TL;DR
- مشاهده PDF HTML (تجربی) چکیده:.
- ما ثابت میکنیم که هر تابع بولی تصادفیشده یک ابرشبیهساز را میپذیرد:.
- یک مدار تصادفی با اندازه چندجملهای که خروجی آن روی ورودیهای تصادفی نمیتواند به طور مؤثر از واقعیت.
چه اتفاقی افتاد
مشاهده PDF HTML (تجربی) چکیده:. ما ثابت میکنیم که هر تابع بولی تصادفیشده یک ابرشبیهساز را میپذیرد:.
یک مدار تصادفی با اندازه چندجملهای که خروجی آن روی ورودیهای تصادفی نمیتواند به طور مؤثر از واقعیت. با مزیت ثابت،.
حتی با متمایزکنندههای چندجملهای بزرگتر متمایز شود. نتیجه ما بر اساس لم برجسته نظم نظری پیچیدگی ترویسان،.
تولسانی و وادان (2009) است،. که در مقابل،.
شبیهسازی را ارائه میدهد که متمایزکنندگان کوچکتر را فریب میدهد. ما مرزهای پایینتر را برای اندازه شبیهساز دور میزنیم و اجازه میدهیم که کران اندازه متمایزکننده با تابع.
هدف تغییر کند،. در حالی که زیر یک کران بالایی مطلق مستقل از تابع هدف باقی میماند.
این وابستگی به تابع هدف به طور طبیعی ناشی از استفاده ما از یک تکنیک تکرار است که. در ادبیات نظم گراف نشات می گیرد.
شبیه سازهای ارائه شده توسط لم منظم و اخیر به گفته هبرت جانسون و همکاران،. اصلاحات آن،.
به ترتیب به عنوان پیش بینی کننده های چند دقیق و چند کالیبره شناخته می شوند. (2018)،.
قبلاً نشان داده شده بود که کاربردهای بی شماری در نظریه پیچیدگی،. رمزنگاری،.
نظریه یادگیری و فراتر از آن دارد. ما ابتدا نشان میدهیم که مشخصههای اخیر مبتنی بر کالیبراسیون غیرقابل تشخیص محاسباتی توزیعهای محصول در واقع فقط.
به دقت چندگانه (کالیبره شده) نیاز دارد. سپس نشان میدهیم که ابرشبیهسازیها نتایج حتی فشردهتری در این حوزه کاربردی دارند،.
و شکاف پیچیدگی موجود در نسخههای قبلی خصوصیات را میبندند. موضوعات:.
پیچیدگی محاسباتی (cs.CC)؛ ساختارها و الگوریتم های داده (cs.DS)؛
یادگیری ماشینی (cs.LG) استناد به عنوان:. arXiv:.
2509.17994 [cs.CC] (یا arXiv:. 2509.17994v3 [cs.CC] برای این نسخه) https:.
//doi.org/10.48550/arXiv.2509.17994 DOI صادر شده توسط arXiv از طریق DataCite تاریخچه ارسال از:. Pranay Tankala [مشاهده ایمیل] [v1] دوشنبه،.
22 سپتامبر 2025،. 16:.
36:. 34 UTC (23 KB) [v2] چهارشنبه،.
24 سپتامبر 2025،. 15:.
26:. 41 UTC (23 KB) [v3] سه شنبه،.
7 آوریل 2026،. 14:.
52:. 11 UTC (23 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.