[論文レビュー] Convergence of univariate non-stationary subdivision schemes via asymptotical similarity

Costanza Conti, Nira Dyn+2 more|arXiv (Cornell University)|Oct 10, 2014

Advanced Numerical Analysis Techniques参考文献 13被引用数 8

ひとこと要約

本稿では、定数を再現する非定常サブディビジョンスキームの収束を保証する十分条件として、漸近的同値性より弱い条件である漸近的類似性を導入する。著者らは、定常的基準スキームの収束が漸近的類似性のもとで非定常スキームの収束を示すことを示し、指数関数的多項式やスプラインを生成するスキームを含む、より広いクラスのスキームへの収束解析を拡張する。幾何モデリングおよびアイソジオメトリック解析への応用がある。

ABSTRACT

A new equivalence notion between non-stationary subdivision schemes, termed asymptotical similarity, which is weaker than asymptotical equivalence, is introduced and studied. It is known that asymptotical equivalence between a non-stationary subdivision scheme and a convergent stationary scheme guarantees the convergence of the non-stationary scheme. We show that for non-stationary schemes reproducing constants, the condition of asymptotical equivalence can be relaxed to asymptotical similarity. This result applies to a wide class of non-stationary schemes of importance in theory and applications.

研究の動機と目的

• 非定常サブディビジョンスキームにおける収束解析の課題に取り組む。非定常スキームは定常スキームよりも複雑である。
• 収束に以前必要とされた厳しい条件である漸近的同値性を緩和し、より一般化された弱い条件を導入する。
• 定数再現と組み合わせた漸近的類似性が、広範な非定常スキームクラスの収束を保証することを確立する。
• 指数関数的多項式およびスプラインを生成するスキームに適用可能な理論的枠組みを提供する。これは、幾何モデリングおよびアイソジオメトリック解析において重要である。
• 非定常 de Rham アルゴリズムの変種を用いて、新基準の実用的妥当性を示す。

提案手法

• 非定常サブディビジョンスキーム間の漸近的類似性を定義する。定義は $\lim_{k\to\infty}\|\mathbf{a}^{[k]} - \mathbf{a}^{*[k]}\| = 0$ である。
• 差分スキームを定義・分析し、定数を再現する非定常スキームの収束の十分条件を導出する。
• 二つのスキームが定数を再現し、かつ漸近的に類似している場合、一方が十分収束条件を満たしていれば、他方も同様に収束することを確立する。
• 符号表現 $a^{[k]}(z) = (1+z)q^{[k]}(z)$ を用い、$q^{[k]}(1) = 1$ とすることで、定数を再現するスキームを特徴付ける。
• 理論的枠組みを、マスク $\mathbf{a}^{[k]} = \{\frac{1}{2+\gamma_k}, \frac{1+\gamma_k}{2+\gamma_k}, \frac{1+\gamma_k}{2+\gamma_k}, \frac{1}{2+\gamma_k}\}$ を持つ非定常 de Rham 型スキームに適用する。ここで $\gamma_k = \gamma + \varepsilon_k$ であり、$\varepsilon_k \to 0$ である。
• 定常的基準スキームが収束し、かつスキームが定数を再現する場合、漸近的類似性が収束を保存することを活用する。

実験結果

リサーチクエスチョン

• RQ1 漸近的同値性より弱い条件下でも、非定常サブディビジョンスキームの収束を保証できるか？
• RQ2 マスクの点ごとの収束（漸近的類似性）が、定数再現と組み合わせられれば、収束に十分か？
• RQ3 非定常スキームの収束は、収束する定常的基準スキームと類似している場合、どの程度まで推論可能か？
• RQ4 新基準は、非定常 de Rham アルゴリズムや指数関数的 B スプラインスキームといった実用的スキームにどのように適用できるか？
• RQ5 定数再現が満たされない場合、漸近的類似性の限界は何か？

主な発見

• 漸近的類似性は、$\lim_{k\to\infty}\|\mathbf{a}^{[k]} - \mathbf{a}^{*[k]}\| = 0$ を要求するのみであるため、漸近的同値性より厳密に弱い条件である。
• 定数を再現する非定常スキームについて、収束する定常的基準スキームと漸近的に類似していれば、非定常スキームも収束する。
• この結果は、指数関数的多項式空間（そのうち一つの指数がゼロ）を生成する広範なスキームクラスに適用可能である。
• 非定常 de Rham スキームで $\gamma_k = \gamma + \varepsilon_k$ かつ $\varepsilon_k \to 0$ の場合、古典的定常 de Rham スキームと漸近的に類似しており、すべての $\gamma > 0$ に対して収束する。
• マスク $\mathbf{a}^{[k]} = \{\frac{1}{4} + \frac{1}{k}, \frac{3}{4} + \frac{1}{k}, \frac{3}{4} + \frac{1}{k}, \frac{1}{4} + \frac{1}{k}\}$ を持つスキームは、Chaikin スキームと漸近的に類似しているが、定数を再現しない。このため収束せず、定数再現仮定の必要性を示している。
• 理論的枠組みは頑健であり、関連研究で指摘されているように、非正則な設定へも拡張可能である。