Fugu-MT 論文翻訳(概要): Scout Algorithm For Fast Substring Matching

論文の概要: Scout Algorithm For Fast Substring Matching

arxiv url: http://arxiv.org/abs/2011.04010v1
Date: Sun, 8 Nov 2020 16:09:20 GMT
ステータス: 処理完了
システム内更新日: 2022-09-28 08:46:50.136925
Title: Scout Algorithm For Fast Substring Matching
Title（参考訳）: 高速サブストリングマッチングのためのスカウトアルゴリズム
Authors: Anand Natrajan, Mallige Anand
Abstract要約: 厳密なマッチングは多くのソフトウェアアプリケーションで一般的なタスクである。我々は、すべてのアプリケーションに簡単で、迅速かつ適切な新しいアルゴリズム、Scoutを提示する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Exact substring matching is a common task in many software applications. Despite the existence of several algorithms for finding whether or not a pattern string is present in a target string, the most common implementation is a na\"ive, brute force approach. Alternative approaches either do not provide enough of a benefit for the added complexity, or are impractical for modern character sets, e.g., Unicode. We present a new algorithm, Scout, that is straightforward, quick and appropriate for all applications. We also compare the performance characteristics of the Scout algorithm with several others.
Abstract（参考訳）: 厳密なサブストリングマッチングは多くのソフトウェアアプリケーションで一般的なタスクである。ターゲット文字列にパターン文字列が存在するかどうかを判断するアルゴリズムがいくつか存在するにもかかわらず、最も一般的な実装はna\\\, brute force approachである。別のアプローチでは、追加の複雑さに対して十分な利益が得られないか、Unicodeのような現代の文字集合では実用的でない。我々は、すべてのアプリケーションに簡単で、迅速かつ適切な新しいアルゴリズム、Scoutを提示する。また,Scoutアルゴリズムの性能特性を他のいくつかのアルゴリズムと比較した。

関連論文リスト

CASET: Complexity Analysis using Simple Execution Traces for CS* submissions [0.0]
CS1 や CS2 コースで学生の提出を自動アップグレードする最も一般的な方法は、事前に定義されたテストスイートに対して実行し、結果と参照結果を比較することである。この手法は、解の正しさが、結果を得るために使われるアルゴリズムのような単純な出力を超えると利用できない。動的トレースと教師なし機械学習を用いてアルゴリズムの時間的複雑さを解析する新しいツールCASETを提案する。
論文参考訳（メタデータ） (2024-10-20T15:29:50Z)
string2string: A Modern Python Library for String-to-String Algorithms [24.167017445129105]
string2stringは、文字列から文字列への問題に対する効率的なアルゴリズムの包括的なスイートを提供するオープンソースライブラリである。これには、文字列アライメント、距離測定、語彙と意味探索、類似性解析といった様々な問題に対処する、従来のアルゴリズムによる解や、最近の先進的なニューラルアプローチが含まれる。 Pythonで実装されており、ip経由で簡単にインストールでき、シンプルなAPI経由でアクセスできる。
論文参考訳（メタデータ） (2023-04-27T17:57:19Z)
A Metaheuristic Algorithm for Large Maximum Weight Independent Set Problems [58.348679046591265]
ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
論文参考訳（メタデータ） (2022-03-28T21:34:16Z)
Searching for More Efficient Dynamic Programs [61.79535031840558]
本稿では,プログラム変換の集合,変換プログラムの効率を評価するための単純な指標,およびこの指標を改善するための探索手順について述べる。実際に、自動検索は初期プログラムの大幅な改善を見出すことができることを示す。
論文参考訳（メタデータ） (2021-09-14T20:52:55Z)
Determinantal Beam Search [75.84501052642361]
ビームサーチは、ニューラルシーケンスモデルをデコードするためのゴーツー戦略である。複数のソリューションを要求するユースケースでは、多様あるいは代表的なセットがしばしば望まれる。ビームサーチを一連の部分決定問題として繰り返し行うことにより、アルゴリズムを多種多様なサブセット選択プロセスに変換することができる。
論文参考訳（メタデータ） (2021-06-14T13:01:46Z)
Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-07T08:00:02Z)
Quantum Algorithm for Lexicographically Minimal String Rotation [5.905222176603487]
語彙的最小弦回転(lexicographically minimal string rotation, LMSR)は、語彙的順序で弦のすべての回転の中で最小の回転を求める問題である。 LMSRのための$O(n3/4)$量子クエリアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-12-17T03:13:45Z)
Quantum Algorithms for String Processing [58.720142291102135]
既存のものよりも指数的に少ない量子メモリを使用する文字列マッチング問題に対する量子アルゴリズムを提案する。同じアイデアを用いて、文字列比較問題に対して2つのアルゴリズムを提供する。第2のアルゴリズムは、既存のアルゴリズムよりも指数関数的に高速に動作する。
論文参考訳（メタデータ） (2020-12-01T09:59:06Z)
Towards Meta-Algorithm Selection [78.13985819417974]
インスタンス固有のアルゴリズム選択(AS)は、固定された候補集合からのアルゴリズムの自動選択を扱う。メタアルゴリズムの選択は、いくつかのケースで有益であることを示す。
論文参考訳（メタデータ） (2020-11-17T17:27:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。