Questions tagged «reference-request»

当作者需要了解与该问题相关的工作时，将使用参考请求。

1
别名分析文献
我正在用CS撰写硕士学位论文，并且正在使用别名分析。我感兴趣的是针对类Java语言的过程内，流量敏感的必须和可能混淆分析。 我正在搜索详细描述该主题基础知识的文本，但无法找到真正合适的内容。 我在许多关于编译器和静态分析的教科书中幸存下来，但在那儿什么也没找到。 我发现有许多使用别名分析的论文，但是大多数论文都集中在应用别名分析的问题上，并且没有详细描述别名分析算法。其他人则把重点放在C上，因为通用指针增加了复杂性，因此C不合适。 我发现的最好的文本是Whaley和Rinard撰写的论文Java程序的成分指针和转义分析。这是一篇很棒的论文，也是一个很好的起点，但是没有专门讨论别名分析。 这个问题似乎太普遍了，因此我希望可以使用一些规范的算法来解决。 是否有人对这个主题的文本有任何指示？
1
布尔公式均衡
我正在寻找有关布尔公式平衡问题的复杂性的参考。特别是， 是否知道布尔公式可以在进行平衡？AC0AC0\mathsf{AC^0} 在是否存在布尔公式平衡的简单证明？AC0AC0\mathsf{AC^0} “简单”是指一种证明，比我在下面提到的证明更简单，特别是我正在寻找一种不依赖布尔公式评估的证明。NC1NC1\mathsf{NC^1} 背景 这里所有提到的复杂性类都是统一的。 BFB（布尔公式平衡）： 给定一个布尔公式， 找到一个等效的平衡布尔公式。φφ\varphi 我对这个问题的复杂性感兴趣，特别是显示问题的简单证明位于（甚至或）中。诸如基于Spira引理的常见平衡论点对公式树进行了重复的结构修改，似乎只给。 Ť Ç 0 Ñ Ç 1乙˚F 乙∈ Ñ Ç 2AC0AC0\mathsf{AC^0}TC0TC0\mathsf{TC^0}NC1NC1\mathsf{NC^1}乙˚F乙∈ Ñ Ç2BFB∈NC2BFB \in \mathsf{NC^2} 我有的证明，但是证明并不简单，取决于中的证明。乙˚F Ë ∈ Ñ Ç 1乙˚F乙∈ 甲Ç0BFB∈AC0BFB \in \mathsf{AC^0}乙˚FË∈ Ñ Ç1个BFE∈NC1BFE \in \mathsf{NC^1} BFE（布尔公式估计） 给定一个布尔公式和真值赋值的变量， 不满足（）？τ φ τ φ τ ⊨ φφφ\varphiττ\tauφφ\varphiττ\tauφφ\varphiτ⊨ φτ⊨φ\tau \vDash \varphi 从Sam …
2
计算学习理论入门资源
最近，我一直在阅读大量的CoLT论文。尽管我不会为个别论文而苦恼（至少不比与其他理论性论文相比通常会有所挣扎），但我并不认为我对整个领域有很好的广泛了解。 是否有用于在研究生阶段介绍CoLT的标准文字，调查或讲义？ 我有基本的理论A背景，但没有机器学习或统计学的专门知识。我对PAC学习和学习自动机等东西最感兴趣，而对贝叶斯推理和VC理论之类的东西则不太感兴趣。 相关问题 统计学习理论最新进展的资源/书
1
生成周长
令。我需要生成周长简单图，以使所有循环的集合形成的双边覆盖（即，每个边正好由两个循环共享），并且使得任意两个的交点 -cycles是顶点，边或空。生成的图应任意大。ģ 克克ģ 克克G≥ 3g≥3g\geq 3GGGGggGggGGGGggGgg 生成方法应该对此具有一定的随机性，但不是琐碎的意义。我希望能够获得相当复杂的图形。例如，假设平面中有一个矩形网格。如果我们确定边界矩形的相对两侧，我们将获得一个满足所有上述要求的图。我认为这张图很简单。克= 4n × 米n×mn\times mG= 4g=4g=4 有没有这样的方法？ 对类似问题的任何引用也将受到赞赏。
1
使用BDD表示的图上的算法
图的最简单表示形式是使用邻接矩阵/列表，这意味着每个节点和边都得到了明确表示。长期以来，人们已经认识到隐式表示对于显示强规律性的图形的重要性。例如，Galperin＆Wigderson（1983），Papadimitriou＆Yannakakis（关于图的简洁表示的注解，1986）探讨了图的问题，其邻接矩阵由布尔公式表示，回答（i，j）是否为边给定节点号i和j的二进制表示。在一些通常满足的约简约束下，对于该表示，显式图的P-完全问题变为PSPACE-完全，NP-完全问题变为NEXPTIME-完全等。 这种规则图的自然方法是使用ROBDD表示布尔公式；困难在于经典算法趋向于逐一枚举节点，这在这种表示上产生了指数成本，因此必须避免。已经有关于使用这种表示法解决经典问题的论文，例如Gentilini等。（以线性符号步数计算强连接的组件），Woelfel（使用 OBDD进行符号拓扑排序）。 我想知道是否对这种技术进行了一些调查，因为在这种情况下疏通文献是不方便的...
1
基于统一的平等消除规则
几年前，我在后续演算中遇到了以下左规则： 小号≐ 吨⇝ θθ （Γ ）⊢ θ （Ç）Γ ，小号≐ 吨⊢ Çs≐t⇝θθ(Γ)⊢θ(C)Γ,s≐t⊢C \frac{s \doteq t \leadsto \theta \qquad \theta(\Gamma) \vdash \theta(C)} {\Gamma, s \doteq t \vdash C} 在这里，小号≐ 吨⇝ θs≐t⇝θs \doteq t \leadsto \theta计算最一般合一θθ\theta为sss和Ťtt，然后应用substition的结论CCC和所有在上下文中的假设ΓΓ\Gamma。 关于这种统一的有趣之处在于，它等同于找到通用变量（即skolem）。 但是，我不记得我在哪里读到这篇文章，并且想知道是否有人可以帮助我找到对此的引用。
1
量子计算机可以有效地模拟任意量子力学系统的证据是什么？
JBV建议我将一些评论变成一个问题，所以去吧。 另一个问题[1]询问质量管理计算的应用。答案[2]是“有效地模拟量子力学”。显然，这个想法可以追溯到费曼早期关于这一主题的写作。虽然我没有参考。所以： 题。量子计算机可以有效地模拟任意量子力学系统的证据是什么？ 一方面，这似乎很基本。但是，由于以下原因，这似乎并不简单：大多数量子计算文献似乎都减少了对作用于两个粒子或其他小子系统的门的操作。（是的，Toffoli门对3个输入起作用，但是无论如何通常都简化为2比特CNOT门。） 由于图灵的完备性，毫无疑问，量子计算机可以模拟任意经典或什至量子物理学（尽管由于不确定性原理等原因，那里可能会有一些反对者-我也很想知道这一点）。但是在我看来，要有效地模拟变态量子物理学，至少需要一种方法来模拟在大部分/近乎两通门中的任意n向相互作用。 有人可能会争辩说我们可以建造任意的n道闸，但是经过多年的实验研究，明确的证据是，即使只有2道闸也很难建造，而n道闸肯定会更困难。（有一些三向量子实验，例如三个粒子钟不等式，但很难建立。） [1] 量子计算在现实世界中的应用（安全性除外） [2] https://cstheory.stackexchange.com/a/10241/248
2
半空间范围计数的权衡界限
当前对在一组维点上执行半空间范围计数查询的最佳界限是什么，以时间/空间折衷的形式表示。根据Matousek的开创性1993纸（定理6.2，范围搜索与高效层次插条），我们可以这样做对于那些的交点查询范围计数p半空间，为1个≤ p ≤ d + 1，使用大小的数据结构Ô （米），用于ñ ≤ 米≤ ñ d，在ö （ñdddppp1≤p≤d+11≤p≤d+11 \le p \le d+1O(m)O(m)O(m)n≤m≤ndn≤m≤ndn \le m \le n^d时间。对于p=1，这是O（n/m1/d）时间。但是，Agarwal进行的范围搜索调查（表36.3.2）声称边界为O（nO(nm1/dlogp−(d−p+1)/d(mn))O(nm1/dlogp−(d−p+1)/d⁡(mn))O\left(\frac{n}{m^{1/d}}\log^{p-(d-p+1)/d} \left(\frac{m}{n}\right)\right)p=1p=1p=1O(n/m1/d)O(n/m1/d)O(n/m^{1/d})。界限的正确陈述是什么？或者，我误会什么？最后，当m=nd时，是否存在任何隐藏的对数项？O(nm1/dlog(mn))O(nm1/dlog⁡(mn))O\left(\frac{n}{m^{1/d}}\log(\frac{m}{n})\right)m=ndm=ndm=n^d
1
确定最少的硬币称量
在关于信息理论的两个问题中，Erdõs和Rényi给出了确定一组硬币中虚假硬币的数量必须执行的最小称量数量的下限。ññn 更正式地： 假硬币的重量小于正确硬币的重量。正确硬币和错误硬币的权重和b &lt; a是已知的。给出一个秤，通过它可以称量≤n 个硬币。因此，如果我们选择硬币的任意子集并将它们放在秤上，则秤会向我们显示这些硬币的总重量，从中可以轻松计算出称重的伪硬币的数量。问题是，最小的数量A （n ）称量可以用来区分正确和错误的硬币？一个一个ab &lt; ab&lt;一个b < a≤ ñ≤ñ\leq nA （n ）一个（ñ）A(n) 他们最初提供的简单下限是： 。n / 日志2（Ñ + 1 ）ñ/日志2⁡（ñ+1个）n / \log_2 (n + 1) 不难理解为什么要通过各种信息理论或组合论证。问题是如何构建这样的集合来进行这些称重？是否有算法利用建设性的证明来实现这些下限而又不依赖于随机性？是否有实现这些界限的随机算法？
1
MUB的最佳测量
令是互不偏基（MUB），即每个是一个正交基，对于有。我们有兴趣区分任意向量。至少对于某些特定的MUB结构，是否在文献中的任何地方（例如，使用Holevo准则）都明确地确定了最佳的（最差情况或具有统一先验的平均）最优POVM测量？乙= { 乙1个，… ，Bķ}乙={乙1个，…，乙ķ}\mathcal{B} = \{B_1, \dots, B_k\}CñCñ\mathbb{C}^n乙一世乙一世B_iv ∈ 乙一世，w ^ ∈ 乙Ĵ，i ≠ jv∈乙一世，w∈乙Ĵ，一世≠Ĵv \in B_i, w \in B_j, i \neq j |⟨ v | w ^ ⟩ | = 1ñ√|⟨v|w⟩|=1个ñ|\langle v\vert w\rangle| = \frac{1}{\sqrt{n}}乙乙\mathcal{B}
1
图中的Voronoi图
令为具有（正）加权边的图。我想定义为一组的节点/位点的Voronoi图小号，要关联与节点v ∈ š 子图ř （v ）的ģ由所有节点诱导严格接近v是以任何其他节点小号，测量路径的长度乘以弧上的权重之和。 R （v ）是v的Voronoi地区。例如，下面的绿色节点位于R （v 1）中GGG小号小号Sv ∈ 小号v∈小号v \in SR （v ）[R（v）R(v)GGGvvv小号小号SR （v ）[R（v）R(v)vvv[R （v1个）[R（v1个）R(v_1)和黄色节点在。 我想了解Voronoi图的结构。首先，两个站点v 1和v 2的图是什么样的，即2站点平分线是什么样的（在上面的示例中为蓝色）？我认为平分线的乙（v 1，v 2）为一体的补体- [R （v 1）∪ [R （v 2） 中g ^。这是两个具体问题：[R （v2）[R（v2）R(v_2) v1个v1个v_1v2v2v_2B(v1,v2)B(v1,v2)B(v_1,v_2)R(v1)∪R(v2)R(v1)∪R(v2)R(v_1) \cup R(v_2)GGG Q1。两个站点的平分线在某种意义上是否连通？ Q2。是凸在某种意义上说，它包含在任意两个节点之间的最短路径[R （v ）？R （v ）[R（v）R(v)R （v ）[R（v）R(v) 当然这已经被研究过了。谁能提供参考/指针？谢谢！ Suresh评论的附录：
3
统计学习理论最新进展的资源/书
我对VC-Dimension背后的理论非常熟悉，但是现在我正在研究统计学习理论的最新进展（过去10年）：（本地）Rademacher平均值，Massart的有限类引理，覆盖数，链接，Dudley的定理，伪尺寸，脂肪碎裂尺寸，装箱数，拉德马赫组成，以及其他可能未知的结果/工具。 是否有网站，调查，文章集，或者最重要的是，涵盖这些主题的书？ 另外，我正在研究如何为简单类绑定Rademacher平均的示例，就像人们使用轴对齐的矩形来显示如何绑定VC维度一样。 提前致谢。
3
赋值以外的命令性语句的类型推断
在搜寻有关命令式语言的类型系统的研究论文时，我只找到一种具有可变引用但没有真正的命令式控制结构（例如复合运算符，循环或条件）的解决方案。 因此，尚不清楚如何实现具有部分类型推断的命令式语言（例如http://rust-lang.org）。 这些论文没有提到参数化类型，例如，List of a因为参数化类型是Hindley-Milner类型系统的琐碎扩展-仅应扩展统一算法，其余推论照原样工作。但是，由于出现了自相矛盾，不能轻易添加分配，因此必须应用诸如ML值限制之类的特殊技术。 您能否推荐描述具有命令性循环，条件，IO和复合语句的语言的类型系统的论文或书籍？
2
是否存在量子运算法则，而不是XOR运算法则？
Deutsch算法是一种著名的量子计算 仅对 f进行一个评估。如果我们用 ⋅代替 +，问题似乎会大不相同。我的问题是：是否存在一个量子算法计算的价值 ˚F （0 ）⋅ ˚F （1 ）（或者，如果你愿意）只使用一个评价 ˚F。否则：是否知道不存在这种算法？f(0)+f(1)mod2f(0)+f(1)mod2f(0) + f(1)\mod{2}fff+++⋅⋅\cdotf(0)⋅f(1)f(0)⋅f(1)f(0)\cdot f(1)fff 更新：我现在已经意识到可以以比任何经典程序所能提供的概率更大的概率给出正确答案的程序。“错误”是在这个意义上，它总是产生正确的答案时片面。这使我的延长的问题：不存在一个quentum算法（可能类似于一个下面提到）与属性的结果是1仅当˚F （0 ）∧ ˚F （1 ）= 1f(0)∧f(1)=1f(0)∧f(1)=1f(0)\wedge f(1)=1111f(0)∧f(1)=1f(0)∧f(1)=1f(0)\wedge f(1)=1？当然，“最佳情况”将是一种以概率给出正确答案的算法。111
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.