arXiv · AI· Akshay Vyas, Hailiang Dong, Shivvrat Arya, Brij Malhotra, Tahrima Rahman, Vibhav Gogate, Nicholas Ruozzi·· 6 小时前AI 评分24
学习界限（L2B）：用于 MPE 推理的单调且校准的神经上界
Learning to Bound: Monotonic, Calibrated Neural Upper Bounds for MPE Inference
AI 导读
针对大图中 MPE 计算困难且传统上界计算成本高的问题，L2B 提出了一种数据驱动的神经网络预测框架。 该框架通过统计校准确保上界的可接受性，利用架构约束实现随证据累积的单调收紧，从而大幅降低计算成本。 在困难基准测试中，L2B 相比传统方法实现了数量级的成本降低，并在高树宽实例的分支定界搜索中带来了可测量的性能提升。
来源：arXiv · AI · arxiv.org