热点事件持续更新

提出轴对齐划分查询复杂度界

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Hadley Black、Arya Mazumdar、Barna Saha 和 Geelon So 建立并证明了精确查询学习高维盒子的复杂度界：一般允许盒子重叠时，CAL 的极小极大最优查询复杂度为 Θ(kd log(n/kd))。盒子互不相交时，研究区分不同参数区间：在较大的 k 区间，CAL 仍然最优；当 k 为常数时，优化版 Halving 可将查询复杂度较 CAL 降低一个 log(d) 因子。若盒子对应常数大小决策树的叶子，复杂度进一步得到紧确界 Θ(d + log n)。

AI 根据报道生成 · 1 小时前更新

最新进展10月28日 12:00

学习轴对齐划分的查询复杂度

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

12:00
arXiv · Machine Learning
学习轴对齐划分的查询复杂度
研究在精确查询学习设置下建立了学习高维盒子的查询复杂度：一般可重叠盒子情形中，CAL 的极小极大最优查询复杂度为 Θ(kd log (n/kd))。盒子不相交时，大 k 区间 CAL 仍最优，常数 k 时优化版 Halving 可将查询复杂度降低 log(d) 因子；当盒子对应常数大小决策树的叶子时，紧确界为 Θ(d + log n)，并推广了决策树桩结果。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。