We study approximation of multivariate periodic functions from Besov and Triebel--Lizorkin spaces of dominating mixed smoothness by the Smolyak algorithm constructed using a special class of quasi-interpolation operators of Kantorovich-type. These operators are defined similar to the classical sampling operators by replacing samples with the average values of a function on small intervals (or more generally with sampled values of a convolution of a given function with an appropriate kernel). In this paper, we estimate the rate of convergence of the corresponding Smolyak algorithm in the $L_q$-norm for functions from the Besov spaces $\mathbf{B}_{p,\theta}^s(\mathbb{T}^d)$ and the Triebel--Lizorkin spaces $\mathbf{F}_{p,\theta}^s(\mathbb{T}^d)$ for all $s>0$ and admissible $1\le p,\theta\le \infty$ as well as provide analogues of the Littlewood--Paley-type characterizations of these spaces in terms of families of quasi-interpolation operators.


翻译:我们从Besov 和 Triebel-Lizorkin 中研究由Smolyak 算法, 利用Kantorovich- 类型的特殊类准内插操作员, 构建的Smolyak 算法, 支配混合平滑的多变量周期空间的近似值。 这些操作员的定义类似于古典采样操作员。 这些操作员的定义是, 将样本替换为以小间隔( 或更一般地以特定函数与适当内核相融合的样本值 ) 函数的平均值 。 在本文中, 我们估计了来自 Besov 空间 $\ q$\ q$ 的对应的 Smolyak 算法的趋近率, 以 $\ q $ 为单位, 和 可受理的 $ 1\ le p,\ ta\ le\ le\ mintlefty$, 以及提供 littlewood- place- typecal- typeal- sistrical- typecal- typecal- sistrations) 的模拟操作员家族的类比木- 的模拟操作员- 的类比木- 的类比木- 的类比木- 定的模拟操作员- 。

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
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Fast R-CNN
数据挖掘入门与实战
3+阅读 · 2018年4月20日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年10月18日
VIP会员
相关资讯
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Fast R-CNN
数据挖掘入门与实战
3+阅读 · 2018年4月20日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员