Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2506.01746

帮助 | 高级搜索

数学 > 概率

arXiv:2506.01746 (math)
[提交于 2025年6月2日 ]

标题: 最优Bregman量化:重新审视最优量化器的存在性和唯一性

标题: Optimal Bregman quantization : existence and uniqueness of optimal quantizers revisited

Authors:Guillaume Boutoille, Gilles Pagès
摘要: 本文重新探讨了关于Bregman散度的 $L^r$ -最优量化存在定理,即 $r\ge 2$,我们建立了生成散度的严格凸函数在较轻的假设下最优量化器的存在性,特别是在二次情形(\($r=2$\))下。 然后我们证明了一个类似于Trushkin的一维唯一性定理,适用于强单峰分布和由严格凸函数生成的散度,这些函数的三阶导数要么是严格 $\log$ -凸的,要么是 $\log$ -凹的。
摘要: In this paper we revisit the exsistence theorem for $L^r$-optimal quantization, $r\ge 2$, with respect to a Bregman divergence: we establish the existence of optimal quantizaers under lighter assumptions onthe strictly convex function which generates the divergence, espcially in the quadratic case ($r=2$). We then prove a uniqueness theorem ``\`a la Trushkin'' in one dimension for strongly unimodal distributions and divergences gerated by strictly convex functions whiose thire dervative is either stictly $\log$-convex or $\log$-concave.
评论: 44p
主题: 概率 (math.PR)
引用方式: arXiv:2506.01746 [math.PR]
  (或者 arXiv:2506.01746v1 [math.PR] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.01746
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Gilles Pagès [查看电子邮件]
[v1] 星期一, 2025 年 6 月 2 日 14:53:48 UTC (707 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math.PR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号