論文の概要: Contemporary Symbolic Regression Methods and their Relative Performance
- arxiv url: http://arxiv.org/abs/2107.14351v1
- Date: Thu, 29 Jul 2021 22:12:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 11:13:59.489373
- Title: Contemporary Symbolic Regression Methods and their Relative Performance
- Title（参考訳）: 現代記号回帰法とその相対的性能
- Authors: William La Cava, Patryk Orzechowski, Bogdan Burlacu, Fabr\'icio
Olivetti de Fran\c{c}a, Marco Virgolin, Ying Jin, Michael Kommenda, Jason H.
Moore
- Abstract要約: 本研究では,252種類の回帰問題に対して,14のシンボル回帰法と7つの機械学習法を評価する。
実世界のデータセットでは、各手法が低いエラーと低い複雑さでモデルを学習する能力をベンチマークする。
合成問題に対して,様々なレベルのノイズが存在する場合に,各手法の正確な解を求める能力を評価する。
- 参考スコア（独自算出の注目度）: 5.285811942108162
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Many promising approaches to symbolic regression have been presented in
recent years, yet progress in the field continues to suffer from a lack of
uniform, robust, and transparent benchmarking standards. In this paper, we
address this shortcoming by introducing an open-source, reproducible
benchmarking platform for symbolic regression. We assess 14 symbolic regression
methods and 7 machine learning methods on a set of 252 diverse regression
problems. Our assessment includes both real-world datasets with no known model
form as well as ground-truth benchmark problems, including physics equations
and systems of ordinary differential equations. For the real-world datasets, we
benchmark the ability of each method to learn models with low error and low
complexity relative to state-of-the-art machine learning methods. For the
synthetic problems, we assess each method's ability to find exact solutions in
the presence of varying levels of noise. Under these controlled experiments, we
conclude that the best performing methods for real-world regression combine
genetic algorithms with parameter estimation and/or semantic search drivers.
When tasked with recovering exact equations in the presence of noise, we find
that deep learning and genetic algorithm-based approaches perform similarly. We
provide a detailed guide to reproducing this experiment and contributing new
methods, and encourage other researchers to collaborate with us on a common and
living symbolic regression benchmark.
- Abstract（参考訳）: 近年、記号回帰に対する多くの有望なアプローチが提示されているが、この分野の進歩は、均一で堅牢で透明なベンチマーク標準の欠如に苦しんでいる。
本稿では,シンボリック回帰のためのオープンソースで再現可能なベンチマークプラットフォームを導入することで,この欠点を解決する。
多様な回帰問題の集合に対して,14の記号回帰法と7つの機械学習法を評価する。
我々の評価には、既知のモデル形式を持たない実世界のデータセットと、物理方程式や常微分方程式の系を含む地上のベンチマーク問題の両方が含まれる。
実世界のデータセットに対しては、最先端の機械学習手法と比較して、エラーが少なく、複雑さの低いモデルを学ぶ各手法の能力をベンチマークする。
合成問題に対して,様々なレベルのノイズが存在する場合に,各手法の正確な解を求める能力を評価する。
これらの制御実験により、実世界の回帰の最良の手法は、遺伝的アルゴリズムとパラメータ推定と意味探索ドライバを組み合わせたものである。
ノイズの存在下で正確な方程式を復元する作業を行うと、ディープラーニングと遺伝的アルゴリズムに基づくアプローチも同様に機能することがわかった。
我々は、この実験を再現し、新しい方法に貢献するための詳細なガイドを提供し、他の研究者が共通かつ生きている象徴的回帰ベンチマークで協力することを奨励する。
関連論文リスト
- Comparative study of regression vs pairwise models for surrogate-based heuristic optimisation [1.2535250082638645]
本稿では, シュロゲート問題の定式化を, 適合度を近似する回帰モデル(表面シュロゲートモデル)と, 分類モデル(ペアワイズ・シュロゲートモデル)を結合する新しい方法の両方として扱う。
オンライン機械学習に基づくサロゲートモデルを用いる場合の全体探索の性能は、予測モデルの精度だけでなく、正または負のケースに対するバイアスの種類にも依存する。
論文 参考訳（メタデータ） (2024-10-04T13:19:06Z) - A Comparison of Recent Algorithms for Symbolic Regression to Genetic Programming [0.0]
シンボリック回帰は、科学者が理解できる方法でデータをモデル化し、マッピングすることを目的としている。
最近の進歩は、これらの2つの分野のギャップを埋めようと試みている。
論文 参考訳（メタデータ） (2024-06-05T19:01:43Z) - A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
本稿では,DAF(Disdisrepancy Aware Framework)を提案する。
本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。
単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
論文 参考訳（メタデータ） (2023-10-11T15:21:40Z) - Generalized Oversampling for Learning from Imbalanced datasets and
Associated Theory [0.0]
教師あり学習では、実際の不均衡なデータセットに直面することが多い。
本稿では,カーネル密度推定に基づくデータ拡張手法であるGOLIATHアルゴリズムを提案する。
我々は,不均衡な回帰状況下でのGOLIATHアルゴリズムの性能を評価する。
論文 参考訳（メタデータ） (2023-08-05T23:08:08Z) - Toward Physically Plausible Data-Driven Models: A Novel Neural Network
Approach to Symbolic Regression [2.7071541526963805]
本稿では,ニューラルネットワークに基づく記号回帰手法を提案する。
非常に小さなトレーニングデータセットとシステムに関する事前知識に基づいて、物理的に妥当なモデルを構築する。
本研究では,TurtleBot 2移動ロボット,磁気操作システム,2つの抵抗の等価抵抗,アンチロックブレーキシステムの長手力の4つの試験システムに対するアプローチを実験的に評価した。
論文 参考訳（メタデータ） (2023-02-01T22:05:04Z) - Vector-Valued Least-Squares Regression under Output Regularity
Assumptions [73.99064151691597]
最小二乗回帰問題を無限次元出力で解くために,還元ランク法を提案し,解析する。
提案手法の学習バウンダリを導出し、フルランク手法と比較して統計的性能の設定を改善する研究を行う。
論文 参考訳（メタデータ） (2022-11-16T15:07:00Z) - STaSy: Score-based Tabular data Synthesis [10.292096717484698]
Score-based Tabular data synthesis (STaSy) という新しいモデルを提案する。
私たちのトレーニング戦略には、セルフペースの学習技術と微調整戦略が含まれています。
実験では,タスク依存評価や多様性の観点から,既存の手法よりも優れていた。
論文 参考訳（メタデータ） (2022-10-08T13:09:51Z) - On Modality Bias Recognition and Reduction [70.69194431713825]
マルチモーダル分類の文脈におけるモダリティバイアス問題について検討する。
本稿では,各ラベルの特徴空間を適応的に学習するプラグアンドプレイ損失関数法を提案する。
本手法は, ベースラインに比べ, 顕著な性能向上を実現している。
論文 参考訳（メタデータ） (2022-02-25T13:47:09Z) - IQ-Learn: Inverse soft-Q Learning for Imitation [95.06031307730245]
少数の専門家データからの模倣学習は、複雑な力学を持つ高次元環境では困難である。
行動クローニングは、実装の単純さと安定した収束性のために広く使われている単純な方法である。
本稿では,1つのQ-関数を学習することで,対向学習を回避する動的適応型ILを提案する。
論文 参考訳（メタデータ） (2021-06-23T03:43:10Z) - MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood
Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。
あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。
モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文 参考訳（メタデータ） (2021-06-03T12:59:16Z) - DEALIO: Data-Efficient Adversarial Learning for Imitation from
Observation [57.358212277226315]
観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。
近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。
この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。
よりデータ効率の高いifOアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-31T23:46:32Z)
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。