Buchumschlag

Computational Algebra with Attention: Transformer Oracles for Border Basis Algorithms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kera, Hiroshi, Pelleriti, Nico, Ishihara, Yuki, Zimmer, Max, Pokutta, Sebastian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Symbolic Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CALT: A Library for Computer Algebra with Transformer
von: Kera, Hiroshi, et al.
Veröffentlicht: (2025)

Gradient-Weighted, Data-Driven Normalization for Approximate Border Bases -- Concept and Computation
von: Kera, Hiroshi, et al.
Veröffentlicht: (2025)

Geometric Generality of Transformer-Based Gröbner Basis Computation
von: Kambe, Yuta, et al.
Veröffentlicht: (2025)

Monomial-agnostic computation of vanishing ideals
von: Kera, Hiroshi, et al.
Veröffentlicht: (2021)

Approximating Latent Manifolds in Neural Networks via Vanishing Ideals
von: Pelleriti, Nico, et al.
Veröffentlicht: (2025)

Primary Decomposition of Symmetric Ideals
von: Ishihara, Yuki
Veröffentlicht: (2024)

Learning Fast Monomial Orders for Gröbner Basis Computations
von: Bunch, R. Caleb, et al.
Veröffentlicht: (2026)

Tree-Based Deep Learning for Ranking Symbolic Integration Algorithms
von: Barket, Rashid, et al.
Veröffentlicht: (2025)

Transformers to Predict the Applicability of Symbolic Integration Routines
von: Barket, Rashid, et al.
Veröffentlicht: (2024)

The Agentic Researcher: A Practical Guide to AI-Assisted Research in Mathematics and Machine Learning
von: Zimmer, Max, et al.
Veröffentlicht: (2026)

Computing Linear Regions in Neural Networks with Skip Connections
von: Joyce, Johnny, et al.
Veröffentlicht: (2025)

An Algorithm for Computing the Leading Monomials of a Minimal Groebner Basis of Generic Sequences
von: Sakata, Kosuke, et al.
Veröffentlicht: (2025)

Breaking the Data Barrier in Learning Symbolic Computation: A Case Study on Variable Ordering Suggestion for Cylindrical Algebraic Decomposition
von: Jing, Rui-Juan, et al.
Veröffentlicht: (2026)

Interpretable Concept Bottlenecks to Align Reinforcement Learning Agents
von: Delfosse, Quentin, et al.
Veröffentlicht: (2024)

f4ncgb: High Performance Gröbner Basis Computations in Free Algebras
von: Heisinger, Maximilian, et al.
Veröffentlicht: (2025)

Robust Clustering using Hyperdimensional Computing
von: Ge, Lulu, et al.
Veröffentlicht: (2023)

Comprehensive Systems for Primary Decompositions of Parametric Ideals
von: Ishihara, Yuki, et al.
Veröffentlicht: (2024)

Software Portability for Computer Algebra
von: Norman, Arthur C., et al.
Veröffentlicht: (2025)

Modular Algorithms For Computing Gröbner Bases in Free Algebras
von: Hofstadler, Clemens, et al.
Veröffentlicht: (2025)

A Basis-preserving Algorithm for Computing the Bezout Matrix of Newton Polynomials
von: Yang, Jing, et al.
Veröffentlicht: (2024)

A Fast Interpretable Fuzzy Tree Learner
von: Fumanal-Idocin, Javier, et al.
Veröffentlicht: (2025)

Ontolearn-A Framework for Large-scale OWL Class Expression Learning in Python
von: Demir, Caglar, et al.
Veröffentlicht: (2025)

Primality Testing via Circulant Matrix Eigenvalue Structure: A Novel Approach Using Cyclotomic Field Theory
von: Dinu, Marius-Constantin
Veröffentlicht: (2025)

Taylor-Model Physics-Informed Neural Networks (PINNs) for Ordinary Differential Equations
von: Nagesh, Chandra Kanth, et al.
Veröffentlicht: (2025)

Parsing the Language of Expression: Enhancing Symbolic Regression with Domain-Aware Symbolic Priors
von: Huang, Sikai, et al.
Veröffentlicht: (2025)

Opening the Black-Box: Symbolic Regression with Kolmogorov-Arnold Networks for Energy Applications
von: Panczyk, Nataly R., et al.
Veröffentlicht: (2025)

LMFD: Latent Monotonic Feature Discovery
von: Toussaint, Guus, et al.
Veröffentlicht: (2025)

Shape Constraints in Symbolic Regression using Penalized Least Squares
von: Martinek, Viktor, et al.
Veröffentlicht: (2024)

Post-Training Neural Network Pruning using Graph Curvature
von: Tan, Shuhang, et al.
Veröffentlicht: (2026)

The Liouville Generator for Producing Integrable Expressions
von: Barket, Rashid, et al.
Veröffentlicht: (2024)

Active Symbolic Discovery of Ordinary Differential Equations via Phase Portrait Sketching
von: Jiang, Nan, et al.
Veröffentlicht: (2024)

Deep Neural Network for Constraint Acquisition through Tailored Loss Function
von: Vyhmeister, Eduardo, et al.
Veröffentlicht: (2024)

GENSR: Symbolic Regression Based in Equation Generative Space
von: Li, Qian, et al.
Veröffentlicht: (2026)

Symbolic Equation Solving via Reinforcement Learning
von: Dabelow, Lennart, et al.
Veröffentlicht: (2024)

Expressive Symbolic Regression for Interpretable Models of Discrete-Time Dynamical Systems
von: Iyer, Adarsh, et al.
Veröffentlicht: (2024)

Unit-Aware Genetic Programming for the Development of Empirical Equations
von: Reuter, Julia, et al.
Veröffentlicht: (2024)

Neural Symbolic Regression of Complex Network Dynamics
von: Qiu, Haiquan, et al.
Veröffentlicht: (2024)

Interpreting Contrastive Embeddings in Specific Domains with Fuzzy Rules
von: Fumanal-Idocin, Javier, et al.
Veröffentlicht: (2026)

Symbolic Integration Algorithm Selection with Machine Learning: LSTMs vs Tree LSTMs
von: Barket, Rashid, et al.
Veröffentlicht: (2024)

AlphaIntegrator: Transformer Action Search for Symbolic Integration Proofs
von: Ünsal, Mert, et al.
Veröffentlicht: (2024)