会员服务
完全图 · AIM · 相互独立的 · 图 · 离散数学 ·
2020 年 10 月 10 日
A short proof of the non-biplanarity of $K_9$
翻译：证明非两用性为9,000科威特第纳尔的简短证据
Ahmad Biniaz
Ahmad Biniaz

Battle, Harary, and Kodama (1962) and independently Tutte (1963) proved that the complete graph with nine vertices is not biplanar. Aiming towards simplicity and brevity, in this note we provide a short proof of this claim.


翻译：哈拉里和科达马(Harary,1962年)和科达马(Kodama,以及独立的图特(Tutte,1963年)证明,带有九面顶的完整图表不是双平面的。 为了简单和简洁,我们在本照会中提供了这一说法的简短证据。
0
下载
关闭预览

相关内容

人工智能如何用于抵抗COVID-19？Mila这份《AI against COVID-19 》PPT
专知会员服务
48+阅读 · 2020年5月17日
【IJCAI2020】从语言图谱到常识图谱，TransOMCS: From Linguistic Graphs to Commonsense Knowledge
【IJCAI2020】从语言图谱到常识图谱，TransOMCS: From Linguistic Graphs to Commonsense Knowledge
专知会员服务
40+阅读 · 2020年5月4日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
248+阅读 · 2020年4月19日
【SIGMOD2020】知识图谱补全方法的现实再评价，Realistic Re-evaluation of Knowledge Graph Completion Methods: An Experimental Study
【SIGMOD2020】知识图谱补全方法的现实再评价，Realistic Re-evaluation of Knowledge Graph Completion Methods: An Experimental Study
专知会员服务
33+阅读 · 2020年3月23日
【综述】文献级机器翻译研究:方法与评价（A Survey on Document-level Machine Translation: Methods and Evaluation）
【综述】文献级机器翻译研究:方法与评价（A Survey on Document-level Machine Translation: Methods and Evaluation）
专知会员服务
7+阅读 · 2019年12月19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
48+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
35+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
177+阅读 · 2019年10月11日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
计算机 | USENIX Security 2020等国际会议信息5条
计算机 | USENIX Security 2020等国际会议信息5条
Call4Papers
7+阅读 · 2019年4月25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
人工智能 | 国际会议信息10条
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】RNN/LSTM时序预测
【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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Combining nondeterminism, probability, and termination: equational and metric reasoning
Arxiv
0+阅读 · 2020年12月1日
Learning a manifold from a teacher's demonstrations
Arxiv
0+阅读 · 2020年11月30日
A Model for Ant Trail Formation and its Convergence Properties
Arxiv
0+阅读 · 2020年11月30日
Bounds on the QAC$^0$ Complexity of Approximating Parity
Arxiv
0+阅读 · 2020年11月30日
CybergeoNetworks, an interactive application for the geographical and semantic analysis of scientific publications
Arxiv
0+阅读 · 2020年11月27日
A methodology for co-constructing an interdisciplinary model: from model to survey, from survey to model
Arxiv
0+阅读 · 2020年11月27日
Measuring Sentences Similarity: A Survey
Arxiv
7+阅读 · 2019年10月6日
Object Detection in Videos by High Quality Object Linking
Arxiv
4+阅读 · 2019年4月8日
Evaluating and Understanding the Robustness of Adversarial Logit Pairing
Arxiv
8+阅读 · 2018年7月26日
Seq2RDF: An end-to-end application for deriving Triples from Natural Language Text
Arxiv
4+阅读 · 2018年7月10日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
完全图
AIM
相互独立的
图
离散数学
相关VIP内容
人工智能如何用于抵抗COVID-19？Mila这份《AI against COVID-19 》PPT
专知会员服务
48+阅读 · 2020年5月17日
【IJCAI2020】从语言图谱到常识图谱，TransOMCS: From Linguistic Graphs to Commonsense Knowledge
【IJCAI2020】从语言图谱到常识图谱，TransOMCS: From Linguistic Graphs to Commonsense Knowledge
专知会员服务
40+阅读 · 2020年5月4日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
248+阅读 · 2020年4月19日
【SIGMOD2020】知识图谱补全方法的现实再评价，Realistic Re-evaluation of Knowledge Graph Completion Methods: An Experimental Study
【SIGMOD2020】知识图谱补全方法的现实再评价，Realistic Re-evaluation of Knowledge Graph Completion Methods: An Experimental Study
专知会员服务
33+阅读 · 2020年3月23日
【综述】文献级机器翻译研究:方法与评价（A Survey on Document-level Machine Translation: Methods and Evaluation）
【综述】文献级机器翻译研究:方法与评价（A Survey on Document-level Machine Translation: Methods and Evaluation）
专知会员服务
7+阅读 · 2019年12月19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
48+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
35+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
177+阅读 · 2019年10月11日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
热门VIP内容
相关资讯
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
计算机 | USENIX Security 2020等国际会议信息5条
计算机 | USENIX Security 2020等国际会议信息5条
Call4Papers
7+阅读 · 2019年4月25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
人工智能 | 国际会议信息10条
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】RNN/LSTM时序预测
【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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Combining nondeterminism, probability, and termination: equational and metric reasoning
Arxiv
0+阅读 · 2020年12月1日
Learning a manifold from a teacher's demonstrations
Arxiv
0+阅读 · 2020年11月30日
A Model for Ant Trail Formation and its Convergence Properties
Arxiv
0+阅读 · 2020年11月30日
Bounds on the QAC$^0$ Complexity of Approximating Parity
Arxiv
0+阅读 · 2020年11月30日
CybergeoNetworks, an interactive application for the geographical and semantic analysis of scientific publications
Arxiv
0+阅读 · 2020年11月27日
A methodology for co-constructing an interdisciplinary model: from model to survey, from survey to model
Arxiv
0+阅读 · 2020年11月27日
Measuring Sentences Similarity: A Survey
Arxiv
7+阅读 · 2019年10月6日
Object Detection in Videos by High Quality Object Linking
Arxiv
4+阅读 · 2019年4月8日
Evaluating and Understanding the Robustness of Adversarial Logit Pairing
Arxiv
8+阅读 · 2018年7月26日
Seq2RDF: An end-to-end application for deriving Triples from Natural Language Text
Arxiv
4+阅读 · 2018年7月10日
Top
微信扫码咨询专知VIP会员
Top