英格兰,马修;多里安·弗洛雷斯库 比较机器学习模型以选择圆柱代数分解的变量顺序。 (英语) Zbl 1428.68399号 Kaliszyk,Cezary(编辑)等人,《智能计算机数学》。2019年7月8日至12日在捷克共和国布拉格举行的第十二届国际会议,CICM 2019。诉讼程序。查姆:斯普林格。莱克特。注释计算。科学。11617, 93-108 (2019). 摘要:最近人们对在数学软件中使用机器学习(ML)方法进行选择产生了兴趣,这些选择会影响计算性能,而不会影响结果的数学正确性。我们解决了柱面代数分解(CAD)的变量顺序选择问题,这是符号计算中的一个重要算法。之前将ML应用于该问题的工作实现了支持向量机(SVM),以在三种现有的人工启发式算法之间进行选择,这比任何单独的启发式算法都要好。在这里,我们通过训练ML模型来直接选择变量顺序,并通过尝试更广泛的ML技术来扩展这个结果。我们对Maple 2018的NLSAT数据集和Regular Chains Library CAD功能进行了试验。对于每一个问题,选择导致计算时间最短的变量排序作为ML的目标类。从多项式输入中生成特征并用于训练以下ML模型:k近邻(KNN)分类器、多层感知器(MLP)、决策树(DT)和SVM,在Python scikit-learn包中实现。我们还将其与针对该问题的两种领先的人工启发法进行了比较:Brown启发法和sotd。在这个数据集上,所有ML方法的性能都优于人工启发式方法,有些方法的性能相差很大。关于整个系列,请参见[Zbl 1428.68028号]. 引用于9文件 MSC公司: 68瓦30 符号计算和代数计算 68T05型 人工智能中的学习和自适应系统 关键词:计算机代数;符号计算;非线性实数算法;柱面代数分解;机器学习 软件:符号数据;枫树;Scikit公司;重新记录;QEPCAD公司;马什;萨特齐拉;正则链;梅蒂塔斯基;Python语言;S评估;马拉雷亚;提奥里古鲁 PDF格式BibTeX公司 XML格式引用 \textit{M.英格兰}和\textit{D.Florescu},莱克特。注释计算。科学。11617,93-108(2019;Zbl 1428.68399) 全文: 内政部 arXiv公司