It is well known that every closure system can be represented by an implicational base, or by the set of its meet-irreducible elements. In Horn logic, these are respectively known as the Horn expressions and the characteristic models. In this paper, we consider the problem of translating between the two representations in acyclic convex geometries. Quite surprisingly, we show that the problem in this context is already harder than the dualization in distributive lattices, a generalization of the well-known hypergraph dualization problem for which the existence of an output quasi-polynomial time algorithm is open. In light of this result, we consider a proper subclass of acyclic convex geometries, namely ranked convex geometries, as those that admit a ranked implicational base analogous to that of ranked posets. For this class, we provide output quasi-polynomial time algorithms based on hypergraph dualization for translating between the two representations. This improves the understanding of a long-standing open problem.


翻译:众所周知, 每一个封闭系统都可以由隐含的基数, 或由一系列相近- 可降低的元素来代表。 在合恩逻辑中, 这些都分别被称为角表达式和特征模型。 在本文中, 我们考虑将两种表达方式转换为环形锥形形形形形形形形体的问题。 相当令人惊讶的是, 我们在此情况下的问题已经比分布式拉托盘的双重化更困难了, 这是一种众所周知的超大二元化问题, 即输出半极时算法的存在是开放的。 根据这一结果, 我们考虑一个适当的环绕式锥形形形形形形形的子类, 即分级的二次曲线形形形形体, 即那些接受类似于排位形形形形形形形形形形形的分形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形形色色形色色色色色色色色色色色的分类。 我们提供基于超光化双形双形双形双形双形双形的输出的输出的输出的输出的输出算法,, 的输出的输出半极化算法算法,,,,, 我们两个表达两个表达两个表达法,,,,,, 的 的 的 的,, 的 。

0
下载
关闭预览

相关内容

【图与几何深度学习】Graph and geometric deep learning,49页ppt
最新《几何深度学习》教程,100页ppt,Geometric Deep Learning
专知会员服务
102+阅读 · 2020年7月16日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
111+阅读 · 2020年5月15日
【课程推荐】 深度学习中的几何(Geometry of Deep Learning)
专知会员服务
58+阅读 · 2019年11月10日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
【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
CreateAMind
26+阅读 · 2019年5月22日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
已删除
将门创投
4+阅读 · 2017年7月7日
GeomCA: Geometric Evaluation of Data Representations
Arxiv
11+阅读 · 2021年5月26日
Arxiv
1+阅读 · 2021年5月20日
Arxiv
24+阅读 · 2021年3月4日
Visualizing and Measuring the Geometry of BERT
Arxiv
7+阅读 · 2019年10月28日
VIP会员
相关资讯
【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
CreateAMind
26+阅读 · 2019年5月22日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
已删除
将门创投
4+阅读 · 2017年7月7日
Top
微信扫码咨询专知VIP会员