turkmath.org

Türkiye'deki Matematiksel Etkinlikler


10 Aralık 2024, 15:30


Orta Doğu Teknik Üniversitesi Uygulamalı Matematik Seminerleri

Probability Error Bounds for Approximation of Functions in Reproducing Kernel Hilbert Spaces

Aurelian Gheondea
Institute of Mathematics of the Romanian Academy, Bucharest, and Bilkent University, Ankara, Romanya

We find probability error bounds for approximations of functions \(f\) in a separable reproducing kernel Hilbert space \(\mathcal{H}\) with reproducing kernel \(K\) on a base space \(X\), firstly in terms of finite linear combinations of functions of type \(K_{x_i}\) and then in terms of the projection \(\pi_x^n\)  on \(\text{span}\left\{ K_{x_i} \right\}_{i=1}^{n}\),  or random sequences of points \(x = (x_i)_i\) in \(X\). Given a probability measure \(P\), letting \(P_K\) be the measure defined by \(\text{d}P_K(x) = K(x, x)\text{d}P(x), \ x\in X\), our approach is based on the noneexpansive operator
                 
                        \[L^2(X; P_K) \ni \lambda \mapsto L_{P,K} \lambda :=   \int_X \lambda(x)\, K_x\, \text{d}P(x) \in \mathcal{H},\]

where the integral exists in the Bochner sense. Using this operator, we then define a new reproducing kernel Hilbert space, denoted by \(\mathcal{H}_P\), that is the operator range of \(L_{P,K}\). Our main result establishes bounds, in terms of the operator \(L_{P,K}\),  on the probability  that the Hilbert space distance between an arbitrary function \(f\) in \(\mathcal{H}\) and linear combinations of functions of type \(K_{x_i}\), for \((x_i)_i\), sampled independently from \(P\), falls below a given threshold. For sequences of points \((x_i)_i^\infty\) constituting a so-called uniqueness set, the orthogonal projections \(\pi_x^n\) to \(\text{span}\left\{ K_{x_i} \right\}_{i=1}^{n}\) converge in the strong operator topology to the identity operator. We prove that, under the assumption that \(\mathcal{H}_P\) is dense in \(\mathcal{H}\),  any sequence of points sampled independently from \(P\) yields a uniqueness set with probability \(1\). This result improves on previous error bounds in weaker norms, such as uniform or \(L^p\) norms, which yield only convergence in probability and not almost certain convergence. Two examples that show the applicability of this result to a uniform distribution on a compact interval and to the Hardy space \(H^2(\mathbb{D})\) are presented as well.

Uygulamalı Matematik İngilizce
Zoom: https://ougur.iam.metu.edu.tr/rkhs-seminars/2024/11/22/probability-error-bounds-for-approximation-of-functions-in-rkhs.html
İlgili Web Bağlantısı

ume 05.12.2024


Yaklaşan Seminerler Seminer Arşivi
 

İLETİŞİM

Akademik biriminizin ya da çalışma grubunuzun ülkemizde gerçekleşen etkinliklerini, ilan etmek istediğiniz burs, ödül, akademik iş imkanlarını veya konuk ettiğiniz matematikçileri basit bir veri girişi ile kolayca turkmath.org sitesinde ücretsiz duyurabilirsiniz. Sisteme giriş yapmak için gerekli bilgileri almak ya da görüş ve önerilerinizi bildirmek için iletişime geçmekten çekinmeyiniz. Katkı verenler listesi için tıklayınız.

Özkan Değer ozkandeger@gmail.com

DESTEK VERENLER

ja2019

31. Journees Arithmetiques Konferansı Organizasyon Komitesi

Web sitesinin masraflarının karşılanması ve hizmetine devam edebilmesi için siz de bağış yapmak, sponsor olmak veya reklam vermek için lütfen iletişime geçiniz.

ONLİNE ZİYARETÇİLER

©2013-2024 turkmath.org
Tüm hakları saklıdır