Constrained Neural Networks for Interpretable Heuristic Creation to Optimise Computer Algebra Systems

要約

記号計算研究において機械学習技術を利用するための新しい方法論を紹介します。
円筒代数分解における変数の順序付けを選択するために人間が設計したよく知られたヒューリスティックが、制約付きニューラル ネットワークとしてどのように表現されるかを説明します。
これにより、機械学習手法を使用してヒューリスティックをさらに最適化し、人間が設計した元のヒューリスティックと同様の複雑さの新しいヒューリスティックを表す、同様のサイズの新しいネットワークを作成できるようになります。
私たちはこれを、コンピューター代数開発で使用するための事前の説明可能性の形式として提示します。

要約(オリジナル)

We present a new methodology for utilising machine learning technology in symbolic computation research. We explain how a well known human-designed heuristic to make the choice of variable ordering in cylindrical algebraic decomposition may be represented as a constrained neural network. This allows us to then use machine learning methods to further optimise the heuristic, leading to new networks of similar size, representing new heuristics of similar complexity as the original human-designed one. We present this as a form of ante-hoc explainability for use in computer algebra development.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google