论文阅读 Neural Computation of Decisions in Optimization Problems

最新推荐文章于 2024-04-30 20:52:07 发布
最新推荐文章于 2024-04-30 20:52:07 发布
阅读量114 收藏
点赞数
文章标签： 论文阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45759139/article/details/128957955
版权

Neural Computation of Decisions in Optimization Problems

动机：需要研究从平台角度出发，进行怎样的促销组合是最优的。

github上MIT复现的hopfieldnet代码

 

原文用TSP问题举例

原文我要解决的问题
输出5*5矩阵，行代表城市，列代表该城市在第几个被访问5*1矩阵，每一列代表一个promo是否采用
限制条件1

每行&每列只有1个1，整个矩阵总和为5

每个元素都可以是0/1，总和在(0,5)
限制条件2路径有效性：相邻两列的城市、头尾的城市应该是可达的 输出值为1的promo不能互斥（比如某些场景限制了满减和商家券不能同时使用）
最优化方向总代价最低某个指标值最高

 原文E函数（energy function）：可以分为四个部分

A部分：确保每行最多只有一个1

B部分：确保每列最多只有一个1

C部分：确保整个矩阵加起来和为n个城市

D部分：计算某个已知的路径的代价

 

 

卜卜贝
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Handbook of Neural Computation.pdf
05-24
Handbook of Neural Computation explores neural computation applications, including image and speech recognition, neural language processing, etc.
奔跑吧，旅行商 - 当机器学习遇上组合优化
热门推荐
世事难料，保持低调
12-06 1万+
背景 如今机器学习在视觉、自然语言处理、语音、推荐等领域的应用已非常广泛，相关的讨论也非常多。与这些热门领域相比，关于机器学习在组合优化中的应用相对还没那么泛滥。今天我们就来聊一下这个有意思的话题。值得一提的是，近几年热度升温的GNN和RL（《GNN、RL强势崛起，CNN初现疲态？这是ICLR 2021最全论文主题分析》）都是这个方向里的常规方法。在实际工程中，有一类优化问题需要我们从集合的所有组合中找出一个最优方案。这类离散空间中的优化问题就称为组合优化问题（Combinatorial Optimizat
recurrent models of visual attention(RAM)论文阅读笔记
风行
09-14 847
recurrent models of visual attention-RAM（零）细节介绍（一）摘要（二）介绍（三）The Recurrent Attention Model（RAM）3.1 Model3.1.1 sensor3.1.2 Internal state3.1.3 Actions3.1.4 Reward3.1.5 小结3.2 Training3.2.1 Variance Reduction3.2.2 Using a Hybrid Supervised loss（四）实验4.0 网络细节介绍4
【论文阅读】Deep Learning Workload Scheduling in GPU Datacenters:Taxonomy, Challenges and Vision
weixin_46091520的博客
11-11 284
论文阅读笔记Gao W, Hu Q, Ye Z, et al. Deep Learning Workload Scheduling in GPU Datacenters: Taxonomy, Challenges and Vision[J]. 讨论了数据中心负载作业的特征以及相关工作
对抗攻击（1）—— 论文Intriguing properties of neural networks阅读笔记
qq_43205738的博客
11-27 2402
博客目录1.论文中心思想（1）关于某一特征的学习（2）深层神经网络的弱点2.论文重要语句解读 1.论文中心思想 论文讨论了深度神经网络的两个有趣且值得深入探讨的特点： （1）关于某一特征的学习 通过单元分析方法发现（various methods of unit analysis），单个的深层神经元（individual high level units）与随机线性组合的多个深层神经元（rand...
Neural Computation
04-08
这是关于神经计算的电子书，高清，最新版本，经典著作，英文版
The Application of Neural Networks in the Earth System Sciences
08-26
This book introduces some applications of Computational Intelligence (CI) to problems of Earth System Science (ESS). In my opinion, the meeting of CI and ESSs is not a coincidence. There is an ...
Optimization of neural network based on genetic algorithm and BP
02-11
Optimization of neural network based on genetic algorithm and BP
论文阅读之MMSD2.0: Towards a Reliable Multi-modal Sarcasm Detection System
学习笔记
04-27 913
具体而言，如图3（b）所示，只有19.3%的表情词同时存在于阳性和阴性样本中，而其余80.7%的表情符号词仅出现在一种类型的样本中（如阳性样本或阴性样本）。给定（a）中的示例，虚假线索去除阶段首先去除文本中的虚假线索，包括标签词（#terrible_food）和表情符号词（emoji_39）以获取（b），然后通过众包对不合理样本重新注释（人类重新注释）阶段对不合理的样本重新注释以获得最终的合理示例（c）。如图所示，在训练、验证和测试集中，阳性样本中的标签词字数平均超过1个，而阴性样本中的少于1个。
【论文笔记】Training language models to follow instructions with human feedback A部分
m0_48948682的博客
04-30 490
GPT-3.5 技术报告 A部分
GraspNet-1Billion 论文阅读
shuaijieer的博客
04-27 800
物体抓取在许多应用中都是至关重要的，也是一个具有挑战性的计算机视觉问题。然而，对于复杂的场景，目前的研究存在训练数据不足和缺乏评估基准的问题。在这项工作中，我们提供了一个具有统一评估系统的大规模抓取姿势检测数据集。我们的数据集包含97280个RGB-D图像，超过10亿个抓取姿势。同时，我们的评估系统通过分析计算直接报告抓取是否成功，这能够评估任何种类的抓取姿势，而无需详尽地标记真值。
【论文阅读】ELAN-Efficient Long-Range Attention Network for Image Super-resolution
博客
04-29 604
最近，基于变压器的方法通过利用自注意力 (SA) 进行特征提取，在各种视觉任务中展示了令人印象深刻的结果，包括图像超分辨率 (SR)。然而，在大多数现有的基于变压器的模型中，SA 的计算非常昂贵，而一些采用的操作对于 SR 任务可能是多余的。这限制了 SA 计算的范围，从而限制了 SR 性能。在这项工作中，我们提出了一种用于图像 SR 的高效远程注意力网络 (ELAN)。
[论文笔记]GAUSSIAN ERROR LINEAR UNITS (GELUS)
日积月累，天道酬勤
04-28 143
看完本篇文章你就会深入理解BERT中用到的GELU激活函数。
MF（推荐系统的矩阵分解技术）论文笔记
m0_74033027的博客
04-27 1161
推荐系统的可以为用户提供更为准确的个性化推荐，对比传统的，矩阵分解技术可以纳入更多信息，如和近邻技术：基于用户或物品之间的相似性进行推荐，当用户之间已有评价计算出两个用户爱好类似，就将a用户的其他物品推荐给b，在实际推荐计算时不再使用大矩阵，而是使用分解得到的两个小矩阵。
【论文阅读】Image Super-Resolution with Non-Local Sparse Attention
博客
04-29 729
非局部（NL）操作和稀疏表示对于单图像超分辨率（SISR）都至关重要。在本文中，我们研究了它们的组合，并提出了一种具有动态稀疏注意力模式的新型非局部稀疏注意力（NLSA）。NLSA 旨在保留 NL 操作的远程建模能力，同时享受稀疏表示的鲁棒性和高效性。具体来说，NLSA 通过将输入空间划分为相关特征的哈希桶的球形局部敏感哈希 (LSH) 来纠正非局部注意力。对于每个查询信号，NLSA 为其分配一个桶，并且只计算桶内的注意力。
【论文阅读】IPT:Pre-TrainedImageProcessingTransformer
博客
04-29 1020
随着现代硬件的计算能力在强烈增加，预训练的深度学习模型（如33.42928 216. BERT、GPT-3）在大规模数据集上的学习表现出 33.32933.226.7 与传统方法相比的有效性。big28.933.126.6IPTHANIPT的进步主要归功于transformer及其变体架构的表示能力-HANHAN IPT(ECCV 2020)(ECCV 2020)(ECCV 2020)。
【论文阅读】ChipNeMo中的数据集处理
最新发布
bylander的博客
04-30 784
1）对于数据集，除了领域数据，依然需要公共数据，避免由于微调带来模型原有能力的灾难性遗忘。2）需要有领域评估基准，同样的，评估基准需要包含公共的LLM学术基准。3）数据重采样，这个方面，比如文章提到“对代码数据进行了下采样，同时对自然语言数据，特别是设计文档进行了上采样”等，但是，具体的采样比例如何获得，文章并没有说。参考其他来源，数据重采样的合适比例，应该是通过尝试获得，训练后如果评估效果不好，相应调整数据采样比例，反复试验获得的良好的评估结果。
optnet: differentiable optimization as a layer in neural networks
11-15
Optnet是一种将不同iable optimization（可微分优化）作为神经网络层的方法。将优化问题嵌入神经网络中，可以让神经网络直接学习优化问题的解决方案，而不需要手动设计优化算法。 使用Optnet，可以将优化问题作为一...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值