Loading...
机构名称:
¥ 1.0

符号回归之所以很难,是因为符号表达式的组合空间呈指数级增长。传统上,它依赖于人类的直觉,从而发现了一些最著名的科学公式。最近,在完全自动化该过程方面取得了巨大进展 [6-26],现在已有开源软件可以通过将神经网络与受物理学和信息论启发的技术相结合来发现相当复杂的物理方程 [25]。尽管 [25] 使用未知函数的神经网络近似来发现简化函数属性,取得了最先进的性能,但它是以一种非原则性和临时性的方式实现的,我们用一种通用的、有原则的、更有效的方法取而代之,该方法包含四个主要贡献:

AI Feynman 2.0:利用图形模块化的帕累托最优符号回归

AI Feynman 2.0:利用图形模块化的帕累托最优符号回归PDF文件第1页

AI Feynman 2.0:利用图形模块化的帕累托最优符号回归PDF文件第2页

AI Feynman 2.0:利用图形模块化的帕累托最优符号回归PDF文件第3页

AI Feynman 2.0:利用图形模块化的帕累托最优符号回归PDF文件第4页

AI Feynman 2.0:利用图形模块化的帕累托最优符号回归PDF文件第5页

相关文件推荐

2022 年
¥1.0
2025 年
¥1.0
2022 年
¥4.0
1900 年
¥4.0
2024 年
¥4.0
2024 年
¥1.0
2023 年
¥1.0
2023 年
¥1.0