Attention增强的Join-图神经网络
机器学习
2026-01-16 v2
摘要
我们提出一种Attention增强的Join-图神经网络（Attn-JGNN）模型，用于解决#SAT问题，显著提高求解准确率。灵感来自迭代Join图传播（IJGP）算法，Attn-JGNN使用树分解将CNF公式编码为Join图，然后在Join图上进行迭代消息传递，最终通过学习分配函数来近似模型数量。为进一步提高解的准确率，我们在Join图的簇之间应用注意力机制，这使得Attn-JGNN能够更加关注概率推断中的关键变量和簇，从而减少冗余计算。最后，我们的实验表明，Attn-JGNN模型在其他神经网络方法中取得了更好结果。
引用
@article{arxiv.2510.15583,
title = {Attn-JGNN: Attention Enhanced Join-Graph Neural Networks},
author = {Jixin Zhang},
journal= {arXiv preprint arXiv:2510.15583},
year = {2026}
}