约翰·海丝特;布里兰·希塔吉;格兰特·帕斯莫尔;萨姆·奥雷;Natarajan Shankar;是的，埃里克 使用机器学习消除实际量词的增强MetiTarski数据集。 （英语） Zbl 07810740号 Catherine Dubois（编辑）等人，《智能计算机数学》。第16届国际会议，CICM 2023，英国剑桥，2023年9月5-8日。诉讼程序。查姆：斯普林格。莱克特。注释计算。科学。14101, 297-302 (2023). 摘要：我们提供了一个由超过41K个MetiTarski挑战组成的新数据集，可用于研究机器学习（ML）在柱面代数分解中确定有效变量顺序的应用。提出的数据集旨在解决先前基准测试中存在的无意偏差问题，为开发健壮、易于推广的ML模型铺平道路。关于整个系列，请参见[Zbl 1531.68022号]. MSC公司： 68伏xx 数学研究和实践的计算机科学支持 关键词：MetiTarski变量排序;机器学习数据集;可推广性;偏差 软件：梅蒂塔斯基 PDF格式BibTeX公司 XML格式引用 \textit{J.Hester}等人，Lect。注释计算。科学。14101297--302（2023；Zbl 07810740） 全文： 内政部 参考文献： [1] Akbarpour，B。；Paulson，LC，MetiTarski：实数特殊函数的自动定理证明者，J.Autom。推理，44，175-205（2010）·Zbl 1215.68206号 ·doi:10.1007/s10817-009-9149-2 [2] 英格兰，M。；Florescu，D。；Kaliszyk，C。；Brady，E。；科尔哈斯，A。；Sacerdoti Coen，C.，《比较机器学习模型以选择圆柱代数分解的变量顺序》，《智能计算机数学》，93-108（2019），查姆：斯普林格，查姆·兹比尔1428.68399 ·doi:10.1007/978-3-030-23250-47 [3] Geirhos，R.，Rubisch，P.，Michaelis，C.，Bethge，M.，Wichmann，F.A.，Brendel，W.：图像训练CNN偏向于纹理；增加形状偏差可以提高准确性和鲁棒性。参加：国际学习代表大会（2019年）。https://openreview.net/forum？id=Bygh9j09KX [4] Geirhos，R.、Temme，C.R.、Rauber，J.、Schütt，H.H.、Bethge，M.、Wichmann，F.A.：人类和深层神经网络的泛化。高级Neur。信息处理。31 (2018) [5] Huang，Z.，England，M.，Wilson，D.J.，Bridge，J.，Davenport，J.H.，Paulson，L.C.：使用机器学习改进CAD。数学。在C.S.13（4），461-488（2019）中·Zbl 1474.68464号 [6] Kawaguchi，K.，Kaelbling，L.P.，Bengio，Y.：深度学习中的泛化。arXiv预印arXiv:1710.05468（2017） [7] 帕斯莫尔，GO；保尔森，LC；de Moura，L。；Jeuring，J.，《用于metitarski证明的实代数策略》，《智能计算机数学》，358-370（2012），海德堡：斯普林格·Zbl 1360.68764号 ·doi:10.1007/978-3642-31374-5-24 [8] 斯卡塞利，F。；戈里，M。；佐伊，AC；Hagenbuchner，M。；Monfardini，G.，图神经网络模型，IEEE Trans。神经网络。，20, 1, 61-80 (2009) ·doi:10.1109/TNN.2008.2005605 [9] 瓦斯瓦尼（Vaswani，A.）等人：注意力是你所需要的。In:神经信息处理系统进展，第30卷（2017） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。