摘要
Kim S.、Liu P.U.、Mukherjee S.、Gilbert M.、Jing L.、Ceperic V.和Soljacic M,基于神经网络的符号回归在科学发现深度学习中的集成,IEEE Trans。 《神经网络和学习系统》,32(9),2021年。 谷歌学者 交叉引用 Petersen B.K.、Larma M.L.、Mundhenk T.Nathan、Santiago C.P.、Kim S.K.和Kim J.T.,《深度符号回归:通过寻求风险的政策梯度从数据中恢复数学表达式》,载于《ICLR会议记录》,2021年。 谷歌学者 He K.,Zhang X.,Ren S.,Sun J.,用于图像识别的深度残差学习。 CVPR,第770-778页,2016年。 谷歌学者 交叉引用 李伟、李伟、孙磊、吴明、于磊、刘杰、李毅和蒂亚姆·S,基于变换器的联合监督学习符号回归模型,载《ICLR会议论文集》,2023年。 谷歌学者 Krizhevsky,A.、Nair,V.和Hinton,G.,《CIFAR-10数据集》, https://www.cs.toronto.edu/ ~kriz/cifar.html,2014年 谷歌学者 Koza,J.R.《遗传编程:论自然选择对计算机编程》,麻省理工学院出版社,马萨诸塞州剑桥,美国,1992年。 谷歌学者 数字图书馆 Miller J.F、Thomson P.、Cartesian Genetic Programming,《第三届欧洲遗传编程会议论文集》,斯普林格,LNCS 1802,第121-1322000页。 谷歌学者 Seo,K.和Hyeon,B.,2014年。 基于笛卡尔遗传规划的优化与预测,《智能系统与计算高级》,施普林格出版社,第275卷,第497-5022014页。 谷歌学者
建议
卷积神经网络单点控制模型 ICNSER2019:工业控制网络和系统工程研究国际会议论文集 以卷积神经网络为代表的人工智能即服务面临许多安全问题,例如对手绕过云访问控制来获得卷积神经网模型的控制权。 鉴于。。。 使用长期人工神经网络记忆(LTANN-MEM)和神经符号化算法(NSA)的多目标符号回归 符号回归通常使用遗传编程(GP)等进化算法进行。 本研究工作的目标是通过一个基于人工神经网络的新符号回归方法的实例来构建符号模型。。。