当大数据实际上是低秩的，或者是某个函数生成的矩阵的逐个近似
原文中文，约2000字，阅读约需5分钟。发表于：。通过对两个 m 维变量的光滑函数进行采样生成的矩阵的低秩逼近是本文关注的重点。我们否定了先前文献中对一个特定类别的解析函数所提出的论点，即这些矩阵可以独立于 m 具有准确的逐个元素的秩逼近。我们在理论上解释了支持该论点的数值结果，并描述了三个更窄的函数类别，其中 n×n 由函数生成的矩阵可以在与维度 m 无关的情况下以 O (log (n)ε^(-2) polylog (ε^(-1)))...
本文研究了通过对两个m维变量的光滑函数进行采样生成的矩阵的低秩逼近。作者否定了先前文献中的一个论点，并提出了三个更窄的函数类别，可以在与维度m无关的情况下以逐个元素误差逼近。作者还将论点扩展到了由m维变量的多线性积生成的张量的低秩张量列逼近。
