論文の概要: Metal Price Spike Prediction via a Neurosymbolic Ensemble Approach

• arxiv url: http://arxiv.org/abs/2410.12785v1
• Date: Wed, 16 Oct 2024 17:58:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-17 13:41:30.911351
• Title: Metal Price Spike Prediction via a Neurosymbolic Ensemble Approach
• Title（参考訳）: ニューロシンボリック・アンサンブル法による金属価格スパイク予測
• Authors: Nathaniel Lee, Noel Ngu, Harshdeep Singh Sahdev, Pramod Motaganahall, Al Mehdi Saadat Chowdhury, Bowen Xi, Paulo Shakarian,
• Abstract要約: 我々の研究は、複数のニューラルモデルとシンボリックエラー検出と修正規則を統合した、ニューロシンボリックアンサンブルフレームワークを導入している。 提案手法は,最大6.42%の精度向上,29.41%のリコール,13.24%のF1増加を実現している。
• 参考スコア（独自算出の注目度）: 0.11307909320590358
• License:
• Abstract: Predicting price spikes in critical metals such as Cobalt, Copper, Magnesium, and Nickel is crucial for mitigating economic risks associated with global trends like the energy transition and reshoring of manufacturing. While traditional models have focused on regression-based approaches, our work introduces a neurosymbolic ensemble framework that integrates multiple neural models with symbolic error detection and correction rules. This framework is designed to enhance predictive accuracy by correcting individual model errors and offering interpretability through rule-based explanations. We show that our method provides up to 6.42% improvement in precision, 29.41% increase in recall at 13.24% increase in F1 over the best performing neural models. Further, our method, as it is based on logical rules, has the benefit of affording an explanation as to which combination of neural models directly contribute to a given prediction.
• Abstract（参考訳）: コバルト、銅、マグネシウム、ニッケルなどの臨界金属の価格急騰の予測は、エネルギー移行や製造のリショアといった世界的なトレンドに伴う経済リスクを軽減するために不可欠である。 従来のモデルは回帰に基づくアプローチに重点を置いているが、我々の研究は、複数のニューラルモデルとシンボリックエラー検出と修正規則を統合するニューロシンボリックアンサンブルフレームワークを導入している。 このフレームワークは、個々のモデルエラーを修正し、ルールベースの説明を通じて解釈可能性を提供することにより、予測精度を向上させるように設計されている。 提案手法は,最大6.42%の精度向上,29.41%のリコール,13.24%のF1増加を実現している。 さらに,この手法は論理的ルールに基づいており,どの組み合わせのニューラルモデルが与えられた予測に直接寄与するかを説明できるという利点がある。

関連論文リスト

• GARCH-Informed Neural Networks for Volatility Prediction in Financial Markets [0.0]
  マーケットのボラティリティを計測し、予測する新しいハイブリッドなDeep Learningモデルを提案する。 他の時系列モデルと比較すると、GINNは決定係数(R2$)、平均正方形誤差(MSE)、平均絶対誤差(MAE)の点で優れたサンプル外予測性能を示した。
  論文  参考訳（メタデータ） (2024-09-30T23:53:54Z)
• Achieving Well-Informed Decision-Making in Drug Discovery: A Comprehensive Calibration Study using Neural Network-Based Structure-Activity Models [4.619907534483781]
  薬物と標的の相互作用を予測する計算モデルは、新しい治療薬の開発を加速するための貴重なツールである。 しかし、そのようなモデルはキャリブレーションが不十分であり、信頼性の低い不確実性推定をもたらす。 本研究では,ポストホックキャリブレーション法と不確実な定量化手法を組み合わせることで,モデルの精度とキャリブレーションを向上できることを示す。
  論文  参考訳（メタデータ） (2024-07-19T10:29:00Z)
• Human Trajectory Forecasting with Explainable Behavioral Uncertainty [63.62824628085961]
  人間の軌道予測は人間の行動を理解し予測し、社会ロボットから自動運転車への応用を可能にする。 モデルフリー手法は予測精度が優れているが説明可能性に欠ける一方、モデルベース手法は説明可能性を提供するが、よく予測できない。 BNSP-SFMは,11種類の最先端手法と比較して,予測精度を最大50%向上することを示す。
  論文  参考訳（メタデータ） (2023-07-04T16:45:21Z)
• Regression-based Physics Informed Neural Networks (Reg-PINNs) for Magnetopause Tracking [0.0]
  回帰に基づく物理情報ニューラルネットワーク(Reg-PINN)の紹介 Reg-PINNは、物理にインスパイアされた経験的モデルをニューラルネットワークの損失関数に埋め込む。 シュエのモデルと比較して、この手法はRMSEの約30%の削減を実現している。
  論文  参考訳（メタデータ） (2023-06-16T04:28:57Z)
• Neural Frailty Machine: Beyond proportional hazard assumption in neural survival regressions [30.018173329118184]
  生存回帰のための強力なフレキシブルなニューラル・モデリング・フレームワークであるニューラル・フラリティ・マシン(NFM)を提案する。 2つの具体的なモデルは、ニューラル比例ハザードモデルと非ハザード回帰モデルを拡張する枠組みに基づいて導出される。 我々は,異なるスケールのベンチマークデータセットを6ドル以上で評価し,提案したNAMモデルは予測性能において最先端サバイバルモデルより優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-18T08:15:15Z)
• On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
  異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。 このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。 我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
  論文  参考訳（メタデータ） (2022-06-09T17:12:32Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• Quantifying Predictive Uncertainty in Medical Image Analysis with Deep Kernel Learning [14.03923026690186]
  本研究では,予測の不確かさを推定できる不確実性を考慮した深層カーネル学習モデルを提案する。 ほとんどの場合、提案したモデルは一般的なアーキテクチャよりも優れた性能を示している。 私たちのモデルは、挑戦的で議論の余地のあるテストサンプルを検出するためにも使用できます。
  論文  参考訳（メタデータ） (2021-06-01T17:09:47Z)
• Regression Bugs Are In Your Model! Measuring, Reducing and Analyzing Regressions In NLP Model Updates [68.09049111171862]
  この研究は、NLPモデル更新における回帰エラーの定量化、低減、分析に重点を置いている。 回帰フリーモデル更新を制約付き最適化問題に定式化する。 モデルアンサンブルが回帰を減らす方法を実証的に分析します。
  論文  参考訳（メタデータ） (2021-05-07T03:33:00Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。