Buchumschlag

Data-Informed Model Complexity Metric for Optimizing Symbolic Regression Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Haut, Nathan, Huang, Zenas, Alessio, Adam
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sharpness-Aware Minimization in Genetic Programming
von: Bakurov, Illya, et al.
Veröffentlicht: (2024)

GPU-Accelerated Genetic Programming for Symbolic Regression with Beagle Framework
von: Haut, Nathan, et al.
Veröffentlicht: (2026)

On the Generalization Bounds of Symbolic Regression with Genetic Programming
von: Nomura, Masahiro, et al.
Veröffentlicht: (2026)

Neuro-Evolutionary Approach to Physics-Aware Symbolic Regression
von: Kubalík, Jiří, et al.
Veröffentlicht: (2025)

Interpretable Non-linear Survival Analysis with Evolutionary Symbolic Regression
von: Rovito, Luigi, et al.
Veröffentlicht: (2025)

Inexact Simplification of Symbolic Regression Expressions with Locality-sensitive Hashing
von: Aldeia, Guilherme Seidyo Imai, et al.
Veröffentlicht: (2024)

Symbolic Regression with Multimodal Large Language Models and Kolmogorov Arnold Networks
von: Harvey, Thomas R., et al.
Veröffentlicht: (2025)

Transformer Semantic Genetic Programming for d-dimensional Symbolic Regression Problems
von: Anthes, Philipp, et al.
Veröffentlicht: (2025)

Symbol: Generating Flexible Black-Box Optimizers through Symbolic Equation Learning
von: Chen, Jiacheng, et al.
Veröffentlicht: (2024)

Pruner-Zero: Evolving Symbolic Pruning Metric from scratch for Large Language Models
von: Dong, Peijie, et al.
Veröffentlicht: (2024)

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

Deep Symbolic Optimization: Reinforcement Learning for Symbolic Mathematics
von: Hayes, Conor F., et al.
Veröffentlicht: (2025)

Symbolic Quantile Regression for the Interpretable Prediction of Conditional Quantiles
von: Hoekstra, Cas Oude, et al.
Veröffentlicht: (2025)

Enhancing Generalization in Evolutionary Feature Construction for Symbolic Regression through Vicinal Jensen Gap Minimization
von: Zhang, Hengzhe, et al.
Veröffentlicht: (2026)

Symbolic Regression of Dynamic Network Models
von: Gandhi, Govind
Veröffentlicht: (2023)

Learning Symbolic Model-Agnostic Loss Functions via Meta-Learning
von: Raymond, Christian, et al.
Veröffentlicht: (2022)

Generative Design through Quality-Diversity Data Synthesis and Language Models
von: Gaier, Adam, et al.
Veröffentlicht: (2024)

Active Learning in Symbolic Regression with Physical Constraints
von: Medina, Jorge, et al.
Veröffentlicht: (2023)

Norm-Q: Effective Compression Method for Hidden Markov Models in Neuro-Symbolic Applications
von: Gao, Hanyuan, et al.
Veröffentlicht: (2025)

Generalization Bounds and Model Complexity for Kolmogorov-Arnold Networks
von: Zhang, Xianyang, et al.
Veröffentlicht: (2024)

Current Challenges of Symbolic Regression: Optimization, Selection, Model Simplification, and Benchmarking
von: Aldeia, Guilherme Seidyo Imai
Veröffentlicht: (2025)

Modeling the Human Visual System: Comparative Insights from Response-Optimized and Task-Optimized Vision Models, Language Models, and different Readout Mechanisms
von: Saha, Shreya, et al.
Veröffentlicht: (2024)

Delay Embedding Theory of Neural Sequence Models
von: Ostrow, Mitchell, et al.
Veröffentlicht: (2024)

Neural-Symbolic Integration with Evolvable Policies
von: Thoma, Marios, et al.
Veröffentlicht: (2026)

Model Uncertainty in Evolutionary Optimization and Bayesian Optimization: A Comparative Analysis
von: Hao, Hao, et al.
Veröffentlicht: (2024)

Closed-Form Test Functions for Biophysical Sequence Optimization Algorithms
von: Stanton, Samuel, et al.
Veröffentlicht: (2024)

LLM-Meta-SR: In-Context Learning for Evolving Selection Operators in Symbolic Regression
von: Zhang, Hengzhe, et al.
Veröffentlicht: (2025)

Discovering Physics-Informed Neural Networks Model for Solving Partial Differential Equations through Evolutionary Computation
von: Zhang, Bo, et al.
Veröffentlicht: (2024)

Symbolic Regression with a Learned Concept Library
von: Grayeli, Arya, et al.
Veröffentlicht: (2024)

Posterior Distribution-assisted Evolutionary Dynamic Optimization as an Online Calibrator for Complex Social Simulations
von: Yang, Peng, et al.
Veröffentlicht: (2026)

Adaptive Activation Functions for Predictive Modeling with Sparse Experimental Data
von: Pourkamali-Anaraki, Farhad, et al.
Veröffentlicht: (2024)

Discount Model Search for Quality Diversity Optimization in High-Dimensional Measure Spaces
von: Tjanaka, Bryon, et al.
Veröffentlicht: (2026)

MLPs Learn In-Context on Regression and Classification Tasks
von: Tong, William L., et al.
Veröffentlicht: (2024)

Rethinking Symbolic Regression Datasets and Benchmarks for Scientific Discovery
von: Matsubara, Yoshitomo, et al.
Veröffentlicht: (2022)

Discovering Continuous-Time Memory-Based Symbolic Policies using Genetic Programming
von: de Vries, Sigur, et al.
Veröffentlicht: (2024)

Comparison of Reservoir Computing topologies using the Recurrent Kernel approach
von: D'Inverno, Giuseppe Alessio, et al.
Veröffentlicht: (2024)

Sharpness-Aware Minimization for Evolutionary Feature Construction in Regression
von: Zhang, Hengzhe, et al.
Veröffentlicht: (2024)

Kernel Logistic Regression Learning for High-Capacity Hopfield Networks
von: Tamamori, Akira
Veröffentlicht: (2025)

Meta-Black-Box Optimization with Ensemble Surrogate Modeling for Robustness-Accuracy Trade-off within SAEA
von: Jin, Xiao, et al.
Veröffentlicht: (2026)

Kernel Ridge Regression for Efficient Learning of High-Capacity Hopfield Networks
von: Tamamori, Akira
Veröffentlicht: (2025)