論文の概要: Operator Feature Neural Network for Symbolic Regression

• arxiv url: http://arxiv.org/abs/2408.07719v1
• Date: Wed, 14 Aug 2024 09:47:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-16 15:59:30.716409
• Title: Operator Feature Neural Network for Symbolic Regression
• Title（参考訳）: 記号回帰のための演算子特徴ニューラルネットワーク
• Authors: Yusong Deng, Min Wu, Lina Yu, Jingyi Liu, Shu Wei, Yanjie Li, Weijun Li,
• Abstract要約: 本稿では,演算子表現を用いた演算子特徴ニューラルネットワーク(OF-Net)を提案する。 演算子の特徴を数値損失に置き換えることで,対象表現の演算子の組み合わせを予測することができる。 提案手法を公開データセット上で評価した結果,より優れた回復率と高いR2$スコアが得られた。
• 参考スコア（独自算出の注目度）: 11.341249704023687
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Symbolic regression is a task aimed at identifying patterns in data and representing them through mathematical expressions, generally involving skeleton prediction and constant optimization. Many methods have achieved some success, however they treat variables and symbols merely as characters of natural language without considering their mathematical essence. This paper introduces the operator feature neural network (OF-Net) which employs operator representation for expressions and proposes an implicit feature encoding method for the intrinsic mathematical operational logic of operators. By substituting operator features for numeric loss, we can predict the combination of operators of target expressions. We evaluate the model on public datasets, and the results demonstrate that the model achieves superior recovery rates and high $R^2$ scores. With the discussion of the results, we analyze the merit and demerit of OF-Net and propose optimizing schemes.
• Abstract（参考訳）: シンボリック回帰(シンボリックレグレッション、英: Symbolic regression)は、データ中のパターンを識別し、数学的表現を通してそれらを表現することを目的としたタスクである。 多くの手法はいくつかの成功をおさめたが、変数や記号を数学的本質を考慮せずに単に自然言語の文字として扱う。 本稿では,演算子表現を用いた演算子特徴ニューラルネットワーク(OF-Net)を提案する。 演算子の特徴を数値損失に置き換えることで,対象表現の演算子の組み合わせを予測することができる。 提案手法を公開データセット上で評価した結果,より優れた回復率と高いR^2$スコアが得られた。 この結果から,OF-Netのメリットとデメリットを分析し,最適化手法を提案する。

関連論文リスト

• SNIP: Bridging Mathematical Symbolic and Numeric Realms with Unified Pre-training [17.623227360825258]
  シンボリック・数値統合事前学習モデルSNIPを紹介する。 潜在空間解析を行うことにより、SNIPが表現のクロスドメインな洞察を提供するのを観察する。 その結果、SNIPは様々なタスクに効果的に移行し、完全に教師付きベースラインを一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-10-03T17:32:44Z)
• PROSE: Predicting Operators and Symbolic Expressions using Multimodal Transformers [5.263113622394007]
  我々は微分方程式を予測するための新しいニューラルネットワークフレームワークを開発する。 変換器構造と特徴融合手法を用いることで,様々なパラメトリック微分方程式に対する解演算子の集合を同時に埋め込むことができる。 ネットワークはデータのノイズやシンボル表現のエラーを処理でき、ノイズの多い数値、モデルの不特定性、誤った追加や用語の削除などが含まれる。
  論文  参考訳（メタデータ） (2023-09-28T19:46:07Z)
• Discrete Morphological Neural Networks [0.0]
  We propose the Discrete Morphological Neural Networks (DMNN) for binary image analysis to represent W-operators。 概念実証として、DMNNを用いて、ノイズのある桁の境界を認識する。
  論文  参考訳（メタデータ） (2023-09-01T17:04:48Z)
• Neural-Symbolic Recursive Machine for Systematic Generalization [113.22455566135757]
  我々は、基底記号システム(GSS)のコアとなるニューラル・シンボリック再帰機械(NSR)を紹介する。 NSRは神経知覚、構文解析、意味推論を統合している。 我々はNSRの有効性を,系統的一般化能力の探索を目的とした4つの挑戦的ベンチマークで評価した。
  論文  参考訳（メタデータ） (2022-10-04T13:27:38Z)
• Representation Power of Graph Neural Networks: Improved Expressivity via Algebraic Analysis [124.97061497512804]
  標準グラフニューラルネットワーク (GNN) はWeisfeiler-Lehman (WL) アルゴリズムよりも差別的な表現を生成する。 また、白い入力を持つ単純な畳み込みアーキテクチャは、グラフの閉経路をカウントする同変の特徴を生じさせることを示した。
  論文  参考訳（メタデータ） (2022-05-19T18:40:25Z)
• Syntax-Aware Network for Handwritten Mathematical Expression Recognition [53.130826547287626]
  手書き数式認識(HMER)は、多くの潜在的な応用が可能な課題である。 HMERの最近の手法はエンコーダ・デコーダアーキテクチャで優れた性能を実現している。 本稿では,構文情報をエンコーダ・デコーダネットワークに組み込んだHMERの簡易かつ効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-03-03T09:57:19Z)
• 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)
• Discrete representations in neural models of spoken language [56.29049879393466]
  音声言語の弱教師付きモデルの文脈における4つの一般的なメトリクスの利点を比較した。 異なる評価指標が矛盾する結果をもたらすことが分かりました。
  論文  参考訳（メタデータ） (2021-05-12T11:02:02Z)
• Learning Symbolic Expressions: Mixed-Integer Formulations, Cuts, and Heuristics [1.1602089225841632]
  機能形式を仮定せずに回帰関数を学習する問題を考察する。 制限されたMIを解くことで表現木を構築する手法を提案する。
  論文  参考訳（メタデータ） (2021-02-16T18:39:14Z)
• Representing Partial Programs with Blended Abstract Semantics [62.20775388513027]
  プログラム合成エンジンにおける部分的なプログラム表現手法について紹介する。 モジュラーニューラルネットワークとして実装された近似実行モデルを学ぶ。 これらのハイブリッドニューロシンボリック表現は、実行誘導型シンセサイザーがより強力な言語構成を使うことができることを示す。
  論文  参考訳（メタデータ） (2020-12-23T20:40:18Z)
• Probing Linguistic Features of Sentence-Level Representations in Neural Relation Extraction [80.38130122127882]
  ニューラルリレーション抽出(RE)に関連する言語特性を対象とした14の探索タスクを導入する。 私たちは、40以上の異なるエンコーダアーキテクチャと2つのデータセットでトレーニングされた言語的特徴の組み合わせによって学習された表現を研究するためにそれらを使用します。 アーキテクチャによって引き起こされるバイアスと言語的特徴の含意は、探索タスクのパフォーマンスにおいて明らかに表現されている。
  論文  参考訳（メタデータ） (2020-04-17T09:17:40Z)

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。