我们通过实验证明,GNN调度器在不同的基准JSSP上的性能优于实际偏好的调度规则和基于RL的调度器,这是因为GNN调度器具有卓越的泛化能力。我们还证实,提出的框架学习了一种可转移的调度策略,该策略可以用于调度一个全新的JSSP(在大小和参数方面),而不需要进一步的培训。 1 介绍 调度策略学习考虑JSSP的固有结构,而不...
是一个结合GNN和预测的经典案例。虽然不是直接的车辆控制，但为理解多智能体交互提供了重要基础。
为了将对象级信息编码为潜在语义对象和运动视觉单词,作者首先通过图操作将对象级特征分别聚合为外观和运动特征。在Multiple Feature Extraction中,我们得到了对象级别区域特征,帧级别的动作和外观特征,然后作者构建了一个GNN来进行对象级别的交互(其中每个region都可以看做GNN中的一个node)。模型不只是依赖于局部区域特征,...
为了将对象级信息编码为潜在语义对象和运动视觉单词,作者首先通过图操作将对象级特征分别聚合为外观和运动特征。在Multiple Feature Extraction中,我们得到了对象级别区域特征,帧级别的动作和外观特征,然后作者构建了一个GNN来进行对象级别的交互(其中...
与GNN-based模型(ORG-TRL, S-T Graph, C-R Reasoning)相比,本文的D-LSG还是有明显的性能优势。 3.2 Ablation Study Effect of Graph 通过比较仅CGO和LSG的结果,可以观察到两个数据集的性能显著下降,这表明了总结帧级特征对潜在概念或视觉单词的重要性。
与GNN-based模型(ORG-TRL, S-T Graph, C-R Reasoning)相比,本文的D-LSG还是有明显的性能优势。 3.2 Ablation Study Effect of Graph 通过比较仅CGO和LSG的结果,可以观察到两个数据集的性能显著下降,这表明了总结帧级特征对潜在概念或视觉单词的重要性。