精选理由
该结果统一了高斯表面理论与L1逼近的度界，为非负多项式在平滑学习中的应用提供了理论基础，对理论计算机科学中指标函数逼近研究具有参考价值。
该论文研究了高斯分布下非负L1逼近多项式的存在性。非负L1逼近多项式要求多项式在逼近指示函数时保持非负性，比标准L1逼近更强，但比夹逼多项式更弱。作者证明：任何高斯表面积为Γ的标准高斯集类，都存在次数为O~(Γ²/ε²)的非负多项式实现ε-L1逼近。该结果与非负性约束下的最佳已知度界匹配，为非正例的平滑学习等应用提供了理论支撑。
AI 翻译 · 中文
该论文研究了高斯分布下非负L1逼近多项式的存在性。非负L1逼近多项式要求多项式在逼近指示函数时保持非负性，比标准L1逼近更强，但比夹逼多项式更弱。作者证明：任何高斯表面积为Γ的标准高斯集类，都存在次数为O~(Γ²/ε²)的非负多项式实现ε-L1逼近。该结果与非负性约束下的最佳已知度界匹配，为非正例的平滑学习等应用提供了理论支撑。