Математическая аннотация и решение задач плоской геометрии на основе модели Трансформер-LSTM-BERT
З. Янг
Teacher Education School, Nanchong Vocational and Technical College, Nangchong, China yangzaimin2003@163.com
Ключевые слова: трансформер, задачи плоской геометрии, искусственный интеллект, сеть долгой краткосрочной памяти, двунаправленный кодировщик
Страницы: 329-341
Аннотация
Английская версия этой статьи печатается в журнале “Numerical Analysis and Applications” № 3, Vol. 19, 2026 С быстрым развитием технологии искусственного интеллекта автоматическое решение задач плоской геометрии стало популярной областью исследований. Для улучшения эффекта автоматического решения математических задач плоской геометрии построена эффективная детерминистическая модель прогноза путем объединения мощной способности трансформера выделять признаки, обрабатывать временные ряды сети долгой краткосрочной памяти и генерировать на основе двунаправленных кодирующих представлений трансформера. Результаты эксперимента по абляции показывают, что предлагаемая модель дает наилучшие результаты точности и оценки, равные 92.5% и 0.91% соответственно. Время вывода составляет 0.45 секунды, что значительно лучше, чем у других моделей. Кроме того, точность этой модели в извлечении текстовых связей, детектировании геометрических элементов и графической аннотации составляет 97.88%, 93.68% и 95.36% соответственно, что значительно лучше, чем у других сравнительных моделей. Результаты анализа эффектов применения показывают, что предлагаемая модель имеет низкое среднее количество шагов и наивысшую точность 96.21% по мере увеличения количества теорем. Модель, предлагаемая в данном исследовании, имеет более высокую надежность и устойчивость при решении задач с различным количеством шагов, давая новый подход к автоматическому решению задач плоской геометрии.
DOI: 10.15372/SJNM20260308 |