噪声自适应群体测试:界限与算法
该论文从信息论的角度总结了群检测问题的最新进展,包括有效的算法、实用的存储和计算需求,解码方法的可达界限以及算法独立的反向界限。作者评估了理论保证的因素,并确定了现有算法是最优或接近最优的区域,同时也确定了可以改进的区域。此外,作者概述了标准群检测问题的若干变体的结果,包括部分恢复标准、带有有限阶段的自适应算法、受限测试设计和次线性时间算法。
Feb, 2019
本论文提出了一种新的信息论视角用于组测问题的建模,并且基于随机编码和最大似然检测器分析导出了总测试次数的单字母特征公式,并使用 Bernoulli 噪声模型和混水效应考虑了多种情况并得到了对应的较为紧凑的渐进界,同时可以验证现有无噪声情况下的渐进界以及带有绑定扭曲的近似重构。
Jul, 2009
本研究探讨了使用不同的群组检测算法来识别不同数量的不良元素的问题,提出了自适应和非自适应算法的上下界,并讨论了是否有先验知识或估计确切数量的情况下的检测数量的限制。
Jun, 2023
引入了一种变种的 Group Testing 问题,通过多种类型的物品组合才能得出阳性测试结果,提出了各种不同的算法以可靠地识别所有的半缺陷集合,并且在减少测试次数方面表现优秀,是目前基于解决更一般问题的基础结果的重要改进。
Sep, 2023
提出一种自适应群体测试框架用于基于范围的高维近邻搜索问题,该方法通过余弦距离阈值快速标记图像描述符集合中的邻居和非邻居,并实现了超过 10 倍的速度提升,同时保持了与穷举搜索相同的准确性。
Nov, 2023
我们提出了 EC2 这个新的、贪心的主动学习算法,并证明了它与最优策略相竞争,因此得到了关于具有噪声观察的贝叶斯主动学习的第一个竞争保证。我们的结果基于最近发现的一种递减回报性质,称为自适应子模性,将子模集函数的经典概念推广到适应策略中。
Oct, 2010
通过自适应质量控制的简单模型,我们解决了多项选择任务中的 Bandit 调查问题,提出了几种算法,并通过分析和模拟支持了我们的方法。
Feb, 2013
本文探讨了雇主在招聘过程中通过面试和其他嘈杂信号来评估候选人技能,以及如何制定最佳测试政策,其中涉及到单一和多组 Bernoulli 和 Gaussian 模型的噪声水平变化和基本不可能性。
May, 2019
本文研究了计算机自适应测试中的序贯设计问题和物品反应理论模型中最大信息法对能力估计值的影响,提出了针对二维和三维模型的改进措施,并且通过例子证明了未经修改的最大似然估计可能不一致。
Jun, 2009