RBF Approximation of Big Data Sets with Large Span of Data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F17%3A43952025" target="_blank" >RIV/49777513:23520/17:43952025 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/MCSI.2017.44" target="_blank" >http://dx.doi.org/10.1109/MCSI.2017.44</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/MCSI.2017.44" target="_blank" >10.1109/MCSI.2017.44</a>

Jazyk výsledku

angličtina

Název v původním jazyce

RBF Approximation of Big Data Sets with Large Span of Data

Popis výsledku v původním jazyce

This contribution presents a new analysis of properties of the Radial Bases Functions (RBF) interpolation and approximation related to data sets with a large data span. The RBF is a convenient method for scattered d-dimensional interpolation and approximation, e.g. for solution of partial differential equations (PDE) etc. The RBF method leads to a solution of linear system of equations and computational complexity of solution is nearly independent of a dimensionality of a problem solved. However, the RBF methods are usually applied for small data sets with a small span of geometric coordinates. In this paper, we show influence of polynomial reproduction mostly used in RBF interpolation and approximation methods in the context of large span data sets. The experiments made proved expected theoretical results.

Název v anglickém jazyce

RBF Approximation of Big Data Sets with Large Span of Data

Popis výsledku anglicky

This contribution presents a new analysis of properties of the Radial Bases Functions (RBF) interpolation and approximation related to data sets with a large data span. The RBF is a convenient method for scattered d-dimensional interpolation and approximation, e.g. for solution of partial differential equations (PDE) etc. The RBF method leads to a solution of linear system of equations and computational complexity of solution is nearly independent of a dimensionality of a problem solved. However, the RBF methods are usually applied for small data sets with a small span of geometric coordinates. In this paper, we show influence of polynomial reproduction mostly used in RBF interpolation and approximation methods in the context of large span data sets. The experiments made proved expected theoretical results.

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)

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)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Mathematics and Computers in Sciences and in Industry (MCSI), 2017 Fourth International Conference on

ISBN

978-1-5386-2820-1

ISSN

—

e-ISSN

neuvedeno

Počet stran výsledku

7

Strana od-do

212-218

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Corfu, Greece

Datum konání akce

24. 8. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000452189900038