DEEP LEARNING FOR SYMBOLIC MATHEMATICS-深度学习在符号计算上的应用总结
过去神经网络方面的工作很少是研究数学方面的应用，而本文则是神经网络在数学方面的应用，特别是符号计算、积分计算、常微分方程的计算。本文还提出了一种表示数学问题的语法，生成数据集用于训练seq2seq模型。 在本文中，我们将数学问题特别是符号计算当做NPL模型。也就是将积分、ODE方程用seq2seq模型处理。作者认为解微分方程的过程可以看做是一个模式识别的过程，然而截止到目前还没有一个神经网络可以做
相关文章
- 1. F-Principle：初探深度学习在计算数学的应用
- 2. Learning Deep Learning（学习深度学习）
- 3. 深度学习Deep learning
- 4. Deep learning深度学习
- 5. 深度学习在生物信号上的应用review
- 6. （转）深度学习(Deep Learning, DL)的相关资料总结
- 7. DEEP LEARNING FOR SYMBOLIC MATHEMATICS论文解读笔记
- 8. 机器学习——深度学习(Deep Learning)
- 9. 机器学习 深度学习 Deep Learning
- 10. 【Deep Learning】深度学习调参技巧的总结
- 更多相关文章...
- • Redis在Java Web中的应用 - Redis教程
- • XML 总结 下一步学习什么呢？ - XML 教程
- • 算法总结-深度优先算法
- • Tomcat学习笔记（史上最全tomcat学习笔记）
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. F-Principle：初探深度学习在计算数学的应用
- 2. Learning Deep Learning（学习深度学习）
- 3. 深度学习Deep learning
- 4. Deep learning深度学习
- 5. 深度学习在生物信号上的应用review
- 6. （转）深度学习(Deep Learning, DL)的相关资料总结
- 7. DEEP LEARNING FOR SYMBOLIC MATHEMATICS论文解读笔记
- 8. 机器学习——深度学习(Deep Learning)
- 9. 机器学习 深度学习 Deep Learning
- 10. 【Deep Learning】深度学习调参技巧的总结