Communication-constrained hypothesis testing: Optimality, robustness, and reverse data processing inequalities
IBM Research(IBM研究院);University of Cambridge(剑桥大学)
本文研究通信约束下的假设检验,证明二元情形样本复杂度仅增加一个紧的对数因子并给出多项式时间算法,同时扩展到鲁棒检验并揭示 M 元情形的 Ω(M) 下界。
2023-12-15 cs.DS cs.IT cs.LG
Competitive optimality in testing by betting via Bell-Cover randomization
本文证明Bell-Cover随机化使投注检验的e变量在头对头比较中获胜概率至少一半,等价于计价单位不等式,但以期望对数财富和功效为代价。
2026-09-29 cs.GT cs.IT math.IT
Sequential Multi-hypothesis Testing in Multi-armed Bandit Problems:An Approach for Asymptotic Optimality
我们考虑一个多假设检验问题,涉及一个K-臂强盗。每个臂的信号遵循来自向量指数族的分布。决策者不知道臂的实际参数。决策者在做出决策之前的延迟成本和从一个手臂切换到另一个手臂时的切换成本。他的目标是使总成本最小化,直到对真正的假设做出决定。感兴趣的是满足对错误检测概率的给定约束的策略。这是一个顺序决策问题,决策者在每个阶段只能看到有限的自然状态,但可以通过选择在每个阶段观察的手臂来控制他的观点。首先确定的总成本(预期时间为一个可靠的决定加上总切换成本)的信息理论下限,然后研究了广义似然比统计的基础上的顺序政策的变化。由于向量指数族假设,在每个阶段的信号处理是简单的,相关的共轭先验分布的未知模型参数,使后验分布的容易更新。建议的政策,与一个合适的阈值停止,满足给定的约束的错误检测的概率。在连续选择的假设下,该政策也被证明是渐近最优的总成本之间的所有政策,满足约束的错误检测的概率。
2020-07-28 cs.IT math.IT
Hallucination is a Consequence of Space-Optimality: A Rate-Distortion Theorem for Membership Testing
Computer Science Department, Northwestern University(西北大学计算机科学系);Department of IEOR, Columbia University(哥伦比亚大学工业工程与运筹学系)
通过将幻觉形式化为成员测试问题,建立率失真定理,证明在有限容量下信息论最优策略必然导致对某些非事实的高置信度,从而产生幻觉。
2026-05-29 cs.AI cs.CL cs.DS
Individual testing is optimal for nonadaptive group testing in the linear regime
Department of Mathematical Sciences, University of Bath(巴斯大学数学科学系);Heilbronn Institute for Mathematical Research(希尔布隆数学研究所)
研究线性范围内非自适应分组检测,证明个体检测最优,少于n次测试时错误概率无法趋近于零。
2018-05-16 cs.IT math.CO math.IT
Optimality of Rate Balancing in Wireless Sensor Networks
我们考虑分布式二进制假设检验的问题,在一个并行的网络拓扑结构中,传感器独立地观察到一些现象,并发送一个有限的速率总结他们的意见,融合中心的最终决定。我们明确考虑的情况下,(整数)率的消息发送在一个错误的多址接入信道,在融合中心的总和速率约束建模。这个问题以前由Chamberland和Veeravalli研究过,他们为一位传感器消息的最优性提供了充分条件。然而,它们的结果主要取决于具有与多址信道的(整数)和速率约束一样多的一比特传感器的可行性,这是一个在实践中常常不能满足的假设。这促使我们考虑先验有限数量的传感器的情况下,我们提供了充分的条件下,没有两个传感器的速率差超过一个比特,所谓的速率平衡,是一个最佳的策略相对于Bhattacharyya之间的距离的假设在输入到融合中心。我们进一步讨论了显式观测模型下,这些充分条件得到满足。
2016-02-02 cs.IT math.IT
Derandomization and Group Testing
去随机化理论是理论计算机科学中的一个基本领域,近年来发展迅速,在其最初的意图之外产生了许多令人惊讶的应用。我们将回顾一些最近的发展有关的组合群测试。在其最基本的设置中,组测试的目的是通过将项目分组并询问每组中是否有阳性个体来识别一组“阳性”个体。特别是,我们将讨论明确的最佳或接近最佳的组测试计划使用“随机传导”功能的建设。在这样的发展是建设的纠错组测试计划使用随机性提取器和冷凝器,以及阈值组测试计划从无损冷凝器。
2010-10-03 cs.IT math.IT
The Capacity of Adaptive Group Testing
我们定义的能力组测试问题,并推导出各种嘈杂的模型的能力的界限,等效的嘈杂的通信信道的能力的基础上。对于无噪声自适应组测试,我们证明了一个信息理论的下界,收紧了陈等的界限。这可以结合一个版本的黄氏自适应组测试算法的性能分析,以推断无噪声和擦除组测试模型的能力。
2013-07-18 cs.IT math.IT
Semi-Quantitative Group Testing: A Unifying Framework for Group Testing with Applications in Genotyping
我们提出了一种新的组测试方法,称为半定量组测试,在基因组筛选实验中出现的一类问题的动机。半定量组测试(SQGT)是一种(可能)非二进制池化方案,可以被视为加法器通道和整数值量化器的级联。在其完整的一般性,SQGT可以被看作是一个统一的框架,组测试,在这个意义上,大多数组测试模型是SQGT的特殊情况。对于新的测试方案,我们定义的概念,SQ-析取和SQ-可分码,代表的经典析取和可分码的推广。我们描述了几个组合和概率构造这样的代码。虽然对于这些构式中的大多数,我们假设缺陷词的数量远小于测试主题的总数,但我们也考虑了缺陷词的数量没有限制并且它们可能与主题的总数一样大的情况。对于本文构造的码,我们描述了一些有效的译码算法。此外,我们描述了一个信念传播解码器的稀疏SQGT码,目前还没有其他有效的解码器。最后,我们定义了SQGT的能力的概念,并评估它的一些特殊的参数选择使用信息论的方法。
2013-10-08 cs.IT math.IT
Semi-Quantitative Group Testing
我们考虑一种新的组测试程序,称为半定量组测试,动机是一类问题中出现的基因组序列处理。半定量分组测试(SQGT)是一种非二进制池化方案,可以被视为加法器模型与量化器的组合。对于新的测试方案,我们定义的能力和评估的能力,一些特殊的参数选择使用信息论的方法。我们还定义了一类新的适合SQGT的析取码,称为SQ-disjunct码。我们还提供了明确的和概率的代码构造方法SQGT简单的解码算法。
2012-05-20 cs.IT math.IT
Symmetric Group Testing and Superimposed Codes
我们描述了一个泛化的组测试问题称为对称组测试。与经典的二进制群测试不同,输入符号0和1所扮演的角色是“对称的”,而输出则是从三进制字母表中提取的。使用信息理论的方法,我们推导出充分和必要的条件,所需的无噪声和嘈杂的重建测试的数量。此外,我们扩展的概念,分离(零误丢弃)和可分离(唯一可破译)的代码的情况下,对称组测试。对于新的家庭的代码,我们推导出其大小的概率方法的基础上的界限,并提供基于编码理论思想的建设方法。
2011-08-15 cs.IT math.IT
Rates of adaptive group testing in the linear regime
我们认为自适应组测试的线性政权,有缺陷的项目的数量与项目的数量呈线性比例。分析了一种基于广义二进制分裂的算法。提供少于一半的项目是有缺陷的,我们实现了超过0.9位的组合零错误测试,每测试超过0.95位的概率小错误测试。
2020-04-04 cs.DM cs.IT math.IT
Group testing for overlapping communities
在本文中,我们提出了算法,利用已知的社区结构,使组测试更有效。我们考虑一个由相互连接的社区组成的群体:每个个体参与一个或多个社区,每个个体的感染概率取决于他所参与的社区。用例包括参加多个课程的学生和共享公共空间的工作人员。群体检测通过将诊断样本集中在一起进行检测,减少了识别感染个体所需的检测次数。我们发现,使测试算法知道的社区结构,可以显着减少测试的数量需要自适应和非自适应组测试。
2021-03-17 cs.IT math.IT
Contact Tracing Information Improves the Performance of Group Testing Algorithms
群体检测有助于在大流行期间使用更少的资源维持广泛的检测计划。在分组测试中,我们会得到$n$样本,每个人一个。将这些样品排列成$m < n$合并样品,其中每个合并物通过混合$n$个体样品的子集获得。然后使用群体测试算法识别受感染的个体。在本文中,我们使用侧信息(SI)收集接触跟踪(CT)内的非自适应/单阶段组测试算法。我们通过将个体之间的疾病传播特征结合起来生成CT SI数据。这些数据被送入两个信号和测量模型进行组测试,数值结果表明,我们的算法提供了改进的灵敏度和特异性。我们还展示了如何将CT SI合并到池矩阵的设计中。也就是说,我们的数值结果表明,利用SI的池化矩阵设计的基础上最小化的加权一致性措施,并没有产生显着的性能增益超越纳入SI的组测试算法。
2022-01-19 cs.IT math.IT
Superimposed Codes and Threshold Group Testing
我们将讨论叠加代码和非自适应组测试设计所产生的潜在的压缩基因分型模型在分子生物学。给定的文件的动机是30周年的D 'yachkov-Rykov经常性上界的叠加码的速度在1982年出版。我们也受到了最近非自适应门限群测试结果的启发,这些结果发展了叠加码理论
2014-01-29 cs.IT math.IT
Controlled Sensing for Multihypothesis Testing
在固定样本容量和序贯样本容量两种情况下,研究了具有观测控制的多假设检验问题。在固定的样本大小设置,对于二元假设检验,最大误差概率的最优指数对应于控制选择上的最大模糊信息,并且纯稳态开环控制策略在所有因果控制策略的较大类内是渐近最优的。对于固定样本容量下的多假设检验,给出了最优误差指数的上、下界。通过一个有三个假设的例子,证明了最优因果控制策略严格优于最优开环控制策略。在顺序设置中,一个测试的基础上,早期的工作,由Zeroff的二元假设检验,被证明是一阶渐近最优的多假设检验在很强的意义上,使用的概念,决策风险的错误的整体概率。另一个测试也被设计为满足硬风险约束,同时保持渐近最优性。讨论了过去信息和随机性在设计最优控制策略中的作用。
2013-09-04 cs.IT math.IT
On Accelerated Testing for COVID-19 Using Group Testing
COVID-19已导致全球健康危机,在未来数月可能变得更加严重。目前COVID-19在美国人口中快速增长的主要原因之一是检测试剂盒的可用性有限,以及筛查测试的成本相对较高。在这份草案中,我们展示了分组测试(池化)想法对加速COVID-19测试的有效性。该草案是半教程性质的,是为广大读者编写的,对COVID-19测试相关的数学公式感兴趣。因此,这些想法是通过说明性的例子而不是通过纯粹的理论公式提出的。重点还在于大小小于64的池,例如当前RT-PCR技术的实用性。
2020-04-09 cs.IT math.IT
Code Construction and Decoding Algorithms for Semi-Quantitative Group Testing with Nonuniform Thresholds
我们分析了一种新的组测试方案,称为半定量组测试,它可以被看作是一个级联的加法器通道和离散量化器。我们的重点是任意阈值的非均匀量化器。对于最通用的半定量分组测试模型,我们定义了三个新的序列族,以捕获阈值选择对代码设计施加的约束。序列表示Bh和某些类型的超递增和字典序序列的扩展和推广,并且它们导致代码结构适合于有效的递归解码。我们描述的解码方法,并提供了一个附带的计算复杂性和性能分析。
2015-06-24 cs.IT math.IT
Active sequential hypothesis testing
考虑一个决策者,他负责动态地收集观察结果,以便以快速的方式增强他关于感兴趣的潜在现象的信息,同时考虑错误声明的惩罚。由于问题的连续性,决策者依赖于他当前的信息状态,以适应性地选择最“信息”感测行动之间可用的。本文利用动态规划的结果,建立了最优总费用的下界。下限表征的基本限制的最大可实现的信息采集速率和最佳的可靠性。此外,上界通过分析两个启发式策略的动态选择的行动。结果表明,第一次提出的启发式实现渐近最优性,渐近最优性的概念,由于BELCOFF,意味着所提出的政策和最佳的总成本达到的总成本之间的相对差异接近于零的惩罚错误的声明(因此收集的样本的数量)增加。第二个启发式算法只在有限的环境中实现渐近最优,如嘈杂的动态搜索的问题。然而,通过考虑依赖于假设的数量,在技术条件下,这第二个启发式实现非零的信息采集率,建立一个下界的最大可实现的速率和误差指数。在一个嘈杂的动态搜索与大小无关的噪声的情况下,所得到的非零率和误差指数被证明是最大的。
2013-12-18 cs.IT math.IT math.OC
Multi-Group Testing for Items with Real-Valued Status under Standard Arithmetic
本文提出了一种新的群测试的推广,称为多群测试,它放宽了群测试中的“测试子集”的概念,以“测试多集”。一般化的目的是了解更多的信息,每个项目的测试,而不是只确定缺陷,因为在传统的团体测试。本文为多组测试问题提供了有效的非自适应策略。主要的工具是一个新的结构,$q$ -ary添加剂$(w,d)$ -析取矩阵,这是一个推广的著名的二进制析取矩阵介绍Kautz和Singleton在1964年。
2014-12-17 cs.IT math.CO math.IT
Soft-Decision Decoding for LDPC Code-Based Quantitative Group Testing
本文针对非自适应定量群检测问题,提出基于置信传播的软判决译码器,用于LDPC码方案,通过仿真证明其误检率优于现有硬判决译码方法。
2025-01-21 cs.IT math.IT
On a Hypergraph Approach to Multistage Group Testing Problems
组测试是一个公知的搜索问题,它包括通过对适当选择的$[t]$的子集进行测试来检测集合$[t]=\{1,\ldots,t\}$的多达$s$的缺陷元素。在经典的分组测试中,目标是通过使用尽可能少的测试次数来找到所有有缺陷的元素。在本文中,我们考虑多级组测试。我们提出了一个一般的想法,如何使用超图的方法来搜索缺陷。对于$s=2$案例,我们设计了一个显式构造,该构造在最坏情况下使用$2\log_2t(1+o(1))$测试,并由$4$阶段组成。
2016-07-02 cs.IT math.IT
A Diagonal Splitting Algorithm for Adaptive Group Testing
本文提出对角分割算法,用于自适应群体检测,无需已知感染者数量,在测试次数上阶最优,且阶段数随群体规模对数增长,数值实验验证了其有效性。
2023-05-14 cs.IT math.IT
Small-Error Cascaded Group Testing
National University of Singapore(新加坡国立大学);IIT Bombay(印度理工学院孟买分校);University of Bristol(布里斯托大学)
本文研究了级联分组测试模型,分析了非适应性和适应性测试设计在不同恢复标准下的可达性界限,并在受限测试大小情况下证明了结果在对数因子范围内最优。
2026-05-12 cs.IT math.IT
Covering Codes as Near-Optimal Quantizers for Distributed Testing Against Independence
本文研究二进制对称源下分布式独立性假设检验的最优量化问题,提出基于交替优化的二进制线性码量化器设计方法,并证明具有最优覆盖半径的线性码在短码长下接近最优,同时给出大码长区间的错误指数界。
2024-10-22 cs.IT math.IT
A New Algorithm for Two-Stage Group Testing
组测试是一个众所周知的搜索问题,它包括通过对适当选择的样本子集进行测试来检测一组$t$样本中的$s$缺陷成员。在经典的成组测试中,目标是在最坏的情况下使用尽可能少的测试次数来找到所有有缺陷的元素。在这项工作中,两个阶段的组测试被认为是。使用超图的方法,我们设计了一个新的搜索算法,它可以改善固定$s$和$t\to\infty$的已知结果。对于$s=2$的情况,该算法在最坏情况下的测试次数上达到了信息论下限$2\log_2t(1+o(1))$。此外,还考虑了从$s$缺陷中找出$m$的问题。
2019-04-30 cs.IT math.IT
Exact Minimax Optimality of Spectral Methods in Phase Synchronization and Orthogonal Group Synchronization
本文研究了带加性高斯噪声和不完整数据的相位同步问题中谱方法的性能,证明了其在平方 $\ell_2$ 损失下达到极小极大下界,性能媲美极大似然估计等复杂方法,并将该最优性结论扩展至正交群同步。
2024-01-06 cs.IT math.IT math.SP
Efficient Probabilistic Group Testing Based on Traitor Tracing
受最近抗共谋叛逆者追踪结果的启发,我们提供了一个构建高效概率群测试方案的框架。在传统的分组测试模型中,我们的方案渐近地要求T ~ 2KlnN测试(以高概率)找到N个项目中的K个缺陷的正确集合。该框架也适用于几个嘈杂的组测试和阈值组测试模型,往往导致以前已知的结果的改进,但我们强调,这个框架可以应用于其他变种的经典模型,以及在自适应和非自适应设置。
2014-04-09 cs.CR cs.IT math.IT
Optimal Pooling Matrix Design for Group Testing with Dilution (Row Degree) Constraints
在本文中,我们考虑的问题,设计最佳的混合矩阵组测试(例如,为COVID-19病毒检测)的约束,不超过$r>0$样本可以合并在一起,我们称之为“稀释约束”。这个问题转化为设计元素为0或1的矩阵,其每行中不超过$r$“1”,并且具有识别异常元素的一定性能保证。我们明确给出了池化矩阵设计,满足稀释约束,并有性能保证,识别异常元素,并证明其最优性,在保存最大数量的测试,即显示所设计的矩阵具有最大的宽高比之间的所有约束满足0-1矩阵。
2020-08-05 cs.IT eess.SP math.IT
Community aware group testing
在本文中,我们提出了算法,利用已知的社区结构,使组测试更有效。我们考虑在不相交社区中组织的人口:每个个体参与社区,其感染概率取决于他所参与的社区。用例包括家庭、参加多个课程的学生以及共享公共空间的工作人员。群体检测通过将诊断样本集中在一起进行检测,减少了识别感染个体所需的检测次数。我们表明,如果我们设计的测试策略,考虑到社区结构,我们可以显着减少自适应和非自适应组测试所需的测试的数量,并可以提高在测试的情况下,噪声的可靠性。
2021-03-17 cs.IT math.IT stat.ME
Noisy Group Testing with Side Information
由于在诊断病毒学中的应用,群体检测最近引起了研究界的极大关注。群体测试问题的一个实例包括一组基本个体,其中包括受感染个体的一小部分。群体测试程序由许多测试组成,使得每个测试指示个体的给定子集是否包括一个或多个感染个体。群体检测程序的目标是用最少的检测次数来识别受感染个体的子集。受实际场景的启发,例如病毒性疾病的测试,本文重点关注以下组测试设置:(i)组测试过程是嘈杂的,即,组测试过程的结果可以以一定的概率翻转;(i i)组测试算法可获得关于感染个体的分布的一定量的辅助信息。本文的贡献如下。首先,我们提出了一个概率模型,称为交互模型,它捕获了有关感染个体概率分布的边信息。接下来,我们提出了一个解码方案,基于信念传播,利用交互模型,以提高解码精度。我们的研究结果表明,该算法实现了更高的成功概率和较低的假阴性和假阳性率相比,传统的信念传播,特别是在高噪声制度。
2022-02-24 cs.IT eess.SP math.IT
Note on generalized group testing
本文提出了一种新的广义群测试的自适应算法,当$d=o(\log_2|E|)$,$E$是潜在污染集的集合,$d$是$E$的最大元素长度时,该算法是渐近最优的.此外,我们设计了一个3阶段的算法,这是渐近最优的$d=2$。
2022-11-08 cs.IT math.CO math.IT
Adaptive group testing as channel coding with feedback
分组测试是通过将项目分组到测试池中来识别总体中的缺陷项目的组合问题。最近,从信息论的角度研究了非适应性群体测试--所有的测试池必须在一开始就决定。使用来自信道编码的技术,已经给出了精确恢复缺陷集所需的测试数量的上限和下限,即使测试结果可能是有噪声的。在本文中,我们给出了第一个信息理论的结果自适应组测试-其中以前的测试结果可以影响未来的测试化妆。我们发现,自适应测试并没有多大帮助,因为所需的测试的数量服从相同的下限为非自适应测试。我们的证明使用类似的技术,以证明反馈不提高信道容量。
2012-03-27 cs.DM cs.IT math.IT
Efficient pooling designs and screening performance in group testing for two type defectives
针对两类缺陷物品的分组检测场景,提出用于计算缺陷边缘后验概率的置信传播算法,构建多种池化设计并通过仿真评估其检测性能,为低缺陷率下的高效检测提供方案。
2024-05-15 cs.IT math.IT stat.CO
Optimal adaptive group testing
群体检验问题涉及在一个规模为$n$的大群体中为$θ\in (0,1)$的感染个体识别少量的$k \sim n^θ$。在我们的处置是一个测试程序,使我们能够测试群体的个人。本文考虑两阶段设计,其中第一阶段的测试结果可以为第二阶段的设计提供信息。我们感兴趣的是恢复受感染个体w. h. p.集的最小测试次数。配备了[Coja-Oghlan,Gebhard,Hahn-Klimroth \& Loick 2019]的一阶段组测试的新算法,我们提出了一个多项式时间两阶段算法,该算法与组测试的通用信息论下限相匹配。该结果改进了[Mézard \& Toninelli 2011]的结果,并解决了[Aldridge,Johnson \& Scarlett 2019,Berger \& Levenshtein 2002,Damaschke \& Muhammad 2012]中突出提出的开放问题。
2019-11-18 cs.DM cs.IT math.IT
Optimal Multistage Group Testing Algorithm for 3 Defectives
组测试是一个众所周知的搜索问题,它包括通过对适当选择的样本子集进行测试来检测一组$t$样本中的$s$缺陷成员。在经典的成组测试中,目标是在最坏的情况下使用尽可能少的测试次数来找到所有有缺陷的元素。在这项工作中,一个多级组测试问题被认为是。我们的目标是构建一个多阶段的搜索过程,具有渐近相同数量的测试的最佳自适应算法。我们提出了一种新的方法来设计多级算法,这使我们能够构建一个5阶段的算法,找到3个缺陷的最佳数量$3\log_2t(1+o(1))$的测试。
2020-05-15 cs.IT math.CO math.IT
Group Testing with Side Information via Generalized Approximate Message Passing
针对疫情下群组检测的效率需求,该研究将接触追踪侧信息融入基于广义近似消息传递的非自适应单阶段群组检测框架,经数值验证提升了感染者识别准确率。
2023-06-17 cs.IT eess.SP math.IT
Combinatorial Group Testing in Presence of Deletions
本文首次研究抗删除噪声的非自适应组合分组测试,刻画了对抗性删除下成功识别缺陷物品的充要条件,并给出测试矩阵构造与高效恢复算法。
2025-01-22 cs.DM cs.IT math.IT
Semiquantitative Group Testing in at Most Two Rounds
半定量分组测试(SQGT)是一种汇总方法,其中测试结果表示缺陷数量的有界区间。或者,它可以被视为具有量化输出的加法器通道。SQGT是Covid-19群体检测的自然选择,因为它可以直接解释聚合酶链反应(PCR)产生的循环阈值。SQGT之前的工作没有解决实践中需要的少量轮次的自适应测试的需求。我们提出了概念上简单的方法,2轮和非自适应SQGT显着改善现有的计划,通过使用基于扩展图和列表析取矩阵的非二进制测量矩阵的想法。
2021-02-08 cs.DM cs.IT math.IT
A Probably Approximately Correct Analysis of Group Testing Algorithms
针对非自适应随机池化矩阵分组测试中缺陷品近似识别问题,基于PAC框架将其转化为函数学习问题,推导了三种流行算法的测试次数充分性界限,并与现有精确恢复界限进行了理论和模拟对比。
2024-11-30 cs.IT math.IT stat.ML
Note on the offspring distribution for group testing in the linear regime
群体测试问题涉及在大量$n$人群中识别一小组$k$感染个体。在我们的处置是一个测试计划,可以测试群体的个人。当且仅当至少有一个人被感染时,测试才呈阳性。在这篇文章中,我们为分析$k$在$n$中线性缩放时的群体测试的信念传播奠定了基础。为此,我们推导出不同类型个体的后代分布。有了这些分布,我们可以使用种群动力学算法来模拟置信传播产生的后验边缘分布。
2021-03-24 cs.DM cs.IT math.CO
Group Testing with Non-identical Infection Probabilities
我们考虑一个零错误概率群体测试问题,其中个体是独立的,但不具有相同的概率有缺陷。我们提出了一个贪婪的集合形成方法来建立一套个人一起进行测试。我们开发了一个自适应组测试算法,使用建议的集合形成方法递归。我们证明了新的上界的测试次数为所提出的算法。通过数值计算,我们表明,我们的算法优于最先进的状态,并执行接近熵下界。
2021-08-27 cs.CY cs.DS cs.IT
Efficient Two-Stage Group Testing Algorithms for DNA Screening
群体测试算法是DNA文库筛选的重要工具。在Levenshtein(2003)和Tonchev(2008)最近工作的基础上,我们在本文中构造了新的无限组合结构类,它们的存在对于在两阶段析取测试算法的第二阶段获得最小个体测试数是必不可少的。
2011-06-18 cs.CE cs.DM cs.DS
Dynamical Dorfman Testing with Quarantine
考虑具有社团结构的动态群测试问题。利用离散时间SIR(易感、传染、恢复)模型,我们使用Dorfman的两步组检验方法来识别感染,并在必要时介入以抑制感染通过病毒传播。我们分析了检疫和测试成本以及疾病传播之间的权衡。对于特殊的动力i.i.d.模型,我们表明,最佳的第一阶段Dorfman组的大小不同,在动态和静态的情况下。我们比较了所提出的动态两阶段Dorfman测试与最先进的非自适应组测试方法在动态设置中的性能。
2022-01-18 cs.CY cs.DS cs.IT