Constrained free space diagrams: a tool for trajectory analysis

https://www.semanticscholar.org/paper/Constrained-free-space-diagrams-a-tool-for-Buchin-Buchin/363f7059d9d85a617d080cd179abe0cd57d095b9

Fine-Grained Analysis of Problems on Curves

http://page.mi.fu-berlin.de/mulzer/pubs/kfrechetEWCG.pdf

در مورد fine-grained complexity و فاصله‌ی فرشه است. قرار است در جلسات بعدی مدرسه زمستانی گفته بشود.

Improved Time-Space Trade-offs for Computing Voronoi Diagrams

http://page.mi.fu-berlin.de/mulzer/pubs/vd_tradeoffSTACS.pdf

مدرسه زمستانی هندسه محاسباتی

Time-Space Trade-offs for Triangulating a Simple Polygon

https://arxiv.org/pdf/1509.07669.pdf
مدرسه زمستانی هندسه محاسباتی

نصب دیکشنری روی texlive

http://tex.stackexchange.com/questions/235313/how-to-add-spell-checker-to-texworks-on-windows

قسمت ۲ آموزش رپیدماینر ۲۰۱۶

میگه برای داده‌های مسافرهای تایتانیک درخت تصمیم بسازید، بعد نتیجه‌اش خیلی خنده‌داره. میگه مردها اکثراً مردند و خانم‌ها به جز پولدارها که جدا نجاتشان دادند، مجردها زنده موندن و آنهایی که همراه کم داشتن.

سوالهای پایان ترم الگوریتم تصادفی (امسال)

۵ تا سوال
سوال ۴ و ۶ تمرین
- ثابت کنید تعداد min cut ها میشه n(n-1)/2 حداکثر
- ثابت کنید تعداد بیت های استخراجی حداکثر n* antropi میشه
- یک قدم زدن تصادفی که در یک حلقه‌ی m بار تکرار بود و مقداری برای m می‌خواست که احتمال شکست حداکثر ۱/۲ بشود.

درس الگوریتم تقریبی EPFL

http://theory.epfl.ch/osven/courses/Approx13/

مزیتش نسبت به بقیه‌ی درس‌های ارائه شده تأکیدی است که روی رند کردن دارد.

Better Guarantees for k-Means and Euclidean k-Median by Primal-Dual Algorithms

https://arxiv.org/pdf/1612.07925.pdf

این یکی از مواردی بود که در سمینار زمستانی ارائه شد.

ایده‌اش این بود که از اقلیدسی بودن فضا استفاده کرده بود و حالت‌بندی کرده بود که اگر فاصله‌ی این نقطه‌ها بیشتر از یک حدی بود مثلاً هر دو تا مرکز را باز می‌کنم و در غیر این صورت فقط یکی را. توضیحش هم این بود که ارزش مرکزها را میزان گزینه‌های ممکن تعیین می‌کند و اینکه همین‌طوری اگر همه را باز کنیم یا یک maximal independent set باز کنیم کافی نیست چون فقط داریم حالتی که دو بار یک مرکز باز شود را حذف می‌کنیم.

یک روش رندکردن هم داشت که می‌گفت با نرخ نمایی کم می‌کند تا تعداد مرکزها را به k تا برساند. می‌گفت پیوسته اگر بخواهیم این را کم کنیم نمایی طول می‌کشد و ما پرش‌هایی تعریف می‌کنیم که چندجمله‌ای بشود. (coarse geometric bucketing)

سوالهای حل‌نشده:

- کران پایین

- بهبود زمان اینها

- سختی تقریب برای حالت گسسته

به طور ویژه پرسیده بود می‌شود کاری کرد که مرکزهای الگوریتم LMP را به k رساند؟

Lagrangian relaxation

https://en.wikipedia.org/wiki/Lagrangian_relaxation