由于深度学习有效解决组合优化问题的潜力，神经组合优化（NCO）受到了极大的关注。 NCO已被广泛应用于车间调度问题（JSP），目前主要关注确定性问题。在本文中，我们提出了一个新型的基于注意力的方案处理模块（SPM），以扩展NCO方法以求解随机JSP ...

图形神经网络（GNN）已被广泛用于在图表上的表示学习中，并在诸如节点分类和链接预测等任务中实现了最先进的性能。但是，大多数现有的GNN旨在学习固定和均匀图上的节点表示。当在错误指定的图或由各种类型的节点和边缘组成的异质图上学习表示表示时，限制尤其成为问题 ...

已证明在黑暗扇区中具有纯动量交换的模型提供了一种有希望的场景，以应对从高红移和低红移探针推断出的聚类中的张力。这些模型的一个独特特征是，仅修改了暗物质成分的Euler方程，并且校正的净效应可以与由相互作用速率确定的额外摩擦相关联。在这项工作中，我们表明可以从物质功率谱的偶极子中检测到$ \ sigma_8 $张力所需的相互作用参数的强度，这些张力可以在即将进行的调查中测量 ...

基于得分的扩散模型在生成逼真的图像，音频和视频数据方面取得了令人难以置信的性能。尽管这些模型产生了具有令人印象深刻的细节的高质量样本，但它们经常引入不现实的文物，例如失真的手指或幻觉的文字，没有意义。本文着重于文本幻觉，其中扩散模型正确地生成了单个符号，但以荒谬的方式组装它们 ...

我们介绍了DexyCB，这是一种用于捕获对象手动抓握的新数据集。我们首先通过跨数据库评估将葡萄糖与相关的葡聚糖进行比较。然后，我们对三个相关任务的最新方法进行了详尽的基准：2D对象和关键点检测，6D对象姿势估计和3D手姿势估计 ...

人类通常在日常生活中与多个对象一起工作，并且可以通过理解对象功能规律来直观地将操纵技能转移到新颖对象中。但是，由于缺乏数据支持，现有的用于分析和合成手动操纵的技术方法大部分仅限于处理一只手和对象。为了解决这个问题，我们构建了炸玉米饼，这是一种跨越各种工具行动对象组成的广泛的双手手动相互作用数据集，用于日常人类活动 ...

生成神经图像压缩以极低的比特率支持数据表示形式，在客户端综合细节，并始终产生高度逼真的图像。通过利用量化误差和加性噪声之间的相似性，可以使用潜在扩散模型来构建基于扩散的生成图像压缩编解码器来“ denoise”量化引入的伪像。但是，我们在此范式之后（即噪声水平，噪声类型和离散差距）中确定了先前方法中的三个关键差距，从而导致量化的数据从扩散模型已知的数据分布中删除 ...

图形神经网络（GNN）通过汇总社区的信息以进行表示，在各种图形挖掘任务中取得了巨大的成功。成功依赖于同质的假设，即附近的节点表现出相似的行为，而在许多现实图表中可能会违反。最近，通过修改神经信息传递杂物邻域的神经信息传递模式，异性图神经网络（Hetergnns）吸引了越来越多的关注 ...