研究人员开发了使用埃尔米特展开结合自适应坐标变换来逼近函数的新误差估计方法。他们的分析证明了一个等价原理，即在变换基中逼近一个函数类似于在埃尔米特基中逼近其拉回。这个理论框架利用了经典的逼近理论，为自适应埃尔米特逼近的收敛性提供了见解，特别是那些利用归一化流的方法，如在计算量子物理学中所示。 AI
排序理由 关于逼近方法理论收敛性质的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
新理论探索自适应坐标变换下的埃尔米特逼近
报道来源 [1]
-
Convergence theory for Hermite approximations under adaptive coordinate transformations
Recent work has shown that parameterizing and optimizing coordinate transformations using normalizing flows, i.e., invertible neural networks, can significantly accelerate the convergence of spectral approximations. We present the first error estimates for approximating functions…