ترجمه فارسی مقاله کرانوف برای بسط دهنده های تانسور در منیفولدهای ریمانی با استفاده از تقریب لاپلاسی گراف

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Chernoff Bounds for Tensor Expanders on Riemannian Manifolds Using Graph Laplacian Approximation
عنوان مقاله به فارسی کرانوف برای بسط دهنده های تانسور در منیفولدهای ریمانی با استفاده از تقریب لاپلاسی گراف
نویسندگان Shih-Yu Chang
فرمت مقاله انگلیسی PDF
تعداد صفحات 9
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Probability,Machine Learning,Differential Geometry,Machine Learning,احتمال , یادگیری ماشین , هندسه دیفرانسیل , یادگیری ماشین ,
توضیحات Submitted 20 August, 2024; originally announced August 2024.
توضیحات به فارسی 20 اوت 2024 ارسال شد.در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This paper addresses the advancement of probability tail bound analysis, a crucial statistical tool for assessing the probability of large deviations of random variables from their expected values. Traditional tail bounds, such as Markov's, Chebyshev's, and Chernoff bounds, have proven valuable across numerous scientific and engineering fields. However, as data complexity grows, there is a pressing need to extend tail bound estimation from scalar variables to high-dimensional random objects. Existing studies often rely on the assumption of independence among high-dimensional random objects, an assumption that may not always be valid. Building on the work of researchers like Garg et al. and Chang, who employed random walks to model high-dimensional ensembles, this study introduces a more generalized approach by exploring random walks over manifolds. To address the challenges of constructing an appropriate underlying graph for a manifold, we propose a novel method that enhances random walks on graphs approximating the manifold. This approach ensures spectral similarity between the original manifold and the approximated graph, including matching eigenvalues, eigenvectors, and eigenfunctions. Leveraging graph approximation technique proposed by Burago et al. for manifolds, we derive the tensor Chernoff bound and establish its range for random walks on a Riemannian manifold according to the underlying manifold's spectral characteristics.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله به پیشرفت تجزیه و تحلیل محدوده دم احتمال ، یک ابزار مهم آماری برای ارزیابی احتمال انحراف بزرگ متغیرهای تصادفی از مقادیر مورد انتظار آنها می پردازد.مرزهای سنتی دم ، مانند مرزهای ماركوف ، چبیشو و چرنوف ، در زمینه های علمی و مهندسی متعددی با ارزش بوده است.با این حال ، با افزایش پیچیدگی داده ها ، نیاز به فشار برای گسترش تخمین محدوده دم از متغیرهای مقیاس به اشیاء تصادفی با ابعاد بالا وجود دارد.مطالعات موجود غالباً به فرض استقلال در بین اشیاء تصادفی با ابعاد بالا متکی است ، فرضیه ای که ممکن است همیشه معتبر نباشد.با تکیه بر کار محققان مانند گارگ و همکاران.و چانگ ، که از پیاده روی های تصادفی برای مدل سازی مجموعه های با ابعاد بالا استفاده می کردند ، این مطالعه با کاوش در پیاده روی های تصادفی بر روی منیفولدها ، یک رویکرد عمومی تر را معرفی می کند.برای پرداختن به چالش های ساخت یک نمودار اساسی مناسب برای یک منیفولد ، ما یک روش جدید را پیشنهاد می کنیم که پیاده روی های تصادفی را در نمودارهای تقریبی منیفولد افزایش می دهد.این رویکرد شباهت طیفی بین منیفولد اصلی و نمودار تقریبی ، از جمله تطبیق مقادیر ویژه ، ویژه و عملکردهای ویژه را تضمین می کند.تکنیک تقریب نمودار اعمال شده توسط بوراگو و همکاران.برای منیفولدها ، ما تانسور چرنوف را محدود می کنیم و دامنه آن را برای پیاده روی های تصادفی بر روی یک منیفولد ریمانی با توجه به ویژگی های طیفی مانیفولد زیرین ایجاد می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.