抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最小コストマルチカット問題は,分割の全コストを最小化するように,実数値エッジ加重グラフを分割するNP-ハード/APX-ハードコンビナトリアル最適化問題である。グラフ畳込みニューラルネットワーク(GNN)はコンビナトリアル最適化の文脈で有望であることが証明されているが,それらの大部分は正値エッジ重み,即ち,マルチカット問題の性質に従わないか,あるいはテストされた。そこで筆者らは,実数値エッジコストの効率的符号化を容易にするために,グラフ畳込みネットワーク,署名グラフ畳込みネットワークおよびグラフ同形ネットワークを含む様々なGNNアーキテクチャを適応させた。さらに,スケーラブルな方法で実行可能なマルチカット解を学習できる損失関数として多項式プログラムにマルチカットILP制約の再定式化を採用した。したがって,エンドツーエンド訓練可能マルチカットに向けた最初のアプローチを提供した。著者らの知見は,GNNアプローチが,LPソルバーおよび最適化発見的方法と比較して,特に大きなインスタンスを考慮するとき,低い計算時間を提供し,大幅に改善されたスケーラビリティを提供しながら,実践において良好な解決策を製造できるというサポートをサポートした。【JST・京大機械翻訳】