RKHS范数最优模型降阶新方法发布

2026年10月26日，arXiv机器学习板块发布一项关于再生核希尔伯特空间（RKHS）的新研究。该研究团队提出并证明了范数最优模型降阶框架，作为迭代有理Krylov算法的替代方案，支持有界与无界核模型。研究引入广义Malmquist-Takenaka函数，可在任意RKHS中定义正交基。数值实验验证了该方法在多项式拟合与PDE求解中的通用性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。