Бидний тухай
Багш ажилтан
Энэхүү судалгаанд бид физикээс сэдсэн Граф Нейрал Сүлжээ (GNN)-ний гүйцэтгэлийг комбинаторик оновчлолын MaxCut бодлогыг шийдвэрлэхэд үнэлж, харьцуулав. Тодруулбал, бид шинээр санал болгож буй Физикээс Сэдсэн Граф Анхаарлын Сүлжээ (PI-GAT), түүний хувилбар PI-GATv2 болон Физикээс Сэдсэн GraphSAGE (PI-SAGE) гэсэн архитектуруудыг Физикээс Сэдсэн GNN (PI-GCN) загвартай харьцуулсан туршилтын үр дүнг танилцуулж байна. Судалгаа нь шийдийн чанар (огтлолын хэмжээ) болон тооцооллын өртөг (сургалтын хугацаа, сургалтын үеийн тоо) хоорондын харилцан хамаарал, мөн хасалтын коэффициент болон суралцах хурд зэрэг хайперпараметрүүдийн эдгээр физикээс сэдсэн загваруудад үзүүлэх нөлөөг шинжилсэн. PI-GAT, PI-GATv2 болон PI-SAGE загварууд нь том графуудад илүү сайн үр дүн үзүүлж байна.
