In this work we study the fundamental limits of approximate recovery in the context of group testing. One of the most well-known, theoretically optimal, and easy to implement testing procedures is the non-adaptive Bernoulli group testing problem, where all tests are conducted in parallel, and each item is chosen to be part of any certain test independently with some fixed probability. In this setting, there is an observed gap between the number of tests above which recovery is information theoretically (IT) possible, and the number of tests required by the currently best known efficient algorithms to succeed. Often times such gaps are explained by a phase transition in the landscape of the solution space of the problem (an Overlap Gap Property phase transition). In this paper we seek to understand whether such a phenomenon takes place for Bernoulli group testing as well. Our main contributions are the following: (1) We provide first moment evidence that, perhaps surprisingly, such a phase transition does not take place throughout the regime for which recovery is IT possible. This fact suggests that the model is in fact amenable to local search algorithms ; (2) we prove the complete absence of "bad" local minima for a part of the "hard" regime, a fact which implies an improvement over known theoretical results on the performance of efficient algorithms for approximate recovery without false-negatives, and finally (3) we present extensive simulations that strongly suggest that a very simple local algorithm known as Glauber Dynamics does indeed succeed, and can be used to efficiently implement the well-known (theoretically optimal) Smallest Satisfying Set (SSS) estimator.


翻译:在这项工作中,我们研究了在群体测试背景下大致恢复的基本限度。最著名的、理论上最理想的和易于执行测试程序的一个最容易执行的测试问题是非适应性的Bernoulli群体测试问题,所有测试都是平行进行的,每个项目都是独立选择的任何特定测试的一部分,并有一些固定的概率。在这种环境下,从理论上看可能实现恢复的测试数量到目前最著名的高效算法所需要的测试数量之间有明显差距。在这种差距中,最著名的、理论上最理想的、最容易实施测试程序的一个原因是问题解决方案空间的横向过渡(超脱差距财产阶段过渡 ) 。 在本文中,我们力求了解这种现象是否同时进行,每个项目都是独立测试的一部分。我们的主要贡献如下:(1) 我们首先提供证据,也许令人惊讶的是,这种阶段过渡并非在可能实现恢复的政权中进行。这一事实表明,该模型事实上适合当地搜索算法(我们证明,对于“最坏的”本地迷你”的“最坏的”部分,对于“最坏的“最坏的”最坏的“最坏的”的算法,我们最后使用的一个事实意味着我们所知道的“最坏的“最坏的”的“最坏的”的“最坏的“最坏的”的“最精确的算法”的算法性能可以改进的“最坏的”的“最坏的”的“最坏的“最坏的算法”的”的“最后的”性,意味着是,意味着一个事实可以改进的“最坏的“最坏的“最坏的“最坏的”的算法”的”的“最坏的算法性能的“最坏的算法性能的“最能的”的最后的”的”的“最能说明的“最坏的“最能的”的”的”的“最坏的“最能的算法”最后的算法,意味着的“最能的算法性能的算法性能的“最坏的算法性能的算法性能可以说明,意味着的”最后的改进的改进的改进的进行。

0
下载
关闭预览

相关内容

Group一直是研究计算机支持的合作工作、人机交互、计算机支持的协作学习和社会技术研究的主要场所。该会议将社会科学、计算机科学、工程、设计、价值观以及其他与小组工作相关的多个不同主题的工作结合起来,并进行了广泛的概念化。官网链接:https://group.acm.org/conferences/group20/
【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
专知会员服务
123+阅读 · 2020年9月8日
【机器学习术语宝典】机器学习中英文术语表
专知会员服务
59+阅读 · 2020年7月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
《科学》(20190517出版)一周论文导读
科学网
5+阅读 · 2019年5月19日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
3+阅读 · 2018年2月24日
VIP会员
相关资讯
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
《科学》(20190517出版)一周论文导读
科学网
5+阅读 · 2019年5月19日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15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