BriefGPT - AI 论文速递
·
通过链接实现内核密度估计的更强核心集界限
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了应用偏差方法和串联方法提供改进的核函数广泛类别Coreset复杂性的界限，并给出了对于高斯核和拉普拉斯核，在数据集均匀有界的情况下，产生O(√d/ε√loglog(1/ε))大小的Coreset的随机多项式时间算法。同时，对于恒定的d，该文得到了O(1/ε√loglog(1/ε))大小的拉普拉斯核的Coreset。最后，该文给出了指数核、Hellinger核和JS核Coreset复杂性的最佳已知界限。
🎯
关键要点
- 该文介绍了应用偏差方法和串联方法改进核函数广泛类别Coreset复杂性的界限。
- 对于高斯核和拉普拉斯核，在数据集均匀有界的情况下，提出了O(√d/ε√loglog(1/ε))大小的Coreset的随机多项式时间算法。
- 对于恒定的d，得到了O(1/ε√loglog(1/ε))大小的拉普拉斯核的Coreset。
- 文中给出了指数核、Hellinger核和JS核Coreset复杂性的最佳已知界限，1/α是核的带宽参数。
➡️
