通过批量难度重新分配来平衡神经机器翻译课程学习
Sugyeong Eo 和 Chanjun Park
《Mathematics》:Rebalancing Curriculum Learning via In-Batch Difficulty Reallocation for Neural Machine Translation
Sugyeong Eo and
Chanjun Park
【字体:
大
中
小
】
时间:2026年05月10日
来源:Mathematics 2.2
编辑推荐:
摘要 在几何通信网络中,只有当主干网络的构建成本较低,
摘要
在几何通信网络中,只有当主干网络的构建成本较低,并且它足够靠近需要服务的需求点时,该主干网络才具有实用性。本文研究了一种几何通信网络中的主干网络设计问题,该问题明确考虑了连接性和用户覆盖范围之间的权衡。本文考虑了两种经典的组合优化方法:最小生成树(MST),它侧重于实现低成本的连接性;以及支配树(DT),它确保每个节点要么属于主干网络,要么与一个活跃的主干节点相邻。为了在共同的框架内比较这两种方法,本文提出了一个统一的混合整数优化模型,该模型平衡了主干网络构建成本和用户分配成本。本文开发了三类精确的数学建模方法,即MTZ、单流方法和割集方法。特别是,单流方法通过有效的不等式和基于根的连接性切割得到了加强。对于较大的网络实例,精确方法还结合了局部分支启发式算法。最后,本文提供了关于计算复杂性、建模结构以及MST和DT模型之间支配关系的理论结果。计算实验表明,单流方法在可扩展性方面表现最佳。此外,对通信半径和权重参数的敏感性分析揭示了一种结构转变:随着网络密度的增加或目标向覆盖范围倾斜,MST和DT的解决方案倾向于趋于一致。这些结果为确定何时应施加支配约束、以及何时简单的生成树设计已经能够捕捉到相关结构提供了具体的方法。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号