会员服务
数值分析 ·
2021 年 8 月 17 日
Evaluating the sum of positive series
翻译：评估正数系列的总和
Vyacheslav M. Abramov
Vyacheslav M. Abramov
from arxiv, 10 pages, 5 tables, 11 references. In the first submitted version, the third column in Table 5 was biased. Now it is correct. As well, the parts of the text are corrected

We provide numerical procedures for possibly best evaluating the sum of positive series. Our procedures are based on the application of a generalized version of Kummer's test.


翻译：我们为最佳评估正数序列之和提供了数字程序,我们的程序基于对Kummer测试的通用版本的应用。
0
下载
关闭预览

相关内容

【干货书】机器学习速查手册，135页pdf
【干货书】机器学习速查手册，135页pdf
专知会员服务
129+阅读 · 2020年11月20日
不可错过！UIUC最新《统计强化学习》课程！
专知会员服务
55+阅读 · 2020年9月7日
KDD20 | AM-GCN：自适应多通道图卷积网络
KDD20 | AM-GCN：自适应多通道图卷积网络
专知会员服务
40+阅读 · 2020年8月26日
【快讯】ICML 2020论文出炉，1088篇上榜， 你的paper中了吗？
【快讯】ICML 2020论文出炉，1088篇上榜， 你的paper中了吗？
专知会员服务
52+阅读 · 2020年6月1日
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
专知会员服务
96+阅读 · 2020年3月12日
抢鲜看！13篇CVPR2020论文链接/开源代码/解读
抢鲜看！13篇CVPR2020论文链接/开源代码/解读
专知会员服务
50+阅读 · 2020年2月26日
基于图的word2vec负采样( GNEG:Graph-Based Negative Sampling for word2vec)
基于图的word2vec负采样( GNEG:Graph-Based Negative Sampling for word2vec)
专知会员服务
40+阅读 · 2019年11月23日
【AAAI2020论文】使用GANs生成科学文章的关键短语（Keyphrase Generation for Scientific Articles using GANs）
【AAAI2020论文】使用GANs生成科学文章的关键短语（Keyphrase Generation for Scientific Articles using GANs）
专知会员服务
22+阅读 · 2019年11月15日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
50+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
60+阅读 · 2019年10月17日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
44+阅读 · 2019年1月3日
【代码资源】GAN | 七份最热GAN文章及代码分享（Github 1000+Stars）
【代码资源】GAN | 七份最热GAN文章及代码分享（Github 1000+Stars）
专知
13+阅读 · 2018年6月24日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
gan生成图像at 1024² 的 代码 论文
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】用Tensorflow理解LSTM
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
多高的AUC才算高？
多高的AUC才算高？
ResysChina
7+阅读 · 2016年12月7日
Quantifying With Only Positive Training Data
Arxiv
0+阅读 · 2021年10月12日
RePAD: Real-time Proactive Anomaly Detection for Time Series
Arxiv
0+阅读 · 2021年10月12日
A differential approach to detecting projective equivalences and symmetries of rational 3D curves
A differential approach to detecting projective equivalences and symmetries of rational 3D curves
Arxiv
0+阅读 · 2021年10月11日
A tractable class of Multivariate Phase-type distributions for loss modeling: Theoretical developments
Arxiv
0+阅读 · 2021年10月11日
Random Subgraph Detection Using Queries
Arxiv
0+阅读 · 2021年10月8日
EVAGAN: Evasion Generative Adversarial Network for Low Data Regimes
Arxiv
0+阅读 · 2021年10月8日
Exploiting Synthetically Generated Data with Semi-Supervised Learning for Small and Imbalanced Datasets
Arxiv
3+阅读 · 2019年3月24日
Testing Matrix Rank, Optimally
Arxiv
3+阅读 · 2018年10月18日
A Framework for Evaluating 6-DOF Object Trackers
Arxiv
6+阅读 · 2018年3月28日
Progressive Growing of GANs for Improved Quality, Stability, and Variation
Arxiv
3+阅读 · 2017年11月3日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
数值分析
最新内容
博士论文 | 面向大模型推理的内存高效算法
博士论文 | 面向大模型推理的内存高效算法
专知会员服务
2+阅读 · 7月27日
论文解读 | 从预训练到后训练：理解大模型推理能力如何形成
论文解读 | 从预训练到后训练：理解大模型推理能力如何形成
专知会员服务
3+阅读 · 7月27日
《无人系统互操作性导论——无人系统联合架构（JAUS）》
《无人系统互操作性导论——无人系统联合架构（JAUS）》
专知会员服务
10+阅读 · 7月27日
美空军新型反无人机部队初探
美空军新型反无人机部队初探
专知会员服务
7+阅读 · 7月27日
《对抗性电磁环境下远程巡飞弹作战的安全指挥与控制数据链》
《对抗性电磁环境下远程巡飞弹作战的安全指挥与控制数据链》
专知会员服务
6+阅读 · 7月27日
《北约下一代建模与仿真（NexGen M&S）计划》2026年69页
《北约下一代建模与仿真（NexGen M&S）计划》2026年69页
专知会员服务
4+阅读 · 7月27日
《防空交战流程的概率建模研究》
《防空交战流程的概率建模研究》
专知会员服务
10+阅读 · 7月27日
ICML 2026 教程 | 数值优化理论还重要吗？
ICML 2026 教程 | 数值优化理论还重要吗？
专知会员服务
6+阅读 · 7月26日
ICM 2026 | 陶哲轩：人工智能时代的数学
ICM 2026 | 陶哲轩：人工智能时代的数学
专知会员服务
9+阅读 · 7月26日
《面向可扩展高韧性无人机集群网络的速度感知分层通信框架》
《面向可扩展高韧性无人机集群网络的速度感知分层通信框架》
专知会员服务
8+阅读 · 7月26日
《面向概率推理的可定制战术引擎及其在军事任务规划中的应用》
《面向概率推理的可定制战术引擎及其在军事任务规划中的应用》
专知会员服务
11+阅读 · 7月26日
《先进防空系统选型战略框架：基于巴基斯坦的实证启示》
《先进防空系统选型战略框架：基于巴基斯坦的实证启示》
专知会员服务
8+阅读 · 7月26日
《反无人机交战场景下的战斗归零研究》
《反无人机交战场景下的战斗归零研究》
专知会员服务
7+阅读 · 7月26日
霍尔木兹与不对称作战时代：水雷、无人系统与海军力量的重新定义
霍尔木兹与不对称作战时代：水雷、无人系统与海军力量的重新定义
专知会员服务
4+阅读 · 7月26日
博士论文 | 用代码结构感知方法推进代码大模型
博士论文 | 用代码结构感知方法推进代码大模型
专知会员服务
6+阅读 · 7月25日
相关VIP内容
【干货书】机器学习速查手册，135页pdf
【干货书】机器学习速查手册，135页pdf
专知会员服务
129+阅读 · 2020年11月20日
不可错过！UIUC最新《统计强化学习》课程！
专知会员服务
55+阅读 · 2020年9月7日
KDD20 | AM-GCN：自适应多通道图卷积网络
KDD20 | AM-GCN：自适应多通道图卷积网络
专知会员服务
40+阅读 · 2020年8月26日
【快讯】ICML 2020论文出炉，1088篇上榜， 你的paper中了吗？
【快讯】ICML 2020论文出炉，1088篇上榜， 你的paper中了吗？
专知会员服务
52+阅读 · 2020年6月1日
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
专知会员服务
96+阅读 · 2020年3月12日
抢鲜看！13篇CVPR2020论文链接/开源代码/解读
抢鲜看！13篇CVPR2020论文链接/开源代码/解读
专知会员服务
50+阅读 · 2020年2月26日
基于图的word2vec负采样( GNEG:Graph-Based Negative Sampling for word2vec)
基于图的word2vec负采样( GNEG:Graph-Based Negative Sampling for word2vec)
专知会员服务
40+阅读 · 2019年11月23日
【AAAI2020论文】使用GANs生成科学文章的关键短语（Keyphrase Generation for Scientific Articles using GANs）
【AAAI2020论文】使用GANs生成科学文章的关键短语（Keyphrase Generation for Scientific Articles using GANs）
专知会员服务
22+阅读 · 2019年11月15日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
50+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
60+阅读 · 2019年10月17日
热门VIP内容
相关资讯
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
44+阅读 · 2019年1月3日
【代码资源】GAN | 七份最热GAN文章及代码分享（Github 1000+Stars）
【代码资源】GAN | 七份最热GAN文章及代码分享（Github 1000+Stars）
专知
13+阅读 · 2018年6月24日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
gan生成图像at 1024² 的 代码 论文
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】用Tensorflow理解LSTM
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
多高的AUC才算高？
多高的AUC才算高？
ResysChina
7+阅读 · 2016年12月7日
相关论文
Quantifying With Only Positive Training Data
Arxiv
0+阅读 · 2021年10月12日
RePAD: Real-time Proactive Anomaly Detection for Time Series
Arxiv
0+阅读 · 2021年10月12日
A differential approach to detecting projective equivalences and symmetries of rational 3D curves
A differential approach to detecting projective equivalences and symmetries of rational 3D curves
Arxiv
0+阅读 · 2021年10月11日
A tractable class of Multivariate Phase-type distributions for loss modeling: Theoretical developments
Arxiv
0+阅读 · 2021年10月11日
Random Subgraph Detection Using Queries
Arxiv
0+阅读 · 2021年10月8日
EVAGAN: Evasion Generative Adversarial Network for Low Data Regimes
Arxiv
0+阅读 · 2021年10月8日
Exploiting Synthetically Generated Data with Semi-Supervised Learning for Small and Imbalanced Datasets
Arxiv
3+阅读 · 2019年3月24日
Testing Matrix Rank, Optimally
Arxiv
3+阅读 · 2018年10月18日
A Framework for Evaluating 6-DOF Object Trackers
Arxiv
6+阅读 · 2018年3月28日
Progressive Growing of GANs for Improved Quality, Stability, and Variation
Arxiv
3+阅读 · 2017年11月3日
Top
微信扫码咨询专知VIP会员
Top