In this paper we explore how machine learning techniques can be applied to
the discovery of efficient mathematical identities. We introduce an attribute
grammar framework for representing symbolic expressions. Gi
运用机器学习从数学上的结构化数据中了解有限群，并得出关于有限单群生成元必要属性的定理，通过使用浅层前馈神经网络对所有 n 个对象的对称群的二元子群进行分类，验证这种神经网络分类器可以根据特征以不同的准确率识别简单性属性，新的玩具定理关于有限单群生成元的必要属性进行评论，对一类稀有群成立的结果进行了明确展示，表明了纯数学中代数结构机器学习的研究可行性，并凸显出借助于机器学习在数学中生成新的猜想和定理的可能性。