論文の概要: The Power of Many: A Physarum Swarm Steiner Tree Algorithm
- arxiv url: http://arxiv.org/abs/2110.08233v1
- Date: Fri, 15 Oct 2021 17:41:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-11 10:02:20.499962
- Title: The Power of Many: A Physarum Swarm Steiner Tree Algorithm
- Title（参考訳）: 多くの人の力:Physarum Swarm Steiner Tree Algorithm
- Authors: Sheryl Hsu, Fidel I. Schaposnik Massolo and Laura P. Schaposnik
- Abstract要約: Euclidean Steiner ツリー問題の解法として,新しい Physarum Steiner アルゴリズムを開発した。
Physarumは、ネットワークを形成し、他のPhysarum有機体と融合する能力を持つ単細胞スライムカビである。
このアルゴリズムは、その新しいアプローチ、直線特性、および様々な形状と位相曲面上で走る能力によって特に興味深い。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We create a novel Physarum Steiner algorithm designed to solve the Euclidean
Steiner tree problem. Physarum is a unicellular slime mold with the ability to
form networks and fuse with other Physarum organisms. We use the simplicity and
fusion of Physarum to create large swarms which independently operate to solve
the Steiner problem. The Physarum Steiner tree algorithm then utilizes a swarm
of Physarum organisms which gradually find terminals and fuse with each other,
sharing intelligence. The algorithm is also highly capable of solving the
obstacle avoidance Steiner tree problem and is a strong alternative to the
current leading algorithm. The algorithm is of particular interest due to its
novel approach, rectilinear properties, and ability to run on varying shapes
and topological surfaces.
- Abstract（参考訳）: Euclidean Steiner ツリー問題の解法として,新しい Physarum Steiner アルゴリズムを開発した。
Physarumは、ネットワークを形成し、他のPhysarum有機体と融合する能力を持つ単細胞スライムカビである。
我々はPhysarumのシンプルさと融合を利用して、Steinerの問題を解決するために独立して動作する大きな群を作る。
physarum steiner treeアルゴリズムは、次々に終端点を見つけ、互いに融合し、知性を共有するフィサラム生物群を利用する。
このアルゴリズムは障害物回避スタイナー木問題を解く能力も高く、現在のリーディングアルゴリズムの強力な代替手段である。
このアルゴリズムは、その新しいアプローチ、直線特性、および様々な形状と位相曲面上で走る能力によって特に興味深い。
関連論文リスト
- The Clock and the Pizza: Two Stories in Mechanistic Explanation of
Neural Networks [59.26515696183751]
ニューラルネットワークにおけるアルゴリズム発見は、時としてより複雑であることを示す。
単純な学習問題でさえ、驚くほど多様なソリューションを許容できることが示されています。
論文 参考訳（メタデータ） (2023-06-30T17:59:13Z) - On the Complexity of Computing G\"odel Numbers [0.0]
計算可能なすべての列の問題を研究し、Wehrauchの複雑性を分類する。
分類のベンチマークとして、閉かつコンパクトな選択問題とそれらの自然数へのジャンプを用いる。
これらの問題は、逆数学におけるカービー・パリ階層から知られているように、帰納法と有界性原理に対応している。
論文 参考訳（メタデータ） (2023-02-08T17:31:20Z) - Deep-Steiner: Learning to Solve the Euclidean Steiner Tree Problem [12.80183119319533]
ユークリッド・スタイナーのツリー問題は、標的位置の集合を接続するミニコストネットワークを求める。
本稿では,グラフ表現学習によって強化された強化学習を用いたユークリッドスタイナーツリー問題の解法について述べる。
論文 参考訳（メタデータ） (2022-09-20T20:42:33Z) - Learning Two-Player Mixture Markov Games: Kernel Function Approximation
and Correlated Equilibrium [157.0902680672422]
非線形関数近似を用いた2プレイヤーゼロサムマルコフゲームにおけるナッシュ平衡の学習について検討する。
双対性ギャップを最小化してナッシュ均衡を求める新しいオンライン学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-08-10T14:21:54Z) - Learning Iterative Reasoning through Energy Minimization [77.33859525900334]
ニューラルネットワークを用いた反復推論のための新しいフレームワークを提案する。
すべての出力に対してエネルギーランドスケープをパラメータ化するために、ニューラルネットワークをトレーニングします。
エネルギー最小化ステップとして反復推論の各ステップを実装し,最小限のエネルギー解を求める。
論文 参考訳（メタデータ） (2022-06-30T17:44:20Z) - Computing Steiner Trees using Graph Neural Networks [1.0159681653887238]
本稿では,スタイナーツリー問題に取り組む。
低コストのSteiner木を計算するために4つの学習フレームワークを使用します。
我々の発見は,従来の2-近似アルゴリズムよりもGNN手法のアウト・オブ・ボックス適用の方が悪いことを示唆している。
論文 参考訳（メタデータ） (2021-08-18T19:55:16Z) - Deep Algorithm Unrolling for Biomedical Imaging [99.73317152134028]
本章では,アルゴリズムのアンロールによるバイオメディカル応用とブレークスルーについて概説する。
我々はアルゴリズムのアンローリングの起源を辿り、反復アルゴリズムをディープネットワークにアンローリングする方法に関する包括的なチュートリアルを提供する。
オープンな課題を議論し、今後の研究方向性を提案することで、この章を締めくくります。
論文 参考訳（メタデータ） (2021-08-15T01:06:26Z) - Physarum Polycephalum Intelligent Foraging Behaviour and Applications --
Short Review [6.0934751802800715]
このレビューは、最近のphysarum polycephalumの生物学的側面、数学的モデル、およびphysarum bio-inspired algorithmsとその応用を概観する。
論文 参考訳（メタデータ） (2021-02-27T10:19:41Z) - Continuous Ant-Based Neural Topology Search [62.200941836913586]
この研究は、アリコロニー最適化に基づく、自然に着想を得たニューラルアーキテクチャサーチ(NAS)アルゴリズムを導入している。
連続アントベースのニューラルトポロジーサーチ(CANTS)は、アリが現実世界でどのように動くかに強く影響を受けている。
論文 参考訳（メタデータ） (2020-11-21T17:49:44Z) - Solving the Steiner Tree Problem with few Terminals [8.024778381207128]
動的プログラミングによるスタイナーツリー問題の解法として、Dijkstra-Steinerアルゴリズムがある。
我々はDijkstra-Steinerアルゴリズムを強化し、DS*と呼ばれる再検討アルゴリズムを確立する。
そこで本研究では,DS* アルゴリズムの適合性は整合性よりも弱いことを示し,許容関数を用いた場合の正当性を確立する。
論文 参考訳（メタデータ） (2020-11-09T17:46:02Z) - Machine Number Sense: A Dataset of Visual Arithmetic Problems for
Abstract and Relational Reasoning [95.18337034090648]
文法モデルを用いて自動生成される視覚的算術問題からなるデータセット、MNS(Machine Number Sense)を提案する。
これらの視覚的算術問題は幾何学的フィギュアの形をしている。
我々は、この視覚的推論タスクのベースラインとして、4つの主要なニューラルネットワークモデルを用いて、MNSデータセットをベンチマークする。
論文 参考訳（メタデータ） (2020-04-25T17:14:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。