男警察

MaLeCoP机器学习连接验证程序。在所学知识的基础上,将所学的CoP-advisor连接到一个表上,实现了一个基于外部知识的CoP-advisor系统。在解决大型复杂理论中许多问题的典型数学环境中,从成功的解决方案中学习,然后用于指导以MaLARea系统的精神证明定理的尝试。在MaLA Rea中,基于学习的公理选择是在未经修改的定理证明器之外进行的,而MaLeCoP中基于学习的公理选择是在证明器内部进行的,知识学习与应用之间的交互作用可以更加精细。这为在大型数学图书馆上进一步建设和培训自学型人工智能数学专家带来了有趣的可能性,其中一些已经讨论过。初步实现是在MPTP挑战大理论基准上进行评估的


zbMATH中的参考文献(参考 20篇文章 参考,1标准件)

显示第1到第20个结果,共20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. 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)
  4. Piotrowski,Bartosz;Urban,Josef:ATPboost:ATP反馈的二进制环境下的学习前提选择(2018)
  5. Färber,Michael;Kaliszyk,Cezary;Urban,Josef:蒙特卡罗表格验证搜索(2017)
  6. Gauthier,Thibault;Kaliszyk,Cezary;Urban,Josef:《战术学:用HOL4战术学理性》(2017)
  7. Jakubův,Jan;Urban,Josef:ENIGMA:基于高效学习的推理引导机(2017)
  8. Färber,Michael;Brown,乍得:Satallax内部指导(2016)
  9. 班切雷克,格尔泽戈尔茨;拜利林斯基,捷克;格拉博夫斯基,亚当;科尼奥维茨,阿图尔;马图斯泽夫斯基,罗曼;诺莫维奇,亚当;Pąk,卡罗尔;厄本,约瑟夫:米扎尔:最新和更高水平(2015)
  10. Kaliszyk,Cezary:高效低层连接表(2015)
  11. Kaliszyk,Cezary;Urban,Josef:HOL(y)Hammer:HOL Light的在线ATP服务(2015)
  12. Kaliszyk,Cezary;Urban,Josef:FEMaLeCoP:相当高效的机器学习连接验证程序(2015)
  13. Kaliszyk,Cezary;Urban,Josef:用百万引理证明学习辅助定理(2015)
  14. Kaliszyk,Cezary;Urban,Josef:Learning assisted automated reasoning with(\mathsfFlyspeck)(2014年)
  15. Kaliszyk,Cezary;Urban,Josef:HOL Light上的引理矿业(2013)
  16. Kaliszyk,Cezary;Urban,Josef:HOL Light的自动推理服务(2013)
  17. Urban,Josef;Vyskočil,Jiři:作为新兴人工智能领域的大型形式数学中的定理证明(2013)
  18. 杰西·阿拉马(Alama);丹尼尔·奎尔韦恩(Kühlwein);约瑟夫·厄本(Urban),约瑟夫:《普通数学中的自动和人为证明:初步比较》(2012)
  19. 丹尼尔Kühlwein;van Laarhoven,Twan;Tsivtsivadze,Evgeni;Urban,Josef;Heskes,Tom:大理论数学前提选择技术概述与评估(2012)
  20. 厄本,约瑟夫;维斯科伊尔,吉ří;什特ěpánek,彼得:马勒科普。机器学习连接验证程序(2011)