Small-Size Relative (p,Epsilon)-Approximations for Well-Behaved Range Spaces
我们给出了具有以下性质的值域空间的相对(p,Epperson)-逼近的大小的改进的上界:对于任何(有限)值域空间投影到(即限制到)大小为n的基集上,并且对于任何参数1 <= k <= n,大小至多为k的值域的个数仅在n中是近线性的,在k中是多项式的.这样的范围空间被称为“行为良好”。我们的界是对Li等人提出的O(\log {(1/p)/ \eps^2 p)界的改进.对于一般情况(其中该界限在最坏情况下被证明是紧的),当p <<Epperiment时。我们还表明,这种小尺寸的相对(p,Epidemic)-近似可以在预期的多项式时间内构建。我们的界限在“p-网”的上下文中也有一个有趣的解释:正如Har-Peled和Sharir所观察到的,p-网是相对(p,Epsilon)-近似的特殊情况。具体地说,当ε是一个小于1的常数时,他们的分析意味着存在大小为O(\log{(1/p)} /p)的p-网,它们是\emph{also}的相对近似。在这种情况下,我们的建设显着提高了这一界限行为良好的范围空间。尽管在p-网的理论和存在相应的情况下,我们研究的改进的界限的进展,这些界限并不一定保证有界的相对误差。最后,我们提出了几个几何场景的行为良好的范围空间,并显示所得到的绑定作为我们的分析的结果,这些情况下获得的。特别是,当Epperson是一个小于1的常数时,我们对二维和三维中的点和轴平行盒以及平面…
2012-12-11 cs.CG
Tight lower bounds for the size of epsilon-nets
根据Haussler和Welzl(1987)的一个著名定理,任何有界VC-维的值域空间都存在一个大小为$O\left(\frac{1}{\eps}\log\frac1{\eps}\right)$的$\eps$ -网。Pach和Woeginger(1990)利用概率技巧证明了存在VC维为2的值域空间,可以达到上面的界。唯一已知的小VC维的值域空间,其中值域是某些欧氏空间中的几何对象,并且最小$\eps$ -网的大小在$\frac1{\eps}$中是超线性的,由Alon(2010)发现。在他的例子中,最小的$\eps$ -网的大小是$Ω\left(\frac{1}{\eps}g(\frac{1}{\eps})\right)$,其中$g$是一个增长极其缓慢的函数,与逆阿克曼函数密切相关。\smallskip我们表明,存在几何定义的范围空间,已经VC-维$2$,其中最小的$\eps$ -网的大小是$Ω\left(\frac{1}{\eps}\log\frac{1}{\eps}\right)$。我们还构造了平面上平行轴矩形诱导的值域空间,其中最小$\eps$ -网的大小为$Ω\left(\frac{1}{\eps}\log\log\frac{1}{\eps}\right)$。根据Aronov,Ezra,and Sharir(2010)的定理,这个界限是紧的。
2010-12-06 cs.CG cs.DM
Small Strong Epsilon Nets
设P是$\mathbb{R}^d$中的n个点的集合。点x被称为P的中心点,如果x包含在包含P的多于$dn\over d+1$点的每个凸对象中。我们称点x为对象族$\mathcal{C}$的强中心点,如果$x \in P$包含在包含P的多于常数分数的点的每个对象$C \in \mathcal{C}$中。强中心点甚至对于$\mathbb{R}^2$中的半空间也不存在。证明了$\mathbb{R}^d$中平行轴盒的强中心点的存在性,并给出了其精确界。然后,我们扩展到小的强$ε$ -网在平面上,并证明了上界和下界的$ε_i^\mathcal{S}$其中$\mathcal{S}$是家庭的轴平行矩形,半空间和磁盘。这里,$ε_i^\mathcal{S}$表示$[0,1]$中的最小实数,使得存在关于$\mathcal{S}$的大小为i的$ε_i^\mathcal{S}$ -网。
2012-08-14 cs.CG cs.DM
Tighter Estimates for epsilon-nets for Disks
几何碰集问题是一个基本的几何组合优化问题:给定平面上的一个点集$P$和一个几何对象集$\mathcal{D}$,目标是计算$P$的一个小子集,该子集能击中$\mathcal{D}$中的所有对象。1994年,Bronniman和Goodrich将这个问题与基本组合结构的大小(称为$ε$ -nets)联系起来,表明小尺寸的$ε$ -nets意味着近似算法具有相应的小近似比。最近,Agarwal和Pan证明了他们的方案可以在平面上的圆盘上以近似线性的时间实现。总而言之,这给出了$\tilde{O}(n)$时间中的$O(1)$ -因子近似算法,用于命中平面中磁盘的集合。这个常数因子取决于磁盘的$ε$网络的大小;不幸的是,当前最先进的界限很大--至少是$24/ε$,而且很可能大于$40/ε$。因此,Agarwal和Pan算法的近似因子最终大于$40$。最好的下界是$2/ε$,它由二维半空间的Pach-Woeginger构造得出。因此,在最著名的上限和下限之间存在着很大的差距。除了独立的兴趣,找到精确的界限是重要的,因为这直接意味着一个改进的线性时间算法的命中集问题。本文的主要目的是改进平面圆盘的$13.4/ε$的上界。证明是建设性的,给出了一个简单的算法,只使用Delaunay三角剖分。我们已经实现了该算法,这是一个公共的开源模块。实验结果表明,对于各种数据集,$ε$网的规模较小,约为$9/…
2015-01-14 cs.CG
New Sufficient Conditions for Linear-Sized Epsilon-Nets and $(p,2)$-Theorems
School of Computer Science, Ariel University(阿里埃尔大学计算机学院);Department of Computer Science, Ben-Gurion University of the NEGEV(内盖夫本-古里安大学计算机系)
本文提出线性规模ε-网和(p,2)-定理的充分条件,揭示其与图论的联系并改进了相关结果。
2026-01-02 cs.CG math.CO
Stronger Bounds for Weak Epsilon-Nets in Higher Dimensions
本文针对高维有限点集,构造了基数更小的弱ε-网,在d=3时达到O*(1/ε^2.558),在d≥4时达到o(1/ε^{d-1/2}),首次显著改进了1993年的经典界。
2023-12-26 cs.CG math.CO
Carnival of Samplings: Nets, Approximations, Relative and Sensitive
本文综述了计算几何中有关抽样的几个结果。
2009-08-26 cs.CG
Improved Approximation for Guarding Simple Galleries from the Perimeter
我们提供了一个O(log log OPT)-近似算法的问题,守卫一个简单的多边形与警卫的周长。首先,我们设计了一个多项式时间算法,用于为与我们的守护问题相关的命中集的实例构建大小为O(1/1/2 log log 1/2)的ε网。然后,我们应用Bronnimann和Goodrich的技术,建立一个近似算法,从这个ε-网络发现者。随着一个简单的多边形P,我们的算法作为输入的一个有限的一组潜在的保护位置,必须包括多边形的顶点。如果一个有限的一组潜在的警卫位置没有指定,例如,当警卫可以放置在任何地方的周边,我们使用一个已知的离散化技术的成本,使算法的运行时间可能线性的最长和最短的距离之间的比率顶点。我们的算法是第一个改进O(log OPT)-近似算法,使用通用的网络查找有限VC维集系统。
2010-01-24 cs.CG
Covering Cubes and the Closest Vector Problem
我们提供了目前最快的随机(1+ 1)-近似算法的最接近的向量问题的无穷范数。我们的方法的运行时间取决于维数n和近似保证的2^O(n)(log 1/n)^O(n)$,这改进了Blömer和Naewe以前最好的算法的(2+1/n)^O(n)运行时间。我们的算法是基于下面的几何覆盖问题的解决方案,这是它自己的兴趣:给定n在(0,1),有多少个椭球是必要的,以覆盖立方体[-1+ n,1-n]^n,使所有的椭球都包含在标准单位立方体[-1,1]^n?我们提供了一个几乎最佳的情况下,椭球被限制为轴平行的界限。然后,我们将覆盖方案应用于这个覆盖问题的一个变体,其中人们希望用平行六面体覆盖[-1 + ε,1-ε]^n,如果缩放2,仍然包含在单位立方体中。由此,我们得到了一种方法,可以将无穷范数下最接近向量的任意2-近似算法提升为具有所需运行时间的(1+ n)-近似算法.
2010-12-10 cs.CG cs.DS
Universal Function Approximation by Deep Neural Nets with Bounded Width and ReLU Activations
Department of Mathematics, Texas A\&M, College Station, United States
本文关注的是具有ReLU激活和有界宽度的神经网络中深度的表达能力。我们对以下问题特别感兴趣:最小宽度$w_{\text{min}}(d)$是多少,以便宽度为$w_{\text{min}}(d)$(和任意深度)的ReLU网可以任意地逼近单位立方体$[0,1]^d$上的任何连续函数?对于接近这个最小宽度的ReLU网,我们可以说近似给定函数所需的深度是多少?我们对本文的方法是基于这样的观察,即由于ReLU激活的凸性,ReLU网特别适合表示凸函数。特别地,我们证明了具有宽度$d+1$的ReLU网可以任意地逼近$d$变量的任何连续凸函数。然后,这些结果给出了宽度为$d+3.$的ReLU网对$d$维立方体$[0,1]^d$上任何连续标量函数的逼近速率的定量深度估计
2017-12-20 cs.CG cs.LG math.FA
Deterministic Sampling and Range Counting in Geometric Data Streams
我们提出了内存高效的确定性算法,用于构建几何数据流的ε-网和ε-近似。与概率方法不同,这些确定性样本在其近似因子上提供有保证的界限。我们展示了我们的确定性样本可以用来回答近似的在线冰山几何查询数据流。我们使用这些技术来近似几何数据流的几个强大的统计,包括Tukey深度,单纯深度,回归深度,Thiel-Sen估计,和最小平方中位数。我们的算法只使用多对数的内存量,所需的近似因子是逆多对数。我们还包括一个下界的非冰山几何查询。
2003-07-11 cs.CG
Online Epsilon Net and Piercing Set for Geometric Concepts
Indian Institute of Technology Bombay(印度孟买理工学院)
针对有界VC维几何概念的在线ε网问题尚无理论结果,本文提出区间的最优竞争比确定性在线算法、轴对齐盒的近优竞争比随机算法,还给出分析常描述复杂度相似对象的新技术,并研究了连续版本问题。
2024-10-09 cs.CG cs.LG
Too Many or Too Few? Sampling Bounds for Topological Descriptors
Montana State University(蒙大拿州立大学);Western Colorado University(科罗拉多西部大学);Blocky
针对拓扑描述符采样过多或过少的问题,研究探索表示几何单纯复形所需的方向数量,提供采样大小界限的构造性证明,并通过实验揭示过采样与欠采样的后果。
2025-11-15 cs.CG math.AT
Approximation Schemes for Maximum Weight Independent Set of Rectangles
在矩形的最大权独立集(MWISR)问题中,给定一个二维平面上的n个轴平行矩形的集合,目标是选择两两不重叠的矩形的最大权子集。由于该问题在数据采掘、地图标注和准入控制等领域有着广泛的应用,因此受到了研究界的广泛关注。本文给出了拟多项式运行时间为2^{poly(log n/n)}的MWISR问题的第一(1+ n)-近似算法.相比之下,最有名的多项式时间近似算法的问题实现超常数的近似比O(log log n)(未加权的情况下)和O(log n / log log n)(加权的情况下)。我们的研究结果的关键是一个新的几何动态程序,递归细分成多边形的有限复杂的平面。我们提供分析其性能所需的技术工具。特别是,我们提出了一种方法,将平面划分成小而简单的区域,使得最优解的矩形以非常受控的方式被分割。再加上Arora等人的加权平面图分离定理的一个新应用,这使得我们可以通过(1+ 1)来上限我们的近似比。我们的动态程序非常通用,我们相信它对其他设置也很有用。特别是,我们表明,当参数化正确,它提供了一个多项式时间(1+ 1)的近似的特殊情况下的MWISR问题时,每个矩形是相对较大的至少一个维度。这种分析的关键是一种方法来平铺平面,以近似地描述这些矩形的拓扑结构的最佳解决方案。这种技术可能是一个有用的见解,设计更好的多项式时间近似算法,甚至PTAS的MWISR问题。
2013-07-06 cs.CG cs.DS
High-dimensional approximate $r$-nets
$r$ -网的构造为计算几何和度量几何提供了强有力的工具。我们专注于高维空间,并提出了一个新的随机算法,有效地计算近似$r$ -网相对于欧几里德距离。对于任何固定的$ε>0$,近似因子是$1+ε$,复杂度在维数上是多项式的,在点数上是次二次的。该算法成功的概率很高。更具体地说,先前已知的最好的基于LSH的构建是Eppstein et al.如果$ε$足够小,则通过减少对$ε$的依赖性来改善\cite{EHS15}的复杂性。我们的方法不需要LSH,而是遵循Valiant的\cite{Val15}方法,在不同的空间中,根据欧氏距离或内积,其中$r$ -网的计算效率和误差可以控制的减少我们的问题的序列。我们的结果立即意味着有效的解决方案,一些几何问题,在高维,如寻找$(1+ε)$ -近似$k$次最近邻距离在时间次二次输入的大小。
2017-05-06 cs.CG
Efficient Approximations for the Online Dispersion Problem
色散问题在计算几何和设施选址中得到了广泛的研究,并且与布局问题密切相关。目标是定位n个点(例如,设施或人),使得它们彼此远离并且远离多面体的边界。然而,在许多现实世界的场景中,这些点在不同的时间到达和离开,并且必须在不知道未来事件的情况下做出决策。因此,我们在文献中首次研究了欧几里得空间中的在线分散问题。当涉及时间时,有两个自然目标:全时最坏情况(ATWC)问题试图最大化在任何时间出现的最小距离;累积距离(CD)问题试图最大化整个时间间隔内的最小距离的积分。有趣的是,即使在一个细分市场上,在线问题也非常重要。对于累积距离,即使问题是时间相关的但离线的,所有的到达和离开时间都是提前给定的,情况也是如此。对于分段上的在线ATWC问题,我们构造了一个确定性的多项式时间算法,该算法是(2ln 2 + n)-竞争的,其中n>0可以是任意小的,算法的运行时间是1/n的多项式.我们证明了这个算法实际上是最优的。对于正方形中的相同问题,我们提供了1.591-竞争算法和1.183下界。此外,对于任意k维多面体,当k>=2时,我们给出了一个2/(1-n)-竞争算法和一个7/6下界。有趣的是,对于任意k维多面体的离线CD问题,我们提供了一个多项式时间的黑盒减少在线ATWC问题,由此产生的竞争比增加了一个因素,最多2。
2017-04-22 cs.CG
Approximate Point-to-Face Shortest Paths in R^3
我们解决R中的点到面近似最短路径问题:给定一组总共有n个顶点的多面体障碍物,一个源点s,一个障碍面f和一个实正参数f,计算一条从s到f的路径,该路径避开障碍物的内部,并且长度最多为从s到f的最短避障路径的长度的(1+ f)倍。我们提出了三个近似算法,通过扩展三个著名的“点到点”最短路径算法。
2010-04-09 cs.CG
epsilon-Samples of Kernels
University of Utah(犹他大学)
研究了基于子集逼近的核密度估计的最坏情况误差。分布的核密度估计是该分布与固定核(例如高斯核)的卷积。给定输入分布的子集(即点集),我们可以将输入分布的核密度估计与子集的核密度估计进行比较,并限制最坏情况的误差。如果最大误差是eps,那么这个子集可以被认为是范围空间的eps-样本(也称为eps-近似),该范围空间以输入分布为基集,固定核表示范围族。有趣的是,在这种情况下,范围不是二进制的,而是有一个连续的范围(为了简单起见,我们关注范围为[0,1]的内核);这些允许范围空间的更平滑的概念。事实证明,使用这个更平滑的范围空间家族有一个额外的好处,那就是大大减少了eps样本所需的大小。例如,在平面中,磁盘的大小为O((1/eps^{4/3})log^{2/3}(1/eps))(基于VC维参数),但对于高斯核和具有仅影响有界域的有界斜率的核,大小仅为O((1/eps)sqrt{log(1/eps)})。这些界限是通过研究这些“内核”范围空间的差异来实现的,在这里,界限的改进更加明显。在平面上,我们证明了这些内核的差异是O(sqrt{log n}),而对于球,有一个Omega(n^{1/4})的下界。
2012-04-03 cs.CG cs.DS cs.LG