用的假设,在两个以上的集群存在的情况下,也超出了我们的理论,并证明了我们的研究的相关性的微分算子通过图形拉普拉斯有限数据问题的理解。研究结果提供了深入了解的参数选择的学习算法是基于加权邻接矩阵,他们也提供了各种无监督和半监督学习算法的一致性分析的基础上,在大数据的限制。
2020-07-13 math.AP math.SP stat.ML
An existence theory for nonlinear superposition operators of mixed fractional order
The University of Western Australia(西澳大利亚大学);Florida Institute of Technology(佛罗里达理工学院)
本文提出了一种混合分数阶非线性叠加算子的存在性理论,解决了临界类型非线性问题多个解的存在性问题。
2023-10-04 math.AP
Large Data and Zero Noise Limits of Graph-Based Semi-Supervised Learning Algorithms
Caltech(加州理工学院);Carnegie Mellon University(卡内基梅隆大学);University of Cambridge(剑桥大学)
缩放中的图形拉普拉斯算子接近一个微分算子在大型图的限制是用来开发一些算法的半监督学习的理解,特别是扩展,这个图设置的概率算法,水平集和克里格方法,进行了研究。优化和贝叶斯方法都被认为是基于从拉普拉斯算子的仿射变换中发现的正则化二次型,提高到一个可能是分数的指数。定义这个二次型的参数的条件下,定义良好的限制连续类似的优化和贝叶斯半监督学习问题可能会被发现,从而揭示在大型图形设置的算法设计。通过$Γ-$收敛,使用最近推出的$TL^p$度量的优化配方的大型图的限制。小标签噪声限制的贝叶斯公式也被确定,并与预先存在的谐波函数的方法来解决这个问题。
2018-12-28 cs.LG math.AP stat.ML
Mean curvature, threshold dynamics, and phase field theory on finite graphs
在连续介质中,中曲率流、Allen-Cahn(AC)偏微分方程和Merriman-Bence-Osher(MBO)阈值动力学方案之间存在密切联系。这些过程的图形类似物最近看到了流行度的上升,作为NP完全组合问题的松弛,这需要更深入的理论基础的图形过程。本文的目的是介绍这些图形的过程中,他们的连续对应,提供一些背景,证明了第一个结果连接它们,说明这些过程的例子,并确定开放的问题,为今后的研究。我们从图割函数中导出图曲率,图割函数是全变差(周长)的自然图对应物。这种推导和由此产生的曲率定义不同于那些在早期文献中,连续中曲率是简单的离散化,并承担许多相似的连续非局部曲率或非局部的手段制定。这种新的图曲率不仅是相关的图MBO动力学,但也出现在变分制定的离散时间图中曲率流。我们证明估计表明,动态是平凡的MBO和AC的演变,如果参数(时间步长和扩散界面尺度,分别)是足够小(一种现象称为“冻结”或“钉扎”),也是MBO的动态是不平凡的,如果时间步长是足够大的。这些界限是根据图的数量,如图的拉普拉斯算子和图的曲率的频谱。将连续MBO方案的李雅普诺夫泛函应用于图,证明了图MBO方案在有限次迭代中收敛到稳态。最近,在文献中,这种方案的变体已经成为最小化(连续)非局部全变差的方法。
2015-04-30 math.AP