中科院半導體所論文再登 TNNLS 頂刊，貢獻探索數學表達式的新視角

AIGC動態歡迎閱讀

原標題：中科院半導體所論文再登 TNNLS 頂刊，貢獻探索數學表達式的新視角
關鍵字：表達式,符號,算法,標簽,樣本
文章來源：HyperAI超神經
內容字數：8328字

內容摘要：

作者：哇塞
編輯：李寶珠，三羊
中國科學院半導體研究所的研究人員將表達式結構的求解視為分類問題，并通過監督學習進行解決，提出一種名為 DeepSymNet 的符號網絡來表示符號表達式。求解數學表達式是機器學習領域中一個非常重要的研究課題，而符號回歸 (Symbolic regression,SR) 則是一種從數據中尋找精確數學表達式的方法。
符號回歸用于揭示給定觀測數據的潛在數學表達式，具有天然的解釋和概括能力，能夠解釋變量之間的因果機制或預測復雜系統的發展趨勢，在物理學、天文學等不同領域也有著廣泛應用。
一個著名的應用案例是 Kepler 發現行星的軌道，科學家們通過符號回歸算法，發現了一些新的天體規律，從而推導出它們的運行軌道。這對于人類探索宇宙的星辰大海有著重要貢獻。
不過，符號回歸研究也有其自身的難點。符號回歸側重于在給定自變量 X 和因變量 Y 的情況下，獲得這些元素的最佳組合，并求解最合適的系數。但是，獲得最佳組合是一個 NP-hard 問題 (non-deterministic polynomial)，組合空間會隨著符號表達式的長度呈指數增長。此外，系數的非線性求解過

原文鏈接：中科院半導體所論文再登 TNNLS 頂刊，貢獻探索數學表達式的新視角

聯系作者

文章來源：HyperAI超神經
作者微信：HyperAI
作者簡介：解構技術先進性與普適性，解讀更前沿的 AIForScience 案例