研究人员开发了一种新颖的混合搜索框架来应对复杂的低自相关二元序列问题（LABS）。这种新方法集成了汤普森采样和并行无自相遇行走，能够自适应地在不同搜索空间分区之间分配计算资源。该框架通过 GPU 并行化、共享后验更新、高效邻域评估以及用于防止循环的 Bloom 过滤器得到进一步增强。实验表明，该方法在众多序列长度上均优于现有结果，包括一个优值因子超过 8.0 的新最长序列。 AI
影响 引入了一个新颖的计算框架，有望加速通信、信号处理和卫星导航领域的研究。
排序理由 详细介绍一种用于优化问题的新计算方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
- arXiv
- Bloom filter
- computer science
- graphics processing unit
- Hugging Face
- Low autocorrelation binary sequences problem
- machine learning
- Thompson sampling
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
