Given a convex function $Φ:[0,1]\to\mathbb{R}$, the $Φ$-stability of a Boolean function $f$ is defined as $\mathbb{E}[Φ(T_ρf(\mathbf{X}))]$, where $\mathbf{X}$ is a random vector uniformly distributed on the discrete cube $\{\pm1\}^{n}$ and $T_ρ$ is the Bonami-Beckner operator. In this paper, we prove that dictator functions are locally optimal in maximizing the $Φ$-stability of $f$ over all balanced Boolean functions. When focusing on the symmetric $q$-stability, combining this result with our previous bound, we use computer-assisted methods to prove that dictator functions maximize the symmetric $q$-stability for $q=1$ and $ρ\in[0,0.914]$ or for $q\in[1.36,2)$ and all $ρ\in[0,1]$. In other words, we confirm the (balanced) Courtade--Kumar conjecture with the correlation coefficient $ρ\in[0,0.914]$ and the (symmetrized) Li--Médard conjecture with $q\in[1.36,2)$. We conjecture that dictator functions maximize both the symmetric and asymmetric $\frac{1}{2}$-stability over all balanced Boolean functions. Our proofs are based on majorization of noise operators and hypercontractivity inequalities.


翻译:给定凸函数$Φ:[0,1]\to\mathbb{R}$,布尔函数$f$的$Φ$-稳定性定义为$\mathbb{E}[Φ(T_ρf(\mathbf{X}))]$,其中$\mathbf{X}$是均匀分布在离散立方体$\{\pm1\}^{n}$上的随机向量,$T_ρ$为Bonami-Beckner算子。本文证明,在所有平衡布尔函数中,独裁函数在最大化$Φ$-稳定性方面具有局部最优性。当聚焦于对称$q$-稳定性时,结合此结果与先前的界,我们采用计算机辅助方法证明:对于$q=1$且$ρ\in[0,0.914]$,或对于$q\in[1.36,2)$且所有$ρ\in[0,1]$,独裁函数最大化对称$q$-稳定性。换言之,我们以相关系数$ρ\in[0,0.914]$验证了(平衡)Courtade–Kumar猜想,并以$q\in[1.36,2)$验证了(对称化)Li–Médard猜想。我们推测,在所有平衡布尔函数中,独裁函数同时最大化对称和非对称的$\frac{1}{2}$-稳定性。证明基于噪声算子的优势化与超压缩不等式。

0
下载
关闭预览

相关内容

局部最优,是指对于一个问题的解在一定范围或区域内最优,或者说解决问题或达成目标的手段在一定范围或限制内最优。在应用数学和计算机科学中,优化问题的局部最优是在候选解决方案的相邻集合内最优(最大或最小)的解决方案。 这与全局最优相反,后者是所有可能的解决方案中的最优解决方案,而不仅仅是在特定值附近的最优解决方案。
南大《优化方法 (Optimization Methods》课程,推荐!
专知会员服务
80+阅读 · 2022年4月3日
【经典书】凸优化理论,MIT-Dimitri P. Bertsekas教授,257页pdf
专知会员服务
42+阅读 · 2021年4月2日
自动结构变分推理,Automatic structured variational inference
专知会员服务
41+阅读 · 2020年2月10日
【干货书】凸随机优化,320页pdf
专知
12+阅读 · 2022年9月16日
从信息论的角度来理解损失函数
深度学习每日摘要
17+阅读 · 2019年4月7日
今日面试题分享:为什么xgboost要用泰勒展开,优势在哪里?
博客 | 机器学习中的数学基础(凸优化)
AI研习社
14+阅读 · 2018年12月16日
用于数学的 10 个优秀编程语言
算法与数据结构
13+阅读 · 2018年1月5日
干货|掌握机器学习数学基础之优化[1](重点知识)
机器学习研究会
10+阅读 · 2017年11月19日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
从点到线:逻辑回归到条件随机场
夕小瑶的卖萌屋
15+阅读 · 2017年7月22日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
VIP会员
最新内容
ICML 2026 | CFPO:用反事实策略优化提升多模态推理
专知会员服务
1+阅读 · 今天14:45
综述 | 世界动作模型:少做梦,多行动
专知会员服务
1+阅读 · 今天14:43
美以伊冲突:无人机与人工智能的运用
专知会员服务
3+阅读 · 今天14:31
《特种部队在透明战场中的生存力》最新报告
专知会员服务
2+阅读 · 今天14:11
《人工智能生成的零日漏洞:对未来作战的影响》
综述 | 3D场景图:开放挑战与未来方向
专知会员服务
8+阅读 · 6月22日
21世纪的无人机战争
专知会员服务
4+阅读 · 6月22日
《量子技术的军事任务技术适配与利用》
专知会员服务
5+阅读 · 6月22日
相关VIP内容
南大《优化方法 (Optimization Methods》课程,推荐!
专知会员服务
80+阅读 · 2022年4月3日
【经典书】凸优化理论,MIT-Dimitri P. Bertsekas教授,257页pdf
专知会员服务
42+阅读 · 2021年4月2日
自动结构变分推理,Automatic structured variational inference
专知会员服务
41+阅读 · 2020年2月10日
相关资讯
【干货书】凸随机优化,320页pdf
专知
12+阅读 · 2022年9月16日
从信息论的角度来理解损失函数
深度学习每日摘要
17+阅读 · 2019年4月7日
今日面试题分享:为什么xgboost要用泰勒展开,优势在哪里?
博客 | 机器学习中的数学基础(凸优化)
AI研习社
14+阅读 · 2018年12月16日
用于数学的 10 个优秀编程语言
算法与数据结构
13+阅读 · 2018年1月5日
干货|掌握机器学习数学基础之优化[1](重点知识)
机器学习研究会
10+阅读 · 2017年11月19日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
从点到线:逻辑回归到条件随机场
夕小瑶的卖萌屋
15+阅读 · 2017年7月22日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员