4.6.8 Exercises for Section 4.6Exer

4.6.8 Exercises for Section 4.6
Exercise 4.6.1: Suppose the window is as shown in Fig. 4.2. Estimate the number of 1’s the the last k positions, for k = (a) 5 (b) 15. In each case, how far off the correct value is your estimate?
! Exercise 4.6.2: There are several ways that the bit-stream 1001011011101 could be partitioned into buckets. Find all of them.
Exercise 4.6.3: Describe what happens to the buckets if three more 1’s enter the window represented by Fig. 4.3. You may assume none of the 1’s shown leave the window.
4.7 Decaying Windows
We have assumed that a sliding window held a certain tail of the stream, either the most recent N elements for fixed N, or all the elements that arrived after some time in the past. Sometimes we do not want to make a sharp distinction between recent elements and those in the distant past, but want to weight the recent elements more heavily. In this section, we consider “exponentially decaying windows,” and an application where they are quite useful: finding the most common “recent” elements.

Kết quả (Việt) 1:

4.6.8 bài tập cho phần 4.6
tập thể dục 4.6.1: giả sử cửa sổ là như minh hoạ trong hình 4.2. Ước lượng số 1 của các vị trí cuối cùng của k, k = (a) 5 (b) 15. Trong mỗi trường hợp, cách xa off đúng giá trị là ước tính của bạn?
! Tập thể dục 4.6.2: Có một số cách dòng chút 1001011011101 có thể được phân chia thành nhóm. Tìm thấy tất cả chúng.
tập thể dục 4.6.3: Mô tả những gì xảy ra với các Xô nếu ba thêm 1 nhập cửa sổ đại diện bởi hình 4.3. Bạn có thể giả định không ai trong số 1 của Hiển thị rời khỏi cửa sổ.
7.5 mục nát Windows
chúng tôi đã giả định rằng một cửa sổ trượt tổ chức một đuôi nhất định của dòng, hoặc các yếu tố N đặt cho fixed N, hoặc tất cả các yếu tố đó đến sau một thời gian trong quá khứ. Đôi khi, chúng tôi không muốn làm cho một sự phân biệt mạnh giữa các yếu tố tại và những người trong quá khứ xa xôi, nhưng muốn trọng lượng các yếu tố tại nhiều hơn. Trong phần này, chúng tôi xem xét "mục nát theo cấp số nhân windows", và ứng dụng nơi họ đang khá hữu ích: finding phổ biến nhất "tại" yếu tố.