اکسپرس 24
ترجمه فارسی مقاله شبکه‌های عصبی گراف به عنوان الگوریتم‌های ابتکاری مرتب‌سازی برای رنگ‌آمیزی موازی گراف

ترجمه فارسی مقاله شبکه‌های عصبی گراف به عنوان الگوریتم‌های ابتکاری مرتب‌سازی برای رنگ‌آمیزی موازی گراف

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 Graph Neural Networks as Ordering Heuristics for Parallel Graph Coloring
عنوان مقاله به فارسی شبکه‌های عصبی گراف به عنوان الگوریتم‌های ابتکاری مرتب‌سازی برای رنگ‌آمیزی موازی گراف
نویسندگان Kenneth Langedal, Fredrik Manne
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
دسته بندی موضوعات Machine Learning,Distributed, Parallel, and Cluster Computing,یادگیری ماشین , توزیع , موازی و محاسبات خوشه ای ,
توضیحات Submitted 9 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 9 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 480,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 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

The graph coloring problem asks for an assignment of the minimum number of distinct colors to vertices in an undirected graph with the constraint that no pair of adjacent vertices share the same color. The problem is a thoroughly studied NP-hard combinatorial problem with several real-world applications. As such, a number of greedy heuristics have been suggested that strike a good balance between coloring quality, execution time, and also parallel scalability. In this work, we introduce a graph neural network (GNN) based ordering heuristic and demonstrate that it outperforms existing greedy ordering heuristics both on quality and performance. Previous results have demonstrated that GNNs can produce high-quality colorings but at the expense of excessive running time. The current paper is the first that brings the execution time down to compete with existing greedy heuristics. Our GNN model is trained using both supervised and unsupervised techniques. The experimental results show that a 2-layer GNN model can achieve execution times between the largest degree first (LF) and smallest degree last (SL) ordering heuristics while outperforming both on coloring quality. Increasing the number of layers improves the coloring quality further, and it is only at four layers that SL becomes faster than the GNN. Finally, our GNN-based coloring heuristic achieves superior scaling in the parallel setting compared to both SL and LF.

چکیده به فارسی (ترجمه ماشینی)

مشکل رنگ آمیزی نمودار از حداقل تعداد رنگ های مجزا به راس ها در یک نمودار بدون جهت استفاده می کند با این محدودیت که هیچ جفتی از راس های مجاور همان رنگ را به اشتراک نمی گذارد.مشکل یک مشکل ترکیبی NP سخت با چندین برنامه کاربردی در دنیای واقعی است.به همین ترتیب ، تعدادی از اکتشافات حریص پیشنهاد شده است که تعادل خوبی بین کیفیت رنگ آمیزی ، زمان اجرای و همچنین مقیاس پذیری موازی دارند.در این کار ، ما یک شبکه عصبی نمودار (GNN) مبتنی بر سفارش را معرفی می کنیم و نشان می دهیم که از اکتشافی های حریص موجود هم از نظر کیفیت و هم از نظر کیفیت و عملکرد بهتر است.نتایج قبلی نشان داده است که GNN ها می توانند رنگهای با کیفیت بالا را تولید کنند اما با هزینه زمان بیش از حد در حال اجرا.مقاله فعلی اولین کسی است که زمان اجرای آن را برای رقابت با اکتشافی های حریص موجود پایین می آورد.مدل GNN ما با استفاده از هر دو تکنیک تحت نظارت و بدون نظارت آموزش دیده است.نتایج تجربی نشان می دهد که یک مدل GNN 2 لایه می تواند زمان اجرای بین بزرگترین درجه اول (LF) و کوچکترین درجه آخرین (SL) سفارش را در حالی که از کیفیت رنگ آمیزی بالاتر است ، بدست آورد.افزایش تعداد لایه ها باعث افزایش کیفیت رنگ آمیزی می شود و فقط در چهار لایه است که SL سریعتر از GNN می شود.سرانجام ، اکتشافی رنگ آمیزی مبتنی بر GNN ما در مقایسه با SL و LF به مقیاس برتر در تنظیم موازی دست می یابد.

📚 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.