Я делаю проект по определению эквивалентности двух разных регулярных выражений машинному обучению.Но поскольку это проблема, связанная с PSPACE, и получение NFA и минимального DFA занимает много времени, поэтому решили использовать машинное обучение для решения этой проблемы.Мой вопрос: не могли бы вы дать мне несколько советов, какую архитектуру нейронной сети искать?
Я искал через некоторую нейронную сеть, такую как RNN, с LSTM (я не уверен, как соединить преобразование регулярных выражений с NFA с помощьюМеханизм LSTM), мысль об обучении подкреплению, чтобы пройти каждый путь, чтобы минимизировать диаграмму состояний NFA, но большая часть обучения подкрепления имеет дело с получением лучшего пути.Спасибо.