BriefGPT - AI 论文速递
·
用于科学发现的符号回归的 Transformer 模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究介绍了一种新的Transformer模型，用于符号回归，特别关注科学发现领域。研究提出了三种增加灵活性的编码器架构，最灵活的架构能够防止过拟合。经过训练后，应用最佳模型到符号回归科学发现数据集，获得了最新的结果，且不需要额外的计算成本。
🎯
关键要点
- 本研究介绍了一种新的Transformer模型，用于符号回归，特别关注科学发现领域。
- 研究提出了三种增加灵活性的编码器架构，代价是列置换等变性的破坏。
- 训练结果表明，最灵活的架构能够防止过拟合。
- 最佳模型应用于符号回归科学发现数据集，获得了最新的结果。
- 该模型在获得结果时不需要额外的计算成本。
🏷️
标签
➡️
