- 博客(4)
- 收藏
- 关注
RSS订阅原创 DIFUSCO: Graph-based Diffusion Solvers for Combinatorial Optimization论文阅读
基于神经网络的组合优化 (CO) 方法在解决各种 NP 完全 (NPC) 问题方面显示出了良好的结果，而无需依赖手工制作的领域知识。本文通过引入一种新的基于图的扩散框架（即 DIFUSCO），拓宽了当前 NPC 问题神经求解器的范围。我们的框架将 NPC 问题转化为离散的 {0, 1} 向量优化问题，并利用基于图的去噪扩散模型来生成高质量的解决方案。我们分别研究了两种具有高斯噪声（连续）和伯努利噪声（离散）的扩散模型，并设计了有效的推理计划来提高解决方案的质量。
2024-07-04 20:57:37
921
原创 Deep Reinforcement Learning meets Graph Neural Networks: exploring a routing optimization use case论文
DRL可用于决策和自动控制等，可以解决自动驾驶网络中的优化问题（如路由优化）。然而，应用于网络的现有的基于DRL的解决方案无法泛化，这意味着在有新的未观察到的网络拓扑时，无法正常运行。原因是，现有的DRL使用标准神经网络（如全连接、卷积），这些网络不适合从图像结构的信息中学习。于是，本文将GNN集成到DRL代理中，并设计了一个特定于问题的动作空间以实现泛化。GNN 是深度学习模型，本质上是为了泛化不同大小和结构的图而设计的。这使得所提出的基于 GNN 的 DRL 代理能够在任意网络拓扑上学习和泛化。
2024-05-21 20:35:39
1137
原创 关于微机中负数该如何表示的问题
实则在微机计算中，我们先写出a=00001001，再将其求补码得到11110111=F7H，这才是我们在DATA SEGMENT时要输入的。微机中求补码的步骤和模电中不同，模电中我们会先写出a=10001001，再将其求补码得到01110111=77H。笔者学习微机时，一直在纠结微机中负数应该表示。这里举个栗子：比如我想输入一个有符号数。，我需要计算其补码。，即我们要输入的数。
2024-01-01 20:03:29
570
原创 现场总线复习要点2024
但是实时节点检测到冲突时，发送长度不小于最小竞争时隙（网络上相距最远的两个节点之间信号传输时延时间的两倍）的信号，实时节点竞争的过程中，遵循优先级排序，当改时间过后网络上冲突已经消失，则该节点获得控制权，进而重新发送被破坏的数据帧。（没有破坏传输的数据，在总线的仲裁期间，依靠显性可以覆盖隐性的特点，在参与仲裁的多个节点中实现逐位仲裁，优先级低的节点主动退出竞争，最终优先级高的节点获得总线的通信权。主从通信的实现：网络中的一个节点被指定为主节点，其他节点为从站，由主节点负责控制该网段上的所有的通信的连接。
2024-01-01 13:17:59
2890
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人