×
詹姆斯·布里奇。;肖恩·霍尔顿。;劳伦斯·C·鲍尔森。

一阶定理证明的机器学习。学习选择好的启发式。 （英语） Zbl 1314.68274号

J.汽车。推理 53，第2期，141-172（2014）。
摘要：我们应用了两种最先进的机器学习技术来解决在一阶定理证明器中选择好启发式的问题。我们的目的是证明，从一个猜想和公理的简单特征测量中可以获得足够的信息来确定一个好的启发式选择，并且可以自动学习选择过程。从5个启发式集合中进行选择，学习的结果优于任何单一的启发式。同样的结果也可以与证明者自己的启发式选择方法进行比较，该方法可以使用82种启发式，包括我们的方法使用的5种，并且需要额外的人类专业知识来指导其设计。我们系统的一个版本能够拒绝验证尝试。这大大减少了所需的总时间，同时只导致被证明定理数量的适度减少。据我们所知，没有任何早期系统具有此功能。

引用于10文件

MSC公司：

68吨15 定理证明（演绎、解析等）（MSC2010）
68T05年 人工智能中的学习和自适应系统
68T20型 人工智能背景下的问题解决（启发式、搜索策略等）

关键词：

定理的自动证明;机器学习;具有等式的一阶逻辑;特征选择;支持向量机;高斯过程

软件：

伦敦银行支持向量机;谚语9;SATzilla公司;梅斯4;UCI-毫升;TPTP公司;折扣;SVM灯;马拉雷亚;PRMLT公司;E定理证明器
PDF格式BibTeX公司 XML格式引用
\textit{J.P.Bridge}等人，J.Autom。推理53，No.2，141--172（2014；Zbl 1314.68274）
全文： 内政部

参考文献：

[1] Bache，K.，Lichman，M.：UCI机器学习库（2013）。http://archive.ics.uci.edu/ml
[2] Baldi，P.，Brunak，S.，Chauvin，Y.，Anderson，C.A.F.，Nielsen，H.：评估分类预测算法的准确性：概述。生物信息学16（5），412-424（2000）·doi:10.1093/bioinformatics/16.5.412
[3] Bishop，C.M.：模式识别和机器学习。Springer-Verlag（2006）·Zbl 1107.68072号
[4] Bridge，J.P.：机器学习和自动定理证明。技术代表UCAM-CL-TR-792，剑桥大学计算机实验室（2010年）。http://www.cl.cam.ac.uk/techreports/UCAM-cl-TR-792.pdf ·Zbl 1102.68556号
[5] Chu，W.，Ghahramani，Z.，Falciani，F.，Wild，D.L.：利用高斯过程在微阵列基因表达数据中发现生物标记。生物信息学21（16），3385-3393（2005）·doi:10.1093/bioinformatics/bti526
[6] Davis，M.，Logemann，G.，Loveland，D.：理论证明的机器程序。Commun公司。ACM 5（7），394-397（1962）。数字对象标识代码：10.1145/368273.368557·Zbl 0217.54002号 ·数字对象标识代码：10.1145/368273.368557
[7] Davis，M.，Putnam，H.：量化理论的计算程序。《美国临床医学杂志》第7卷第3期，201-215页（1960年）。数字对象标识代码：10.1145/321033.321034·Zbl 0212.34203号 ·数字对象标识代码：10.1145/321033.321034
[8] Denzinger，J.，Fuchs，M.，Fuchs，M.：结合多种人工智能方法的高性能ATP系统。载：《第十五届国际人工智能联合会议论文集》，1997年，第102-107页。Morgan Kaufmann（1997）
[9] Denzinger，J.、Fuchs，M.、Goller，C.、Schulz，S.：从以往的经验中学习。慕尼黑理工大学信息研究所AR99-4技术报告（1999）·Zbl 1102.68556号
[10] Denzinger，J.、Kronenburg，M.、Schulz，S.：Discount——一个分布式学习公式证明器。J.汽车。原因。189-1988年（1997年）。doi:10.1023/A:1005879229581·doi:10.1023/A:1005879229581
[11] 杜达，R.O.，哈特，P.E.，斯托克，D.G.：模式分类，第二版。威利（2000）·Zbl 0968.68140号
[12] Erkek，C.A.：自动定理证明中专家学习的混合。博加齐奇大学硕士论文（2010年）·Zbl 1200.68219号
[13] Fawcett，T.：ROC分析简介。模式识别。莱特。27, 861-874 (2006) ·Zbl 1106.74031号 ·doi:10.1016/j.patrec.2005.10.010
[14] Fuchs，M.：定理证明搜索引导启发式的自动选择。摘自：第十届FLAIRS会议记录，第1-5页。佛罗里达人工智能研究学会，代顿海滩（1998）
[15] Fuchs，M.、Fuchs、M.：基于特征的学习，用于定理证明的搜索引导启发式。AI通讯。11(3-4), 175-189 (1998)
[16] Goller，C.：学习使用折叠结构网络的自动演绎系统的搜索控制启发式。摘自：《欧洲人工神经网络研讨会论文集》。D-Facto出版物（1999年）·Zbl 1030.68077号
[17] Grimmet，G.，Stirzaker，D.：概率和随机过程。牛津大学出版社（2001）·Zbl 1015.60002号
[18] Guyon，I.，Elisseeff，A.：变量和特征选择简介。J.马赫。学习。第1157-1182号决议（2003年）·Zbl 1102.68556号
[19] Haim，S.，Walsh，T.：SAT求解运行时的在线估计。在：Kleine Büning，H.，Zhao，X.（编辑）《可满足性测试的理论与应用》-SAT 2008，《计算机科学讲义》，第4996卷，第133-138页。施普林格，柏林（2008）。doi:10.1007/978-3-540-79719-7_12·Zbl 1138.68540号
[20] Haim，S.，Walsh，T.：使用机器学习技术重新启动策略选择。收录于：Kullmann，O.（编辑）《可满足性测试的理论与应用——SAT 2009》，《计算机科学课堂讲稿》，第5584卷，第312-325页。施普林格，柏林（2009）。doi:10.1007/978-3-642-02777-2-30
[21] Hastie，T.，Tibshirani，R.，Friedman，J.：统计学习的要素。斯普林格统计学系列，第2版。施普林格（2009）·Zbl 1273.62005年
[22] He，H.：从不平衡数据中学习。IEEE传输。知识。数据工程21（9），1263-1284（2009）·doi:10.1109/TKDE.2008.239
[23] Hsu，C.W.，Chang，C.C.，Lin，C.J.等：支持向量分类的实用指南。国立台湾大学计算机科学系技术代表（2003年）·Zbl 1185.68636号
[24] Huth，M.，Ryan，M.：《计算机科学中的逻辑：关于系统的建模和推理》，第二版。剑桥大学出版社（2004）·Zbl 1073.68001号
[25] Joachims，T.：使大规模SVM学习实用化。收录于：Schölkopf，B.，Burges，C.，Smola，A.（编辑）《内核方法的进展——支持向量学习》，第11章，第169-184页。麻省理工学院出版社，马萨诸塞州剑桥（1999）·Zbl 1020.68084号
[26] Kadioglu，S.、Malitsky，Y.、Sabharwal，A.、Samulowitz，H.、Sellmann，M.：算法选择和调度。收录于：Lee，J.（编辑）《约束编程的原理与实践——CP 2011》，《计算机科学讲义》，第6876卷，第454-469页。柏林施普林格（2011）。doi:10.1007/978-3-642-23786-7_35
[27] Kohavi，R.：精度估计和模型选择的交叉验证和引导研究。参见：《第十四届国际人工智能联合会议记录》（IJCAI'95），第2卷，第1137-1143页。Morgan Kaufmann（1995）
[28] Lanckriet，G.R.G.，Bie，T.D.，Cristianini，N.，Jordan，M.I.，Noble，W.S.：基因组数据融合的统计框架。生物信息学20（16），2626-2635（2004）·doi:10.1093/bioinformatics/bth294
[29] Luenberger，D.G.：线性和非线性规划。Kluwer（2003）·Zbl 1134.90040号
[30] McCune，W.：《箴言9》和《麦基4》（2005-2010）。网址：http://www.cs.unm.edu/mccune/校准仪9/
[31] Mercer，J.：正负型函数及其与积分方程理论的联系。菲洛斯。事务处理。R.Soc.伦敦。209, 415-446 (1909) ·doi:10.1098/rsta.1909.0016
[32] Mitchell，T.：机器学习。麦格劳·希尔（1997）·兹比尔0913.68167
[33] Morik，K.，Brockhausen，P.，Joachims，T.：将统计学习与基于知识的方法相结合——重症监护监护的案例研究。摘自：国际机器学习会议（ICML），第268-277页。Bled，Slowenien（1999）
[34] Nudelman，E.，Leyton-Brown，K.，Hoos，H.，Devkar，A.，Shoham，Y.：理解随机SAT：超越子句与变量的比率。摘自：Wallace，M.（编辑）《约束编程的原理与实践——CP 2004》，《计算机科学讲义》，第3258卷，第438-452页。施普林格，柏林（2004）。doi:10.1007/978-3-540-30201-8_33·Zbl 1152.68569号
[35] Pilkington，N.C.V.，Trotter，M.W.B.，Holden，S.B.：药物发现的多核学习。摩尔通知。31(3-4), 313-322 (2012) ·doi:10.1002/minf.201100146
[36] Rasmussen，C.E.，Williams，C.KI.：机器学习的高斯过程。自适应计算和机器学习。麻省理工学院出版社，马萨诸塞州剑桥（2006）·Zbl 1177.68165号
[37] Rosenblatt，F.：《神经动力学原理：感知器和大脑机制理论》。斯巴达书籍（1962）·Zbl 0143.43504号
[38] Samulowitz，H.，Memisevic，R.：学习解决QBF。收录于：《第22届全国人工智能会议论文集-AAAI'07》，第1卷，第255-260页。AAAI出版社（2007）。http://dl.acm.org/citation.cfm？id=1619645.1619686
[39] Schulz，S.：学习等式演绎的搜索控制知识。DISKI中的230号。柏林Akademische Verlagsgesellschaft有限公司（2000）
[40] Schulz，S.：E-一个脑力定理证明器。AI通讯。15(2/3), 111-126 (2002) ·Zbl 1020.68084号
[41] Shawe Taylor，J.，Cristianini，N.：支持向量机和其他基于内核的学习方法。剑桥大学出版社，剑桥（2000）·Zbl 0994.68074号
[42] Shawe-Taylor，J.，Cristianini，N.：模式分析的核心方法。剑桥大学出版社，剑桥（2004）·Zbl 0994.68074号
[43] Sutcliffe，G.：TPTP问题库和相关基础设施：FOF和CNF部分，v3.5.0。J.汽车。原因。43（4），337-362（2009）·Zbl 1185.68636号 ·doi:10.1007/s10817-009-9143-8
[44] Ting，K.M.：诱导成本敏感树木的实例加权方法。IEEE传输。知识。数据工程14（3），659-665（2002）·doi:10.1109/TKDE.2002.1000348
[45] Urban，J.：MaLARea：大型理论中自动推理的元系统。收录于：Urban，J.、Sutcliffe，G.、Schulz，S.（编辑）《CADE-21大型理论中经验成功自动推理研讨会论文集》，CEUR研讨会论文集第257期，第45-58页（2007）
[46] Williams，C.KI.，Barber，D.：高斯过程的贝叶斯分类。IEEE传输模式。分析。机器。智力。20(12), 1342-1351 (1998) ·doi:10.1109/34.735807
[47] Xu，L.，Hutter，F.，Hoos，H.，Leyton-Brown，K.：SATzilla:SAT.J.Artif基于投资组合的算法选择。智力。第32、565-606号决议（2008年）·Zbl 1182.68272号
[48] Xu，L.，Hutter，F.，Hoos，H.，Leyton-Brown，K.：SAT专题（2012）。网址：www.cs.ubc.ca/labs/beta/Projects/SATzilla/·Zbl 1182.68272号
[49] Xu，L.，Hutter，F.，Shen，J.，Hoos，H.，Leyton-Brown，K.：Satzilla2012：基于成本敏感分类模型的改进算法选择。收录于：Balint，A.，Belov，A.，Diepold，D.，Gerber，S.，Järvisalo，M.，Sinz，C.（eds.）《2012年SAT Challange会议录：解算器和基准描述》，计算机科学系出版丛书B，第B-2012-2卷，第57-58页。赫尔辛基大学（2012）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。