Let $p(n)$ denote the smallest prime divisor of the integer $n$. Define the function $g(k)$ to be the smallest integer $>k+1$ such that $p(\binom{g(k)}{k})>k$. So we have $g(2)=6$ and $g(3)=g(4)=7$. In this paper we present the following new results on the Erd\H{o}s-Selfridge function $g(k)$: We present a new algorithm to compute the value of $g(k)$, and use it to both verify previous work and compute new values of $g(k)$, with our current limit being $$ g(323)= 1\ 69829\ 77104\ 46041\ 21145\ 63251\ 22499. $$ We define a new function $\hat{g}(k)$, and under the assumption of our Uniform Distribution Heuristic we show that $$ \log g(k) = \log \hat{g}(k) + O(\log k) $$ with high "probability". We also provide computational evidence to support our claim that $\hat{g}(k)$ estimates $g(k)$ reasonably well in practice. There are several open conjectures on the behavior of $g(k)$ which we are able to prove for $\hat{g}(k)$, namely that $$ 0.525\ldots +o(1) \quad \le \quad \frac{\log \hat{g}(k)}{k/\log k} \quad \le \quad 1+o(1), $$ and that $$ \limsup_{k\rightarrow\infty} \frac{\hat{g}(k+1)}{\hat{g}(k)}=\infty.$$ Let $G(x,k)$ count the number of integers $n\le x$ such that $p(\binom{n}{k})>k$. Unconditionally, we prove that for large $x$, $G(x,k)$ is asymptotic to $x/\hat{g}(k)$. And finally, we show that the running time of our new algorithm is at most $g(k) \exp[ -c (k\log\log k) /(\log k)^2 (1+o(1))]$ for a constant $c>0$.


翻译:letp (n) $ 表示整数 $ 的最小基数 。 定义函数 $g (k) 美元 最小整数 $> k+1 美元 。 所以我们有 $ (g) (2)= 6美元 和 $g(3)= g(4)= 7美元 。 在本文中, 我们在 Erd\ h{ o} 自动脊函数上展示了以下新结果 $g (k) 美元 : 我们提出一个新的算法来计算 $ (k) 美元 美元, 并且用它来校验以前的工作和 $(k) 美元 。 我们目前的限制是 $( 323)\ 6929\ 77104\ 414\ 21145\ 63251\ 2299. 美元。 我们定义了一个新的函数 $\ hat{g} (k) 美元 。 根据我们统一分发 Heurtical 的假设, 美元= g (k) 美元=\ 美元 美元= 美元 美元 美元 (k) 也提供 O\ dalcoal calb 。

0
下载
关闭预览

相关内容

专知会员服务
121+阅读 · 2021年6月23日
【NeurIPS2020】可靠图神经网络鲁棒聚合
专知会员服务
19+阅读 · 2020年11月6日
专知会员服务
61+阅读 · 2020年3月4日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8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
Arxiv
0+阅读 · 2021年7月26日
Arxiv
0+阅读 · 2021年7月26日
Arxiv
0+阅读 · 2021年7月26日
VIP会员
相关VIP内容
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8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
Top
微信扫码咨询专知VIP会员