Questions tagged «online-algorithms»

1
最近N个数字的加权和
假设我们正在接收流中的数字。接收到每个数字后,需要计算最后数字的加权和,其中权重始终相同,但是是任意的。ñNN 如果允许我们保留数据结构来帮助计算,那么这样做的效率如何?我们能做得比更好的方法吗,即每次收到一个数字都重新计算总和?Θ (N)Θ(N)\Theta(N) 例如:假设权重为。在某一点上,我们有最后数字的列表和加权和。Ñ 大号1 = ⟨ 一个,b ,c ^ ,d ⟩ > 小号1 = 瓦特1 * 一个+ 瓦特2 * b + 瓦特3 * C ^ + 瓦特4 * dw ^= ⟨ 瓦特1个,w2,w3,w4⟩W=⟨w1,w2,w3,w4⟩W= \langle w_1, w_2, w_3, w_4\rangleñNN大号1个= ⟨ 一个,b ,c ^ ,d⟩ >L1=⟨a,b,c,d⟩>L_1= \langle a, b, c, d \rangle>小号1个= …

2
元素变化时计算逆矩阵
给定矩阵。让的逆矩阵是(即,)。假设中的一个元素已更改(例如,更改)。目的是在此更改后找到。有没有找到一种比从头重新计算逆矩阵更有效的方法来找到这个目标。n×nn×nn \times nAA\mathbf{A}AA\mathbf{A}A−1A−1\mathbf{A}^{-1}AA−1=IAA−1=I\mathbf{A}\mathbf{A}^{-1} = \mathbf{I}AA\mathbf{A}aijaija _{ij}a′ijaij′a' _{ij}A−1A−1\mathbf{A}^{-1}

1
感知器可以忘记吗?
我想建立一个基于网络的在线机器学习系统,用户可以在其中连续添加分类的样本,并在线更新模型。我想使用感知器或类似的在线学习算法。 但是,用户可能会犯错误并插入不相关的示例。在那种情况下,我想选择删除一个特定的示例,而无需对整个示例集(可能很大)上的感知器进行重新训练。 这可能吗?


2
玩家迟到时公平地切蛋糕
通常来说,公平的切蛋糕问题是假设所有参与者同时获得其份额。但是,在许多情况下,玩家会逐渐到达。例如,我们可以将蛋糕分配给玩家,但随后有一位新玩家到达并想要分享。nnnnnn 通常,公平蛋糕的划分需要付出很多努力(例如,要求玩家回答许多查询),尤其是当玩家人数众多时。 是否可以在播放器上使用蛋糕的现有划分,以便以最少的额外工作(即,与从头开始重新分配蛋糕相比要少的精力)将蛋糕划分为播放器?n + 1nnnn+1n+1n+1
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.