女警察

FEMaLeCoP:相当有效的机器学习连接验证程序。FEMaLeCoP是一个基于leanCoP的连接表定理证明器,它使用基于内部学习的有效实现方法来进行扩展步骤。尽管这样的内部指导的详尽使用会导致原始推断过程的显著放缓,但接受过相关证据培训的FEMaLeCoP可以证明许多leanCoP无法解决的问题。特别是在MPTP2078基准测试中,FEMaLeCoP在leanCoP可以证明的574个问题上增加了90个(15.7%)的问题。因此,FEMaLeCoP是第一个人工智能/ATP系统,它令人信服地证明了通过从前面的证明中学习到的知识来指导定理证明器的内部推理算法可以显著提高证明器的性能。本文描述了系统,讨论了所开发的技术,并对系统进行了评估。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换


zbMATH中的参考文献(参考12篇文章,1标准件)

显示第1到第12个结果,共12个。
按年份排序(引用)

  1. Chvalovský,Karel;Jakubův,Jan;Suda,Martin;Urban,Josef:ENIGMA-NG:高效神经和梯度增强推理指导(\mathrmE)(2019)
  2. Nikolić,Mladen;Marinković,Vesna;Kovács,Zoltán;Janičić,Predrag:几何的投资组合定理证明和prover运行时预测(2019年)
  3. Rawson,Michael;Reger,Giles:神经引导的平行定理证明者(2019)
  4. Goertzel,查拉图斯特拉;Jakubův,Jan;Schulz,Stephan;Urban,Josef:校对:E大型理论的观察列表指南(2018)
  5. Piotrowski,Bartosz;Urban,Josef:ATPboost:ATP反馈的二进制环境下的学习前提选择(2018)
  6. Färber,Michael;Kaliszyk,Cezary;Urban,Josef:蒙特卡罗表格验证搜索(2017)
  7. Jakubův,Jan;Urban,Josef:ENIGMA:基于高效学习的推理引导机(2017)
  8. Sarah Loos;Geoffrey Irving;Szegedy,Christian;Kaliszyk,Cezary:Deep network guided校对搜索(2017)
  9. Färber,Michael;Brown,乍得:Satallax内部指导(2016)
  10. Otten,Jens:Nanocop:非条款连接证明(2016)
  11. Davis,Martin(编辑);Fehnker,Ansgar(编辑);McIver,Annabelle(编辑);Voronkov,Andrei(编辑):编程逻辑,人工智能和推理。第20届国际会议,LPAR-20 2015,斐济苏瓦,2015年11月24日至28日。会议记录(2015)
  12. Kaliszyk,Cezary;Urban,Josef:FEMaLeCoP:相当高效的机器学习连接验证程序(2015)