酒吧 - 希利尔的结构是正式语言理论的经典结果。它通过构造表明，无上下文语言与普通语言之间的相交本身是无上下文的。但是，其原始配方（Bar-Hillel等人，1961年）都不是其加权扩展（Nederhof和Satta，2003年）都无法使用$ \ epsilon $ -Arcs处理自动机。在此简短的说明中，我们将Bar-Hillel结构概括为即使自动机包含$ \ epsilon $ -Arcs，也可以正确计算交叉路口。我们进一步证明，我们的广义结构导致语法编码输入自动机和语法的结构，同时保留原始结构的渐近尺寸。
translated by 谷歌翻译
在线作业问题在运营研究和计算机科学中起着重要作用，这就是为什么要引起了提高其解决方案质量的极大关注的原因。由于有关输入的不完整信息，在线算法很难产生最佳解决方案。使用竞争比率测量在线算法的解决方案的质量。没有在线确定性算法可以比（2N-1）更好地实现竞争比率。已经表明，在线计算中的建议改善了在线问题的竞争比率的下限。在线计算中的建议可以解释为在线算法的其他信息，以补偿缺乏有关整个输入序列的信息。在这项研究中，我们研究了引入机器学习建议如何改善此问题的竞争比率。通过模拟机器学习算法，我们为在线分配问题提供了在线算法，该算法预先预测了整个输入。我们利用一种最佳离线算法来提供预测输入的匹配解决方案。此外，我们研究了机器学习的预测错误如何影响在线算法的竞争比率。我们利用基准数据集来执行我们的经验分析。我们表明，随着机器学习预测误差的增加，解决方案质量会降低。此外，误差的大小与输入的大小成正比。该结果类似于在线分配问题最佳确定性算法的竞争比率，该算法也取决于参数n。
translated by 谷歌翻译
最近已经提出了基于编码图像作为神经网络的重量的各种压缩方法。然而，视频压缩类似方法的潜力仍然是未开发的。在这项工作中，我们建议使用两个架构范式，基于坐标的MLP（CBMLP）和卷积网络来测试压缩视频的可行性的一组实验。此外，我们提出了一种新颖的神经重量踩踏技术，其中视频的后续帧被编码为低熵参数更新。为了评估所考虑的方法的可行性，我们将在几个高分辨率视频数据集上测试视频压缩性能，并与现有的传统和神经压缩技术进行比较。
translated by 谷歌翻译