[論文レビュー] An inverse theorem on bounded domains for meshless methods using localized bases

Thomas Hangelbroek, Francis J. Narcowich+2 more|arXiv (Cornell University)|Jun 5, 2014

Numerical methods in inverse problems被引用数 5

ひとこと要約

本稿は、有界でコンパactかつ滑らかなリーマン多様体上に定義された空間的に局所化されたカーネルに基づく基底関数から構築された近似空間について、直接的および逆的推定を確立する。局所化されたRBF構成を多様体へ一般化することで、ソボレフ＝マーティンカーネルを用いたメッシュレス法の理論的基盤を提供し、複雑な幾何構造上での散乱データ近似において最適収束速度と安定性を保証する。

ABSTRACT

This article develops direct and inverse estimates for certain finite dimensional spaces arising in kernel approximation. Both the direct and inverse estimates are based on approximation spaces spanned by local Lagrange functions which are spatially highly localized. The construction of such functions is computationally efficient and generalizes the construction given by the authors for restricted surface splines on $\mathbb{R}^d$. The kernels for which the theory applies includes the Sobolev-Matern kernels for closed, compact, connected, $C^\infty$ Riemannian manifolds.

研究の動機と目的

• 有界領域における局所化された基底関数を用いたメッシュレス法の理論的誤差推定を開発すること。
• 従来のR^d上でのRBF構成を、コンパクトで滑らかなリーマン多様体へ一般化すること。
• 基底関数の構築における計算効率性と空間的局所化を保証すること。
• 局所化されたラグランジュ関数で張られる近似空間の収束速度を確立すること。
• カーネルに基づく手法の適用範囲を、一般のコンパクトで連結でC^∞のリーマン多様体へ拡張すること。

提案手法

• 著者らは、カーネル関数から導かれる空間的に局所化されたラグランジュ関数によって張られる近似空間を定義する。
• 滑らかさと減衰特性が知られているソボレフ＝マーティンカーネルを、基盤となるカーネル関数として採用する。
• 局所ラグランジュ関数の構築は、密行列を避けることで計算効率を確保するように設計されている。
• 理論は、コンパクトなリーマン多様体上のソボレフ空間への近似空間の埋め込みに依拠する。
• カーネルの性質と多様体の幾何構造の性質を用いて、直接的および逆的推定を導出する。
• 解析は、閉じていてコンパクトで連結でC^∞のリーマン多様体に適用可能であり、R^d上での先行研究を一般化する。

実験結果

リサーチクエスチョン

• RQ1 有界でコンパクトなリーマン多様体上におけるカーネルに基づく近似空間について、直接的および逆的推定をどのように確立できるか。
• RQ2 基底関数の構築における空間的局所化と計算効率性を保証する条件は何か。
• RQ3 R^d上でのRBF理論を、非自明な幾何構造を有する多様体へどの程度一般化できるか。
• RQ4 ソボレフ＝マーティンカーネルは、近似の安定性と収束性を保証するために果たす役割は何か。
• RQ5 多様体の幾何的性質は、近似誤差の上限にどのように影響を与えるか。

主な発見

• コンパクトで連結でC^∞のリーマン多様体上における局所化されたラグランジュ関数で張られる近似空間について、直接的および逆的推定が確立された。
• 局所化された基底関数は、グローバルなRBF系の悪条件化を避けるために計算的に効率的に構築可能である。
• 理論は、ソボレフ＝マーティンカーネルに適用可能であり、これはソボレフ空間における最適近似速度をもたらすことが知られている。
• 近似空間は、基盤となるカーネル関数の滑らかさと減衰特性を引き継ぐ。
• 先行研究のR^d上での結果を多様体へ一般化し、複雑な幾何構造上でも堅牢なメッシュレス法を可能にする。
• フレームワークは、任意のコンパクトで滑らかな領域上での安定的かつ収束性を有する散乱データ近似を支援する。