Buchumschlag

Equation discovery framework EPDE: Towards a better equation discovery

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Maslyaev, Mikhail, Hvatov, Alexander
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Neural and Evolutionary Computing Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AlphaEvolve: A coding agent for scientific and algorithmic discovery
von: Novikov, Alexander, et al.
Veröffentlicht: (2025)

Test-time regression: a unifying framework for designing sequence models with associative memory
von: Wang, Ke Alexander, et al.
Veröffentlicht: (2025)

An algorithmic framework for the optimization of deep neural networks architectures and hyperparameters
von: Keisler, Julie, et al.
Veröffentlicht: (2023)

Structural Equation-VAE: Disentangled Latent Representations for Tabular Data
von: Zhang, Ruiyu, et al.
Veröffentlicht: (2025)

Towards a theory of model distillation
von: Boix-Adsera, Enric
Veröffentlicht: (2024)

AD-NEv++ : The multi-architecture neuroevolution-based multivariate anomaly detection framework
von: Pietroń, Marcin, et al.
Veröffentlicht: (2024)

Attending to Graph Transformers
von: Müller, Luis, et al.
Veröffentlicht: (2023)

Bayes-CATSI: A variational Bayesian deep learning framework for medical time series data imputation
von: Kulkarni, Omkar, et al.
Veröffentlicht: (2024)

Enriching language models with graph-based context information to better understand textual data
von: Roethel, Albert, et al.
Veröffentlicht: (2023)

Towards White Box Deep Learning
von: Satkiewicz, Maciej
Veröffentlicht: (2024)

Towards Physical Plausibility in Neuroevolution Systems
von: Cortês, Gabriel, et al.
Veröffentlicht: (2024)

Spacer: Towards Engineered Scientific Inspiration
von: Lee, Minhyeong, et al.
Veröffentlicht: (2025)

Towards Foundation Models for Consensus Rank Aggregation
von: Jin, Yijun, et al.
Veröffentlicht: (2026)

Q-S5: Towards Quantized State Space Models
von: Abreu, Steven, et al.
Veröffentlicht: (2024)

Memory Networks: Towards Fully Biologically Plausible Learning
von: Ruiz, Jacobo, et al.
Veröffentlicht: (2024)

Beyond Attention: Toward Machines with Intrinsic Higher Mental States
von: Adeel, Ahsan
Veröffentlicht: (2025)

Toward Efficient Deep Spiking Neuron Networks:A Survey On Compression
von: Xie, Hui, et al.
Veröffentlicht: (2024)

Towards graph neural networks for provably solving convex optimization problems
von: Qian, Chendi, et al.
Veröffentlicht: (2025)

Towards evolution of Deep Neural Networks through contrastive Self-Supervised learning
von: Vinhas, Adriano, et al.
Veröffentlicht: (2024)

Recursive Dynamics in Fast-Weights Homeostatic Reentry Networks: Toward Reflective Intelligence
von: Chae, B. G.
Veröffentlicht: (2025)

Toward End-to-End Bearing Fault Diagnosis for Industrial Scenarios with Spiking Neural Networks
von: Zuo, Lin, et al.
Veröffentlicht: (2024)

Towards Universal Offline Black-Box Optimization via Learning Language Model Embeddings
von: Tan, Rong-Xi, et al.
Veröffentlicht: (2025)

ActPC-Geom: Towards Scalable Online Neural-Symbolic Learning via Accelerating Active Predictive Coding with Information Geometry & Diverse Cognitive Mechanisms
von: Goertzel, Ben
Veröffentlicht: (2025)

Position: Graph Learning Will Lose Relevance Due To Poor Benchmarks
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2025)

CodeEvolve: an open source evolutionary coding agent for algorithmic discovery and optimization
von: Assumpção, Henrique, et al.
Veröffentlicht: (2025)

STAR: Synthesis of Tailored Architectures
von: Thomas, Armin W., et al.
Veröffentlicht: (2024)

Flat Channels to Infinity in Neural Loss Landscapes
von: Martinelli, Flavio, et al.
Veröffentlicht: (2025)

GraphBench: Next-generation graph learning benchmarking
von: Stoll, Timo, et al.
Veröffentlicht: (2025)

Brain-inspired Computational Intelligence via Predictive Coding
von: Salvatori, Tommaso, et al.
Veröffentlicht: (2023)

Evolutionary Computation and Explainable AI: A Roadmap to Understandable Intelligent Systems
von: Zhou, Ryan, et al.
Veröffentlicht: (2024)

LLM-SR: Scientific Equation Discovery via Programming with Large Language Models
von: Shojaee, Parshin, et al.
Veröffentlicht: (2024)

Towards Human-Like Driving: Active Inference in Autonomous Vehicle Control
von: Delavari, Elahe, et al.
Veröffentlicht: (2024)

Mergenetic: a Simple Evolutionary Model Merging Library
von: Minut, Adrian Robert, et al.
Veröffentlicht: (2025)

Learning under noisy supervision is governed by a feedback-truth gap
von: Schonfeld, Elan, et al.
Veröffentlicht: (2026)

Optuna vs Code Llama: Are LLMs a New Paradigm for Hyperparameter Tuning?
von: Kochnev, Roman, et al.
Veröffentlicht: (2025)

Improved Forecasting Using a PSO-RDV Framework to Enhance Artificial Neural Network
von: Aribe Jr, Sales
Veröffentlicht: (2024)

Enhancing Cross Entropy with a Linearly Adaptive Loss Function for Optimized Classification Performance
von: Shim, Jae Wan
Veröffentlicht: (2025)

Geometric Monomial (GEM): a family of rational 2N-differentiable activation functions
von: Krause, Eylon E.
Veröffentlicht: (2026)

Long-only cryptocurrency portfolio management by ranking the assets: a neural network approach
von: Yang, Zijiang
Veröffentlicht: (2025)

CLASSP: a Biologically-Inspired Approach to Continual Learning through Adjustment Suppression and Sparsity Promotion
von: Ludwig, Oswaldo
Veröffentlicht: (2024)