Fugu-MT 論文翻訳(概要): Interpretable Scientific Discovery with Symbolic Regression: A Review

論文の概要: Interpretable Scientific Discovery with Symbolic Regression: A Review

arxiv url: http://arxiv.org/abs/2211.10873v2
Date: Tue, 2 May 2023 12:09:58 GMT
ステータス: 処理完了
システム内更新日: 2023-05-03 17:34:57.623946
Title: Interpretable Scientific Discovery with Symbolic Regression: A Review
Title（参考訳）: 記号回帰による解釈可能な科学的発見:レビュー
Authors: Nour Makke and Sanjay Chawla
Abstract要約: 記号回帰は、データから直接数学的表現を学ぶための有望な機械学習手法として現れつつある。本調査では,シンボル回帰法について概観し,その強度と限界について考察する。
参考スコア（独自算出の注目度）: 8.414043731621419
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Symbolic regression is emerging as a promising machine learning method for learning succinct underlying interpretable mathematical expressions directly from data. Whereas it has been traditionally tackled with genetic programming, it has recently gained a growing interest in deep learning as a data-driven model discovery method, achieving significant advances in various application domains ranging from fundamental to applied sciences. This survey presents a structured and comprehensive overview of symbolic regression methods and discusses their strengths and limitations.
Abstract（参考訳）: シンボリック回帰は、データから直接解釈可能な数学的表現を直接学習するための有望な機械学習手法として現れつつある。従来は遺伝的プログラミングに取り組んできたが、最近ではデータ駆動モデル発見法としてディープラーニングへの関心が高まり、基礎から応用科学までさまざまな応用領域で大きな進歩を遂げている。本調査は,記号回帰法の構造化と包括的概要を示し,その強みと限界について考察する。

関連論文リスト

Discovering symbolic expressions with parallelized tree search [59.92040079807524]
記号回帰は、データから簡潔で解釈可能な数学的表現を発見する能力のおかげで、科学研究において重要な役割を果たす。既存のアルゴリズムは、複雑性の問題に対処する際の精度と効率の重要なボトルネックに直面してきた。本稿では,限定データから汎用数学的表現を効率的に抽出する並列木探索(PTS)モデルを提案する。
論文参考訳（メタデータ） (2024-07-05T10:41:15Z)
Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文参考訳（メタデータ） (2024-06-16T14:49:19Z)
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)
Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文参考訳（メタデータ） (2024-03-02T00:56:05Z)
Learned reconstruction methods for inverse problems: sample error estimates [0.8702432681310401]
本論文は,学習した再構成手法の一般化特性,特にサンプル誤差解析を行うためのものである。より一般的な戦略が提案され、その仮定は、逆問題と学習方法の大きなクラスに対して満たされる。
論文参考訳（メタデータ） (2023-12-21T17:56:19Z)
Discovering Interpretable Physical Models using Symbolic Regression and Discrete Exterior Calculus [55.2480439325792]
本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。 DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
論文参考訳（メタデータ） (2023-10-10T13:23:05Z)
Constructing Effective Machine Learning Models for the Sciences: A Multidisciplinary Perspective [77.53142165205281]
線形回帰モデルに変数間の変換や相互作用を手動で追加することで、非線形解が必ずしも改善されないことを示す。データ駆動モデルを構築する前にこれを認識する方法や、そのような分析が本質的に解釈可能な回帰モデルへの移行にどのように役立つかについて議論する。
論文参考訳（メタデータ） (2022-11-21T17:48:44Z)
Symbolic Regression for Space Applications: Differentiable Cartesian Genetic Programming Powered by Multi-objective Memetic Algorithms [10.191757341020216]
進化ループ中の定数を学習するために、微分可能なモンテカルロ遺伝的プログラミング符号化を利用する、新しい多目的メメティックアルゴリズムを提案する。この手法は、火星からの熱パワー推定とジャイロロノロジーによる恒星の年齢決定という2つの応用に対して、学習したブラックボックス回帰モデルやハンドエンジニアリングフィッティングよりも優れていることを示す。
論文参考訳（メタデータ） (2022-06-13T14:44:15Z)
A Reinforcement Learning Approach to Domain-Knowledge Inclusion Using Grammar Guided Symbolic Regression [0.0]
強化型文法誘導記号回帰法(RBG2-SR)を提案する。 RBG2-SRは、文脈自由文法を強化作用空間として用いて、表現空間をドメイン知識で制約する。提案手法は, ベンチマーク上の他の最先端手法と競合し, 最良のエラー・複雑性トレードオフを提供することを示す。
論文参考訳（メタデータ） (2022-02-09T10:13:14Z)
SymbolicGPT: A Generative Transformer Model for Symbolic Regression [3.685455441300801]
シンボル回帰のための新しいトランスフォーマーベース言語モデルであるSybolicGPTを提案する。本モデルでは,精度,実行時間,データ効率に関して,競合モデルと比較して高い性能を示す。
論文参考訳（メタデータ） (2021-06-27T03:26:35Z)
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。