Gaussian kernel quadrature at scaled Gauss–Hermite nodes

Toni Karvonen, Simo Särkkä

Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

3 Sitaatiot (Scopus)
120 Lataukset (Pure)

Abstrakti

This article derives an accurate, explicit, and numerically stable approximation to the kernel quadrature weights in one dimension and on tensor product grids when the kernel and integration measure are Gaussian. The approximation is based on use of scaled Gauss–Hermite nodes and truncation of the Mercer eigendecomposition of the Gaussian kernel. Numerical evidence indicates that both the kernel quadrature and the approximate weights at these nodes are positive. An exponential rate of convergence for functions in the reproducing kernel Hilbert space induced by the Gaussian kernel is proved under an assumption on growth of the sum of absolute values of the approximate weights.
AlkuperäiskieliEnglanti
Sivut877–902
Sivumäärä26
JulkaisuBIT - Numerical Mathematics
DOI - pysyväislinkit
TilaJulkaistu - 2019
OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

Sormenjälki Sukella tutkimusaiheisiin 'Gaussian kernel quadrature at scaled Gauss–Hermite nodes'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä