We consider the EBT algorithm (a particle method) for the non-local equation with discontinuous interaction kernel. The main difficulty lies in the low regularity of the kernel which is not Lipschitz continuous, thus preventing the application of standard arguments. Therefore, we use the radial symmetry of the problem instead and transform it using spherical coordinates. The resulting equation has a Lipschitz kernel with only one singularity at zero. We introduce a new weighted flat norm and prove that the particle method converges in this norm. We also comment on the two-dimensional case which requires the application of the theory of measure spaces on general metric spaces and present numerical simulations confirming the theoretical results. In a companion paper, we apply the Bayesian method to fit parameters to this model and study its theoretical properties.


翻译:我们考虑的是非局部方程式的 EBT 算法(粒子法) 与不连续互动内核的不连续互动内核。 主要的难题在于内核的常规性较低, 它不是Lipschitz 连续的, 从而阻止了标准参数的应用。 因此, 我们使用问题的弧对称法, 并使用球座标来转换它。 结果的方程式有一个Lipschitz 内核, 只有一个单数, 零。 我们引入了新的加权定式规范, 并证明粒子法在此规范中相融合 。 我们还评论了需要将测量空间理论应用于一般测量空间的二维案例, 以及当前数字模拟来证实理论结果。 在一份配套文件中, 我们应用Bayesian 方法来调整参数, 并研究其理论特性 。

0
下载
关闭预览

相关内容

IFIP TC13 Conference on Human-Computer Interaction是人机交互领域的研究者和实践者展示其工作的重要平台。多年来,这些会议吸引了来自几个国家和文化的研究人员。官网链接:http://interact2019.org/
【Cell】神经算法推理,Neural algorithmic reasoning
专知会员服务
28+阅读 · 2021年7月16日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
专知会员服务
52+阅读 · 2020年9月7日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+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
论文浅尝 | Interaction Embeddings for Prediction and Explanation
开放知识图谱
11+阅读 · 2019年2月1日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年8月4日
Arxiv
0+阅读 · 2021年8月2日
Arxiv
19+阅读 · 2020年7月13日
Arxiv
3+阅读 · 2018年8月17日
VIP会员
相关资讯
论文浅尝 | Interaction Embeddings for Prediction and Explanation
开放知识图谱
11+阅读 · 2019年2月1日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6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