ترجمه فارسی مقاله بهینه سازی با آنیل موازی شبه کوانتومی با نمونه گیری مبتنی بر گرادیان

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Optimization by Parallel Quasi-Quantum Annealing with Gradient-Based Sampling
عنوان مقاله به فارسی بهینه سازی با آنیل موازی شبه کوانتومی با نمونه گیری مبتنی بر گرادیان
نویسندگان Yuma Ichikawa, Yamato Arai
فرمت مقاله انگلیسی PDF
تعداد صفحات 18
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Computation,Methodology,Machine Learning,یادگیری ماشین , محاسبه , روش , یادگیری ماشین ,
توضیحات Submitted 2 September, 2024; originally announced September 2024. , Comments: 18 pages, 3 figures
توضیحات به فارسی ارسال شده در 2 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 18 صفحه ، 3 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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.

🎯 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

چکیده

Learning-based methods have gained attention as general-purpose solvers because they can automatically learn problem-specific heuristics, reducing the need for manually crafted heuristics. However, these methods often face challenges with scalability. To address these issues, the improved Sampling algorithm for Combinatorial Optimization (iSCO) using discrete Langevin dynamics has been proposed, demonstrating better performance than several learning-based solvers. This study proposes a different approach that integrates gradient-based update through continuous relaxation, combined with Quasi-Quantum Annealing (QQA). QQA smoothly transitions the objective function from a simple convex form, where half-integral solutions dominate, to the original objective function, where the variables are restricted to 0 or 1. Furthermore, we incorporate parallel run communication leveraging GPUs, enhancing exploration capabilities and accelerating convergence. Numerical experiments demonstrate that our approach is a competitive general-purpose solver, achieving comparable performance to iSCO across various benchmark problems. Notably, our method exhibits superior trade-offs between speed and solution quality for large-scale instances compared to iSCO, commercial solvers, and specialized algorithms.

چکیده به فارسی (ترجمه ماشینی)

روشهای مبتنی بر یادگیری به عنوان حل کننده های هدف عمومی مورد توجه قرار گرفته است زیرا آنها می توانند به طور خودکار اکتشافی خاص مسئله را بیاموزند و نیاز به اکتشافی دستی را کاهش می دهند.با این حال ، این روش ها اغلب با مقیاس پذیری با چالش هایی روبرو هستند.برای پرداختن به این موضوعات ، الگوریتم نمونه برداری بهبود یافته برای بهینه سازی ترکیبی (ISCO) با استفاده از دینامیک لنگوین گسسته پیشنهاد شده است که عملکرد بهتری نسبت به چندین حل کننده مبتنی بر یادگیری نشان می دهد.این مطالعه یک رویکرد متفاوت را ارائه می دهد که به روزرسانی مبتنی بر شیب را از طریق آرامش مداوم ، همراه با آنیل شدن شبه کوانه (QQA) ادغام می کند.QQA به آرامی عملکرد هدف را از یک فرم محدب ساده انتقال می دهد ، که در آن راه حل های نیمه انتهایی حاکم است ، به عملکرد هدف اصلی ، که در آن متغیرها به 0 یا 1 محدود می شوند. علاوه بر این ، ما شامل GPU های ارتباطی موازی با استفاده از GPU ها ، افزایش قابلیت های اکتشاف و تسریعهمگراییآزمایش های عددی نشان می دهد که رویکرد ما یک حل کننده با هدف عمومی رقابتی است و به عملکرد قابل مقایسه با ISCO در میان مشکلات مختلف معیار می رسد.نکته قابل توجه ، روش ما نمایش های برتر بین سرعت و کیفیت راه حل برای موارد در مقیاس بزرگ در مقایسه با ISCO ، حل کننده های تجاری و الگوریتم های تخصصی را نشان می دهد.

📚 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.

🎯 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.