会员服务
Processing（编程语言） · 图 · Principle · 相互独立的 · FAST ·
2021 年 5 月 14 日
BernoulliZip: a Compression Algorithm for Bernoulli Processes and Erdos-Renyi Graphs
翻译：BernoulliZip:伯努利加工和Erdos-Renyi图的压缩算法
Amirmohammad Farzaneh,Mihai-Alin Badiu,Justin P. Coon
Amirmohammad Farzaneh,Mihai-Alin Badiu,Justin P. Coon
from arxiv, Submitted to ITW 2021

A novel compression scheme for compressing the outcome of $n$ independent Bernoulli trials is introduced and analysed. The resulting algorithm, BernoulliZip, is a fast and near-optimal method to produce prefix codes for a Bernoulli process. BernoulliZip's main principle is to first represent the number of 1s in the sequence and then specify the sequence. The application of BernoulliZip on compressing Erdos-Renyi graphs is explored.


翻译：引入并分析压缩独立伯努利审判结果的新压缩计划。 由此产生的算法伯努利日普( BernoulliZip) 是一个快速和接近最佳的方法,可以生成伯努利进程前缀代码。 伯努利日普( BernoulliZip) 的主要原则是首先代表序列中的 1 个数, 然后指定序列。 探索伯努利日普( BernoulliZip) 如何压缩 Erdos- Renyi 图形 。
0
下载
关闭预览

相关内容

Processing 是一门开源编程语言和与之配套的集成开发环境（IDE）的名称。Processing 在电子艺术和视觉设计社区被用来教授编程基础，并运用于大量的新媒体和互动艺术作品中。
【干货书】机器学习速查手册，135页pdf
【干货书】机器学习速查手册，135页pdf
专知会员服务
125+阅读 · 2020年11月20日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
247+阅读 · 2020年4月19日
【SIGMOD2020-CMU】在内存中搜索树的顺序保持键压缩，Order-Preserving Key Compression for In-Memory Search Trees
【SIGMOD2020-CMU】在内存中搜索树的顺序保持键压缩，Order-Preserving Key Compression for In-Memory Search Trees
专知会员服务
14+阅读 · 2020年3月7日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
179+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
153+阅读 · 2019年10月12日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
176+阅读 · 2019年10月11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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
40+阅读 · 2019年10月9日
强化学习扫盲贴：从Q-learning到DQN
强化学习扫盲贴：从Q-learning到DQN
夕小瑶的卖萌屋
52+阅读 · 2019年10月13日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Deep Compression/Acceleration：模型压缩加速论文汇总
Deep Compression/Acceleration：模型压缩加速论文汇总
极市平台
14+阅读 · 2019年5月15日
Github项目推荐 | 最优控制、强化学习和运动规划等主题参考文献集锦
Github项目推荐 | 最优控制、强化学习和运动规划等主题参考文献集锦
AI研习社
3+阅读 · 2019年4月21日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
RL 真经
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
【推荐】决策树/随机森林深入解析
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Fast and Accurate Proper Orthogonal Decomposition using Efficient Sampling and Iterative Techniques for Singular Value Decomposition
Fast and Accurate Proper Orthogonal Decomposition using Efficient Sampling and Iterative Techniques for Singular Value Decomposition
Arxiv
0+阅读 · 2021年7月6日
Energy-preserving splitting integrators for sampling from Gaussian distributions with Hamiltonian Monte Carlo method
Arxiv
0+阅读 · 2021年7月6日
On the Hardness of Compressing Weights
Arxiv
0+阅读 · 2021年7月6日
Information Theoretic Meta Learning with Gaussian Processes
Arxiv
0+阅读 · 2021年7月5日
Partition and Code: learning how to compress graphs
Arxiv
0+阅读 · 2021年7月5日
Finding branch-decompositions of matroids, hypergraphs, and more
Arxiv
0+阅读 · 2021年7月5日
Sublinear-Space Approximation Algorithms for Max r-SAT
Arxiv
0+阅读 · 2021年7月4日
The operator-splitting method for Cahn-Hilliard is stable
Arxiv
0+阅读 · 2021年7月3日
Scale Mixtures of Neural Network Gaussian Processes
Arxiv
0+阅读 · 2021年7月3日
ATC: an Advanced Tucker Compression library for multidimensional data
Arxiv
0+阅读 · 2021年7月3日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Processing（编程语言）
图
Principle
相互独立的
FAST
相关VIP内容
【干货书】机器学习速查手册，135页pdf
【干货书】机器学习速查手册，135页pdf
专知会员服务
125+阅读 · 2020年11月20日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
247+阅读 · 2020年4月19日
【SIGMOD2020-CMU】在内存中搜索树的顺序保持键压缩，Order-Preserving Key Compression for In-Memory Search Trees
【SIGMOD2020-CMU】在内存中搜索树的顺序保持键压缩，Order-Preserving Key Compression for In-Memory Search Trees
专知会员服务
14+阅读 · 2020年3月7日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
179+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
153+阅读 · 2019年10月12日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
176+阅读 · 2019年10月11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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
40+阅读 · 2019年10月9日
热门VIP内容
相关资讯
强化学习扫盲贴：从Q-learning到DQN
强化学习扫盲贴：从Q-learning到DQN
夕小瑶的卖萌屋
52+阅读 · 2019年10月13日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Deep Compression/Acceleration：模型压缩加速论文汇总
Deep Compression/Acceleration：模型压缩加速论文汇总
极市平台
14+阅读 · 2019年5月15日
Github项目推荐 | 最优控制、强化学习和运动规划等主题参考文献集锦
Github项目推荐 | 最优控制、强化学习和运动规划等主题参考文献集锦
AI研习社
3+阅读 · 2019年4月21日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
RL 真经
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
【推荐】决策树/随机森林深入解析
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
Fast and Accurate Proper Orthogonal Decomposition using Efficient Sampling and Iterative Techniques for Singular Value Decomposition
Fast and Accurate Proper Orthogonal Decomposition using Efficient Sampling and Iterative Techniques for Singular Value Decomposition
Arxiv
0+阅读 · 2021年7月6日
Energy-preserving splitting integrators for sampling from Gaussian distributions with Hamiltonian Monte Carlo method
Arxiv
0+阅读 · 2021年7月6日
On the Hardness of Compressing Weights
Arxiv
0+阅读 · 2021年7月6日
Information Theoretic Meta Learning with Gaussian Processes
Arxiv
0+阅读 · 2021年7月5日
Partition and Code: learning how to compress graphs
Arxiv
0+阅读 · 2021年7月5日
Finding branch-decompositions of matroids, hypergraphs, and more
Arxiv
0+阅读 · 2021年7月5日
Sublinear-Space Approximation Algorithms for Max r-SAT
Arxiv
0+阅读 · 2021年7月4日
The operator-splitting method for Cahn-Hilliard is stable
Arxiv
0+阅读 · 2021年7月3日
Scale Mixtures of Neural Network Gaussian Processes
Arxiv
0+阅读 · 2021年7月3日
ATC: an Advanced Tucker Compression library for multidimensional data
Arxiv
0+阅读 · 2021年7月3日
Top
微信扫码咨询专知VIP会员
Top