cted extensive experiments on vario

cted extensive experiments on various types of SAT instances and found that these hierarchical hardness models achieve better runtime prediction accuracies than traditional empirical hardness models (=-=Xu et al., 2007-=-a). Specifically, we begin by predicting an instance’s satisfiability using a classification algorithm that depends on the same instance features used by the empirical hardness models. We chose Sparse

ผลลัพธ์ (ไทย) 1:

ปัจจัยการทดลองอย่างกว้างขวางในหลายประเภทของอินสแตนซ์เสาร์ และพบว่า รุ่นความแข็งลำดับชั้นเหล่านี้ประสบความสำเร็จดีกว่ารันไทม์ทำนายแม่นกว่ารุ่นดั้งเดิมเชิงประจักษ์ความแข็ง (=รหัส Xu et al. 2007 รหัส - ตัว) เฉพาะ เราเริ่มต้น โดยการคาดคะเน satisfiability อินสแตนซ์โดยใช้อัลกอริทึมการจำแนกประเภทที่ขึ้นอยู่กับคุณลักษณะอินสแตนซ์เดียวกันใช้กับรุ่นเชิงประจักษ์ความแข็ง เราเลือก Sparse

ผลลัพธ์ (ไทย) 2:

cted ทดลองอย่างกว้างขวางในประเภทต่างๆของอินสแตนซ์ SAT และพบว่ารุ่นนี้มีความแข็งลำดับชั้นบรรลุความถูกต้องดีกว่าการคาดการณ์ Runtime กว่ารุ่นดั้งเดิมแข็งเชิงประจักษ์ (- =. = Xu et al, 2007 - = - ก) โดยเฉพาะเราเริ่มต้นด้วยการทำนาย satisfiability ของอินสแตนซ์โดยใช้ขั้นตอนวิธีการจัดหมวดหมู่ที่ขึ้นอยู่กับคุณสมบัติเช่นเดียวกับที่ใช้ในรูปแบบที่มีความแข็งเชิงประจักษ์ เราเลือกที่เบาบาง

ผลลัพธ์ (ไทย) 3:

การทดลองที่กว้างขวางเกี่ยวกับประเภทต่างๆของ SAT อินสแตนซ์และพบว่าเหล่านี้รูปแบบลำดับชั้นความแข็งให้บรรลุ Runtime ทำนายความถูกต้องกว่ารุ่นดั้งเดิมความแข็งเชิงประจักษ์ ( = - = Xu et al . , 2007 - = - ) โดยเฉพาะ เราเริ่มต้นด้วยการทำนายของอินสแตนซ์ความสอดคล้องโดยใช้การจำแนกขั้นตอนวิธีขึ้นอยู่กับตัวอย่างคุณสมบัติเดียวกันที่ใช้โดยรุ่นความแข็งเชิงประจักษ์ เราเลือกป่าโปร่ง