論文の概要: Learning Parametric Nitrogen Fertilizer Response Curves Using Neuro Symbolic Regression

• arxiv url: http://arxiv.org/abs/2605.31276v1
• Date: Fri, 29 May 2026 13:08:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.625079
• Title: Learning Parametric Nitrogen Fertilizer Response Curves Using Neuro Symbolic Regression
• Title（参考訳）: ニューロシンボリック回帰を用いたパラメトリック窒素肥料応答曲線の学習
• Abstract要約: 窒素(N)の施肥に対する作物の反応を正確にモデル化することは、精密農業における根本的な課題である。 既存のアプローチは、事前に定義されたパラメトリック形式や不透明な機械学習モデルに依存している。 本研究では,N-応答曲線を予め定義された機能形式を仮定することなく学習するための神経記号回帰(SR)手法を提案する。
• 参考スコア（独自算出の注目度）: 3.8673630752805437
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately modeling crop response to Nitrogen (N) fertilization is a fundamental challenge in precision agriculture, as it impacts both economic returns and environmental sustainability. Existing approaches either rely on predefined parametric forms or opaque machine learning models, limiting their ability to interpret or discover site-specific functional relationships from data. In this work, we propose a neuro symbolic regression (SR) approach to learn parametric N-response curves without assuming a predefined functional form. Our approach integrates a transformer-based Multi-Set Symbolic Skeleton Prediction strategy, enabling the discovery of shared functional structures across multiple subdomains or management zones (MZs). By constructing diverse input subsets and enforcing consistency across them, the method recovers robust symbolic skeletons that are subsequently fitted to observed data using a genetic algorithm. This framework was first evaluated on synthetic one-dimensional problems to assess its robustness under varying levels of epistemic uncertainty. The results demonstrate the ability of the proposed SR approach to recover correct expressions even in data-scarce regimes. In this work, we present the results of applying our method to real-world winter wheat data, learning distinct parametric N-response curves for different MZs within a field. The results show that the discovered expressions not only achieve lower fitting errors than traditional models such as quadratic-plateau and exponential functions, but also capture diverse functional behaviors across spatial regions. This demonstrates the potential that neuro SR has to enable the discovery of site-specific agronomic relationships and support informed decision-making in precision agriculture.
• Abstract（参考訳）: 窒素(N)の施肥に対する作物の正確な反応をモデル化することは、経済的なリターンと環境の持続可能性の両方に影響を与えるため、精密農業における根本的な課題である。 既存のアプローチでは、事前に定義されたパラメトリック形式や不透明な機械学習モデルに依存しており、データからサイト固有の機能関係を解釈または発見する能力を制限する。 本研究では,パラメトリックN応答曲線を事前定義された機能形式を仮定することなく学習するための神経記号回帰(SR)手法を提案する。 提案手法はトランスフォーマーをベースとしたマルチセット・シンボリック・スケルトン予測戦略を統合し,複数のサブドメインや管理ゾーン(MZ)にまたがる共有機能構造の発見を可能にする。 多様な入力サブセットを構築し、それらの一貫性を強制することにより、遺伝的アルゴリズムを用いて観測データに適合する堅牢なシンボル骨格を復元する。 この枠組みは、まず合成一次元問題で評価され、その頑健さを、様々なレベルのてんかんの不確実性の下で評価した。 その結果,データスカース状態においても,正しい表現を復元するSR手法の有効性が示された。 本研究では,実世界の冬のコムギデータに本手法を適用し,フィールド内の異なるMZに対して異なるパラメトリックN応答曲線を学習した。 その結果, 2次プラトーや指数関数といった従来のモデルよりも低い適合誤差が得られるだけでなく,空間領域にまたがる多様な機能的挙動を捉えることができた。 このことは、神経SRがサイト固有の農業関係の発見を可能にし、精密農業における情報的意思決定を支援する可能性を示している。

関連論文リスト

• Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
  逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。 LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
  論文  参考訳（メタデータ） (2026-05-27T23:48:01Z)
• Nonparametric estimation of Hawkes processes with RKHSs [1.775610745277615]
  本稿では、再生カーネル空間(RKHS)に相互作用関数が存在すると仮定した非線形ホークス過程の非パラメトリック推定について述べる。 神経科学の応用によって動機づけられたこのモデルは、エキサイティングで抑制的な効果を表現するために、複雑な相互作用機能を実現する。 本稿では2つの共通近似(ReLU関数と積分作用素)に依存する推定法を提案する。
  論文  参考訳（メタデータ） (2024-11-01T14:26:50Z)
• 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)
• PINQI: An End-to-End Physics-Informed Approach to Learned Quantitative MRI Reconstruction [0.7199733380797579]
  定量的磁気共鳴イメージング(qMRI)は、生体物理パラメータの再現可能な測定を可能にする。 この課題は、取得した生データから所望の組織パラメーターマップを得るために、非線形で不適切な逆問題を解決することである。 我々は、信号、取得モデルに関する知識を統合した新しいqMRI再構成手法であるPINQIを提案し、単一エンドツーエンドのトレーニング可能なニューラルネットワークへの正規化を学習した。
  論文  参考訳（メタデータ） (2023-06-19T15:37:53Z)
• Neural-Network-Directed Genetic Programmer for Discovery of Governing Equations [0.0]
  faiGPは、文法にエンコードされた関数代数の性質を利用するように設計されている。 我々は, トランスクリプトームの研究から適応した多様性指標を含む, 各種正則化剤の影響を定量化する。
  論文  参考訳（メタデータ） (2022-03-15T21:28:05Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Provably Efficient Neural Estimation of Structural Equation Model: An Adversarial Approach [144.21892195917758]
  一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。 線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。 提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
  論文  参考訳（メタデータ） (2020-07-02T17:55:47Z)

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。