带渐近约束的神经引导符号回归
机器学习
2021-02-16 v2 神经与进化计算
机器学习
摘要
符号回归是一类离散优化问题,涉及搜索拟合给定数据点的表达式。在许多情况下,关于未知表达式的其他数学约束不仅提供了超越某些输入处取值的更多信息,还有效地约束了搜索空间。我们将函数趋于零和无穷时首项多项式幂的渐近约束识别为有用约束,并构建了一个系统以将其用于符号回归。该系统的第一部分是条件产生式规则生成神经网络,它优先生成产生式规则以构造具有期望首项幂的表达式,产生出训练域之外的新颖表达式。第二部分,我们称之为神经引导蒙特卡洛树搜索,在搜索中使用该网络来寻找符合一组数据点和期望首项幂的表达式。最后,我们在数千个目标表达式上提供了广泛的实验验证,显示了我们的系统相比于现有方法在寻找训练集之外未知函数方面的有效性。
引用
@article{arxiv.1901.07714,
title = {Neural-Guided Symbolic Regression with Asymptotic Constraints},
author = {Li Li and Minjie Fan and Rishabh Singh and Patrick Riley},
journal= {arXiv preprint arXiv:1901.07714},
year = {2021}
}