Zurück zu den Ergebnissen
Bibliografischer Datensatz · Ansicht und Zugriff
Artículo

Calificación generalizada y convergencia óptima para métodos de regularización espectrales

Spies, Ruben Daniel et al · Asociación Argentina de Mecánica Computacional · 2007

Open-Access-Volltext
Schnellübersicht. Prüfen Sie die grundlegenden Angaben und öffnen Sie den Inhalt über die Hauptschaltfläche. Die Seite zeigt nur die Informationen, die zum Identifizieren, Zitieren und Öffnen des Werks nötig sind.

Zugriff auf die Ressource

Öffnen Sie den Inhalt über die Hauptoption oder wählen Sie eine andere verfügbare Quelle.

CONICET Digital CONICET Digital OAI-PMH
Entrar por CONICET Digital
Hauptzugriff

Open-Access-Volltext

Texto completo identificado como acceso abierto.
Text öffnen

Übersicht

Descripción general del contenido del recurso.

El concepto de calificación de métodos de regularización espectrales (MREs) para problemas inversos mal condicionados está fuertemente asociado con el orden de convergencia óptimo delerror de regularización (H. W. Engl et al., Regularization of inverse problems, volume 375 of Mathematics and its Applications, Kluwer Academic Publishers Group, Dordrecht (1996); P. Mathé and S. V. Pereverzev, Inverse Problems, 19(3):789-803 (2003)). En este trabajo se extiende la definición de calificación y se introducen tres niveles diferentes de este concepto: débil, fuerte y óptimo. Se muestra que la calificación débil extiende la definición introducida por Mathé y Pereverzev en el año 2003, principalmente en el sentido que las funciones asociadas a órdenes de convergencia y conjuntos fuente no necesariamente son las mismas. Se proveen además una condición suficiente que garantiza que un MRE posee calificación en el sentido de esta generalización como así también condiciones necesarias y suficientes para que un orden de convergencia dado sea calificaci´on fuerte u óptima. Se muestra que algunos MREs que tienen calificación clásica infinita, por ejemplo expansión en valores singulares truncada, método de Landweber y método de Showalter, poseen además calificación generalizada, la cual conlleva a un orden de convergencia óptimo del error de regularización. Se presentan varios ejemplos que ilustran los niveles de calificación, las relaciones entre los mismos, como así también con el concepto de calificación clásica y el introducido por Mathé y Pereverzev. Por último, se muestran las implicaciones que tiene esta teoría en el contexto de órdenes de convergencia, resultados recíprocos y conjuntos fuente maximales para problemas inversos mal condicionados concretos.Regularization of inverse problems, volume 375 of Mathematics and its Applications, Kluwer Academic Publishers Group, Dordrecht (1996); P. Mathé and S. V. Pereverzev, Inverse Problems, 19(3):789-803 (2003)). En este trabajo se extiende la definición de calificación y se introducen tres niveles diferentes de este concepto: débil, fuerte y óptimo. Se muestra que la calificación débil extiende la definición introducida por Mathé y Pereverzev en el año 2003, principalmente en el sentido que las funciones asociadas a órdenes de convergencia y conjuntos fuente no necesariamente son las mismas. Se proveen además una condición suficiente que garantiza que un MRE posee calificación en el sentido de esta generalización como así también condiciones necesarias y suficientes para que un orden de convergencia dado sea calificaci´on fuerte u óptima. Se muestra que algunos MREs que tienen calificación clásica infinita, por ejemplo expansión en valores singulares truncada, método de Landweber y método de Showalter, poseen además calificación generalizada, la cual conlleva a un orden de convergencia óptimo del error de regularización. Se presentan varios ejemplos que ilustran los niveles de calificación, las relaciones entre los mismos, como así también con el concepto de calificación clásica y el introducido por Mathé y Pereverzev. Por último, se muestran las implicaciones que tiene esta teoría en el contexto de órdenes de convergencia, resultados recíprocos y conjuntos fuente maximales para problemas inversos mal condicionados concretos. Fil: Spies, Ruben Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Matemática Aplicada del Litoral. Universidad Nacional del Litoral. Instituto de Matemática Aplicada del Litoral; Argentina Fil: Temperini, Karina Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Matemática Aplicada del Litoral. Universidad Nacional del Litoral. Instituto de Matemática Aplicada del Litoral; Argentina

Zitieren

Elegí el formato que necesitás y copiá la referencia al portapapeles.

APA 7

Spies, R. D. E. A. (2007). Calificación generalizada y convergencia óptima para métodos de regularización espectrales. http://hdl.handle.net/11336/84257

MLA

Spies, Ruben Daniel et al. "Calificación generalizada y convergencia óptima para métodos de regularización espectrales." 2007. http://hdl.handle.net/11336/84257.

Chicago

Spies, Ruben Daniel et al. 2007. "Calificación generalizada y convergencia óptima para métodos de regularización espectrales.". http://hdl.handle.net/11336/84257.

Harvard

Spies, R. D. E. A. 2007, Calificación generalizada y convergencia óptima para métodos de regularización espectrales, Asociación Argentina de Mecánica Computacional, available at: http://hdl.handle.net/11336/84257 [Accessed 5 Aug. 2026].

Teilen und drucken

Speichern Sie den Datensatz, kopieren Sie den Permalink oder drucken Sie ihn als PDF.

Referenz exportieren

Exportieren Sie den Datensatz in gängigen Formaten für Literaturverwaltungsprogramme.

Ressourcendetails

Bibliografische Angaben zur Prüfung, ob es sich um das richtige Material handelt.

Titel
Calificación generalizada y convergencia óptima para métodos de regularización espectrales
Autor / Mitwirkende
Spies, Ruben Daniel et al
Verlag
Asociación Argentina de Mecánica Computacional
Erscheinungsjahr
2007
ISSN
2093-2105
ISSN
2093-2105
Sprache
Español

Schlagwörter

Entdecken Sie über diese Schlagwörter weitere verwandte Ressourcen.

Kopiert