如果有第谷的数据，现在的机器学习，深度学习有办法学出开普勒三定律吗？ 第1页
1
wangliwu 网友的相关建议:
其实09年就已经有相关的工作了，还发表在了science上
Distilling Free-Form Natural Laws from Experimental Data
这篇文章介绍了仅仅利用一些实验记录的raw data，学习出了简谐运动，单摆，双摆等运动的物理规律（具体来说是Hamiltonian and Lagrangian的解析表达式）。
（图来自原paper）
当时机器学习还没现在这么火爆，文章也只是用了symbolic regression的方法定义不同变量之间的偏导作为loss，当时还是引起了不少关注的。只是现在机器学习变得火爆了，但好像反而没什么人关注这个问题了。。。
经评论区指出，今年ICLR有一篇 https://openreview.net/forum?id=BkgRp0FYe¬eId=BkgRp0FYe
类似的工作，用神经网络来学习一个表达式。
xie-dan-9 网友的相关建议:
数据从来不是它如何解释的，而是这个解释如何传播的。
比如说，股市涨跌和某人膝盖痛苦程度成正比，就算AI把这个规律总结出来，这个解释也不会被传播出去的。
1
相关话题
为什么神经网络具有泛化能力？为什么图形学的会议siggraph的论文代码很少会开源？好像视觉如CVPR、ICCV开源的更多一些。
机器学习中如何识别图片中的手是手背还是手心？
为什么读论文最好打印出来读？
请问应该怎样去学习图像识别和深度学习？
2021 年，深度学习方面取得了哪些关键性进展？
GAN的生成器是怎么产生图片的？
如何评价余凯在朋友圈发表呼吁大家用 caffe、mxnet 等框架，避免使用 TensorFlow？
Batch normalization和Instance normalization的对比？
什么时候对数据进行[0,1]归一化，什么时候[-1,1]归一化，二者分别在什么场景？
前一个讨论
龙格现象产生的原因？
下一个讨论
如何看待南京人一年吃掉一亿多只鸭子？
相关的话题
深度学习两张3080ti和一张3090ti哪个好?机器学习的理论方向 PhD 是否真的会接触那么多现代数学（黎曼几何、代数拓扑之类）？
加州大学伯克利分校为何能连续孵化出 Mesos,Spark,Alluxio,Ray 等重量级开源项目?
人工智能就业前景越来越严峻了，你还在坚持吗？
只需4组数据，还原你的购物模式，具体算法是怎么实现的？
广告算法工程师的核心竞争力是什么？
如果有第谷的数据，现在的机器学习，深度学习有办法学出开普勒三定律吗？
为什么Transformer适合做多模态任务？
TensorFlow 中 padding 的 SAME 和 VALID 两种方式有何异同？
为什么读论文最好打印出来读？
从今年校招来看，机器学习等算法岗位应届生超多，竞争激烈，未来 3-5 年机器学习相关就业会达到饱和吗？
AlphaGo 与李世石的对战会推动人类的极限还是机器学习的进步和觉醒？
了解/从事机器学习/深度学习系统相关的研究需要什么样的知识结构？
2018年了，MXNet 发展的如何了？
如何理解attention中的Q,K,V？
卷积神经网络中卷积核是如何学习到特征的？
为什么小模型已经可以很好地拟合数据集了，换大模型效果却要比小模型好？
在推荐系统中，如何较好的采用深度学习方法获取用户长短期兴趣？
当前（2020年）机器学习中有哪些研究方向特别的坑？
c4.5为什么使用信息增益比来选择特征？
如何证明数据增强（Data Augmentation）有效性？
能否使用神经网络来判断奇偶数？
神经网络能否代替决策树算法？
t-sne数据可视化算法的作用是啥？为了降维还是认识数据？
PRML为何是机器学习的经典书籍中的经典？
人工智能相关的岗位薪酬状况如何？
数据库 与 数据仓库的本质区别是什么？
能否训练一个AI模型来预测房价，寻找投资机会挖掘价值洼地？
如何评价深度学习相关顶级期刊论文难复现的问题？
如何自学人工智能？