Buchumschlag

A Comparison of Recent Algorithms for Symbolic Regression to Genetic Programming

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Radwan, Yousef A., Kronberger, Gabriel, Winkler, Stephan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Improving Genetic Programming for Symbolic Regression with Equality Graphs
von: de Franca, Fabricio Olivetti, et al.
Veröffentlicht: (2025)

Equality Graph Assisted Symbolic Regression
von: de Franca, Fabricio Olivetti, et al.
Veröffentlicht: (2025)

PruneSymNet: A Symbolic Neural Network and Pruning Algorithm for Symbolic Regression
von: Wu, Min, et al.
Veröffentlicht: (2024)

A Shared Valence Axis Across Modern LLMs and Human EEG: The Saturation Regularity
von: Radwan, Yousef A., et al.
Veröffentlicht: (2026)

Guiding Multi-Objective Genetic Programming with Description Length Improves Symbolic Regression Solutions
von: Kronberger, Gabriel, et al.
Veröffentlicht: (2026)

rEGGression: an Interactive and Agnostic Tool for the Exploration of Symbolic Regression Models
von: de Franca, Fabricio Olivetti, et al.
Veröffentlicht: (2025)

Identification of Empirical Constitutive Models for Age-Hardenable Aluminium Alloy and High-Chromium Martensitic Steel Using Symbolic Regression
von: Kabliman, Evgeniya, et al.
Veröffentlicht: (2025)

Teaching the Teacher: The Role of Teacher-Student Smoothness Alignment in Genetic Programming-based Symbolic Distillation
von: Dhar, Soumyadeep, et al.
Veröffentlicht: (2025)

Operator Feature Neural Network for Symbolic Regression
von: Deng, Yusong, et al.
Veröffentlicht: (2024)

Analyzing Generalization in Pre-Trained Symbolic Regression
von: Voigt, Henrik, et al.
Veröffentlicht: (2025)

PrimeKG-CL: A Continual Graph Learning Benchmark on Evolving Biomedical Knowledge Graphs
von: Radwan, Yousef A., et al.
Veröffentlicht: (2026)

Vertical Symbolic Regression via Deep Policy Gradient
von: Jiang, Nan, et al.
Veröffentlicht: (2024)

ISR: Invertible Symbolic Regression
von: Tohme, Tony, et al.
Veröffentlicht: (2024)

In-Context Symbolic Regression for Robustness-Improved Kolmogorov-Arnold Networks
von: Sovrano, Francesco, et al.
Veröffentlicht: (2026)

Data-Efficient Symbolic Regression via Foundation Model Distillation
von: Ying, Wangyang, et al.
Veröffentlicht: (2025)

Sparse Interpretable Deep Learning with LIES Networks for Symbolic Regression
von: Montazerin, Mansooreh, et al.
Veröffentlicht: (2025)

Multi-task GINN-LP for Multi-target Symbolic Regression
von: Rajabu, Hussein, et al.
Veröffentlicht: (2025)

CMKL: Modality-Aware Continual Learning for Evolving Biomedical Knowledge Graphs
von: Radwan, Yousef A., et al.
Veröffentlicht: (2026)

A Comparative Study of Model Selection Criteria for Symbolic Regression
von: Soltani, Ali, et al.
Veröffentlicht: (2026)

Predicting Performance of Symbolic and Prompt Programs with Examples
von: Zheng, Chengqi, et al.
Veröffentlicht: (2026)

Prior-Guided Symbolic Regression: Towards Scientific Consistency in Equation Discovery
von: Xiao, Jing, et al.
Veröffentlicht: (2026)

Interactive Symbolic Regression through Offline Reinforcement Learning: A Co-Design Framework
von: Tian, Yuan, et al.
Veröffentlicht: (2024)

EGG-SR: Embedding Symbolic Equivalence into Symbolic Regression via Equality Graph
von: Jiang, Nan, et al.
Veröffentlicht: (2025)

DN-CL: Deep Symbolic Regression against Noise via Contrastive Learning
von: Liu, Jingyi, et al.
Veröffentlicht: (2024)

Generative Pre-Trained Transformer for Symbolic Regression Base In-Context Reinforcement Learning
von: Li, Yanjie, et al.
Veröffentlicht: (2024)

Complexity-Aware Deep Symbolic Regression with Robust Risk-Seeking Policy Gradients
von: Bastiani, Zachary, et al.
Veröffentlicht: (2024)

ParFam -- (Neural Guided) Symbolic Regression Based on Continuous Global Optimization
von: Scholl, Philipp, et al.
Veröffentlicht: (2023)

Explaining the Explainer: Understanding the Inner Workings of Transformer-based Symbolic Regression Models
von: van Breda, Arco, et al.
Veröffentlicht: (2026)

Interpretability in Symbolic Regression: a benchmark of Explanatory Methods using the Feynman data set
von: Aldeia, Guilherme Seidyo Imai, et al.
Veröffentlicht: (2024)

ViSymRe: Vision Multimodal Symbolic Regression
von: Li, Da, et al.
Veröffentlicht: (2024)

Breaking the Simplification Bottleneck in Amortized Neural Symbolic Regression
von: Saegert, Paul, et al.
Veröffentlicht: (2026)

Theoretical and Practical Analysis of Fréchet Regression via Comparison Geometry
von: Kimura, Masanari, et al.
Veröffentlicht: (2025)

Beyond Error-Based Optimization: Experience-Driven Symbolic Regression with Goal-Conditioned Reinforcement Learning
von: Sun, Jianwen, et al.
Veröffentlicht: (2026)

DiscoverDCP: A Data-Driven Approach for Construction of Disciplined Convex Programs via Symbolic Regression
von: Myhre, Sveinung
Veröffentlicht: (2025)

Prism: Symbolic Superoptimization of Tensor Programs
von: Wu, Mengdi, et al.
Veröffentlicht: (2026)

Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback
von: Saveliev, Evgeny S., et al.
Veröffentlicht: (2026)

When Good Equations Get Bad Scores: Improving Symbolic Regression Through Better Parameter Optimization
von: Wang, Boxiao, et al.
Veröffentlicht: (2026)

Interpretable Scientific Discovery with Symbolic Regression: A Review
von: Makke, Nour, et al.
Veröffentlicht: (2022)

MMSR: Symbolic Regression is a Multi-Modal Information Fusion Task
von: Li, Yanjie, et al.
Veröffentlicht: (2024)

A Survey of Imitation Learning: Algorithms, Recent Developments, and Challenges
von: Zare, Maryam, et al.
Veröffentlicht: (2023)