We extend the idea of approximating piecewise smooth univariate functions using rational approximation introduced in \cite{aka_bas-19a} to two-dimensional space. This article aims to implement the novel piecewise Maehly based Pad\'e-Chebyshev approximation \cite{mae_60a}. We first develop a method referred to as PiPC to approximate univariate piecewise smooth functions and then extend the same to a two-dimensional space, leading to a bivariate piecewise Pad\'e-Chebyshev approximation (Pi2DPC) for approximating piecewise smooth functions in two-dimension. We study the utility of the proposed techniques in minimizing the Gibbs phenomenon while approximating piecewise smooth functions. The chief advantage of these methods lies in their non-dependence on any apriori knowledge of the locations and types of singularities (if any) present in the original function. Finally, we supplement our methods with numerical results to validate their effectiveness in diminishing the Gibbs phenomenon to negligible levels.


翻译:我们利用在\ cite{aka_bas-19a} 中引入的理性近似法,将近似平滑的单向单向功能的概念推广到二维空间。 文章的目的是执行小巧的Maehly Pad\' e- Chebyshev 近似法\ cite{mae_ 60a}。 我们首先开发了一种称为PiPC 的方法, 以近似单向单向光滑功能, 然后将同样的方法扩大到二维空间, 导致双向的pad\'e- Chebyshev 近似法( Pi2DPC) 近似双向平滑函数( Pi2DPC) 。 我们研究了拟议技术在尽量减少吉卜斯现象的同时, 与近似平滑函数的近似法的实用性。 这些方法的主要优势在于它们不依赖原始函数中存在的任何关于奇特地点和奇特类型( 如果有的话) 的任何原始知识。 最后, 我们用数字结果来补充我们的方法, 来验证它们在将吉布斯现象降到微不足道的水平上的有效性。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14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
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
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
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
已删除
将门创投
9+阅读 · 2017年7月28日
Arxiv
4+阅读 · 2018年3月14日
Arxiv
5+阅读 · 2018年1月17日
VIP会员
相关资讯
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
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
已删除
将门创投
9+阅读 · 2017年7月28日
Top
微信扫码咨询专知VIP会员