求解流分解与转录本组装的实用 FPT 算法
分布式、并行与集群计算
2018-05-18 v2 硬件体系结构
机器学习
摘要
流分解问题旨在求解覆盖有向无环图（DAG）上流的最小加权路径集合，近期已被用作转录本组装中的重要计算步骤。我们通过给出一个实用的线性 FPT 算法，证明了该问题在以路径数量为参数时属于 FPT。进一步地，我们基于该算法实现并工程化了一个流分解求解器，并在 RNA 序列数据上评估了其性能。至关重要的是，我们的求解器能够找到精确解，同时运行时间与最先进的启发式算法具有竞争力。最后，我们用两个与预处理和权重恢复相关的硬度结果来语境化我们的设计选择。具体而言，在标准复杂性假设下，-Flow Decomposition 不存在多项式核，且将（已知）权重分配给给定路径集合的相关问题是 NP 困难的。
引用
@article{arxiv.1706.07853,
title = {Loom: Exploiting Weight and Activation Precisions to Accelerate Convolutional Neural Networks},
author = {Sayeh Sharify and Alberto Delmas Lascorz and Kevin Siu and Patrick Judd and Andreas Moshovos},
journal= {arXiv preprint arXiv:1706.07853},
year = {2018}
}