排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
本文研究在基数约束下具有单调性的次模+超模函数最大化问题的流模型。该问题在数据处理、机器学习和人工智能等方面都有广泛应用。借助于目标函数的收益递减率($\gamma$),我们设计了单轮读取数据的过滤-流算法,并结合次模、超模函数的全局曲率($\kappa^{g}$)得到算法的近似比为$\min\left\{\frac{(1-\varepsilon)\gamma}{2^{\gamma}},1-\frac{\gamma}{2^{\gamma}(1-\kappa^{g})^{2}}\right\}$。数值实验验证了过滤-流算法对BP最大化问题的有效性并且得出:次模函数和超模函数在同量级条件下,能保证在较少的时间内得到与贪婪算法相同的最优值。 相似文献
2.
本文研究在基数约束下具有单调性的次模+超模函数最大化问题的流模型。该问题在数据处理、机器学习和人工智能等方面都有广泛应用。借助于目标函数的收益递减率($\gamma$),我们设计了单轮读取数据的过滤-流算法,并结合次模、超模函数的全局曲率($\kappa^{g}$)得到算法的近似比为$\min\left\{\frac{(1-\varepsilon)\gamma}{2^{\gamma}},1-\frac{\gamma}{2^{\gamma}(1-\kappa^{g})^{2}}\right\}$。数值实验验证了过滤-流算法对BP最大化问题的有效性并且得出:次模函数和超模函数在同量级条件下,能保证在较少的时间内得到与贪婪算法相同的最优值。 相似文献
1