Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する実験動画

ほぼ最適の並列平面化アルゴリズムである.

Y Takefuji, K C Lee

    Science (New York, N.Y.)
    |September 15, 1989
    PubMed
    まとめ
    この要約は機械生成です。

    この研究は,平面にグラフを埋め込むためにニューラルネットワークを使用して,ほぼ最適の並列平面化アルゴリズムを導入します. アルゴリズムは,平面サブグラフを効率的に生成し,それらを常時で埋め込み,複雑な回路設計を支援します.

    関連する実験動画

    関連する概念動画

    こちらも読む

    関連記事

    共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

    並び替え
    Same author

    Beyond Parametric Boundaries: Rethinking the Distributed Lag Nonlinear Model in Meteorological Modelling for Oncology Emergencies.

    Clinical oncology (Royal College of Radiologists (Great Britain))·2025
    Same author

    PROCESS guided case series of primary targeted muscle reinnervation and regenerative peripheral nerve interfaces in the prevention of post amputation and phantom limb pain.

    Injury·2025
    Same author

    Chi-square and P-values versus machine learning feature selection.

    Annals of oncology : official journal of the European Society for Medical Oncology·2024
    Same author

    Exploring the impact of dental metal ions.

    British dental journal·2024
    Same author

    Worldwide burnout in dentists.

    British dental journal·2024
    Same author

    Oral health's role in disease prevention.

    British dental journal·2024

    科学分野:

    • コンピュータサイエンス コンピュータサイエンス
    • グラフ理論 グラフ理論
    • 人工知能 (AI) とは,人工知能 (AI) のことです.

    背景:

    • グラフの平面化は,電子設計の自動化に不可欠です.
    • 既存のアルゴリズムは,計算が密集している可能性があります.
    • 平面グラフの効率的な埋め込みは,絶え間ない課題です.

    研究 の 目的:

    • ほぼ最適の並列平面化アルゴリズムを提示する.
    • グラフを埋め込むためのニューラルネットワークベースのアプローチを開発する.
    • 平面サブグラフの生成と埋め込みのための常時複合性を達成するために.

    主な方法:

    • N x N のニューラルネットワーク配列を使用し,N は頂点の数を表します.
    • グラフの平面化のための並列アルゴリズムを開発した.
    • 最大に近い平面サブグラフを生成することに焦点を当てています.

    主要な成果:

    • アルゴリズムは,平面化のためのほぼ最適の結果を達成します.
    • このシステムは,平面的なサブグラフを単一の平面に組み込むのに成功した.
    • 埋め込みプロセスの時間複雑さはO(1) であることを示した.

    結論:

    • 提案されたニューラルネットワークベースのアルゴリズムは,グラフ平面化のための効率的な解決策を提供します.
    • O ((1)) 時間の複雑さにより,リアルタイムアプリケーションに適しています.
    • 印刷回路板設計やVLSIルーティングなどの多層の問題に適用できます.