会员服务
INFORMS ·
2021 年 8 月 31 日
Formalizing the Gromov-Hausdorff space
翻译：使格罗莫夫-霍斯多夫空间正规化
Sébastien Gouëzel
Sébastien Gouëzel

The Gromov-Hausdorff space is usually defined in textbooks as "the space of all compact metric spaces up to isometry". We describe a formalization of this notion in the Lean proof assistant, insisting on how we need to depart from the usual informal viewpoint of mathematicians on this object to get a rigorous formalization.


翻译：Gromov-Hausdorf空间通常在教科书中被定义为“所有紧凑度量空间的空间,直至异度测量 ” 。 我们描述在利昂校对助理中将这一概念正式化,坚持我们需要改变数学家在这方面通常的非正式观点,以获得严格的正规化。
0
下载
关闭预览

相关内容

【图与几何深度学习】Graph and geometric deep learning，49页ppt
【图与几何深度学习】Graph and geometric deep learning，49页ppt
专知会员服务
62+阅读 · 2021年4月24日
MIT经典《线性代数》，584页pdf，Introduction to Linear Algebra, Fifth Edition, Gilbert Strang, 2016.
MIT经典《线性代数》，584页pdf，Introduction to Linear Algebra, Fifth Edition, Gilbert Strang, 2016.
专知会员服务
404+阅读 · 2021年1月11日
2020数据工程师成长路线图
专知会员服务
38+阅读 · 2020年9月6日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
专知会员服务
107+阅读 · 2020年5月15日
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
专知会员服务
32+阅读 · 2019年11月30日
经典书《机器学习：概率视角》（Machine Learning: a Probabilistic Perspective）第二版Python代码，附1098页pdf下载
经典书《机器学习：概率视角》（Machine Learning: a Probabilistic Perspective）第二版Python代码，附1098页pdf下载
专知会员服务
254+阅读 · 2019年10月25日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
32+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
171+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
91+阅读 · 2019年10月10日
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
机器学习线性代数速查
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
【推荐】用Python/OpenCV实现增强现实
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
14+阅读 · 2017年11月16日
User-friendly introduction to PAC-Bayes bounds
Arxiv
0+阅读 · 2021年10月21日
Provably adaptive reinforcement learning in metric spaces
Arxiv
0+阅读 · 2021年10月20日
Towards Using Package Centrality Trend to Identify Packages in Decline
Arxiv
0+阅读 · 2021年10月19日
Continuous Control with Action Quantization from Demonstrations
Arxiv
0+阅读 · 2021年10月19日
Machine Covering in the Random-Order Model
Arxiv
0+阅读 · 2021年10月18日
What can we learn from universal Turing machines?
Arxiv
0+阅读 · 2021年10月16日
Non-existing and ill-behaved coequalizers of locally ordered spaces
Arxiv
0+阅读 · 2021年10月15日
Learning and Planning in Complex Action Spaces
Arxiv
4+阅读 · 2021年4月13日
Interpretable Active Learning
Interpretable Active Learning
Arxiv
3+阅读 · 2018年6月24日
Reinforcement Learning for Solving the Vehicle Routing Problem
Arxiv
3+阅读 · 2018年5月21日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
INFORMS
相关VIP内容
【图与几何深度学习】Graph and geometric deep learning，49页ppt
【图与几何深度学习】Graph and geometric deep learning，49页ppt
专知会员服务
62+阅读 · 2021年4月24日
MIT经典《线性代数》，584页pdf，Introduction to Linear Algebra, Fifth Edition, Gilbert Strang, 2016.
MIT经典《线性代数》，584页pdf，Introduction to Linear Algebra, Fifth Edition, Gilbert Strang, 2016.
专知会员服务
404+阅读 · 2021年1月11日
2020数据工程师成长路线图
专知会员服务
38+阅读 · 2020年9月6日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
专知会员服务
107+阅读 · 2020年5月15日
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
专知会员服务
32+阅读 · 2019年11月30日
经典书《机器学习：概率视角》（Machine Learning: a Probabilistic Perspective）第二版Python代码，附1098页pdf下载
经典书《机器学习：概率视角》（Machine Learning: a Probabilistic Perspective）第二版Python代码，附1098页pdf下载
专知会员服务
254+阅读 · 2019年10月25日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
32+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
171+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
91+阅读 · 2019年10月10日
热门VIP内容
相关资讯
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
机器学习线性代数速查
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
【推荐】用Python/OpenCV实现增强现实
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
14+阅读 · 2017年11月16日
相关论文
User-friendly introduction to PAC-Bayes bounds
Arxiv
0+阅读 · 2021年10月21日
Provably adaptive reinforcement learning in metric spaces
Arxiv
0+阅读 · 2021年10月20日
Towards Using Package Centrality Trend to Identify Packages in Decline
Arxiv
0+阅读 · 2021年10月19日
Continuous Control with Action Quantization from Demonstrations
Arxiv
0+阅读 · 2021年10月19日
Machine Covering in the Random-Order Model
Arxiv
0+阅读 · 2021年10月18日
What can we learn from universal Turing machines?
Arxiv
0+阅读 · 2021年10月16日
Non-existing and ill-behaved coequalizers of locally ordered spaces
Arxiv
0+阅读 · 2021年10月15日
Learning and Planning in Complex Action Spaces
Arxiv
4+阅读 · 2021年4月13日
Interpretable Active Learning
Interpretable Active Learning
Arxiv
3+阅读 · 2018年6月24日
Reinforcement Learning for Solving the Vehicle Routing Problem
Arxiv
3+阅读 · 2018年5月21日
Top
微信扫码咨询专知VIP会员
Top