中科院半导体所论文再登 TNNLS 顶刊,贡献探索数学表达式的新视角

中科院半导体所论文再登 TNNLS 顶刊,贡献探索数学表达式的新视角

AIGC动态欢迎阅读

原标题:中科院半导体所论文再登 TNNLS 顶刊,贡献探索数学表达式的新视角
关键字:表达式,符号,算法,标签,样本
文章来源:HyperAI超神经
内容字数:8328字

内容摘要:


作者:哇塞
编辑:李宝珠,三羊
中国科学院半导体研究所的研究人员将表达式结构的求解视为分类问题,并通过监督学习进行解决,提出一种名为 DeepSymNet 的符号网络来表示符号表达式。求解数学表达式是机器学习领域中一个非常重要的研究课题,而符号回归 (Symbolic regression,SR) 则是一种从数据中寻找精确数学表达式的方法。
符号回归用于揭示给定观测数据的潜在数学表达式,具有天然的解释和概括能力,能够解释变量之间的因果机制或预测复杂系统的发展趋势,在物理学、天文学等不同领域也有着广泛应用。
一个著名的应用案例是 Kepler 发现行星的轨道,科学家们通过符号回归算法,发现了一些新的天体运动规律,从而推导出它们的运行轨道。这对于人类探索宇宙的星辰大海有着重要贡献。
不过,符号回归研究也有其自身的难点。符号回归侧重于在给定自变量 X 和因变量 Y 的情况下,获得这些元素的最佳组合,并求解最合适的系数。但是,获得最佳组合是一个 NP-hard 问题 (non-deterministic polynomial),组合空间会随着符号表达式的长度呈指数增长。此外,系数的非线性求解过


原文链接:中科院半导体所论文再登 TNNLS 顶刊,贡献探索数学表达式的新视角

联系作者

文章来源:HyperAI超神经
作者微信:HyperAI
作者简介:解构技术先进性与普适性,解读更前沿的 AIForScience 案例

阅读原文
© 版权声明

相关文章

暂无评论

暂无评论...