This paper deals with the discrete system being the finite-difference approximation of the Sturm-Liouville problem with frozen argument. The inverse problem theory is developed for this discrete system. We describe the two principal cases: degenerate and non-degenerate. For these two cases, appropriate inverse problems statements are provided, uniqueness theorems are proved, and reconstruction algorithms are obtained. Moreover, the relationship between the eigenvalues of the continuous problem and its finite-difference approximation is investigated. We obtain the "correction terms" for approximation of the discrete problem eigenvalues by using the eigenvalues of the continuous problem. Relying on these results, we develop a numerical algorithm for recovering the potential of the Sturm-Liouville operator with frozen argument from a finite set of eigenvalues. The effectiveness of this algorithm is illustrated by numerical examples.


翻译:本文涉及离散系统, 即Sturm- Liouville问题与冷冻参数的有限差异近似值。 反向问题理论是为这个离散系统开发的。 我们描述了两个主要案例: 退化和非退化。 对于这两个案例, 我们提供了适当的反向问题陈述, 证明了独一性理论, 并获得了重建算法。 此外, 还要调查持续问题的双元值与其有限差异近近似值之间的关系 。 我们通过使用连续问题的双元值获取离散问题电子值近近近的“ 校正条件 ” 。 根据这些结果, 我们开发了一种数字算法, 利用有限的一套电子价值的固定参数来恢复Sturm- Liouville经营者的潜力 。 这种算法的有效性可以用数字示例来说明 。

0
下载
关闭预览

相关内容

专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
50+阅读 · 2020年12月14日
【伯克利-Ke Li】学习优化,74页ppt,Learning to Optimize
专知会员服务
40+阅读 · 2020年7月23日
专知会员服务
61+阅读 · 2020年3月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年10月14日
Arxiv
0+阅读 · 2021年8月25日
Arxiv
0+阅读 · 2021年6月22日
Arxiv
14+阅读 · 2020年12月17日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
3+阅读 · 2018年1月10日
VIP会员
相关VIP内容
专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
50+阅读 · 2020年12月14日
【伯克利-Ke Li】学习优化,74页ppt,Learning to Optimize
专知会员服务
40+阅读 · 2020年7月23日
专知会员服务
61+阅读 · 2020年3月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Top
微信扫码咨询专知VIP会员