Para una respuesta más completa, vea ¿Qué son P, NP, NP-complete y NP-hard?
Para una respuesta breve y simplificada:
- Un problema de decisión es simplemente un conjunto de cadenas. Por ejemplo, SAT, el conjunto de todas las expresiones booleanas satisfactorias (escritas como cadenas) es un problema de decisión.
- Un programa decide un conjunto si se le da un elemento del conjunto, genera un sí y se detiene, y si se le da un elemento que no está en el conjunto, genera un no y se detiene.
- NP es el conjunto de todos los problemas de decisión [matemática] L [/ matemática] con la siguiente propiedad: Existe un programa [matemático] P [/ matemático] que dio un elemento [matemático] x \ en L [/ matemático] y un prueba de eso puede verificar eficientemente que la prueba es correcta. Además, dado cualquier [matemática] x \ not \ en L [/ matemática], no hay prueba de que el algoritmo acepte como válido. Esencialmente un problema de decisión está en NP si sus miembros pueden ser verificados eficientemente.
- Un problema de decisión A se reduce a otro problema de decisión B si el problema A se puede decidir eficientemente dado un programa que decide eficientemente B.
- Un problema de decisión es NP-difícil si todos los problemas en NP se reducen a él. Esencialmente, un problema es NP-hard si una solución eficiente nos permitiría resolver problemas NP de manera eficiente.
- Cómo comenzar con el aprendizaje profundo (cosas matemáticas) en Python
- Robótica: ¿Cuáles son algunos proyectos interesantes de aprendizaje automático relacionados con UAV / drones?
- ¿Por qué PCA y LDA se usan juntas en el reconocimiento facial?
- ¿Por qué las redes de confrontación generativas son tan creativas?
- ¿Cuál es la diferencia entre un clasificador Naive Bayes y AODE?