In this paper we study the separation between two complexity measures: the degree of a Boolean function as a polynomial over the reals and its block sensitivity. We show that separation between these two measures can be improved from $ d^2(f) \geq bs(f) $, established by Tal, to $ d^2(f) \geq (\sqrt{10} - 2)bs(f) $. As a corollary, we show that separations between some other complexity measures are not tight as well, for instance, we can improve recent sensitivity conjecture result by Huang to $s^4(f) \geq (\sqrt{10} - 2)bs(f)$. Our techniques are based on paper by Nisan and Szegedy and include more detailed analysis of a symmetrization polynomial. In our next result we show the same type of improvement in the separation between the approximate degree of a Boolean function and its block sensitivity: we show that $deg_{1/3}^2(f) \geq \sqrt{6/101} bs(f)$ and improve the previous result by Nisan and Szegedy $ deg_{1/3}(f) \geq \sqrt{bs(f)/6} $. In addition, we construct an example which shows that gap between constants in the lower bound and in the known upper bound is less than $0.2$. In our last result we study the properties of conjectured fully sensitive function on 10 variables of degree 4, existence of which would lead to improvement of the biggest known gap between these two measures. We prove that there is the only univariate polynomial that can be achieved by symmetrization of this function by using the combination of interpolation and linear programming techniques.


翻译:在本文中, 我们研究两种复杂度的区分 : 布林函数相对于真实值及其区块敏感度的多元度值。 我们显示, 这两种度量的分离可以从$ d2 (f)\geq b(f) 美元, 由塔尔建立, 到 $ d2 (f)\geq (sqrt{10} - 2 b(f) 美元。 作为必然结果, 我们显示, 某些其它复杂度度的分离并不紧密, 例如, 我们可以改善黄鼠狼最近的灵敏度, 至$4 (f)\ geqqqqqqqqqqqqqqqqqqqqqqqqqqqq) 。 我们的技术以纸为基础, 包括更详尽分析 。 在我们的下一个结果中, 我们显示, 在布林函数的大约编程度与其块变量的敏感度的分解中, 我们显示, 黄黄蜂1/3 2(f) 之间的感应改进结果 $ 4, (squr) lige\ tal= delistrang lish) listress best list ladeal=n=n=xxxxx list lix list list

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
专知会员服务
53+阅读 · 2020年3月16日
【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
深度卷积神经网络中的降采样
极市平台
12+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22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
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】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
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
The complexity of high-dimensional cuts
Arxiv
0+阅读 · 2021年8月23日
Signal Detection in Degree Corrected ERGMs
Arxiv
0+阅读 · 2021年8月20日
Arxiv
0+阅读 · 2021年8月19日
Arxiv
4+阅读 · 2018年3月14日
VIP会员
Top
微信扫码咨询专知VIP会员