커널 기반 연산자 학습: 오차 분석, 예산 할당 및 물리 정보 기반 확장

요약

본 논문은 2단계 샘플링 프레임워크에서 커널 기반 연산자 학습을 연구하며, 오프라인 회귀와 온라인 재구성 과정을 다룹니다. 주요 이론적 기여는 데이터 크기($N, n, m$) 간의 명시적인 예산 할당 조건을 제시하여 전체 오차를 분석하고 수렴 스케일링 법칙을 도출했습니다. 또한, PDE 지식을 통합하는 물리 정보 기반 확장 방법을 제안합니다.

핵심 포인트

• 커널 기반 연산자 학습에 대한 2단계 샘플링 프레임워크 연구
• 데이터 크기($N, n, m$) 간의 결합 오차 분석 및 예산 할당 조건 제시
• 전체 오차를 재구성 기여분과 학습 기여분으로 분해하여 정량적 스케일링 법칙 도출
• PDE 지식을 활용하는 물리 정보 기반 온라인 재구성 전략 도입