Buchumschlag

On the Convergence of Irregular Sampling in Reproducing Kernel Hilbert Spaces

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Iske, Armin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Irregular Sampling of High-Dimensional Functions in Reproducing Kernel Hilbert Spaces
von: Iske, Armin, et al.
Veröffentlicht: (2025)

Efficient Numerical Integration in Reproducing Kernel Hilbert Spaces via Leverage Scores Sampling
von: Chatalic, Antoine, et al.
Veröffentlicht: (2023)

Finetuning greedy kernel models by exchange algorithms
von: Wenzel, Tizian, et al.
Veröffentlicht: (2024)

On Quasi-Localized Dual Pairs in Reproducing Kernel Hilbert Spaces
von: Harbrecht, Helmut, et al.
Veröffentlicht: (2024)

Inducing Riesz and orthonormal bases in $L^2$ via composition operators
von: Saleh, Yahya, et al.
Veröffentlicht: (2024)

Expressivity of Bi-Lipschitz Normalizing Flows: A Score-Based Diffusion Perspective
von: Iske, Meira, et al.
Veröffentlicht: (2026)

Learned Discrepancy Reconstruction and Benchmark Dataset for Magnetic Particle Imaging
von: Iske, Meira, et al.
Veröffentlicht: (2025)

Embeddings of Reproducing Kernel Hilbert Spaces with General Weights
von: Gnewuch, Michael, et al.
Veröffentlicht: (2026)

Spectral equivalence of unsymmetric kernel matrices and applications
von: Wenzel, Tizian, et al.
Veröffentlicht: (2025)

On the convergence of generalized kernel-based interpolation by greedy data selection algorithms
von: Albrecht, Kristof, et al.
Veröffentlicht: (2024)

Spectral alignment of kernel matrices and applications
von: Wenzel, Tizan, et al.
Veröffentlicht: (2024)

Which Spaces can be Embedded in $L_p$-type Reproducing Kernel Banach Space? A Characterization via Metric Entropy
von: Lu, Yiping, et al.
Veröffentlicht: (2024)

Learning phase-space flows using time-discrete implicit Runge-Kutta PINNs
von: Corral, Álvaro Fernández, et al.
Veröffentlicht: (2024)

Gaussian Processes and Reproducing Kernels: Connections and Equivalences
von: Kanagawa, Motonobu, et al.
Veröffentlicht: (2025)

Convergent Methods for Koopman Operators on Reproducing Kernel Hilbert Spaces
von: Boullé, Nicolas, et al.
Veröffentlicht: (2025)

Convergence and Sketching-Based Efficient Computation of Neural Tangent Kernel Weights in Physics-Based Loss
von: Hirsch, Max, et al.
Veröffentlicht: (2025)

Product kernels are efficient and flexible tools for high-dimensional scattered data interpolation
von: Albrecht, Kristof, et al.
Veröffentlicht: (2023)

On the optimality of target-data-dependent kernel greedy interpolation in Sobolev Reproducing Kernel Hilbert Spaces
von: Santin, Gabriele, et al.
Veröffentlicht: (2023)

MicroAdam: Accurate Adaptive Optimization with Low Space Overhead and Provable Convergence
von: Modoranu, Ionut-Vlad, et al.
Veröffentlicht: (2024)

Decoupled Diffusion Sampling for Inverse Problems on Function Spaces
von: Lin, Thomas Y. L., et al.
Veröffentlicht: (2026)

Fast Evaluation of Additive Kernels: Feature Arrangement, Fourier Methods, and Kernel Derivatives
von: Wagner, Theresa, et al.
Veröffentlicht: (2024)

KROM: Kernelized Reduced Order Modeling
von: Bacho, Aras, et al.
Veröffentlicht: (2026)

Fast Spectrum Estimation of Some Kernel Matrices
von: Lepilov, Mikhail
Veröffentlicht: (2024)

Sharp Convergence Rates for Matching Pursuit
von: Klusowski, Jason M., et al.
Veröffentlicht: (2023)

Sketching the Heat Kernel: Using Gaussian Processes to Embed Data
von: Gilbert, Anna C., et al.
Veröffentlicht: (2024)

Convergence analysis of OT-Flow for sample generation
von: Jing, Yang, et al.
Veröffentlicht: (2024)

Nonlocal Neural Tangent Kernels via Parameter-Space Interactions
von: Nagaraj, Sriram, et al.
Veröffentlicht: (2025)

Matrix Completion with Cross-Concentrated Sampling: Bridging Uniform Sampling and CUR Sampling
von: Cai, HanQin, et al.
Veröffentlicht: (2022)

Fast Kernel Summation in High Dimensions via Slicing and Fourier Transforms
von: Hertrich, Johannes
Veröffentlicht: (2024)

An Orthogonal Polynomial Kernel-Based Machine Learning Model for Differential-Algebraic Equations
von: Taheri, Tayebeh, et al.
Veröffentlicht: (2024)

Guided Diffusion Sampling on Function Spaces with Applications to PDEs
von: Yao, Jiachen, et al.
Veröffentlicht: (2025)

Sampling via Gradient Flows in the Space of Probability Measures
von: Chen, Yifan, et al.
Veröffentlicht: (2023)

Leveraging Real-Time Data Analysis and Multiple Kernel Learning for Manufacturing of Innovative Steels
von: Rannetbauer, Wolfgang, et al.
Veröffentlicht: (2025)

Solving Roughly Forced Nonlinear PDEs via Misspecified Kernel Methods and Neural Networks
von: Baptista, Ricardo, et al.
Veröffentlicht: (2025)

Kernel Neural Operators (KNOs) for Scalable, Memory-efficient, Geometrically-flexible Operator Learning
von: Lowery, Matthew, et al.
Veröffentlicht: (2024)

Beyond Derivative Pathology of PINNs: Variable Splitting Strategy with Convergence Analysis
von: Park, Yesom, et al.
Veröffentlicht: (2024)

Lower Bounds for the Convergence of Tensor Power Iteration on Random Overcomplete Models
von: Wu, Yuchen, et al.
Veröffentlicht: (2022)

Orthonormal Expansions for Translation-Invariant Kernels
von: Tronarp, Filip, et al.
Veröffentlicht: (2022)

Data-Efficient Kernel Methods for Learning Differential Equations and Their Solution Operators: Algorithms and Error Analysis
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

Computational Advantages of Multi-Grade Deep Learning: Convergence Analysis and Performance Insights
von: Fang, Ronglong, et al.
Veröffentlicht: (2025)