গড় বিকৃতি এম্বেডিংস


11

দুটি মেট্রিক স্পেস এবং ( ওয়াই , চ ) 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 { ঘ ( এক্স , Y )(X,d)(Y,f)μ:X→Yμ

ρ=maxp,q∈X{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≤(ρ−1)∑d(x,y)2f(μ(x),μ(y))≥d(x,y)x,y

ℓ2


ভাল যুক্তি. আমি আমার উত্তর পরিবর্তন করেছি।
— মরিটজ

ϵ

S:=∑d(x,y)2ℓ1ℓ2ϵ2o(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.