論文の概要: rEGGression: an Interactive and Agnostic Tool for the Exploration of Symbolic Regression Models

• arxiv url: http://arxiv.org/abs/2501.17859v1
• Date: Wed, 29 Jan 2025 18:57:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-30 15:53:32.294532
• Title: rEGGression: an Interactive and Agnostic Tool for the Exploration of Symbolic Regression Models
• Title（参考訳）: rEGGression:シンボリック回帰モデルの探索のためのインタラクティブで非依存的なツール
• Authors: Fabricio Olivetti de Franca, Gabriel Kronberger,
• Abstract要約: 本稿では,電子グラフを用いたシンボル表現の大規模な探索を可能にするツールであるrEGGressionを紹介する。 主な焦点は、調査中に見つかったビルディングブロックの探索であり、専門家が研究された現象についての洞察を見つけるのに役立つ。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Regression analysis is used for prediction and to understand the effect of independent variables on dependent variables. Symbolic regression (SR) automates the search for non-linear regression models, delivering a set of hypotheses that balances accuracy with the possibility to understand the phenomena. Many SR implementations return a Pareto front allowing the choice of the best trade-off. However, this hides alternatives that are close to non-domination, limiting these choices. Equality graphs (e-graphs) allow to represent large sets of expressions compactly by efficiently handling duplicated parts occurring in multiple expressions. E-graphs allow to store and query all SR solution candidates visited in one or multiple GP runs efficiently and open the possibility to analyse much larger sets of SR solution candidates. We introduce rEGGression, a tool using e-graphs to enable the exploration of a large set of symbolic expressions which provides querying, filtering, and pattern matching features creating an interactive experience to gain insights about SR models. The main highlight is its focus in the exploration of the building blocks found during the search that can help the experts to find insights about the studied phenomena.This is possible by exploiting the pattern matching capability of the e-graph data structure.
• Abstract（参考訳）: 回帰分析は、独立変数が依存変数に与える影響を予測し理解するために用いられる。 シンボリック回帰(SR)は非線形回帰モデルの探索を自動化し、精度と現象を理解する可能性のバランスをとる仮説のセットを提供する。 多くのSR実装は、最高のトレードオフの選択を可能にするParetoフロントを返します。 しかし、これは非支配に近い選択肢を隠蔽し、これらの選択を制限する。 等式グラフ(eグラフ)は、複数の式で発生する重複部分の効率よく処理することで、大きな式集合をコンパクトに表現することができる。 Eグラフは、1つまたは複数のGPで訪れた全てのSRソリューション候補を効率的に保存し、クエリし、より大きなSRソリューション候補を分析できる。 本稿では,REGGressionについて紹介する。REGGressionは,問合せ,フィルタリング,パターンマッチング機能を備えた,SRモデルに関する洞察を得るためのインタラクティブなエクスペリエンスを実現する,大規模なシンボル表現の探索を可能にするツールである。 本研究の主眼は, 調査中の建物ブロックの探索に焦点をあて, 専門家が調査対象の現象を把握できるようにし, 電子グラフデータ構造のパターンマッチング能力を活用できることである。

関連論文リスト

• Improving Genetic Programming for Symbolic Regression with Equality Graphs [0.0]
  等式グラフを利用して、式とその等価な形式を格納する。 サブツリー演算子を適応させて、表現の再検討の機会を減らします。 提案手法は,PySRやOperonと競合する単純なGPアルゴリズムの性能を向上させる。
  論文  参考訳（メタデータ） (2025-01-29T18:49:34Z)
• Posets and Bounded Probabilities for Discovering Order-inducing Features in Event Knowledge Graphs [6.96958458974878]
  イベント知識グラフ(EKG)は、プロセス実行の複数の対話的なビューをキャプチャする。 未処理データからのEKG発見のオープンな問題に対処する。 統計的推測に基づくEKG探索アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2024-10-08T14:12:51Z)
• Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
  本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。 観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。 本手法は, 推定手法よりも有効であることを示す。
  論文  参考訳（メタデータ） (2024-08-26T08:39:09Z)
• Multi-View Symbolic Regression [1.2334534968968969]
  複数のデータセットを同時に考慮したMvSR(Multi-View Symbolic Regression)を提案する。 MvSRは評価された式を各独立したデータセットに適合させ、パラメトリック関数のファミリーを返す。 我々は、既知の表現から生成されたデータと、天文学、化学、経済から得られた実世界のデータを用いて、MvSRの有効性を実証する。
  論文  参考訳（メタデータ） (2024-02-06T15:53:49Z)
• Zero-shot Composed Text-Image Retrieval [72.43790281036584]
  合成画像検索(CIR)の問題点を考察する。 テキストや画像などのマルチモーダル情報を融合し、クエリにマッチする画像を正確に検索し、ユーザの表現能力を拡張できるモデルをトレーニングすることを目的としている。
  論文  参考訳（メタデータ） (2023-06-12T17:56:01Z)
• Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
  我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。 我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
  論文  参考訳（メタデータ） (2022-09-12T09:19:22Z)
• A Graph-Enhanced Click Model for Web Search [67.27218481132185]
  ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。 セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
  論文  参考訳（メタデータ） (2022-06-17T08:32:43Z)
• Symbolic Expression Transformer: A Computer Vision Approach for Symbolic Regression [9.978824294461196]
  シンボリック回帰(英: Symbolic Regression、SR)は、データに最も適合する数学的表現を自動的に見つけるための回帰分析の一種である。 人間はその曲線に基づいて数学的表現を推測できるという事実に触発され、記号表現変換器(SET)を提案する。 SETは、SRのコンピュータビジョンの観点からのサンプル非依存モデルである。
  論文  参考訳（メタデータ） (2022-05-24T05:35:46Z)
• Multivariate Data Explanation by Jumping Emerging Patterns Visualization [78.6363825307044]
  多変量データセットにおけるパターンの識別と視覚的解釈を支援するVAX(multiVariate dAta eXplanation)を提案する。 既存の類似のアプローチとは異なり、VAXはJumping Emerging Patternsという概念を使って、複数の多様化したパターンを特定し、集約し、データ変数のロジックの組み合わせを通して説明を生成する。
  論文  参考訳（メタデータ） (2021-06-21T13:49:44Z)
• Controlling for sparsity in sparse factor analysis models: adaptive latent feature sharing for piecewise linear dimensionality reduction [2.896192909215469]
  本稿では,現在潜伏している特徴分解技術の鍵となる限界に対処できる,シンプルでトラクタブルな特徴割り当てモデルを提案する。 適応型因子分析(aFA)と適応型確率的原理成分分析(aPPCA)を応用し,柔軟な構造発見と次元減少を実現する。 APPCAとaFAは、生のMNISTに適用した場合と、オートエンコーダの特徴を解釈する場合の両方において、高いレベルの特徴を推測できることを示す。
  論文  参考訳（メタデータ） (2020-06-22T16:09:11Z)
• Learning What Makes a Difference from Counterfactual Examples and Gradient Supervision [57.14468881854616]
  ニューラルネットワークの一般化能力を改善するための補助的学習目標を提案する。 我々は、異なるラベルを持つ最小差の例のペア、すなわち反ファクトまたはコントラストの例を使用し、タスクの根底にある因果構造を示す信号を与える。 このテクニックで訓練されたモデルは、配布外テストセットのパフォーマンスを向上させる。
  論文  参考訳（メタデータ） (2020-04-20T02:47:49Z)

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。