记忆受限推断中替换高斯观测
Replacing Gaussian observations in memory-constrained inference
OpenAI 数学仓库收录的研究手稿。展开查看英文摘要，或标记后让我进一步解释。
具体内容
稿件研究记忆受限推断中替换高斯观测行的影响。作者声称：对均匀球面信号、消息熵至多d²且行维数与d成比例，用独立行替换用于选择有限消息的高斯行，至多增加剩余条件信息Cd。作为应用，证明具有M=o(d²)持久比特的学习器需要T=Ω(d log(1/ε))次精确观测，才能在0<ε≤1/10和确定性有限时域下达到至少3/5的均匀球面角度成功率。
- 研究替换高斯观测行对剩余条件信息的影响。
- 作者声称信息增加至多Cd。
- 应用给出M=o(d²)比特学习器需Ω(d log(1/ε))次观测。
AI 产生的研究手稿；收录不表示已完成独立审查或同行评议。
英文原始摘要
Replacing the Gaussian rows used to select a finite message by independent rows increases the remaining conditional information by at most $`Cd`$, for a uniform spherical signal, message entropy at most d2, and the specified row dimensions proportional to d. As an application, we prove that learners with $`M=o(d^2)`$ persistent bits need $`T=\Omega(d\log(1/\epsilon))`$ exact observations to attain uniform-sphere angular success at least 3/5, for $`0\lt \epsilon\le1/10`$ and a deterministic finite horizon.
用户标记：未标记
固定编号：3047f5ad9b3a0714
原文来源