图神经网络与布尔可满足性
人工智能
2017-02-14 v1
摘要
在本文中，我们探究深度神经架构是否能够学习对布尔可满足性（SAT）进行分类。我们花费大量时间讨论SAT的理论性质。随后，我们为合取范式下的布尔公式定义一种图表示，并在称为图神经网络（GNNs）的通用图结构上训练神经分类器，以识别可满足性的特征。据我们所知，此前从未尝试过此方法。我们的初步发现可能意义深远。在弱监督设置下，即无需针对问题的特征工程，图神经网络能够学习可满足性的特征。
引用
@article{arxiv.1702.03592,
title = {Graph Neural Networks and Boolean Satisfiability},
author = {Benedikt Bünz and Matthew Lamm},
journal= {arXiv preprint arXiv:1702.03592},
year = {2017}
}