Synthics: Synthetic Physics-like Datasets for Machine Learning
Este artigo apresenta um método para gerar conjuntos de dados de regressão sintéticos estruturalmente fiéis usando uma Gramática Livre de Contexto Probabilística Bayesiana e sondagem não intrusiva para caracterizar domínios físicos, demonstrando que modelos ajustados com esses dados alcançam um desempenho de seleção de hiperparâmetros comparável ao ajuste em dados do mundo real.