[논문 리뷰] Approximation by Meyer-Konig and Zeller Operators using (p, q)-CALCULUS

Uğur Kadak, Asif Khan외 1명|arXiv (Cornell University)|2016. 03. 20.

Approximation Theory and Sequence Spaces참고 문헌 18인용 수 4

한 줄 요약

이 논문은 (p,q)-계산을 사용하여 Meyer-Konig과 Zeller 연산자를 새로운 일반화를 도입한다. 기존의 q-계산 대신 (p,q)-정수와 (p,q)-이항계수를 사용한다. 제안된 (p,q)-Meyer-Konig과 Zeller 연산자는 통계적 수렴을 달성하고 직접 근사 정리들을 수립하며, 다양한 (p,q) 매개변수 하에서 시험 함수에 대한 수렴 행동의 향상된 성질을 보여주는 수치적 예시를 제공한다.

ABSTRACT

In this paper, we introduce a generalization of the $q$-Meyer-Konig and Zeller operators by means of the $(p,q)$-integers as well as of the $(p,q)$-Gaussian binomial coefficients. For $ 0< q < p <= 1,$ the sequence of the $(p,q)$-Meyer-Konig and Zeller operators denoted by $M_n,p,q$ and some results based on statistical convergence and direct theorems is obtained. Furthermore, we show comparisons and some illustrative graphics for the convergence of operators to a function.

연구 동기 및 목표

• 기존의 q-Meyer-Konig과 Zeller 연산자를 (p,q)-계산을 통합하여 보다 유연한 근사화를 가능하게 하기 위한 일반화를 수행한다.
• 통계적 수렴을 활용하여 새로운 (p,q)-Meyer-Konig과 Zeller 연산자의 수렴 행동을 조사한다.
• (p,q)-연산자에 대한 직접 근사 정리를 수립하여 수렴 속도를 정량화한다.
• 다양한 (p,q) 매개변수 하에서 시험 함수로의 수렴을 보여주는 수치적 예시와 그래픽 비교를 제공한다.
• q-연산자의 이론적 프레임워크를 더 넓은 (p,q)-계산 설정으로 확장하여 근사 정확도를 향상시킨다.

제안 방법

• 논문은 (p,q)-정수와 (p,q)-Gaussian 이항계수를 기반으로 하여 $ M_{n,p,q} $로 표기되는 새로운 선형 양의 연산자 클래스를 정의한다.
• 구성에 있어 $ 0 < q < p \leq 1 $ 조건을 만족하는 (p,q)-계산 프레임워크를 사용하며, 이는 표준 q-계산의 일반화이다.
• 통계적 수렴 분석은 (p,q)-미분과 연속성 모듈러스를 활용하여 수행된다.
• 직접 근사 정리는 Peetre의 K-functional과 이阶 모듈러스를 사용하여 유도된다.
• 특정 함수에 대한 수렴을 시각화하기 위해 수치 실험과 그래픽 표현을 포함한다.
• 이론적 결과는 다양한 매개변수 하에서 고전적 q-연산자와 새로운 (p,q)-버전 간의 비교를 통해 뒷받침된다.

실험 결과

연구 질문

• RQ1 (p,q)-계산의 도입이 고전적 q-경우에 비해 Meyer-Konig과 Zeller 연산자의 근사 성질을 어떻게 향상시키는가?
• RQ2 연속 함수에 대해 새로운 (p,q)-Meyer-Konig과 Zeller 연산자의 통계적 수렴 속도는 어떠한가?
• RQ3 K-functional 방법을 사용하여 (p,q)-일반화된 연산자에 대한 직접 근사 정리를 수립할 수 있는가?
• RQ4 다양한 (p,q) 매개변수는 주어진 함수로 향하는 연산자의 수렴 행동에 어떤 영향을 미치는가?
• RQ5 그래픽 비교는 (p,q)-연산자의 정확성과 수렴 속도에 대해 어떤 통찰을 제공하는가?

주요 결과

• (p,q)-Meyer-Konig과 Zeller 연산자 $ M_{n,p,q} $ 는 $ 0 < q < p \leq 1 $ 인 경우 잘 정의되어 있으며, 고전적 q-연산자 프레임워크를 일반화한다.
• 연산자의 통계적 수렴이 입증되었으며, 점별 수렴보다 더 넓은 함수 클래스에 대해 수렴함을 보여준다.
• 이阶 연속성 모듈러스와 Peetre의 K-functional을 사용하여 직접 근사 정리를 증명하였으며, 정량적 오차 한계를 제공한다.
• 그래픽 예시는 특정 매개변수 조합 하에서 (p,q)-연산자가 고전적 q-해와 비교해 더 빠르고 안정적으로 시험 함수로 수렴함을 확인한다.
• 새로운 프레임워크는 (p,q) 매개변수를 조절하여 수렴 행동을 최적화할 수 있어 근사화에 있어 더 큰 유연성을 제공한다.
• 결과적으로 (p,q)-일반화는 근사 정확도를 향상시키며, 근사 이론에서 더 유연한 도구를 제공한다.