태그 보관물: metrics

metrics

절단 규범에 대하여 -nets I ⊆ [ N ] , J

컷 규범

||A||C

실제 행렬의 = ( I , J ) R N × N 인 온통 최대 I [ N ] , J [ N ] 양의 | i I , j J a i , j | .

A=(ai,j)Rn×n

I[n],J[n]

|iI,jJai,j|

두 행렬 사이의 거리를 정의 및 B를D C ( , B ) = | | A B | |

A

B

dC(A,B)=||AB||C

최소의 중요도 란

ϵ

-net 메트릭 공간

([0,1]n×n,dC)

?

즉, 가장 작은 서브 세트의 크기

S[0,1]n×n

모든되도록 [ 0 , 1 ] N × N , 존재 S 되도록 개발 C ( , ) ϵ .

A[0,1]n×n

AS

dC(A,A)ϵ

(편집 : 내가 얘기를 깜빡 했네요,하지만 또한 “비 적절한”에 관심이 로, -nets S R N × N + – 즉 경우의 요소 ε 의 -net 유무 항목 외부 [0,1 ], 그것은 또한 재미있다.)

ϵ

SR+n×n

ϵ

상한과 하한에 관심이 있습니다.

컷 sparsifier 기술을 의미합니다 그들이 제공 – 컷 메트릭 -nets,하지만 내가 필요한 것보다 더 강한 무언가를 제공 ε -net 당신이 효율적으로 찾을 수있는 ε 단순히 매트릭스에서 샘플링하여 어떤 매트릭스 – 닫기 점을. 하나는 훨씬 작은이 존재한다는 것을 상상 ε의 당신은 샘플이 아니라 발견 할 수있는 -nets ε 임의의 행렬 – 닫기 점을.

ϵ

ϵ

ϵ

ϵ

ϵ

나는 처음에이 질문을 여기 mathoverflow에.



답변

다음은 쉬운 추정치입니다. 여기에는 콜 설정 SX ε -net 메트릭 공간의 X를 모든 점 때 XX , 지점이 존재 S 간의 거리되도록 XS를 이다 많아야 ε . 당신의 정의에 엄격한 불평등하려면 ε -net을, 당신은의 값을 조정할 수 ε을 약간.

그것은 || || ≤ || || Cn 2 || || , 여기서 || || n × n 행렬 A 의 엔트리 별 최대-노름을 나타냅니다 .

그것이 구성 쉽다 ε 메트릭 공간 -net를 ([0,1] N , D ) 크기 ⌈1 / (2 ε ) ⌉ N 하고,이 크기가 최소임을 표시하는 것은 어렵지 않다. (최소 성을 나타내려면 좌표가 1 / ⌈1 / (2 ε ) −1⌉의 배수 인 ⌈1 / (2 ε ) ⌉ N 점을 고려하고이 두 점 사이의 거리가 2보다 큼 ε .) N = n 2 로 설정 하고이를 컷 노름과 최대 노름 사이의 전술 한 비교와 결합함으로써 ε 의 최소 ​​카디널리티절단 규범에 대한 -net은 적어도 ⌈1 / (2 ε ) ⌉ n 2 이고 최대 ⌈ n 2 / (2 ε ) ⌉ n 2 입니다.


업데이트 : 계산이 정확 하면 volume 인수 로 더 낮은 하한 Ω ( n / ε ) n 2 를 얻을 수 있습니다. 이렇게하려면 컷 규범과 관련하여 ε 볼 의 체적에 상한이 필요합니다 .

먼저 단일 벡터의 “절단 기준”을 고려합니다. 이는 양의 요소의 합과 음의 요소의 합의 최대 사이입니다. 볼륨 보여 어렵지 않다 ε ℝ에서 -ball는 N 이 “컷 표준”에 대해 동일하다

εnI{1,,n}1|I|!1(n|I|)!=εnr=0n(nr)1r!(nr)!

=εnn!r=0n(nr)2=εnn!(2nn)=(2n)!εn(n!)3.

다음으로, n × n 행렬 A 의 컷 노름이 각 행의 컷 노름보다 크거나 같기 때문에, ℝ n × n 에서 의 ε- 볼 의 부피는 최대 부피의 n 제곱이다. ε – 볼 ℝ에서 N . 따라서 [0,1] n × nε -net의 크기는 최소한

(n!)3n(2n)!nεn2=(Ω(nε))n2,

여기서 마지막 평등은 Stirling의 공식 을 사용하는 지루한 계산입니다 : ln n ! = n ln nn + O (log n ).


답변