دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: ریاضیات محاسباتی ویرایش: نویسندگان: Michael Luby. Avi Wigderson سری: Foundations and Trends ISBN (شابک) : 9781933019222, 1933019220 ناشر: Now سال نشر: 2007 تعداد صفحات: 78 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 465 کیلوبایت
در صورت تبدیل فایل کتاب Pairwise independence and derandomization به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب استقلال و جابجایی زوجی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
استقلال زوجی و تصادفی سازی چندین کاربرد از پارادایم زیر را ارائه می دهد که در طراحی الگوریتم و پیچیدگی محاسباتی بسیار قدرتمند است. ابتدا یک الگوریتم احتمالی برای یک مسئله معین طراحی کنید. سپس، نشان دهید که تحلیل درستی الگوریتم حتی زمانی که رشتههای تصادفی استفاده شده توسط الگوریتم از توزیع یکنواخت نیستند، بلکه از یک فضای نمونه کوچک که به طور مناسب انتخاب شده است، معتبر باقی میماند. در برخی موارد این را می توان مستقیماً اثبات کرد (دادن «عدم تصادفی کردن بدون قید و شرط»)، و در برخی دیگر از مفروضات محاسباتی مانند وجود توابع یک طرفه استفاده می کند (دادن «عدم تصادف شرطی»). استقلال جفتی و تصادفی سازی، خود شامل است و تجلی اصلی پارادایم «دراندومی سازی» است. این برای دانش پژوهان و دانشجویان فارغ التحصیل در زمینه علوم کامپیوتر نظری علاقه مند به تصادفی، تصادفی سازی و تعامل آنها با پیچیدگی محاسباتی در نظر گرفته شده است.
Pairwise Independence and Derandomization gives several applications of the following paradigm, which has proven extremely powerful in algorithm design and computational complexity. First, design a probabilistic algorithm for a given problem. Then, show that the correctness analysis of the algorithm remains valid even when the random strings used by the algorithm do not come from the uniform distribution, but rather from a small sample space, appropriately chosen. In some cases this can be proven directly (giving "unconditional derandomization"), and in others it uses computational assumptions, like the existence of 1-way functions (giving "conditional derandomization"). Pairwise Independence and Derandomization is self contained, and is a prime manifestation of the "derandomization" paradigm. It is intended for scholars and graduate students in the field of theoretical computer science interested in randomness, derandomization and their interplay with computational complexity.