DEEP LEARNING FOR SYMBOLIC MATHEMATICS-深度學習在符號計算上的應用總結
過去神經網絡方面的工作很少是研究數學方面的應用，而本文則是神經網絡在數學方面的應用，特別是符號計算、積分計算、常微分方程的計算。本文還提出了一種表示數學問題的語法，生成數據集用於訓練seq2seq模型。 在本文中，我們將數學問題特別是符號計算當做NPL模型。也就是將積分、ODE方程用seq2seq模型處理。作者認爲解微分方程的過程可以看做是一個模式識別的過程，然而截止到目前還沒有一個神經網絡可以做
相關文章
- 1. F-Principle：初探深度學習在計算數學的應用
- 2. Learning Deep Learning（學習深度學習）
- 3. 深度學習Deep learning
- 4. Deep learning深度學習
- 5. 深度學習在生物信號上的應用review
- 6. （轉）深度學習(Deep Learning, DL)的相關資料總結
- 7. DEEP LEARNING FOR SYMBOLIC MATHEMATICS論文解讀筆記
- 8. 機器學習——深度學習(Deep Learning)
- 9. 機器學習 深度學習 Deep Learning
- 10. 【Deep Learning】深度學習調參技巧的總結
- 更多相關文章...
- • Redis在Java Web中的應用 - Redis教程
- • XML 總結 下一步學習什麼呢？ - XML 教程
- • 算法總結-深度優先算法
- • Tomcat學習筆記（史上最全tomcat學習筆記）
相關標籤/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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. F-Principle：初探深度學習在計算數學的應用
- 2. Learning Deep Learning（學習深度學習）
- 3. 深度學習Deep learning
- 4. Deep learning深度學習
- 5. 深度學習在生物信號上的應用review
- 6. （轉）深度學習(Deep Learning, DL)的相關資料總結
- 7. DEEP LEARNING FOR SYMBOLIC MATHEMATICS論文解讀筆記
- 8. 機器學習——深度學習(Deep Learning)
- 9. 機器學習 深度學習 Deep Learning
- 10. 【Deep Learning】深度學習調參技巧的總結