Near-Optimal Learning of Gaussian Sobolev Operators
यह शोध पत्र हर्मिट-PCA (Hermite-PCA) प्रस्तुत करता है, जो एक पूर्णतः डेटा-संचालित और गणनात्मक रूप से कुशल एल्गोरिदम है जो गॉसियन सोबोलेव ऑपरेटरों (Gaussian Sobolev operators) को सीखने के लिए निकट-इष्टतम, स्पेक्ट्रल नमूना जटिलता (spectral sample complexity) प्राप्त करता है, जो परिमित रूप से नियमित ऑपरेटरों (finitely regular operators) से जुड़ी नमूना जटिलता की अंतर्निहित अभिशाप (curse) पर विजय प्राप्त करता है।