可卷动的头部与具有恒定随机性的自然语言识别
摘要：每种语言在NL中都有一个$k$-head的两头非确定有限自动机（2nfa($k$))来识别它。已知如何从一个2nfa($k$)构建一个具有常数随机性的恒定空间验证器算法，但是错误概率为$\frac{k^2-1}{2k^2}$，无法通过重复进一步减小。我们定义了导致高误差的头部的不愉快特征为“可卷曲”属性。通过对先前的验证算法进行微调，错误率改进为$\frac{k_{\text{W}}^2-1}{2k_{\text{W}}^2}$，其中$k_{\text{W}} \leq k$是可卷曲头的数量。使用这个新算法，可以使用恒定的空间和随机性对NL中具有2nfa($k$)识别器且$k_{\text{W}} \leq 1$的语言子集进行可任意减小的错误验证。
作者：M. Utkan Gezer
论文ID：1912.01382
分类：Computational Complexity
分类简称：cs.CC
提交时间：2022-06-03