捣碎

MaSh:大锤的机器学习。Sledgehammer在证明助手Isabelle/HOL中集成了自动定理证明器。关联过滤器是一个关键组件,它根据与当前目标的语法相似性,对数千个可用事实进行启发式排序,并选择一个子集。我们介绍MaSh,一种从成功的证明中学习的替代方法。我们的“零点击”愿景带来了新的挑战:MaSh应该与用户的工作流程无缝集成,这样他们就可以从机器学习中获益,而不必安装软件、设置服务器或指导学习。在最近的研究中,借鉴了Mizar的一些研究成果。MaSh在大型形式化方面优于旧的相关性过滤器,并且通过组合这两个过滤器可以获得特别强的过滤器。


zbMATH中的参考文献(参考文献24条)

显示第1到第20个结果,共24个。
按年份排序(引用)
  1. Färber,迈克尔;卡利斯齐克,塞扎里;城市,约瑟夫:连接表的机器学习指南(2021)
  2. 弗洛雷斯库,道林;英格兰,马修:改进了分类器的交叉验证,在不影响输出正确性的前提下进行算法选择以最小化运行时间(2020)
  3. 英格兰,马修;Florescu,Dorian:比较机器学习模型以选择圆柱形代数分解的变量顺序(2019)
  4. 拉吉,丹尼尔;斯托克迪尔,亚伦;杰姆尼克,马特亚;加西亚·加西亚、格雷西亚;萨瑟兰,霍利E.A。;Cheng,Peter C.-H.:审查和选择代表(2019年)
  5. 罗森,迈克尔;Reger,Giles:神经引导的并行定理证明者(2019)
  6. 英国,马修:数学软件的机器学习(2018)
  7. Komendantskaya,叶卡捷琳娜;Heras,Jónathan:相关类型的验证采矿(2017)
  8. 布兰切特,贾斯敏·克里斯蒂安;Böhme,萨沙;弗勒里,马蒂亚斯;斯莫尔卡,斯特芬·尤尔夫;Steckermeier,Albert:机器生成证明的半可理解Isar证明(2016)
  9. 布兰切特,贾斯敏·克里斯蒂安;格林纳威,大卫;卡利斯齐克,塞扎里;居尔温,丹尼尔;Josef Urban:Isabelle/HOL的基于学习的事实选择器(2016)
  10. 布兰切特,贾斯敏C。;卡利斯齐克,塞扎里;劳伦斯•保尔森。;厄本,约瑟夫:重击QED(2016)
  11. Färber,迈克尔;Kaliszyk,Cezary:前提选择的随机森林(2015)
  12. 卡利斯齐克,塞扎里;舒尔茨,斯蒂芬;城市,约瑟夫;Vyskočil,Jiří:系统描述:E.T.0.1(2015)
  13. 卡利斯齐克,塞扎里;Urban,Josef:用数百万引理证明学习辅助定理(2015)
  14. 卡利斯齐克,塞扎里;Urban,Josef:FEMaLeCoP:相当高效的机器学习连接验证程序(2015)
  15. 卡利斯齐克,塞扎里;城市,约瑟夫:米扎尔40代表米扎尔40(2015)
  16. 卡利斯齐克,塞扎里;城市,约瑟夫;乌麦尔锡迪克;汗阿夫沙尔,萨那斯;科维坦邓切夫;塔哈尔,索菲涅:形式化物理:自动化、演示和基础问题(2015)
  17. 卡利斯齐克,塞扎里;城市,约瑟夫;维斯科伊尔,吉ří:大型理论中更强推理的柠檬化(2015)
  18. 舒尔茨,斯蒂芬;Sutcliffe,Geoff:饱和一阶定理证明者的证明生成(2015)
  19. 格拉斯登,托马斯;沃尔金肖,尼尔;Raman,Rajeev:从proof corpora挖掘基于状态的模型(2014)
  20. 美国农业部约翰逊;罗森,丹;小骨头,尼古拉斯;埃森探索助理(2014)