实体
Neural Symbolic Regression
Neural Symbolic Regression
PulseAugur coverage of Neural Symbolic Regression — every cluster mentioning Neural Symbolic Regression across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新方法通过动态网络和形式化数据集推进符号回归
研究人员推出了一种新颖的符号回归方法 MorphingNet，在这种方法中，网络本身学习方程的函数形式。与依赖固定算子库的传统方法不同，MorphingNet 持续调整其单元的功能，将符号回归视为一个单一的优化问题。该方法在 SRBench 等基准测试中展现了最先进的准确性，并且比现有的搜索技术快得多。此外，还开发了一个新的单变量规范骨架形式化数据集，以解决神经符号回归现有数据集中存在的结构冗余和覆盖不全问题。
-
新的神经符号回归框架结合了深度学习与稀疏建模
研究人员开发了一个新的神经符号回归（NSR）框架，该框架结合了神经网络和稀疏建模技术，以从数据中发现简洁的数学表达式。该方法首先使用神经网络在非线性特征空间中学习鲁棒的函数逼近，然后使用LASSO提取稀疏、可解释的方程。在Nguyen基准套件上的实验表明，NSR在均方根误差、噪声鲁棒性和泛化能力方面优于遗传编程和SINDy等传统方法。