[论文解读] Hyperbolic Cross Approximation

Ðinh Dũng, Vladimir Temlyakov+1 more|arXiv (Cornell University)|Jan 15, 2016

Mathematical Approximation and Integration被引用 25

一句话总结

本综述全面概述了在多元逼近理论中双曲截面逼近的研究，重点关注具有混合光滑性的函数。它系统介绍了高维逼近的古典与现代方法，强调双曲截面在稀疏网格方法、采样恢复和数值积分中的作用，并在收敛速率、熵数以及高维非线性逼近方面取得关键进展。

ABSTRACT

Hyperbolic cross approximation is a special type of multivariate approximation. Recently, driven by applications in engineering, biology, medicine and other areas of science new challenging problems have appeared. The common feature of these problems is high dimensions. We present here a survey on classical methods developed in multivariate approximation theory, which are known to work very well for moderate dimensions and which have potential for applications in really high dimensions. The theory of hyperbolic cross approximation and related theory of functions with mixed smoothness are under detailed study for more than 50 years. It is now well understood that this theory is important both for theoretical study and for practical applications. It is also understood that both theoretical analysis and construction of practical algorithms are very difficult problems. This explains why many fundamental problems in this area are still unsolved. Only a few survey papers and monographs on the topic are published. This and recently discovered deep connections between the hyperbolic cross approximation (and related sparse grids) and other areas of mathematics such as probability, discrepancy, and numerical integration motivated us to write this survey. We try to put emphases on the development of ideas and methods rather than list all the known results in the area. We formulate many problems, which, to our knowledge, are open problems. We also include some very recent results on the topic, which sometimes highlight new interesting directions of research. We hope that this survey will stimulate further active research in this fascinating and challenging area of approximation theory and numerical analysis.

研究动机与目标

• 提供双曲截面逼近及相关具有混合光滑性函数类的统一且深入的综述，这些函数类对高维问题至关重要。
• 阐明在经典方法因维数灾难而失效的场景下，多元逼近的理论基础与实用算法。
• 突出双曲截面逼近与不均匀性理论、数值积分及稀疏恢复之间联系的开放问题与最新进展。
• 强调双曲截面作为一元三角多项式在多元情形下的自然类比，特别是在混合微分算子特征函数的背景下。
• 通过提出开放问题并识别高维逼近与非线性方法中的新研究方向，激发进一步研究。

提出的方法

• 使用双曲截面 Γ(N) = {k ∈ ℤ^d : ∏ⱼ max{|kⱼ|,1} ≤ N} 作为多元三角多项式的频率集合，推广一元三角逼近。
• 应用傅里叶分析与Littlewood-Paley理论，将函数分解为频率块 ρ(s)，通过 dyadic 分解实现 ℓ² 与 ℓᵖ 范数估计。
• 利用 Riesz-Thorin 插值定理与 Marcinkiewicz 乘子定理，推导 L_p 空间上算子有界性的结论。
• 通过函数空间中混合光滑性类的对偶性与嵌入定理，分析基于线性宽度、Kolmogorov 宽度与熵数的逼近。
• 在 Smolyak 网格上引入采样恢复，并利用离散 Littlewood-Paley 表示，从点值恢复函数。
• 应用 Hardy-Littlewood-Sobolev 不等式与 Frolov 型求积公式，推导高维数值积分的界。

实验结果

研究问题

• RQ1 在高维函数中，双曲截面逼近与经典张量积或稀疏网格方法相比，收敛速率如何？
• RQ2 在 L_q 空间中，具有混合光滑性的函数类的 Kolmogorov 宽度与线性宽度的最优界是什么？
• RQ3 具有混合光滑性的函数类的熵数行为如何？其与小球问题之间存在何种联系？
• RQ4 在 Smolyak 网格上的采样恢复能否在 L_p 与能量范数下实现最优收敛速率？
• RQ5 双曲截面逼近框架对非线性 m-项逼近与贪婪算法具有何种影响？

主要发现

• 双曲截面多项式构成了一元三角多项式的自然多元类比，其作为混合微分算子的特征函数而自然出现。
• Hausdorff-Young 不等式为傅里叶系数提供了 L_p 范数界，最优常数依赖于维度与 p。
• Littlewood-Paley 定理保证了 L_p 范数与频率块 δ_s(f) 的平方函数等价，常数仅依赖于 d 与 p。
• L_q 空间中函数类 W 与 H 的熵数通过涉及双曲截面大小的熵估计得到有界，表现出对维度的对数依赖性。
• 在 Smolyak 网格上的采样恢复在 L_p 与能量范数下实现了最优收敛速率，其界依赖于光滑性与维度。
• Frolov 求积公式在高维数值积分中实现了最优阶收敛速度，误差界与不均匀性及混合光滑性相关。