Eine neue symbolische Regressionsmethode, die die Vorteile von auf Reinforcement Learning basierenden Algorithmen und großangelegten vortrainierten Modellen kombiniert, um eine gute Anpassungsfähigkeit, Rauschrobustheit und Effizienz zu erreichen.
Eine effiziente Methode zur datengesteuerten Vereinfachung symbolischer Ausdrücke, die auf Locality-sensitive Hashing basiert und die Komplexität der Modelle ohne Genauigkeitsverlust reduziert.