-
题名基于Transformer的深度符号回归方法
被引量：1
- 1
-
-
作者
许鹏程
何磊
李川
钱炜祺
赵暾
-
机构
四川大学计算机学院
空天飞行空气动力科学与技术全国重点实验室(中国空气动力研究与发展中心)
-
出处
《计算机应用》
北大核心
2025年第5期1455-1463,共9页
-
基金
智强基金卓越人才项目。
-
文摘
针对利用遗传进化算法解决符号回归(SR)问题时存在的种群多样性降低以及对超参数敏感等问题,提出基于Transformer的深度符号回归(DSRT)方法。该方法在利用Transformer自回归的方式生成表达式符号序列后,将数据和表达式符号序列的拟合度值的变换值当作奖励值,再利用深度强化学习的方法更新模型参数,使模型输出的表达式序列更加拟合数据,并随着模型的不断收敛找出最优的表达式。在SR基准数据集Nguyen上对DSRT方法进行有效性测试,并在200次迭代内将它与DSR(Deep Symbolic Regression)和GP(Genetic Programming)算法进行对比,实验结果验证了DSRT方法的有效性。另外,讨论了各参数对DSRT方法的影响,并在NACA4421数据上进行飞机翼型表面压力系数公式预测实验,将所得到的公式与卡门-钱学森公式作对比,找到了均方根误差(RMSE)较小的数学公式。
-
关键词
符号回归
TRANSFORMER
深度强化学习
NACA4412
卡门-钱学森公式
-
Keywords
Symbolic Regression(SR)
Transformer
deep reinforcement learning
NACA4412
Kármán-Tsien formula
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
