Fugu-MT 論文翻訳(概要): Towards the methodology for solving the minimum enclosing ball and related problems

論文の概要: Towards the methodology for solving the minimum enclosing ball and related problems

arxiv url: http://arxiv.org/abs/2410.11063v1
Date: Mon, 14 Oct 2024 20:20:04 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-16 14:00:52.087910
Title: Towards the methodology for solving the minimum enclosing ball and related problems
Title（参考訳）: 最小囲み球とその関連問題の解法に向けて
Authors: Michael N. Vrahatis,
Abstract要約: この論文は、d-次元ユークリッド空間に与えられた有界集合を囲む最小半径の球面の唯一の決定に対処する。また,本論文では, この問題に関連する領域, すなわち, (a) 公約問題と特性試験, (b) 集合の分割と包含に関する定理, (c) 集合の直径の直径について論じる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Methodology is provided towards the solution of the minimum enclosing ball problem. This problem concerns the determination of the unique spherical surface of smallest radius enclosing a given bounded set in the d-dimensional Euclidean space. Mathematical formulation and typical methods for solving this problem are presented. Also, the paper is focused on areas that are related to this problem, namely: (a) promise problems and property testing, (b) theorems for partitioning and enclosing (covering) a set, and (c) computation of the diameter of a set.
Abstract（参考訳）: 最小囲み球問題の解に向けて方法論が提供される。この問題は、d-次元ユークリッド空間に与えられた有界集合を囲む最小半径の球面の唯一の決定に関する。この問題を解決するための数学的定式化と典型的な方法が提示される。また,本論文は,この問題に関連する領域,すなわち次の領域に焦点を当てている。 (a)問題と財産試験を約束する。 (b)集合を分割して囲む(包含する)定理、及び (c)集合の直径の計算。

関連論文リスト

Towards the mathematical foundation of the minimum enclosing ball and related problems [0.0]
提案された理論フレームワークは、いくつかの閉包(被覆)と分割(クラスタリング)の定理に基づいている。これらの閉包と分割の定理は、他の空間や非ユークリッド空間への展開や一般化に強い影響を及ぼす分野の土台と見なされる。
論文参考訳（メタデータ） (2024-01-09T08:30:55Z)
Optimizing Solution-Samplers for Combinatorial Problems: The Landscape of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文参考訳（メタデータ） (2023-10-08T23:39:38Z)
Globally solving the Gromov-Wasserstein problem for point clouds in low dimensional Euclidean spaces [5.534626267734822]
本稿では,低次元空間における2つの点間のGromov-Wasserstein問題を計算するための枠組みを提案する。これは、AIと機械学習における一般的な問題である2つの構成または形状の類似性を定量化するために使用できる。
論文参考訳（メタデータ） (2023-07-18T08:20:56Z)
A numerical algorithm for attaining the Chebyshev bound in optimal learning [1.0406659081400353]
有限なデータ点集合からの最適学習の文脈において,チェビシェフ中心問題を解くための数値的に抽出可能なアルゴリズムを確立する。バナッハ空間の有限次元部分空間のコンパクトであるが必ずしも凸部分集合として実現される仮説空間に対して、このアルゴリズムは仮説空間のチェビシェフ半径とチェビシェフ中心を計算する。
論文参考訳（メタデータ） (2023-07-03T19:20:54Z)
Approximation of optimization problems with constraints through kernel Sum-Of-Squares [77.27820145069515]
我々は、点的不等式が非負の kSoS 関数のクラス内で等式となることを示す。また, 等式制約に焦点をあてることで, 散乱不等式を用いることで, 制約のサンプリングにおける次元性の呪いを軽減することができることを示す。
論文参考訳（メタデータ） (2023-01-16T10:30:04Z)
Mean Field Approximation for solving QUBO problems [0.0]
平均場焼鈍における統計物理学的アプローチと量子力学的アプローチが同じ結果をもたらすことを示す。提案手法は連続変数を持つ単純な勾配に基づく最小化からなるため,シミュレーションが容易である。
論文参考訳（メタデータ） (2021-06-06T20:35:28Z)
New Methods for Detecting Concentric Objects With High Accuracy [0.0]
デジタルデータに幾何学的オブジェクトを適合させることは、虹彩検出、自律ナビゲーション、産業ロボット操作など、多くの分野において重要な問題である。データに幾何学的形状を合わせるには、幾何学的(定形)アプローチと代数的(非定形)アプローチの2つの一般的なアプローチがある。他の反復的手法の信頼性の高い初期推定として使用できる新しい推定器を開発した。
論文参考訳（メタデータ） (2021-02-16T08:19:18Z)
Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文参考訳（メタデータ） (2020-12-09T20:19:32Z)
Distributed Saddle-Point Problems: Lower Bounds, Near-Optimal and Robust Algorithms [125.99533416395765]
本稿では,サドル点問題の分散最適化に着目する。本論文は,本研究における分散手法の有効性を実験的に示すものである。
論文参考訳（メタデータ） (2020-10-25T13:13:44Z)
Follow the bisector: a simple method for multi-objective optimization [65.83318707752385]
複数の異なる損失を最小化しなければならない最適化問題を考える。提案手法は、各イテレーションにおける降下方向を計算し、目的関数の相対的減少を等しく保証する。
論文参考訳（メタデータ） (2020-07-14T09:50:33Z)
Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
論文参考訳（メタデータ） (2020-02-21T17:45:32Z)

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。