Voltar aos resultados
Registro bibliográfico · Consulta e acesso
Artículo

Calificación generalizada y convergencia óptima para métodos de regularización espectrales

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

Texto completo em acesso aberto
Leitura rápida. Confira os dados básicos do recurso e acesse o conteúdo pelo botão principal. Esta ficha mostra apenas as informações necessárias para identificar, citar e abrir a obra.

Acesso ao recurso

Acesse o conteúdo pela opção principal ou escolha outra fonte disponível.

CONICET Digital CONICET Digital OAI-PMH
Entrar por CONICET Digital
Acesso principal

Texto completo em acesso aberto

Texto completo identificado como acceso abierto.
Abrir texto

Resumo

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

Como citar

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].

Compartilhar e imprimir

Salve a ficha, copie o link permanente ou imprima em PDF.

Exportar referência

Exporte o registro nos formatos mais comuns para usar em um gerenciador bibliográfico.

Detalhes do recurso

Informações bibliográficas para confirmar que este é o material correto.

Título
Calificación generalizada y convergencia óptima para métodos de regularización espectrales
Autor / colaboradores
Spies, Ruben Daniel et al
Editora
Asociación Argentina de Mecánica Computacional
Ano de publicação
2007
ISSN
2093-2105
ISSN
2093-2105
Idioma
Español

Assuntos

Explore recursos relacionados a partir destes assuntos.

Copiado