- 训练的随机森林完全揭示您的数据集
我们介绍了一种基于优化的重建攻击,能够完全或近乎完全重建用于训练随机森林的数据集。我们将重建问题定义为一个组合优化问题,并通过最大似然目标函数来解决。通过广泛的计算研究,我们证明了即使在小规模树集的情况下,使用特征随机化的随机森林也容易被完 - 使用自适应梯度方法和定向进化优化离散参数
优化离散参数存在约束问题,我们使用带有温度的随机 S 型函数,并提出了新的自适应梯度方法 CONGA。通过一个个体群体来搜索最优解,每个个体根据 ' 环境 ' 的梯度变化,并由具有不同退火进程的两个温度参数来描述。未经适应的个体消亡,而最优 - IJCAI学习组装几何形状
这篇研究论文提出了一种基于学习的方法,用于解决组装任意形状的无纹理碎片的问题,并展示了该方法在不同情境下的有效性。
- 部署疫苗分发站点以提高可访问性和平等性,支持大流行应对
本篇论文研究了 COVID-19 社会干预,疫苗可及性和公平性之间的相互作用,并讨论了如何使用组合优化来确定移动接种点的位置。
- ICMLCombOptNet:通过学习整数规划约束来解决正确的 NP-hard 问题
在这项工作中,我们旨在将整数规划求解器整合到神经网络架构中作为能够学习成本项和约束项的层,以便从原始数据中提取特征并使用最先进的整数规划求解器解决适当的(经过学习的)组合问题。该结果的端到端可训练架构以综合性能分析在合成数据上演示,且在竞争 - IJCAI解的多样性:从固定参数可计算性理论角度的探索
本研究在固定参数可解性理论的视角下,对于充分多样的好解的集合进行了系统化研究,并提出了一种基于树分解的动态规划算法框架,将已知的求解算法转化为充分多样的好解动态规划算法,其中多样性参数具有多项式依赖性。
- 图着色遇上深度学习:用于组合问题的有效图神经网络模型
本文介绍了如何使用简单的 GNN 架构来解决图着色的基本组合问题,并且展示了该模型在独立于训练数据的图数据上的泛化能力以及优于其他基线模型的表现。同时,我们还展示了如何将节点嵌入在多维空间中进行聚类,从而获得构造性解决方案。我们的结果有助于 - 基于配对约束的可实践最大团算法
本文提出了一种非常高效的最大团算法,通过组合策略和基于图着色的边界和修剪,解决了匹配的成对约束问题,从而解决了三维点云配准中的问题。
- CrystalGAN:利用生成对抗网络发现晶体结构
我们提出了一种名为 CrystalGAN 的新型 GAN,它能够生成具有升高域复杂度的新型化学稳定晶体结构,这种方法可以应用于发现新型化合物,特别是氢储存材料的研究中。
- MMASPeRiX,基于一阶前向链接技术的答案集计算方法
该论文提出了一种将 Answer Set Programming 应用于人工智能或在解决组合问题时表示知识的自然方法,其中介绍了一种前向链接的方法,通过在搜索过程中将规则的实例化与之融合来避免了先前的阶段。
- 信念网络中寻找最小 d - 分离集的算法
该研究讨论了在有向无环图中查找最小分隔集的组合问题和其扩展,提出了一种基于两步过程的算法来解决该问题。
- 稀疏三角函数多项式的随机采样
通过多项式基 Pursuit 方法解决了从少量随机样本中重构一个具有少数非零系数的多元三角多项式的问题,实验表明可以恢复出精确的三角多项式,涉及到稀疏性、Nyquist 采样定理和组合问题的相关理论。