Pointwise Convergence Analysis for Approximations of Optimal Transport Problems with a Target Measure that Has Unbounded Support
Beijing Institute of Mathematical Sciences and Applications(北京数学科学与应用研究院)
本文研究了具有无界支撑目标测度的最优运输问题的点收敛性,推导了在特定情况下非渐近的点收敛速率,并探讨了其在数值求解中的应用。
2026-03-02 cs.NA math.NA math.OC
Optimal approximation of infinite-dimensional holomorphic functions II: recovery from i.i.d. pointwise samples
本文研究无限维全纯函数从有限样本的恢复问题,证明在任意张量积 Jacobi 测度下,基于最小二乘与压缩感知的 i.i.d. 逐点采样可达到近最优代数速率。
2025-02-19 cs.NA math.NA
Infinite-dimensional $\ell^1$ minimization and function approximation from pointwise data
Simon Fraser University(西蒙菲莎大学)
本文研究通过ℓ¹最小化技术从有限点样本逼近光滑函数,提出无限维方法,具有无噪声插值、无需先验尾部界及权重正则化优势,并分析了该方法的最坏误差。
2016-12-15 cs.NA math.FA math.NA
Finite Element Methods for One Dimensional Elliptic Distributed Optimal Control Problems with Pointwise Constraints on the Derivative of the State
研究了一维椭圆分布最优控制问题的$C^1$有限元法,该问题的状态导数具有逐点约束,状态变量表示为四阶变分不等式.对于Dirichlet边界条件的问题,我们利用已有的$H^{\frac52-ε}$正则性结果得到了最优状态在$H^2$范数下的近似解的$O(h^{\frac12-ε})$收敛性.对于混合Dirichlet和Neumann边界条件的问题,我们证明了在适当的数据假设下,最优状态属于$H^3$,并得到了最优状态在$H^2$范数下的逼近的$O(h)$收敛性.
2020-01-29 cs.NA math.NA math.OC
The mysteries of the best approximation and Chebyshev expansion for the function with logarithmic regularities
最佳多项式逼近和切比雪夫逼近在数值分析中都是重要的。传统上,最佳逼近被认为比切比雪夫逼近更好,因为它通常是在一致范数下考虑的。然而,对于代数奇点函数,它并不总是优于Trefethen \cite{Trefethen11sixmyths,Trefethen2020}所指出的后者.最近Wang \cite{Wang2021best}从理论上证明了这一点。本文发现,对于对数函数,除了在很窄的边界上,切比雪夫逼近的逐点误差都小于最佳逼近的逐点误差。切比雪夫级数在$n$阶截断后的逐点误差为$O(n^{-κ})$($κ= \min\{2γ+1, 2δ+ 1\}$),但在窄边界层中弱奇异端点附近的误差为$n$的一次方。给出了解释这种效应的定理。
2021-11-16 cs.NA math.NA
Uniform and Pointwise Shape Preserving Approximation by Algebraic Polynomials
University of Manitoba(曼尼托巴大学)
本文综述了近三十年来有限区间上代数多项式保形逼近理论的发展,讨论了均匀和逐点估计的有效性与无效性,并比较了不同约束和无约束逼近空间及特定函数的逼近阶。
2011-09-05 cs.NA math.CA math.FA
Reconstruction of frequency-localized functions from pointwise samples via least squares and deep learning
Faculty of Mathematics, University of Vienna(维也纳大学数学系);Department of Mathematics and Statistics, Concordia University(康卡迪亚大学数学与统计学系)
本文通过最小二乘法和深度学习方法,研究了从点wise数据中重构频率局部化函数的理论与实践问题,提出了新的恢复定理和近似保证,并通过实验比较了两种方法的性能。
2025-12-08 cs.LG cs.NA math.CA
On Local RBF Approximation
Texas A&M University(德克萨斯农工大学)
本文研究高度非均匀中心点分布下的径向基函数逼近,通过提出局部密度的等价刻画实现不同分辨率下的有效中心点放置,并与DeVore-Ron、Wu-Schaback及Duchon的逐点误差结果进行比较。
2011-01-11 cs.NA math.CA math.NA
Minimax separation of the Cauchy kernel
我们证明并应用分离实域上柯西核的最佳低秩逼近。骨架分解是最大相对逐点误差在实值函数上的最小值。我们提出了一个算法来优化其参数,证明次优,但有效的启发式近似,并确定数值稳定的形式。
2020-10-02 cs.NA math.NA
Near-optimal sampling strategies for multivariate function approximation on general domains
在本文中,我们解决的问题,逼近定义在一般域上的多元函数在$d$维从样本点。我们考虑加权最小二乘逼近在任意有限维空间$P$从独立的随机样本根据一个合适的措施。通常,当样本点$M$的数量接近$N = \dim(P)$时,最小二乘逼近可能是不准确的并且是病态的。为了抵消这一点,我们引入了一种新的方法,在一般域的采样,从而导致可证明的准确性和良好的条件近似。由此产生的采样测量是离散的,因此可以直接从中采样。我们的主要结果表明,接近最佳的样本复杂性,这个过程中,特别是,$M = \mathcal{O}(N \log(N))$样本足够一个良好的条件和准确的近似。一般域上的多项式逼近的数值实验证实了该方法优于标准抽样。
2019-12-14 cs.NA math.NA
Determining the Rolle function in Hermite interpolatory approximation by solving an appropriate differential equation
Mathsophical Ltd.(Mathsophical有限公司)
本文通过求解适当的微分方程确定Hermite插值的误差项,利用多项式近似误差项来提高插值精度,并通过实例展示精度提升的效果。
2023-03-08 cs.NA math.NA
A priori error estimates for optimal control problems governed by the transient Stokes equations and subject to state constraints pointwise in time
University of Connecticut(康涅狄格大学);Technical University of Munich(慕尼黑工业大学)
本文研究由瞬态斯托克斯方程所 governed 的最优控制问题,考虑了空间中的L2函数约束,并在时间点处满足点约束。通过空间中的inf-sup稳定有限元和时间中的不连续伽辽金方法进行离散化,建立了最佳逼近型误差估计,并由此得出离散控制问题的误差估计,同时展示了最优控制的改进正则性。通过数值结果补充了理论分析。
2025-02-11 cs.NA math.NA math.OC
Approximation of discontinuous functions by Kantorovich exponential sampling series
本文分析了有界可测信号f在跳跃间断处的Kantorovich指数抽样序列。建立了该级数的一个表示引理,并利用该引理证明了某些不连续信号的逼近定理。研究了该级数用对数光滑模表示的逼近阶。此外,已经获得了基于过去样本值的信号的线性预测。进行了一些数值模拟以验证采样序列对不连续信号f的逼近。
2021-02-08 cs.NA math.FA math.NA
Approximation by sampling-type operators in $L_p$-spaces
研究了采样型拟投影算子$Q_j(f,φ, \widetildeφ)$对各向异性Besov空间中函数$f$的逼近性质.在$φ$具有足够的衰减性,满足Strang-Fix条件和与$\widetildeφ$相容的条件下,得到了一类调和分布$\widetildeφ$和一类函数$φ$的$L_p$模误差估计.估计是根据光滑模和最佳逼近给出的。
2020-01-23 cs.NA math.CA math.NA
Weighted Approximation By Max-Product Generalized Exponential Sampling Series
本文研究经典广义Max-Product指数采样级数在对数一致连续且有界函数加权空间中的收敛行为,推导了基本与渐近收敛结果,并利用加权对数连续模获得了定量逼近结果。
2024-09-24 cs.NA math.FA math.NA
Sampling, Marcinkiewicz-Zygmund Inequalities, Approximation, and Quadrature Rules
本文基于$L^2$中的Marcinkiewicz-Zygmund不等式,用完全初等的方法推导出逼近定理与求积法则,仅依赖不等式定义、Sobolev空间和最小二乘问题的解。
2019-09-17 cs.NA math.FA math.NA
Efficient approximation of SDEs driven by countably dimensional Wiener process and Poisson random measure
本文研究了无穷维Wiener过程驱动的随机微分方程解的逐点逼近问题,其中附加跳由Poisson随机测度产生.进一步的研究包含建议的截断维随机欧拉格式的误差界。我们还建立匹配(常数)的上限和下界$\varepsilon$ -复杂性,并表明所定义的算法是最佳的基于信息的复杂性(IBC)的意义。最后,使用GPU架构进行数值实验的结果也报告。
2021-08-05 cs.NA math.NA math.PR
Finite element error estimates for a bilinear optimal control problem with pointwise tracking governed by a semilinear elliptic PDE
Universidad Técnica Federico Santa María(智利弗雷德里克·萨曼纳技术大学);Universidad de Los Lagos(洛斯拉戈斯大学)
针对半线性椭圆PDE控制的逐点跟踪双线性最优控制问题,提出半离散与全离散有限元方案,证明收敛性及误差界,二维下误差改进,数值实验验证性能。
2026-09-29 cs.NA math.NA math.OC
Sampling recovery on classes defined by integral operators and sparse approximation with adaptive dictionaries
本文研究了由积分算子定义的类上的采样恢复误差渐进行为,并将其与自适应字典下的稀疏逼近问题联系起来。
2026-01-13 cs.NA math.FA math.NA
Special measures of smoothness for approximation by sampling operators in $L_p(\Bbb{R}^d)$
针对低光滑函数传统度量失效问题,提出结合采样点局部行为的改进光滑性度量,为 $L_p$ 空间采样算子逼近提供匹配的正逆误差估计及收敛准则。
2025-07-01 cs.NA math.CA math.NA
Inverse approximation and GBS of bivariate Kantorovich type sampling series
Visvesvaraya National Institute of Technology(维斯瓦萨瓦亚国家理工学院)
本文研究了双变量Kantorovich型采样算子的逆问题,推导了在连续函数空间中的逼近结果,并证明了在Bogel空间中GBS的逼近速度,最后给出了该理论应用的核函数示例。
2019-05-28 cs.NA math.FA math.NA
Approximation by linear sampling operators in Banach spaces
Institute for Numerical and Applied Mathematics, Göttingen University(哥廷根大学应用数学与数值计算研究所)
本文研究Banach空间中线性采样算子的逼近性质,推导了新的逼近估计和等价结果,扩展了经典定理的应用范围。
2026-01-26 cs.NA math.CA math.FA
Improved sampling and validation of frozen Gaussian approximation with surface hopping algorithm for nonadiabatic dynamics
Duke University(杜克大学)
本文提出改进的FGA-SH方法,利用出生和死亡分支过程提升采样效率,并通过标准非绝热动力学测试案例验证算法有效性。
2016-09-08 cs.NA math.NA physics.chem-ph