新しい分割法によるスター不一致の改善

Research Paper#Computational Geometry, Quasi-Monte Carlo Methods, Sampling🔬 Research|分析: 2026年1月3日 18:59•
公開: 2025年12月29日 09:39
•
1分で読める
•ArXiv

分析

この論文は、ジッタリングサンプリングなどの既存の方法と比較して、より低い期待スター不一致を持つ点集合を生成する新しい空間分割法を紹介しています。これは、低いスター不一致がより良い均一性を意味し、数値積分や準モンテカルロ法などのアプリケーションでパフォーマンスが向上する可能性があるため重要です。この論文はまた、期待スター不一致の改善された上限を提供します。
引用・出典
原文を見る
"The paper proves that the new partition sampling method yields stratified sampling point sets with lower expected star discrepancy than both classical jittered sampling and simple random sampling."
A
ArXiv2025年12月29日 09:39
* 著作権法第32条に基づく適法な引用です。
古い記事

R&D Networks under Heterogeneous Firm Productivities

新しい記事

CME-CAD: Heterogeneous Collaborative Multi-Expert Reinforcement Learning for CAD Code Generation

関連分析

Research Paper

SpaceTimePilot：空間と時間の制御による生成ビデオレンダリング

2026年1月3日 06:10

Research Paper

量子カオスハミルトニアン進化におけるランダム性生成

2026年1月3日 06:10

Research Paper

GaMO：幾何学認識拡散を用いた疎視点3D再構成

2026年1月3日 06:32

原文: ArXiv