We propose an accurate algorithm for a novel sum-of-exponentials (SOE) approximation of kernel functions, and develop a fast algorithm for convolution quadrature based on the SOE, which allows an order $N$ calculation for $N$ time steps of approximating a continuous temporal convolution integral. The SOE method is constructed by a combination of the de la Vall\'ee-Poussin sums for a semi-analytical exponential expansion of a general kernel, and a model reduction technique for the minimization of the number of exponentials under given error tolerance. We employ the SOE expansion for the finite part of the splitting convolution kernel such that the convolution integral can be solved as a system of ordinary differential equations due to the exponential kernels. The significant features of our algorithm are that the SOE method is efficient and accurate, and works for general kernels with controllable upperbound of positive exponents. We provide numerical analysis for both the new SOE method and the SOE-based convolution quadrature. Numerical results on different kernels, the convolution integral and integral equations demonstrate attractive performance of both accuracy and efficiency of the proposed method.


翻译:我们提出一个精确的算法,用于对内核功能进行新型的耗竭总和近似值,并基于SOE开发一个快速的进化二次算法,该算法允许以美元为定单,用于对一个连续的时积分整体进行约同步化的时间步骤计算。SOE方法是由一个半分析性加速扩展总内核(SOE)的组合构建的,以及用于在给定的差错容忍度下最大限度地减少指数数量的模型削减技术。我们使用SOE扩展法对分裂内核的有限部分进行。我们使用SOE扩展法对分裂内核的有限部分进行计算,这样,由于指数内核的加速内核,可以将共振成一个普通的差别方程。我们算法的主要特征是,SOE方法是高效和准确的,对具有可控性上层积极反应的普通内核循环进行计算。我们为新的SOE方法和以SOE为主的进化锥体进行数字分析。我们为新的SOE方法和以SOE为主的进化的变形二次的变形等提供了数字分析,对不同的整体性结果,对不同内等核的完整的精确性表现和拟议的综合性。

0
下载
关闭预览

相关内容

Integration:Integration, the VLSI Journal。 Explanation:集成,VLSI杂志。 Publisher:Elsevier。 SIT:http://dblp.uni-trier.de/db/journals/integration/
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
注意力机制介绍,Attention Mechanism
专知会员服务
168+阅读 · 2019年10月13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
2019年机器学习框架回顾
专知会员服务
35+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
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
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
论文浅尝 | Hike: A Hybrid Human-Machine Method for Entity Alignment
机器学习研究会
6+阅读 · 2018年1月6日
已删除
将门创投
4+阅读 · 2017年12月5日
Arxiv
0+阅读 · 2021年12月16日
Arxiv
6+阅读 · 2019年12月30日
VIP会员
Top
微信扫码咨询专知VIP会员