[論文レビュー] Super Fractal Interpolation Functions

G. P. Kapoor, Srijanani Anurag Prasad|arXiv (Cornell University)|Jan 17, 2012

Mathematical Dynamics and Fractals参考文献 27被引用数 7

ひとこと要約

本稿では、自然現象や科学的データに見られる複雑でネストされた構造をモデル化するために、反復関数系（IFS）のプールから各反復段階で動的に選択を行う、新しい種類のフラクタル補間関数であるスーパー・フラクタル補間関数（SFIF）を紹介する。主な貢献は、SFIFの構築のための厳密なフレームワークを提示し、その可積分性を証明し、微分の存在に十分な条件を導出することである。これらの結果は、固有のランダムネスと多スケール変動性を示すシステムのモデル化に応用可能である。

ABSTRACT

In the present work, the notion of Super Fractal Interpolation Function (SFIF) is introduced for finer simulation of the objects of the nature or outcomes of scientific experiments that reveal one or more structures embedded in to another. In the construction of SFIF, an IFS is chosen from a pool of several IFS at each level of iteration leading to implementation of the desired randomness and variability in fractal interpolation of the given data. Further, an expository description of our investigations on the integral, the smoothness and determination of conditions for existence of derivatives of a SFIF is given in the present work.

研究の動機と目的

• 自然界や科学的実験で見られるネストされた多スケール構造を捉えることに失敗する従来のフラクタル補間関数（FIF）の限界を克服すること。
• 各反復段階で複数のIFSを動的に選択する、新しい補間関数のクラス—スーパー・フラクタル補間関数（SFIF）を構築すること。
• SFIFの積分性、滑らかさ、微分可能性の性質を調査し、微分の存在に十分な条件を提示すること。
• SFIFの理論的基盤を確立し、自己相似的複雑性と固有の変動性を示す現実世界のデータをより正確かつ柔軟にモデル化可能にするものとする。

提案手法

• SFIFは、M個の異なるIFSから構成されるスーパー反復関数系（SIFS）を用いて構築され、各IFSはアフィン変換 $\omega_{n,k}(x,y) = (L_n(x), G_{n,k}(x,y))$ で定義され、収縮性を持つ $L_n$ とアフィン性を持つ $G_{n,k}$ がジョインアップ条件を満たす。
• 各反復段階で、M個のIFSのプールから1つが選択され、補間プロセスに制御されたランダムネスと変動性が導入される。
• SIFSの吸引子は、コンパクト集合の空間における双曲的IFSとして定義され、SIFS作用素の下での固定点として一意なSFIFの存在を保証する。
• SFIFの収束性と安定性を保証するため、$\mathbb{R}^2$ のコンパクト部分集合の空間におけるバナッハの不動点定理を用いる。
• 滑らかさと微分可能性は、関数 $q_{n,k}(x)$ の導関数を含む再帰的関係を用いて高階のSFIFを定義することで分析され、$\gamma_{n,k}$ と $a_n$ に関する条件が提示される。
• SFIFの積分は、原始関数を生成する新たなSIFSを構築することにより、別の補間データセットに対応するSFIFであることが示される。

実験結果

リサーチクエスチョン

• RQ1 自然および実験的データに見られるネストされた多スケール構造をモデル化するために、フラクタル補間をどのように向上させることができるか？
• RQ2 スーパー・フラクタル補間関数（SFIF）の微分の存在を保証する条件は何か？
• RQ3 SFIFの積分は、再びフラクタル補間関数であると言えるか？ もしそうならば、どのような条件下で成立するか？
• RQ4 SFIFの滑らかさは、自由パラメータ $\gamma_{n,k}$ と基本関数 $q_{n,k}(x)$ の滑らかさにどのように依存するか？
• RQ5 SFIFフレームワークは、一貫性と数学的厳密性を保ちつつ、高階の微分可能性と可積分性をモデル化するために拡張可能か？

主な発見

• SFIFの積分は、別の補間データセットに対応するSFIFであることが示され、SFIFクラスが積分に関して閉じていることを示している。
• C_1 \neq 1 のとき、SFIFは指数 $\lambda$ のリプシッツクラスに属し、C_1 = 1 のとき、連続性モジュラス $\omega(g_{\sigma},t) = O(|t|^\lambda \log|t|)$ を持つ。これは制御された滑らかさを示している。
• SFIFの $j$ 階微分の存在に十分な条件が導出された：$|\gamma_{i,k}| < a_i^n$、$q_{i,k} \in C^n[x_0,x_N]$、および $q_{i,k,j}$ と $\gamma_{i,k,j}$ の再帰的定義。
• $j$ 階微分 $g_{\sigma}^{(j)}$ は、補間データ $\{(x_i, y_{i,j})\}$ に対応する修正されたSIFSに関連するSFIFであることが示された。ここで $y_{i,j}$ は $q_{i,k}^{(j)}(x_i)$ と $\gamma_{i,k}$ によって定義される。
• SFIFの滑らかさは、$\gamma_{n,k}$ の選択と関数 $q_{n,k}(x)$ の正則性に直接的に依存しており、$q_{n,k}(x)$ が滑らかく、$|\gamma_{n,k}|$ が小さい場合にはより高い滑らかさが達成可能である。
• 多項式 $q_{i,k}(x)$ が次数 $n-j$ である場合、$\gamma_{i,k,j} = \gamma_{i,k}/a_i^j$ および $q_{i,k,j}(x) = q_{i,k,j-1}^{(1)}(x)/a_i$ とすることで、$j$ 階微分可能性の条件が満たされ、再帰的整合性が保証される。