莎拉·卢斯;杰弗里·欧文;Szegedy，基督徒;塞萨里·卡利西克 深度网络引导的证据搜索。 （英语） Zbl 1403.68197号 Eiter，Thomas（编辑）等人，LPAR-21。2017年5月8日至12日在博茨瓦纳莫恩举行的第21届编程、人工智能和推理逻辑国际会议。精选论文。曼彻斯特：EasyChair。EPiC计算系列46，85-105（2017）。 摘要：深度学习技术是近年来人工智能若干重大进步的核心，包括对象识别和检测、图像字幕、机器翻译、语音识别和合成以及围棋游戏。自动一阶定理证明器可以帮助数学定理的形式化和验证，并在程序分析、理论推理、安全性、插值和系统验证中发挥关键作用。在这里，我们建议在定理证明器E的证明搜索中使用基于深度学习的指导。我们根据Mizar语句的现有ATP证明的痕迹训练和比较了几个深度神经网络模型，并在证明搜索过程中使用它们来选择处理过的子句。我们通过实验证明，使用混合的两阶段方法，基于深度学习的指导可以显著减少证明搜索步骤的平均数量，同时增加被证明定理的数量。通过使用一些利用深层神经网络的证明指导策略，我们发现了Mizar数学库定理的一阶逻辑翻译的一阶证明，之前没有ATP生成的证明。这增加了含有ATP生成证明的语料库中语句的比例，从（56%）增加到（59%）。有关整个系列，请参见[Zbl 1398.68026号]. 引用于15文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 68吨15 定理证明（演绎、解析等）（MSC2010） 关键词：深度学习;一阶逻辑;定理证明 软件：全息照相术;seL4级;亚当;FEMaLeCoP公司;米扎尔;TPTP公司;MPTP 0.2毫米;TensorFlow公司;萨塔拉克 PDF格式BibTeX公司 XML格式引用 \textit{S.Loos}等人，EPiC Ser。计算。46、85——105（2017；Zbl 1403.68197） 全文： 内政部 arXiv公司