รับ


11

นี่คือปัญหาที่มีรสชาติคล้ายกับการเรียนรู้ juntas:

การป้อนข้อมูล:ฟังก์ชั่น , ตัวแทนจาก oracle สมาชิกคือ oracle ที่ได้รับxผลตอบแทนF ( x )f:{0,1}n{1,1}xf(x)

เป้าหมาย:ค้นหา subcube Sของ{0,1}nด้วยโวลุ่ม|S|=2nkเช่นนั้น|ExSf(x)|0.1 0.1 เราสมมติว่ามี subcube อยู่

มันง่ายที่จะได้อัลกอริธึมที่ทำงานในเวลาnO(k)และส่งกลับคำตอบที่ถูกต้องด้วยความน่าจะเป็น0.99โดยลองใช้วิธีทั้งหมด(2n)kเพื่อเลือก subcube และสุ่มตัวอย่างค่าเฉลี่ยในแต่ละอัน

ฉันสนใจในการหาอัลกอริทึมที่วิ่งในเวลาpoly(n,2k) ) อีกทางเลือกหนึ่งขอบเขตที่ต่ำกว่าจะดี ปัญหามีรสชาติคล้ายกับการเรียนรู้ juntas แต่ฉันไม่เห็นการเชื่อมต่อที่แท้จริงระหว่างความยากลำบากในการคำนวณของพวกเขา

ปรับปรุง: @Thomas ด้านล่างพิสูจน์ให้เห็นว่าความซับซ้อนตัวอย่างของปัญหานี้คือ ) ปัญหาที่น่าสนใจก็คือความซับซ้อนของปัญหาpoly(2k,logn)

แก้ไข: คุณสามารถสมมติความเรียบง่ายที่มี subcube ด้วย (สังเกตช่องว่าง: เรากำลังมองหา subcube ที่มีค่าเฉลี่ย0.1 ) ฉันค่อนข้างมั่นใจว่าการแก้ปัญหาด้วยช่องว่างนั้นจะแก้ปัญหาได้โดยไม่ต้องมีช่องว่าง|ExSf(x)|0.20.1

คำตอบ:


7

นี่คือขอบเขตที่ดีกว่าของความซับซ้อนตัวอย่าง (แม้ว่าความซับซ้อนในการคำนวณยังคงเป็น .)nk

ทฤษฎีบท. สมมติว่ามี subcube ขนาด2 n - k อยู่เช่นนั้น| E x S [ f ( x ) ] | 0.12 ด้วยตัวอย่างO ( 2 kk log n )เราสามารถทำได้โดยมีความน่าจะเป็นสูงระบุ subcube S ขนาด2 n - kเช่นนั้น| E x S [ fS2nk|ExS[f(x)]|0.12O(2kklogn)S2nk|ExS[f(x)]|0.1

0.120.1

mP{0,1}nfxP

S2nkE[|SP|]=m2k

P[|SP|<m2k1]2Ω(m2k).
P[|ExSP[f(x)]ExS[f(x)]|>ε]2Ω(|SP|ε2).

ด้วยการรวมกันตัวเลือกทั้งหมดเรามีดังนั้นโดยการเลือกเราสามารถมั่นใจได้ว่าด้วยความน่าจะเป็นอย่างน้อยเราสามารถประมาณภายในสำหรับ subcubes ทั้งหมดขนาด{}(nk)2kS

P[S  |ExSP[f(x)]ExS[f(x)]|ε]1(nk)2k2Ω(m2kε2).
m=O(2k/ε2klogn)0.99ExS[f(x)]εS2nk

การตั้งค่าเราพิสูจน์ทฤษฎีบท: การเลือก subcube ที่ใหญ่ที่สุดจะมีโอกาสสูงที่จะตอบสนองความต้องการ QEDε=0.01|ExSP[f(x)]|


1
โอ้ววววข้างี่เง่ายังไง: ใช่ความคิดพื้นฐานคือถ้าคุณลองคะแนนจากนั้นคาดหวังของพวกเขาจะอยู่ในแต่ละ subcube ดังนั้นด้วยค่าที่น้อยที่สุด ขนาดของกลุ่มตัวอย่างเพียงพอที่จะแก้ปัญหาแม้กระทั่งหลังการรวมตัวกันเหนือขอบเขตทั้งหมด Chernoff นอกจากนี้ฉันค่อนข้างแน่ใจว่าโซลูชันใด ๆ ที่สามารถปรับได้เพื่อกำจัดช่องว่างระหว่าง 0.1 และ 0.12 ดังนั้นฉันจะเพิ่มนี่เป็นความคิดเห็นสำหรับคำถาม ขอบคุณ !! C2kCCnk
mobius dumpling

3
อีกวิธีหนึ่งในการดูสิ่งนี้ก็คือพื้นที่ของช่วงที่คุณอธิบายนั้นมีมิติของการแบ่งเป็นสัดส่วนและดังนั้นจึง จำกัด ขอบเขตของมิติ VC จากนั้นคุณจึงโยนทฤษฎีบท eps-Approximation ที่มัน
Suresh Venkat
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.