Zoloflow
一种结合椭圆调度与定制离散化的采样算法,基于Zolotarev最优有理函数逼近,能在给定函数评估次数下最小化近似误差。
时间轴 (近 90 天)
研究提出基于ODE轨迹解析性质的新框架,通过共形映射导出椭圆调度族,并搭配定制离散化得到Zoloflow算法。
Zoloflow算法将椭圆调度与一种定制离散化结合,该离散化与Zolotarev最优有理函数逼近密切相关,能在给定函数评估次数下最小化近似误差。
对于高斯目标,Zoloflow在所有oblivious score-span算法中达到极小极大最优,以总变差误差ε采样所需的精确分数查询次数为Θ(logκ log(√d/ε))。
oblivious score-span算法指步长序列与查询点不依赖于分数函数实时输出的采样算法,Zoloflow属于此类,因此其复杂度下界具有普适性。
作者在合成基准和现有图像生成数据集上实验,验证椭圆调度在条件数较大时采样质量更高,且与Zoloflow搭配时计算效率更优。
全部知识事实 (5)
研究提出基于ODE轨迹解析性质的新框架,通过共形映射导出椭圆调度族,并搭配定制离散化得到Zoloflow算法。
50%待验证Zoloflow算法将椭圆调度与一种定制离散化结合,该离散化与Zolotarev最优有理函数逼近密切相关,能在给定函数评估次数下最小化近似误差。
50%待验证对于高斯目标,Zoloflow在所有oblivious score-span算法中达到极小极大最优,以总变差误差ε采样所需的精确分数查询次数为Θ(logκ log(√d/ε))。
50%待验证oblivious score-span算法指步长序列与查询点不依赖于分数函数实时输出的采样算法,Zoloflow属于此类,因此其复杂度下界具有普适性。
50%待验证作者在合成基准和现有图像生成数据集上实验,验证椭圆调度在条件数较大时采样质量更高,且与Zoloflow搭配时计算效率更优。
50%