★ 3
用 Transformer 合成物理公式
论文针对符号回归中 Transformer 易过拟合、外推能力差的问题,通过塑造训练用公式集合提升外推表现,并用噪声目标值微调增强鲁棒性。在 SRBench 与 LLM-SRBench 上约十秒合成公式,外推优于所有同预算方法。搜索类方法需多出一到三个数量级时间才能超越其精度。
arXiv cs.LG27 天前
共 2 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文针对符号回归中 Transformer 易过拟合、外推能力差的问题,通过塑造训练用公式集合提升外推表现,并用噪声目标值微调增强鲁棒性。在 SRBench 与 LLM-SRBench 上约十秒合成公式,外推优于所有同预算方法。搜索类方法需多出一到三个数量级时间才能超越其精度。
论文针对工程机器学习模型训练域外预测难题,提出物理引导外推框架,系统评估 BiLSTM 与物理信息神经网络(PINN)两种架构。以一维瞬态扩散问题为基准,利用其解析解提供全域可靠数据,并引入物理引导坐标变换、边界感知学习与稳定性时间推进。采用训练-预测-验证-扩展策略递归扩充训练集,实现训练域外准…