会员服务
图 · 样例 · 离散数学 ·
2021 年 12 月 4 日
Order in the chaos with examples from graph theory
翻译：混乱中的秩序, 以图形理论的示例为例
Zoltán Kása
Zoltán Kása
from arxiv, 2 pages English abstract, 20 pages in Hungarian (Rend a rendezetlens\'egben -- gr\'afelm\'eleti p\'eld\'akkal)

In randomly created structures (be they natural or artificial) very often there exist ordered substructures. In this Hungarian language scientific essay we will present some of such structures in graph theory. E.g. R\'edei's theorem, Ramsey theory, Tur\'an's problem, Hamiltonian cycles in De Bruijn graphs.


翻译：在随机创建的结构中(无论是自然还是人为的),常常存在有定购的子结构。在匈牙利语的这份科学论文中,我们将在图表理论中介绍其中的一些结构。例如,R\'edei的理论、Ramsey理论、Tur\'an问题、汉密尔顿周期、De Bruijn图表。
0
下载
关闭预览

相关内容

【图神经网络导论】Intro to Graph Neural Networks，176页ppt
【图神经网络导论】Intro to Graph Neural Networks，176页ppt
专知会员服务
125+阅读 · 2021年6月4日
哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
38+阅读 · 2020年11月3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
【芝加哥大学】GRAPH-BERT: Only Attention is Needed for Learning Graph Representations
【芝加哥大学】GRAPH-BERT: Only Attention is Needed for Learning Graph Representations
专知会员服务
84+阅读 · 2020年1月15日
【电子书】理解机器学习：从理论到算法（Understanding Machine Learning: From Theory to Algorithms）449页PDF免费下载
【电子书】理解机器学习：从理论到算法（Understanding Machine Learning: From Theory to Algorithms）449页PDF免费下载
专知会员服务
153+阅读 · 2019年10月30日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
9+阅读 · 2019年10月24日
社交网络上议题社群的公共焦虑研究， 中国人民大学新闻学院塔娜讲师，第八届全国社会媒体处理大会SMP2019
社交网络上议题社群的公共焦虑研究， 中国人民大学新闻学院塔娜讲师，第八届全国社会媒体处理大会SMP2019
专知会员服务
14+阅读 · 2019年10月23日
Aspect-Oriented Syntax Network for Aspect-Based Sentiment Analysis，中山大学数据科学与计算机学院权小军教授，第八届全国社会媒体处理大会SMP2019
Aspect-Oriented Syntax Network for Aspect-Based Sentiment Analysis，中山大学数据科学与计算机学院权小军教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
18+阅读 · 2019年10月22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
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【泡泡汇总】CVPR2019 SLAM Paperlist
【泡泡汇总】CVPR2019 SLAM Paperlist
泡泡机器人SLAM
14+阅读 · 2019年6月12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
28+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
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
分布式TensorFlow入门指南
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】SVM实例教程
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26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
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
On the computation of Gröbner bases for pluriweighted-homogeneous systems
Arxiv
0+阅读 · 2022年2月11日
Three-dimensional graph products with unbounded stack-number
Arxiv
0+阅读 · 2022年2月10日
Learning Theory Can (Sometimes) Explain Generalisation in Graph Neural Networks
Arxiv
4+阅读 · 2021年12月7日
Multi-task Learning of Order-Consistent Causal Graphs
Arxiv
10+阅读 · 2021年11月3日
Learning to Learn Graph Topologies
Arxiv
7+阅读 · 2021年10月19日
Pointer Graph Networks
Pointer Graph Networks
Arxiv
7+阅读 · 2020年6月11日
Graph Signal Processing -- Part III: Machine Learning on Graphs, from Graph Topology to Applications
Arxiv
19+阅读 · 2020年1月2日
Graph Signal Processing -- Part II: Processing and Analyzing Signals on Graphs
Graph Signal Processing -- Part II: Processing and Analyzing Signals on Graphs
Arxiv
16+阅读 · 2019年9月23日
Learning Discrete Structures for Graph Neural Networks
Arxiv
6+阅读 · 2019年5月17日
Inference in Probabilistic Graphical Models by Graph Neural Networks
Arxiv
3+阅读 · 2018年5月25日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
图
样例
离散数学
相关VIP内容
【图神经网络导论】Intro to Graph Neural Networks，176页ppt
【图神经网络导论】Intro to Graph Neural Networks，176页ppt
专知会员服务
125+阅读 · 2021年6月4日
哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
38+阅读 · 2020年11月3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
【芝加哥大学】GRAPH-BERT: Only Attention is Needed for Learning Graph Representations
【芝加哥大学】GRAPH-BERT: Only Attention is Needed for Learning Graph Representations
专知会员服务
84+阅读 · 2020年1月15日
【电子书】理解机器学习：从理论到算法（Understanding Machine Learning: From Theory to Algorithms）449页PDF免费下载
【电子书】理解机器学习：从理论到算法（Understanding Machine Learning: From Theory to Algorithms）449页PDF免费下载
专知会员服务
153+阅读 · 2019年10月30日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
9+阅读 · 2019年10月24日
社交网络上议题社群的公共焦虑研究， 中国人民大学新闻学院塔娜讲师，第八届全国社会媒体处理大会SMP2019
社交网络上议题社群的公共焦虑研究， 中国人民大学新闻学院塔娜讲师，第八届全国社会媒体处理大会SMP2019
专知会员服务
14+阅读 · 2019年10月23日
Aspect-Oriented Syntax Network for Aspect-Based Sentiment Analysis，中山大学数据科学与计算机学院权小军教授，第八届全国社会媒体处理大会SMP2019
Aspect-Oriented Syntax Network for Aspect-Based Sentiment Analysis，中山大学数据科学与计算机学院权小军教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
18+阅读 · 2019年10月22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
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
热门VIP内容
相关资讯
【泡泡汇总】CVPR2019 SLAM Paperlist
【泡泡汇总】CVPR2019 SLAM Paperlist
泡泡机器人SLAM
14+阅读 · 2019年6月12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
28+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
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
分布式TensorFlow入门指南
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】SVM实例教程
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26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
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
On the computation of Gröbner bases for pluriweighted-homogeneous systems
Arxiv
0+阅读 · 2022年2月11日
Three-dimensional graph products with unbounded stack-number
Arxiv
0+阅读 · 2022年2月10日
Learning Theory Can (Sometimes) Explain Generalisation in Graph Neural Networks
Arxiv
4+阅读 · 2021年12月7日
Multi-task Learning of Order-Consistent Causal Graphs
Arxiv
10+阅读 · 2021年11月3日
Learning to Learn Graph Topologies
Arxiv
7+阅读 · 2021年10月19日
Pointer Graph Networks
Pointer Graph Networks
Arxiv
7+阅读 · 2020年6月11日
Graph Signal Processing -- Part III: Machine Learning on Graphs, from Graph Topology to Applications
Arxiv
19+阅读 · 2020年1月2日
Graph Signal Processing -- Part II: Processing and Analyzing Signals on Graphs
Graph Signal Processing -- Part II: Processing and Analyzing Signals on Graphs
Arxiv
16+阅读 · 2019年9月23日
Learning Discrete Structures for Graph Neural Networks
Arxiv
6+阅读 · 2019年5月17日
Inference in Probabilistic Graphical Models by Graph Neural Networks
Arxiv
3+阅读 · 2018年5月25日
Top
微信扫码咨询专知VIP会员
Top