会员服务
CC · 分离的 · 示例 ·
2021 年 7 月 6 日
Scheme-theoretic Approach to Computational Complexity I. The Separation of P and NP
翻译：计算复杂程度一. P和NP的分离
Ali Çivril
Ali Çivril
from arxiv, 8 pages

We lay the foundations of a new theory for algorithms and computational complexity by parameterizing the instances of a computational problem as a moduli scheme. Considering the geometry of the scheme associated to 3-SAT, we separate P and NP.


翻译：我们通过将计算问题实例作为模式方案参数化,为算法和计算复杂性的新理论打下基础。 考虑到与3SAT相关计划的几何性,我们将P和NP分开。
0
下载
关闭预览

相关内容

CC在计算复杂性方面表现突出。它的学科处于数学与计算机理论科学的交叉点，具有清晰的数学轮廓和严格的数学格式。官网链接：https://link.springer.com/journal/37
【干货书】计算机科学家的数学，153页pdf
【干货书】计算机科学家的数学，153页pdf
专知会员服务
170+阅读 · 2021年7月27日
【干货书】鲁棒优化Robust Optimization，570页pdf
专知会员服务
141+阅读 · 2021年3月17日
【经典书】线性代数，436页pdf
专知会员服务
76+阅读 · 2021年3月16日
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
专知会员服务
74+阅读 · 2021年1月10日
【ACML2020】张量网络机器学习:最近的进展和前沿，109页ppt
【ACML2020】张量网络机器学习:最近的进展和前沿，109页ppt
专知会员服务
54+阅读 · 2020年12月15日
【干货书-斯坦福】最优化算法，521页pdf，《Algorithms for Optimization》MIT出版社
【干货书-斯坦福】最优化算法，521页pdf，《Algorithms for Optimization》MIT出版社
专知会员服务
273+阅读 · 2020年7月2日
随机特征核近似综述: 算法与理论，Random Features for Kernel Approximation: A Survey in Algorithms, Theory, and Beyond
随机特征核近似综述: 算法与理论，Random Features for Kernel Approximation: A Survey in Algorithms, Theory, and Beyond
专知会员服务
32+阅读 · 2020年4月26日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
专知会员服务
94+阅读 · 2020年3月12日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
【干货书-斯坦福】最优化算法，521页pdf，《Algorithms for Optimization》MIT出版社
【干货书-斯坦福】最优化算法，521页pdf，《Algorithms for Optimization》MIT出版社
专知
55+阅读 · 2020年7月2日
最新图学习推荐系统综述 | Graph Learning Approaches to Recommender Systems
最新图学习推荐系统综述 | Graph Learning Approaches to Recommender Systems
机器学习与推荐算法
5+阅读 · 2020年4月29日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
CCF C类 | IJCNN 2019 Special Section : 信息论与深度学习
CCF C类 | IJCNN 2019 Special Section : 信息论与深度学习
Call4Papers
5+阅读 · 2018年12月7日
已删除
已删除
将门创投
3+阅读 · 2018年11月20日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Improved Bi-criteria Approximation for the All-or-Nothing Multicommodity Flow Problem in Arbitrary Networks
Improved Bi-criteria Approximation for the All-or-Nothing Multicommodity Flow Problem in Arbitrary Networks
Arxiv
0+阅读 · 2021年9月17日
Retraction: Improved Approximation Schemes for Dominating Set Problems in Unit Disk Graphs
Retraction: Improved Approximation Schemes for Dominating Set Problems in Unit Disk Graphs
Arxiv
0+阅读 · 2021年9月16日
Sublinear Time Eigenvalue Approximation via Random Sampling
Arxiv
0+阅读 · 2021年9月16日
Utility Maximization for Multihop Wireless Networks Employing BATS Codes
Arxiv
0+阅读 · 2021年9月15日
Non-Asymptotic Analysis of Stochastic Approximation Algorithms for Streaming Data
Arxiv
0+阅读 · 2021年9月15日
Backward diffusion-wave problem: stability, regularization and approximation
Arxiv
0+阅读 · 2021年9月15日
Fundamental limits of over-the-air optimization: Are analog schemes optimal?
Arxiv
0+阅读 · 2021年9月15日
Recovery of a Space-Time Dependent Diffusion Coefficient in Subdiffusion: Stability, Approximation and Error Analysis
Recovery of a Space-Time Dependent Diffusion Coefficient in Subdiffusion: Stability, Approximation and Error Analysis
Arxiv
0+阅读 · 2021年9月14日
Learning to Importance Sample in Primary Sample Space
Learning to Importance Sample in Primary Sample Space
Arxiv
5+阅读 · 2018年8月23日
Large-Scale Stochastic Sampling from the Probability Simplex
Arxiv
3+阅读 · 2018年6月19日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
CC
分离的
示例
相关VIP内容
【干货书】计算机科学家的数学，153页pdf
【干货书】计算机科学家的数学，153页pdf
专知会员服务
170+阅读 · 2021年7月27日
【干货书】鲁棒优化Robust Optimization，570页pdf
专知会员服务
141+阅读 · 2021年3月17日
【经典书】线性代数，436页pdf
专知会员服务
76+阅读 · 2021年3月16日
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
专知会员服务
74+阅读 · 2021年1月10日
【ACML2020】张量网络机器学习:最近的进展和前沿，109页ppt
【ACML2020】张量网络机器学习:最近的进展和前沿，109页ppt
专知会员服务
54+阅读 · 2020年12月15日
【干货书-斯坦福】最优化算法，521页pdf，《Algorithms for Optimization》MIT出版社
【干货书-斯坦福】最优化算法，521页pdf，《Algorithms for Optimization》MIT出版社
专知会员服务
273+阅读 · 2020年7月2日
随机特征核近似综述: 算法与理论，Random Features for Kernel Approximation: A Survey in Algorithms, Theory, and Beyond
随机特征核近似综述: 算法与理论，Random Features for Kernel Approximation: A Survey in Algorithms, Theory, and Beyond
专知会员服务
32+阅读 · 2020年4月26日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
专知会员服务
94+阅读 · 2020年3月12日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
热门VIP内容
相关资讯
【干货书-斯坦福】最优化算法，521页pdf，《Algorithms for Optimization》MIT出版社
【干货书-斯坦福】最优化算法，521页pdf，《Algorithms for Optimization》MIT出版社
专知
55+阅读 · 2020年7月2日
最新图学习推荐系统综述 | Graph Learning Approaches to Recommender Systems
最新图学习推荐系统综述 | Graph Learning Approaches to Recommender Systems
机器学习与推荐算法
5+阅读 · 2020年4月29日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
CCF C类 | IJCNN 2019 Special Section : 信息论与深度学习
CCF C类 | IJCNN 2019 Special Section : 信息论与深度学习
Call4Papers
5+阅读 · 2018年12月7日
已删除
已删除
将门创投
3+阅读 · 2018年11月20日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
相关论文
Improved Bi-criteria Approximation for the All-or-Nothing Multicommodity Flow Problem in Arbitrary Networks
Improved Bi-criteria Approximation for the All-or-Nothing Multicommodity Flow Problem in Arbitrary Networks
Arxiv
0+阅读 · 2021年9月17日
Retraction: Improved Approximation Schemes for Dominating Set Problems in Unit Disk Graphs
Retraction: Improved Approximation Schemes for Dominating Set Problems in Unit Disk Graphs
Arxiv
0+阅读 · 2021年9月16日
Sublinear Time Eigenvalue Approximation via Random Sampling
Arxiv
0+阅读 · 2021年9月16日
Utility Maximization for Multihop Wireless Networks Employing BATS Codes
Arxiv
0+阅读 · 2021年9月15日
Non-Asymptotic Analysis of Stochastic Approximation Algorithms for Streaming Data
Arxiv
0+阅读 · 2021年9月15日
Backward diffusion-wave problem: stability, regularization and approximation
Arxiv
0+阅读 · 2021年9月15日
Fundamental limits of over-the-air optimization: Are analog schemes optimal?
Arxiv
0+阅读 · 2021年9月15日
Recovery of a Space-Time Dependent Diffusion Coefficient in Subdiffusion: Stability, Approximation and Error Analysis
Recovery of a Space-Time Dependent Diffusion Coefficient in Subdiffusion: Stability, Approximation and Error Analysis
Arxiv
0+阅读 · 2021年9月14日
Learning to Importance Sample in Primary Sample Space
Learning to Importance Sample in Primary Sample Space
Arxiv
5+阅读 · 2018年8月23日
Large-Scale Stochastic Sampling from the Probability Simplex
Arxiv
3+阅读 · 2018年6月19日
Top
微信扫码咨询专知VIP会员
Top