面向 2-量词布尔公式求解器的图神经推理
人工智能
2019-04-30 v1 机器学习
计算机科学中的逻辑
摘要
在本文中，我们研究针对特定 QBF（量词布尔公式）问题学习基于 GNN（图神经网络）的求解器与基于 GNN 的启发式方法的可行性。我们为 2QBF 公式设计并评估了若干 GNN 架构，并猜想 GNN 在学习 2QBF 求解器方面存在局限。随后我们展示了如何学习一个启发式 CEGAR 2QBF 求解器。我们进一步探索将基于 GNN 的启发式推广至更大的未见实例，并揭示了若干有趣的挑战。总之，本文提供了将 GNN 嵌入应用于特定 QBF 求解器的全面综述视角，旨在为将 ML 应用于更复杂的符号推理问题提供指导。
引用
@article{arxiv.1904.12084,
title = {Graph Neural Reasoning for 2-Quantified Boolean Formula Solvers},
author = {Zhanfu Yang and Fei Wang and Ziliang Chen and Guannan Wei and Tiark Rompf},
journal= {arXiv preprint arXiv:1904.12084},
year = {2019}
}
备注
5 Pages