中文

算术代数正则化引理

机器学习 2024-12-30 v1

摘要

我们给出一个算术正则化引理,适用于有限域中可定义的群,类似于 Tao 于有限域中可定义图的“代数正则化引理”。更具体地说,我们证明了对于任意M>0M>0,任意有限域F\mathbf{F},以及F\mathbf{F}中可定义的群(G,)(G,\cdot)和可定义子集DGD\subseteq G,其中复杂度至多为MM,存在一个正规可定义子群HGH\leqslant G,指数与复杂度为OM(1)O_M(1),使得以下内容成立:对于任意余集V,WV,W,二分图(V,W,xy1D)(V,W,xy^{-1}\in D)OM(F1/2)O_M(|\mathbf{F}|^{-1/2})-准随机的。各种类似的正则化条件也随之得出;例如,对于任意gGg\in G,傅里叶系数1^HDg(π)op||\widehat{1}_{H\cap Dg}(\pi)||_{\mathrm{op}}OM(F1/8)O_M(|\mathbf{F}|^{-1/8}),其中π\piHH的每个非平凡不可约表示。

关键词

引用

@article{arxiv.2412.11205,
  title  = {Concept Learning in the Wild: Towards Algorithmic Understanding of Neural Networks},
  author = {Elad Shoham and Hadar Cohen and Khalil Wattad and Havana Rika and Dan Vilenchik},
  journal= {arXiv preprint arXiv:2412.11205},
  year   = {2024}
}