FePySR: Estrazione Neurale di Caratteristiche per la Regressione Simbolica
FePySR è un framework a due stadi per la regressione simbolica che utilizza prima una rete neurale eterogenea per estrarre caratteristiche valide dai dati osservativi, quindi esegue l'ottimizzazione strutturale con PySR. Affronta il problema NP-hard di recuperare espressioni matematiche complesse scomponendole in moduli di caratteristiche non lineari riutilizzabili. Su cinque benchmark standard, FePySR raggiunge tassi di recupero di equazioni superiori ai metodi all'avanguardia. Su 75 equazioni sintetizzate altamente complesse, recupera 36 equazioni con un errore quadratico medio sostanzialmente inferiore.
Fatti principali
- FePySR è un framework a due stadi per la regressione simbolica.
- Utilizza una rete neurale eterogenea per l'estrazione di caratteristiche.
- L'ottimizzazione strutturale viene eseguita utilizzando PySR.
- Riduce lo spazio di ricerca della regressione simbolica estraendo caratteristiche valide prima della ricerca di equazioni.
- Supera i metodi all'avanguardia su cinque benchmark standard.
- Recupera 36 su 75 equazioni sintetizzate altamente complesse.
- Produce un errore quadratico medio sostanzialmente inferiore.
- Affronta il problema NP-hard di recuperare espressioni matematiche complesse.
Entità
—