مقاله بهینه سازی دقیق ترکیبی با شبکه های عصبی نمودار موقت و متعارف
| عنوان مقاله به انگلیسی | Exact Combinatorial Optimization with Temporo-Attentional Graph Neural Networks |
| عنوان مقاله به فارسی | مقاله بهینه سازی دقیق ترکیبی با شبکه های عصبی نمودار موقت و متعارف |
| نویسندگان | Mehdi Seyfi, Amin Banitalebi-Dehkordi, Zirui Zhou, Yong Zhang |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 0 |
| دسته بندی موضوعات | Machine Learning,Artificial Intelligence,Mathematical Software,یادگیری ماشین , هوش مصنوعی , نرم افزار ریاضی , |
| توضیحات | Submitted 23 November, 2023; originally announced November 2023. , Comments: ECML PKDD 2023 , Journal ref: ECML PKDD 2023 |
| توضیحات به فارسی | ارسال شده 23 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد ، نظرات: ECML PKDD 2023 ، مجله Ref: ECML PKDD 2023 |
چکیده
Combinatorial optimization finds an optimal solution within a discrete set of variables and constraints. The field has seen tremendous progress both in research and industry. With the success of deep learning in the past decade, a recent trend in combinatorial optimization has been to improve state-of-the-art combinatorial optimization solvers by replacing key heuristic components with machine learning (ML) models. In this paper, we investigate two essential aspects of machine learning algorithms for combinatorial optimization: temporal characteristics and attention. We argue that for the task of variable selection in the branch-and-bound (B&B) algorithm, incorporating the temporal information as well as the bipartite graph attention improves the solver's performance. We support our claims with intuitions and numerical results over several standard datasets used in the literature and competitions. Code is available at: https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=047c6cf2-8463-40d7-b92f-7b2ca998e935
چکیده به فارسی (ترجمه ماشینی)
بهینه سازی ترکیبی یک راه حل بهینه در یک مجموعه گسسته از متغیرها و محدودیت ها پیدا می کند.در این زمینه پیشرفت چشمگیری هم در تحقیقات و هم در صنعت شاهد بوده است.با موفقیت یادگیری عمیق در یک دهه گذشته ، روند اخیر در بهینه سازی ترکیبی ، بهبود حلال های بهینه سازی ترکیبی پیشرفته با جایگزینی اجزای کلیدی اکتشافی با مدل های یادگیری ماشین (ML) است.در این مقاله ، ما دو جنبه اساسی الگوریتم های یادگیری ماشین را برای بهینه سازی ترکیبی بررسی می کنیم: خصوصیات زمانی و توجه.ما استدلال می کنیم که برای کار انتخاب متغیر در الگوریتم شاخه و محدود (B&B) ، شامل اطلاعات زمانی و همچنین توجه نمودار دو طرفه باعث بهبود عملکرد حل کننده می شود.ما از ادعاهای خود با شهود و نتایج عددی در چندین مجموعه داده استاندارد استفاده شده در ادبیات و مسابقات پشتیبانی می کنیم.کد در: https://developer.huaweicloud.com/develop/aigallery/notebook/detail؟id=047c6cf2-8463-40d7-b92f-7b2ca98e935 در دسترس است.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.