In this Note we extend the Empirical Interpolation Method (EIM) to a regression context which accommodates noisy (experimental) data on an underlying parametric manifold. The EIM basis functions are computed Offline from the noise-free manifold; the EIM coefficients for any function on the manifold are computed Online from experimental observations through a least-squares formulation. Noise-induced errors in the EIM coefficients and in linear-functional outputs are assessed through standard confidence intervals and without knowledge of the parameter value or the noise level. We also propose an associated procedure for parameter estimation from noisy data.
Nous étendons la méthode dʼinterpolation empirique, EIM en abrégé (pour Empirical Interpolation Method), au contexte de la régression en présence de données bruitées sur une variété paramétrique. Les fonctions de bases sont calculées hors-ligne sur la base de la variété sans bruit ; les coefficients EIM dʼune fonction quelconque sur la variété sont calculés en-ligne sur la base des observations expérimentales à travers une formulation moindres carrés. Les erreurs induites par les données bruitées dans les coefficients EIM aussi bien que les sorties fonctionelle-linéaire associées sont quantifiées en intervalles de confiance et sans connaissance ni de la valeur du paramètre ni de la variance du bruit. Nous proposons aussi, dans le même esprit, une procédure dʼestimation de paramètre.
Accepted:
Published online:
Anthony T. Patera 1; Einar M. Rønquist 2
@article{CRMATH_2012__350_9-10_543_0, author = {Anthony T. Patera and Einar M. R{\o}nquist}, title = {Regression on parametric manifolds: {Estimation} of spatial fields, functional outputs, and parameters from noisy data}, journal = {Comptes Rendus. Math\'ematique}, pages = {543--547}, publisher = {Elsevier}, volume = {350}, number = {9-10}, year = {2012}, doi = {10.1016/j.crma.2012.05.002}, language = {en}, }
TY - JOUR AU - Anthony T. Patera AU - Einar M. Rønquist TI - Regression on parametric manifolds: Estimation of spatial fields, functional outputs, and parameters from noisy data JO - Comptes Rendus. Mathématique PY - 2012 SP - 543 EP - 547 VL - 350 IS - 9-10 PB - Elsevier DO - 10.1016/j.crma.2012.05.002 LA - en ID - CRMATH_2012__350_9-10_543_0 ER -
%0 Journal Article %A Anthony T. Patera %A Einar M. Rønquist %T Regression on parametric manifolds: Estimation of spatial fields, functional outputs, and parameters from noisy data %J Comptes Rendus. Mathématique %D 2012 %P 543-547 %V 350 %N 9-10 %I Elsevier %R 10.1016/j.crma.2012.05.002 %G en %F CRMATH_2012__350_9-10_543_0
Anthony T. Patera; Einar M. Rønquist. Regression on parametric manifolds: Estimation of spatial fields, functional outputs, and parameters from noisy data. Comptes Rendus. Mathématique, Volume 350 (2012) no. 9-10, pp. 543-547. doi : 10.1016/j.crma.2012.05.002. https://comptes-rendus.academie-sciences.fr/mathematique/articles/10.1016/j.crma.2012.05.002/
[1] Estimation Techniques for Distributed Parameter Systems, Birkhäuser, 1989
[2] An ‘empirical interpolation’ method: application to efficient reduced-basis discretization of partial differential equations, C. R. Acad. Sci. Paris, Ser. I, Volume 339 (2004), pp. 667-672
[3] S. Chaturantabut, D.C. Sorensen, Discrete empirical interpolation for nonlinear model reduction, TR09-05, CAAM, Rice University, 2009.
[4] Applied Regression Analysis, Wiley, 1998
[5] A ‘best points’ interpolation method for efficient approximation of parametrized functions, Int. J. Numer. Methods Eng., Volume 73 (2008), pp. 521-543
[6] N.C. Nguyen, J. Peraire, An interpolation method for the reconstruction and recognition of face images, in: A. Ranchordas, H. Araújo, J. Vitrià (Eds.), VISAPP 2007 Proceedings Second International Conference on Computer Vision Theory and Applications, vol. 2, Barcelona, Spain, March 8–11, 2007, pp. 91–96.
Cited by Sources:
Comments - Policy