DeepSymNet Deep Symbol Network-Datensatz

Dieser Datensatz ist ein symbolisches Netzwerk für symbolische Regression.

Dies ist ein neues symbolisches Netzwerk namens DeepSymNet, das von Forschern des Instituts für Halbleiter der Chinesischen Akademie der Wissenschaften zur Darstellung symbolischer Ausdrücke vorgeschlagen wurde. Sie demonstrierten auch das Gesamtframework von DeepSymNet.Die erste Schicht sind die Daten, die mittlere Schicht ist die verborgene Schicht und die letzte Schicht ist die Ausgabeschicht.

Die Knoten der verborgenen Schicht bestehen aus Operationssymbolen, einschließlich +, -, ×, ÷, sin, cos, exp, log, id usw., wobei der ID-Operator derselbe ist wie der ID-Operator in EQL.

Die Anzahl der ID-Operatoren in jeder verborgenen Schicht entspricht der Anzahl der Knoten in der vorherigen Schicht, während die anderen Operatoren in jeder verborgenen Schicht nur einmal vorkommen. Die Operator-ID entspricht eins zu eins dem Knoten der vorherigen Schicht, wodurch jede Schicht alle Informationen der vorherigen Schicht nutzen kann. Die anderen Operatoren sind gewöhnliche Operatoren und vollständig mit der vorherigen Schicht verbunden.

Die Verbindung zwischen dem ID-Operator und der vorherigen Schicht ist fest, und der normale Operator hat keine Verbindung zur vorherigen Schicht oder eine oder zwei Verbindungen, was bedeutet, dass in diesem Netzwerk ein Subnetzwerk einen symbolischen Ausdruck darstellt. Je mehr versteckte Ebenen ein Ausdruck einnimmt, desto höher ist die Komplexität des Ausdrucks. Daher kann die Anzahl der verborgenen Ebenen verwendet werden, um die Komplexität eines Ausdrucks grob zu messen.

Beachten Sie jedoch, dass die Eingabeebene über einen speziellen Knoten „const“ verfügt, der zur Darstellung konstanter Koeffizienten in symbolischen Ausdrücken verwendet wird. Nur mit „const“-Knoten verbundene Kanten haben Gewichte (konstante Koeffizienten), um zu verhindern, dass in symbolischen Ausdrücken genügend konstante Koeffizienten vorkommen.

insgesamt,DeepSymNet ist ein vollständiges Netzwerk, das jeden Ausdruck darstellen kann. Das Lösen von SR ist der Prozess der Suche nach Subnetzen in DeepSymNet.

AI4S-Fall: https://hyper.ai/news/29243