HyperAIHyperAI

Command Palette

Search for a command to run...

العدد اللازم من النقاط في متباينات مارسينكيفيتش–زيغموند من النمط L_2

جدول المحتويات

الملخص

نُحدد، حتى ثوابت مطلقة، العدد الأقصى اللازم من تقييمات النقاط لمتباينة مارسينكيفيتش–زيغموند المُرجَّحة من النمط L_2 لفضاء دوال عُقدي ذي بُعد m. إذا كان 0 < ε < 1 هو التشوه النسبي، فإن هذا العدد هو Θ(min{m^2, m/ε^2})، ولعملية التقطيع المضبوط قيمة قصوى حادة تبلغ m^2. في حين أن الحدود العليا تتبع من إنشاءات حديثة، فإن مساهمتنا تكمن في إنشاء فضاءات دوال يصعُب تقطيعها وتُعطي حدودًا دنيا مطابقة. نستخدم متباينة أثر-تباين لإطارات جزئية مُرجَّحة لإطارات محكمة ذات معيار واحدي. إحدى هذه الحالات هي إطار الحواف للبيان الكامل، والذي يُعطي إنشاءً في كل بُعد. تُحسِّن إطارات سينغر المتساوية الزوايا والمحكمة الثابت عندما يكون m − 1 قوة لعدد أولي، بينما تُعطي الإطارات المتساوية الزوايا والمحكمة الأعظمية أقوى حد ممكن بطريقتنا متى وُجدت. نستنتج أيضًا عواقب على تكييف أنظمة المربعات الصغرى المُرجَّحة وعلى تقديرات التكرار المعيارية القائمة على عدد الشرط عندما تُحل هذه الأنظمة بخوارزمية LSQR.

One-sentence Summary

The authors determine, up to absolute constants, the worst-case number of point evaluations required for a weighted L_2 Marcinkiewicz–Zygmund inequality on an m-dimensional complex function space, showing that this number is Θ(min{m^2, m/ε^2}) for relative distortion 0 < ε < 1 and exactly m^2 for exact discretization; they construct matching lower-bound function spaces via trace-variance inequalities for weighted subframes of unit-norm tight frames and derive consequences for weighted least-squares conditioning and LSQR.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp