算子和右端都近似给定的第一类算子方程的Тихонов正则解的渐近阶估计

本文利用Тихонов正则化方法求解算子和右端都是近似给定的第一类算子方程,给出一个选择正则参数的方法,并给出正则解的渐近阶估计.     

算子和右端都近似给定的第一类算子方程的Тихонов正则解的渐近阶估计

本文利用正则化方法求解算子和右端都是近似给定的第一类算子方程,给出一个选择正则参数的方法,并给出正则解的渐近阶估计。     

解第一类算子方程的一种迭代正则化方法

提出了一种求解第一类算子方程的新的迭代正则化方法,并依据广义Arcangeli方法选取正则参数,建立了正则解的收敛性.与通常的Tikhonov正则化方法相比较,提高了正则解的渐近阶估计.     

算子和右端都近似给定的第一类算子方程的广义Arcangeli方法

本文利用正则化方法解算子和右端都是近似给定的第一类算子方程,利用广义Arcangeli准则决定正则参数,给出正则解的收敛性和渐近收敛阶估计,以及算子为Fredholm积分算子时的正则解的一致收敛性。     

不适定问题的迭代Tikhonov正则化方法

Tikhonov正则化方法是研究不适定问题最重要的正则化方法之一,但由于这种方法的饱和效应,使得不可能随着解的光滑性假设的提高而提高收敛率,即不能使正则解与准确解的误差估计达到阶数最优．本文所讨论的迭代的Tikhonov正则化方法对此进行了改进,保证了误差估计总可以达到阶数最优．数值试验结果表明计算效果良好．     

解第一类算子方程的一种新的正则化方法

对算子与右端都为近似给定的第一类算子方程提出一种新的正则化方法，依据广义Ａｒｃａｎｇｅｌｉ方法选取正则参数，建立了正则解的收敛性。这种新的正则化方法与通常的Ｔｉｋｈｏｎｏｖ正则化方法相比较，提高了正则解的渐近阶估计。     

第一类算子方程的一种新的迭代正则化方法

提出了一种新的解第一类算子方程的迭代正则化方法,与通常的迭代正则化方法相比,提高了j次迭代正则解的渐近阶估计.同时,给出了后验正则化参数的选择.     

关于迭代Tikhonov正则化的最优正则参数选取

本文讨论了算子和右端都近似给定的第一类算子方程的迭代Ｔｉｋｈｏｎｏｖ正则化，给出了不依赖于准确解的任何信息但能得到最优收敛阶的正则参数选取法。     

线性算子与右端项都近似给定的有限维正则化方法

本文利用有限维正则化方法来求解线性算子与左端项皆有噪声时的问题,并给出了该方法的误差估计及正则参数选取的标准。     

一种新的正则化方法的正则参数的最优后验选取

应用紧算子的奇异系统和广义Arcangeli方法后验选取正则参数，证明了文[1]中所建立的求解第一类算子方程的正则化方法是收敛的，且正则解具有最优的渐近阶。     

求解病态问题的一种改进的Tikhonov正则化：⑴正则化方法的建立

对于带有右扰动数据的第一类紧算子方程的病态问题。本文应用正则化子建立了一类新的正则化求解方法,称之为改进的Ｔｉｋｏｎｏｖ正则化;通过适当选取２正则参数,证明了正则解具有最优的渐近收敛阶,与通常的Ｔｉｋｈｏｎｏｖ正则化相比,这种改进的正则化可使正则解取到足够高的最优渐近阶。     

基于埃特金加速的改进Landweber迭代正则化方法

为克服Landweber迭代正则化方法在求解大规模不适定问题时收敛速度慢的不足,将埃特金加速技巧与不动点迭代相结合,构建了能快速收敛的改进Landweber迭代正则化方法.数值实验结果表明:改进的迭代正则化方法在稳定求解不适定问题时,能够快速地收敛至问题的最优解,较Landweber迭代正则化方法大大提高了收敛速度.     

时间分数次扩散方程反演源项问题的迭代正则化方法

时间分数次扩散方程中反演源项问题是一类经典不适定问题.本文构造了一种新的迭代格式作为正则化方法,给出了先验和后验参数选取下相应的收敛性分析.数值算例验证该方法的有效性.     

非线性不适定问题的Tikhonov正则化的参数选取方法

在Ｔｉｋｈｏｎｏｖ正则化中，如何选取正则参数极为重要，直至现在，仍有许多问题期待解决．本文对非线性不适定问题考虑了Ｔｉｋｈｏｎｏｖ正则化，提出了一个新的简单的正则参数的最优选取法，并对由此得到的正则参数，研究了Ｔｉｋｈｏｎｏｖ正则化解的收敛性，并且当ｘ－最小范数解满足“源条件”时，在适当的条件下，导出了最优收敛率．     

双调和方程柯西问题的修正的Tikhonov正则化方法

本文研究了双调和方程柯西问题,这类是不适定的,即问题的解(如果存在)不连续依赖于测量数据.首先在精确解的先验假设下给出问题的条件稳定性结果.接着利用修正的Tikhonov正则化方法求解此不适定问题.在先验和后验正则化参数选取规则下,给出正则解和精确解之间的误差估计式.最后给出几个数值例子验证此正则化方法求解此类反问题的有效性.     

关于一类广义Tikhonov 正则化方法的饱和效应分析

Tikhonov正则化方法是研究不适定问题最重要的正则化方法之一,但由于这种方法的饱和效应出现的太早,使得无法随着对解的光滑性假设的提高而提高正则逼近解的收敛率,也即对高的光滑性假设,正则解与准确解的误差估计不可能达到阶数最优.Schrroter T 和Tautenhahn U给出了一类广义Tikhonov正则化方法并重点讨论了它的最优误差估计, 但却未能对该方法的饱和效应进行研究.本文对此进行了仔细分析,并发现此方法可以防止饱和效应,而且数值试验结果表明此方法计算效果良好.     

求解l1极小化问题的Bregman迭代算法

在Tikhonov正则化方法的基础上将其转化为一类l1极小化问题进行求解,并基于Bregman迭代正则化构建了Bregman迭代算法,实现了l1极小化问题的快速求解.数值实验结果表明,Bregman迭代算法在快速求解算子方程的同时,有着比最小二乘法和Tikhonov正则化方法更高的求解精度.     

识别Rayleigh-Stokes方程源项的分数阶Landweber迭代正则化方法

该文研究具有Riemann-Liouville时间分数阶导数的Rayleigh-Stokes方程未知源识别问题.首先证明这个问题是不适定的,并应用分数阶Landweber正则化方法求解此反问题.基于条件稳定性结果,在先验和后验正则化参数选取规则下,分别给出精确解与正则解之间的误差估计.最后通过数值例子说明此方法求解此类...     

约束Fractional Tikhonov正则化的模迭代方法

反问题是现在数学物理研究中的一个热点问题,而反问题求解面临的一个本质性困难是不适定性。求解不适定问题的普遍方法是:用与原不适定问题相“邻近”的适定问题的解去逼近原问题的解,这种方法称为正则化方法.如何建立有效的正则化方法是反问题领域中不适定问题研究的重要内容.当前,最为流行的正则化方法有基于变分原理的Tikhonov正则化及其改进方法,此类方法是求解不适定问题的较为有效的方法,在各类反问题的研究中被广泛采用,并得到深入研究.