MétaCan
Menu
Retour à la cohorte
Enregistrement W2952809384 · doi:10.48550/arxiv.1012.1240

Tight lower bounds for the size of epsilon-nets

2010· preprint· en· W2952809384 sur OpenAlexaff
János Pach, Gábor Tardos

Notice bibliographique

RevueRepository of the Academy's Library (Library of the Hungarian Academy of Sciences) · 2010
Typepreprint
Langueen
DomaineComputer Science
ThématiqueComputational Geometry and Mesh Generation
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésMathematicsCombinatoricsDimension (graph theory)InverseOmegaEuclidean spaceRange (aeronautics)Space (punctuation)Upper and lower boundsBounded functionFunction (biology)Euclidean geometryMathematical analysisGeometryPhysics

Résumé

récupéré en direct d'OpenAlex

According to a well known theorem of Haussler and Welzl (1987), any range space of bounded VC-dimension admits an $\eps$-net of size $O\left(\frac{1}{\eps}\log\frac1{\eps}\right)$. Using probabilistic techniques, Pach and Woeginger (1990) showed that there exist range spaces of VC-dimension 2, for which the above bound can be attained. The only known range spaces of small VC-dimension, in which the ranges are geometric objects in some Euclidean space and the size of the smallest $\eps$-nets is superlinear in $\frac1{\eps}$, were found by Alon (2010). In his examples, the size of the smallest $\eps$-nets is $Ω\left(\frac{1}{\eps}g(\frac{1}{\eps})\right)$, where $g$ is an extremely slowly growing function, closely related to the inverse Ackermann function. \smallskip We show that there exist geometrically defined range spaces, already of VC-dimension $2$, in which the size of the smallest $\eps$-nets is $Ω\left(\frac{1}{\eps}\log\frac{1}{\eps}\right)$. We also construct range spaces induced by axis-parallel rectangles in the plane, in which the size of the smallest $\eps$-nets is $Ω\left(\frac{1}{\eps}\log\log\frac{1}{\eps}\right)$. By a theorem of Aronov, Ezra, and Sharir (2010), this bound is tight.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,493
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,003
Communication savante0,0000,003
Science ouverte0,0150,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,254
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRepository of the Academy's Library (Library of the Hungarian Academy of Sciences)Même sujetComputational Geometry and Mesh GenerationTravaux en français237 207