5 为什么TSP不需要重复城市？ 我对TSP否认重复城市的可能性感到奇怪。这个旅行推销员的目标是尽可能快地走访所有城市，对吗？那么，如果经过您曾经去过的城市旅行更快，该怎么办？ 9 terminology traveling-salesman
1 如果我只想要逆矩阵的一个元素，是否存在一种快速算法？ 我使用Mathematica解决问题。我有一个关于矩阵逆的问题。 如果我只想要逆矩阵的一个元素，是否存在比Inverse用于计算整个逆矩阵并提取所需元素的算法更快的算法？ 9 algorithms
2 同行评分设计-选择图表以获取准确的排名/评分 背景。我正在编写一些半自动分级的代码，并使用对等分级作为分级过程的一部分。一次给学生提供成对的论文，并且学生可以选择一个滑块，选择哪个更好，哪个更好。例如，滑块可能看起来像这样： A---X-B 根据同级评分的结果，对论文进行排名，然后由老师对最高X％和最低X％进行评分，并根据此结果自动计算所有论文的分数。我已经想出了进行排名/评分过程的方法。该部分效果很好。 我的问题。我应该如何选择要给学生的论文对？ 模拟表明，我们需要对一篇论文进行至少3次同等评分，以获得准确的排名。因此，每篇论文应至少出现在为同行评分而提出的三对中。 我们可以将其视为图问题。将论文视为节点。每条边代表在同级评分过程中呈现的一对论文。上面的准确性结果表明，每个节点（或大多数节点）的度数应至少为3。我应该使用哪种图形？我应该如何生成要在同行评等中使用的图表？ 挑战之一是，如果图中有聚类，这将使同级评分不正确。例如，我们不想让高质量的论文相对于高质量的论文进行同行评等，因为那样会使歪曲同行评议的结果。 你会推荐什么？ 我认为可以使用如下所示的无向图来建模此问题： 首先选择度数最小的节点，然后将其与下一个最小的节点链接 继续，直到您的平均学位至少为3 最大化节点连接 减少派系数量 这是一个好方法吗？如果不是，您会推荐什么呢？ 9 algorithms graphs modelling
3 内核化技巧，用于神经网络 我一直在学习神经网络和SVM。我阅读的教程强调了内核化对于SVM的重要性。没有内核功能，SVM只是线性分类器。通过内核化，SVM还可以合并非线性功能，这使它们成为更强大的分类器。 在我看来，也可以将内核化应用于神经网络，但是我见过的神经网络教程都没有提到这一点。人们通常在神经网络中使用内核技巧吗？我认为一定有人尝试过它，看看它是否有很大的不同。内核化对神经网络的帮助与对SVM的帮助一样吗？为什么或者为什么不？ （我可以想像几种将核技巧整合到神经网络中的方法。一种方法是使用合适的核函数将输入（的向量）预处理为高维输入，R m中的向量对m ≥ ñ。对于多层神经网络，另一种方法是在神经网络的每个级别应用内核函数。）RnRn\mathbb{R}^nRmRm\mathbb{R}^{m}m≥nm≥nm\ge n 9 machine-learning artificial-intelligence neural-networks
1 DSPACE（f）的NTIME（f）子集 正如问题所指出的，我们如何证明？NTIME（f（Ñ ））⊆ DSPACE（˚F（n ））NTIME(f(n))⊆DSPACE(f(n))\textbf{NTIME}(f(n)) \subseteq \textbf{DSPACE}(f(n)) 谁能指出我的观点或在此处概述？谢谢！ 9 complexity-theory time-complexity space-complexity
3 有可能证明线程安全吗？ 给定一个由变量和修改这些变量的指令组成的程序以及一个同步原语（监视器，互斥锁，java的同步或C＃的锁），是否有可能证明该程序是线程安全的？ 甚至没有正式的模型来描述诸如线程安全性或比赛条件之类的东西吗？ 9 proof-techniques correctness-proof concurrency threads
1 旋转数为奇数的八字树 将项目插入展开树时，将基于Z字形或Z字形模式成对执行旋转。如果要执行奇数个旋转，则可以从叶子开始进行额外的旋转，也可以保存额外的旋转并在根部进行。有关系吗？ 例如，在附加的图像中，我将4插入BST，然后将其“展开”到根目录。在图的顶部，我首先在叶子节点处找到“ zig-zig”对，并从底部开始执行“ zig-zag”展开，最后在根部进行右旋。在图的底部，我首先从叶子开始进行奇数旋转，然后对根进行曲折展开。 哪个是对的？还是两者都会导致通常的八卦树表演？ 9 data-structures binary-trees splay-trees
3 多边形中的随机采样 我想在多边形中采样均匀一致的点... 如果采样大量，则如果它们具有相同的面积，它们将很可能落入两个区域。 如果它是一个正方形，这将是非常简单的，因为我将[0,1]中的两个随机数作为我的坐标。 我拥有的形状是规则的多边形，但我希望它适用于任何多边形。 /programming/3058150/how-to-find-a-random-point-in-a-quadrangle 9 algorithms randomness sampling random-number-generator
1 为什么用随机数初始化神经网络的权重？ 为什么神经网络的初始权重被初始化为随机数？我在某处读过，这样做是为了“打破对称性”，这使神经网络学习得更快。如何打破对称性使其学习更快？ 将权重初始化为0会不是一个更好的主意？这样，权重就能更快地找到其值（正负）。 除了希望权重在初始化时会接近最佳值之外，还有其他一些潜在的基本哲学吗？ 9 machine-learning artificial-intelligence neural-networks
2 这些CS领域最有趣的数学是什么？ 对于我的CS学位，我拥有大部分的“标准”数学背景： 微积分：微分，积分，复数 代数：几乎所有概念，直到领域。 数论：XGCD和相关资料，主要用于加密。 线性代数：直到特征向量/特征值 统计：概率，测试 逻辑：命题，谓语，模态，混合。 我在CS领域的主要兴趣是安全性，密码学和人工智能。我想知道是否有关于数学主题的建议，这些领域可能会引起人们的兴趣，特别是对于人工智能，因为这不是我目前的主要研究领域。 9 artificial-intelligence cryptography discrete-mathematics
4 生成随机DFA的好的算法是什么？ 我正在生成随机DFA，以在其上测试DFA减少算法。 我现在使用的算法如下：对于每个状态，对于字母中的每个符号，将到某个随机状态。每个状态具有成为最终状态的相同概率。Ç δ （q ，C ^ ）qqqCccδ（q，c ）δ(q,c)\delta (q, c) 这是生成无偏DFA的好方法吗？另外，此算法不会生成调整DFA（没有过时状态的DFA），因此我想知道是否有更好的方法来生成随机DFA，以某种方式确保它是调整过的？ 9 algorithms finite-automata randomness pseudo-random-generators random-graphs
1 假设Type的错误命题示例 在类型理论中，如果允许类型成为其自身的一员，则会使该理论前后矛盾。我以类似于集合论中罗素的悖论来理解它，但更希望看到它以类型论来完成。类型理论中是否有一个简短的等价示例？ 9 type-theory
2 coNP的交互式证明 我试图了解交互式证明系统，并尝试了以下问题作为练习。我们知道和，因此想出了一个（易于理解的）交互式证明系统？PH⊆PSPACEPH⊆P小号P一个CËPH \subseteq PSPACEIP=PSPACE一世P=P小号P一个CËIP=PSPACEPHPHPH 用于的交互式证明系统是微不足道的，但是即使对于，我也无法获得交互式证明系统。您是否知道针对的显式交互式证明系统（明确地说，我的意思是不通过路由）？NPñPNPcoNPCØñPcoNPIP=PSPACE一世P=P小号P一个CËIP=PSPACEcoNPCØñPcoNP 9 complexity-theory interactive-proof-systems
3 与自身连接的单词语言的上下文相关语法 我在寻找一个描述以下语言的上下文敏感语法： 。L={ww∣w∈{a,b}∗,|w|≥1}L={ww∣w∈{一个，b}∗，|w|≥1个}L = \{ ww \mid w ∈ \{a,b\}^{\ast}, |w| ≥ 1\} 我遇到这样的问题，即不允许使用类的规则，因此我不能放置任何非终结符来表示单词的“中间”。这个问题有招吗？X→εX→εX \to \varepsilon 9 formal-languages formal-grammars context-sensitive