Symbolic Modeling of Multibody Systems

ModelingToolkit.jl：Julia中用于自动并行化科学机器学习（SciML）的建模框架。 用于集成符号的计算机代数系统，用于物理知识的机器学习和微分方程的自动转换

圆型限制性三体模型matlab程序，针对太阳-地球-月亮系统中的轨道问题，在MATLAB中对其轨迹进行了模拟

简单遗传编程 对于符号回归 此Python 3代码是用于符号回归的遗传编程的简单实现，并且已出于教育目的而开发。 依存关系 numpy和sklearn 。 文件test.py显示了用法示例。 安装 您可以使用python3 -m pip install --user simplegp通过python3 -m pip install --user simplegp ，也可以通过下载代码并运行python3 setup.py install --user在本地进行python3 setup.py install --user 。 参考 如果您使用此代码，请通过引用（或为此）代码所针对的我们的一部或多部作品来支持我们的研究： M. Virgolin，A。De Lorenzo，E。Medvet，F。Randone。 “学习可解释性的公式以学习可解释的公式”。 ，施普林格（2020）。 （ ）

symbolic logic

本演示演示了将MATLAB Symbolic Math Toolbox用于常微分方程（ODE）的示例。 示例的范围从相对基础到高级，并根据主题放置，就像传统上本科 ODE 课程所涵盖的那样。 建议使用此脚本在调试模式下从 MATLAB 编辑器逐行运行它。 或者只是将脚本的相关部分复制粘贴到 MATLAB 命令窗口中。 支持代码。 建议和错误报告表示赞赏。

深度共鸣论文 最近的论文包括神经符号推理，逻辑推理，视觉推理，自然语言推理以及其他与深度学习和推理相关的主题。 0调查或谈话 [1] Yoshua Bengio，从系统1深度学习到系统2深度学习 [2] Yann Lecun，自我监督学习 [3]用于算法推理的PetarVeličković图表示学习 1数学问题 [1] Saxton，David等。 分析神经模型的数学推理能力。 arXiv预印本arXiv：1904.01557（2019）。 [2] Ortega，Pedro A.等人。 顺序策略的元学习。 arXiv预印本arXiv：1905.03030（2019）。 [3] Lample，Guillaume和FrançoisCharton。 象征性数学的深度学习。 arXiv预印本arXiv：1912.01412（2019）。 [4]卓，陶和莫汉·坎坎哈利（Mohan K

深层象征回归 深度符号回归（DSR）是一种用于符号回归的深度学习算法-从输入数据集中恢复可处理的数学表达式的任务。 软件包dsr包含DSR的代码，包括单点，并行化的启动脚本（ dsr/run.py ），基于基线遗传编程的符号回归算法以及与您自己的数据一起使用的类似sklearn的界面。 该代码支持ICLR 2021的论文《 。 安装 使用Pip在Python 3虚拟环境中安装非常简单。 从存储库根目录： python3 -m venv venv3 # Create a Python 3 virtual environment source venv3/bin/activate # Activate the virtual environmnet pip install -r requirements.txt # Install Python dependencies export C

Computational and Symbolic Models for Secure Computation.pdf

函数 'fact' 以几乎不可读的格式计算数字的阶乘。 因此，程序假定计算的总体结果小于 170！ 虽然它涉及计算大于 170 的数字的阶乘。 这个非常简单的代码是为了解决 DV Schroeder 的“热物理导论”的问题 2.11 而编写的。 文件“example.m”使用函数“fact.m”来解决问题。