A neural computing approach to graph partitioning problems ニューラルコンピューティングによるグラフ分割アルゴリズムの研究

この論文をさがす

著者

    • 齊藤, 孝之 サイトウ, タカユキ

書誌事項

タイトル

A neural computing approach to graph partitioning problems

タイトル別名

ニューラルコンピューティングによるグラフ分割アルゴリズムの研究

著者名

齊藤, 孝之

著者別名

サイトウ, タカユキ

学位授与大学

慶応義塾大学

取得学位

博士 (政策・メディア)

学位授与番号

甲第1782号

学位授与年月日

2000-03-23

注記・抄録

博士論文

目次

  1. 論文目録 / (0001.jp2)
  2. 博士論文要旨 / (0005.jp2)
  3. Contents / p2 (0008.jp2)
  4. List of Tables / p4 (0010.jp2)
  5. List of Figures / p6 (0012.jp2)
  6. 1 Introduction / p1 (0014.jp2)
  7. 1.1 Graph Partitioning Problems / p1 (0014.jp2)
  8. 1.2 Algorithms for Combinatorial Optimization Problems / p2 (0015.jp2)
  9. 1.3 Objectives of this Research / p4 (0017.jp2)
  10. 1.4 Overview of m-Way Graph Partitioning Problem / p4 (0017.jp2)
  11. 1.5 Overview of Political Districting Problem / p7 (0020.jp2)
  12. 2 Neural Networks for Optimization Problems / p13 (0026.jp2)
  13. 2.1 Basic Components of Artificial Neural Network / p13 (0026.jp2)
  14. 2.2 Neuron Models / p13 (0026.jp2)
  15. 2.3 Brief History of Artificial Neural Networks / p16 (0029.jp2)
  16. 2.4 Neural Network Models for Combinatorial Optimization Problems / p17 (0030.jp2)
  17. 2.5 Recurrent Neural Network Model / p20 (0033.jp2)
  18. 2.6 Recurrent Neural Networks and Graph Problems / p21 (0034.jp2)
  19. 3 m-Way Graph Partitioning Problem / p23 (0036.jp2)
  20. 3.1 Problem Formulation / p23 (0036.jp2)
  21. 3.2 Neuron Model and Neural Representation / p25 (0038.jp2)
  22. 3.3 Motion Equation / p26 (0039.jp2)
  23. 3.4 Algorithm / p28 (0041.jp2)
  24. 3.5 Experimental Results / p31 (0044.jp2)
  25. 3.6 Discussion / p37 (0050.jp2)
  26. 4 Political Districting Problem / p41 (0054.jp2)
  27. 4.1 Problem Formulation / p41 (0054.jp2)
  28. 4.2 Neuron Model / p42 (0055.jp2)
  29. 4.3 Neural Representation / p43 (0056.jp2)
  30. 4.4 Motion Equation / p43 (0056.jp2)
  31. 4.5 Algorithm / p47 (0060.jp2)
  32. 4.6 Simulations / p50 (0063.jp2)
  33. 4.7 Discussion / p71 (0084.jp2)
  34. 5 Conclusions and Future Works / p78 (0091.jp2)
  35. 5.1 Conclusions / p78 (0091.jp2)
  36. 5.2 Future Works / p78 (0091.jp2)
  37. References / p81 (0094.jp2)
  38. A Convergence Theorem and Proof of Recurrent Neural Network / p89 (0102.jp2)
  39. A.1 Hysteresis McCulloch-Pitts neural network / p89 (0102.jp2)
  40. A.2 Maximum Neural Network Convergence / p91 (0104.jp2)
  41. B Political Districting Problem / p93 (0106.jp2)
  42. B.1 Input Data for 46-Prefecture Districting Problem / p93 (0106.jp2)
  43. B.2 Input Data for Senate Districting Problem / p109 (0122.jp2)
  44. B.3 Simulation Results for 46-Prefecture Districting Problem / p119 (0132.jp2)
  45. B.4 Simulation Results for Senate Districting Problem / p125 (0138.jp2)
  46. ニューラルコンピューティングによる小選挙区区割り手法 / p588 (0174.jp2)
  47. Neural Computing for the m-Way Graph Partitioning Problem / p942 (0186.jp2)
0アクセス

各種コード

  • NII論文ID(NAID)
    500000186531
  • NII著者ID(NRID)
    • 8000000186814
  • DOI(NDL)
  • NDL書誌ID
    • 000000350845
  • データ提供元
    • NDL ONLINE
    • NDLデジタルコレクション
ページトップへ