Search

Current filters:

Search

  • previous
  • 1
  • next
Item hits:
  • Book; Book chapter; Dataset


  • Authors: Vũ Đức Thi (2012-12)

  • Cơ sở dữ liệu và khai phá dữ liệu là những hướng phát triển rất quan trọng trong lĩnh vực CNTT. Về thực chất dữ liệu đóng vai trò nền tảng nhất trong quá trình xử lý thông tin trên hệ thống máy tính. Lý thuyết cơ sở dữ liệu và việc ứng dụng lý thuyết này vào thực tiễn đã được phát triển và đạt được nhiều thành tựu ngay từ những năm 80 thế kỷ trước. Về bản chất lý thuyết cơ sở dữ liệu cung cấp cho chúng ta những kiến thức quan trọng nhất liên quan đến vấn đề tổ chức, thiết kế và xây dựng các hệ thống quản trị cơ sở dữ liệu. Trên nền tảng những kết quả đạt được trong lý thuyết này, các hãng máy tính của thế giới như IBM, Microsoft, Oracle, Apple, ... đã xây dựng những hệ thống quản trị cơ sở dữ liệu thương mại bán khắp nơi trên thị trường toàn cầu như SOL, Oracle, IBM DB2. Về một khía...

  • Book; Book chapter; Dataset


  • Authors: Dinh Dũng, Tino Ullrich (2012)

  • In this paper, we study linear trigonometric hyperbolic cross approximations, Kol-mogorov n-widths dn(W; H ), and "-dimensions n"(W; H ) of periodic d-variate func-tion classes W with anisotropic smoothness, where d may be large. We are interested in nding the accurate dependence of dn(W; H ) and n"(W; H ) as a function of two variables n, d and ", d, respectively. Recall that n, the dimension of the approximat-ing subspace, is the main parameter in the study of convergence rates with respect to n going to in nity. However, the parameter d may seriously affect this rate when d is large. We construct linear approximations of functions from W by trigonomet-ric polynomials with frequencies from hyperbolic crosses and prove upper bounds for the error measured in isotropic Sobolev spaces...

  • Book; Book chapter; Dataset


  • Authors: Dinh Dũng (2012)

  • We study optimal algorithms in adaptive continuous sampling recovery of smooth functions defined on the unit d-cube Id≔[0,1]d. Functions to be recovered are in Besov space . The recovery error is measured in the quasi-norm ‖⋅‖q of . For a set A⊂Lq, we define a sampling algorithm of recovery with the free choice of sample points and recovering functions from A as follows. For each , we choose n sample points which define n sampled values of f. Based on these sample points and sampled values, we choose a function from A for recovering f. The choice of n sample points and a recovering function from A for each defines an n-sampling algorithm . We suggest a new approach to investigate the optimal adaptive sampling recovery by in the sense of continuous non-linear n-widths which...

  • Book; Book chapter; Dataset


  • Authors: Dinh Dũng (2012)

  • Let Xn={xj}nj=1Xn={xj}j=1n be a set of n points in the d-cube Id:=[0,1]dId:=[0,1]d, and Φn={φj}nj=1Φn={φj}j=1n a family of n functions on IdId. We consider the approximate recovery of functions f on IdId from the sampled values f(x1),…,f(xn)f(x1),…,f(xn), by the linear sampling algorithm Ln(Xn,Φn,f):=∑nj=1f(xj)φj.Ln(Xn,Φn,f):=∑j=1nf(xj)φj.The error of sampling recovery is measured in the norm of the space Lq(Id)Lq(Id)-norm or the energy quasi-norm of the isotropic Sobolev space Wγq(Id)Wqγ(Id) for 10γ>0. Functions f to be recovered are from the unit ball in Besov-type spaces of an anisotropic smoothness, in particular, spaces Bα,βp,θBp,θα,β of a “hybrid” of mixed smoothness α>0α>0 and isotropic smoothness β∈Rβ∈R, and spaces Bap,θBp,θa of a nonuniform mixed smoothness ...