MorphingNet：网络即公式的符号回归方法

Jincheng Gao、Jiahe Yi、Shuo Sun 提出 MorphingNet，把符号回归转化为连续优化问题：网络单元采用无极点有理函数或复指数-对数函数，随参数变化可在指数、正弦、阻尼振荡、幂律和对数之间连续切换，训练全程网络本身即为可读公式。 据该研究称，MorphingNet 在 SRBench 上取得 SOTA 精度，在合成基准上恢复多数生成公式，在大数据上比最强搜索方法快最多两个数量级。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。