新型分区方法改进星形差异

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

分析

本文介绍了一种新的空间分区方法，与抖动采样等现有方法相比，该方法可以生成具有较低预期星形差异的点集。这很重要，因为较低的星形差异意味着更好的均匀性，并且可能在数值积分和拟蒙特卡罗方法等应用中提高性能。本文还提供了改进的预期星形差异上限。
引用 / 来源
查看原文
"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
* 根据版权法第32条进行合法引用。
较旧

R&D Networks under Heterogeneous Firm Productivities

较新

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

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv