Per BPP / linear mi riferisco a macchine BPP con consigli lineari, che mantengono la promessa quando vengono dati i consigli "corretti" e la derandomizzazione dovrebbe darci, diciamo, un algoritmo P / lineare o (SUBEXP / lineare).
Se usiamo ipotesi non uniformi, penso che i risultati classici dovrebbero funzionare, perché possiamo "ingannare" gli avversari non uniformi.
Esistono risultati riguardanti questo tipo di classi, non necessario BPP / lineare?