Buchumschlag

LMFD: Latent Monotonic Feature Discovery

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Toussaint, Guus, Knobbe, Arno
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

EDC: Equation Discovery for Classification
von: Toussaint, Guus, et al.
Veröffentlicht: (2025)

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

Neuro-Symbolic ODE Discovery with Latent Grammar Flow
von: Yu, Karin, et al.
Veröffentlicht: (2026)

Multi-Operational Mathematical Derivations in Latent Space
von: Valentino, Marco, et al.
Veröffentlicht: (2023)

Evolutionary Causal Discovery with Relative Impact Stratification for Interpretable Data Analysis
von: Deng, Ou, et al.
Veröffentlicht: (2024)

Computational Algebra with Attention: Transformer Oracles for Border Basis Algorithms
von: Kera, Hiroshi, et al.
Veröffentlicht: (2025)

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)

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

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

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

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)

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

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

The Liouville Generator for Producing Integrable Expressions
von: Barket, Rashid, 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)

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

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)

Grammar-based Ordinary Differential Equation Discovery
von: Yu, Karin L., et al.
Veröffentlicht: (2025)

Enes Causal Discovery
von: Kafantaris, Alexis
Veröffentlicht: (2026)

Analytical Lyapunov Function Discovery: An RL-based Generative Approach
von: Zou, Haohan, et al.
Veröffentlicht: (2025)

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

STLCG++: A Masking Approach for Differentiable Signal Temporal Logic Specification
von: Kapoor, Parv, et al.
Veröffentlicht: (2025)

Predictive Modeling of Flexible EHD Pumps using Kolmogorov-Arnold Networks
von: Peng, Yanhong, et al.
Veröffentlicht: (2024)

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

Learning from Uncertain Data: From Possible Worlds to Possible Models
von: Zhu, Jiongli, et al.
Veröffentlicht: (2024)

E-Gen: Leveraging E-Graphs to Improve Continuous Representations of Symbolic Expressions
von: Zheng, Hongbo, et al.
Veröffentlicht: (2025)

Library Learning Doesn't: The Curious Case of the Single-Use "Library"
von: Berlot-Attwell, Ian, et al.
Veröffentlicht: (2024)

VaSST: Variational Inference for Symbolic Regression using Soft Symbolic Trees
von: Roy, Somjit, et al.
Veröffentlicht: (2026)

Amortized Equation Discovery in Hybrid Dynamical Systems
von: Liu, Yongtuo, et al.
Veröffentlicht: (2024)

LLM4ED: Large Language Models for Automatic Equation Discovery
von: Du, Mengge, et al.
Veröffentlicht: (2024)