Finding Hamiltonian Cycles with Graph Neural Networks

We train a small message-passing graph neural network to predict Hamiltonian cycles on Erdos-Renyl random graphs in a critical regime. It outperforms existing hand-crafted heuristics after about 2.5 hours of training on a single GPU. Our findings encourage an alternative approach to solving computat...

Celý popis

Podrobná bibliografie

Vydáno v:	2023 International Symposium on Image and Signal Processing and Analysis (ISPA) s. 1 - 6
Hlavní autoři:	Bosnic, Filip, Sikic, Mile
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 18.09.2023
Témata:	Graph algorithms Graphics processing units Heuristics design Machine learning Machine learning algorithms Neural nets NP-hard problem Signal processing Signal processing algorithms Supervised learning Training
ISSN:	1849-2266
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!