文件名称：EQL_Tensorflow:方程学习器的 Tensorflow 实现
文件大小：1.7MB
文件格式：ZIP
更新时间：2024-06-17 23:51:13
Python
。 作者： 、 和 由 、Arnab Bhattacharjee 和。 自主学习小组，智能系统。 目录 介绍 该存储库包含 ICML 2018 论文介绍的 EQL-Div 架构的 TensorFlow 实现。 这项工作提出了一种用于符号回归的神经网络架构。 还有一个Theano 实现，请参阅 martius-lab/EQL 。 用法 准备数据 要么通过调用提供一个python函数来“学习” python3 data_utils.py "{'file_name': 'F1data', 'fn_to_learn': 'F1', 'train_val_examples': 10000, 'test_examples': 5000}" 或使用您自己保存在训练/评估数据文件中的 numpy 数组。 训练个体模型 数据固定后，训练模型 python3 train.py '{"tra
【文件预览】：
EQL_Tensorflow-master
----utils.py(7KB)
----train.py(8KB)
----timeout.py(846B)
----evaluation.py(11KB)
----LICENSE(1KB)
----data_utils.py(11KB)
----.gitignore(1KB)
----model_selection.py(5KB)
----README.md(3KB)
----example_results()
--------F1()
--------F2()
----EQL_Layer_tf.py(7KB)
----example_data()
--------F5data_train_val(292KB)
--------F4data_test(90KB)
--------F1data_test(90KB)
--------F4data_train_val(180KB)
--------F5data_test(145KB)
--------F3data_test(90KB)
--------F2data_train_val(181KB)
--------F3data_train_val(181KB)
--------F1data_train_val(181KB)
--------F2data_test(90KB)
----createjobs.py(2KB)