醪液

机器学习:大锤的机器学习。大锤将自动定理证明器集成在证明助理伊莎贝尔/HOL中。一个关键的组成部分,关联性LL,启发式地排序数以千计的事实可用,并选择一个子集,基于句法相似性的当前目标。我们介绍了MASH,从成功的证据中学习的另一种选择。我们的“零点击”愿景产生了新的挑战:MASH应该与用户的工作无缝地结合在一起,这样他们就可以不用机器安装软件,建立服务器,或者指导学习。底层机械在Mizar和HOLL光的背景下,最近的研究,与一些增强。在大的形式化上,MASH优于旧的关联性,通过组合两个LL来获得一个特别强的Lter。


ZBMaCT中的参考文献(18篇文章中引用)

显示结果1至18的18。
按年份排序(引文

  1. 英国、马修、格奥尔基·弗洛雷斯库、多里安:比较机器学习模型选择柱面代数分解的变量排序(2019)
  2. 英国,马修:数学软件的机器学习(2018)
  3. Komendantskaya,Ektina;Helas,J弥敦:依赖类型的证据挖掘(2017)
  4. Blanchette,Jasmin Christian;B·HME,Sascha;Fleury,马蒂亚斯;SMOLKA,Steffen Juilf;STECKMEMEER,艾伯特:机器生成证明的半易懂ISAR证明(2016)
  5. Blanchette,Jasmin Christian;格林威韦,戴维;卡利斯克,塞萨里;K·HuWein,丹尼尔;城市,Josef:一种基于学习的事实选择器(SUM/HOL)(2016)
  6. F·米迦勒,Kalasyyk,CZZARI:随机选择前提选择森林(2015)
  7. 卡利斯克,Cezary;舒尔茨,Stephan;城市,Josef;维斯科伊,吉耶斯:系统描述:E.T. 0.1(2015)
  8. 卡里斯克,Cezary;城市,约瑟夫:米扎尔40,为MIZAR 40(2015)
  9. KaliZyk,Cezary;城市,约瑟夫:用百万引理证明学习辅助定理(2015)
  10. Cezary的KaliZyk;城市,约瑟夫:FieleCopp:相当有效的机器学习连接证明器(2015)
  11. 卡里斯克,Cezary;城市,Josef;Siddique,Umair;Khan Afshar,Sanaz;Dunchev,Cvetan;塔哈尔,索菲亚:形式化物理:自动化、演示和基础问题(2015)
  12. 卡里斯克,Cezary;城市,Josef;Vysko.IL,姬::大理论中更强推理的勒马化(2015)
  13. 格兰斯登,托马斯;Walkhan肖,尼尔;Raman,Rajeev:基于证明语料库的基于状态的挖掘模型(2014)
  14. 约翰松,莫阿;罗斯林,丹;Smallbone,尼古拉斯;Claessen,Koen:嬉皮士:证据助理中的理论探索(2014)
  15. Heras,J·弥敦;Komendantskaya,EkTalina:计算机代数验证中的ML4PG(2013)
  16. Cezary的Kalasyyk;城市,约瑟夫:HOL光下的引理挖掘(2013)
  17. K·丹尼尔,Blanchette,Jasmin Christian;卡利斯克,Cezary;城市,约瑟夫:马什:大锤的机器学习(2013)
  18. Della Dora,姬恩;玛尼安,奥德;Mirica Ruse,米哈拉;Yovin,塞尔吉奥:混合计算(2001)