วิทยาศาสตร์คอมพิวเตอร์

หลังจากอ่านความสำเร็จของgoogle deepmind ในเกมของอาตาริฉันพยายามเข้าใจ q-learning และ q-Networks แต่ฉันสับสนเล็กน้อย ความสับสนเกิดขึ้นในแนวคิดของปัจจัยส่วนลด สรุปโดยย่อของสิ่งที่ฉันเข้าใจ โครงข่ายประสาทเทียมแบบฝังลึกจะใช้ในการประเมินมูลค่าของค่าที่คาดหวังที่เหมาะสมที่สุดของการกระทำ เครือข่ายต้องลดฟังก์ชั่นการสูญเสียให้น้อยที่สุด โดยที่ E s ′ [ y | s , a ]คือ E [ r + γ m a x a ′ Q ( s ′ , a ′ ; θ - i ) | s,a] โดยที่Qคือค่าคะแนนสะสมและrคือค่าคะแนนสำหรับการกระทำที่เลือก s,aและ sLi=Es,a,r[(Es′[y|s,a]−Q(s,a;θi))2]Li=Es,a,r[(Es′[y|s,a]−Q(s,a;θi))2] L_i=\mathbb{E}_{s,a,r}\left[(\mathbb{E}_{s'}\left[y|s,a\right]-Q(s,a;\theta_i))^2\right] …

10 artificial-intelligence  neural-networks  reinforcement-learning 

มีวิธีการแยกวิเคราะห์แบบคลุมเครือ (ยอมรับสตริงแม้มีความผิดพลาดในการแก้ไขระยะทางที่แน่นอน) ด้วย DFA และ Levenshtein Automata ที่สร้างขึ้นในเวลาทำงานของคำที่ป้อนเข้า สิ่งที่คล้ายกันสามารถทำได้ด้วยการแยกวิเคราะห์ Earley? ฉันพบว่ามันยากที่จะเข้าใจอัลกอริทึมให้ตอบคำถามนี้โดยลำพัง

10 algorithms  context-free  finite-automata  parsers  string-metrics 

ฉันอ่านระบบปฏิบัติการโดย Galvin และพบว่าบรรทัดด้านล่าง ไม่ใช่ว่ารัฐที่ไม่ปลอดภัยทั้งหมดล้วน แต่มีการหยุดชะงัก สถานะที่ไม่ปลอดภัยอาจนำไปสู่การหยุดชะงัก ใครช่วยกรุณาอธิบายว่าdeadlock! =รัฐไม่ปลอดภัยได้อย่างไร ฉันยังจับบรรทัดเดียวกันตรงนี้ด้วย หากไม่มีลำดับที่ปลอดภัยแสดงว่าระบบอยู่ในสถานะไม่ปลอดภัยซึ่งอาจนำไปสู่การหยุดชะงัก (สถานะที่ปลอดภัยทั้งหมดปราศจากการหยุดชะงัก แต่ไม่ใช่ทุกรัฐที่ไม่ปลอดภัยจะนำไปสู่การหยุดชะงัก)

10 operating-systems  deadlocks 

ในตัวแยกวิเคราะห์ LR (0) แต่ละรัฐประกอบด้วยชุดของรายการ LR (0) ซึ่งเป็นการผลิตคำอธิบายประกอบพร้อมตำแหน่ง ในตัวแยกวิเคราะห์ LR (1) แต่ละรัฐประกอบด้วยชุดของรายการ LR (1) ซึ่งเป็นโปรดักชั่นที่มีคำอธิบายประกอบพร้อมตำแหน่งและตัวอักษร lookahead เป็นที่ทราบกันดีว่าเมื่อกำหนดสถานะในออโตเมต LR (1) ชุดการกำหนดค่าที่เกิดขึ้นจากการโยนโทเค็น lookahead จากแต่ละรายการ LR (1) ให้ชุดการกำหนดค่าที่สอดคล้องกับสถานะบางอย่างในออโต้ LR (0) ในแง่นั้นความแตกต่างที่สำคัญระหว่างหุ่นยนต์ LR (1) และหุ่นยนต์ LR (0) คือหุ่นยนต์ LR (1) มีสำเนาของสถานะต่าง ๆ ในหุ่นยนต์ LR (0) ซึ่งแต่ละอันมีหมายเหตุประกอบกับ lookahead ข้อมูล. ด้วยเหตุผลนี้ LR (1) ออโตมาตะสำหรับ CFG ที่กำหนดมักจะมีขนาดใหญ่กว่าตัวแยกวิเคราะห์ LR …

10 context-free  parsers  lr-k 

ฉันพยายามค้นหาคำตอบของคำถามสองข้อเกี่ยวกับเครื่องจักรทัวริงทัวริง เครื่องทัวริงทัวริงจำลองเครื่องทัวริงได้อย่างไรหากเครื่องที่กำลังทำการจำลองมีสถานะที่ใหญ่กว่า เครื่องจักรทัวริงทัวริงจำลองเครื่องทัวริงได้อย่างไรหากเครื่องที่กำลังทำการจำลองมีตัวอักษรจำนวนมากขึ้น ใครสามารถช่วยฉันด้วยคำถามเหล่านี้

10 computability  turing-machines  simulation  turing-completeness 

"ในตำแหน่งที่เป็นบวก" และ "ในตำแหน่งเชิงลบ" หมายถึงอะไรในบริบทของทฤษฎีประเภท? สิ่งเดียวที่ฉันเข้าใจจากโพสต์บล็อกของ Bob Harper ในหัวข้อคือมีการเชื่อมต่อระหว่างขั้วในแง่นี้ในทฤษฎีประเภทและขั้วในตรรกะ แต่ฉันไม่รู้ว่าการเชื่อมต่อนั้นคืออะไร

10 type-theory 

ฉันรู้ว่าปัญหาสูตรบูลีนเชิงปริมาณสำหรับสูตร โดยที่ไม่มีปริมาณและตัวแปรเป็นตัวอย่างของปัญหาที่สมบูรณ์ อย่างไรก็ตามฉันสงสัยว่ามีปัญหาตามธรรมชาติใด ๆ ที่รู้ว่าเป็น - สมบูรณ์เหมือนกับการลดขนาดวงจรเป็นปัญหาธรรมชาติ - ปัญหาที่สมบูรณ์ (ดูรายละเอียดลำดับชั้นพหุนาม )ψ=∀x1…∀xn∃y1…∃ynϕψ=∀x1…∀xn∃y1…∃ynϕ \psi = \forall x_1 \ldots \forall x_n \exists y_1 \ldots \exists y_n \phi ϕϕ\phix1,…,xn,y1,…,ynx1,…,xn,y1,…,ynx_1, \ldots, x_n, y_1, \ldots, y_nΠP2Π2P\Pi_2^PΠP2Π2P\Pi_2^PΣP2Σ2P\Sigma_2^P

10 complexity-classes 

เกี่ยวข้องกับเธรดการพิสูจน์ว่าการแปลงจาก CNF เป็น DNF คือ NP-Hard (และเธรด Mathที่เกี่ยวข้อง): แล้วทิศทางอื่นจาก DNF ถึง CNF ล่ะ? มันง่ายหรือยาก ในหน้า 2 ของบทความนี้พวกเขาบอกใบ้ว่าทั้งสองทิศทางนั้นยากพอ ๆ กันเมื่อพวกเขาพูดว่า " เราสนใจที่จะขยายขนาดสูงสุดเมื่อเปลี่ยนจากการเป็นตัวแทน CNF ไปเป็นตัวแทน DNF (หรือกลับกัน) " แต่ DNF-SAT อยู่ในPและ CNF-SAT เป็นNP- ที่สมบูรณ์ ให้ดังนั้นการแสดงออก DNF , ควรมีequisatisfiableแสดงออก CNF φ 2มีความยาวพหุนามในความยาวของφ 1 และϕ 1 →φ1φ1\phi_1φ2φ2\phi_2φ1φ1\phi_1สามารถทำได้ในเวลาโพลี ถูกต้องหรือไม่φ1→ ϕ2φ1→φ2\phi_1 \to \phi_2 แก้ไข: เปลี่ยนเทียบเท่ากับที่น่าพอใจ (นั่นคืออนุญาตให้ใช้ตัวแปรเพิ่มเติมได้ในφ2φ2\phi_2 …

10 complexity-theory  logic  satisfiability  normal-forms 

ปัญหาดังต่อไปนี้: เรามีอาร์เรย์ / ตารางจำนวนสองมิติแต่ละอันแสดงถึง "ผลประโยชน์" หรือ "ผลกำไร" นอกจากนี้เรายังมีสองจำนวนเต็มคงและ (สำหรับ "กว้าง" และ "ความสูง".) และเป็นจำนวนเต็มคงnH nwwwhhhnnn ตอนนี้เราต้องการที่จะซ้อนทับสี่เหลี่ยมขนาดในตารางดังกล่าวว่าผลรวมของค่าของเซลล์ในรูปสี่เหลี่ยมเหล่านี้เป็น maximizedw × hnnnw×hw×hw \times h ภาพต่อไปนี้เป็นตัวอย่างของตารางสองมิติที่มีรูปสี่เหลี่ยมผืนผ้าสองรูปซ้อนทับอยู่บนภาพ (รูปภาพไม่ได้แสดงวิธีแก้ปัญหาที่ดีที่สุดเพียงหนึ่งภาพซ้อนทับที่เป็นไปได้โดยที่และ )n = 2w=h=2w=h=2w = h = 2n=2n=2n = 2 รูปสี่เหลี่ยมผืนผ้าไม่สามารถตัดกันได้ (ไม่เช่นนั้นเราแค่ต้องการหาตำแหน่งที่เหมาะสมที่สุดสำหรับหนึ่งรูปสี่เหลี่ยมผืนผ้าแล้วใส่รูปสี่เหลี่ยมทั้งหมดในตำแหน่งนั้น) ในตัวอย่างข้างต้นผลรวมของค่าทั้งหมดในเซลล์จะเป็น−2+4.2+2.4+3.14+2.3−1.4+1−3.1−2+4.2+2.4+3.14+2.3−1.4+1−3.1-2 + 4.2 + 2.4 + 3.14 + 2.3 -1.4 + 1 - 3.1 สิ่งนี้คล้ายกับปัญหาใด ๆ ที่ทราบกันดีในการเพิ่มประสิทธิภาพ …

10 algorithms  optimization  combinatorics  approximation 

ฉันกำลังดูที่นี่และฉันสังเกตเห็นว่า runtime ที่ดีที่สุดสำหรับการคูณจำนวนสองบิตคือO ( n ⋅ log n ⋅ 2 O ( log ∗ n )แต่ฉันสามารถสังเกตเห็นอัลกอริธึมที่ทำงานในO ( n ⋅ )ได้อย่างง่ายดายเข้าสู่ระบบn )nnnO ( n ⋅ บันทึกn ⋅ 2O ( บันทึก* * * *n )O(n⋅log⁡n⋅2O(log∗⁡n)O(n\cdot \log n \cdot 2^{O(\log^* n)}O ( n ⋅ บันทึกn )O(n⋅log⁡n)O(n\cdot \log n) ท้ายที่สุดเรารู้วิธีคูณสองชื่อพหุนามจากดีกรีในรันไทม์O ( n log n …

10 runtime-analysis 

ฉันสงสัยว่ามีวิธีการวิเคราะห์รันไทม์อัตโนมัติที่ทำงานอย่างน้อยในชุดย่อยที่เกี่ยวข้องของอัลกอริทึม (อัลกอริทึมที่สามารถวิเคราะห์ได้) หรือไม่ ฉัน googled "การวิเคราะห์อัลกอริทึมอัตโนมัติ" ซึ่งทำให้ผมนี้แต่มันเป็น Mathy เกินไป ฉันแค่ต้องการตัวอย่างง่ายๆใน psuedocode ที่ฉันเข้าใจ อาจจะเฉพาะเจาะจงเกินไป แต่ฉันคิดว่ามันคุ้มค่ากับการยิง

10 algorithms  algorithm-analysis  reference-request  runtime-analysis 

ตัวอย่างทั่วไปของปัญหา NP-hard (clique, 3-SAT, cover vertex, ฯลฯ ) เป็นประเภทที่เราไม่ทราบว่าคำตอบคือ "ใช่" หรือ "ไม่" ล่วงหน้า สมมติว่าเรามีปัญหาที่เรารู้ว่าคำตอบคือใช่นอกจากนี้เราสามารถตรวจสอบพยานในเวลาพหุนาม เราสามารถหาพยานในเวลาพหุนามได้หรือไม่? หรือ "ปัญหาการค้นหา" นี้เป็นปัญหาหรือไม่

10 complexity-theory  np-hard  search-problem 

ปล่อยให้เป็นฟังก์ชั่นที่ค่อนข้างดี (เช่นต่อเนื่องสร้างความแตกต่างไม่ได้มีค่าสูงสุดในท้องถิ่นมากเกินไปอาจเป็นเว้า ฯลฯ ) ฉันต้องการหาค่าสูงสุดของf : ค่าx ∈ R dที่ทำให้f ( x )f:Rd→Rฉ:Rd→Rf:\mathbb{R}^d \to \mathbb{R}fฉfx ∈ Rdx∈Rdx \in \mathbb{R}^dฉ( x )ฉ(x)f(x)มีขนาดใหญ่ที่สุดเท่าที่จะเป็นไปได้ หากฉันมีขั้นตอนการประเมินแม่นยำเกี่ยวกับอินพุตที่ฉันเลือกฉันสามารถใช้เทคนิคการเพิ่มประสิทธิภาพทางคณิตศาสตร์แบบมาตรฐาน: การปีนเขา, การไล่ระดับสี (เช่น, การไล่ระดับสีขึ้น), ฯลฯ อย่างไรก็ตามในแอปพลิเคชันของฉัน วิธีประเมินf ( x )อย่างแน่นอน ฉันมีวิธีประเมินค่าของf ( x ) แทนฉฉfฉ( x )ฉ(x)f(x)ฉ( x )ฉ(x)f(x) ) โดยเฉพาะอย่างยิ่งใดก็ตามและใด ๆεฉันมีพยากรณ์ว่าออกจะประมาณการของF ( x )และมีข้อผิดพลาดคาดว่าจะอยู่ที่ประมาณε เวลาทำงานของภาวนา oracle นี้เป็นสัดส่วน1 …

10 optimization  approximation 

ปัญหาของการตัดสินใจว่าอินพุตเป็น palindrome หรือไม่ได้รับการพิสูจน์ว่าต้องการพื้นที่บนเครื่องทัวริง อย่างไรก็ตามการจัดเก็บอินพุตใช้พื้นที่ nดังนั้นนั่นหมายความว่าเครื่องทัวริงทั้งหมดต้องการพื้นที่Ω ( n )หรือไม่?Ω ( บันทึกn )Ω(เข้าสู่ระบบ⁡n)\Omega(\log n)nnnΩ ( n )Ω(n)\Omega(n) แน่นอนว่าไม่มีข้อขัดแย้งเนื่องจากฟังก์ชันใด ๆ ที่ใช้พื้นที่เชิงเส้นอย่างน้อยก็ใช้พื้นที่ลอการิทึมอย่างน้อย แต่การเขียนแนะนำว่าเป็นไปได้ที่เครื่องทัวริงจะใช้พื้นที่เชิงเส้นน้อยกว่า - เพราะเหตุใดผู้คนจึงใช้เวลาตลอดเวลาในการพิสูจน์Ω ( log n )ถ้านั่นเป็นสิ่งเดียวกันΩ ( n )เป็นเรื่องเล็กน้อย? ดังนั้นเครื่องทัวริงหมายความว่าอย่างไรที่ใช้พื้นที่เชิงเส้นน้อยกว่าΩ ( บันทึกn )Ω(เข้าสู่ระบบ⁡n)\Omega(\log n)Ω ( บันทึกn )Ω(เข้าสู่ระบบ⁡n)\Omega(\log n)Ω ( n )Ω(n)\Omega(n)

10 turing-machines  space-complexity 

วิธีหนึ่งในการดูนิพจน์ทั่วไปนั้นเป็นข้อพิสูจน์เชิงสร้างสรรค์ของข้อเท็จจริงต่อไปนี้: เป็นไปได้ที่จะสร้างภาษาปกติโดยเริ่มต้นด้วยชุดภาษาขนาดเล็กและรวมเข้าด้วยกันผ่านชุดคุณสมบัติการปิดแบบคงที่ขนาดเล็ก โดยเฉพาะถ้าเราเริ่มต้นด้วยภาษาที่ว่างเปล่าภาษาที่มีสตริงว่างและภาษาของสายอักขระตัวเดียวทั้งหมดเราสามารถรวบรวมภาษาปกติที่เป็นไปได้ทั้งหมดโดยใช้สหภาพการต่อเรียงและดาว Kleene มีชุดภาษาพื้นฐานและคุณสมบัติการปิดที่สามารถใช้เพื่อสร้างภาษาที่ไม่มีบริบททั้งหมดหรือไม่? (เพื่อชี้แจง: ฉันไม่ได้ถามว่าคุณสามารถเขียนนิพจน์ปกติสำหรับ CFL ทั้งหมดที่ฉันรู้ว่าเป็นไปไม่ได้แทน แต่ฉันสงสัยว่ามีวิธีในการออกแบบกรอบเหมือนนิพจน์ปกติสำหรับ CFLs หรือไม่ หลักการพื้นฐานเดียวกัน)

10 formal-languages  context-free  closure-properties  regular-expressions