Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.03826

帮助 | 高级搜索

计算机科学 > 形式语言与自动机理论

arXiv:2508.03826 (cs)
[提交于 2025年8月5日 ]

标题: 随机语言的恒等测试

标题: Identity Testing for Stochastic Languages

Authors:Smayan Agarwal, Shobhit Singh, Aalok Thakkar
摘要: 确定未知分布是否与已知参考分布匹配是分布分析中的一个基础问题。 虽然经典结果在有限域上的分布情况下建立了严格的框架,但计算语言学、生物信息学和程序分析中的实际应用需要在无限组合结构上进行测试,特别是字符串。 在本文中,我们开始了对随机语言身份测试的理论研究,将形式语言理论与现代分布属性测试相结合。 我们首先提出了一种多项式时间算法来验证有限状态机是否表示一个随机语言,然后证明有理随机语言可以近似任意概率分布。 基于这些表示,我们开发了一种基于截断的身份测试算法,其样本复杂度为$\widetilde{\Theta}\left( \frac{\sqrt{n}}{\varepsilon^2} + \frac{n}{\log n} \right)$,其中$n$是截断支持的大小。 我们的方法利用了有理随机语言中固有的指数衰减来限制截断误差,然后将经典有限域测试器应用于受限问题。 这项工作为无限离散分布建立了第一个身份测试框架,为概率形式方法和结构化数据的统计分析开辟了新的方向。
摘要: Determining whether an unknown distribution matches a known reference is a cornerstone problem in distributional analysis. While classical results establish a rigorous framework in the case of distributions over finite domains, real-world applications in computational linguistics, bioinformatics, and program analysis demand testing over infinite combinatorial structures, particularly strings. In this paper, we initiate the theoretical study of identity testing for stochastic languages, bridging formal language theory with modern distribution property testing. We first propose a polynomial-time algorithm to verify if a finite state machine represents a stochastic language, and then prove that rational stochastic languages can approximate an arbitrary probability distribution. Building on these representations, we develop a truncation-based identity testing algorithm that distinguishes between a known and an unknown distributions with sample complexity $\widetilde{\Theta}\left( \frac{\sqrt{n}}{\varepsilon^2} + \frac{n}{\log n} \right)$ where $n$ is the size of the truncated support. Our approach leverages the exponential decay inherent in rational stochastic languages to bound truncation error, then applies classical finite-domain testers to the restricted problem. This work establishes the first identity testing framework for infinite discrete distributions, opening new directions in probabilistic formal methods and statistical analysis of structured data.
主题: 形式语言与自动机理论 (cs.FL)
ACM 类: F.1.1; F.4.2; F.4.3
引用方式: arXiv:2508.03826 [cs.FL]
  (或者 arXiv:2508.03826v1 [cs.FL] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.03826
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Smayan Agarwal [查看电子邮件]
[v1] 星期二, 2025 年 8 月 5 日 18:12:11 UTC (43 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.FL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号