The $\ell_2-$ and $\ell_1-$regularized modified Lagrange interpolation formulae over $[-1,1]$ are deduced in this paper. This paper mainly analyzes the numerical characteristics of regularized barycentric interpolation formulae, which are presented in [C. An and H.-N. Wu, 2019], and regularized modified Lagrange interpolation formulae for both interpolation and extrapolation. Regularized barycentric interpolation formulae can be carried out in $\mathcal{O}(N)$ operations based on existed algorithms [H. Wang, D. Huybrechs and S. Vandewalle, Math. Comp., 2014], and regularized modified Lagrange interpolation formulae can be realized in an algorithm of $\mathcal{O}(N\log N)$ operations. For interpolation, the regularized modified Lagrange interpolation formulae are blessed with backward stability and forward stability, whereas the regularized barycentric interpolation formulae are only provided with forward stability. For extrapolation, the regularized barycentric interpolation formulae meet loss of accuracy outside $[-1,1]$, but the regularized modified Lagrange interpolation formulae still work. Consistent results for extrapolation are also verified outside the Chebfun ellipse (a special Bernstein ellipse) in the complex plain. Finally, we illustrate that regularized interpolation formulae perform better than classical interpolation formulae without regularization in noise reduction.


翻译:$\ ell_ 2 美元 和 $\ ell_ 1 - 美元 对 $[ 1,1] 的 常规的 常规的 常规的 常规的 常规的 中间的 公式 。 常规的 Lagran 中间的 公式, 用于 内推 和外推 。 常规的 透明 核心的 内部的 中间的 公式 可以用 $\ mathcal{O} (N) (N) 来进行 。 基于 现有算法的 常规的 常规的 常规的 常规的 常规的 常规的 常规的 内部的 公式 。 常规的 常规的 常规的 常规的 常规的 内部 公式 。 在 内部的 常规的 常规的 常规的 IMFI, 常规的 常规的 常规的 常规的 常规的 IMLI

0
下载
关闭预览

相关内容

【斯坦福CS224W】图神经网络理论,77页ppt
专知会员服务
48+阅读 · 2021年2月13日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17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
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
已删除
将门创投
3+阅读 · 2019年1月8日
Linguistically Regularized LSTMs for Sentiment Classification
黑龙江大学自然语言处理实验室
8+阅读 · 2018年5月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
Arxiv
19+阅读 · 2018年10月25日
VIP会员
相关资讯
已删除
将门创投
3+阅读 · 2019年1月8日
Linguistically Regularized LSTMs for Sentiment Classification
黑龙江大学自然语言处理实验室
8+阅读 · 2018年5月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员