arXiv 机器学习· Samantha Chen, Jesse He, Coleman Clougherty, Gal Mishne, Chester Holtz·· 2 小时前AI 评分33
面向图鞍点问题的神经算法推理研究
Neural Algorithmic Reasoning for Graph Saddle Point Problems
AI 导读
研究人员提出基于 Chambolle-Pock 原始-对偶混合梯度（PDHG）方法的消息传递框架 GraphPDHG，用于求解通用图鞍点问题。理论表明该网络能通过模拟 PDHG 高效求解图优化问题并学习加速 PDHG 算法。实验显示，GraphPDHG 可作为二阶优化技术 SSNAL 的热启动，且相比未对齐的 GNN 基线具有更强的规模泛化能力。
来源：arXiv 机器学习 · arxiv.org