วิทยาศาสตร์คอมพิวเตอร์เชิงทฤษฎี

คำถาม & คำตอบสำหรับนักวิทยาศาสตร์คอมพิวเตอร์เชิงทฤษฎีและนักวิจัยในสาขาที่เกี่ยวข้อง

1
ปัญหาใน NP แต่ไม่อยู่ในค่าเฉลี่ย -P / โพลี
คาร์พ-ลิปตัน Theoemระบุว่าหากแล้วทรุดP_2} ดังนั้นสมมติว่าการแยกระหว่างและไม่มี\ mathsf {} NPปัญหาสมบูรณ์จะเป็น\ mathsf {P / โพลี}N P ⊂ P / p o l yยังไม่มีข้อความP⊂P/พีโอล.Y\mathsf{NP} \subset \mathsf{P/poly}P HPH\mathsf{PH}ΣP2Σ2P\mathsf{\Sigma^P_2}ΣP2Σ2P\mathsf{\Sigma^P_2}ΣP3Σ3P\mathsf{\Sigma^P_3}N Pยังไม่มีข้อความP\mathsf{NP}P / p o l yP/poly\mathsf{P/poly} ฉันสนใจคำถามต่อไปนี้: สมมติว่าPHPH\mathsf{PH}ไม่ยุบหรือสมมติว่ามีข้อสันนิษฐานที่สมเหตุสมผลในความซับซ้อนของโครงสร้างสิ่งที่ยากต่อค่าเฉลี่ย NPNP\mathsf{NP}ปัญหาได้รับการพิสูจน์แล้วว่าไม่โกหกในAverage-P/polyAverage-P/poly\mathsf{Average\mbox{-}P/poly} (ถ้ามี)? ความหมายของAverage-P/polyAverage-P/poly\mathsf{Average\mbox{-}P/poly}สามารถพบได้ในความสัมพันธ์ระหว่างค่าเฉลี่ยและกรณีที่เลวร้ายที่สุดกรณีที่ซับซ้อน ขอขอบคุณที่ซึโยชิสำหรับการชี้ให้เห็นว่าที่จริงผมจำเป็นต้องใช้Average-P/polyAverage-P/poly\mathsf{Average\mbox{-}P/poly}แทนP/polyP/poly\mathsf{P/poly}โพลี} ฉันคิดว่ามีปัญหาเช่น (เวอร์ชันการตัดสินใจ) FACTORINGหรือDLOGซึ่งคาดเดาว่าอยู่ในไม่มีP - A verage-P/polyNP−Average-P/polY\mathsf{NP} - \mathsf{Average\mbox{-}P/poly}แต่การคาดเดานั้นไม่ได้รับการพิสูจน์ตาม การแยกระหว่างคลาสความซับซ้อน (โปรดแก้ไขฉันหากฉันผิด)

2
เมทริกซ์สมดุลที่ชัดเจน
มันเป็นไปได้ที่จะสร้างอย่างชัดเจน0 / 1 -matrix กับN 1.5คนดังที่ทุกN 0.499 × N 0.499 submatrix มีน้อยกว่าN 0.501คน?ยังไม่มีข้อความ× NN×NN \times N 0 / 10/10/1ยังไม่มีข้อความ1.5N1.5N^{1.5}ยังไม่มีข้อความ0.499× N0.499N0.499×N0.499N^{0.499} \times N^{0.499}ยังไม่มีข้อความ0.501N0.501N^{0.501} หรืออาจเป็นไปได้ที่จะสร้างชุดการกดปุ่มที่ชัดเจนสำหรับคุณสมบัติดังกล่าว มันง่ายที่จะเห็นว่าเมทริกซ์แบบสุ่มมีคุณสมบัตินี้โดยมีความน่าจะเป็นใกล้เคียงกับอย่างมาก นอกจากนี้ตัวแทรกผสมการแทรกไม่เพียงพอที่จะได้มาซึ่งคุณสมบัตินี้111 ฉันเดาว่าเครื่องกำเนิดไฟฟ้าเทียมหลอกที่หลอกรูปสี่เหลี่ยมผืนผ้าแบบ combinatorial สามารถช่วยได้ที่นี่ แต่พวกมันถูกออกแบบมาสำหรับการกระจายแบบสม่ำเสมอและโดยทั่วไปฉันต้องการที่นี่B ( N2, N- 0.5)B(N2,N−0.5)B(N^2, N^{-0.5})

2
มีการอธิบายความซับซ้อนเชิงพรรณนาของคลาสความซับซ้อนควอนตัมหรือไม่
ชื่อมากขึ้นหรือน้อยลงจะพูดทั้งหมด แต่ฉันเดาว่าฉันสามารถเพิ่มพื้นหลังเล็กน้อยและตัวอย่างเฉพาะที่ฉันสนใจ นักทฤษฎีความซับซ้อนเชิงพรรณนาเช่น Immerman และ Fagin มีลักษณะของคลาสความซับซ้อนที่เป็นที่รู้จักมากที่สุดโดยใช้ตรรกะ ตัวอย่างเช่น NP สามารถกำหนดลักษณะได้ด้วยแบบสอบถามที่มีอยู่ลำดับที่สอง P สามารถระบุลักษณะด้วยคิวรีแบบลำดับแรกที่มีตัวดำเนินการจุดคงที่น้อยที่สุด คำถามของฉันคือ: มีความพยายามใด ๆ โดยเฉพาะอย่างยิ่งความสำเร็จที่เกิดขึ้นกับการเป็นตัวแทนดังกล่าวสำหรับคลาสความซับซ้อนของควอนตัมเช่น BQP หรือ NQP หรือไม่? ถ้าไม่ทำไมไม่ ขอขอบคุณ. Update (ผู้ดูแล) : คำถามนี้ตอบอย่างสมบูรณ์โดยการโพสต์เกี่ยวกับเรื่องนี้ mathoverflow

7
เราจะรู้ได้อย่างไรว่าวิธีการทางการทำงาน
เป้าหมายสำคัญของวิธีการที่เป็นทางการคือการพิสูจน์ความถูกต้องของระบบไม่ว่าจะด้วยวิธีอัตโนมัติหรือโดยมนุษย์ อย่างไรก็ตามดูเหมือนว่าแม้ว่าคุณจะสามารถให้การพิสูจน์ความถูกต้องคุณอาจไม่สามารถรับประกันได้ว่าระบบจะไม่ล้มเหลว ตัวอย่างเช่น: ข้อมูลจำเพาะอาจไม่เป็นแบบอย่างของระบบอย่างถูกต้องหรือระบบการผลิตอาจซับซ้อนเกินกว่าที่จะเป็นแบบจำลองหรือระบบอาจมีข้อบกพร่องโดยเนื้อแท้เนื่องจากข้อกำหนดที่ขัดแย้งกัน เทคนิคใดที่เป็นที่รู้จักในการทดสอบว่าข้อกำหนดนั้นเหมาะสมหรือไม่? กระบวนการพิสูจน์อาจมีข้อบกพร่องเช่นกัน! ใครจะรู้ว่ากฎการอนุมานเหล่านั้นถูกต้องและถูกต้องตามกฎหมาย นอกจากนี้การพิสูจน์อาจมีขนาดใหญ่มากและเราจะรู้ได้อย่างไรว่าพวกเขาไม่มีข้อผิดพลาด? นี่คือหัวใจของการวิจารณ์ในเดอมิลโลลิปตันและ "กระบวนการทางสังคมและบทพิสูจน์ทฤษฎีบทและโปรแกรมของ Perlis" นักวิจัยวิธีการอย่างเป็นทางการที่ทันสมัยตอบสนองต่อการวิจารณ์นี้ได้อย่างไร ณ รันไทม์มีเหตุการณ์และปัจจัยหลายอย่างที่อาจส่งผลกระทบต่อระบบอย่างจริงจัง ยกตัวอย่างเช่นรังสีคอสมิกสามารถเปลี่ยนแปลงแรมในรูปแบบที่ไม่สามารถคาดเดาได้และโดยทั่วไปเราไม่รับประกันว่าฮาร์ดแวร์จะไม่ประสบกับข้อผิดพลาดของไบเซนไทน์ซึ่ง Lamport ได้พิสูจน์แล้วว่าเป็นเรื่องยากที่จะทนทาน ดังนั้นความถูกต้องของระบบคงไม่รับประกันว่าระบบจะไม่ล้มเหลว! มีเทคนิคใดที่ทราบกันดีว่ามีความผิดพลาดของฮาร์ดแวร์จริงหรือไม่? ในปัจจุบันการทดสอบเป็นเครื่องมือที่สำคัญที่สุดที่เรามีในการสร้างซอฟต์แวร์นั้น ดูเหมือนว่ามันควรจะเป็นเครื่องมือเสริมที่มีวิธีการอย่างเป็นทางการ อย่างไรก็ตามฉันส่วนใหญ่เห็นการวิจัยซึ่งเน้นทั้งวิธีการหรือการทดสอบอย่างเป็นทางการ สิ่งที่เป็นที่รู้จักกันเกี่ยวกับการรวมทั้งสองเข้าด้วยกัน?

4
ความซับซ้อนของการสื่อสาร…ชั้นเรียน?
การสนทนา : ฉันใช้เวลาส่วนตัวเมื่อเร็ว ๆ นี้เรียนรู้สิ่งต่าง ๆ ในความซับซ้อนของการสื่อสาร ตัวอย่างเช่นฉันได้ทำความคุ้นเคยกับบทที่เกี่ยวข้องใน Arora / Barak อีกครั้งเริ่มอ่านเอกสารและสั่งหนังสือโดย Kushilevitz / Nisan โดยสัญชาตญาณฉันต้องการเปรียบเทียบความซับซ้อนของการสื่อสารกับความซับซ้อนในการคำนวณ และโดยเฉพาะอย่างยิ่งฉันหลงด้วยความจริงที่ว่าความซับซ้อนในการคำนวณได้พัฒนาไปสู่ทฤษฎีที่หลากหลายในการวางปัญหาการคำนวณในชั้นเรียนที่ซับซ้อนซึ่งบางส่วนสามารถนำไปใช้จากมุมมองหนึ่งอย่างน้อย ) จินตนาการในแง่ของปัญหาที่สมบูรณ์แบบสำหรับ แต่ละชั้นเรียนที่กำหนด ตัวอย่างเช่นเมื่ออธิบายNPNPNP สำหรับใครบางคนเป็นครั้งแรกมันเป็นเรื่องยากที่จะหลีกเลี่ยงการเปรียบเทียบกับ SAT หรือปัญหาที่สมบูรณ์แบบอื่น ๆ จากการเปรียบเทียบฉันไม่เคยได้ยินแนวคิดแบบอะนาล็อกสำหรับคลาสการสื่อสารที่ซับซ้อน มีตัวอย่างมากมายที่ฉันตระหนักถึงปัญหา "สมบูรณ์สำหรับทฤษฎีบท" เช่นเป็นกรอบทั่วไปผู้เขียนอาจอธิบายปัญหาการสื่อสารที่กำหนดแล้วพิสูจน์ว่าทฤษฎีบทที่เกี่ยวข้องTถือฉันf fปัญหาการสื่อสารสามารถแก้ไขได้ในXหรือน้อยกว่าบิต (สำหรับXบางคนขึ้นอยู่กับทฤษฎีบทที่เฉพาะเจาะจง / คู่ของปัญหาที่เป็นปัญหา) คำศัพท์ที่ใช้แล้วในวรรณคดีคือPคือ "สมบูรณ์" สำหรับTPPPTTTiffiffiffXXXXXXPPPTTT นอกจากนี้ยังมีบรรทัดยั่วเย้าในร่างบทที่ซับซ้อนของการสื่อสาร Arora / Barak (ที่ดูเหมือนว่าจะถูกลบออก / tweaked ในการพิมพ์ครั้งสุดท้าย) ที่ระบุว่า "โดยทั่วไปเราสามารถพิจารณาโปรโตคอลการสื่อสารคล้ายกับ , c o N …

4
ปัจจุบันมีงานวิจัยเกี่ยวกับการนำไปใช้งานของ Randomness Extractors หรือไม่?
มีการวิจัยเกี่ยวกับการนำการสร้างแบบแผนของตัวแยกแบบสุ่มหรือไม่? ดูเหมือนว่าตัวแยกข้อมูลจะใช้ประโยชน์จาก Big-Oh โดยทิ้งความเป็นไปได้สำหรับค่าคงที่ขนาดใหญ่ที่ซ่อนอยู่ บริบทบางอย่าง: ฉันสนใจที่จะใช้ตัวแยกแบบสุ่มเป็นแหล่งที่มาของตัวเลขสุ่ม (พิสูจน์ได้หรือไม่) สำหรับใช้ในแบบจำลอง Monte Carlo เรา (กลุ่ม ETHZ Computational Physics) มีแหล่งเอนโทรปีสูงแบบเอนเอียงจากเครื่องกำเนิดตัวเลขสุ่มควอนตัมที่เราต้องการดึงแบบสุ่ม นักเรียนคนก่อนหน้าพยายามที่จะใช้การก่อสร้าง Trevisanและวิ่งเข้าไปในปัญหาความซับซ้อนเป็นพิเศษ นอกเหนือจากนักเรียนคนนั้นฉันยังไม่พบการอ้างอิงใด ๆ กับคนที่พยายามใช้เครื่องมือแยกข้อมูล หมายเหตุ: ฉันเป็นนักศึกษาระดับปริญญาตรี CS ที่ยังใหม่ต่อพื้นที่ของทฤษฎี CS และ Randomness Extractors

4
คุณลักษณะที่ไม่สามารถตัดสินใจได้ของ P ก่อให้เกิดสิ่งกีดขวางในการตัดสินใจเลือก P กับ NP หรือไม่? (คำตอบ: อาจจะ)
เชื่อมโยงคำถามห้าข้อเข้าด้วยกันและหวังว่าจะได้คำตอบแบบรวมเดียว: คำถามที่ 1:มีภาษาที่ได้รับการยอมรับโดยเครื่องจักรทัวริงแต่เพียงผู้เดียวใน ซึ่งเลขยกกำลังแบบรันไทม์นั้นไม่สามารถอธิบายได้หรือไม่?PLLLPPP Q2:สามารถสร้างตัวอย่างเครื่องจักรทัวริงเหล่านี้ได้อย่างละเอียดหรือไม่? Q3:เครื่องทัวริงเหล่านี้สามารถยกตัวอย่างเป็นรูปธรรมได้หรือไม่? ( เช่นโดย oracles ที่ "เดา" พวกเขาแทนที่จะสร้างพวกมันอย่างประณีต) Q4:คุณลักษณะอื่น ๆ ของP (นอกเหนือจาก exponents แบบรันไทม์) ในปัจจุบันเป็นที่รู้จักกันว่าไม่สามารถตัดสินใจได้? สำหรับสิ่งที่แอตทริบิวต์ของเปิดคำถามนี้?PPP Q5:คุณลักษณะที่ไม่สามารถระบุได้ของก่อให้เกิดสิ่งกีดขวางต่อความสามารถในการตัดสินใจของหรือไม่?P ≠ N PPPPP≠ NPP≠NPP \ne NP สังเกตคำว่า "แต่เพียงผู้เดียว" อย่างระมัดระวังในQ1 (ซึ่งไม่รวมคำตอบที่แนะนำของ Lance Fortnow) สรุปและการแปลงสู่ Wiki ชุมชน คำถามที่ถามว่า "คุณลักษณะที่ไม่สามารถตัดสินใจได้ของ P ก่อให้เกิดอุปสรรคในการตัดสินใจเลือก P กับ NP หรือไม่" เป็นคำถามที่เปิดกว้างและเชื่อว่าเป็นเรื่องยากเช่นเดียวกับคำถามเฉพาะจำนวนมาก Juris Hartmanis '1978 เอกสารการคำนวณที่เป็นไปได้และคุณสมบัติความซับซ้อนที่พิสูจน์ได้ให้entréที่ดีในวรรณคดีและ (เห็นได้ชัด) …

2
เหตุใดจึงไม่พิจารณาการยกกำลังแบบแยกส่วนของ Montgomery เพื่อใช้ในการแยกตัวของควอนตัม
เป็นที่ทราบกันดีว่าการยกกำลังแบบแยกส่วน (ส่วนหลักของการดำเนินการ RSA) นั้นมีราคาแพงและเท่าที่ฉันเข้าใจสิ่งต่าง ๆ เทคนิคของการยกกำลังแบบแยกส่วนของมอนต์โกเมอรี่เป็นวิธีที่ต้องการ การยกกำลังแบบแยกส่วนก็มีคุณลักษณะเด่นชัดในอัลกอริธึมการแยกตัวของควอนตัมและมีราคาแพงเช่นกัน ดังนั้น: เหตุใดจึงไม่มีการยกกำลังแบบแยกส่วนของ Montgomery ที่เห็นได้ชัดในรูทีนย่อยที่มีรายละเอียดในปัจจุบัน สิ่งเดียวที่ฉันจินตนาการได้คือมีค่าใช้จ่ายที่สูงเกินจริงด้วยเหตุผลบางอย่างที่ไม่ชัดเจน การเรียกใช้ควอนตัมเชิง montgomery "การยกกำลังแบบแยกส่วน"ผ่าน Google Scholar ไม่ได้ผลลัพธ์ที่มีประโยชน์ ฉันตระหนักถึงการทำงานของ Van Meter และคนอื่น ๆ เกี่ยวกับการเพิ่มควอนตัมและการยกกำลังแบบแยกส่วน แต่การตรวจสอบการอ้างอิงของพวกเขา (ฉันยังไม่ได้อ่านงานนี้) แสดงให้เห็นว่าไม่มีข้อบ่งชี้ว่า ข้อมูลอ้างอิงเดียวที่ฉันพบว่าดูเหมือนจะพูดถึงเรื่องนี้เป็นภาษาญี่ปุ่นซึ่งน่าเศร้าที่ฉันอ่านไม่ออก แต่เห็นได้ชัดว่ามาจากการประชุมใหญ่ปี 2545 การแปลด้วยคอมพิวเตอร์ทำให้นักเก็ตต่อท้ายด้านล่างซึ่งบ่งชี้ว่าอาจมีบางสิ่งที่มีประโยชน์ อย่างไรก็ตามฉันไม่สามารถหาข้อบ่งชี้ใด ๆ ว่าสิ่งนี้ได้ถูกติดตามไปแล้วซึ่งทำให้ฉันคิดว่าความคิดนั้นได้รับการพิจารณาแล้วจึงขทิ้งไป วงจรควอนตัมในการคำนวณเลขคณิต Noboru Kunihiro ... ในการศึกษานี้ แต่ต้องการ qubit ที่ค่อนข้างใหญ่เราเสนอเวลาในการคำนวณวงจรควอนตัมแบบแยกส่วนสั้น ๆ Montgomery Reduction [8] และวิธีเลขฐานสองที่เหมาะสม [9] รวมกันพวกมันประกอบเป็นวงจร Ru …

6
เครื่องกำเนิดไฟฟ้าจำนวนเทียมหลอกแบบขนาน
คำถามนี้เกี่ยวข้องกับปัญหาวิศวกรรมซอฟต์แวร์ในทางปฏิบัติเป็นหลัก แต่ฉันอยากรู้ว่านักทฤษฎีสามารถให้ข้อมูลเชิงลึกกับมันได้หรือไม่ พูดง่ายๆก็คือฉันมีการจำลอง Monte Carlo ที่ใช้เครื่องกำเนิดตัวเลขเทียมและฉันต้องการที่จะขนานมันเพื่อให้มีคอมพิวเตอร์ 1,000 เครื่องที่ใช้การจำลองแบบเดียวกันในแบบคู่ขนาน ดังนั้นฉันจึงต้องการสตรีมหมายเลขสุ่มเทียม 1,000 สตรีม เราสามารถมีสตรีมขนาน 1,000 รายการด้วยคุณสมบัติต่อไปนี้ได้หรือไม่? ที่นี่ควรเป็น PRNG ที่เป็นที่รู้จักและศึกษาอย่างกว้างขวางพร้อมกับคุณสมบัติเชิงทฤษฎีและเชิงประจักษ์ทุกชนิดXXX ลำธารนั้นดีพอ ๆ กับสิ่งที่ฉันจะได้รับถ้าฉันใช้และแยกกระแสที่สร้างโดยเป็น 1000 สตรีมXXXXXX สร้างหมายเลขถัดไปในกระแสใด ๆ ที่เป็น (เกือบ) เป็นอย่างรวดเร็วสร้างหมายเลขถัดไปกับXXXX ใส่อย่างอื่น: เราสามารถรับสตรีมอิสระหลายรายการ "ฟรี" ได้หรือไม่ แน่นอนว่าถ้าเราใช้เพียงทิ้งหมายเลข 999 และหยิบ 1 เสมอเราก็จะได้ทรัพย์สิน 1 แต่เราจะเสียเวลาในการดำเนินการตามตัวคูณ 1000XXX ความคิดง่ายๆคือใช้สำเนา 1,000 ชุดโดยมีเมล็ด 1, 2, ... , 1,000 นี่จะเป็นไปอย่างรวดเร็ว แต่ก็ไม่ชัดเจนว่าลำธารมีคุณสมบัติทางสถิติที่ดีหรือไม่XXX หลังจาก …

5
กำหนดอัลกอริทึมแบบขนานสำหรับการจับคู่ที่สมบูรณ์แบบในกราฟทั่วไป
ในคลาสความซับซ้อนมีปัญหาบางอย่างที่ไม่ควรอยู่ในคลาสN Cเช่นปัญหาของอัลกอริทึมแบบขนานที่กำหนดขึ้น ปัญหาการไหลสูงสุดเป็นหนึ่งในตัวอย่าง และมีปัญหาที่เชื่อกันว่าอยู่ในN Cแต่ยังไม่พบข้อพิสูจน์PP\mathsf{P}N CNC\mathsf{NC}N CNC\mathsf{NC} การจับคู่ที่สมบูรณ์แบบปัญหาเป็นหนึ่งในปัญหาพื้นฐานส่วนใหญ่เติบโตในทฤษฎีกราฟ: ให้กราฟเราต้องไปหาจับคู่ที่สมบูรณ์แบบสำหรับG ขณะที่ผมสามารถพบได้บนอินเทอร์เน็ตแม้จะมีเวลาพหุนามที่สวยงามอัลกอริทึม Blossomโดยเอ็ดมันด์และอัลกอริทึมแบบขนานแบบสุ่มโดยคาร์พ Upfal และ Wigderson ในปี 1986 เพียงไม่กี่ subclasses ของกราฟเป็นที่รู้จักได้N Cขั้นตอนวิธีการGGGGGGN CNC\mathsf{NC} ในมกราคม 2005 มีการโพสต์ในบล็อกคำนวณซับซ้อนว่าการเรียกร้องก็ยังคงเปิดให้บริการที่สมบูรณ์แบบไม่ว่าจะจับคู่อยู่ใน C คำถามของฉันคือ:N CNC\mathsf{NC} มีความคืบหน้าใด ๆ ตั้งแต่นั้นมาเกินสุ่มขั้นตอนวิธีการ?N CNC\mathsf{NC} เพื่อชี้แจงความสนใจของฉันอัลกอริทึมใด ๆ ที่เกี่ยวข้องกับกราฟทั่วไปนั้นดี แม้ว่าอัลกอริทึมสำหรับคลาสย่อยของกราฟก็ใช้ได้เช่นกัน แต่นั่นอาจไม่ได้อยู่ในความสนใจของฉัน ขอบคุณทุกคน! แก้ไขที่ 12/27: ขอบคุณสำหรับความช่วยเหลือทั้งหมดของคุณฉันพยายามสรุปผลลัพธ์ทั้งหมดในรูปเดียว: คลาสที่รู้จักต่ำที่สุดมีปัญหาต่อไปนี้: การจับคู่ในกราฟทั่วไป: [ KUW86 ], R N C 2 [ …

3
สำรวจอัลกอริทึม / ความซับซ้อนของพีชคณิตเชิงเส้น
ฉันกำลังมองหาการสำรวจที่ดีเกี่ยวกับอัลกอริทึมและความซับซ้อนของพีชคณิตเชิงเส้น (การดำเนินงานเช่นอันดับ, ผกผัน, ค่าลักษณะเฉพาะ, ... สำหรับ Boolean, , และเมทริกซ์จำนวนเต็ม / rationals) โดยเน้นที่ขนาน ( ลำดับชั้น ) และ ฉันไม่สามารถหาที่ผ่านมาFพีFp\mathbb{F}_pยังไม่มีข้อความคNCNC คุณรู้หรือไม่ว่าการสำรวจล่าสุดที่ดีหรือหนังสือเกี่ยวกับความซับซ้อนของพีชคณิตเชิงเส้น?

1
มีขอบเขตทั่วไปของ Bonferroni สไตล์ที่มีประสิทธิภาพเป็นที่รู้จักหรือไม่?
ปัญหาคลาสสิกในทฤษฎีความน่าจะเป็นคือการแสดงความน่าจะเป็นของเหตุการณ์ในแง่ของเหตุการณ์ที่เฉพาะเจาะจงมากขึ้น ในกรณีที่ง่ายที่สุดที่หนึ่งสามารถพูดB] Let 's เขียนABสำหรับเหตุการณ์A \ หมวก BA B A ∩ BP[A∪B]=P[A]+P[B]−P[A∩B]P[A∪B]=P[A]+P[B]−P[A∩B]P[A \cup B] = P[A] + P[B] - P[A \cap B]ABABABA∩BA∩BA \cap B จากนั้นก็มีวิธีที่จะผูกP[∪Ai]P[∪Ai]P[\cup A_i]โดยไม่มีการสมมติความเป็นอิสระของเหตุการณ์AiAiA_iมากมาย Bonferroni ให้ขอบเขตบน P[∪Ai]≤∑P[Ai]P[∪Ai]≤∑P[Ai]P[\cup A_i] \le \sum P[A_i] (บางครั้งก็เกิดจากBoole ) และ Kounias กลั่นสิ่งนี้ให้กับ P[ ∪ Aผม] ≤ ∑ผมP[ กผม] - สูงสุดJΣฉัน≠ jP[ กผมAJ] .P[∪Ai]≤∑iP[Ai]−maxj∑i≠jP[AiAj].P[\cup A_i] …

4
ตัวอย่างของการเปลี่ยนเฟสความแข็ง
สมมติว่าเรามีปัญหาแปรโดยมูลค่าจริง P พารามิเตอร์ซึ่งเป็น "ง่าย" ในการแก้ปัญหาเมื่อและ "ยาก" เมื่อP = P 1สำหรับบางค่าP 0 , หน้า 1p = p0พี=พี0p=p_0p = p1พี=พี1p=p_1พี0พี0p_0พี1พี1p_1 ตัวอย่างหนึ่งคือการนับการกำหนดค่าสปินบนกราฟ การนับจำนวนสีที่เหมาะสมถ่วงน้ำหนักชุดอิสระ Eulerian subgraphs สอดคล้องกับฟังก์ชั่นการแบ่งส่วนของฮาร์ดคอร์โมเดล Potts และ Ising ตามลำดับซึ่งง่ายต่อการประมาณสำหรับ "อุณหภูมิสูง" และยากสำหรับ "อุณหภูมิต่ำ" สำหรับ MCMC แบบง่ายการเปลี่ยนเฟสความแข็งสอดคล้องกับจุดที่เวลาผสมกระโดดจากพหุนามเป็นเลขชี้กำลัง ( Martineli, 2006 ) อีกตัวอย่างหนึ่งคือการอนุมานในโมเดลความน่าจะเป็น เรา "ลดความซับซ้อน" แบบจำลองที่กำหนดโดยการรวม , p เข้าด้วยกันกับแบบจำลอง "ตัวแปรทั้งหมดเป็นอิสระ" สำหรับp = 1ปัญหาเล็กน้อยสำหรับp = 0มันเป็นสิ่งที่รักษาไม่ได้และค่าความแข็งอยู่ที่ใดที่หนึ่งระหว่าง …

5
ชั้นเรียนภาษาพิเศษ: ภาษา "วงกลม" มันเป็นที่รู้จักกัน?
กำหนดคลาสของภาษา "แบบวงกลม" ต่อไปนี้บนซิกม่าตัวอักษรที่ จำกัด จริงๆแล้วชื่อมีอยู่แล้วเพื่อแสดงถึงสิ่งที่แตกต่างที่ดูเหมือนว่าใช้ในด้านการคำนวณดีเอ็นเอ AFAICT นั่นเป็นคลาสภาษาอื่น ภาษา L นั้น IFF วงกลมสำหรับทุกคำWwwในΣ *Σ∗\Sigma^*เรามี: Wwwเป็น L และถ้าหากสำหรับทุกจำนวนเต็ม k > 0k>0k > 0 , W kwkw^kเป็นลิตร ภาษานี้เป็นที่รู้จักกันในระดับ? ฉันสนใจภาษาวงกลมซึ่งปกติและโดยเฉพาะอย่างยิ่งใน: ชื่อสำหรับพวกเขาหากพวกเขาเป็นที่รู้จักกันแล้ว decidability ของปัญหาให้อัตโนมัติ (โดยเฉพาะอย่างยิ่ง: DFA) ไม่ว่าจะเป็นภาษาที่ยอมรับได้ปฏิบัติตามคำนิยามข้างต้น

6
เครื่องมือสร้างภาพการวิเคราะห์เครือข่าย / โซเชียลเน็ตเวิร์ก?
ฉันใช้จุง ( http://jung.sourceforge.net/ ) เพื่อให้เห็นภาพอันดับของหน้าและพบว่ามันช้าและยากที่จะปรับขนาดมันเกิน 100 โหนด ฉันสงสัยว่าเครื่องมืออื่นใดที่ผู้คนใช้สำหรับการวิเคราะห์เครือข่ายและเครือข่ายสังคมออนไลน์

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