Reduced Wiener Chaos representation of random fields via basis adaptation and projection

تعریف جدیدی از زمینه های تصادفی که در مدل های فیزیکی ظاهر می شود، ارائه شده است که براساس گسترش هماهنگ هرج و مرج شناخته شده آنها است. ما از قابلیت های انطباق این گسترش ها استفاده می کنیم که ایده اصلی این است که مبنای فضای گالیس هیلبرت مبنایی را بچرخاند تا برای رسیدن به کاهش بازده عملکردی که اندازه گیری احتمالی القایی را در یک زیر فضای ابعادی پایین تر تمرکز می کند، استفاده شود. برای یک خانواده صاف از چرخش ها در حوزه مورد علاقه، ورودی های گاوسی غیر وابسته به یک فرآیند گاوسی تبدیل می شوند، بنابراین یک مقیاس مساوی را به وجود می آوریم که خصوصیات متوسطی را از مقدار علاقه می گیرد.