研究人员为列表可复制算法中的偏差估计建立了紧界，确定了此类方法的最佳样本复杂度。该研究提出了一种改进的算法，该算法在对数因子内匹配了推导出的下界。对于列表大小为 $d+1$，最佳样本复杂度为 $\widetilde{\Theta}\left(\frac{d^2}{\varepsilon^2}\right)$，对于通用列表大小 $k$，则为 $\widetilde{\Theta}\left(\frac{d^2}{\varepsilon^2\log k}\right)$。 AI
影响 为算法中的偏差估计设定了理论极限，可能影响未来的算法设计和分析。
排序理由 该集群包含一篇详细介绍算法和复杂性理论研究的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Bias estimation apparatus and method and failure diagnosis apparatus and method
- \Delta
- DL-proline
- Epsilon
- Hugging Face
- list replicability
- List Replicable Algorithms
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
