論文の概要: Diversified Residual Symbolic Regression

• arxiv url: http://arxiv.org/abs/2605.15809v1
• Date: Fri, 15 May 2026 10:04:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.247959
• Title: Diversified Residual Symbolic Regression
• Title（参考訳）: 多様化した残像の象徴的回帰
• Authors: Koki Ikeda, Masahiro Nomura, Ryoki Hamano,
• Abstract要約: 本稿では,多角化残留記号回帰手法を提案する。 残留パターンに関して多様性を促進しながら高い予測精度を達成する。 現実世界の天体データセット上では、既知の物理的関係と整合した複数の表現を発見する。
• 参考スコア（独自算出の注目度）: 5.2966238638941645
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Symbolic regression (SR) aims to discover explicit mathematical expressions that explain observed data and is widely used in domains where interpretability is essential. Because interpretability requires expressions to reflect meaningful regularities, SR is sensitive to observations that deviate from the dominant relationship. Such irregular observations, or outliers, are common in real-world data and can hinder SR from identifying underlying regularities. Robust regression mitigates this by downweighting observations with large residuals. However, deciding which observations should be treated as outliers is often ambiguous and depends on user interpretation and domain knowledge, a perspective largely overlooked in existing SR studies. This motivates approaches that present multiple candidate expressions, allowing users to examine different residual patterns and choose expressions consistent with their expertise. We propose diversified residual symbolic regression (DRSR), which achieves high predictive accuracy while promoting diversity with respect to residual patterns based on the Quality-Diversity paradigm. DRSR collects multiple expressions that fit the data well but differ in how residuals are distributed, enabling post-search selection aligned with domain knowledge. On a synthetic mixture dataset, DRSR produces more diverse expressions than conventional SR while capturing multiple underlying relationships. On a real-world astronomical dataset, DRSR discovers multiple expressions consistent with known physical relationships.
• Abstract（参考訳）: シンボリック回帰(SR)は、観測データを説明する明示的な数学的表現を発見し、解釈可能性が必要な領域で広く使用されることを目的としている。 解釈可能性には意味のある規則性を反映する表現が必要であるため、SRは支配的な関係から逸脱する観察に敏感である。 このような不規則な観測、または外れ値(outlier)は現実世界のデータで一般的であり、SRが基礎となる規則性を特定するのを妨げる。 ロバスト回帰は、大きな残留物で観測を下降させることによってこれを緩和する。 しかしながら、どの観測を外れ値として扱うべきかは、しばしば曖昧であり、ユーザ解釈とドメイン知識に依存している。 これは複数の候補表現を提示するアプローチのモチベーションであり、ユーザーは異なる残差パターンを調べ、専門知識と整合した表現を選択することができる。 品質・多様性パラダイムに基づく残差パターンに関して,多様性を推し進めつつ,高い予測精度を達成できる多角化残差記号回帰(DRSR)を提案する。 DRSRはデータによく適合する複数の表現を収集するが、残差の分散の仕方が異なるため、検索後の選択をドメイン知識に合わせることができる。 合成混合データセットでは、DRSRは従来のSRよりも多様な表現を生成し、複数の基礎となる関係を捉えている。 現実世界の天体データセットでは、DRSRは既知の物理的関係と整合した複数の表現を発見する。

関連論文リスト

• Thinking Before Matching: A Reinforcement Reasoning Paradigm Towards General Person Re-Identification [77.51622646061314]
  ReID-Rは、明確なアイデンティティ理解と推論を実現する新しい推論駆動パラダイムとして提案されている。 複数のReIDベンチマークの実験では、ReID-Rは優れた手法として、競争力のある識別性を達成している。
  論文  参考訳（メタデータ） (2026-04-21T08:24:07Z)
• rEGGression: an Interactive and Agnostic Tool for the Exploration of Symbolic Regression Models [0.0]
  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。
  論文  参考訳（メタデータ） (2025-01-29T18:57:44Z)
• 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)
• Equivariance Allows Handling Multiple Nuisance Variables When Analyzing Pooled Neuroimaging Datasets [53.34152466646884]
  本稿では,構造空間上でインスタンス化された同変表現学習における最近の結果と,因果推論における古典的結果の簡易な利用が,いかに効果的に実現されたかを示す。 いくつかの仮定の下で、我々のモデルが複数のニュアンス変数を扱えることを実証し、そうでなければサンプルの大部分を取り除く必要のあるシナリオにおいて、プールされた科学データセットの分析を可能にする。
  論文  参考訳（メタデータ） (2022-03-29T04:54:06Z)
• Regularizing Variational Autoencoder with Diversity and Uncertainty Awareness [61.827054365139645]
  変分オートエンコーダ(VAE)は、償却変分推論に基づいて潜伏変数の後部を近似する。 よりディバースで不確実な潜在空間を学習するための代替モデルDU-VAEを提案する。
  論文  参考訳（メタデータ） (2021-10-24T07:58:13Z)
• A comprehensive comparative evaluation and analysis of Distributional Semantic Models [61.41800660636555]
  我々は、静的DSMによって生成されたり、BERTによって生成された文脈化されたベクトルを平均化して得られるような、型分布ベクトルの包括的評価を行う。 その結果、予測ベースモデルの優越性は現実よりも明らかであり、ユビキタスではないことが明らかとなった。 我々は認知神経科学からRepresentational similarity Analysis(RSA)の方法論を借りて、分布モデルによって生成された意味空間を検査する。
  論文  参考訳（メタデータ） (2021-05-20T15:18:06Z)
• Deconfounded Score Method: Scoring DAGs with Dense Unobserved Confounding [101.35070661471124]
  本研究では,観測データ分布に特徴的フットプリントが残っており,突発的・因果的影響を解消できることを示す。 汎用ソルバで実装し,高次元問題へのスケールアップが可能なスコアベース因果検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-28T11:07:59Z)
• When Relation Networks meet GANs: Relation GANs with Triplet Loss [110.7572918636599]
  GAN(Generative Adversarial Network)の学習安定性はいまだに悩みの種である 本稿では,判別器のための関係ネットワークアーキテクチャについて検討し,より優れた一般化と安定性を実現する三重項損失を設計する。 ベンチマークデータセットの実験により、提案された関係判別器と新たな損失は、可変視覚タスクに大幅な改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-02-24T11:35:28Z)

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。