คำถามติดแท็ก approximation

3
Body Convex พร้อม l2 norm ขั้นต่ำที่คาดไว้
พิจารณาร่างกายนูนศูนย์กลางที่กำเนิดและสมมาตร (เช่นถ้าแล้ว ) ฉันต้องการหาตัวนูนที่แตกต่างเช่นและการวัดต่อไปนี้จะลดลง:KKKx∈Kx∈Kx\in K−x∈K−x∈K-x\in KLLLK⊆LK⊆LK\subseteq L f(L)=E(xT⋅x−−−−−√)f(L)=E(xT⋅x)f(L)=\mathbb{E}(\sqrt{x^T \cdot x})โดยที่คือจุดที่เลือกอย่างสุ่มจาก Lxxx ฉันโอเคกับการประมาณปัจจัยคงที่กับการวัด บางบันทึกย่อ - การเดาที่เข้าใจง่ายเป็นครั้งแรกว่านั้นเป็นคำตอบที่ผิด ยกตัวอย่างเช่นคิดว่าเป็นกระบอกสูบบาง ๆ ในมิติที่สูงมาก จากนั้นเราจะได้ซึ่งโดยให้มีระดับเสียงใกล้เคียงกับจุดกำเนิดมากขึ้นKKKKKKLLLf(L)&lt;f(K)f(L)&lt;f(K)f(L)<f(K)LLL

1
ขนาดวงจรที่เล็กที่สุดโดยใช้เกต XOR
สมมติว่าเราได้รับชุดตัวแปร n แบบบูล x_1, ... , x_n และชุดของฟังก์ชัน m y_1 ... y_m โดยที่แต่ละ y_i คือ XOR ของชุดย่อยของตัวแปรเหล่านี้ เป้าหมายคือการคำนวณจำนวนการดำเนินการ XOR ขั้นต่ำที่คุณต้องดำเนินการเพื่อคำนวณฟังก์ชัน y_1 ทั้งหมดเหล่านี้ ... y_m โปรดทราบว่าผลลัพธ์ของการดำเนินการ XOR พูดได้ว่า x_1 XOR x_2 อาจนำมาใช้ในการคำนวณหลาย y_j แต่ถูกนับเป็นหนึ่ง นอกจากนี้โปรดทราบว่าอาจเป็นประโยชน์ในการคำนวณ XOR ของคอลเลกชันขนาดใหญ่ของ x_i (ใหญ่กว่าฟังก์ชัน y_i ใด ๆ เช่นการคำนวณ XOR ของ x_i ทั้งหมด) เพื่อคำนวณ y_i ได้อย่างมีประสิทธิภาพมากขึ้น สมมติว่าเรามีเมทริกซ์ไบนารี …

1
การประมาณฟังก์ชั่นสากล
มันเป็นที่รู้จักกันผ่านทฤษฎีการประมาณสากลว่าเครือข่ายประสาทที่มีชั้นเดียวที่ซ่อนอยู่และฟังก์ชั่นการเปิดใช้งานโดยพลสามารถประมาณฟังก์ชั่นใด ๆ อย่างต่อเนื่อง รุ่นอื่น ๆ ที่มีตัวประมาณฟังก์ชั่นสากล

1
อัลกอริทึมสำหรับการประมาณร่างกายนูนโดยเปลือกนูนของทรงรี
ฉันทำงานในสาขาวิศวกรรมโครงสร้างและฉันต้องการค้นหาอัลกอริธึมที่มีประสิทธิภาพในการสร้างการประมาณ (ใน Hausdorff เมตริก) ของตัวนูน KKK โดยเปลือกนูนของ nnn ทรงรีสำหรับบางคงที่ nnn. ขณะนี้ฉันทำงานในมิติที่ 2 และ 3 เท่านั้น ความคิดแรกของฉันคือการทำงานในพื้นที่สองโดยใช้ฟังก์ชั่นการสนับสนุน ชั่วโมงKชั่วโมงKh_K ของ KKKซึ่งฉันสามารถคำนวณสำหรับตัวอย่างของ MMM จุดบนทรงกลมหน่วย SdSdS_dและเพื่อลดข้อผิดพลาดที่ไม่ต่อเนื่องระหว่าง ชั่วโมงKชั่วโมงKh_K และฟังก์ชั่นการสนับสนุนของชุดการประมาณใน ล.∞ล.∞l^{\infty}-norm ใครบ้างมีความคิดอื่นหรือการอ้างอิงบางอย่างให้ฉัน ฉันไม่สามารถหางานที่เกี่ยวข้องในเรื่องนี้ได้
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.