PulseAugur
中
实时 07:59:40
English(EN) Neuro-Symbolic ODE Discovery with Latent Grammar Flow

新的神经符号框架从数据中发现常微分方程

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了潜在语法流（Latent Grammar Flow, LGF），一个新颖的神经符号框架，旨在直接从数据中发现常微分方程（ODEs）。LGF在离散的潜在空间中表示方程，并使用行为损失确保语义相似的方程紧密分组。然后，一个离散流模型促进生成最匹配观测数据的候选方程，并可以选择性地纳入领域知识和稳定性等约束。 AI

影响 引入了一种新颖的神经符号方法用于科学发现，有可能加速依赖常微分方程的领域的研究。

排序理由 这是一篇详细介绍发现常微分方程新方法的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的神经符号框架从数据中发现常微分方程

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Karin Yu, Eleni Chatzi, Georgios Kissas ·

    具有潜在语法流的神经符号常微分方程发现

    arXiv:2604.16232v2 Announce Type: replace-cross Abstract: Understanding natural and engineered systems often relies on symbolic formulations, such as differential equations, which provide interpretability and transferability beyond black-box models. We introduce Latent Grammar Fl…

相关实体

相关话题