RBF Interpolation with CSRBF of Large Data Sets
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F17%3A43932147" target="_blank" >RIV/49777513:23520/17:43932147 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1016/j.procs.2017.05.081" target="_blank" >http://dx.doi.org/10.1016/j.procs.2017.05.081</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.procs.2017.05.081" target="_blank" >10.1016/j.procs.2017.05.081</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
RBF Interpolation with CSRBF of Large Data Sets
Popis výsledku v původním jazyce
This contribution presents a new analysis of properties of the interpolation using Radial Bases Functions (RBF) related to large data sets interpolation. The RBF application is convenient method for scattered d-dimensional interpolation. The RBF methods lead to a solution of linear system of equations and computational complexity of solution is nearly independent of a dimensionality. However, the RBF methods are usually applied for small data sets with a small span geometric coordinates. This contribution explores properties of the RBF interpolation for large data sets and large span of geometric coordinates of the given data sets with regard to expectable numerical stability of computation.
Název v anglickém jazyce
RBF Interpolation with CSRBF of Large Data Sets
Popis výsledku anglicky
This contribution presents a new analysis of properties of the interpolation using Radial Bases Functions (RBF) related to large data sets interpolation. The RBF application is convenient method for scattered d-dimensional interpolation. The RBF methods lead to a solution of linear system of equations and computational complexity of solution is nearly independent of a dimensionality. However, the RBF methods are usually applied for small data sets with a small span geometric coordinates. This contribution explores properties of the RBF interpolation for large data sets and large span of geometric coordinates of the given data sets with regard to expectable numerical stability of computation.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GA17-05534S" target="_blank" >GA17-05534S: Meshless metody pro vizualizaci velkých časově-prostorových vektorových dat</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Procedia Computer Science 108C
ISBN
—
ISSN
1877-0509
e-ISSN
neuvedeno
Počet stran výsledku
5
Strana od-do
2433-2437
Název nakladatele
Elsevier
Místo vydání
Zurich
Místo konání akce
Zurich
Datum konání akce
12. 6. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000404959000266