Regularization without Preliminary Knowledge of Smoothness and Error Behavior

  • The mathematical formulation of many physical problems results in the task of inverting a compact operator. The only known sensible solution technique is regularization which poses a severe problem in itself. Classically one dealt with deterministic noise models and required both the knowledge of smoothness of the solution function and the overall error behavior. We will show that we can guarantee an asymptotically optimal regularization for a physically motivated noise model under no assumptions for the smoothness and rather weak assumptions on the noise behavior which can mostly obtained out of two input data sets. An application to the determination of the gravitational field out of satellite data will be shown.

Volltext Dateien herunterladen

Metadaten exportieren

  • Export nach Bibtex
  • Export nach RIS

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar
Metadaten
Verfasserangaben:Frank Bauer, Sergei Pereverzev
URN (Permalink):urn:nbn:de:hbz:386-kluedo-13526
Schriftenreihe (Bandnummer):Schriften zur Funktionalanalysis und Geomathematik (13)
Dokumentart:Preprint
Sprache der Veröffentlichung:Englisch
Jahr der Fertigstellung:2004
Jahr der Veröffentlichung:2004
Veröffentlichende Institution:Technische Universität Kaiserslautern
Datum der Publikation (Server):09.11.2004
Freies Schlagwort / Tag:Satellitengradiogravimetrie
Gaussian random noise ; Regularization ; satellite gravity gradiometry; severely ill-posed inverse problems
GND-Schlagwort:Inverses Problem ; Regularisierung ; Weißes Rauschen
Fachbereiche / Organisatorische Einheiten:Fachbereich Mathematik
DDC-Sachgruppen:5 Naturwissenschaften und Mathematik / 51 Mathematik / 510 Mathematik
Lizenz (Deutsch):Standard gemäß KLUEDO-Leitlinien vor dem 27.05.2011

$Rev: 13581 $