研究人员开发了一个新颖的数据驱动插值框架，旨在从散点数据中重建光滑流形上的实值函数。该方法集成了高斯核插值器和Voronoi自适应带宽，带宽由数据的几何形状决定。该方法提供了一个封闭形式的解，无需训练、迭代优化或参数调整，并且可以相对于样本点的数量以线性复杂度高效计算。 AI
影响 这项研究引入了一个新的数据插值数学框架，有可能提高各种科学和工程应用中函数重建的准确性和效率。
排序理由 该集群包含一篇提交到arXiv的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
