論文の概要: Formation of Regression Model for Analysis of Complex Systems Using Methodology of Genetic Algorithms

• arxiv url: http://arxiv.org/abs/2011.15027v1
• Date: Fri, 13 Nov 2020 11:02:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 00:11:40.076558
• Title: Formation of Regression Model for Analysis of Complex Systems Using Methodology of Genetic Algorithms
• Title（参考訳）: 遺伝的アルゴリズムを用いた複雑系解析のための回帰モデルの構築
• Authors: Anatolii V. Mokshin, Vladimir V. Mokshin and Diana A. Mirziyarova
• Abstract要約: 本研究は、時間依存因子の集合によって特徴付けられる振る舞いを持つ任意の複雑系の進化を解析するためのアプローチを提案する。 提案した理論的アプローチは,中学校の「物理」分野における教育過程を特徴付けるデータ分析に有効であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study presents the approach to analyzing the evolution of an arbitrary complex system whose behavior is characterized by a set of different time-dependent factors. The key requirement for these factors is only that they must contain an information about the system; it does not matter at all what the nature (physical, biological, social, economic, etc.) of a complex system is. Within the framework of the presented theoretical approach, the problem of searching for non-linear regression models that express the relationship between these factors for a complex system under study is solved. It will be shown that this problem can be solved using the methodology of \emph{genetic (evolutionary)} algorithms. The resulting regression models make it possible to predict the most probable evolution of the considered system, as well as to determine the significance of some factors and, thereby, to formulate some recommendations to drive by this system. It will be shown that the presented theoretical approach can be used to analyze the data (information) characterizing the educational process in the discipline "Physics" in the secondary school, and to develop the strategies for improving academic performance in this discipline.
• Abstract（参考訳）: 本研究では,異なる時間依存因子の集合を特徴とする任意の複雑系の進化を解析するためのアプローチを提案する。 これらの要因の鍵となる要件は、それらがシステムに関する情報を含まなければならないことであり、複雑なシステムの性質(物理的、生物学的、社会的、経済的など)が何であるかは一切重要ではない。 提案手法の枠組み内では、研究対象の複素系におけるこれらの因子間の関係を表現する非線形回帰モデル探索の問題が解決される。 この問題は \emph{genetic (evolutionary") アルゴリズムの方法論を用いて解決できることが示される。 結果として得られた回帰モデルにより、考慮されるシステムの最も可能性の高い進化を予測でき、また、いくつかの要因の重要性を決定でき、したがって、このシステムによって推進されるいくつかの推奨を定式化することができる。 提案した理論的アプローチは,中学校の「物理」分野における教育過程を特徴付けるデータ(情報)を分析し,その分野における学力向上戦略の開発に有効であることを示す。

関連論文リスト

• Graph Neural Ordinary Differential Equations for Coarse-Grained Socioeconomic Dynamics [0.0]
  時空間社会経済力学をモデル化するためのデータ駆動型機械学習手法を提案する。 我々の研究結果は、ボルチモアのケーススタディから、この機械学習で強化された粗い粒度モデルが強力な機器であることを示している。
  論文  参考訳（メタデータ） (2024-07-25T15:12:46Z)
• Unified Explanations in Machine Learning Models: A Perturbation Approach [0.0]
  XAIとモデリング技術の不整合は、これらの説明可能性アプローチの有効性に疑念を投げかけるという望ましくない効果をもたらす可能性がある。 我々はXAI, SHapley Additive exPlanations (Shap) において, 一般的なモデルに依存しない手法に対する系統的摂動解析を提案する。 我々は、一般的な機械学習とディープラーニングの手法のスイートと、静的ケースホールドで生成された説明の正確さを定量化するためのメトリクスの中で、動的推論の設定において、相対的な特徴重要度を生成するアルゴリズムを考案した。
  論文  参考訳（メタデータ） (2024-05-30T16:04:35Z)
• Causal machine learning for single-cell genomics [94.28105176231739]
  単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。 まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。 次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
  論文  参考訳（メタデータ） (2023-10-23T13:35:24Z)
• A Competitive Learning Approach for Specialized Models: A Solution for Complex Physical Systems with Distinct Functional Regimes [0.0]
  本稿では,物理システムのデータ駆動モデルを得るための新たな競合学習手法を提案する。 提案手法の背景にある基本的な考え方は、データに基づいて同時にトレーニングされたモデルの集合に対して、動的損失関数を使用することである。
  論文  参考訳（メタデータ） (2023-07-19T23:29:40Z)
• Neural-Network-Directed Genetic Programmer for Discovery of Governing Equations [0.0]
  faiGPは、文法にエンコードされた関数代数の性質を利用するように設計されている。 我々は, トランスクリプトームの研究から適応した多様性指標を含む, 各種正則化剤の影響を定量化する。
  論文  参考訳（メタデータ） (2022-03-15T21:28:05Z)
• Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
  トレーニングセットとその構造が長期予測の品質に与える影響を考察する。 トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
  論文  参考訳（メタデータ） (2021-12-15T20:09:20Z)
• Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
  データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。 本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。 基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
  論文  参考訳（メタデータ） (2021-11-02T10:51:42Z)
• Supervised DKRC with Images for Offline System Identification [77.34726150561087]
  現代の力学系はますます非線形で複雑なものになりつつある。 予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。 本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
  論文  参考訳（メタデータ） (2021-09-06T04:39:06Z)
• Fractal Structure and Generalization Properties of Stochastic Optimization Algorithms [71.62575565990502]
  最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。 さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
  論文  参考訳（メタデータ） (2021-06-09T08:05:36Z)
• Encoding physics to learn reaction-diffusion processes [18.187800601192787]
  物理構造を符号化するディープラーニングフレームワークが,PDEシステム体制に関する様々な問題に適用可能であることを示す。 物理を符号化する結果の学習パラダイムは、広範囲な数値実験により、高い精度、堅牢性、解釈可能性、一般化可能性を示す。
  論文  参考訳（メタデータ） (2021-06-09T03:02:20Z)
• Nonparametric Estimation of Heterogeneous Treatment Effects: From Theory to Learning Algorithms [91.3755431537592]
  プラグイン推定と擬似出力回帰に依存する4つの幅広いメタ学習戦略を解析する。 この理論的推論を用いて、アルゴリズム設計の原則を導出し、分析を実践に翻訳する方法について強調する。
  論文  参考訳（メタデータ） (2021-01-26T17:11:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。