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
Block Approximation of Tall Sparse Matrices and Block-Givens Rotations
Salesforce
研究高瘦稀疏矩阵中块零化对奇异值的影响及奇异值与列范数的差异,采用块近似与Givens旋转技术进行分析。
2017-07-25 cs.NA math.NA
Sparse approximation of multilinear problems with applications to kernel-based methods in UQ
École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院);King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学)
本文提出稀疏近似多线性问题的框架,展示其在不确定性量化中的应用,通过改进的Smolyak算法减少高维问题的维度诅咒,并通过数值实验验证。
2018-07-16 cs.NA math.NA
Analyzing Large and Sparse Tensor Data using Spectral Low-Rank Approximation
信息是从组织为3模式张量的大型稀疏数据集中提取的。基于张量的最佳秩-(2,2,2)和秩-(2,2,1)近似,描述了两种方法。第一种方法可以被认为是谱图划分到张量的推广,并且它给出了对信息进行聚类的张量的重新排序。第二种方法给出张量在稀疏秩-(2,2,1)项中的展开,其中项对应于图。低秩近似计算使用一个有效的Krylov-Schur型算法,避免填充稀疏数据。该方法被应用到新闻文本中的主题搜索,一个张量代表会议作者-条款-年,和网络流量日志。
2021-02-08 cs.NA math.NA
Sparse spectral approximations for computing polynomial functionals
提出一种快速方法用于评估非线性多项式泛函的谱逼近,并证明在函数足够光滑且谱本征函数满足一般假设(如傅里叶和埃尔米特基)下算法收敛。
2012-07-16 cs.NA math.NA
Error Estimates for Sparse Tensor Products of B-spline Approximation Spaces
Inria Center at the University of Bordeaux(波尔多大学 Inria 中心)
本文研究了通过参数域映射得到的通用几何域上的B-样条近似空间,采用稀疏网格张量积构造方法,证明了其等价性,并推导了误差估计和逆不等式,展示了稀疏网格张量积在减少自由度的同时保持近似阶数的优势。
2026-03-24 cs.NA math.NA
Sparse Discrete Empirical Interpolation Method: State Estimation from Few Sensors
本文提出稀疏离散经验插值方法(S-DEIM),通过引入被以往方法忽略的核向量,在极少传感器测量条件下实现函数高精度估计,并给出理论误差界及基于数据同化的指数收敛算法。
2024-09-01 cs.NA math.NA
Spectral Partitioning of Large and Sparse Tensors using Low-Rank Tensor Approximation
研究了由一系列邻接矩阵组成的稀疏张量的划分问题。理论的发展,是一个概括的谱图分割。为$λ=1,2,3$计算最佳秩- $(2,2,λ)$近似,并且从该近似的正交矩阵和核张量计算分区。证明了如果张量具有某种约化结构,则最佳逼近问题的解表现出张量的约化结构。此外,如果张量接近于可约的,则仍然的解展示张量的结构。数值例子与合成数据证实了理论结果。实验结果表明,该方法可以从大量的、稀疏的和有噪声的数据中提取相关信息。
2020-12-16 cs.NA math.NA
A Krylov-Schur like method for computing the best rank-$(r_1,r_2,r_3)$ approximation of large and sparse tensors
本文讨论了大张量和稀疏张量的最佳低多线性秩逼近的计算方法。Krylov型方法已被用于这个问题;这里介绍块版本。对于矩阵的部分特征值和奇异值分解的计算,Krylov-Schur(重新启动Arnoldi)方法被使用。我们描述了这种方法的推广张量,计算最好的低多线性秩近似的大型和稀疏张量。与矩阵情况类似,大张量仅在张量和向量块之间的乘法中访问,从而避免过多的内存使用。证明了在初始逼近足够好的情况下,张量Krylov-Schur方法是收敛的。给出了合成张量和稀疏张量的数值算例,结果表明,对于大多数大型问题,Krylov-Schur方法比高阶正交迭代收敛更快,更稳健.
2020-12-16 cs.NA math.NA
Sparse and low-rank approximations of parametric elliptic PDEs: the best of both worlds
本文提出一种结合低秩张量逼近与稀疏多项式展开的新格式,用于高效求解参数化椭圆型PDE,并设计了保持准最优秩与最优收敛速度的自适应求解器。
2025-06-24 cs.NA math.NA
Constructive sparse trigonometric approximation and other problems for functions with mixed smoothness
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)
本文研究混合光滑函数的逼近问题,结合超几何交叉逼近和贪心逼近技术,获得三角系统最佳m项逼近的精确估计,并探讨数值积分与混合光滑函数的近似恢复。
2014-12-24 cs.NA math.NA
On the algebraic construction of sparse multilevel approximations of elliptic tensor product problems
Unversität Basel(巴塞尔大学)
本文提出用代数多网格方法构造稀疏网格组合技术,解决复杂几何和非结构化网格上的椭圆问题,与传统几何方法具有相同收敛性。
2018-01-31 cs.NA math.NA
Estimation of sparse polynomial approximation error to continuous function
本文研究连续函数稀疏多项式逼近的误差估计,通过含噪采样建模与 ℓ1 及加权 ℓ1 最小化,给出依赖拟范数、稀疏度和最佳逼近误差的界,并证明精确重构与光滑性收益。
2025-06-07 cs.NA math.NA
Modifications of Prony's Method for the Recovery and Sparse Approximation of Generalized Exponential Sums
在本调查中,我们描述了一些修改Prony的方法。特别是,我们考虑恢复的一般扩展到本征函数的线性微分算子的一阶和显示,如何这些扩展可以恢复从函数样本使用广义移位算子。我们推导出一个ESPRIT算法的广义恢复方法,并表明,这种方法可以直接用于重建经典的指数和非等间距的数据。此外,我们推导出一个修改的Prony稀疏近似的方法与指数和,导致一个非线性最小二乘问题。
2020-01-10 cs.NA math.NA
Approximation and Structured Prediction with Sparse Wasserstein Barycenters
我们开发了一个通用的理论和算法框架稀疏近似和结构化预测$\mathcal{P}_2(Ω)$与Wasserstein重心。的重心是稀疏的,在这个意义上,它们是从一个可用的字典的措施,但近似只涉及减少原子的数量计算。我们表明,从稀疏重心类的最佳重建的特点是最好的$n$ -长期重心,我们介绍的概念,这可以理解为一个自然扩张的经典概念的最佳$n$ -长期近似巴拿赫空间。我们表明,最好的$n$长期重心是一个高度非凸,双层最优化问题的最小值,我们开发的算法策略,实际数值计算。接下来,我们利用这个近似工具来构建插值策略,这些策略涉及降低的计算成本,并且可以用于结构化预测和参数化度量族的元建模。我们说明了潜在的方法,通过具体的问题模型降阶(MOR)的参数化偏微分方程。由于我们的方法是稀疏的,自适应的,并保留质量的建设,它有可能克服已知的瓶颈,经典的线性方法在双曲守恒律传输不连续性。它也铺平了道路MOR测量值PDE问题,如梯度流。
2023-02-10 cs.NA math.NA
A New Class of Fully Discrete Sparse Fourier Transforms: Faster Stable Implementations with Guarantees
Michigan State University(密歇根州立大学)
本文提出了一种确定性的稀疏傅里叶变换算法,能在O(s² log^(11/2) N)时间内保证近最优s项逼近,同时开发了新的随机实现,适用于大向量长度的高效计算。
2017-06-08 cs.NA math.NA
Sparse polynomial approximation for optimal control problems constrained by elliptic PDEs with lognormal random coefficients
Oden Institute for Computational Engineering & Sciences, The University of Texas at Austin(德克萨斯大学奥斯汀分校奥登计算工程与科学学院);Department of Mechanical Engineering, and Department of Geological Sciences, The University of Texas at Austin(德克萨斯大学奥斯汀分校机械工程系和地质科学系)
本文研究了受具有对数正态随机系数的椭圆偏微分方程约束的最优控制问题,通过稀疏多项式近似方法对最优解进行逼近,并证明了该方法在维度上具有独立的收敛率。
2019-03-13 cs.NA math.NA
Pseudo-inverses of difference matrices and their application to sparse signal approximation
University of Göttingen(哥廷根大学);Saarland University(萨尔兰大学)
本文推导了对称差分矩阵的Moore-Penrose逆的显式表达式,并将其应用于基于偏微分方程的散乱数据插值正则化方法,通过正交补集追寻算法构建稀疏信号逼近字典。
2015-04-16 cs.NA math.NA
Sparse approximation of individual functions
结果在两个不同的设置的渐近行为的个别功能。首先,我们讨论了稀疏逼近的以下经典问题。对于给定函数类中的任何单个函数,其相对于给定字典的最佳稀疏逼近的误差序列的衰减速度比函数类上相应的上确界的衰减速度快,这是真的吗?其次,我们讨论了稀疏近似贪婪型算法。我们表明,对于任何个别的功能,从一个给定的类,我们可以提高上界的收敛速率的近似误差的贪婪算法,如果我们使用一些信息,从以前的迭代算法。我们称这种类型的边界为后验边界。
2019-11-06 cs.NA math.FA math.NA
Multilevel Sparse Tensor Approximation for High-Dimensional Parametric PDEs
本文研究了多级稀疏张量近似方法在高维仿射参数扩散方程中的效率。通过结合稀疏交替最小二乘算法与多级伽辽金离散化策略,利用解的正则性降低计算成本。理论分析表明,多级方法的工作开销与离散化级别无关,优于单级方法的指数增长。
2026-03-16 cs.NA math.NA
Adaptive Leja sparse grid constructions for stochastic collocation and high-dimensional approximation
本文提出了一种基于Leja插值序列的自适应稀疏网格随机置信度方法,用于高维参数参数化函数的逼近。通过证明一维Leja序列的加权形式能够产生一个经验分布收敛于相应Gauss求积节点极限分布的节点序列,展示了Leja序列在高维问题中的优越性。
2014-09-25 cs.NA math.NA
Sparse approximation by greedy algorithms
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)
本文综述了构造性稀疏逼近的最新成果,探讨了贪心算法在特殊字典中的Lebesgue型不等式、三角函数系的构造性稀疏逼近以及张量积结构字典的稀疏逼近方法,并提供了构造性方法和证明。
2015-11-05 cs.NA math.NA stat.ML
Regularity and sparse approximation of the recursive first moment equations for the lognormal Darcy problem
研究了具有对数正态渗透率场的达西边值问题。我们采用摄动方法,将解在系数的名义值附近展开成泰勒级数,并用其泰勒多项式的期望值逼近偏微分方程随机解的期望值.形式上推导了泰勒多项式的期望值所满足的递推确定性方程(一阶矩方程)。在具有混合正则性的索伯列夫空间-值Hölder空间中,证明了该递推式的适定性和正则性.递归的一阶矩方程,然后通过稀疏逼近技术离散,并推导出的收敛速度。
2020-05-14 cs.NA math.NA
Low Rank Approximation of Tensors via Sparse Optimization
Northeast Normal University(东北师范大学);University of Alabama at Birmingham(阿拉巴马大学伯明翰分校)
本文通过稀疏优化方法解决张量低秩近似问题,提出基于l1正则化的稀疏优化问题,并设计了近端交替最小化算法,实现了张量秩的计算及稀疏性分析。
2016-10-19 cs.NA math.NA
Accelerating optimization-based computed tomography via sparse matrix approximations
Oak Ridge National Laboratory(橡树岭国家实验室)
本文提出利用稀疏矩阵乘法减少计算机断层扫描重建中计算瓶颈,提升迭代算法效率并保持重建质量。
2017-05-21 cs.NA math.NA
A Discrete Perspective Towards the Construction of Sparse Probabilistic Boolean Networks
The University of Hong Kong(香港大学)
本文提出贪婪条目移除算法构建稀疏概率布尔网络,推导理论上界并首次研究下界,实验表明GER在合成和实际数据上优于现有算法,输出最稀疏分解。
2024-07-16 cs.LG cs.NA math.NA
Fast discrete convolution in $\mathbb{R}^2$ using Sparse Bessel Decomposition
本文提出一种在二维边界积分方程数值求解中高效计算矩阵向量积的算法,扩展了Alouges等人提出的稀疏正弦分解方法,并通过数值测试展示了其效率。
2017-11-21 cs.NA math.NA
Sparse polynomial approximations for affine parametric saddle point problems
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文研究了稀疏多项式近似在一类仿射参数化鞍点问题中的收敛性质,通过稀疏泰勒近似等方法,证明了在全局和局部支撑基函数情况下,稀疏多项式近似能够以$O(N^{-r})$的代数收敛速率逼近参数解,从而突破维度灾难。
2018-09-26 cs.NA math.NA
Rate-optimal sparse approximation of compact break-of-scale embeddings
本文研究了从Yserentant [43]的电子薛定谔方程解的理论中借用的具有混合正则性的函数的稀疏逼近。我们使用双曲小波引入相应的新空间的Besov和Triebel-Lizorkin型,特别是覆盖的能量范数逼近的功能,占主导地位的混合光滑。显式(非)自适应算法产生尖锐的尺寸独立的收敛速度。
2022-03-18 cs.NA math.FA math.NA
Constructive sparse trigonometric approximation for functions with small mixed smoothness
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)
本文提出基于贪心算法的构造性方法,为具有小混合光滑度的函数提供最优的三角逼近误差。
2015-03-01 cs.NA math.NA stat.ML
Learning solution operators of PDEs with sparse approximation methods
本文提出一种结合乘积基展开与正交匹配追踪的稀疏高维方法,用于逼近偏微分方程的解算子,显著减少所需样本量,并在数值实验中与立方体稀疏逼近和傅里叶神经算子对比,展示了在稀疏表示下的准确性和可解释性。
2026-06-04 cs.LG cs.NA math.NA
The Sparse Grids Matlab kit -- a Matlab implementation of sparse grids for high-dimensional function approximation and uncertainty quantification
本文介绍了用于高维函数逼近和不确定性量化的Sparse Grids Matlab Kit工具包,说明其轻量易用、兼顾教学与实际应用的特点,阐述其基础数据结构与数学原理,并与同类软件做了对比。
2023-10-09 cs.MS cs.NA math.NA
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
Several Approximation Algorithms for Sparse Best Rank-1 Approximation to Higher-Order Tensors
Guangxi University(广西大学)
稀疏张量最佳秩1近似(BR1Approx)是稠密张量BR1Approx的稀疏推广,是稀疏矩阵BR1Approx的高阶扩展,是稀疏张量分解及相关统计和机器学习问题中的重要问题之一.利用问题的多重线性和稀疏结构,提出了四种易于实现、计算复杂性低、可作为迭代算法初始化步骤的近似算法。此外,理论上保证最坏情况下的近似下界证明了所有的算法。我们提供了数值实验的合成和真实的数据来说明所提出的算法的有效性。
2022-07-14 cs.LG cs.NA math.NA
A CFL-type Condition and Theoretical Insights for Discrete-Time Sparse Full-Order Model Inference
本文通过稀疏全阶模型(sFOM)研究离散时间动力系统的数据驱动推断,提出最小二乘问题与$l_2$正则化的稳定性联系,推导出确保sFOM稳定性的“采样CFL”条件,并通过线性和非线性测试用例验证了理论见解。
2025-05-02 cs.NA math.DS math.NA
The L1-Potts functional for robust jump-sparse reconstruction
研究了离散时间和连续时间下的非光滑非凸$L^1$ -Potts泛函.我们显示$Γ$ -收敛离散$L^1$ -Potts泛函对他们的连续对应,并获得相应的极小值的离散化得到更好的收敛声明。对于离散的$L^1$问题,我们引入了一个$O(n^2)$时间和$O(n)$空间算法来计算精确极小元.本文将$L^1$ -Potts最小化方法应用于从噪声测量中恢复分段常数信号的问题。结果表明,$L^1$ -Potts泛函具有一个非常有趣的盲反卷积性质。事实上,我们表明,轻度模糊跳跃稀疏信号重建最小化的$L^1$ -Potts功能。此外,对于强模糊信号和已知的模糊算子,我们推导了一种迭代重建算法。
2014-12-12 cs.NA math.NA math.OC
A least-squares method for sparse low rank approximation of multivariate functions
Ecole Centrale Nantes, Université de Nantes, GeM UMR CNRS 6183(南特中央理工学院,南特大学,GeM UMR CNRS 6183);Department of Applied Mathematics and Modeling, Airbus Group(空中客车集团应用数学与建模系)
本文提出一种基于离散最小二乘的低秩近似方法,用于从随机无噪声观测中近似多变量函数,通过引入稀疏诱导正则化技术,利用交叉验证选择最优正则化参数和秩,验证该算法在少次数评估下近似多变量函数的能力。
2014-07-09 cs.NA math.NA stat.ML
Sparse Approximation via Polynomial Equations
Department of Electrical Engineering (ESAT), KU Leuven, Leuven, Belgium(荷语鲁汶大学电气工程系(ESAT));Department of Mathematics, University of British Columbia, Vancouver, BC, Canada(不列颠哥伦比亚大学数学系)
本文提出将欠定线性系统的稀疏逼近问题转化为多项式方程组,并开发了基于特征值分解及两种优化方法,可显式控制稀疏度并保证恢复所有稀疏解,实验验证了其优于基追踪和正交匹配追踪的性能。
2026-09-11 cs.NA eess.SP math.NA
Empirical sparse regression on quadratic manifolds
针对线性稀疏逼近方法在输运主导、类波动力学数据上效果受限的问题,提出二次流形稀疏回归方法,通过稀疏贪心训练二次流形与新型非线性投影实现逼近,实验中精度较线性方法高出数个数量级。
2024-12-12 cs.NA math.DS math.NA
Iterative Hard Thresholding for Weighted Sparse Approximation
University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出一种扩展的迭代硬阈值法用于解决加权稀疏近似问题,通过理论保证和分析,讨论了加权稀疏空间投影的挑战。
2015-01-07 cs.IT cs.NA math.IT
On the approximation of real powers of sparse, infinite, bounded and Hermitian matrices
针对稀疏、无限、有界且厄米的正定或非负矩阵,提出一种利用有限子矩阵逼近其任意实数幂的矩阵元的方法。
2007-04-26 cs.NA math-ph math.MP
Sparse approximation of multivariate functions from small datasets via weighted orthogonal matching pursuit
Simon Fraser University(西蒙菲莎大学)
本文提出了一种加权正交匹配追踪算法,用于从小数据集近似多变量函数,通过改进的贪心策略在保持精度的同时提高了计算效率。
2019-05-02 cs.IT cs.NA math.IT
DC approximation approaches for sparse optimization
Laboratory of Theoretical and Applied Computer Science EA 3097(理论与应用计算机科学实验室);University of Lorraine(洛林大学);Laboratory of Mathematics, INSA - Rouen, University of Normandie(数学实验室,鲁昂INSA,诺曼底大学)
本文从DC框架出发,研究了稀疏优化的非凸近似方法,分析了近似问题与原问题的解的一致性,并开发了四种DCA方案,用于解决零范数和稀疏优化问题。
2014-07-02 cs.LG cs.NA math.NA
Fast One-Pass Sparse Approximation of the Top Eigenvectors of Huge Low-Rank Matrices? Yes, $MAM^*$!
本文提出基于单次线性草图和压缩感知的单遍算法,以次线性时间和内存逼近巨型低秩矩阵的顶部稀疏特征向量,并在约$10^{16}$元素的矩阵上验证了有效性。
2025-07-22 cs.DS cs.IT cs.NA
An iterative coordinate descent algorithm to compute sparse low-rank approximations
University Politehnica of Bucharest(布加勒斯特理工大学);University of Bucharest(布加勒斯特大学)
在本文中,我们描述了一个新的算法,建立一些稀疏的主成分从一个给定的数据矩阵。我们的方法不显式地创建数据的协方差矩阵,并且可以被视为Kogbetliantz算法的扩展,以建立几个主成分的近似奇异值分解。我们展示了所提出的算法的性能,从文献中的各种数据集上恢复稀疏主成分,并进行降维分类应用。
2021-07-30 cs.DS cs.LG cs.NA
Mixed regularity and sparse grid approximations of $N$-body Schrödinger evolution equation
本文分析了含时$N$体电子系统的波函数混合正则性,据此开发了稀疏网格逼近(含GTO格式)以降低计算复杂度,并在氦原子和氢分子上验证了其相比全网格离散化的高效性。
2025-09-13 cs.NA math-ph math.AP
Multilevel adaptive sparse Leja approximations for Bayesian inverse problems
确定性插值和求积方法往往不适合解决贝叶斯逆问题,这取决于计算昂贵的正演数学模型。虽然插值可以给出精确的后验近似,但确定性求积通常无法有效地调查信息量,从而集中可能性。这导致了大量的数学模型所需的昂贵的评估。为了克服这些挑战,我们制定和测试多级自适应稀疏Leja算法。在每一层,自适应稀疏网格插值和正交分别用于近似后验和执行所有的正交操作。具体来说,我们的算法使用粗糙的离散化的基本数学模型,调查的参数空间,并确定高后验概率的地区。然后使用自适应稀疏网格算法将点放置在这些区域中,并忽略后验概率小的其他区域。这些点是加权Leja点。由于模型离散化是粗略的,稀疏网格的构造是计算高效的。在这个稀疏的网格上,后验测度可以精确地近似,只需很少的昂贵的精细模型离散化。该算法的效率可以进一步提高,通过利用两个以上的离散化水平。我们提出的多级自适应稀疏Leja算法在数值实验中涉及椭圆反问题的二维和三维空间,在其中我们比较它与马尔可夫链蒙特卡罗采样和标准的多级近似。
2019-05-07 cs.NA math.NA stat.CO
Shearlets and Optimally Sparse Approximations
Institute of Mathematics, University of Osnabrück(奥斯纳布吕克大学数学研究所)
本文综述了利用带限和紧支撑剪切波框架对卡通图像进行最优稀疏逼近的理论与方法,证明了剪切波系统在二维和三维中唯一能实现此类逼近的最优性。
2011-08-05 cs.IT cs.NA math.FA
Sparse system identification by low-rank approximation
本文介绍了逼近论和矩阵分析在时间序列模型和非线性离散时间动力系统稀疏辨识中的应用。上述理论方法被转化为算法,可用于离散时间动力系统的稀疏模型识别,从系统测量的结构化数据的基础上。状态转换算子的近似主要由基于从给定系统测量的数据待识别的参数矩阵确定,通过识别对应于测量数据的轨迹矩阵的子矩阵的低秩近似的存在条件来接近,其可以用于计算参数矩阵的近似稀疏表示。本文中提出的低秩近似方法的主要优点之一涉及线性和非线性模型的参数估计,其中数值或测量噪声可能显著影响估计。给出了基于上述技术的原型算法以及在理论物理、流体动力学和天气预报中对具有对称性和非线性结构动力系统的时间序列模型的近似辨识和预测模拟的应用。
2021-08-03 cs.NA cs.SY eess.SY