×

兹马思-数学第一资源

ENIGMA-NG:高效的神经和梯度增强的推理指导\(\mathrm{E}\)。(英语) Zbl 07178977
Fontaine,Pascal(编辑),《自动扣减——CADE 27》,第27届自动扣减国际会议,巴西纳塔尔,2019年8月27-30日。会议记录。查姆:斯普林格。选择。笔记计算。科学。117161977-215(2019年)。
摘要:我们描述了在基于饱和的自动定理证明器中实现给定子句选择的一种有效方法,扩展了以前的ENIGMA方法。与第一个ENIGMA实现不同,在ENIGMA实现中,快速线性分类器被训练并与手动工程特征一起使用,我们已经开始试验更先进的机器学习方法,如梯度增强树和递归神经网络。特别是后一种方法在小句评价的效率方面提出了挑战,然而,我们表明神经评估与ATP数据结构的深度集成可以在很大程度上分摊这一成本,并产生具有竞争力的实时结果。这两种方法都是在定理证明问题的大数据集上进行评估的,并与以前的方法进行了比较。由此产生的方法改进了人工设计的子句制导,首次在饱和式自动定理证明器中应用梯度增强和神经子句制导。
整个系列请参见[Zbl 1428.68018号].
理学硕士:
03B35型 证明和逻辑运算的机械化
68V15型 定理证明(自动和交互式定理证明程序、演绎、解析等)
PDF格式 BibTeX公司 引用
全文: 内政部