[논문 리뷰] Sampling recovery and cubature on sparse grids

Ðinh Dũng|arXiv (Cornell University)|2012. 11. 19.

Mathematical Approximation and Integration인용 수 1

한 줄 요약

이 논문은 비균일 혼합 미분 평활도를 갖는 베소브 공간에서 함수의 최적 선형 샘플링 복원 및 적분 공식을 희소 격자 위에서 구성한다. 특별히 설계된 희소 격자 위에서 B-스플라인 준보간법을 사용하여, 복원 및 적분 문제에 대해 점점 줄어드는 오차 비율을 도출하며, 이는 이러한 설정에서 명시적인 오차 한계를 제공하는 최초의 최적 구성이다.

ABSTRACT

Let $X_n = \{x^j\}_{j=1}^n$ be a set of $n$ points in the $d$-cube $[0,1]^d$, and $\Phi_n = \{\varphi_j\}_{j =1}^n$ a family of $n$ functions on $[0,1]^d$. We consider the approximate recovery functions $f$ on $[0,1]^d$ from the sampled values $f(x^1), ..., f(x^n)$, by the linear sampling algorithm \begin{equation} onumber L_n(X_n,\Phi_n,f) := \sum_{j=1}^n f(x^j)\varphi_j. \end{equation} The error of sampling recovery is measured in the norm of the space $L_q([0,1]^d)$-norm or the energy norm of the isotropic Sobolev sapce $W^\gamma_q([0,1]^d)$ for $0 0$. Functions $f$ to be recovered are from the unit ball in Besov type spaces of an anisotropic smoothness, in particular, spaces $B^a_{p, heta}$ of a nonuniform mixed smoothness $a \in {\mathbb R}^d_+$, and spaces $B^{\alpha,\beta}_{p, heta}$ of a hybrid of mixed smoothness $\alpha > 0$ and isotropic smoothness $\beta \in \mathbb R$. We constructed optimal linear sampling algorithms $L_n(X_n^*,\Phi_n^*,\cdot)$ on special sparse grids $X_n^*$ and a family $\Phi_n^*$ of linear combinations of integer or half integer translated dilations of tensor products of B-splines. We computed the asymptotic of the error of the optimal recovery. This construction is based on a B-spline quasi-interpolation representations of functions in $B^a_{p, heta}$ and $B^{\alpha,\beta}_{p, heta}$. As consequences we obtained the asymptotic of optimal cubature formulas for numerical integration of functions from the unit ball of these Besov type spaces.

연구 동기 및 목표

• d-입방체 위에서 비균일 혼합 평활도를 갖는 베소브 공간에서 함수 복원을 위한 최적 선형 샘플링 알고리즘을 개발한다.
• 동일한 함수 공간에서 수치 적분을 위한 최적 적분 공식을 구성한다.
• 샘플링 복원 및 적분 문제에 대한 최적 오차의 渐近적 행동을 규명한다.
• 최상의 수렴 속도를 달성하는 희소 격자 및 관련 복원 함수를 설계한다.
• 등방성 소볼레프 설정을 초월하여 비균일 및 하이브리드 평활도 공간으로 최적 복원 이론을 확장한다.

제안 방법

• 재배치 및 확대된 B-스플라인의 선형 조합을 복원 함수로 사용하여 최적 샘플링 알고리즘을 구성한다.
• 정수 또는 반정수 이동을 갖는 점들로 구성된 희소 격자 $X_n^*$를 사용하며, 이는 함수 공간의 이방성 평활도에 맞게 설계된다.
• B-스플라인 준보간 표현을 사용하여 $B^a_{p, heta}$ 및 $B^{eta,eta}_{p, heta}$ 공간의 함수를 표현함으로써 안정적이고 정확한 복원을 가능하게 한다.
• 샘플링 알고리즘의 오차를 $L_q$-노름 및 소볼레프 에너지 노름에서 유도하며, 이는 베소브 공간의 단위 구를 기준으로 성능을 측정한다.
• 복원 연산자를 통합하여 샘플링 복원 프레임워크를 적용해 최적의 적분 공식을 유도한다.
• B-스플라인 기반 복원의 근사 성질을 분석함으로써 점점 줄어드는 오차 공식을 수립한다.

실험 결과

연구 질문

• RQ1 비균일 베소브 공간 $B^a_{p, heta}$에서 함수의 선형 샘플링 복원에 대한 최적 수렴 속도는 무엇인가? ($a \in \mathbb{R}^d_+$)
• RQ2 혼합 평활도를 갖는 베소브 공간에서 수치 적분을 위한 최적 적분 공식은 어떻게 구성할 수 있는가?
• RQ3 희소 격자 위에서 최적 샘플링 복원 오차의 점점 줄어드는 행동은 어떠한가?
• RQ4 희소 격자 위에서 B-스플라인 준보간법이 이 함수 공간에서 최상의 수렴 속도를 달성할 수 있는가?
• RQ5 희소 격자 구조 및 복원 함수의 선택은 샘플링 복원 및 적분에서 오차에 어떤 영향을 미치는가?

주요 결과

• 논문은 희소 격자 위에서 $B^a_{p, heta}$ 및 $B^{eta,eta}_{p, heta}$ 공간의 함수에 대해 최적 샘플링 복원 오차의 점점 줄어드는 순서를 규명한다.
• 구성된 샘플링 알고리즘 $L_n(X_n^*, \tilde{oldsymbol{ heta}}_n^*, \cdot)$는 주어진 평활도 클래스에서 최상의 수렴 속도를 달성한다.
• 점점 줄어드는 오차는 명시적으로 계산되었으며, 이는 이방성 평활도 매개변수 $a$와 적분 가능성 $p$에 따라 달라진다.
• 동일한 구성은 샘플링 복원 문제와 동일한 점점 줄어드는 오차 비율을 갖는 최적의 적분 공식을 유도한다.
• 희소 격자 위에서 B-스플라인 준보간법을 사용함으로써 안정성과 최적의 근사 성질이 보장된다.
• 결과는 최적 복원 이론을 등방성 및 하이브리드 평활도 공간으로 일반화하여, 희소 격자 방법에 대한 문헌에서의 빈틈을 메운다.