Nano Hash - криптовалюты, майнинг, программирование

Индукция правил в Isar

Я хочу провести индукцию правил в Изабель / Изар. Я нахожу это

proof (rule_tac P="λn. f n ≥ n ∧ f n ≥ 1" in f.induct)

or

proof (rule f.induct[of "λn. f n ≥ n ∧ f n ≥ 1"])

делаю именно то, что хочу. Но как я могу написать эту строчку, используя «новый стиль» Isar? Как видите, я просто пытаюсь сказать Изабель, как создать экземпляр переменной P в правиле индукции для моей функции f.

04.11.2019

Ответы:


1

Я бы сказал, что вы уже используете стиль Isar, поскольку apply отсутствует.

Вы также можете использовать синтаксис f.induct[where P="λn. f n ≥ n ∧ f n ≥ 1"].

Кроме того, часто нет необходимости создавать экземпляр P вручную, так как объединение даст вам P. Возможно, вам придется переформулировать свою цель, чтобы достичь этого. В стиле Isar унификация также происходит после proof, когда вы запускаете show, так что это еще один вариант, чтобы избежать его явного указания.

05.11.2019
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..