Radar Telegram alerts افتح Radar

אני ממשיך להסתכל על העבודות שבהן הכותבים מנסים למחוק את החוקים הפיזיים הסמליים שמאחורי התצפיות מהנתונים האמיתיים. אני בטוח שזה אזור מאוד מעניין והכרחי. אחד העבודות האחרונות הציע צינור שני שלבים: הראשון להקצות בסיס נמוך ממדים (משתנים מעניינים) ורק אז לחפש נוסחה סמלית על זה. יש התקדמות מסוימת, אבל התוצאה עדיין מעורבת. מחיקת רשתות עצביות למשוואות כדי לחזות את חוסר היציבות הפלנטרית סיימון אלפורד, אדוארד גו, עומר קוסטילה-Reyes, Dan Tamayo, Miles Cranmer, Kevin Ellis Paper: Review: Code: Data and Code Archives: הדבר העיקרי: רגרסיה סמלית מתמודדת עם דינמיקות כאוטי אם הירידה הראשונה של gradient דחוסה את המסלולים לתוך בסיס ליניארי נדיר. הנוסחה הקומפקטית המתקבלת מתבטלת יותר מאשר חיפוש סמלי ישיר. מה עשית? שילוב של שתי שלבים של רשתות עצביות הוצע כדי לחזות את חוסר היציבות של מערכות רב כוכביות. בסימולציות מסלול קצרות, תמצית ליניארית ספאאר מאומן (שני משתנים לכל תכונה), לאחר מכן ספריית סמל PySR פרוגרסיביion מחדש את הרשת העצבית לתוך משוואות אלגבריות. מה שיש לך: במודולים, הנוסחה הנטועה צופה זמן לאי יציבות עם דיוק של 1.34 עד 1.52 הזמנות של גודל. זה יותר מדויק מהתיאוריה האנליטית של מסלולים מעגליים ותוספות למערכות גדולות יותר, אבל הוא נחות לתוקפנות סמלית ישירה על מספר מדדים בתוך ההפצה. למה זה חשוב: אסטרונומרים מקבלים נוסחה קריא המקשרת oscillations מסלול כדי resons. עם זאת, החישוב עדיין דורש סימולציה מספרית קצרה, לא לוקח בחשבון ממדים פיזיים ונותן הרבה אזעקה כוזבת על סף סטנדרטי. לנשוף כאן:

תרגם לעברית

gonzo ML papers · · المصدر

אני ממשיך להסתכל על העבודות שבהן הכותבים מנסים למחוק את החוקים הפיזיים הסמליים שמאחורי התצפיות מהנתונים האמיתיים. אני בטוח שזה אזור מאוד מעניין והכרחי. אחד העבודות האחרונות הציע צינור שני שלבים: הראשון להקצות בסיס נמוך ממדים (משתנים מעניינים) ורק אז לחפש נוסחה סמלית על זה. יש התקדמות מסוימת, אבל התוצאה עדיין מעורבת. מחיקת רשתות עצביות למשוואות כדי לחזות את חוסר היציבות הפלנטרית סיימון אלפורד, אדוארד גו, עומר קוסטילה-Reyes, Dan Tamayo, Miles Cranmer, Kevin Ellis Paper: Review: Code: Data and Code Archives: הדבר העיקרי: רגרסיה סמלית מתמודדת עם דינמיקות כאוטי אם הירידה הראשונה של gradient דחוסה את המסלולים לתוך בסיס ליניארי נדיר. הנוסחה הקומפקטית המתקבלת מתבטלת יותר מאשר חיפוש סמלי ישיר. מה עשית? שילוב של שתי שלבים של רשתות עצביות הוצע כדי לחזות את חוסר היציבות של מערכות רב כוכביות. בסימולציות מסלול קצרות, תמצית ליניארית ספאאר מאומן (שני משתנים לכל תכונה), לאחר מכן ספריית סמל PySR פרוגרסיביion מחדש את הרשת העצבית לתוך משוואות אלגבריות. מה שיש לך: במודולים, הנוסחה הנטועה צופה זמן לאי יציבות עם דיוק של 1.34 עד 1.52 הזמנות של גודל. זה יותר מדויק מהתיאוריה האנליטית של מסלולים מעגליים ותוספות למערכות גדולות יותר, אבל הוא נחות לתוקפנות סמלית ישירה על מספר מדדים בתוך ההפצה. למה זה חשוב: אסטרונומרים מקבלים נוסחה קריא המקשרת oscillations מסלול כדי resons. עם זאת, החישוב עדיין דורש סימולציה מספרית קצרה, לא לוקח בחשבון ממדים פיזיים ונותן הרבה אזעקה כוזבת על סף סטנדרטי. לנשוף כאן:

المزيد على Radar

هل تريد رؤية كل التقارير لحظة بلحظة؟

مئات المصادر حول العالم، مترجمة إلى لغتك، مع تنبيهات لما يهمك.

سجّل مجانًا
Share on WhatsApp Get alerts on Telegram