巴托斯·彼得罗夫斯基;约瑟夫·乌尔班 ATPboost：二进制设置中的学习前提选择，带有ATP反馈。 （英语） Zbl 1511.68257号 Galmiche，Didier（编辑）等人，《自动推理》。2018年7月14日至17日在英国牛津举行的第九届国际联合会议IJCAR 2018，作为联邦逻辑会议的一部分。诉讼程序。查姆：斯普林格。莱克特。注释计算。科学。10900, 566-574 (2018). 概要：ATPboost是一个通过将ATP运行与从证明中选择前提的最先进机器学习交织在一起来解决大理论问题集的系统。与许多使用多标签设置的方法不同，学习是作为二进制分类来实现的，该分类估计（定理、前提）对的成对相关性。ATPboost为此使用了最先进的快速XGBoost梯度增强算法。然而，在二进制环境中学习需要反例，由于有许多替代证明，这是很重要的。我们在ATP/ML反馈回路的背景下讨论并实现了几种解决方案，并显示出对多标签方法的显著改进。有关整个系列，请参见[Zbl 1391.68006号]. 引用于5文件 MSC公司： 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 68T05型 人工智能中的学习和自适应系统 软件：TPTP公司;XGBoost公司;HOL公司;米扎尔;MaLeCoP公司;伊莎贝尔/HOL;FEMaLeCoP公司;战术脚趾;E定理证明器;马拉雷亚;ATP增压 PDF格式BibTeX公司 XML格式引用 \textit{B.Piotrowski}和\textit{J.Urban}，莱克特。注释计算。科学。10900，566--574（2018；Zbl 1511.68257） 全文： 内政部 arXiv公司