গড় বিকৃতি এম্বেডিংস


11

দুটি মেট্রিক স্পেস এবং ( ওয়াই , ) এবং একটি এম্বেডিং Consider : এক্স ওয়াই বিবেচনা করুন । প্রথাগত মেট্রিক স্থান embeddings মান পরিমাপ μ মূল নিকৃষ্টতম-কেস অনুপাত চূড়ান্ত দূরত্ব হিসেবে: ρ = সর্বোচ্চ পি , কুই এক্স { ( এক্স , Y )(X,d)(Y,f)μ:XYμ

ρ=maxp,qX{d(x,y)f(μ(x),μ(y)),f(μ(x),μ(y))d(x,y)}

মানের অন্যান্য পদক্ষেপগুলি যদিও রয়েছে: ধামধে এবং আল "গড়" বিকৃতিটি অধ্যয়ন করে:

σ=d(x,y)f(μ(x),μ(y)).

তবে, আমি এখানে যে পরিমাপে আগ্রহী তা হ'ল এমডিএস-এর মতো পদ্ধতিগুলি ব্যবহার করা হয়, যা গড় সংযোজনীয় ত্রুটি দেখে:

ε2=|d(x,y)f(μ(x),μ(y))|2

যদিও এমডিএস-এর মতো পদ্ধতিগুলি থিওরিসিএস সম্প্রদায়ের বাইরে ব্যাপকভাবে অধ্যয়ন করা হয়েছে, তবে আমি কেবলমাত্র একটি কাগজ ( ধামধের এট আল দ্বারা ) সম্পর্কে অবগত রয়েছি যা এই পরিমাপের অধীনে অপ্টিমাইজেশন পরীক্ষা করে, এবং তাও লাইনে এমবেডিংয়ের সীমিত সমস্যার জন্য ( ) (পার্শ্ব দ্রষ্টব্য: তাসোস সিডিরোপল্লোস ২০০৫ এমএস থিসিসের পূর্ববর্তী কাজের একটি সুন্দর পর্যালোচনা আছে)Y=R

ত্রুটির এই ধারণার অধীনে কঠোর মানের বিশ্লেষণ সম্পর্কে লোকেরা কী সচেতন সে সম্পর্কে আরও সাম্প্রতিক কোন কাজ রয়েছে? যদিও এই সমস্যাগুলি সাধারণত এনপি-হার্ড হয় তবে আমি যে বিষয়ে বেশি আগ্রহী তা হ'ল যে কোনও ধরণের অনুমান।

উত্তর:


3

ϵ2

O(1)Ω(k)ϵ2k

logc(n)


এটি একটি ভাল পরামর্শ। আমি অবশ্যই মেট্রিক লেবেলিংয়ের কাজটি সন্ধান করব। এটি পরিচিত যে এমনকি লাইনে এম্বেড করা MAX এসএনপি-হার্ড, তবে দৃ stronger় ফলাফলগুলি দেখতে আকর্ষণীয় (হতাশ হওয়া সত্ত্বেও) হবে।
সুরেশ ভেঙ্কট

2

ϵ2(ρ1)d(x,y)2f(μ(x),μ(y))d(x,y)x,y

2


ভাল যুক্তি. আমি আমার উত্তর পরিবর্তন করেছি।
মরিটজ

ϵ

S:=d(x,y)212ϵ2o(S)(1+o(1))x,y। আমরা কী বলতে পারি (কনস্টের ডিগ্রি) প্রসারণকারীদের জন্য এই জাতীয় এম্বেডিং পেতে পারি? (বা প্রমাণ করা সম্ভব নয়?)
আদিত্য
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.