Average-case results for zero finding

نویسندگان

چکیده

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

Average-case results for zero finding

We survey recent average-case results (and prove a new one) for the solution of nonlinear equations f(x) = 0 of one variable. We assume that f changes in sign at the endpoints of an interval and show that bisection is not optimal (as in the worst Case) for a number of classes. 0 1989 Academic Press, Inc. We study the approximate solution of a nonlinear equationf(x) = 0. It is assumed that f: [O...

متن کامل

Comment on "Some New Results on Average Worst Case Carry"

Some comments on a recentcontribution onmultiplefault detection using test setsfor single fault detection arepresented. Acounter example that shows somedefects ingeneralizing from a tree toanarbitrary network arealso included.

متن کامل

Some Results on Average-Case Hardness Within the Polynomial Hierarchy

We prove several results about the average-case complexity of problems in the Polynomial Hierarchy (PH). We give a connection among average-case, worst-case, and non-uniform complexity of optimization problems. Specifically, we show that if P is hard in the worst-case then it is either hard on the average (in the sense of Levin) or it is non-uniformly hard (i.e. it does not have small circuits)...

متن کامل

a new approach to credibility premium for zero-inflated poisson models for panel data

هدف اصلی از این تحقیق به دست آوردن و مقایسه حق بیمه باورمندی در مدل های شمارشی گزارش نشده برای داده های طولی می باشد. در این تحقیق حق بیمه های پبش گویی بر اساس توابع ضرر مربع خطا و نمایی محاسبه شده و با هم مقایسه می شود. تمایل به گرفتن پاداش و جایزه یکی از دلایل مهم برای گزارش ندادن تصادفات می باشد و افراد برای استفاده از تخفیف اغلب از گزارش تصادفات با هزینه پائین خودداری می کنند، در این تحقیق ...

15 صفحه اول

Reinforcement Learning for Average Reward Zero-Sum Games

We consider Reinforcement Learning for average reward zerosum stochastic games. We present and analyze two algorithms. The first is based on relative Q-learning and the second on Q-learning for stochastic shortest path games. Convergence is proved using the ODE (Ordinary Differential Equation) method. We further discuss the case where not all the actions are played by the opponent with comparab...

متن کامل

ذخیره در منابع من


  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ژورنال

عنوان ژورنال: Journal of Complexity

سال: 1989

ISSN: 0885-064X

DOI: 10.1016/0885-064x(89)90022-8