Zobrazeno 1 - 10
of 24
pro vyhledávání: '"Pensyl, Thomas"'
The current best approximation algorithms for $k$-median rely on first obtaining a structured fractional solution known as a bi-point solution, and then rounding it to an integer solution. We improve this second step by unifying and refining previous
Externí odkaz:
http://arxiv.org/abs/2210.13395
Publikováno v:
Journal of Machine Learning Research 20(153), pp. 1-33 (2019)
We consider stochastic settings for clustering, and develop provably-good approximation algorithms for a number of these notions. These algorithms yield better approximation ratios compared to the usual deterministic clustering setting. Additionally,
Externí odkaz:
http://arxiv.org/abs/1809.02271
In this paper, we give tight approximation algorithms for the $k$-center and matroid center problems with outliers. Unfairness arises naturally in this setting: certain clients could always be considered as outliers. To address this issue, we introdu
Externí odkaz:
http://arxiv.org/abs/1710.00287
Publikováno v:
Journal of Machine Learning Research 23(81), pp. 1-41 (2022)
Clustering problems are fundamental to unsupervised learning. There is an increased emphasis on fairness in machine learning and AI; one representative notion of fairness is that no single demographic group should be over-represented among the cluste
Externí odkaz:
http://arxiv.org/abs/1709.06995
We consider an issue of much current concern: could fairness, an issue that is already difficult to guarantee, worsen when algorithms run much of our lives? We consider this in the context of resource-allocation problems, we show that algorithms can
Externí odkaz:
http://arxiv.org/abs/1704.06528
Publikováno v:
Proceedings of ACM-Siam Symposium on Discrete Algorithms (SODA), pages 737-756, 2015
Dependent rounding is a useful technique for optimization problems with hard budget constraints. This framework naturally leads to \emph{negative correlation} properties. However, what if an application naturally calls for dependent rounding on the o
Externí odkaz:
http://arxiv.org/abs/1406.2951
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.