0.题目:
Integration of Neural Network-Based Symbolic Regression in Deep Learning
将神经网络和符号回归结合,
for Scientific Discovery
应用于科学发现中
题目点名了应用以及研究方向
1. 摘要
(1)符号回归很厉害,它有优点A。
⭐研究背景1
(2)神经网络也很厉害,它准确,但是黑盒。
⭐研究背景2,顺便提出领域空白
(3)本文中提出了EQL并集成到DL中。
⭐个人认为这算转折点出自己的成果了
(4)实验证明了,系统很强大。
⭐这个摘要应该点明了实验是分任务进行的。
(5)首先,函数测试。其次,卷积网络。最后,现实复杂任务。
⭐或许这样的实验设置更加的全面且有条理?层次性。
(6)总结,与标准相比,EQL很厉害。
⭐稍微吹一下
2.引言(我猜是根据摘要1-4写的)
(1)复杂现象可以用数学模型描述,(有啥用嘞?)可以提供预测和分析。
机器学习很强,但神经网络黑盒。(那咋用于探索上句的科学任务嘞?)
因此,需要有可解释模型。
⭐发现一个很好用的句式,need A that can,可以很自然的引出特点。
(2)符号回归是回归分析,它xx,因此更厉害。它具有优于神经网络的地方。
然而,(开始转折哩!)不能扩展于某些情况。
⭐引出符号学习捏,显然是要开始讲融合的事情了。
(3)已经有一些相关方法。设计方面也有一些进展。
⭐相关工作
(4)在此,我们提出了一种架构。又能深度,又能可解释性,还能端到端。
⭐自然而然的引出网络的优点:提出了A,A的结构特点,因此A的优点是。
创新性的任务,创造一个新架构。大概思路是要结合a和b的优点。