- COLING基于解释的自然语言推理的可微整数线性规划求解器
提出了一种名为 Diff-Comb Explainer 的新方法,它是一种基于可微的黑匣子组合求解器 (DBCS) 的神经符号体系结构,用于基于解释的自然语言推理 (NLI),通过直接、更精确和高效地将神经表示纳入 ILP 公式中,显著提高 - 通过模式挖掘识别和使用深度学习骨干网络
探索深度学习中的核心机制,通过识别给定实例的骨干,应用整数线性规划和模式挖掘的方法,优化性能、解释和可视化,并在相应数据集上进行实验验证。
- IntSat: 基于冲突驱动约束学习的整数线性规划
通过扩展冲突驱动子句学习技术,本文使用基于整数线性规划方法处理复杂的实际问题,并讨论该方法在优化方面的潜在改进。
- ACL具有异构学习模型的一致联合决策
该研究论文介绍了一种新的决策框架,它促进不同模型所做的决策的一致性,同时利用外部知识。通过利用整数线性规划(ILP)框架,我们将各种模型的预测映射为全局归一化和可比较的值,同时结合决策的先验概率、置信度(不确定性)和模型的预期准确性的信息。 - CoRaiS: 轻量级实时多边缘合作计算调度器
多边协作计算利用多个边缘的受限资源构建强大的资源池,带来了巨大的计算能力、响应时间改善和多样化的服务,但多边计算系统的资源组成和缺乏调度策略使其建模和协作变得尤为复杂。本文首先提出了一个系统级状态评估模型,用于屏蔽复杂的硬件配置并重新定义异 - 检测隐藏的触发器:将非马尔可夫奖励函数映射到马尔可夫
通过学习奖励机制,将非马尔可夫奖励函数映射为等效的马尔可夫函数,证明了奖励机制相对于确定性有限状态自动机对于建模单一自动机中的奖励依赖性的重要性,并通过在 Officeworld 领域学习黑盒非马尔可夫奖励函数以及在 Breakfastwo - AAAI朝着高效量化神经网络验证迈进
量化用整数运算取代浮点算术在深度神经网络模型中,从而在设备上提供更高效的推断,降低功耗和内存需求。本文提出了一个框架用于正式验证量化神经网络的特性。我们的基准技术基于整数线性规划,保证了完备性和正确性。然后我们展示了如何利用梯度启发式搜索方 - 几何一致的部分形状匹配
该论文提出了一种整合先进的深度形状特征到新型整数线性规划部分形状匹配公式的优化方法,能够在低分辨率的形状上获得全局最优解,并通过粗到精的过程进行改进,相比于现有的几何一致算法,我们的方法在处理部分形状时能够找到更可靠的结果且匹配更为平滑,同 - 基于内存感知的复杂有线网络具有迭代图优化的调度
基于迭代计算图优化的高效内存感知调度框架可显著降低网络推理的内存占用,具有更好的可扩展性和计划优化性能。
- 基于目标导向的可解释聚类方法:语言描述
本文提出了一种名为 GoalEx 的目标驱动聚类框架,结合用户目标和自由形式的语言描述,采用语言模型和整数线性规划等方法实现对大型语料库的层次化聚类,并在辩论、客户投诉和模型错误等方面进行了应用。
- K-SpecPart:一种用于多向超图划分改进的监督谱框架
本文提出 K-SpecPart,一个基于监督的谱框架,通过解决广义特征值问题,捕捉低维度顶点嵌入中的平衡分区和全局超图结构,从而缓解现有超图划分方法所面临的局部结构和局部最小值问题。数个实验研究显示,K-SpecPart 在双划分和多划分任 - 整数线性规划的局部搜索
该论文开发了第一个独立的本地搜索模型,使用紧密移动和提升移动两种算子,解决了复杂的整数线性规划问题,并在 MIPLIB 数据集上实现了比市场上同类解决方案更好的结果。
- 利用学习的抓取预测模型进行在线工具选择
基于深度学习的抓取预测模型已成为机器人拣选系统的行业标准,在工业生产环境中,为了最大化捡取成功率,通常配备多个末端执行器工具,但工具更换需要时间。本文探讨了抓取顺序和相应的工具更换操作如何改善系统吞吐量,提出了一种基于 Markov 决策过 - 将深度神经重排和无监督提取结合用于多次查询的聚焦摘要
论文提出了 CrisisFACTS 追踪,该追踪致力于解决多流事件追踪领域中的诸多挑战,运用整数线性规划、最大边际相关性等框架,以及各种提取事实的方法,最终探讨了其中的优劣。
- 规划电力传输线巡检的多旅行商问题
针对一个多路径单仓库场景下的检测车辆,提出了一种最优的输电线检测方法,该方法以旅行商问题为基础,运用了整数线性规划和组合元启发式算法。该方法在电力变电站进行了验证。
- 多轮匹配实现资源共享
针对多轮匹配问题,我们在普遍应用实践中探究了解决资源与代理人之间的配对问题的方法,并研究了不同类型的收益函数的解决策略,同时针对不同的场景,我们提出了整数线性规划和基于局部搜索的启发式算法。
- 基于线性规划的资源感知信息论树抽象方法
提出了一个针对资源受限的自主代理人获取任务相关的多分辨率环境抽象的整数线性规划方案,该方案利用信息论信号压缩的概念,特别是信息瓶颈(IB)方法,在多分辨率树空间上将抽象问题作为最佳编码器搜索的一种方式。
- 超越近似:通过可微组合求解器对编码约束进行可解释的多跳推理
Diff-Comb Explainer 揭示了现有的不可区分的解算器、转换器和现有的不可区分的约束多跳推理框架中的精度和可解释性改进,是一种基于 Differentiable BlackBox Combinatorial solvers ( - 炉灶调度问题的精确方法和下界
本文讨论一个新的并行批量调度问题(OSP),其出现在电子元件制造领域,并提出了通过约束编程(CP)和整数线性规划(ILP)来解决 NP 难度问题并引入多参数随机问题实例生成器进行实验评估的模型。
- 检测最优依赖图以提高基于启发式的过程发现方法
本文提出了一种新的整数线性规划模型,以寻找关于依赖性度量的最优图弧集合;同时,该方法还可以解决现有方法无法完全处理的一些其他问题,如循环依赖。经评估,该方法的输出在适应性、精确性和特别是简易性方面优于最具代表性的依赖性图发现方法的输出。