- 一个针对最大 $s$- 束问题的带有新界限方法的有效分支限界算法
提出了一种新的基于图分割技术的上界方法(PUB),用于最大 s - 束问题(MBP)的精确算法中,同时使用初始下界和上界对图进行预处理和分支剪枝。通过与其他 BnB MBP 算法的实验证明了该算法的显著进展。
- 二元感知机容量的注记
解决二进制感知器容量 αc 的问题,作者给出并证明了一个上界 αc < .847。
- 一种新的贝叶斯定理用于上限概率
本文在先前的研究基础上,提出了一种关于 Bayes' 后验概率、可测集、概率测度和似然度的新结论,并探讨了其在工程、机器学习和人工智能等领域的应用潜力。
- 伯努利过程期望最大值的链式法则
通过 Bernoulli 过程的有界性以及高斯过程的 Maurer 结果,我们得到了一个基于函数类和指标集的一致 Lipschitz 上界,其中 Bednorz 和 Latala 的最近结果对证明起到至关重要的作用。
- ICLR多模态变分自编码器的局限性
研究发现,多模态变分自编码器存在上界限制,导致其生成质量不如完全无监督的单模态自编码器,且当前的算法无法满足所有复杂数据集上的期望表现,限制了其在弱监督数据建模应用中的实际效果。
- 开放集域自适应的理论界限和深度算法间的桥梁
该研究提出了一种新的无监督开放式域自适应方法,其中提出的上限包括四个术语:源域风险,ε- 开放集差异,域之间的分布差异和一个常数。模型训练完成后,其表现在多个基准数据集,包括数字识别 (MNIST,SVHN,USPS),物体识别 (Offi - 高维高斯分布在相同均值下之间的总变差距离
对于具有相同均值的两个高维高斯分布,我们证明了其总变差距离的上限和下限,它们相互之间的常数因子差异很小。
- 伽玛函数的界限
提高了 γ 函数不等式的上界,并证明了一些新的不等式。
- 高斯混合模型的最大模数
本文研究高斯混合模型的局部最大值或模式数量,给出该问题历史的简要介绍,给出改进的下界和首个有限上界。
- s - 距离集合和等角线的上界
利用 zonal spherical functions 方法对紧致二点齐次空间中 s-distance set 的大小进行了限制。通过此方法我们证明了在 R^n 中 (当 n≥7 时), 球面二距离集的最大大小为 (n (n+1))/2 - 三角形计数的混合采样方案
研究在图流中估计三角形数量的问题,提出了一种采样算法,并给出了上下界,以及扩展算法来计数常量尺寸子图。
- 图中的环数
本文介绍了 3 连通立方图哈密顿图中最小正常周期数的结果,并描述了一种证明技术,可以改进哈密顿图中最大周期数的上限。
- PAC 学习的最优样本复杂度
通过对 Hans Simon 最新成果的技术和分析,本文在可实现情况下建立了一个新的 PAC 学习样本数量的上限,该上限匹配了已知的下限,解决了一个长期存在的开放性问题。
- ICML领域自适应的新 PAC-Bayesian 视角
研究 PAC-Bayesian 领域适应的问题:从源域学习一个专门针对目标域的多数表决模型。通过导出目标风险的上限,我们提供了一个新视角来控制误差度量和投票者不一致之间的权衡。我们根据这个结果推导了一个 PAC-Bayesian 的广义上限 - 使用系统搜索精确解决 MAP 问题
该论文介绍了一种新的、简单的 MAP 解的概率上限,并使用该上限提出了一种分支定界搜索算法,能够准确高效地解决一些网络的 MAP 问题,这些网络的约束树宽度超过了 40。
- MM修改最小同步词长度上限
研究确定性有限自动机中的同步(周期,重置,幻数,可定向)字,并将上限值从(n^3-n)/6 降至 n(7n^2+6n-16)/48,同时提出了一种用于找到带有限制上界的同步字的算法。