Skip to main content

2020 | OriginalPaper | Buchkapitel

Employing Machine Learning Models to Solve Uniform Random 3-SAT

verfasst von : Aditya Atkari, Nishant Dhargalkar, Hemali Angne

Erschienen in: Data Communication and Networks

Verlag: Springer Singapore

Aktivieren Sie unsere intelligente Suche um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We have employed a chosen set of machine learning models to solve the 3-CNF-SAT problem. Through f1-scores, we obtain how these algorithms perform at solving the problem as a classification task. The implication of this endeavour is exciting given the property of the NP-complete class problems being polynomial-time reducible to each other.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Literatur
2.
Zurück zum Zitat D. Selsam, M. Lamm, B. Bunz, P. Liang, D.L. Dill, Learning a SAT Solver from Single-Bit Supervision Submitted on 11 Feb 2018, last revised 5 Jan 2019. Department of Computer Science Stanford University Stanford, CA 94305 and Microsoft Research Redmond, WA 98052. https://arxiv.org/pdf/1802.03685.pdf D. Selsam, M. Lamm, B. Bunz, P. Liang, D.L. Dill, Learning a SAT Solver from Single-Bit Supervision Submitted on 11 Feb 2018, last revised 5 Jan 2019. Department of Computer Science Stanford University Stanford, CA 94305 and Microsoft Research Redmond, WA 98052. https://​arxiv.​org/​pdf/​1802.​03685.​pdf
Metadaten
Titel
Employing Machine Learning Models to Solve Uniform Random 3-SAT
verfasst von
Aditya Atkari
Nishant Dhargalkar
Hemali Angne
Copyright-Jahr
2020
Verlag
Springer Singapore
DOI
https://doi.org/10.1007/978-981-15-0132-6_17

Neuer Inhalt