論文の概要: New Snake-in-the-Box Records via Snakepit Surgery and Learned Construction
- arxiv url: http://arxiv.org/abs/2607.15270v3
- Date: Wed, 30 Sep 2026 14:53:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-05 14:48:16.06801
- Title: New Snake-in-the-Box Records via Snakepit Surgery and Learned Construction
- Title（参考訳）: スネークピット手術による新スネーク・イン・ザ・ボックス記録と学習構築
- Abstract要約: 長さ191のヘビは次元$n=9$で、14年間続いた190の過去記録を改善した。
これらの記録を見つけるために,ヘビの群集であるヘビの群集を導入し,探索空間を拡大する。
また,探索教師付き学習アルゴリズムであるBeam Anchorを導入する。
- 参考スコア（独自算出の注目度）: 0.008124778329679708
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The snake-in-the-box problem asks for a longest induced path in the hypercube graph $Q_n$. We find a length-191 snake in dimension $n=9$, the lowest dimension where the maximum is unknown, improving the previous record of 190 that had stood for 14 years. We also establish new lower bounds in dimensions 10-13. To find these records, we introduce snakepits, collections of disjoint snakes, to expand the search space and open new routes between snakes. This motivates our new Snakepit-in-the-Box benchmark, which seeks maximal edge counts when allowing multiple components. Finally, we introduce Beam Anchor, a search-supervised learned constructor algorithm that finds 100 inequivalent length-190 snakes in dimension 9.
- Abstract（参考訳）: スネーク・イン・ザ・ボックス問題はハイパーキューブグラフの$Q_n$において、最も長い誘導パスを求める。
長さ191ヘビは、最大値が不明な最低次元である寸法$n=9$で、14年間続いた190の過去記録を改善した。
また、次元 10-13 の新たな下界も確立する。
これらの記録を見つけるために、ヘビの群集であるヘビの群集を導入し、探索空間を広げ、ヘビ間の新たなルートを開く。
これは新しいSnakepit-in-the-Boxベンチマークを動機付けています。
最後に,探索教師付き学習コンストラクタアルゴリズムであるBeam Anchorを紹介する。
関連論文リスト
- Generation of maximal snake polyominoes using a deep neural network [0.0]
深層ニューラルネットワークがデータ駆動トレーニングから最大ヘビポリオミノの生成に寄与することを検討する。
SPS拡散は、小さな格子から大きな格子へと一般化し、28×28平方メートルまでのヘビを生成し、現在の計算限界に近い正方形で最大ヘビ候補を生成する。
論文 参考訳（メタデータ） (2026-03-12T19:23:10Z) - Transfer Learning with Self-Supervised Vision Transformers for Snake Identification [0.0]
我々は,SnakeCLEF 2024コンペティションに対して,画像からヘビ種を予測するアプローチを提案する。
特徴抽出にはMetaのDINOv2ビジョントランスフォーマーモデルを用いて、182,261枚の画像のデータセットにおいて、種の高い可変性と視覚的類似性に取り組む。
39.69のスコアを得たにもかかわらず、DINOv2をヘビの識別に埋め込むことが保証された。
論文 参考訳（メタデータ） (2024-07-08T17:52:23Z) - Solutions for Fine-grained and Long-tailed Snake Species Recognition in
SnakeCLEF 2022 [30.8004334312293]
我々はSnakeCLEF 2022でヘビの種を認識できる方法を紹介した。
いくつかの異なるモデルのアンサンブルにより、3位にランクインしたプライベートスコア82.65%が最終リーダーボードで達成される。
論文 参考訳（メタデータ） (2022-07-04T05:55:58Z) - Nearly Minimax Algorithms for Linear Bandits with Shared Representation [86.79657561369397]
我々は、次元が$d$で、それぞれ$T$のラウンドで$M$リニアバンディットをプレイする設定を考え、これらの$M$リニアバンディットタスクは共通の$k(ll d)$次元リニア表現を共有する。
我々は$widetildeOleft(dsqrtkMT + kMsqrtTright)$ regret boundsを達成する新しいアルゴリズムを考案した。
論文 参考訳（メタデータ） (2022-03-29T15:27:13Z) - Approximating Output Probabilities of Shallow Quantum Circuits which are
Geometrically-local in any Fixed Dimension [0.0]
準多項式時間における任意の逆多項式加法誤差に対して,$|x|C|0otimes n>|2$を計算できるアルゴリズムを提案する。
これは [CC21] の結果の拡張であり、元々は$D = 3$でこの結果が証明された。
論文 参考訳（メタデータ） (2022-02-16T21:37:16Z) - Neighbor2Seq: Deep Learning on Massive Graphs by Transforming Neighbors
to Sequences [55.329402218608365]
本研究では,各ノードの階層的近傍をシーケンスに変換するためにNeighbor2Seqを提案する。
1100万以上のノードと160億のエッジを持つ大規模グラフ上で,本手法の評価を行った。
その結果,提案手法は大規模グラフに対してスケーラブルであり,大規模グラフと中規模グラフにまたがる優れた性能を実現する。
論文 参考訳（メタデータ） (2022-02-07T16:38:36Z) - A* Search Without Expansions: Learning Heuristic Functions with Deep Q-Networks [51.63270923423454]
我々は,状態の受信が可能な検索アルゴリズムであるQ*を導入し,その状態から可能なすべての遷移に対して,コスト・ツー・ゴー推定を返却する。
我々はQ*探索が、遷移コストと状態へのコストの合計を過大評価しない関数から最短経路を見つけることが保証されていることを証明した。
論文 参考訳（メタデータ） (2021-02-08T20:36:41Z) - GOLD-NAS: Gradual, One-Level, Differentiable [100.12492801459105]
GOLD-NAS (Gradual One-Level Differentiable Neural Architecture Search) という新しいアルゴリズムを提案する。
1レベル最適化に可変リソース制約を導入し、弱い演算子をスーパーネットワークから徐々に追い出す。
論文 参考訳（メタデータ） (2020-07-07T10:37:49Z) - Deep Snake for Real-Time Instance Segmentation [44.104263910829836]
本稿では,リアルタイムなインスタンスセグメンテーションのためのディープスネーク(deep snake)という,新しい輪郭型アプローチを提案する。
Deep snakeはニューラルネットワークを使って、初期輪郭を反復的に変形してオブジェクトの境界にマッチさせる。
実験の結果,提案手法はCityscapes, KINS, COCOデータセット上での競合性能を実現することがわかった。
論文 参考訳（メタデータ） (2020-01-06T15:29:06Z)
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。