Learning heuristics towards solving combinatorial optimisation problems
Kombinatoriyal optimizasyon problemlerinin çözümüne yönelik buluşsal öğrenme
- Tez No: 759025
- Danışmanlar: DOÇ. LALE ÖZKAHYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 56
Özet
Maksimum klik sayma problemine buluşsal yöntemler ile çözüm üretmeye yönelik bir öğrenme düzeneği sunulmuştur. Maksimum klik içinde bulunması en az muhtemel düğümleri elimine etmek ve girdi boyutunu küçültmek için düğüm sınıflandırma işlemi kullanılmıştır. Farklı düğüm temsil yöntemlerinin öğrenme üzerine etkisi incelenmiştir. Bu çalışmanın temel katkısı, Node2vec ve DeepWalk gibi çizge gömme yöntemlerinden yerel çizgecik frekanslarına kadar çeşitli düğüm temsil yöntemlerinin performansını karşılaştırmaya yönelik kapsamlı bir çalışma olmasıdır. Ayrıca hesaplama süresini daha da düşerecek verimli bir öznitelik eleme yöntemi sunulmuştur. Son olarak, yöntemin sağlamlığını ve ölçeklenebilirliğini göstermek için rastsal çizgeler ile deneyler düzenlenmiştir.
Özet (Çeviri)
We introduce a learning framework towards the approximation of the maximum clique enumeration problem. We make use of node classification to eliminate the least likely nodes to be in a maximum clique and reduce the input size. We study the effect of using various node representations on this learning process. Our main contribution is an extensive study on comparing the performance of different node representation methods, ranging from graph embedding algorithms, such as Node2vec and DeepWalk, to representing nodes with higher-order graph features comprising local subgraph counts. We also present an effective method based on feature elimination to reduce the computation time even further. Finally, we provide tests on random graphs to show the robustness and scalability of our results.
Benzer Tezler
- Hücresel imalat sistemlerinde maliyet ve sinir ağları tabanlı iki evreli bir kümelendirme yaklaşımı
Artificial neurat network x operation costs based twostage GT clusterning procedure
AFFAN NOMAK
Yüksek Lisans
Türkçe
1995
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. BÜLENT DURMUŞOĞLU
- Verex: yapay zeka yaklaşımına dayalı bir tıbbi teşhis programı
Verex: a medical diagnosis program based on artificial itelligence approach (VERtigo EXpert)
MURAT HANEF
Yüksek Lisans
Türkçe
1991
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. MEHMET KORÜREK
- Büyük boyutlu veriler için metasezgisel yöntemler ile öznitelik indirgemede yeni bir yaklaşım geliştirilmesi
Developing a new approach to feature selection with metaheuristic methods for large scale data
ESİN AYŞE ZAİMOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİLÜFER YURTAY
- Elektrikli araç şarj istasyonlarında sezgisel yöntemler kullanılarak talep cevabı tabanlı optimum enerji yönetimi
Demand response based optimum energy management using heuristic methods in electric vehicle charging stations
BİLAL CANOL
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- Kapasite ihtiyaç planlaması ve sonlu çizelgeleme
Capacity requirements planning and finite scheduling
CÜNEYT DEĞERTEKİN