跳到正文
热点事件持续更新

研究者提出基于GNN的NPN分类学习方法

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Chengdi Cao 等作者提出一种基于学习的 NPN 分类方法，将布尔函数的 NPN 等价判定转化为 NPN 动作预测，并用双向异构图神经网络在 AIG 上预测输入取反、输出取反和输入置换。作者称这是首个基于学习的 NPN 分类方法。 该方法引入图重写以减少逻辑网络的结构歧义。作者报告，它在可处理案例上接近精确方法，并可扩展到最多 16 个输入的函数。

AI 根据报道生成 · 3 小时前更新

最新进展11月3日 13:00
用图神经网络实现大函数的高效 NPN 分类

报道时间线

沿着报道，了解事件的不同侧面。

11月3日
  1. arXiv · cs.AI
    用图神经网络实现大函数的高效 NPN 分类

    研究者提出首个基于学习的 NPN 分类方法，把布尔函数的 NPN 等价判定转化为 NPN 动作预测，用双向异构图神经网络在 AND-Inverter Graph（AIG，与反相器图）上预测输入取反、输出取反和输入置换。该方法引入图重写减少逻辑网络的结构歧义，在可处理案例上接近精确方法，并可扩展到最多 16 个输入的函数。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。