cs.DM」カテゴリーアーカイブ

Are Graph Neural Networks Optimal Approximation Algorithms?

要約 この研究では、半定値計画法 (SDP) の強力なアルゴリズム ツールを使用 … 続きを読む

カテゴリー: cs.AI, cs.DM, cs.DS, cs.LG | Are Graph Neural Networks Optimal Approximation Algorithms? はコメントを受け付けていません

Multiple Shooting Approach for Finding Approximately Shortest Paths for Autonomous Robots in Unknown Environments in 2D

要約 視野範囲が限られている自律ロボットは、2D の未知の環境で多角形の障害物を … 続きを読む

カテゴリー: 65D19, 68U05, cs.CG, cs.DM, cs.RO, G.1.6, math.OC | Multiple Shooting Approach for Finding Approximately Shortest Paths for Autonomous Robots in Unknown Environments in 2D はコメントを受け付けていません

Allocating Indivisible Goods to Strategic Agents: Pure Nash Equilibria and Fairness

要約 我々は、不可分財の集合を付加的な評価機能を持つ戦略的エージェントの集合に公 … 続きを読む

カテゴリー: cs.AI, cs.DM, cs.GT | Allocating Indivisible Goods to Strategic Agents: Pure Nash Equilibria and Fairness はコメントを受け付けていません

Topology-Based Reconstruction Prevention for Decentralised Learning

要約 分散型学習は、データと調整の両方がユーザーに分散されるフェデレーション ラ … 続きを読む

カテゴリー: C.2.4; D.4.6; G.2.2, cs.CR, cs.DC, cs.DM, cs.LG | Topology-Based Reconstruction Prevention for Decentralised Learning はコメントを受け付けていません

Towards Ordinal Data Science

要約 順序は、(経験的) データ内のオブジェクト間の関係を測定するための主要な手 … 続きを読む

カテゴリー: 03G10, 06A15, 68T27, 68T30, cs.AI, cs.DM, cs.LG, F.4.1 | Towards Ordinal Data Science はコメントを受け付けていません

A Survey and Analysis of Evolutionary Operators for Permutations

要約 組み合わせ最適化問題は数多くあり、その解は順列によって最もよく表されます。 … 続きを読む

カテゴリー: 05A05, 68T05, 68T20, 68W20, 68W50, 90C27, 90C59, cs.AI, cs.DM, cs.NE, F.2.2 | A Survey and Analysis of Evolutionary Operators for Permutations はコメントを受け付けていません

Enigma: Privacy-Preserving Execution of QAOA on Untrusted Quantum Computers

要約 量子コンピューターは、従来のコンピューターの能力を超えた問題を解決できます … 続きを読む

カテゴリー: cs.AI, cs.CR, cs.DM, cs.ET, quant-ph | Enigma: Privacy-Preserving Execution of QAOA on Untrusted Quantum Computers はコメントを受け付けていません

Let the Flows Tell: Solving Graph Combinatorial Optimization Problems with GFlowNets

要約 組み合わせ最適化 (CO) 問題は、多くの場合 NP 困難であるため、正確 … 続きを読む

カテゴリー: cs.AI, cs.DM, cs.LG, stat.ML | Let the Flows Tell: Solving Graph Combinatorial Optimization Problems with GFlowNets はコメントを受け付けていません

Neural Lattice Reduction: A Self-Supervised Geometric Deep Learning Approach

要約 格子削減は、特定の格子内で最も直交する基底を見つけることを目的とした組み合 … 続きを読む

カテゴリー: cs.AI, cs.DM, cs.LG | Neural Lattice Reduction: A Self-Supervised Geometric Deep Learning Approach はコメントを受け付けていません

Plum: Prompt Learning using Metaheuristic

要約 大規模な言語モデルの出現以来、即時学習はこれらのモデルを最適化およびカスタ … 続きを読む

カテゴリー: cs.AI, cs.DM, cs.LG | Plum: Prompt Learning using Metaheuristic はコメントを受け付けていません