一种近似自改进排序器的改进及其估计熵的误差分析
数据结构与算法
2021-03-16 v2
摘要
Ailon 等人提出的自改进排序器包含两个阶段：相对较长的训练阶段与快速运行阶段。在本研究中，我们开发了一种高效方法，通过将其训练阶段近似化以变得更快，同时不在运行阶段牺牲过多性能，从而进一步改进该排序器。在测试此近似排序器性能时，确保估计熵的准确性是非常必要的。因此我们进一步推导出一个有用的公式，用于计算由未知分布输入数据导出的估计熵之“误差”的上界。我们的工作将有助于以更快的方式更好地将此自改进排序器用于海量数据。
引用
@article{arxiv.2001.05451,
title = {Improvement of an Approximated Self-Improving Sorter and Error Analysis of its Estimated Entropy},
author = {Yujie Wang},
journal= {arXiv preprint arXiv:2001.05451},
year = {2021}
}
备注
I found there is a critical error in this submission, therefore, I withdraw this draft