该文综述符号回归领域多项研究：DySymNet利用神经引导动态符号网络提升低维与高维问题性能；NSRwH结合领域知识精确预测表达式结构；深度学习框架用循环神经网络生成表达式并优于Eureqa；混合神经引导与遗传编程优化初始种群；MetaSymNet动态调整结构以生成简明可解释表达式；FPGA实现将三层神经元模型执行时间缩短13倍；大规模预训练方法提升方程发现效率；端到端框架求解偏微分方程并大幅精简参数；GFN-SR模拟表达树构建，在噪声数据下表现优异。