Is your function low-dimensional?
我们研究的问题,如果一个函数依赖于其输入数据的线性方向的一个小数目的测试。如果一个函数$f$完全由输入空间的某个$k$维子空间确定,则称它为线性$k$ -junta.在本文中,我们研究的问题,测试是否一个给定的$n$变量函数$f : \mathbb{R}^n \to \{0,1\}$,是一个线性$k$ -junta或$ε$ -远离所有的线性$k$ -junta,其中的接近度是相对于$\mathbb{R}^n$上的高斯测度。线性$k$ -juntas是从布尔函数分析的两个基本类的共同推广(这两个类都已经在属性测试中进行了研究)$\textbf{1.}$ $k$ - juntas是布尔立方体上的函数,它依赖于至多k个变量和$k$半空间的$\textbf{2.}$交集,一个基本的几何概念类。我们发现,类的线性$k$ -juntas是不可测的,但增加了一个表面积的限制,使其可测:我们给了一个$\mathsf{poly}(k \cdot s/ε)$查询非自适应测试仪的线性$k$ -juntas表面积最多$s$。我们表明,$s$多项式依赖是必要的。此外,我们表明,如果该函数是一个线性$k$ -junta的表面积最多$s$,我们给出了一个$(s \cdot k)^{O(k)}$ -查询非自适应算法来学习函数的旋转的基础。特别是,这意味着我们可以测试类的交叉点的$k$半空间在$\mathbb{R}…
2018-11-02 cs.CC cs.DS
Learning and Testing Junta Distributions with Subcube Conditioning
Columbia University(哥伦比亚大学);Carnegie Mellon University(卡内基梅隆大学);University of Waterloo(滑铁卢大学)
本文研究了均匀分布下$\{-1,1\}^n$上Junta分布的学习和检验问题,其中一个分布$p$是$k$ -Junta,如果它的概率质量函数$p(x)$依赖于至多$k$变量的子集.主要贡献是一个算法,找到相关的坐标在一个$k$ -junta分布与子立方体条件[BC 18,CCKLW 20]。我们给出两个应用:1.一个学习带有$\tilde{O}(k/ε^2) \log n + O(2^k/ε^2)$子立方体条件查询的$k$ -junta分布的算法; 2.用$\tilde{O}((k + \sqrt{n})/ε^2)$子立方体条件查询检验$k$ -Junta分布的算法。我们所有的算法是最佳的多对数因子。我们的研究结果表明,子立方体条件,作为一个自然的模型访问高维分布,使学习和测试军分布相比,标准的抽样模型显着节省。这解决了Aliakbarpour、Blais和Rubinfeld提出的一个未决问题[ABR 17]。
2020-04-26 cs.DM cs.DS cs.LG
Optimal Non-Adaptive Tolerant Junta Testing via Local Estimators
提出非自适应算法,以最优查询复杂度区分布尔函数与k-junta的接近程度,并给出匹配下界,首次在容忍测试中获得紧界。
2024-04-21 cs.DS
A Strong Composition Theorem for Junta Complexity and the Boosting of Property Testers
本文证明了junta复杂度的强合成定理,揭示了复合函数junta复杂度与原函数复杂度及外层函数噪声敏感度的关系,并据此首次在性质测试中实现了测试器的通用提升。
2023-07-08 cs.CC cs.DS
Testing Junta Truncation
本文研究检测布尔超立方体上均匀分布被 junta 截断的统计问题,给出了样本复杂度的上下界,并表明该任务需要学习 junta 的相关变量集合。
2023-09-01 cs.CC cs.DS math.PR
A Mysterious Connection Between Tolerant Junta Testing and Agnostically Learning Conjunctions
本文发现不可知学习合取式与容错junta测试之间的新联系,并分别提出运行时间和查询复杂度为2^{O~(n^{1/3})}和2^{O~(k^{1/3})}的改进算法,证明自适应测试优于非自适应。
2025-04-22 cs.DS
Junta Distance Approximation with Sub-Exponential Queries
利用De,Mossel和Neeman的工具[FOCS,2019],我们展示了两个与juntas的\emph{tolerant testing}有关的不同结果。给定对布尔函数$f:\{\pm1\}^{n} \to \{\pm1\}$的黑盒访问,我们给出了一个$poly(k, \frac{1}{\varepsilon})$查询算法,该算法区分$γ$ -接近$k$ -juntas和$(γ+\varepsilon)$ -远离$k'$ -juntas的函数,其中$k' = O(\frac{k}{\varepsilon^2})$。在非放松的设置,我们扩展我们的想法,给一个$2^{\tilde{O}(\sqrt{k/\varepsilon})}$(自适应)查询算法,区分功能,$γ$ -接近$k$ -juntas和$(γ+\varepsilon)$ -远离$k$ -juntas。据我们所知,这是第一个$k$中的次指数查询算法,用于将$f$的距离近似为$k$ -junta(Blais,Canonne,Eden,Levi和Ron [SODA,2018]以及De,Mossel和Neeman [FOCS,2019]的先前结果需要在$k$中进行指数级多次查询)。我们的技术是傅立叶分析的,并利用Talagrand [AoP,1994]引入的“归一化影响”的概念。
2021-06-01 cs.CC cs.DS
Feature Selection and Junta Testing are Statistically Equivalent
UCSC(加州大学圣塔克鲁兹分校);EPFL(瑞士联邦理工学院);Stanford(斯坦福大学)
本文证明布尔函数的 junta 测试与特征选择统计等价,并给出同时适用于两任务的样本最优暴力算法及精确最优样本复杂度。
2025-07-21 cs.CC cs.DS cs.LG
Most Juntas Saturate the Hardcore Lemma
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
该研究通过随机联合体证明核心难题引理在多数参数范围内的紧致性,揭示了函数在电路规模退化时的困难性。
2026-01-11 cs.CC cs.DS
Robust testing of low-dimensional functions
University of Pennsylvania(宾夕法尼亚大学);MIT(麻省理工学院);UT Austin(德克萨斯大学奥斯汀分校)
高维推理中的一个自然问题是决定分类器$f:\mathbb{R}^n \rightarrow \{-1,1\}$是否依赖于其输入数据的少量线性方向。称一个函数$g: \mathbb{R}^n \rightarrow \{-1,1\}$为线性$k$ -junta,如果它完全由输入空间的某个$k$ -维子空间确定。作者最近的工作表明,线性$k$ -juntas是可测试的。因此,存在一种算法来区分:1. $f: \mathbb{R}^n \rightarrow \{-1,1\}$,其是具有表面积$s$,2的线性$k$ -团。$f$是$ε$ -远离任何具有表面积$(1+ε)s$的线性$k$ -junta,其中算法的查询复杂度与环境维度$n$无关。随着对噪声容忍特性测试的兴趣的激增,在本文中,我们证明了这一结果的噪声容忍(或鲁棒)版本。也就是说,我们给出了一个算法,给定任何$c>0$,$ε>0$,区分1。$f: \mathbb{R}^n \rightarrow \{-1,1\}$与表面积为$s$的线性$k$ -簇有相关性. 2. $f$与表面积最大为$s$的任何线性$k$ -junta的相关性最大为$c-ε$。我们的测试器的查询复杂度是$k^{\mathsf{poly}(s/ε)}$。使用我们的技术,我们也得到了一个完全的噪声容忍测试仪具有相同的查询复杂度的任何类$\mathcal{C}$的线…
2021-01-12 cs.CC cs.DS cs.LG
Partially Symmetric Functions are Efficiently Isomorphism-Testable
Given a function f: {0,1}^n \to {0,1}, the f-isomorphism testing problem requires a randomized algorithm to distinguish functions that are identical to f up to relabeling of the input variables from functions that are far from being so. An important open question in property testing is to determine for which functions f we can test f-isomorphism with a constant number of queries. Despite much recent attention to this question, essentially only two classes of functions were known to be efficiently isomorphism testable: symmetric functions and juntas. We unify and extend these results by showing…
2011-12-24 cs.CC cs.DS math.CO
Testing submodularity and other properties of valuation functions
我们表明,对于任何常数$ε> 0$和$p \ge 1$,它是可以区分的功能$f : \{0,1\}^n \to [0,1]$是子模块从那些是$ε$ -远离每一个子模块功能在$\ell_p$的距离与一个常数的查询。更一般地说,我们扩展了Diakonikolas等人(2007)的隐式学习测试框架,以表明对于某些$k = O(1)$,一类$k$ -juntas在$\ell_2$距离中很好地近似的实值函数的每个属性都可以在具有恒定查询次数的$\ell_p$测试模型中进行测试。这个结果,结合Feldman和Vondrak(2016)最近的一个junta定理,产生了子模块性的常量查询可测性。它还产生恒定查询测试算法的各种其他自然属性的估值函数,包括分数加性(XOS)功能,OXS功能,单位需求功能,覆盖功能,和自约束功能。
2016-11-23 cs.DS
Optimal Bounds on Approximation of Submodular and XOS Functions by Juntas
IBM Research - Almaden(IBM阿尔马登研究中心)
We investigate the approximability of several classes of real-valued functions by functions of a small number of variables ({ \em juntas}). Our main results are tight bounds on the number of variables required to approximate a function $f:\{0,1\}^n \rightarrow [0,1]$ within $\ell_2$ -error $ε$ over the uniform distribution: 1. If $f$ is submodular, then it is $ε$ -close to a function of $O(\frac{1}{ε^2} \log \frac{1}ε)$ variables. This is an exponential improvement over previously known results. We note that $Ω(\frac{1}{ε^2})$ variables are necessary even for linear functions. 2. If $f$ is fra…
2015-03-30 cs.CC cs.DS cs.LG
Almost Optimal Testers for Concise Representations
本文提出针对多类简洁表示的布尔函数的几乎最优测试器,并扩展到任意域上可被少量相关变量函数逼近的类别。
2023-06-21 cs.DS
VC Dimension and Distribution-Free Sample-Based Testing
University of Waterloo(滑铁卢大学)
我们考虑的问题,确定哪些类的功能可以更有效地测试比他们可以学习,在分布免费的基于样本的模型,对应于标准的PAC学习设置。我们的主要结果表明,虽然VC维本身并不总是提供严格的界限所需的样本数量来测试在这个模型中的一类功能,它可以结合一个密切相关的变体,我们称之为“低VC”(或LVC)维,以获得强有力的下界这个样本的复杂性。我们使用这个结果,以获得强大的,在许多情况下,接近最佳的样本复杂性的下界测试工会的间隔,半空间,半空间的交叉点,多项式阈值函数,和决策树。相反,我们表明,两个自然类的功能,juntas和单调功能,可以测试的样本数是多项式小于PAC学习所需的样本数。最后,我们还利用VC维数和性质测试之间的联系,建立了新的下界来测试半径可聚性和线性约束系统的可行性。
2020-12-07 cs.CC cs.DS cs.LG
Local Correction with Constant Error Rate
n个变量的布尔函数f被称为q-局部可校正的,如果给定对函数g的黑盒访问,该函数g“接近”同构f_sigma(x)=f_sigma(x_1,...,x_n)= f(x_sigma(1),.,x_sigma(n)),我们可以计算f_sigma(x)对于{0,1}^n中的任何x,具有良好的概率,使用q个查询g。已知d阶多项式是O(2^d)-局部可校正的,并且大多数k阶junta是O(k log k)-局部可校正的,其中要求接近度参数,或者更精确地说g和f_sigma之间的距离呈指数小(分别在d和k中)。在这项工作中,我们放宽了要求的接近参数,允许函数之间的距离是一个常数。我们首先研究了juntas族,并证明了几乎每个k-junta都是O(k log^2 k)-局部可校正的,对于任何距离n < 0.001。一个类似的结果是家庭的部分对称的功能,这是无关紧要的任何重新排序的所有,但一个常数的变量。对于这两个家族,这里提供的算法使用非自适应查询,并且适用于每个家族的大多数但不是所有函数(因为它被证明是不可能局部校正所有函数的)。我们的方法利用对称影响的措施,在最近的分析测试部分对称的功能。
2012-10-21 cs.CC cs.DS cs.IT
On active and passive testing
给定布尔函数的一个属性,以高概率确定输入函数是否满足该属性或“远”不满足该属性所需的最少查询次数是多少?这是属性测试中的一个基本问题,传统上测试算法允许在整个输入集中选择查询。Balcan,Blais,Blum和Yang最近建议限制测试人员从输入的多项式大小的较小随机子集中进行查询。这种模型被称为主动测试,在极端情况下,当我们可以查询的集合的大小正好是执行的查询数量时,它被称为被动测试。我们证明了被动或主动测试的k-线性函数(即,在Z_2上的n个变量之间的k个变量的总和)需要Theta(k*log n)查询,假设k不是太大。这扩展了情况k=1,(即独裁者的功能),分析了Balcan等。我们也考虑其他类型的功能,包括低次多项式,juntas,和部分对称的功能。我们的方法结合了代数,组合和概率技术,包括Talagrand浓度不等式和Erdos-Rado定理的三角洲系统。
2015-11-15 cs.CC cs.DM cs.DS
Testing Sparse Functions over the Reals
National University of Singapore(新加坡国立大学);University of Warwick(华威大学);Centre for Quantum Technologies, National University of Singapore(新加坡国立大学量子技术研究中心)
研究实数域上稀疏函数的测试问题,提出三种稀疏表示方法(k-线性、k-稀疏多项式、k-联合),并给出高效的测试算法及Ω(k)下界。
2026-03-30 cs.DS
Boolean function monotonicity testing requires (almost) $n^{1/2}$ queries
Columbia University(哥伦比亚大学)
本文证明布尔函数单调性测试的自适应算法查询复杂度下界为 $Ω(n^{1/2-c})$,改进了此前 $\tildeΩ(n^{1/3})$ 的结果,几乎达到已知上界。
2025-11-07 cs.CC cs.DM cs.DS
Testing k-submodularity
Boston University(波士顿大学)
本文研究k-子模函数的性质测试,通过分析不同距离度量下的局部见证结构,提出常数查询测试器及亚指数查询测试器,并揭示组合障碍。
2026-06-29 cs.DS
Almost Optimal Proper Learning and Testing Polynomials
Technion(以色列理工学院)
我们给出了均匀分布下布尔稀疏多元多项式的第一个几乎最优的多项式时间正确学习算法。对于$s$-$n$变量上的稀疏多项式和$ε=1/s^β$,$β>1$,我们的算法进行$$q_U=\left(\frac{s}ε\right)^{\frac{\log β}β+O(\frac{1}β)}+ \tilde O\left(s\right)\left(\log\frac{1}ε\right)\log n$$查询.注意,我们的查询复杂度在$1/ε$中是次线性的,在$s$中几乎是线性的。所有以前的算法的查询复杂度至少在$s$中是二次的,在$1/ε$中是线性的。然后证明了$$q_L=\left(\frac{s}ε\right)^{\frac{\log β}β+Ω(\frac{1}β)}+ Ω\left(s\right)\left(\log\frac{1}ε\right)\log n,$$的几乎紧下界。应用上述算法在~\cite{Bshouty19b}中的约化,我们给出了$s$-稀疏多项式的第一个几乎最优多项式时间检验器。我们的$β>3.404$测试人员进行$$\tilde O\left(\frac{s}ε\right)$$查询。
2022-02-07 cs.DS cs.LG stat.ML
Testing properties of distributions in the streaming model
本文研究了内存受限的流式模型下的分布测试问题,提出了测试同一性的样本与空间复杂度权衡,并给出了在内存约束下高效学习单调分布简洁表示的近最优算法,该算法还可扩展至可分解分布。
2023-09-06 cs.CC cs.DS cs.LG
Almost Tight Bounds for Isomorphism Testing and Basis Construction in Finite Abelian Groups
Department of Computer Science, Technion(计算机系,海法理工学院)
本文研究已知阶有限阿贝尔群的同构判定与基构造,提出随机化同构判定算法达到 $\tilde O(n^{1/4})$ 复杂度,并证明基构造需 $\Omega(\sqrt n)$ 加法,从而分离两者的最优复杂度。
2026-10-07 cs.DS math.GR
Exponential Quantum Advantage in Testing Fourier Dimensionality
The University of Sydney(悉尼大学)
本文研究布尔函数傅里叶维数的性质测试,提出最优量子测试器并改进经典上界,展示指数级量子优势。
2026-11-03 cs.CC cs.DS quant-ph
Spectrum Estimation is Almost as Hard as Tomography
Computer Science Department, Carnegie Mellon University(卡内基梅隆大学计算机系);School of Informatics, University of Edinburgh(爱丁堡大学信息学院)
该研究针对d维量子态的频谱估计等任务,证明其样本复杂度下界为Ω(d²⁻γ),通过构造Haar随机投影器夹积的困难实例,结合Jucys-Murphy元素等分析完成下界推导。
2026-09-15 cs.DS quant-ph
Testing probability distributions using conditional samples
我们研究了一个新的框架,概率分布的属性测试,通过考虑分布测试算法,有条件的抽样预言。这是一个oracle,它将未知概率分布$D$的域$[N]$的子集$S \subseteq [N]$作为输入,并从限制为$S$的条件概率分布$D$返回一个平局。这种新的模型允许相当大的灵活性分布测试算法的设计,特别是,在这个模型中的测试算法可以是自适应的。我们研究了广泛的自然分布测试问题,在这个新的框架和它的一些变种,查询复杂性的上限和下限。这些问题包括检验$D$是否是均匀分布$\mathcal{U}$ ;检验对于显式提供的$D^\ast$是否是$D = D^\ast$;检验两个未知分布$D_1$和$D_2$是否等价;以及估计$D$与均匀分布之间的变异距离。在高层次上,我们的主要发现是,我们认为新的“条件抽样”框架是一个强大的框架:而上述所有问题在标准模型中都具有$Ω(\sqrt{N})$样本复杂度(并且在某些情况下,在$N$中复杂度必须几乎是线性的),我们给出了$\mathrm{poly}(\log N, 1/\varepsilon)$ -查询算法(在某些情况下,$\mathrm{poly}(1/\varepsilon)$ -独立于$N$的查询算法)。[2]独立于我们的工作,Chakraborty等人也考虑了这个框架。我们在小节[1.4]中讨论他们的工作。
2015-01-16 cs.CC cs.DS math.PR
Testing cycle-freeness: Finding a certificate
研究了有界度图无圈性的单侧误差性质测试器的设计问题。这样的属性测试器总是接受森林。此外,当它拒绝输入时,它提供一个短周期作为证书。在这个模型中检验无循环性的问题首先由Goldreich和Ron \cite{GR97}考虑。他们给出了一个具有双侧误差的恒定时间测试器(它不提供拒绝证书),并证明了具有单侧误差的测试器的$Ω(\sqrt{n})$下限。我们设计了一个具有单侧误差的属性测试器,其运行时间与此下限相匹配(至多为多对数因子)。有趣的是,这与Benjamini、Schramm和Shapira \cite{BSS08}最近提出的一个猜想有关。无周期性的属性在采取未成年人的操作下被关闭。这是具有几乎最佳的$\otilde(\sqrt{n})$时间单侧误差测试器但具有恒定时间双侧误差测试器的这种属性的第一个示例。在\cite{BSS08}中证明了这对于大量的次闭性质都是发生的,这个结果可以被看作是第一个迹象。
2009-06-26 cs.DM cs.DS
Property Testing on Product Distributions: Optimal Testers for Bounded Derivative Properties
性质测试的主要问题是确定给定函数是否满足某个性质,或者是否远离任何满足该性质的函数,这就需要函数之间的距离概念。最流行的概念是域上{ \em uniform}分布上的汉明距离。这种对均匀性的限制更多的是为了方便而不是必要,而且研究由更一般的分布引起的距离是很重要的。在本文中,我们在这个方向上取得了重大进展。我们给出了{\em任意乘积分布}上{\em有界导数性质}的简单最优检验.有界导数性质包括基本性质,如单调性和Lipschitz连续性。我们的结果substances几乎所有已知的结果(上界和下界)的单调性和Lipschitz测试。我们证明了有界导数性质测试和二叉搜索树(BST)之间的密切联系。我们展示了一个测试,其查询复杂性是最佳BST的每个边际的预期深度的总和。此外,我们还证明了这个深度和也是一个下界。这项工作的一个基本的技术贡献是一个{ \em最佳降维定理}的所有有界衍生物的属性,它涉及到的距离的功能从属性的距离限制的功能随机线。这样一个定理在过去的15年里甚至对于单调性都是难以捉摸的,而我们的定理是对以前最著名结果的指数改进。
2014-04-02 cs.DM cs.DS math.CO
Combinatorial Group Testing and Sparse Recovery Schemes with Near-Optimal Decoding Time
在长期研究的问题组合组测试,一个被要求检测出一组$k$有缺陷的项目的人口规模$n$,使用$m \ll n$析取测量。在非自适应设置中,最广泛使用的组合对象是析取矩阵和列表析取矩阵,它们定义了测试方案的关联矩阵。析取矩阵允许识别缺陷的精确集合,而列表析取矩阵识别缺陷的小超集。除了组合的保证,它往往是关键的利益,配备有效的解码算法的测量设计。最有效的解码器应该在$n$中以次线性时间运行,并且理想地在测量次数$m$中以接近线性的时间运行。在这项工作中,我们给出了几个结构的最佳数量的测量和接近最佳的解码时间的最基本的组测试任务,以及在压缩感知和沉重的打击文学的中心任务。对于其中的许多任务,以前的测量最优构造需要的时间要么是测量次数的二次方,要么是宇宙大小的线性。我们的大多数结果是通过一个干净的和新颖的方法,避免了列表可恢复的代码或相关的复杂技术,目前在几乎每一个国家的最先进的工作,有效地解码的结构,这样的对象。
2020-09-25 cs.DS cs.IT math.IT
Testing $k$-Modal Distributions: Optimal Algorithms via Reductions
我们给出了高效的算法,几乎匹配的下界,一系列的基本统计问题,涉及测试和估计的L_1之间的距离两个k-模态分布$p$和$q$在离散域$\{1,\dots,n\}$。更确切地说,我们考虑以下四个问题:给定样本访问未知的k-模态分布$p$,测试身份的一个已知或未知的分布:1。确定$p = q$(对于明确给定的k-模态分布$q$)与$p$是否是$\eps$ -远离$q$ ; 2.确定$p=q$(其中$q$通过样本访问可用)与$p$是否是$\eps$ -远离$q$ ;针对已知或未知分布估计$L_1$距离(“容忍测试”):3.将$d_{TV}(p,q)$近似到加性$\eps$内,其中$q$是显式给定的k模态分布$q$ ; 4.将$d_{TV}(p,q)$近似为添加剂$\eps$,其中$q$可通过样品访问获得。对于这四个问题中的每一个,我们给出了次对数样本算法,我们表明,是紧到加性$\poly(k)$和乘法$\polylog\log n+\polylog k$因素。因此,我们的边界显着改善了以前的结果\cite{BKR:04},这是用于测试的特殊情况下,k=0(单调分布)和k=1(单峰分布)的分布(项目(1)和(2))的身份,并要求$O((\log n)^3)$样本。作为我们的主要概念贡献,我们引入了一个新的基于约简的方法来解决分布测试问题,使我们能够以统一的方式获得上述所有结果。粗略地说,这种…
2011-12-23 cs.DS math.PR math.ST