Let $X_N$ be an $N$-dimensional subspace of $L_2$ functions on a probability space $(\Omega, \mu)$ spanned by a uniformly bounded Riesz basis $\Phi_N$. Given an integer $1\leq v\leq N$ and an exponent $1\leq q\leq 2$, we obtain universal discretization for integral norms $L_q(\Omega,\mu)$ of functions from the collection of all subspaces of $X_N$ spanned by $v$ elements of $\Phi_N$ with the number $m$ of required points satisfying $m\ll v(\log N)^2(\log v)^2$. This last bound on $m$ is much better than previously known bounds which are quadratic in $v$. Our proof uses a conditional theorem on universal sampling discretization, and an inequality of entropy numbers in terms of greedy approximation with respect to dictionaries.


翻译:$X_N$应该是以统一约束的Riesz 基数为单位的以美元为单位的以美元为单位的以美元为单位的以美元为单位的二维子空间, 以美元为单位。 鉴于整数 1\leq v\leq N$ 和1\leq q\leq 2美元为单位的Expententent $@leq q\leq 2美元, 我们从收集所有以美元为单位的以美元为单位的以美元为单位的以美元为单位的以美元为单位的以美元为单位的单位的以美元为单位的单位的以美元为单位的子空间获得全方位的功能离散化。 鉴于一个整数为1\leq v\leq 2美元的整数是1\leq q q\leq $, 我们从收集的所有以美元为单位的以美元为单位的以美元为单位的以美元为单位的以美元为单位的单位的以美元为单位的单位的单位, 以美元为单位以美元为单位以美元为单位的单位,以美元为单位以美元为单位,以美元为单位以美元为单位以美元为单位计算,以美元为单位以美元为单位计算,以美元为单位以美元为单位,以美元为单位以美元为单位,以美元为单位,以美元为单位的单位的单位以美元为单位以美元为单位,以美元为单位的单位的单位的单位计算以美元为单位的单位的单位的单位的单位的单位的单位的单位的单位的单位的单位的单位的单位的单位,以美元为单位的单位的单位的单位的单位的单位的单位的单位的单位的单位的单位的单位的单位的单位的单位的单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位的单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位为单位的单位为单位为单位为单位为单位为单位为单位为单位为单位为单位计算

0
下载
关闭预览

相关内容

专知会员服务
38+阅读 · 2021年5月30日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
50+阅读 · 2020年12月14日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
3+阅读 · 2018年10月18日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员