Buchumschlag

Formalized Hopfield Networks and Boltzmann Machines

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cipollina, Matteo, Karatarakis, Michail, Wiedijk, Freek
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Logic in Computer Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A formalization of the Gelfond-Schneider theorem
von: Karatarakis, Michail, et al.
Veröffentlicht: (2026)

Pseudo-Formalization for Automatic Proof Verification
von: Barkallah, Slim, et al.
Veröffentlicht: (2026)

On Improving Deep Active Learning with Formal Verification
von: Spiegelman, Jonathan, et al.
Veröffentlicht: (2025)

Formal Mechanistic Interpretability: Automated Circuit Discovery with Provable Guarantees
von: Hadad, Itamar, et al.
Veröffentlicht: (2026)

Advocate for Complete Benchmarks for Formal Reasoning with Formal/Informal Statements and Formal/Informal Proofs
von: Yousefzadeh, Roozbeh, et al.
Veröffentlicht: (2025)

Marabou 2.0: A Versatile Formal Analyzer of Neural Networks
von: Wu, Haoze, et al.
Veröffentlicht: (2024)

Output-decomposed Learning of Mealy Machines
von: Koenders, Rick, et al.
Veröffentlicht: (2024)

Formal Explanations for Neuro-Symbolic AI
von: Paul, Sushmita, et al.
Veröffentlicht: (2024)

Quantitative Linear Logic for Neuro-Symbolic Learning and Verification
von: Flinkow, Thomas, et al.
Veröffentlicht: (2026)

A General Framework for Property-Driven Machine Learning
von: Flinkow, Thomas, et al.
Veröffentlicht: (2025)

What are the Right Symmetries for Formal Theorem Proving?
von: Olejniczak, Krzysztof, et al.
Veröffentlicht: (2026)

Creating a Formally Verified Neural Network for Autonomous Navigation: An Experience Report
von: Bukhari, Syed Ali Asadullah, et al.
Veröffentlicht: (2024)

Skill Machines: Temporal Logic Skill Composition in Reinforcement Learning
von: Tasse, Geraud Nangue, et al.
Veröffentlicht: (2022)

Generalizing Logic-based Explanations for Machine Learning Classifiers via Optimization
von: Filho, Francisco Mateus Rocha, et al.
Veröffentlicht: (2026)

Solving Formal Math Problems by Decomposition and Iterative Reflection
von: Zhou, Yichi, et al.
Veröffentlicht: (2025)

Formal Mathematical Reasoning: A New Frontier in AI
von: Yang, Kaiyu, et al.
Veröffentlicht: (2024)

LeanAgent: Lifelong Learning for Formal Theorem Proving
von: Kumarappan, Adarsh, et al.
Veröffentlicht: (2024)

MathlibLemma: Folklore Lemma Generation and Benchmark for Formal Mathematics
von: Liu, Xinyu, et al.
Veröffentlicht: (2026)

Logical GANs: Adversarial Learning through Ehrenfeucht Fraisse Games
von: Mannucci, Mirco A.
Veröffentlicht: (2025)

From learnable objects to learnable random objects
von: Anderson, Aaron, et al.
Veröffentlicht: (2025)

Programs as Singularities
von: Murfet, Daniel, et al.
Veröffentlicht: (2025)

How (and when) can you fit examples to logic-based hypothesis classes over infinite structures?
von: Benedikt, Michael, et al.
Veröffentlicht: (2026)

Proof Minimization in Neural Network Verification
von: Isac, Omri, et al.
Veröffentlicht: (2025)

Space Explanations of Neural Network Classification
von: Labbaf, Faezeh, et al.
Veröffentlicht: (2025)

Scalable Interconnect Learning in Boolean Networks
von: Kresse, Fabian, et al.
Veröffentlicht: (2025)

The Logical Expressiveness of Topological Neural Networks
von: Akbari, Amirreza, et al.
Veröffentlicht: (2026)

Combining LLM Code Generation with Formal Specifications and Reactive Program Synthesis
von: Murphy, William, et al.
Veröffentlicht: (2024)

Developing a Dataset-Adaptive, Normalized Metric for Machine Learning Model Assessment: Integrating Size, Complexity, and Class Imbalance
von: Ossenov, Serzhan
Veröffentlicht: (2024)

Lecture Notes on Verifying Graph Neural Networks
von: Schwarzentruber, François
Veröffentlicht: (2025)

Logic Gate Neural Networks are Good for Verification
von: Kresse, Fabian, et al.
Veröffentlicht: (2025)

MathlibPR: Pull Request Merge-Readiness Benchmark for Formal Mathematical Libraries
von: Xie, Zixuan, et al.
Veröffentlicht: (2026)

Fossil 2.0: Formal Certificate Synthesis for the Verification and Control of Dynamical Models
von: Edwards, Alec, et al.
Veröffentlicht: (2023)

The Polynomial Counting Capabilities of Message Passing Neural Networks
von: Sälzer, Marco, et al.
Veröffentlicht: (2026)

TLINet: Differentiable Neural Network Temporal Logic Inference
von: Li, Danyang, et al.
Veröffentlicht: (2024)

Branch and Bound for Piecewise Linear Neural Network Verification
von: Bunel, Rudy, et al.
Veröffentlicht: (2019)

Almost Surely Asymptotically Constant Graph Neural Networks
von: Adam-Day, Sam, et al.
Veröffentlicht: (2024)

PICID: Proof-Driven Clause Learning in Neural Network Verification
von: Isac, Omri, et al.
Veröffentlicht: (2025)

Just-In-Time Piecewise-Linear Semantics for ReLU-type Networks
von: Duan, Hongyi, et al.
Veröffentlicht: (2025)

Explain Yourself, Briefly! Self-Explaining Neural Networks with Concise Sufficient Reasons
von: Bassan, Shahaf, et al.
Veröffentlicht: (2025)

Nazrin: Atomic Tactics for Graph Neural Networks for Theorem Proving in Lean 4
von: Aniva, Leni, et al.
Veröffentlicht: (2026)