关键词constraint satisfaction problem
搜索结果 - 12
- DeepSaDe:学习保证域约束满足的神经网络
本文提供了一种训练神经网络的方法,用于满足各种领域约束。该方法将线性模型学习的思路引入神经网络,并添加了关键的约束传播和基于梯度下降和 CSP 求解的权重更新。实验结果表明,该方法足够灵活,可以保证满足神经网络中的广泛分布的约束。
- IJCAI阈值树宽和超树宽
介绍了树宽和超树宽的概念,并通过计算阈值树宽和超树宽,提出了一种固定参数算法,可在多项式时间内解决 CSP 问题。
- 一个模型,适用于任何 CSP: 图神经网络作为快速全局搜索启发式算法用于约束满足
提出了一种通用的图神经网络架构,该架构可以作为任何约束满足问题的端到端搜索启发式进行训练。该方法基于一种新颖的 CSP 图形表示,可以以纯数据驱动的方式为任何 CSP 生成问题特定的启发式,对于从随机数据中学习启发式,该方法在已知的 CSP - 稀疏量子码的有限速率大量存在
本文提出了一种基于解决随机二分图上的 CSP (约束满足问题) 来生成随机多量子比特稳定码的方法,可以同时强制执行稳定子对易,X/Z 平衡,有限速率,稀疏性和最大度数约束,进而证明了饱和阶段的存在性和可找到满足条件的量子码,并且其中的稀疏型 - AAAI利用拼块特性解决无限域 CSP 问题
研究了约束满足问题中基本关系具有小拼接性质的 CSP,提出了一种求解这类问题的算法,时间复杂度为 f (w)・n^{O (1)},并且不仅限于二元约束。
- CSP 二分猜想的证明
该论文研究了基于约束满足问题的自然组合问题如何表达的问题,分类了可在多项式时间内解决和 NP 完全的子类,并从约束语言的角度提出了一个算法来解决约束满足问题。
- 汇聚数据:锐利的信息论界限解码
本研究探讨了在随机,密集的情况下,通过信息量论问题来解决在数据库中确定每个个体类型所需要的最小查询次数,我们建立了最小查询次数的上下边界,并解决了该问题。结论为解决该问题,通过图的欧拉流的高斯积分与其生成树多项式之间的恒等式,计算了该模型的 - 一种博弈论方法解决词义消歧
本文提出了一种基于演化博弈论的词义消歧模型,用于解决语义学中的词义消歧问题,该模型通过构建一个基于图的模型,通过博弈理论的方法来维持文本的连贯性和一致性,结果表明该方法优于现有算法并可用于不同的任务和场景。
- 发现解约束满足和计数问题的可解群岛
本文介绍了一个算法,用于找到具有给定列表中的类中的离散类的强后门,这些类由 CSP 实例中的连通分量确定,并表明满足特定条件时,可以通过这种方式超越 CSP 的易处理性限制。
- IJCAI通过禁止模式在二元约束满足中进行变量和值消除
本文研究约束满足问题 (CSP) 中变量或值的消除对于减小搜索空间的影响和作用,提出了四种变量消除规则和三种值消除规则,这些规则都是在禁止存在特定的不可约存在模式的前提下,在弧一致 CSP 实例中进行定义和应用。其中三种变量消除规则是新的, - SUNNY: 一种针对约束求解的惰性组合投资策略
本文提出了一种名为 SUNNY 的算法,利用约束求解器的组合来求解 Constraint Satisfaction Problem,通过实验表明 SUNNY 算法效果优于其他现有算法,并提出了一个基于 SUNNY 的 portfolio s - 一般最小成本同态问题的二分定理
本文研究了约束满足问题和最小代价同构问题,并通过代数方法对最小代价同构问题进行了分类以解决其计算复杂度,并将其应用于许多组合优化问题中。