In this paper, we address the problem of approximating a function of bounded variation from its scattered data. Radial basis function(RBF) interpolation methods are known to approximate only functions in their native spaces, and to date, there has been no known proof that they can approximate functions outside the native space associated with the particular RBF being used. In this paper, we describe a scattered data interpolation method which can approximate any function of bounded variation from its scattered data as the data points grow dense. As the class of functions of bounded variation is a much wider class than the native spaces of the RBF, this method provides a crucial advantage over RBF interpolation methods.


翻译:在本文中,我们讨论了与分散数据相近的封闭变异功能问题,已知的辐射基函数(RBF)内插方法仅接近其本地空间的功能,而迄今为止,还没有已知的证据表明,它们能够接近与正在使用的特定RBF有关的本地空间以外的功能,我们在本文件中描述了一种分散的数据内插方法,随着数据点的密度增长,这种数据内插方法可以与其分散数据相近的封闭变异的任何功能。由于受约束变异功能的类别比RBF的本地空间大得多,这种方法比RBF的内插方法具有关键优势。

0
下载
关闭预览

相关内容

Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
MIT-深度学习Deep Learning State of the Art in 2020,87页ppt
专知会员服务
61+阅读 · 2020年2月17日
【新书】贝叶斯网络进展与新应用,附全书下载
专知会员服务
119+阅读 · 2019年12月9日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
已删除
将门创投
5+阅读 · 2019年9月10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
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年6月1日
Arxiv
0+阅读 · 2021年6月1日
Arxiv
0+阅读 · 2021年6月1日
Arxiv
0+阅读 · 2021年5月27日
VIP会员
相关资讯
已删除
将门创投
5+阅读 · 2019年9月10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
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员