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
چکیده
In the last years, many neural network-based approaches have been proposed to tackle combinatorial optimization problems such as routing problems. Many of these approaches are based on graph neural networks (GNNs) or related transformers, operating on the Euclidean coordinates representing the routing problems. However, GNNs are inherently not well suited to operate on dense graphs, such as in routing problems. Furthermore, models operating on Euclidean coordinates cannot be applied to non-Euclidean versions of routing problems that are often found in real-world settings. To overcome these limitations, we propose a novel GNN-related edge-based neural model called Graph Edge Attention Network (GREAT). We evaluate the performance of GREAT in the edge-classification task to predict optimal edges in the Traveling Salesman Problem (TSP). We can use such a trained GREAT model to produce sparse TSP graph instances, keeping only the edges GREAT finds promising. Compared to other, non-learning-based methods to sparsify TSP graphs, GREAT can produce very sparse graphs while keeping most of the optimal edges. Furthermore, we build a reinforcement learning-based GREAT framework which we apply to Euclidean and non-Euclidean asymmetric TSP. This framework achieves state-of-the-art results.
چکیده به فارسی (ترجمه ماشینی)
در سالهای گذشته ، بسیاری از رویکردهای مبتنی بر شبکه عصبی برای مقابله با مشکلات بهینه سازی ترکیبی مانند مشکلات مسیریابی پیشنهاد شده است.بسیاری از این رویکردها بر اساس شبکه های عصبی نمودار (GNN) یا ترانسفورماتورهای مرتبط است که بر روی مختصات اقلیدسی که نمایانگر مشکلات مسیریابی هستند ، کار می کنند.با این حال ، GNN ها ذاتاً مناسب نیستند که روی نمودارهای متراکم مانند مشکلات مسیریابی کار کنند.علاوه بر این ، مدل هایی که بر روی مختصات اقلیدسی کار می کنند ، نمی توانند برای نسخه های غیر الکلیدسی مشکلات مسیریابی که اغلب در تنظیمات دنیای واقعی یافت می شوند ، استفاده شود.برای غلبه بر این محدودیت ها ، ما یک مدل عصبی مبتنی بر لبه مبتنی بر GNN به نام Graph Edge Network (عالی) ارائه می دهیم.ما عملکرد عالی در کار طبقه بندی لبه را برای پیش بینی لبه های بهینه در مشکل فروشنده مسافرتی (TSP) ارزیابی می کنیم.ما می توانیم از چنین مدل عالی آموزش دیده برای تولید نمونه های نمودار TSP پراکنده استفاده کنیم ، و فقط لبه های عالی را امیدوار کننده نگه داریم.در مقایسه با سایر روشهای مبتنی بر غیر یادگیری برای پراکندگی نمودارهای TSP ، عالی می تواند در حالی که بیشتر لبه های بهینه را نگه می دارد ، نمودارهای بسیار پراکنده تولید کند.علاوه بر این ، ما یک چارچوب عالی مبتنی بر یادگیری تقویت شده را ایجاد می کنیم که ما در مورد TSP نامتقارن اقلیدسی و غیر الکلیدسی اعمال می کنیم.این چارچوب به نتایج پیشرفته می رسد.
📚 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 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
