Войти
аналитика - 데이터 구조 및 알고리즘
공정한 최대-최소 다양성 문제를 위한 더 빠른 알고리즘
본 연구는 공정성 제약 하에서 데이터 부분집합을 선택하는 문제를 다룹니다. 제안된 알고리즘은 선형 시간에 상수 근사 비율을 달성하며, 이는 기존 알고리즘보다 효율적입니다.
영원히 확장 가능한 Aleph 필터: 일정한 시간 내에 무한대까지
Aleph 필터는 삽입, 쿼리, 삭제 작업을 일정한 시간 내에 수행할 수 있으며, 메모리 사용량 대비 거짓 양성률 측면에서도 기존 방식보다 우수한 성능을 제공한다.
기존 연결 리스트 사용을 자제하도록 하는 실증적 연구
배열 기반 데이터 구조가 메모리 효율성과 실행 속도 면에서 연결 리스트보다 뚜렷한 장점을 가지고 있다.
그래파이트: 최적 범위 필터를 통한 적대적 쿼리 제어
그래파이트는 입력 데이터와 쿼리 분포에 관계없이 일정한 성능을 보장하는 새로운 범위 필터 기법이다. 고정된 공간 예산 내에서 쿼리 시간은 𝑂(1)이며, 거짓 양성 확률은 최대 ℓ/2𝐵−2로 제한된다.
역방향 검색 없이 r-인덱싱하기
주어진 텍스트 T와 패턴 P에 대해, 역방향 검색 없이 O(log n) 시간 내에 P의 최대 정확 매치를 고확률로 찾을 수 있는 압축 인덱스를 제안한다.
변화하는 문자열 키 학습 인덱스 구조의 효율적인 처리를 위한 메모화 기반 점진적 학습
메모화 기반 점진적 학습 기법을 통해 문자열 키 학습 인덱스 구조의 재학습 비용을 크게 줄이고, FPGA 가속기를 활용하여 재학습 시간을 더욱 단축함으로써 전체 시스템 처리량을 크게 향상시킨다.
Продукты
© 2024 by Linnk AI