会员服务
奈特 · 全 · binary · 标注 · 离散数学 ·
2021 年 3 月 24 日
Non-ambiguous trees: new results and generalisation (Full version)
翻译：不矛盾的树木:新结果和概括(完整版本)
Bérénice Delcroix-Oger,Florent Hivert,Patxi Laborde-Zubieta,Jean-Christophe Aval,Adrien Boussicault
Bérénice Delcroix-Oger,Florent Hivert,Patxi Laborde-Zubieta,Jean-Christophe Aval,Adrien Boussicault
from arxiv, full version of arXiv:2103.07294. European Journal of Combinatorics, Elsevier

We present a new definition of non-ambiguous trees (NATs) as labelled binary trees. We thus get a differential equation whose solution can be described combinatorially. This yields a new formula for the number of NATs. We also obtain q-versions of our formula. We finally generalise NATs to higher dimension.


翻译：我们提出了不矛盾的树木的新定义,称为二进制树,因此我们得到了一个差别方程式,其解决办法可以按组合来描述。这为NAT的数量提供了一个新的公式。我们还获得了我们的公式的Q变式。我们终于将NAT概括到更高的维度上。
0
下载
关闭预览

相关内容

【ETH】最新《几何数据分析》2020课程，附PPT下载
专知会员服务
42+阅读 · 2020年12月18日
最新【深度生成模型】Deep Generative Models，104页ppt
最新【深度生成模型】Deep Generative Models，104页ppt
专知会员服务
69+阅读 · 2020年10月24日
【视频描述综述论文】Video Description: A Survey of Methods, Datasets, and Evaluation Metrics
【视频描述综述论文】Video Description: A Survey of Methods, Datasets, and Evaluation Metrics
专知会员服务
64+阅读 · 2020年5月12日
【哈佛-ICLR2020】基于残差能量模型的文本生成，Residual Energy-Based Models for Text Generation
【哈佛-ICLR2020】基于残差能量模型的文本生成，Residual Energy-Based Models for Text Generation
专知会员服务
10+阅读 · 2020年4月27日
【伯克利】元学习的元基线，A New Meta-Baseline for Few-Shot Learning
【伯克利】元学习的元基线，A New Meta-Baseline for Few-Shot Learning
专知会员服务
66+阅读 · 2020年3月28日
50+篇《神经架构搜索NAS》2020论文合集
专知会员服务
60+阅读 · 2020年3月19日
【DeepMind】PolyGen: 一种三维网格的自回归生成模型，PolyGen: An Autoregressive Generative Model of 3D Meshes
【DeepMind】PolyGen: 一种三维网格的自回归生成模型，PolyGen: An Autoregressive Generative Model of 3D Meshes
专知会员服务
35+阅读 · 2020年2月27日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17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
【新书】Python编程基础，669页pdf
【新书】Python编程基础，669页pdf
专知会员服务
194+阅读 · 2019年10月10日
局部学习的特征选择：Local-Learning-Based Feature Selection
局部学习的特征选择：Local-Learning-Based Feature Selection
我爱读PAMI
14+阅读 · 2019年9月20日
已删除
已删除
将门创投
12+阅读 · 2019年7月1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
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【论文推荐】最新五篇视频分类相关论文—细粒度行人识别、群组归一化、MLtuner、时序特征
【论文推荐】最新五篇视频分类相关论文—细粒度行人识别、群组归一化、MLtuner、时序特征
专知
22+阅读 · 2018年4月21日
【论文推荐】最新6篇目标检测​（Object Detection）相关论文—物体链接、手机端、三维地图、航空图像、检测与姿态估计
【论文推荐】最新6篇目标检测​（Object Detection）相关论文—物体链接、手机端、三维地图、航空图像、检测与姿态估计
专知
8+阅读 · 2018年2月5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
GLGE: A New General Language Generation Evaluation Benchmark
Arxiv
0+阅读 · 2021年5月19日
Degrees and Gaps: Tight Complexity Results of General Factor Problems Parameterized by Treewidth and Cutwidth
Arxiv
0+阅读 · 2021年5月19日
Detecting Outliers in High-dimensional Data with Mixed Variable Types using Conditional Gaussian Regression Models
Arxiv
0+阅读 · 2021年5月19日
A New, Computationally Efficient "Blech Criterion" for Immortality in General Interconnects
Arxiv
0+阅读 · 2021年5月18日
The Minimax Estimator of the Average Treatment Effect, among Linear Combinations of Conditional Average Treatment Effects Estimators
Arxiv
0+阅读 · 2021年5月18日
General Instance Distillation for Object Detection
Arxiv
9+阅读 · 2021年3月3日
On Layer Normalization in the Transformer Architecture
Arxiv
4+阅读 · 2020年2月12日
Generative Adversarial Active Learning for Unsupervised Outlier Detection
Generative Adversarial Active Learning for Unsupervised Outlier Detection
Arxiv
5+阅读 · 2019年3月14日
Disentangled Person Image Generation
Arxiv
7+阅读 · 2018年1月21日
LR-GAN: Layered Recursive Generative Adversarial Networks for Image Generation
Arxiv
3+阅读 · 2017年8月2日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
奈特
全
binary
标注
离散数学
相关VIP内容
【ETH】最新《几何数据分析》2020课程，附PPT下载
专知会员服务
42+阅读 · 2020年12月18日
最新【深度生成模型】Deep Generative Models，104页ppt
最新【深度生成模型】Deep Generative Models，104页ppt
专知会员服务
69+阅读 · 2020年10月24日
【视频描述综述论文】Video Description: A Survey of Methods, Datasets, and Evaluation Metrics
【视频描述综述论文】Video Description: A Survey of Methods, Datasets, and Evaluation Metrics
专知会员服务
64+阅读 · 2020年5月12日
【哈佛-ICLR2020】基于残差能量模型的文本生成，Residual Energy-Based Models for Text Generation
【哈佛-ICLR2020】基于残差能量模型的文本生成，Residual Energy-Based Models for Text Generation
专知会员服务
10+阅读 · 2020年4月27日
【伯克利】元学习的元基线，A New Meta-Baseline for Few-Shot Learning
【伯克利】元学习的元基线，A New Meta-Baseline for Few-Shot Learning
专知会员服务
66+阅读 · 2020年3月28日
50+篇《神经架构搜索NAS》2020论文合集
专知会员服务
60+阅读 · 2020年3月19日
【DeepMind】PolyGen: 一种三维网格的自回归生成模型，PolyGen: An Autoregressive Generative Model of 3D Meshes
【DeepMind】PolyGen: 一种三维网格的自回归生成模型，PolyGen: An Autoregressive Generative Model of 3D Meshes
专知会员服务
35+阅读 · 2020年2月27日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17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
【新书】Python编程基础，669页pdf
【新书】Python编程基础，669页pdf
专知会员服务
194+阅读 · 2019年10月10日
热门VIP内容
相关资讯
局部学习的特征选择：Local-Learning-Based Feature Selection
局部学习的特征选择：Local-Learning-Based Feature Selection
我爱读PAMI
14+阅读 · 2019年9月20日
已删除
已删除
将门创投
12+阅读 · 2019年7月1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
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【论文推荐】最新五篇视频分类相关论文—细粒度行人识别、群组归一化、MLtuner、时序特征
【论文推荐】最新五篇视频分类相关论文—细粒度行人识别、群组归一化、MLtuner、时序特征
专知
22+阅读 · 2018年4月21日
【论文推荐】最新6篇目标检测​（Object Detection）相关论文—物体链接、手机端、三维地图、航空图像、检测与姿态估计
【论文推荐】最新6篇目标检测​（Object Detection）相关论文—物体链接、手机端、三维地图、航空图像、检测与姿态估计
专知
8+阅读 · 2018年2月5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
GLGE: A New General Language Generation Evaluation Benchmark
Arxiv
0+阅读 · 2021年5月19日
Degrees and Gaps: Tight Complexity Results of General Factor Problems Parameterized by Treewidth and Cutwidth
Arxiv
0+阅读 · 2021年5月19日
Detecting Outliers in High-dimensional Data with Mixed Variable Types using Conditional Gaussian Regression Models
Arxiv
0+阅读 · 2021年5月19日
A New, Computationally Efficient "Blech Criterion" for Immortality in General Interconnects
Arxiv
0+阅读 · 2021年5月18日
The Minimax Estimator of the Average Treatment Effect, among Linear Combinations of Conditional Average Treatment Effects Estimators
Arxiv
0+阅读 · 2021年5月18日
General Instance Distillation for Object Detection
Arxiv
9+阅读 · 2021年3月3日
On Layer Normalization in the Transformer Architecture
Arxiv
4+阅读 · 2020年2月12日
Generative Adversarial Active Learning for Unsupervised Outlier Detection
Generative Adversarial Active Learning for Unsupervised Outlier Detection
Arxiv
5+阅读 · 2019年3月14日
Disentangled Person Image Generation
Arxiv
7+阅读 · 2018年1月21日
LR-GAN: Layered Recursive Generative Adversarial Networks for Image Generation
Arxiv
3+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员
Top