論文の概要: Spherical dimension

• arxiv url: http://arxiv.org/abs/2503.10240v1
• Date: Thu, 13 Mar 2025 10:32:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-14 15:51:02.747397
• Title: Spherical dimension
• Title（参考訳）: 球次元
• Authors: Bogdan Chornomaz, Shay Moran, Tom Waknine,
• Abstract要約: 球次元はVC次元の自然な緩和である。 球次元はボルスク・ウラムの定理と関連する位相ツールを利用するための共通基盤となる。
• 参考スコア（独自算出の注目度）: 15.07787640047213
• License:
• Abstract: We introduce and study the spherical dimension, a natural topological relaxation of the VC dimension that unifies several results in learning theory where topology plays a key role in the proofs. The spherical dimension is defined by extending the set of realizable datasets (used to define the VC dimension) to the continuous space of realizable distributions. In this space, a shattered set of size d (in the VC sense) is completed into a continuous object, specifically a d-dimensional sphere of realizable distributions. The spherical dimension is then defined as the dimension of the largest sphere in this space. Thus, the spherical dimension is at least the VC dimension. The spherical dimension serves as a common foundation for leveraging the Borsuk-Ulam theorem and related topological tools. We demonstrate the utility of the spherical dimension in diverse applications, including disambiguations of partial concept classes, reductions from classification to stochastic convex optimization, stability and replicability, and sample compression schemes. Perhaps surprisingly, we show that the open question posed by Alon, Hanneke, Holzman, and Moran (FOCS 2021) of whether there exist non-trivial disambiguations for halfspaces with margin is equivalent to the basic open question of whether the VC and spherical dimensions are finite together.
• Abstract（参考訳）: 本稿では,その証明において位相が重要な役割を果たす学習理論において,VC次元の自然なトポロジ的緩和である球面次元を紹介し,研究する。 球次元は、(VC次元を定義するために使用される)実現可能なデータセットの集合を、実現可能な分布の連続空間に拡張することによって定義される。 この空間では、(VC の意味で)大きさ d の破砕された集合が連続対象、具体的には実現可能な分布の d-次元球面に完備化される。 球面次元は、この空間における最大の球面の次元として定義される。 したがって、球次元は少なくともVC次元である。 球次元はボルスク・ウラムの定理と関連する位相ツールを利用するための共通基盤となる。 本稿では,部分概念クラスの曖昧さ,分類から確率凸最適化への削減,安定性と再現性,サンプル圧縮スキームなど,多種多様な応用における球面次元の有用性を実証する。 意外なことに、Alon, Hanneke, Holzman, Moran (FOCS 2021) によるハーフスペースに対する非自明な曖昧さは、VCと球面次元が共に有限であるかどうかという基本的なオープンな問題と同値である。

関連論文リスト

• On consistent estimation of dimension values [45.52331418900137]
  ユークリッド空間のコンパクト部分集合 S の次元を推定する問題を考える。 統計学的な意味では一貫性に重点を置いている。
  論文  参考訳（メタデータ） (2024-12-18T14:40:37Z)
• Scaling Riemannian Diffusion Models [68.52820280448991]
  非自明な多様体上の高次元タスクにスケールできることを示す。 我々は、$SU(n)$格子上のQCD密度と高次元超球面上の対照的に学習された埋め込みをモデル化する。
  論文  参考訳（メタデータ） (2023-10-30T21:27:53Z)
• Continuous percolation in a Hilbert space for a large system of qubits [58.720142291102135]
  パーコレーション遷移は無限クラスターの出現によって定義される。 ヒルベルト空間の指数的に増加する次元性は、有限サイズの超球面による被覆を非効率にすることを示す。 コンパクトな距離空間におけるパーコレーション遷移への我々のアプローチは、他の文脈での厳密な処理に有用である。
  論文  参考訳（メタデータ） (2022-10-15T13:53:21Z)
• Shape And Structure Preserving Differential Privacy [70.08490462870144]
  正方形距離関数の勾配がラプラス機構よりも感度をよりよく制御できることを示す。 また,2乗距離関数の勾配を用いることで,ラプラス機構よりも感度を制御できることを示す。
  論文  参考訳（メタデータ） (2022-09-21T18:14:38Z)
• Point-Dimension Theory (Part I): The Point-Extended Box Dimension [0.0]
  本稿は、次元論の純粋で応用的で哲学的な側面に焦点をあてた、より大きな研究プロジェクトへの入門研究である。 我々は、同じ硬貨の両面である次元の概念を考案する2つの新しい方法を提案する。 ボルツマンとシャノンのエントロピーに関連して、次元は本質的に集合のエントロピーの比較として現れる。
  論文  参考訳（メタデータ） (2022-05-27T09:43:36Z)
• Nested-sphere description of the N-level Chern number and the generalized Bloch hypersphere [0.0]
  ブロッホ球上の(擬)スピン1/2系の幾何学的解釈は、凝縮物質から量子情報、高エネルギー物理学まで様々な領域で評価されている。 ここではコヒーレンスベクトル記述を用いて、高次元一般化ブロッホ球面上の一般Nレベル系を理論的に特徴づける。 我々は、Nレベルの場合、特にチャーン数を決定する上で主要な役割を果たすことによって、システムの有用な特性を提供する外部2次元球が存在することを示した。
  論文  参考訳（メタデータ） (2021-10-13T18:00:01Z)
• Pure Exploration in Kernel and Neural Bandits [90.23165420559664]
  我々は、特徴表現の次元が腕の数よりもはるかに大きい帯域における純粋な探索について研究する。 そこで本研究では,各アームの特徴表現を低次元空間に適応的に埋め込む手法を提案する。
  論文  参考訳（メタデータ） (2021-06-22T19:51:59Z)
• A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
  ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。 我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
  論文  参考訳（メタデータ） (2021-05-06T17:36:55Z)
• A Topological Approach to Inferring the Intrinsic Dimension of Convex Sensing Data [0.0]
  本稿では,アフィン空間の未知の部分集合を未知の準フィルタ関数によって測定する,共通の測定パラダイムを考える。 本論文では,自然仮定の下でデータの次元を推定する手法を開発する。
  論文  参考訳（メタデータ） (2020-07-07T05:35:23Z)
• Geometry of Similarity Comparisons [51.552779977889045]
  空間形式の順序容量は、その次元と曲率の符号に関係していることを示す。 さらに重要なことは、類似性グラフ上で定義された順序拡散確率変数の統計的挙動が、その基礎となる空間形式を特定するのに利用できることである。
  論文  参考訳（メタデータ） (2020-06-17T13:37:42Z)
• Estimate of the Neural Network Dimension using Algebraic Topology and Lie Theory [0.0]
  本稿では,ニューラルネットワークの層内のニューロンの最小数を決定する手法を提案する。 必要な次元を正確に指定し、データが位置するあるいはその近傍に滑らかな多様体が存在することを仮定する。 我々はこの理論を導出し、おもちゃのデータセットで実験的に検証する。
  論文  参考訳（メタデータ） (2020-04-06T14:15:05Z)

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。