面向干扰项增强的无监督常识问答模型

问题生成是无监督常识问答模型的一个核心子任务,目前的方法主要是根据给定知识生成问题和答案,并为每个问题随机生成多个干扰项,然而这些方法存在干扰项与问题相关性不强且随机性较大的问题。该文提出一种面向干扰项增强的无监督常识问答模型,首先根据知识三元组生成问题和正确答案,再为问题建立对应的问题子图,得到与问题相关的三元组集合,使用注意力机制增强特征并根据问题和正确答案确定干扰项,最后使用生成的数据对模型进行训练。该模型在四个不同类型的测试任务上的结果表明,该模型优于目前的最新方法,证明了该模型的有效性。

以子图融合为最小单位的混合精度推理

近几年卷积神经网络作为深度学习最重要的技术,在图像分类、物体检测、语音识别等领域均有所建树。在此期间,由多层卷积神经网络组成的深度神经网络横空出世,在各种任务准确性方面具有显著提升。然而,神经网络的权重往往被限定在单精度类型,使网络体积相较于特定硬件平台上的内存空间更大,且floating point 16、INT 8等单精度类型已无法满足现在一些模型推理的现实需求。为此,提出一种以子图为最小单位,通过判断相邻结点之间的融合关系,添加了丰富比特位的混合精度推理算法。首先,在原有单精度量化设计的搜索空间中增加floating point 16半精度的比特配置,使最终搜索空间变大,为寻找最优解提供更多机会。其次,使用子图融合的思想,通过整数线性规划将融合后的不同子图精度配置,根据模型大小、推理延迟和位宽操作数3个约束对计算图进行划分,使最后累积的扰动误差减少。最终,在ResNet系列网络上验证发现,所提模型精度相较于HAWQ V3的损失没超过1%的同时,相较于其他混合精度量化方法在推理速度方面得到了提升,在ResNet18网络中推理速度分别提升18.15%、19.21%,在ResNet50网络中推理速度分别提升13.15%、13.70%。

利用分支学习优化子图同构的搜索

子图同构问题是经典的、具有广泛实际应用的NP完全问题。针对精确算法的分支策略依赖顶点度,计算代价高的问题,提出结合无解记录和顶点度约束规则,通过混合分支学习策略减少求解时间的方法(SIBL)。无解记录是指算法每次重启前无目标解的分支路径,为了去除无效搜索,首先移除目标图中顶点度小于当前模式图顶点的候选顶点,然后移除出现在无解记录中的顶点,最后依据顶点分值进行降序排序,优先选择分值大的顶点。新策略提供了利用上界下降量计算单个顶点和顶点匹配对的两种分值计算方式,并交替使用两种分值选择分支顶点以快速寻找目标解,避免贪心选择的局部最优问题。通过测试14220个来自生物、图像等领域的算例发现,SIBL相较于当前领先的Glasgow、McSplit+RL_SI分别多解决了10.08%、19.88%的中等难度算例,验证了分支学习能有效改进子图同构算法的求解效率。

一种基于分布估计的离散粒子群优化算法

本文提出了一种基于分布估计的离散粒子群优化算法.提出的新算法突破了传统粒子群速度-位移搜索模型的局限,且种群中的每个粒子具有更全面的学习能力,从而能够有效地解决组合优化问题.仿真实验结果表明提出的新算法的性能优于现有的其它几种离散粒子群优化算法.

基于邻居信息聚合的子图同构匹配算法

图匹配在现实中被广泛运用,而子图同构匹配是其中的研究热点,具有重要的科学意义与实践价值。现有子图同构匹配算法大多基于邻居关系来构建约束条件,而忽略了节点的局部邻域信息。对此,提出了一种基于邻居信息聚合的子图同构匹配算法。首先,将图的属性和结构导入到改进的图卷积神经网络中进行特征向量的表示学习,从而得到聚合后的节点局部邻域信息;然后,根据图的标签、度等特征对匹配顺序进行优化,以提高算法的效率;最后,将得到的特征向量和优化的匹配顺序与搜索算法相结合,建立子图同构的约束满足问题(CSP)模型,并结合CSP回溯算法对模型进行求解。实验结果表明,与经典的树搜索算法和约束求解算法相比,该算法可以有效地提高子图同构的求解效率。

二分图的无关分解及其在覆盖问题中的应用

为了解决大容量存贮器制造过程中因缺陷而造成成品率低的问题，或并行阵列中的容错重组问题，一般采用冗余修复的方法，该问题可以归结为对二分图的覆盖，且该问题属于NP完全问题．本文提出一个新的二分图无关分解方法．运用这一方法，可将一个二分图分解为多个互不关联的子图，然后分别在各子图中对缺陷进行覆盖，从而使该问题复杂度降低，提高修复速度．

组合优化问题的粒子群算法个性因子研究

提出了粒子群算法的一种新的个性因子,以改进其求解组合优化问题的效果.个性因子是基于对社会心理学的观察而对每个粒子增加的一个新属性,使每个个体具有不相等的社会因子和认知因子,但整个种群具有几乎相等的社会和认知学习能力,并符合高斯分布,从而增强了粒子的搜索和开发能力,加速了收敛.最后,使用二分子图问题和旅行商问题验证了个性因子的效果,大量的随机仿真实验结果说明该因子效果较好.此外,还分析并解决了二分子图问题的解空间对称性问题.

具有约束的极小生成子图的一个算法

针对实际中的一类连接问题建立了网络模型，给出了便于计算机实现的算法，即：通过依次收缩各边简化网络Ｇ＝ （ Ｖ，Ｅ，Ｗ） ，最终得到最小生成树；然后恢复各边和顶点，从而得到了此类问题的最优解。

极大平面图中二色树子图的一个必要条件

极大平面图G=(V,E)中的一个二色树子图T=(Vt,Et),其Vt在G中导出子图为树,并且图G存在至少一个四着色C,使T是该四着色一个二色子图的一个连通支.本文证明了Vt的点次和为偶数是它成为二色树子图的必要条件.

3-cactus上的连通p-median问题

设G=(V,E)是一个无向连通图,每一条边e和每个顶点v都有一个非负的权重l(e)和w(v);传统的p-median是指在顶点集合中选出p个顶点,使得其它顶点到这p个顶点的赋权距离和最小。该文考虑带有某些约束的这类问题,要求所选出的p个顶点是连通的,也即由这p个顶点所导出的子图是连通的,称为连通p-median问题。该文给出了3-cactus图上的连通p-median问题的一个O(pn)的算法。

基于对称破坏的子图同构约束求解算法

为避免子图同构问题求解中重复解的产生,提高子图同构问题的约束求解效率,提出一种基于对称破坏的子图同构约束求解算法。基于解的对称破坏思想,改进自同构检测过程,通过置换群操作生成对称破坏字典序约束,构建子图同构问题的一种约束满足问题(CSP)模型,结合CSP的回溯算法对其求解。实验结果表明,该算法有效减少了对重复解的搜索,与传统算法相比明显提高了搜索效率。

两个只有路型二色子图的极大平面图

本文证明了极大平面图g9D和g12A,其每个四着色的每个二色子图都是路.并猜测在全部无分离三圈的极大平面图中这是仅有的两个图.

平面图的拓扑结构与着色数

定义平面图的生成完全平面图，定义生成完全平面图的剖分圆和剖分圆的核子图；分析生成完全平面图的拓扑结构；进而给出平面图四色定理的一个证明方法．

谱极值图论的最新进展和相关问题

论文系统介绍谱极值图论的最新研究成果、进展以及相关问题.主要内容含有各种Turán类型,包括完全子图、线性森林、圈、二部图以及图子式等邻接谱和无符号拉普拉斯谱的最新研究成果,同时介绍该领域的尚未解决的猜想和相关问题.

混合遗传算法解决单目标旅行商问题的研究

对混合遗传算法解决单目标旅行商问题进行研究,提出了一种基于对应连通子图交叉的混合遗传算法。本算法还包括初始种群的生成、适应度函数的计算、选择、变异、LK局部搜索和小生境操作。最后通过具体算例的实验和对比表明算法是有效的,在计算精度和速度上有较大提高。

大规模网络中的群组检测研究

在图的各种应用中,如挖掘社交网络、Web图挖掘和生物信息学挖掘等,从大型图中抽取密集子图是一个关键的,也是初始的步骤。本文主要研究多项式复杂度下的k-群组最密集子图问题,包括发现密集子图的精确算法和抽样算法。精确算法适用于小规模的图,而抽样算法在明显的时间加速和空间节省的基础上,产生高质量的近似结果。

基于符号OBDD的子图同构约束求解算法

针对求解子图同构问题计算复杂性较高的问题,提出了一种基于符号OBDD的子图同构约束求解算法(OBDD-SI)。该算法对子图同构进行CSP建模,采用OBDD对该模型进行隐式表示和刻画。结合OBDD符号操作技术和回溯算法进行求解,执行弧一致性技术对不满足约束的值进行过滤,从而得到子图同构的所有解。实验结果表明,本算法具有良好的求解性能。

Approximation of dense-n/2-subgraph and table compression problems

We develop improved approximation algorithms for two NP-hard problems: the dense-n/2-subgraph and table compression.Based on SDP relaxation and advanced rounding techniques,we first propose 0. 5982 and 0. 5970-approximation algorithms respec- tively for the dense-n/2-subgraph problem (DSP) and the table compression problem (TCP). Then we improve these bounds to 0. 6243 and 0. 6708 respectively for DSP and TCP by adding triangle inequalities to strengthen the SDP relaxation.The results for TCP beat the 0. 5 bound of a simple greedy algorithm on this problem,and hence answer an open question of Anderson in an affirmative way.

基于图神经网络的子图匹配符号算法

子图匹配是图数据分析中的基础问题,具有重要的研究意义。针对子图匹配求解算法存在大量冗余搜索的问题,提出了一种基于图神经网络的子图匹配符号算法。该算法利用图神经网络技术聚合节点的邻域信息,得到包含图局部属性和结构的特征向量,以该向量作为过滤条件得到查询图的节点候选集C。此外,优化匹配顺序并利用符号ADD操作在数据图中构建C的各个候选区域,减少了子图枚举验证过程中的冗余搜索。实验结果表明,与VF3算法相比,该算法有效地提高了子图匹配的求解效率。

基于顶点冲突学习的最大公共子图算法

针对最大公共子图(MCS)的传统分支策略依赖于图的静态属性,缺少学习历史搜索信息的问题,提出了基于顶点冲突学习的分支策略。首先,把上界的减少值作为分支点完成匹配动作的奖励;其次,由于当最优解被更新时,得到的最优解是分支点不断推理产生的结果,因此给予在完整的搜索路径上的分支点适当的奖励,从而强化这些顶点对搜索的积极作用;最后,设计了匹配动作的价值函数,并选择具有最大累计奖励的顶点作为新的分支点。在McSplit算法基础上,提出了糅合新分支策略的McSplitRLR算法。实验结果表明,除去均可以被所有对比算法在10 s之内解决的简单算例,在相同机器和求解限制时间条件下,相较当前先进的算法McSplit、McSplitSBS,McSplitRLR分别多解决了109、33个困难算例,求解率分别提高了5.6%、1.6%。