物理学にヒントを得たグラフニューラルネットワークによるグラフ彩色【JST・京大機械翻訳】

Schuetz Martin J. A.; Brubaker J. Kyle; Zhu Zhihuai; Katzgraber Helmut G.

プレプリント

J-GLOBAL ID：202202213193151637 整理番号：22P0284218

物理学にヒントを得たグラフニューラルネットワークによるグラフ彩色【JST・京大機械翻訳】

Graph Coloring with Physics-Inspired Graph Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月03日プレプリントサーバーでの情報更新日： 2022年11月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

グラフニューラルネットワークを用いて正準グラフ彩色問題を解いた。グラフ彩色をマルチクラスノード分類問題としてフレーム化し,統計的物理学Pottsモデルに基づく教師なし訓練戦略を利用した。コミュニティ検出,データクラスタリング,および最小クリークカバー問題のような他のマルチクラス問題への一般化は,直接的である。著者らは,数値ベンチマーク結果を提供して,包括的エンコードプロセス-デコードフレームワークの中で,実世界スケジューリング利用事例のためのエンドツーエンド応用による著者らのアプローチを説明した。この最適化手法は,数百万の変数で問題に対してスケールする能力で,既存のソルバーまたは既存のソルバー上で実行する。【JST・京大機械翻訳】

, , , , , ,
, , , 【Automatic Indexing@JST】

グラフ理論基礎

, , ,

前のページに戻る