In this paper we study the sampling recovery problem for certain relevant multivariate function classes which are not compactly embedded into $L_\infty$. Recent tools relating the sampling numbers to the Kolmogorov widths in the uniform norm are therefore not applicable. In a sense, we continue the research on the small smoothness problem by considering "very" small smoothness in the context of Besov and Triebel-Lizorkin spaces with dominating mixed regularity. There is not much known on the recovery of such functions except of an old result by Oswald in the univariate situation. As a first step we prove the uniform boundedness of the $\ell_p$-norm of the Faber-Schauder coefficients in a fixed level. Using this we are able to control the error made by a (Smolyak) truncated Faber-Schauder series in $L_q$ with $q<\infty$. It turns out that the main rate of convergence is sharp. As a consequence we obtain results also for $S^1_{1,\infty}F([0,1]^d)$, a space which is ``close'' to the space $S^1_1W([0,1]^d)$ which is important in numerical analysis, especially numerical integration, but has rather bad Fourier analytic properties.


翻译:在本文中,我们研究某些相关多变量功能类的取样回收问题,这些功能类没有紧密地嵌入$L ⁇ infty$。 因此,将抽样数字与统一规范中科尔莫戈洛夫宽度挂钩的最近工具不适用。 从某种意义上讲,我们继续研究小平稳问题,在Besov和Triebel-Lizorkin范围内,考虑“非常”小的平稳性能,其周期性强强的比索夫和Triebel-Lizorkin空间“非常”的平稳性能。对于这些功能的恢复知之甚少,只有Oswald在单方币情况下的旧结果除外。作为第一步,我们证明Faber-Schauder系数$_p-norm的统一性在固定水平上是统一的。使用这个方法,我们可以控制一个(Smolyakak)的Faber-Schauder系列在$_q ⁇ infty $上出现的错误。它证明主要的趋同率是锐的。我们因此也从$S%_1, a tradal deal is a trueal is a devely_deal) a, a deal is a, laly_xy_xyxy_xy_xy_xy_xy___xy_xy_xy_xy_xalisalisalisalisaxal a, a, a, a, a, a, a, a, a, axxxxxxxxxxxxxxxxalxalxalxalxalxalxxxxxalxalxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx) a, a, a, ex。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
专知会员服务
161+阅读 · 2020年1月16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
【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
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年11月6日
VIP会员
相关VIP内容
不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
专知会员服务
161+阅读 · 2020年1月16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
【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
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员