25 具有+ 1,-1项的矩阵A的符号秩是矩阵B的最小秩(在实数上),矩阵B与A具有相同的符号模式(即,对于所有i ,,j)。这个概念对于交流复杂性和学习理论很重要。一种我Ĵ乙我Ĵ> 0AijBij>0我,Ĵi,j 我的问题是:是否有任何已知的(次指数时间)算法将矩阵的符号秩近似为?o (n )o(n) (我知道就频谱范数而言,Forster在符号秩上的下限,但这通常不会产生比更好的逼近比。)Ω (n )Ω(n) lg.learning open-problem communication-complexity matrices — 莫里兹 source
17 我相信这是一个悬而未决的问题。 Lee和Schraibman在“近似秩的近似算法”中指出,可以通过多项式时间算法将近似秩近似为一个常数因子。要做到这一点,这涉及一个半定规划量的近似级别,其中α是一些有限的参数大于1,以α为无穷大的极限产生符号秩但其结果并不在此给什么设置。γα2γ2ααααα — 阿纳布 source
12 Alon,Moran和Yehudayoff的最新工作给出了近似算法。令d为符号矩阵S的VC维。这个想法是O(n/logn)O(n/logn)ddSS 存在一个高效计算矩阵与符号图案š使得ř 一个Ñ ķ中号= Ö (Ñ 1 - 1 / d) ;MMSSrank M=O(n1−1/d)rank M=O(n1−1/d) 的符号秩至少为d。SSdd MMO(n1−1/d/d)O(n1−1/d/d)d=Θ(logn)d=Θ(logn) — 萨肖·尼科洛夫(Sasho Nikolov) source