HyperAIHyperAI
منذ 2 أشهر

HOList: بيئة لتعلم الآلة لإثبات النظريات من الرتبة العليا

Kshitij Bansal; Sarah M. Loos; Markus N. Rabe; Christian Szegedy; Stewart Wilcox
HOList: بيئة لتعلم الآلة لإثبات النظريات من الرتبة العليا
الملخص

نقدم بيئة وقياسًا ومثبتًا آليًا للنظريات مدفوعًا بالتعلم العميق لمنطق الدرجة العليا. تمكن مثبتات النظريات التفاعلية من الدرجة العليا من صياغة نظريات رياضية عشوائية، مما يجعلها تمثل تحديًا مثيرًا ومفتوحًا للتعلم العميق. نوفر إطارًا مفتوح المصدر يستند إلى مثبت النظريات HOL Light يمكن استخدامه كبيئة تعزيزية للتعلم. يشمل HOL Light تغطية شاملة للمبرهنات الرياضية الأساسية في التفاضل والتكامل والبرهان الرسمي لفرضية كبلر، ومنها نشتق قياسًا صعبًا لل揄نطوق الآلي. كما نقدم مثبت نظريات آلي مدفوع بالتعلم العميق التعزيزي، DeepHOL، مع نتائج أولية قوية على هذا القياس.

HOList: بيئة لتعلم الآلة لإثبات النظريات من الرتبة العليا | أحدث الأوراق البحثية | HyperAI