会员服务
估计/估计量 · 数学 · 数值分析 ·
2021 年 10 月 5 日
Anisotropic Raviart--Thomas interpolation error estimates using a new geometric parameter
翻译：使用新的几何参数估计误差
Hiroki Ishizaka
Hiroki Ishizaka
from arxiv, 28 pages. arXiv admin note: text overlap with arXiv:2106.03339

This paper presents delicate Raviart--Thomas interpolation error estimates on anisotropic meshes. The novel aspect of our theory is the introduction of a new geometric parameter of simplices, and we show the stability of global Raviart--Thomas interpolation in terms of the geometric parameter. We also include corrections to an error in "General theory of interpolation error estimates on anisotropic meshes" (Japan Journal of Industrial and Applied Mathematics, 38 (2021) 163-191), in which Theorem 3 was incorrect.


翻译：本文介绍了对厌食藻类的微妙拉维亚特-图马斯内插误差估计。我们理论的新颖方面是引入一个新的安非他明几何参数,我们从几何参数的角度展示了全球拉维亚特-托马斯内插的稳定性。我们还包括对“对厌食藻类的内插误差估计一般理论”中的一项错误的更正(日本工业和应用数学杂志,38 (2021) 163-191),其中Theorem 3不正确。
0
下载
关闭预览

相关内容

【干货书】数值优化，683页pdf
专知会员服务
104+阅读 · 2021年8月23日
《算法凸几何》简明书，Algorithmic Convex Geometry，50页pdf
专知会员服务
41+阅读 · 2021年4月2日
【经典书】线性代数，436页pdf
专知会员服务
76+阅读 · 2021年3月16日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
78+阅读 · 2020年7月26日
【报告推荐】三维及超形体分析中的几何与数据学习（Geometry and Learning from Data in 3D and Beyond - Shape Analysis）
【报告推荐】三维及超形体分析中的几何与数据学习（Geometry and Learning from Data in 3D and Beyond - Shape Analysis）
专知会员服务
22+阅读 · 2019年11月10日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
9+阅读 · 2019年10月24日
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
专知会员服务
240+阅读 · 2019年10月21日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
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
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
Successor representations 强化学习表示的生物学启发
Successor representations 强化学习表示的生物学启发
CreateAMind
6+阅读 · 2019年9月5日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
计算机 | CCF推荐期刊专刊信息5条
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
vae 相关论文 表示学习 1
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Jointly Improving Summarization and Sentiment Classification
Jointly Improving Summarization and Sentiment Classification
黑龙江大学自然语言处理实验室
3+阅读 · 2018年6月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】RNN无损压缩方法DeepZip（附代码）
【推荐】RNN无损压缩方法DeepZip（附代码）
机器学习研究会
5+阅读 · 2018年1月1日
计算机视觉近一年进展综述
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】神经网络调试经验汇编：神经网络不好使该咋办？
【推荐】神经网络调试经验汇编：神经网络不好使该咋办？
机器学习研究会
5+阅读 · 2017年9月5日
Hypergeometric Structures in Feynman Integrals
Arxiv
0+阅读 · 2021年11月30日
Parameter estimation for an Ornstein-Uhlenbeck Process driven by a general Gaussian noise with Hurst Parameter $H\in (0,\frac12)$
Arxiv
0+阅读 · 2021年11月30日
Linear functional estimation under multiplicative measurement errors
Arxiv
0+阅读 · 2021年11月29日
Interpolation and stability properties of low order face and edge virtual element spaces
Arxiv
0+阅读 · 2021年11月29日
An elementary approach for minimax estimation of Bernoulli proportion in the restricted parameter space
Arxiv
0+阅读 · 2021年11月28日
A unified nonparametric fiducial approach to interval-censored data
Arxiv
0+阅读 · 2021年11月28日
Understanding Graph Neural Networks with Asymmetric Geometric Scattering Transforms
Arxiv
0+阅读 · 2021年11月26日
Necessary Density Conditions for Sampling and Interpolation in Spectral Subspaces of Elliptic Differential Operators
Arxiv
0+阅读 · 2021年11月26日
Reducing Parameter Space for Neural Network Training
Arxiv
3+阅读 · 2018年8月17日
Nonlinear Metric Learning through Geodesic Polylinear Interpolation (ML-GPI)
Arxiv
4+阅读 · 2018年5月15日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
估计/估计量
数学
数值分析
相关VIP内容
【干货书】数值优化，683页pdf
专知会员服务
104+阅读 · 2021年8月23日
《算法凸几何》简明书，Algorithmic Convex Geometry，50页pdf
专知会员服务
41+阅读 · 2021年4月2日
【经典书】线性代数，436页pdf
专知会员服务
76+阅读 · 2021年3月16日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
78+阅读 · 2020年7月26日
【报告推荐】三维及超形体分析中的几何与数据学习（Geometry and Learning from Data in 3D and Beyond - Shape Analysis）
【报告推荐】三维及超形体分析中的几何与数据学习（Geometry and Learning from Data in 3D and Beyond - Shape Analysis）
专知会员服务
22+阅读 · 2019年11月10日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
9+阅读 · 2019年10月24日
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
专知会员服务
240+阅读 · 2019年10月21日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
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
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
热门VIP内容
相关资讯
Successor representations 强化学习表示的生物学启发
Successor representations 强化学习表示的生物学启发
CreateAMind
6+阅读 · 2019年9月5日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
计算机 | CCF推荐期刊专刊信息5条
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
vae 相关论文 表示学习 1
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Jointly Improving Summarization and Sentiment Classification
Jointly Improving Summarization and Sentiment Classification
黑龙江大学自然语言处理实验室
3+阅读 · 2018年6月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】RNN无损压缩方法DeepZip（附代码）
【推荐】RNN无损压缩方法DeepZip（附代码）
机器学习研究会
5+阅读 · 2018年1月1日
计算机视觉近一年进展综述
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】神经网络调试经验汇编：神经网络不好使该咋办？
【推荐】神经网络调试经验汇编：神经网络不好使该咋办？
机器学习研究会
5+阅读 · 2017年9月5日
相关论文
Hypergeometric Structures in Feynman Integrals
Arxiv
0+阅读 · 2021年11月30日
Parameter estimation for an Ornstein-Uhlenbeck Process driven by a general Gaussian noise with Hurst Parameter $H\in (0,\frac12)$
Arxiv
0+阅读 · 2021年11月30日
Linear functional estimation under multiplicative measurement errors
Arxiv
0+阅读 · 2021年11月29日
Interpolation and stability properties of low order face and edge virtual element spaces
Arxiv
0+阅读 · 2021年11月29日
An elementary approach for minimax estimation of Bernoulli proportion in the restricted parameter space
Arxiv
0+阅读 · 2021年11月28日
A unified nonparametric fiducial approach to interval-censored data
Arxiv
0+阅读 · 2021年11月28日
Understanding Graph Neural Networks with Asymmetric Geometric Scattering Transforms
Arxiv
0+阅读 · 2021年11月26日
Necessary Density Conditions for Sampling and Interpolation in Spectral Subspaces of Elliptic Differential Operators
Arxiv
0+阅读 · 2021年11月26日
Reducing Parameter Space for Neural Network Training
Arxiv
3+阅读 · 2018年8月17日
Nonlinear Metric Learning through Geodesic Polylinear Interpolation (ML-GPI)
Arxiv
4+阅读 · 2018年5月15日
Top
微信扫码咨询专知VIP会员
Top