研究人员开发了一种新颖的神经进化符号回归方法,旨在处理耦合的多输出系统。该方法侧重于发现共享符号骨干,即一组可重用的潜在符号单元,然后通过稀疏读出将其适配到各个输出。该方法旨在强制执行和诊断跨输出一致性,特别是在物理参数共享且数据可识别性较弱时,提供一种结构化机制提取器,而非通用预测器。 AI
影响 该方法为提取复杂系统中的共享机制提供了一种专业化方法,有望提高科学建模的可解释性。
排序理由 该集群包含一篇详细介绍符号回归新方法的学术论文。
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- DagsHub
- Gotit.pub
- Hugging Face
- pysrt
- ScienceCast
- Shared Symbolic Backbones for Physically Consistent Multi-Output Symbolic Regression
- Van de Vusse
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →