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。
ルーティング問題を解くための最近の深層モデルは,常に訓練のためのノードの単一分布を仮定し,それらの交差分布一般化能力を著しく損なう。本論文では,グループ分布ロバスト最適化(グループDRO)を利用して,この問題に取り組むため,訓練中のインタリーブ方式で,異なるグループの分布およびパラメータに対する重みを一緒に最適化する。また,畳み込みニューラルネットワークに基づくモジュールを設計し,ノード間のより有益な潜在パターンを学習する深層モデルを可能にした。GCNとPOMOを含む2種類のよく知られた深いモデルについて提案したアプローチを評価した。ランダム合成事例と2つのベンチマークデータセット(すなわち,TSPLibとCVRPLib)の実験結果は,著者らのアプローチが元のモデルよりも交差分布一般化性能を著しく改良できることを示した。【JST・京大機械翻訳】