Efficient Models for Multivariate Functions and High-Dimensional Approximation
多元函数和高维逼近的有效模型
基本信息
- 批准号:210193402
- 负责人:
- 金额:--
- 依托单位:
- 依托单位国家:德国
- 项目类别:Independent Junior Research Groups
- 财政年份:2012
- 资助国家:德国
- 起止时间:2011-12-31 至 2016-12-31
- 项目状态:已结题
- 来源:
- 关键词:
项目摘要
Seit einiger Zeit besteht reges Interesse an der Behandlung hochdimensionaler Problemstellungen, beispielsweise in der Quantenmechanik, Meteorologie, Chemie oder der Finanzmathematik. Da solche Probleme nur selten erfolgreich analytisch gelöst werden können, ist man an effizienten Modellannahmen und guten Näherungslösungen interessiert. Die Herausforderung besteht darin, den sogenannten „Fluch der Dimension" zu umgehen, bei dem die notwendige Rechenzeit mit wachsender Dimension dramatisch zunimmt. Der Schwerpunkt des beantragten Projektes liegt auf der mathematischen Analyse von Modellen und deren Approximationseigenschaften sowie der Verbindung von nunmehr klassischen Zugängen mit neuen Ideen in diesem Gebiet. Ein Aspekt, der durch neueste Resultate aus der mathematischen Modellbildung der Quantenmechanik motiviert ist, liegt in der Erweiterung und systematischen Untersuchung von Abtastverfahren auf „optimierten dünnen Gittern" sowie „Gittern mit kleiner Diskrepanz". Ein neues Konzept im Mittelpunkt der Untersuchungen basiert auf einer empirischen Beobachtung. In der Tat besitzen viele natürlich vorkommende Signale weit weniger signifikante Freiheitsgrade als formal angenommen. Ausgehend von Annahmen und mittels Methoden aus der Theorie des Compressed Sensing werden multivariate Funktionenklassen behandelt, bei denen die Anzahl k der „aktiven" Variablen signifikant kleiner ist als die Problemdimension d.
在量子力学、气象学、化学或金融数学中,有一个时代对处理高维问题最感兴趣。这个问题只需要简单的分析就可以得到韦尔登的答案,这是一个有效的模型和有趣的新问题。最好的解释是,在没有与发送者维度戏剧性地联系的第二次回应之前,首先要强调“维度的流动”。本文介绍了一种基于数学模型分析和近似方法的图形投影方法,该方法可以在图形中用新的概念来描述一些经典的Zugängen图形。从动力学数学模型的最新结果来看,这是一个基于“具有小扰动的结构”优化的结构的优化和系统化研究。一个新的Konzept在Mittelpunkt的Untersuchungen基础上的一个empirischen Beobachtung。In der达特besitzen viele natürlich vorkommende Signale weit weniger signifikante Freiheitsgrade als formal angenommen.基于压缩感知韦尔登理论的分析和方法可以处理多变量函数,其中有意义的”激活“变量的分析是问题的维数d。
项目成果
期刊论文数量(10)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
The Role of Frolov's Cubature Formula for Functions with Bounded Mixed Derivative
有界混合导数函数的 Frolov 体积公式的作用
- DOI:10.1137/15m1014814
- 发表时间:2016
- 期刊:
- 影响因子:0
- 作者:M. Ullrich;T. Ullrich
- 通讯作者:T. Ullrich
On the orthogonality of the Chebyshev–Frolov lattice and applications
ChebyshevâFrolov 格子的正交性及其应用
- DOI:10.1007/s00605-017-1078-2
- 发表时间:2017
- 期刊:
- 影响因子:0
- 作者:C. Kacwin;J. Oettershagen;T. Ullrich
- 通讯作者:T. Ullrich
Entropy and Sampling Numbers of Classes of Ridge Functions
岭函数类的熵和采样数
- DOI:10.1007/s00365-014-9267-x
- 发表时间:2015
- 期刊:
- 影响因子:2.7
- 作者:S. Mayer;T. Ullrich;J. Vybiral
- 通讯作者:J. Vybiral
Hyperbolic Cross Approximation
双曲交叉近似
- DOI:10.1007/978-3-319-92240-9
- 发表时间:2018
- 期刊:
- 影响因子:0
- 作者:D. Dũng;V.N. Temlyakov;T. Ullrich
- 通讯作者:T. Ullrich
N-Widths and ε-Dimensions for High-Dimensional Approximations
- DOI:10.1007/s10208-013-9149-9
- 发表时间:2013-12-01
- 期刊:
- 影响因子:3
- 作者:Dinh Dung;Ullrich, Tino
- 通讯作者:Ullrich, Tino
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
Professor Dr. Tino Ullrich其他文献
Professor Dr. Tino Ullrich的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('Professor Dr. Tino Ullrich', 18)}}的其他基金
Preasymptotic error analysis for function recovery problems in high dimensions
高维功能恢复问题的渐进误差分析
- 批准号:
299251995 - 财政年份:2016
- 资助金额:
-- - 项目类别:
Research Grants
Reduction of sampling and data complexity by modern sparsification techniques
通过现代稀疏化技术降低采样和数据复杂性
- 批准号:
533875539 - 财政年份:
- 资助金额:
-- - 项目类别:
Research Grants
相似国自然基金
Scalable Learning and Optimization: High-dimensional Models and Online Decision-Making Strategies for Big Data Analysis
- 批准号:
- 批准年份:2024
- 资助金额:万元
- 项目类别:合作创新研究团队
新型手性NAD(P)H Models合成及生化模拟
- 批准号:20472090
- 批准年份:2004
- 资助金额:23.0 万元
- 项目类别:面上项目
相似海外基金
Applications of Algebraic Geometry to Multivariate Gaussian Models
代数几何在多元高斯模型中的应用
- 批准号:
2306672 - 财政年份:2023
- 资助金额:
-- - 项目类别:
Continuing Grant
Conceptual Models of Childhood Adversity: Multivariate and Neural Approaches
童年逆境的概念模型:多元和神经方法
- 批准号:
10827162 - 财政年份:2023
- 资助金额:
-- - 项目类别:
Option Pricing with Multivariate GARCH Models
多元 GARCH 模型的期权定价
- 批准号:
RGPIN-2020-05041 - 财政年份:2022
- 资助金额:
-- - 项目类别:
Discovery Grants Program - Individual
Multivariate models and inference
多元模型和推理
- 批准号:
RGPIN-2021-02579 - 财政年份:2022
- 资助金额:
-- - 项目类别:
Discovery Grants Program - Individual
Multivariate spatiotemporal models to quantify disparities in COVID-19 health outcomes
用于量化 COVID-19 健康结果差异的多元时空模型
- 批准号:
10706489 - 财政年份:2022
- 资助金额:
-- - 项目类别:
Models and Methods for Multivariate Risk Assessment
多元风险评估的模型和方法
- 批准号:
RGPIN-2019-05462 - 财政年份:2022
- 资助金额:
-- - 项目类别:
Discovery Grants Program - Individual
Stochastic dynamic programming for modelling and solving extended multivariate structural models
用于建模和求解扩展多元结构模型的随机动态规划
- 批准号:
RGPIN-2018-04432 - 财政年份:2022
- 资助金额:
-- - 项目类别:
Discovery Grants Program - Individual
Nonparametric change-point analysis, invariance principles for multivariate Student processes, and asymptotic theory in linear errors-in-variables models
非参数变点分析、多元学生过程的不变原理以及线性变量误差模型中的渐近理论
- 批准号:
RGPIN-2018-05052 - 财政年份:2022
- 资助金额:
-- - 项目类别:
Discovery Grants Program - Individual
Exploiting the Combinatorial Structures Found in Constraint Programming Models as Multivariate Distributions
利用约束规划模型中的组合结构作为多元分布
- 批准号:
RGPIN-2017-05783 - 财政年份:2022
- 资助金额:
-- - 项目类别:
Discovery Grants Program - Individual
New methods for predictive models for univariate and multivariate longitudinal response data
单变量和多变量纵向响应数据预测模型的新方法
- 批准号:
RGPIN-2020-04382 - 财政年份:2022
- 资助金额:
-- - 项目类别:
Discovery Grants Program - Individual