December 12th, 2020

собака

Электрическая амеба смогла решить задачу коммивояжера



Ученые из Японии представили систему, которая может быстро решать проблему коммивояжера — эффективного перемещения между разными точками. Исследователи вдохновились поведением амебы.

Исследователи из Университета Хоккайдо в Японии вдохновились поведением одноклеточных амеб и разработали аналоговый компьютер для поиска надежного и быстрого решения задачи коммивояжера — репрезентативной задачи комбинаторной оптимизации.

Ученые объяснили, что обычные цифровые компьютеры, в том числе суперкомпьютеры, не могут решить эти задачи в практически допустимое время, так как количество возможных решений, которые им необходимо оценить, возрастает в геометрической прогрессии с увеличением размера задачи.

Эту проблему можно избежать, используя «электронную амебу» — аналоговый компьютер, который вдохновлен одноклеточным амебоидным организмом. Известно, что амеба максимально эффективно усваивает питательные вещества, деформируя свое тело. Она показала примерное решение проблемы — учитывая карту определенного количества городов, задача состоит в том, чтобы найти кратчайший маршрут для посещения каждого города ровно один раз и возвращения в стартовый город.

Эта находка вдохновила профессора Сейю Касая из Университета Хоккайдо на подражание поведению амебы в электронном виде с использованием аналоговой схемы. Используя перегородки, исследователи могут легко изменить планировку маршрута, обновив значения сопротивления без сложной предварительной обработки.

Затем схема нашла высококачественное решение со значительно меньшей длиной маршрута, чем средняя длина, полученная случайной выборкой. Кроме того, время, необходимое для нахождения высококачественного решения, увеличилось незначительно. Сравнивая время поиска с репрезентативным алгоритмом на основе ИИ, электронная амеба оказалась более быстрой.

promo antony_w август 17, 2014 11:48 18
Buy for 10 tokens
Есть блог, в котором написано много постов про роботов: ссылка И там есть несколько статей о замене рабочих мест человека роботами: Уже к 2018 году роботы отберут у человека часть профессий Рабский труд без зарплаты Армия роботов: зачем она нужна обильной людьми Поднебесной и кому может…
собака

ИИ прогнозирует задержки на железных дорогах



Ученые из Иллинойсского университета в Урбане-Шампейне (UIUC) использовали реальные данные Британских железных дорог и модель искусственного интеллекта, чтобы лучше прогнозировать задержки в железнодорожных сетях. Результаты исследования представлены на Международной конференции IEEE 2020 по интеллектуальным транспортным системам.

За последние 20 лет количество пассажиров, путешествующих по британской железнодорожной сети, почти удвоилось и составило 1,7 миллиарда ежегодно. Очевидно, жители Великобритании полагаются на железнодорожное сообщение и задержки в движении могут нарушить планы многих.

«Мы хотели изучить эту проблему, используя наш опыт работы с графовыми нейронными сетями», — объясняет Хай Тран, член факультета аэрокосмической инженерии UIUC. — Это особый класс моделей искусственного интеллекта, которые фокусируются на данных, представленных в графовых областях».

Графовая нейронная сеть (англ. Graph Neural Network, GNN) — тип нейронной сети, которая напрямую работает со структурой графа. Типичным применением GNN является классификация узлов. Концепция графовой нейронной сети была впервые предложена в 2009 году в работе, которая расширила существующие нейронные сети для обработки данных, представленных в графовых областях.
Collapse )