Questions tagged «soft-question»

一个软问题是关于理论计算机科学领域的一个问题(可能是主观的),而不是理论计算机科学中的一个问题。

5
问题教学的可计算性
我很难教授可计算函数的概念。我试图提出一个想法,为什么像希尔伯特(Hilbert)/阿克曼(Ackermann)/戈德尔(Godel)/图灵/教堂/ ...这样的研究人员发明了“可计算性”的概念。学生们立即问:“可计算性是什么意思?” 除非我教他们图灵机,然后回答“如果图灵机对其进行计算,则该函数是可计算的”,我不会回答。 所以, 是否有不需要使用图灵机,λ演算或类似计算模型的可计算性描述?即使是直观的描述也足够了。

5
以第一人称单数写作论文
我写的是理论计算机科学方面的论文,有时是一位非匿名的单作者。之前,我在此类论文中使用了第一人称复数,例如: 我们将显示复杂度等级X和Y重合。 我既不是英语母语者,也不擅长英语。最近,我从一位以英语为母语的人(他是科学领域的专家,而不是计算机科学家)那里得到了一个建议,建议改用第一人称单数: 我将显示复杂度等级X和Y重合。 他声称这种风格在“自然”杂志和其他顶级期刊中很普遍。我一点都不习惯这种写作风格。用“我已经证明Γ在ℂ\ ℤ0上定义得很好”这样的句子对我来说似乎很不自然。 哪种风格更适合理论计算机科学论文? 对我来说很清楚,这个问题因地区而异(否则,我会问ell.se或参考/academia//q/2945/7734),所以我询问cstheory。我的问题针对的是成熟的理论计算机科学家,他们也是母语为英语且能熟练掌握英语的人。


1
理论计算机科学领域有哪些不需要博士学位的职业?
我是一名本科生,最近接受了这样一个事实,即我可能没有理智从事理论计算机科学方面的研究,也没有能力被录取并完成博士学位课程。但是,我仍然想参与理论计算机科学,因为我发现它非常有趣。到目前为止,我所能想到的唯一不需要理论博士学位的理论计算机科学职业就是在某所大学中担任理论小组的秘书或行政助理。还有其他吗?


3
谁引入了不确定性计算?
我有两个历史问题: 谁首先描述了不确定性计算? 我知道库克描述了NP完全问题,爱德蒙兹提出了P算法是“有效”或“良好”算法。 我搜索了这篇 Wikipedia文章,并略读了“关于算法的计算复杂性”,但找不到关于非确定性计算第一次讨论的参考。 第一次提到NP类是什么?是库克(Cook)的1971年论文吗?

5
用于协作的版本控制(带有单词级差异)?
现在,大多数论文都是协作编写的,而协作者通常位于不同的地方。我一直在文档和代码中使用版本控制系统,并且发现版本控制对于协作软件项目至关重要,但是从理论上讲,似乎许多研究人员都避免将其用于撰写联合论文。为了说服我的合作者,版本控制(修订控制)是一起工作的一个好主意,似乎有一些先决条件。 不可能强迫所有人担心换行符和段落的特定约定集,或者避免制表符/空格转换。 有人提供免费托管的小型共享文档存储库,并且具有可处理单词级差异(不是基于行)的文本文档友好版本控制吗? 如果没有,那么我将欢迎基于经验的其他建议(请避免猜测)。 我想到的是Git,Subversion,Mercurial,darcs或Bazaar,它们被设置为使用wdiff处理字级差异,以及一种设置公用密钥(例如,通过ssh)保护访问的简单方法。但是,我看过的版本控制提供程序似乎都没有提供这样的功能。对于科学合作,许多公司强调的“企业”功能不是很重要(分支机构,与trac集成,第三方审核,分层项目团队)。但是单词级差异似乎很关键,但却不受支持。以我的经验,使用文本文件的行级差异,每个人都必须避免重新格式化将选项卡更改为空格的段落和编辑器,反之亦然,这会导致问题;似乎还有许多虚假的编辑冲突。 请参阅MO上有关协作工具的相关问题,以及TeX.SE上有关LaTeX文档的版本控制和LaTeX软件包的版本控制的相关问题。另请参见SVN主机比较比较图表,以获取大量的主机提供程序列表,仅是主要版本控制系统之一。 编辑: Jukka Suomela对TeX.SE问题“ 最佳的可识别LaTeX的差异化和合并工具以进行颠覆 ” 的回答似乎是迄今为止最好的建议,涵盖了如何在字级上解释增量。此外,Jukka还解释了存储库端上连续版本之间的差异如何与用于冲突检测和更改合并的用户级别差异分开。Jukka在TeX.SE上的答案明确地排除了同时进行的编辑和合并,而是依靠传统的原子编辑令牌来避免编辑冲突。澄清(并修改)我的原始问题,是否有一种方法可以确保可以在单词差异的基础上而不是在行差异的基础上解决编辑冲突?换句话说,可以wdiff还是将类似的工具集成到版本控制工具的冲突检测部分中,以类似的方式可以忽略行尾差异和空格差异?

3
为当前和即将推出的高性能计算机设计算法的正确理论模型是什么
这个问题类似于一个更普遍的问题,即什么计算机在其中设计算法和数据结构的正确理论模型是正确的。 在这里,我专门询问当前的高性能计算机(例如列为前500强的计算机),甚至是关于即将到来的超级计算机。 鉴于这些计算机通常都在巨大的数据集上工作(似乎有些人使用这样的计算机,主要是因为它们具有庞大的组合主内存),其I / O模型(由Aggarwal和Vitter于1988年提出)及其并行版本,PEM(2008年Arge,Goodrich,Nelson和Sitchinava)应出席。另一方面,应该有一些关于通信的东西,特别是惩罚所有其他计算节点的超小型包装。 正如您可能想像的那样,在创建新模型时,我不担心会耗尽想法,但是我有点担心自己可能会忽略以前的尝试,特别是因为我印象中,1980年代大约在1995年,许多此类建模尝试(例如BSP或桥接模型)似乎并未得到广泛使用。 我应该仔细研究哪些型号?

4
理论计算机科学家的抽象代数
我接受过合理的本科数学教育,但从未百分百满意抽象代数(群,环,场等的数学)。我认为这部分是因为我需要查看应用程序,而我能找到的任何应用程序都是在物理领域,而不是CS。因为我真正的兴趣是CS,所以现在有没有可用的材料(在线草稿,讲义,视频,书籍)从CS中的应用(尤其是算法/理论)的角度涵盖抽象代数?我很高兴这些应用程序完全是理论性的,但是它们不应该假设任何已有的抽象代数知识。 我很确定这些资源是否存在,它们将被大量CS研究人员所赞赏。

5
在哪里可以找到CS理论中教师职位的职位空缺?
在CS理论中找到教师职位的最佳资源是什么?是否有一个特别全面的网站或邮件列表?我目前的印象是,人们必须使用各种资源来获得一份全面的,全球性的工作清单。是这样吗 这个问题与如何找到工作有关,尽管我在这里问的问题是,您如何找到工作?

1
利用博弈论选择研究课题
这个最近的博弈论问题让我思考(当然是切线):是否有可能有效地优化个人策略,以选择研究问题以运用博弈论进行研究? 为了使问题正式化,我将作以下(非正式陈述的)假设: 我同样“喜欢”我可以解决的任何特定问题(以避免“做自己喜欢的事情”的“软”(正确)答案)。 对于我选择要解决的任何给定问题,我可能会成功,也可能不会成功。对于任何给定的问题,我都会估算出解决问题的能力(在投入时间之后)的概率。 我的目标是在进行线下评估(申请工作,申请终身任职,申请研究金等)时,最大程度地提高我的回报,这取决于我解决了多少个问题以及这些问题的重要性或难易程度。我不清楚每个问题的确切收益,但我可以做出合理的估算。 问题收益与问题难度之间存在松散的逆关系。我的目标的另一种说法是“博弈”差异(即寻找“低落的果实”)。 这个整体问题的一个实例由一系列研究问题(可能是无限个)指定,我将其牢固地附加(不计任何计算成本;作为输入给出)对问题价值和问题难度的估计。我正在与对手(评估我的人)进行游戏;考虑到我解决给定问题的可能性,自然决定了在选择尝试后是否能够成功解决问题。 为了真正形式化正在发生的事情(避开无趣的或争论性的/讨论式的回应),我将把这个问题看作是一种形式广泛的游戏,其中包含不完整的信息以及无限的动作集。 问题:我认为这类游戏无法有效计算。但是,是否有多项式时间算法可以使我的收益最大化?PTAS呢? 或者,是否存在针对此问题的更准确的博弈论模型?如果是这样,则存在相同的问题:我可以(大约)有效地最大化收益吗?如果是这样,怎么办?

5
在人工智能研究中,“先进的数学”在何种程度上需要/有用?
我目前正在学习数学。但是,我不希望将来成为专业的数学家。我正在考虑将我的数学知识应用于人工智能研究。但是,我不确定我应该学习多少门数学课程。(以及我应该学习哪些CS理论课程。) 从Quora,我了解到线性代数,统计和凸优化这两个主题与机器学习最相关(请参阅此问题)。有人提到,学习线性代数,概率/需要统计,微积分,基本算法和逻辑来研究人工智能(见这个问题)。 在我们大学的数学学士学位的前1.5年中,我可以了解所有这些主题。 不过,我想知道,是否有一些甚至是研究生水平的数学学科都对学习人工智能有用或什至是需要的。ODE,PDE,拓扑,测度理论,线性分析,傅里叶分析和流形分析又如何呢? 这表明,一些比较先进的数学是人工智能的研究有用的一本书是模式论真实世界的信号的随机分析由大卫·芒福德和Agnes Desolneux(见本页)。它包括有关马尔可夫链,分段高斯模型,吉布斯场,流形,李群和李代数及其在模式论中的应用的章节。本书对人工智能研究有多大作用?

3
如何谈论理论
我意识到这可能是一个有争议的问题,但这似乎是个合适的地方。如果没有,请重定向我。 背景是我是一名“从业者”(博士生,我不学习CS理论),但是我在本科算法和数学方面拥有合理的基础。尽管如此,与理论家的讨论通常是非常表面的,好像他们害怕与我一起使用数学术语以防我害怕。实际上,我对理论非常满意并且对理论很感兴趣,但是我只是不习惯讨论它,因此我可能并不总是使用会标榜我为“理论家”的术语。我发现直接方法(“请告诉我细节”)并不总是奏效的,特别是如果所讨论的理论家假定居高临下的语调为专业知识设定了很高的标准(这种情况经常发生)。 作为理论家,如果您以这种方式过滤人员,您是否对从业人员如何避免被过滤器“标记”提出建议?


5
是否可以测试可计算数字是有理数还是整数?
是否可以通过算法测试可计算数是有理数还是整数?换句话说,将有可能为图书馆实现可计算数提供的功能isInteger还是isRational? 我猜测这是不可能的,并且这在某种程度上与以下事实有关:无法测试两个数字是否相等,但是我看不出如何证明这一点。 编辑:可计算的数字xxx由函数给出,该函数fx(ϵ)fx(ϵ)f_x(\epsilon)可以返回精度为ϵ的的有理近似值:| x − f x(ϵ )| ≤ ε,对于任何ε > 0。鉴于这样的功能,就是可以测试,如果X ∈ Q或X ∈ ž?xxxϵϵ\epsilon|x−fx(ϵ)|≤ϵ|x−fx(ϵ)|≤ϵ|x - f_x(\epsilon)| \leq \epsilonϵ>0ϵ>0\epsilon > 0x∈Qx∈Qx \in \mathrm{Q}x∈Zx∈Zx \in \mathrm{Z}
18 computability  computing-over-reals  lambda-calculus  graph-theory  co.combinatorics  cc.complexity-theory  reference-request  graph-theory  proofs  np-complete  cc.complexity-theory  machine-learning  boolean-functions  combinatory-logic  boolean-formulas  reference-request  approximation-algorithms  optimization  cc.complexity-theory  co.combinatorics  permutations  cc.complexity-theory  cc.complexity-theory  ai.artificial-intel  p-vs-np  relativization  co.combinatorics  permutations  ds.algorithms  algebra  automata-theory  dfa  lo.logic  temporal-logic  linear-temporal-logic  circuit-complexity  lower-bounds  permanent  arithmetic-circuits  determinant  dc.parallel-comp  asymptotics  ds.algorithms  graph-theory  planar-graphs  physics  max-flow  max-flow-min-cut  fl.formal-languages  automata-theory  finite-model-theory  dfa  language-design  soft-question  machine-learning  linear-algebra  db.databases  arithmetic-circuits  ds.algorithms  machine-learning  ds.data-structures  tree  soft-question  security  project-topic  approximation-algorithms  linear-programming  primal-dual  reference-request  graph-theory  graph-algorithms  cr.crypto-security  quantum-computing  gr.group-theory  graph-theory  time-complexity  lower-bounds  matrices  sorting  asymptotics  approximation-algorithms  linear-algebra  matrices  max-cut  graph-theory  graph-algorithms  time-complexity  circuit-complexity  regular-language  graph-algorithms  approximation-algorithms  set-cover  clique  graph-theory  graph-algorithms  approximation-algorithms  clustering  partition-problem  time-complexity  turing-machines  term-rewriting-systems  cc.complexity-theory  time-complexity  nondeterminism 

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.