Given gridded cell-average data of a smooth multivariate function, we present a constructive explicit procedure for generating a high-order global approximation of the function. One contribution is the derivation of high order approximations to point-values of the function directly from the cell-average data. The second contribution is the development of univariate B-spline based high order quasi-interpolation operators using cell-average data. Multivariate spline quasi-interpolation approximation operators are obtained by tensor products of the univariate operators.


翻译:根据光滑多变量函数的网格平均单元格数据,我们提出了一个建设性的明确程序,用于生成该函数的高顺序全球近似值。一个贡献是,从单元格平均数据中直接得出该函数的点值的高排序近近似值。第二个贡献是,利用单元格平均数据开发基于单ivariate B-spline的高序准内插操作员。多变量螺旋准内插操作员由单项操作员的高压产品获得。

0
下载
关闭预览

相关内容

牛津大学最新《计算代数拓扑》笔记书,107页pdf
专知会员服务
42+阅读 · 2022年2月17日
专知会员服务
79+阅读 · 2021年5月4日
【经典书】线性代数,Linear Algebra,525页pdf
专知会员服务
76+阅读 · 2021年1月29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
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】(Keras)LSTM多元时序预测教程
机器学习研究会
24+阅读 · 2017年8月14日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
On Variance Estimation of Random Forests
Arxiv
0+阅读 · 2022年2月18日
Bivariate Beta LSTM
Arxiv
5+阅读 · 2019年10月7日
VIP会员
相关资讯
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】(Keras)LSTM多元时序预测教程
机器学习研究会
24+阅读 · 2017年8月14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