PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.18807v1cs.DS

학습 강화 정확 지수 시간 알고리즘

Learning Augmented Exact Exponential Algorithms

학습 강화 알고리즘 분야는 기계 학습 예측이 다양한 문제 영역에서 최악의 경우 하한을 우회할 수 있음을 입증해 왔습니다. 그러나 지금까지 초점은 거의 독점적으로 다항 시간 알고리즘에 맞춰져 있었으며, 여기서 예측은 경쟁비, 근사 보장, 또는 실행 시간을 개선했습니다. 본 논문에서 우리는 예측이 NP-hard 문제에 대한 정확한 지수 시간 알고리즘의 경계를 확장할 수 있는지라는 질문을 제기합니다. 우리는 다양한 부분집합 선택 문제에 대한 최신 정확 알고리즘 계열 전체를 증강하는 일반적인 접근 방식을 제안함으로써 이 질문에 긍정적으로 답합니다. 우리는 무작위 추측보다 약간만 더 나은 노이즈 예측기(noisy predictor)도 검색 공간을 확실히 줄이기에 충분하다는 것을 보여주며, 그 결과로 얻어지는 실행 시간 단축은 예측 품질에 따라 부드럽게 스케일링됨을 보여줍니다. 중요하게도, 우리의 알고리즘은 예측의 쌍독립성(pairwise independence)만을 요구하거나, 대안으로 예측기의 정확도에 대한 지식을 요구하지 않는데, 이는 일반적으로 가정되는 설정보다 엄격하게 더 약하고 현실적인 설정입니다.