論文の概要: Lattice Approximations in Wasserstein Space
- arxiv url: http://arxiv.org/abs/2310.09149v1
- Date: Fri, 13 Oct 2023 14:43:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-16 12:42:45.618874
- Title: Lattice Approximations in Wasserstein Space
- Title(参考訳): ワッサーシュタイン空間における格子近似
- Authors: Keaton Hamm and Varun Khurana
- Abstract要約: ワッサーシュタイン空間の測度 $W_p(mathbbRd)$ for $pin[1,infty)$ において、$mathbbRd$ のスケールされたヴォロノイ分割に基づく離散的かつ断片的な定数測度による測度を考える。
フルランク格子 $Lambda$ が $hin(0,1]$ の係数でスケールされると、$hLambda$ の Voronoi 分割に基づく測度の近似は $d$ や $p$ にかかわらず $O(h)$ となる。
- 参考スコア(独自算出の注目度): 3.169135901443871
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider structured approximation of measures in Wasserstein space
$W_p(\mathbb{R}^d)$ for $p\in[1,\infty)$ by discrete and piecewise constant
measures based on a scaled Voronoi partition of $\mathbb{R}^d$. We show that if
a full rank lattice $\Lambda$ is scaled by a factor of $h\in(0,1]$, then
approximation of a measure based on the Voronoi partition of $h\Lambda$ is
$O(h)$ regardless of $d$ or $p$. We then use a covering argument to show that
$N$-term approximations of compactly supported measures is $O(N^{-\frac1d})$
which matches known rates for optimal quantizers and empirical measure
approximation in most instances. Finally, we extend these results to
noncompactly supported measures with sufficient decay.
- Abstract(参考訳): 我々は、ワッサーシュタイン空間 $W_p(\mathbb{R}^d)$ for $p\in[1,\infty)$ における測度の構造的近似を、$\mathbb{R}^d$ のスケールされたボロノイ分割に基づく離散的かつ断片的な定数測度により考える。
フルランクの束 $\lambda$ が $h\in(0,1]$ の係数でスケールされるならば、$h\lambda$ の voronoi 分割に基づく測度の近似は $d$ や $p$ にかかわらず $o(h)$ である。
次に、コンパクトにサポートされた測度の短期的近似が、既知の最適量子化子と経験的測度近似の既知のレートに一致する$o(n^{-\frac1d})$であることを示すために被覆議論を用いる。
最後に、これらの結果を十分に減衰した非コンパクトな測度に拡張する。
関連論文リスト
- Estimating the Mixing Coefficients of Geometrically Ergodic Markov
Processes [5.00389879175348]
実数値の幾何学的エルゴード的マルコフ過程の個々の$beta$-mixing係数を1つのサンプルパスから推定する。
予想される誤差率は$mathcal O(log(n) n-1/2)$である。
論文 参考訳(メタデータ) (2024-02-11T20:17:10Z) - Manifold learning in Wasserstein space [3.2315169215372443]
距離空間 $(Lambda,W_Lambda)$ は、ノード $lambda_i=1N$ とエッジウェイト $W(lambda_i,lambda_j)$ のグラフからグロモフ-ワッサーシュタインの意味で復元可能であることを示す。
特に、測度空間 $(Lambda,W_Lambda)$ は、Gromov--Wasserstein の意味でノード $lambda_i_ を持つグラフから復元可能であることを示す。
論文 参考訳(メタデータ) (2023-11-14T21:21:35Z) - A Unified Framework for Uniform Signal Recovery in Nonlinear Generative
Compressed Sensing [68.80803866919123]
非線形測定では、ほとんどの先行結果は一様ではない、すなわち、すべての$mathbfx*$に対してではなく、固定された$mathbfx*$に対して高い確率で保持される。
本フレームワークはGCSに1ビット/一様量子化観測と単一インデックスモデルを標準例として適用する。
また、指標集合が計量エントロピーが低い製品プロセスに対して、より厳密な境界を生み出す濃度不等式も開発する。
論文 参考訳(メタデータ) (2023-09-25T17:54:19Z) - Parameterized Approximation for Robust Clustering in Discrete Geometric
Spaces [0.6732660670243813]
次元$Theta(log n)$ が $(sqrt3/2-o(1))$hard である場合でさえ、FPTアルゴリズムを近似する。
また、次元 $Theta(log n)$ が $(sqrt3/2-o(1))$hard であるような特別な場合でさえ、FPTアルゴリズムを近似することを示す。
論文 参考訳(メタデータ) (2023-05-12T08:43:28Z) - TURF: A Two-factor, Universal, Robust, Fast Distribution Learning
Algorithm [64.13217062232874]
最も強力で成功したモダリティの1つは、全ての分布を$ell$距離に近似し、基本的に最も近い$t$-piece次数-$d_$の少なくとも1倍大きい。
本稿では,この数値をほぼ最適に推定する手法を提案する。
論文 参考訳(メタデータ) (2022-02-15T03:49:28Z) - Optimal and instance-dependent guarantees for Markovian linear
stochastic approximation [77.84027086542827]
標準スキームの最後の繰り返しの2乗誤差に対して、$t_mathrmmix tfracdn$の非漸近境界を示す。
マルコフ雑音による政策評価について,これらの結果のまとめを導出する。
論文 参考訳(メタデータ) (2021-12-23T18:47:50Z) - Simplest non-additive measures of quantum resources [77.34726150561087]
我々は $cal E(rhootimes N) = E(e;N) ne Ne$ で説明できる測度について研究する。
論文 参考訳(メタデータ) (2021-06-23T20:27:04Z) - Non-Parametric Estimation of Manifolds from Noisy Data [1.0152838128195467]
ノイズの多いサンプルの有限集合から$mathbbRD$の$d$次元部分多様体を推定する問題を検討する。
点推定では$n-frack2k + d$、接空間の推定では$n-frack-12k + d$の収束率を推定する。
論文 参考訳(メタデータ) (2021-05-11T02:29:33Z) - Improved Sample Complexity for Incremental Autonomous Exploration in
MDPs [132.88757893161699]
我々は $epsilon$-optimal 目標条件付きポリシーのセットを学び、$ L$ ステップ内で段階的に到達可能なすべての状態を達成します。
DisCoは、コストに敏感な最短経路問題に対して$epsilon/c_min$-optimalポリシーを返すことができる最初のアルゴリズムです。
論文 参考訳(メタデータ) (2020-12-29T14:06:09Z) - Universal consistency of Wasserstein $k$-NN classifier: Negative and
Positive Results [0.0]
ワッサーシュタイン距離は確率測度の間の相同性の概念を提供する。
k$-NN分類器は、$(0,1)$でサポートされている測度空間に普遍的に整合性がないことを示す。
論文 参考訳(メタデータ) (2020-09-10T03:05:05Z) - On the Complexity of Minimizing Convex Finite Sums Without Using the
Indices of the Individual Functions [62.01594253618911]
有限和の有限ノイズ構造を利用して、大域オラクルモデルの下での一致する$O(n2)$-upper境界を導出する。
同様のアプローチを踏襲したSVRGの新規な適応法を提案し、これはオラクルと互換性があり、$tildeO(n2+nsqrtL/mu)log (1/epsilon)$と$O(nsqrtL/epsilon)$, for $mu>0$と$mu=0$の複雑さ境界を実現する。
論文 参考訳(メタデータ) (2020-02-09T03:39:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。