論文の概要: Why the p-norms $p{=}1$, $p{=}2$ and $p{=}\infty$ are so special? An answer based on spatial uniformity
- arxiv url: http://arxiv.org/abs/2411.13567v1
- Date: Mon, 11 Nov 2024 17:27:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-24 04:37:24.308945
- Title: Why the p-norms $p{=}1$, $p{=}2$ and $p{=}\infty$ are so special? An answer based on spatial uniformity
- Title(参考訳): p-ノルム $p{=}1$, $p{=}2$ と $p{=}\infty$ がなぜ特別なのか?空間的均一性に基づく答え
- Authors: Carlos Pinzón,
- Abstract要約: マンハッタン(p=1)、ユークリッド(p=2)、チェビシェフ距離(p=無限)は、p-ノルムに基づいて最も広く用いられる指標である。
本稿は、それらに特有の体積面対応性があることを証明している。
- 参考スコア(独自算出の注目度): 1.223779595809275
- License:
- Abstract: Among all metrics based on p-norms, the Manhattan (p=1), euclidean (p=2) and Chebyshev distances (p=infinity) are the most widely used for their interpretability, simplicity and technical convenience. But these are not the only arguments for the ubiquity of these three p-norms. This article proves that there is a volume-surface correspondence property that is unique to them. More precisely, it is shown that sampling uniformly from the volume of an n-dimensional p-ball and projecting to its surface is equivalent to directly sampling uniformly from its surface if and only if p is 1, 2 or infinity. Sampling algorithms and their implementations in Python are also provided.
- Abstract(参考訳): p-ノルムに基づくすべての指標のうち、マンハッタン(p=1)、ユークリッド(p=2)、チェビシェフ距離(p=infinity)は、その解釈可能性、単純性、技術的利便性において最も広く用いられる。
しかし、これら3つの p-ノルムのユビキティに関する唯一の議論ではない。
本稿は、それらに特有の体積面対応性があることを証明している。
より正確には、n 次元の p-次元球の体積から一様にサンプリングし、その表面へ投影すると、p が 1, 2 または無限大である場合に限り、その表面から一様にサンプリングすることができる。
アルゴリズムのサンプリングとPythonによる実装も提供されている。
関連論文リスト
- Dimension-free Private Mean Estimation for Anisotropic Distributions [55.86374912608193]
以前の$mathRd上の分布に関する民間推定者は、次元性の呪いに苦しむ。
本稿では,サンプルの複雑さが次元依存性を改善したアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-11-01T17:59:53Z) - Statistical-Computational Trade-offs for Density Estimation [60.81548752871115]
幅広い種類のデータ構造に対して、それらの境界は著しく改善されないことを示す。
これは密度推定のための新しい統計計算トレードオフである。
論文 参考訳(メタデータ) (2024-10-30T15:03:33Z) - Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。
本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
論文 参考訳(メタデータ) (2024-04-29T15:04:07Z) - Out-of-Distribution Detection using Maximum Entropy Coding [4.7768369720936255]
離散分布について、決定的な答えは原理的にはランダムネスのコルモゴロフ=マルティン=Lによって与えられる。
我々は、双方向生成ネットワークを用いて、データを潜在空間の標準分布に変換し、そこで最大エントロピー符号化を使用する。
論文 参考訳(メタデータ) (2024-04-25T20:28:43Z) - Pseudorandom and Pseudoentangled States from Subset States [49.74460522523316]
計算基底の部分集合である$S$に対する部分集合状態は [ frac1sqrt|S|sum_iin S |irangle である。
固定された部分集合サイズ $|S|=s$ に対して、$s = 2n/omega(mathrmpoly(n))$ と $s=omega(mathrmpoly(n))$ が与えられたとき、ランダムな部分集合状態は情報理論上はHaarランダム状態と区別できないことを示す。
論文 参考訳(メタデータ) (2023-12-23T15:52:46Z) - Canonical Typicality For Other Ensembles Than Micro-Canonical [0.0]
最大固有値 $|rho|$ of $rho$ が小さいときは常に測定の集中が証明される。
分離可能なヒルベルト空間 $mathcalH$ 上の任意の密度行列 $rho$ に対して、GAP$(rho)$ は単位球面上で最も広がる確率測度である。
論文 参考訳(メタデータ) (2023-07-28T15:31:59Z) - Pseudonorm Approachability and Applications to Regret Minimization [73.54127663296906]
我々は、高次元 $ell_infty$-approachability 問題を、低次元の擬ノルムアプローチ可能性問題に変換する。
我々は、$ell$や他のノルムに対するアプローチ可能性に関する以前の研究に類似した疑似ノルムアプローチ可能性のアルゴリズム理論を開発する。
論文 参考訳(メタデータ) (2023-02-03T03:19:14Z) - Classical shadows of fermions with particle number symmetry [0.0]
我々は、$mathcalO(k2eta)$classic complexityを持つ任意の$k$-RDMに対する推定器を提供する。
ハーフフィリングの最悪の場合、我々の手法はサンプルの複雑さに4k$の利点をもたらす。
論文 参考訳(メタデータ) (2022-08-18T17:11:12Z) - Quantum Approximation of Normalized Schatten Norms and Applications to
Learning [0.0]
本稿では,テキスト効率よく推定できる量子演算の類似度尺度を定義する問題に対処する。
量子サンプリング回路を開発し、それらの差の正規化されたシャッテン 2-ノルムを推定し、サンプル複雑性の上限であるポリ$(frac1epsilon)$を証明した。
次に、そのような類似度計量は、量子状態の従来の忠実度計量を用いて、ユニタリ演算の類似度の関数的定義と直接関係していることを示す。
論文 参考訳(メタデータ) (2022-06-23T07:12:10Z) - Joint quasiprobability distribution on the measurement outcomes of
MUB-driven operators [2.9005223064604078]
メソッドは、Mutually Unbiased Basesに関連する正規直交可換作用素の完全な集合に基づいている。
準確率分布が非負である状態の集合を幾何学的に特徴づける。
集合は$(n2-1)$-次元凸ポリトープで、純状態は$n+1$、高次元の面は$n+1$、辺は$n3(n+1)/2$である。
論文 参考訳(メタデータ) (2021-01-20T13:10:26Z) - Curse of Dimensionality on Randomized Smoothing for Certifiable
Robustness [151.67113334248464]
我々は、他の攻撃モデルに対してスムースな手法を拡張することは困難であることを示す。
我々はCIFARに関する実験結果を示し,その理論を検証した。
論文 参考訳(メタデータ) (2020-02-08T22:02:14Z)
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。