跳到正文
热点事件持续更新

研究者提出随机符号提升符号回归方法

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

2026年11月9日，arXiv Artificial Intelligence 刊出 José R. Ortegaa 等作者的论文，提出 Random Symbolic Boosting（RSB）符号回归方法。据该文，RSB 通过对随机生成的语法树种群做 boosting 构建显式加性符号模型，无需代际演化。文中称，该方法在 Ordinary Least Squares 下保证回归与分类的训练误差单调下降，并引入基于预测向量与目标向量夹角的几何早停机制。目前该工作处于论文发布阶段，报道未提及代码、数据集或第三方复现结果。

AI 根据报道生成 · 12 小时前更新

最新进展11月9日 13:00
Random Symbolic Boosting：一种符号回归的几何方法

报道时间线

沿着报道，了解事件的不同侧面。

11月9日
  1. arXiv Artificial Intelligence
    Random Symbolic Boosting：一种符号回归的几何方法

    研究者提出 Random Symbolic Boosting（RSB），通过对随机生成的语法树种群做 boosting 构建显式加性符号模型，无需代际演化。该方法在 Ordinary Least Squares 下保证回归与分类的训练误差单调下降，并引入基于预测向量与目标向量夹角的几何早停机制。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月9日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。