Numerical Integration as a Finite Matrix Approximation to Multiplication Operator
Aalto University(阿尔托大学)
本文将数值积分作为乘法算子在有限维基上投影所获得矩阵的矩阵函数评估,通过高斯求积来展示该方法的特殊性,并研究了数值积分节点的放置及新方法的收敛性。
2018-12-17 cs.NA math.NA
Embeddings for Infinite-Dimensional Integration and $L_2$-Approximation with Increasing Smoothness
Christian-Albrechts-Universität zu Kiel(基尔大学);Technische Universität Kaiserslautern(凯泽斯劳滕工业大学);Johannes-Kepler-Universität Linz(林茨约翰内斯开普勒大学);University of Kentucky(肯塔基大学)
本文研究了在可数张量积函数空间上的积分和 $L_2$-逼近问题,通过推导嵌入定理,得到了最小误差的上界和下界,这些界在许多情况下都是最优的,包括Korobov、Walsh、Haar和Sobolev空间。
2018-09-19 cs.NA math.NA
Multi- and Infinite-variate Integration and $L^2$-Approximation on Hilbert Spaces with Gaussian Kernels
本文研究了在具有高斯核的希尔伯特空间上多变量和无限变量积分与L²近似的最坏情况下的算法性能,改进了多变量积分的可处理性结果并建立了多项式收敛率的上下界。
2025-12-05 cs.NA math.NA
Integration and approximation of multivariate functions: average case complexity with isotropic Wiener measure
本文研究连续函数类在各向同性Wiener测度下,仅利用函数值进行多元积分和L2逼近的平均情形复杂度。
1993-04-01 cs.NA math.CA math.NA
On alternative quantization for doubly weighted approximation and integration over unbounded domains
已知对于在$ψ$加权$L_p$空间中用$r$阶导数对单变量函数$f$的$ρ$加权$L_q$逼近,使用$f$的$n$样本的逼近的最小误差与$\|ω^{1/α}\|_{L_1}^α\|f^{(r)}ψ\|_{L_p}n^{-r+(1/p-1/q)_+},$成比例,其中$ω=ρ/ψ$和$α=r-1/p+1/q.$此外,最佳样本点由$ω^{1/α}.$的分位数确定。我们展示了当采样点由除$ω.$之外的量化器$κ$确定时,最佳逼近的误差如何变化。我们的结果可以应用于必须使用替代量化器的情况,因为$ω$不是精确已知的或者太复杂而无法计算处理。$q=1$的结果也适用于无界区域上的$ρ$加权积分。
2019-07-09 cs.NA math.NA
Function integration, reconstruction and approximation using rank-1 lattices
我们考虑秩-1格的集成和重建的功能与级数展开支持一个有限的指标集。我们探索了周期傅立叶空间与非周期余弦空间和切比雪夫空间之间的联系,通过帐篷变换和余弦变换,将已知的结果从周期设置转换为非周期设置的新见解。快速离散余弦变换可以应用于重建阶段。为了减少辅助索引集的大小,在相关的组件的组件(CBC)建设的晶格生成矢量,我们的工作与双正交基函数集,导致三种方法的功能重建在非周期性设置。为CBC的构造提供了新的理论和有效的算法策略。我们还解释我们的结果的背景下,一般函数逼近和离散最小二乘逼近。
2020-08-10 cs.NA math.NA
Numerical integration without smoothness assumption
我们考虑数值积分的类,我们不强加任何光滑性假设。我们说明了如何非线性逼近,特别是贪婪逼近,使我们能够保证一定的衰减率的误差数值积分,即使在这样一个一般的设置没有平滑的假设。
2020-03-30 cs.NA math.NA stat.CO
Randomized Complexity of Parametric Integration and the Role of Adaption I. Finite Dimensional Case
本文研究向量值均值计算的随机化复杂度,即参数积分的离散形式,为Sobolev空间参数积分复杂度分析奠定基础,并解决随机化线性问题中自适应能力的基本问题。
2023-06-23 cs.NA math.NA
Time integration of quantized tensor trains using the interpolative dynamical low-rank approximation
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
本文提出了一种基于插值的动态低秩近似方法,用于在量化张量列车框架下高效处理非线性系统的时间积分问题。
2025-12-17 cs.NA math.NA
Is hyperinterpolation efficient in the approximation of singular and oscillatory functions?
奇异函数和振荡函数在许多应用中具有重要意义。这些函数的高精度逼近将极大地帮助我们发展求解应用数学问题的高阶方法。本文证明了超插值,一个离散投影方法的系数,通过评估$L^2$正交投影系数使用一些数值积分方法,可能是低效的近似奇异和振荡的功能。为了获得满意的精度,需要相对大量的数值积分点。此外,在积积分的精神,我们提出了一个有效的修改超插值这样的近似。提出的逼近方案,称为有效的超插值,达到满意的精度与更少的数值积分点比原来的计划。新的近似方案的实施是相对容易的。定理也给出了解释在这样的近似有效的超插值超过原来的计划,假设的功能属于$L^1(Ω)$,$L^2(Ω)$,和$\mathcal{C}(Ω)$空间,分别。这些定理以及在区间和球面上的数值实验表明,当数值积分点数有限时,有效超插值在这种逼近中比原超插值具有更好的精度。
2022-05-19 cs.NA math.NA
A Random Integration Algorithm for High-dimensional Function Spaces
Jiujiang University(九江学院);Zhejiang University of Technology(浙江工业大学);Sun Yat-sen University(中山大学)
本文提出了一种高维函数空间中具有高收敛阶和多项式可处理性的随机积分算法,适用于稀疏频率或快速衰减傅里叶系数的函数,并通过数值实验验证了其有效性。
2025-12-28 cs.NA math.NA
Iterative thresholding low-rank time integration
本文提出一种结合软阈值迭代的低秩时间积分方法,可自适应调整秩以达到指定精度,并通过薛定谔方程和二阶抛物问题验证其有效性。
2025-07-21 cs.NA math.NA
Randomised one-step time integration methods for deterministic operator differential equations
不确定性量化在涉及从解的观测推断初值问题的参数的问题中起着重要的作用。Conrad等人(\textit{Stat.\ Comput.},2017)提出了确定性时间积分方法的随机化,作为量化未知时间离散误差导致的不确定性的策略。我们认为这种策略的系统所描述的确定性,可能依赖于时间的运营商微分方程定义的巴拿赫空间或Gelfand三元组。我们的主要结果是强误差界的随机轨迹测量Orlicz规范,证明了在一个较弱的假设下,当地的截断误差的基本确定性时间积分方法。我们的分析建立了理论上的有效性随机时间积分的微分方程在无限维设置。
2022-02-28 cs.NA math.DS math.NA
Higher-Order Numerical Solutions of the Fractional Relaxation-Oscillation Equation using Fractional Integration
University of Rousse(鲁塞大学)
本文推导了梯形法对分数积分的渐近展开公式,用于计算分数积分的高阶近似,进而求解分数松弛-振荡方程的数值解。
2016-03-29 cs.NA math.NA
Infinite-dimensional integration and $L^2$-approximation on Hermite spaces
本文研究了无限维Hermite空间上函数的积分与L²近似,通过张量积方法建立了误差上下界,并利用多变量分解方法构造了上界。
2023-11-04 cs.NA math.NA
Sparse-grid polynomial interpolation approximation and integration for parametric and stochastic elliptic PDEs with lognormal inputs
Vietnam National University(越南国立大学)
本文提出稀疏网格多项式插值方法用于参数和随机椭圆偏微分方程的lognormal输入,改进了非全离散收敛率。
2026-01-03 cs.NA math.NA
Multivariate integration and approximation in weighted Sobolev spaces of low fractional smoothness
Graduate School of Engineering, The University of Tokyo(东京大学工学研究科)
本研究将加权半周期余弦空间与加权无锚Sobolev空间的范数等价关系推广至最高为2的分数阶光滑性,建立其与整数阶Sobolev空间的连续桥梁,实现了相关误差界与易处理性结果的转移。
2026-08-10 cs.NA math.NA
Random time step probabilistic methods for uncertainty quantification in chaotic and geometric numerical integration
提出了一种新的概率数值方法,用于量化由常微分方程(ODE)时间积分引起的不确定性。从经典的战略随机ODE求解器通过添加一个随机强迫项,我们证明了一个概率测度的数值解可以通过引入适当的随机时间步长在经典的时间积分器。这种内在的随机化允许基本确定性积分器的几何性质的守恒,例如质量守恒、辛性或首次积分守恒。弱收敛和均方收敛分析。我们还分析了所提出的随机时间步长方法的蒙特卡罗估计的收敛性,并证明了重复采样得到的测量在均方意义下的收敛性与样本的样本个数无关。包括混沌哈密顿系统,化学反应和贝叶斯推理问题的数值例子说明了我们的概率数值方法的准确性,鲁棒性和通用性。
2020-01-21 cs.NA math.NA
Remarks on numerical integration, discrepancy, and diaphony
University of South Carolina(南卡罗来纳大学);Steklov Institute of Mathematics(斯捷克洛夫数学研究所)
本文从近似理论和偏差理论角度统一了数值积分问题,并展示近似理论技术在证明新类型偏差下界中的应用。
2017-11-19 cs.NA math.NA
Iterative thresholding low-rank time integration for high-dimensional problems
RWTH Aachen University(亚琛工业大学)
本研究提出一种基于分层张量近似的迭代阈值低秩时间积分方法,用于求解高维线性薛定谔型问题,经耦合振子数值测试验证了其有效性。
2026-08-10 cs.NA math.NA
Approximate and integrate: Variance reduction in Monte Carlo integration via function approximation
National Institute of Informatics(国立情报学研究所)
本文提出通过函数近似方法改进蒙特卡洛积分,利用高维近似理论加速收敛,展示非常数近似函数具有与蒙特卡洛相同收敛速度但方差更小。
2018-06-14 cs.NA math.NA
Sparse Pseudospectral Approximation Method
Stanford University(斯坦福大学);Sandia National Laboratories(桑迪亚国家实验室)
针对多维伪谱近似中稀疏网格积分规则导致高次多项式系数误差大的问题,通过重新审视Smolyak算法并利用张量积空间中插值与投影的联系,提出一种能准确再现与稀疏网格积分规则自然对应的基函数系数的稀疏伪谱近似方法。
2012-03-10 cs.NA math.NA
Time-integration of Gaussian variational approximation for the magnetic Schrödinger equation
本文研究半经典磁Schrödinger方程,通过含时Dirac--Frenkel变分原理用单个Gaussian波包近似其解,将二阶Boris算法扩展至量子情形并提出修正的四阶Runge--Kutta方法,数值实验验证了参数收敛性、几何性质及在Penning trap基准下的表现。
2025-04-04 cs.NA math.NA
High-order integration on regular triangulated manifolds reaches super-algebraic approximation rates through cubical re-parameterizations
Center for Advanced Systems Understanding(高级系统理解中心);University of Wrocław, Mathematical Institute(弗罗茨瓦夫大学数学研究所)
该研究提出方形挤压变换将流形三角剖分转为立方网格,结合切比雪夫-洛巴托插值构建高阶体积元实现积分,证明误差仅随插值阶数呈超代数甚至指数衰减,并通过实验验证其优于传统h型细化。
2025-10-28 cs.NA math.NA
Foundations of Monte Carlo methods and stochastic simulations -- From Monte Carlo Lebesgue integration to weak approximation of SDEs
本文介绍蒙特卡洛方法及其理论性质,应用于积分和微分方程解逼近,并讨论Python实现及期权定价,基于AGH大学博士生讲座。
2024-02-10 cs.NA math.NA
A Product Integration Method for the Approximation of the Early Exercise Boundary in the American Option Pricing Problem
Institute for Advanced Studies in Basic Sciences(基础科学高等研究院)
本文提出一种基于线性巴里中心有理插值的积分类似方法,用于求解美式期权提前执行边界所满足的非线性弱奇异非标准Volterra积分方程,分析了该方法的收敛性,并通过数值实验验证其有效性。
2017-09-30 cs.NA math.NA
Optimal randomized multilevel algorithms for infinite-dimensional integration on function spaces with ANOVA-type decomposition
University of Technology, Sydney(悉尼科技大学);University of New South Wales(新南威尔士大学)
针对加权再生核希尔伯特空间中的无穷维积分问题,提出新的随机多水平算法并证明其最优性,显著改进了已有误差界。
2012-09-05 cs.NA math.NA
On the Convergence of Numerical Integration as a Finite Matrix Approximation to Multiplication Operator
本文研究一类数值积分方法的收敛性,其中数值积分被表示为乘法算子的有限矩阵逼近。对于有界函数,利用强算子收敛理论已经证明了收敛性。在这篇文章中,我们考虑无界的功能和域构成的几个困难相比,有界的情况。一个自然的选择,这一研究的方法是强预解收敛理论,以前主要是应用于研究的微分算子的逼近的收敛性。现有的理论已经包括收敛定理,可以用作有限类函数的证明,并在函数增长或不连续性方面扩展到更广泛的函数类。推广的结果适用于所有的自伴算子,而不仅仅是乘法算子。我们还证明了如何利用Jensen算子不等式来分析由算子凸函数限定的函数的非正常数值积分的收敛性。
2023-03-27 cs.NA math.FA math.NA
Fast multilevel sparse Gaussian kernels for high-dimensional approximation and integration
University of Leicester(莱斯特大学)
本文提出基于方向缩放张量积高斯核的快速多级算法,用于高维函数插值和高维积分计算,通过预计算一维基函数实现并行化插值与积分。
2015-01-14 cs.NA math.NA
Optimal numerical integration and approximation of functions on $\mathbb{R}^d$ equipped with Gaussian measure
该研究针对高斯测度下$\u211d^d$中混合光滑度高斯加权Sobolev空间的被积函数,证明了最优求积公式的渐近收敛阶,提出构造渐近最优求积的新方法,并确立了三类$n$-宽度的渐近阶。
2023-06-17 cs.NA math.NA
Neural network Approximations for Reaction-Diffusion Equations -- Homogeneous Neumann Boundary Conditions and Long-time Integrations
针对反应扩散方程求解中齐次Neumann边界条件实现与长时间积分的难题,提出基于PINN的四类边界实现方法和时间域拆分法,经多方程数值验证,该方法可避免局部极小值、提升近似精度。
2024-09-13 cs.NA math.NA
Random-prime--fixed-vector randomised lattice-based algorithm for high-dimensional integration
本文提出随机素数–固定生成向量的随机化格点积分算法,证明其在加权 Korobov 空间中达到接近最优的随机化误差速率,并通过乘积权重下的构造算法与数值实验验证理论。
2023-04-20 cs.NA math.NA
A Lanczos-Stieltjes method for one-dimensional ridge function approximation and integration
University of Colorado Boulder(科罗拉多大学博尔德分校)
本文提出了一种用于一维ridge函数近似与积分的Lanczos-Stieltjes方法,通过重复卷积近似输入线性组合的单变量密度,并利用Lanczos-Stieltjes方法构造正交多项式和高斯求积公式来加速计算。
2019-05-10 cs.NA math.NA
A Coherent Integration Method Based on Radon Non-uniform FRFT for Random Pulse Repetition Interval (RPRI) Radar
本文提出基于Radon非均匀FRFT的相干整合方法,用于解决随机脉冲重复间隔雷达中目标运动引起的距离单元迁移和频谱扩展问题,通过运动参数空间搜索和非均匀FRFT实现目标检测,优于MTD、RFT和RFRFT方法。
2015-11-03 cs.NA math.NA stat.ME
Arbitrarily high order implicit ODE integration by correcting a neural network approximation with Newton's method
作为一种通用近似方法,深度神经网络(DNN)能够找到问题的近似解,而这些问题的约束条件仅比适当设定的数学系统和目标函数多一点。因此,DNN在应用中比经典的数值方法具有更大的灵活性。另一方面,它们提供了一个不受控制的近似追求的数学解决方案。这表明经典数值方法与基于DNN的近似的混合可能是一种理想的方法。在这项工作中,一个基于DNN的近似器的物理信息的神经网络(PINNs)方法的启发被用来提供一个初始猜测的牛顿法迭代的一个非常高阶的隐式龙格库塔(IRK)积分的非线性系统的常微分方程,即洛伦兹系统。在通常的方法中,需要许多显式时间步长来为隐式系统的非线性求解器提供猜测,这需要足够的工作来使IRK方法不可行。在这项工作中描述的基于DNN的方法使大隐式时间步长能够达到任何所需的准确度,以便尽可能多地将DNN解决方案收敛到百分之几的准确度。这项工作还开发了一个通用公式的矩阵元素的IRK方法的任意求积阶。
2022-02-28 cs.NA math.NA physics.comp-ph
Time integration of symmetric and anti-symmetric low-rank matrices and Tucker tensors
提出对称/反对称低秩积分器,用于时变矩阵与Tucker张量的低秩近似,保持对称性且对小奇异值鲁棒,优于标准方法。
2019-06-04 cs.NA math.NA
Explicit error bounds for randomized Smolyak algorithms and an application to infinite-dimensional integration
Institut für Mathematik, Universität Osnabrück(奥斯纳布吕克大学数学研究所);Mathematisches Seminar, Christian-Albrechts-Universität zu Kiel(基尔大学克里斯蒂安-阿尔布雷希特大学数学系)
本文研究了随机化的Smolyak算法,提供了误差界并探讨了其在无限维积分中的应用,包括收敛率分析和确定算法优于确定性算法的空间条件。
2019-03-06 cs.NA math.NA
Time integration of tree tensor networks
研究了树型张量网络的动态低秩逼近问题,用于大数据张量和张量微分方程未知解的稀疏逼近.本文提出了一种对给定树秩的树张量网络进行时间积分的方法,并进行了分析。它扩展了已知的投影分裂积分动态低秩近似矩阵和塔克张量,并继承其良好的性能。该积分器是基于递归应用塔克张量积分。在每一个时间步,积分器爬上爬下树:它使用一个递归,从树的根传递到叶子,使用适当的限制和简化来构造子树张量网络上的初值问题,另一个递归,从叶子传递到根,更新树张量网络中的因子。该积分器再现给定的时间相关的树张量网络的指定的树秩准确,是强大的连接张量的矩阵化的典型存在下的小奇异值,在对比标准积分器应用于微分方程的动态低秩近似树张量网络的因素。
2020-08-21 cs.NA math.NA
Indefinite Integration Operators Identities and their Approximations
SINC, LLC(SINC公司);University of Utah(犹他大学)
本文研究了不定积分算子的恒等式及其在控制理论、拉普拉斯变换和傅里叶变换反演、微分方程求解和经典维纳-霍普夫积分方程求解中的应用,并提出了一种利用Legendre多项式和Sinc方法进行近似的高效算法,展示了在统计模型采样中通过少量采样即可实现高精度建模的可能性。
2018-10-17 cs.NA math.NA
A Fourier extension based numerical integration scheme for fast and high-order approximation of convolutions with weakly singular kernels
Indian Institute of Technology, Kanpur(坎普尔印度理工学院)
本文提出了一种基于傅里叶扩展的O(n log n)数值积分方案,用于快速且高阶近似弱奇异核的卷积,该方案能够有效减少Gibb振荡并具有高阶收敛性。
2018-10-09 cs.NA math.NA
CUR for Implicit Time Integration of Random Partial Differential Equations on Low-Rank Matrix Manifolds
本研究提出一种基于CUR低秩近似的Newton隐式时间积分方法,用于在低秩矩阵流形上高效求解随机偏微分方程离散化得到的刚性非线性矩阵微分方程,结合秩自适应和高阶隐式格式,有效控制误差并提升了计算效率。
2024-08-29 cs.NA math.NA
Numerical integration for high order pyramidal finite elements
Simon Fraser University(西蒙菲莎大学);McGill University(麦吉尔大学)
研究数值积分对高阶金字塔型有限元方法收敛性的影响,通过允许有限元逼近空间包含有理函数,证明传统经验法则仍可用于选择金字塔上的求积方法。
2010-03-02 cs.NA math.NA
On Accelerating Diffusion-Based Sampling Process via Improved Integration Approximation
University of Technology Sydney(悉尼科技大学);NTT Communication Science Laboratories(NTT通信科学实验室);Victoria University of Wellington(惠灵顿维多利亚大学)
本文提出改进积分近似(IIA),通过逐时间步最小化MSE来优化EDM、DDIM和DPM-Solver的ODE求解器系数,在低NFE下显著提升FID且无需改动预训练模型。
2023-10-03 cs.LG cs.NA math.NA
Finite Volume Approximations for Non-Linear Parabolic Problems with Stochastic Forcing
提出了一种求解带乘性噪声的随机非线性抛物型方程的两点通量近似有限体积格式。时间离散化是隐式的,除了随机噪声项,以便与伊藤意义下的随机积分兼容。我们证明了该方案解的存在性和唯一性,并从近似解的唯一性得到了随机积分的适当可测性。
2023-03-23 cs.NA math.AP math.NA
Scrambled Polynomial Lattice Rules for Infinite-Dimensional Integration
本文利用加扰多项式晶格规则在随机情形下比加扰数字网具有更优的强可处理性,改进了无穷维积分的误差界。
2010-10-29 cs.NA math.NA
Yet another DE-Sinc indefinite integration formula
本文提出在Stenger的第二个Sinc不定积分公式中用双指数变换替换tanh变换,以提高收敛速度,并给出理论分析与数值比较。
2022-06-18 cs.NA math.NA
Lower bounds for integration and recovery in $L_2$
在某种意义上,函数值“几乎与一般线性信息一样好”,用于$L_2$ -来自再生核希尔伯特空间的函数的近似(最佳恢复、数据同化)。这是最近证明了新的上界的采样数的假设下,嵌入到$L_2$的希尔伯特空间的奇异值是平方和。这里主要证明新的下界。特别地,我们证明了采样数的行为比近似数索伯列夫空间小光滑。因此,在嵌入的奇异数是平方可和的情况下,也可能存在对数间隙。我们首先证明新的下界的集成问题,再次为相当经典的索伯列夫空间的周期单变量函数。
2022-03-22 cs.NA math.NA
Meshfree Generalized Multiscale Exponential Integration Method for Parabolic Problems
针对多孔介质多尺度流动问题,提出结合无网格广义多尺度有限元法与指数积分的新方法,无需粗网格即可实现高效时空逼近,数值实验证实其显著降低计算成本并提升稳定性。
2024-10-15 cs.NA math.NA
Approximation of Quasi-Monte Carlo worst case error in weighted spaces of infinitely times smooth functions
Hiroshima University(广岛大学);Fujitsu Laboratories Ltd.(富士通实验室有限公司);The University of New South Wales(新南威尔士大学)
本文研究了在$C^\infty[0,1]^s$空间中,通过二进制域上的数字网计算准蒙特卡洛最坏情况误差,证明了指数函数的最坏情况误差与准蒙特卡洛积分误差的比值被常数上下界限制,表明小的指数函数积分误差意味着该函数空间内所有函数的积分误差也小。
2016-11-02 cs.NA math.NA
Sampling based approximation of linear functionals in Reproducing Kernel Hilbert Spaces
本文分析了用节点值逼近再生核希尔伯特空间中定义的线性泛函的贪婪过程。这个程序计算一个求积规则,它可以应用于一般泛函,包括积分泛函。对于一大类泛函,我们证明了收敛结果的近似通过统一和贪婪的点,以各种方式推广几个已知的结果。还讨论了权值和节点计算的扰动分析。除了理论研究,我们证明了数值计算,我们的算法是有效的,在治疗各种积分密度,它甚至是非常有竞争力的现有方法相比,不确定性量化。
2020-04-01 cs.NA math.NA
High-order robust basis-update & Galerkin integrators for dynamical low-rank approximation
Oak Ridge National Laboratory(橡树岭国家实验室);Seamless Labs Inc.(Seamless Labs公司);Norwegian University of Life Sciences(挪威生命科学大学)
本研究提出不依赖显式时间积分的通用阶BUG积分器,经误差界证明和数值基准测试,其性能显著优于现有BUG积分器,可用于动态低秩近似的高阶数值计算。
2026-08-31 cs.NA math.NA
Integration of bounded monotone functions: Revisiting the nonsequential case, with a focus on unbiased Monte Carlo (randomized) methods
本文重温有界单调函数的数值积分问题,聚焦非序列 Monte Carlo 方法,给出了非序列算法极大 $L^p$ 误差的新下界,并在 p = 2 时研究了控制变量法与分层抽样两种无偏方法的极大误差。
2022-06-21 cs.NA math.NA math.ST
Numerical integration rules based on B-spline bases
该研究基于B样条基相关关系,提出作为梯形积分法扰动形式的任意精度阶数新型数值积分公式,证明其逼近阶并推广至多维,通过数值实验验证了理论结果。
2024-05-19 cs.NA math.NA
Multilevel randomized quasi-Monte Carlo estimator for nested integration
RWTH Aachen University(亚琛工业大学);King Abdullah University of Science & Technology (KAUST)(阿卜杜拉国王科技大学);University of Nottingham(诺丁汉大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
针对嵌套积分问题,提出一种结合确定性和随机拟蒙特卡罗方法的多水平估计器,通过理论分析和数值实验证明其能显著降低偏差和方差,并在计算成本上优于传统方法。
2026-06-02 cs.NA math.NA