Given a permutation $\sigma$ on $n$ symbols $\{0, 1, \ldots, n-1\}$ and an integer $1 \leq m \leq n-1$, the $m$th contraction of $\sigma$ is the permutation $\sigma^{{CT}^m}$ on $n-m$ symbols obtained by deleting the symbols $n-1, n-2, \ldots, n-m$ from the cycle decomposition of $\sigma$. The Hamming distance $hd(\sigma,\tau)$ between two permutations $\sigma$ and $\tau$ is the number of symbols $x$ such that $\sigma(x) \neq \tau(x)$, and the Hamming distance of a non-empty set of permutations is the least Hamming distance among all pairs of distinct elements of the set. In this paper we identify how repeated contractions affect the Hamming distance between two permutations, and use it to obtain new lower bounds for the maximum possible size of a set of permutations on $q-1$ symbols, for certain prime powers $q$, having Hamming distance $q-5$, and for a set of permutations on $q - m$ symbols, for certain prime powers $q$ and $3 \leq m \leq 9$, having Hamming distance $q-1-2m$.


翻译:以美元符号$0, 1,\ldot, n-1 美元和整数$1 美元=leq m\leq n1美元计算, 美元缩缩为$gma美元, 美元缩为$gma美元=gma $sigma\\\\\\\\\\\\\m}美元, 美元符号的缩值为美元- 美元, 美元=1, n2,\ldots, 美元=mgma 美元, 美元=gma 美元, 美元=l1, 1美元=gma, 美元=gma, 美元=gma, 美元=gma, 美元=m=m=m=m=m=m=m=m=m=m=m=m=m=m美元, 平面图集中非空的宽距离是所有不同元素组合的最小距离。 在本文中,我们确定两次调整之间的重复收缩会如何影响mam 距离, $ $ $, 并使用它获得新的距离, $ $ $ q am mabrebrebreal dal dal resm resm resm resm resm resm resm resm resm resm resm resm resm resm resm resm resm resm max am resm resm imm seq a seq am am am am sem max am am am am se seg se seg am se se se se se se se se se se se se se se seg se se se se m se se se se se se se se se se se se se se se se se se se se se se se se se se se se se se se se am se se se se se am se m se se se se se se se se

0
下载
关闭预览

相关内容

【AAAI2021】对比聚类,Contrastive Clustering
专知会员服务
76+阅读 · 2021年1月30日
【经典书】C语言傻瓜式入门(第二版),411页pdf
专知会员服务
51+阅读 · 2020年8月16日
【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
48+阅读 · 2020年7月4日
【MIT】反偏差对比学习,Debiased Contrastive Learning
专知会员服务
90+阅读 · 2020年7月4日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12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
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29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
Arxiv
0+阅读 · 2021年11月19日
Arxiv
0+阅读 · 2021年11月19日
Arxiv
0+阅读 · 2021年11月18日
Arxiv
0+阅读 · 2021年11月17日
Arxiv
0+阅读 · 2021年11月16日
Arxiv
11+阅读 · 2021年2月17日
VIP会员
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
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29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
相关论文
Top
微信扫码咨询专知VIP会员