สตรีมมิ่ง derandomization


12

อัลกอริธึมการสตรีมจำเป็นต้องมีการสุ่มเพื่อให้ส่วนใหญ่ทำอะไรที่ไม่ใช่เรื่องเล็ก ๆ น้อย ๆ และเนื่องจากข้อ จำกัด ของพื้นที่ขนาดเล็กจำเป็นต้องมี PRG ที่ใช้พื้นที่น้อย ฉันรู้วิธีการสองวิธีที่ได้รับการอ้างถึงเพื่อใช้ในอัลกอริทึมของกระแสข้อมูล:

  • k -wise อิสระ PRGs เช่นครอบครัวอิสระ 4 คนที่ใช้โดย Alon / Matias / Szegedy สำหรับปัญหาการประมาณค่าF_2ดั้งเดิมF2และการวางหลักเกณฑ์ทั่วไปสำหรับวิธี 2- stabil -based สำหรับ (พูด) 2 sketching
  • PRG ของ Nisan ที่ทำงานโดยทั่วไปสำหรับปัญหาพื้นที่ขนาดเล็กทุกชนิด

ฉันสนใจวิธีการที่สามารถนำไปใช้ได้โดยเฉพาะ บนใบหน้าของมันทั้งสองวิธีข้างต้นดูเหมือนจะง่ายต่อการใช้ แต่ฉันอยากรู้ว่ามีคนอื่นออกมี

คำตอบ:


10

อัลกอริทึมการสตรีมบางอย่างใช้กราฟตัวขยาย นี่เป็นรูปแบบที่ค่อนข้างรุนแรงของการยกเลิกการสุ่มแม้ว่า (ไม่มีบิตสุ่มในหลักการ)


คุณมีการอ้างอิงสำหรับตัวอย่างดังกล่าวหรือไม่?
Suresh Venkat

3
หนึ่งในการอ้างอิงดังกล่าวคือเอสกังกุลี, "อัลกอริธึมสตรีมข้อมูลผ่านกราฟขยาย", ISAAC 2008 นอกจากนี้ยังมีอัลกอริทึมหลายประการสำหรับการกู้คืนแบบเบาบาง (ปัญหาที่เกี่ยวข้องอย่างใกล้ชิด) ดูแบบสำรวจเพื่อดูภาพรวมต่อไปนี้: A. Gilbert, P. Indyk, "การกู้คืนแบบเบาบางโดยใช้เมทริกซ์แบบเบาบาง", การดำเนินการของ IEEE, 2010
Piotr

6

ในอัลกอริทึมเรขาคณิตสุ่มตัวอย่างแบบสุ่มสามารถถูกแทนที่ด้วย ets-nets และε-approximations (ของบางพื้นที่ช่วงที่มีมิติ จำกัด VC) และสิ่งเหล่านี้สามารถรักษาได้อย่างมีประสิทธิภาพโดยอัลกอริทึมการสตรีม - ดูกระดาษของฉัน " Data Streams "กับ Bagchi, Chaudhari และ Goodrich จาก SoCG 2004 และACM Trans Alg 2007


ใช่นั่นเป็นอีกตัวอย่างที่ดี ฉันลืมเรื่องนั้นไป
Suresh Venkat

6

เครื่องมืออีกอันคือช่องว่างที่ใช้เช่นในϵ

J. Feldman, S. Muthukrishnan, A. Sidiropoulos, C. Stein, Z. Svitkina, "ในการกระจายการคำนวณสตรีมมิ่งแบบสมมาตร", SODA 2008

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.