論文の概要: DeepPySR -- A Symbolic Regression Framework with Dynamic Pruning, Pareto Selection, and Hierarchical Composition for Real-World Scientific Discovery
- arxiv url: http://arxiv.org/abs/2607.08150v1
- Date: Thu, 09 Jul 2026 06:41:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.42818
- Title: DeepPySR -- A Symbolic Regression Framework with Dynamic Pruning, Pareto Selection, and Hierarchical Composition for Real-World Scientific Discovery
- Title（参考訳）: DeepPySR - 動的プルーニング,パレート選択,階層構成を備えた,現実世界の科学的発見のためのシンボリック回帰フレームワーク
- Abstract要約: シンボリック回帰はデータから解析方程式を発見し、解釈式を持つガラス箱モデルを生成する。
DeepPySRは、これらの問題に動的変数実行スケジュールで対処し、検索中に無関係な機能を削除する。
4つのFeynman物理ベンチマークと7つのバイオメディカルおよび社会科学データセットにおいて、DeepPySRはPySRを上回っている。
- 参考スコア（独自算出の注目度）: 0.12249546377051435
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Symbolic regression (SR) discovers analytical equations from data, yielding glass-box models with directly interpretable formulas, unlike black-box methods that rely on unstable post-hoc tools such as SHAP or LIME. This transparency is crucial in clinical medicine and social science, but SR faces three challenges: high-dimensional inputs, principled selection of Pareto-front formulae, and data irregularities such as multicollinearity and class imbalance. We introduce DeepPySR, which addresses these issues with a dynamic variable-pruning schedule to remove irrelevant features during search, an exponential Pareto selection criterion that eliminates trade-offs between accuracy and complexity, and a multi-layer architecture for hierarchical symbolic composition. On four Feynman physics benchmarks and seven biomedical and social-science datasets, DeepPySR outperforms PySR and baselines on body fat (R$^2$: 0.794 vs.\ 0.702), heart disease (F1: 0.898 vs.\ 0.787), student performance (R$^2$: 0.964 vs.\ 0.948), and Raine BMI (R$^2$: 0.525 vs.\ 0.370), producing interpretable formulas aligned with domain risk factors.
- Abstract（参考訳）: シンボリック回帰(SR)はデータから解析方程式を発見し、SHAPやLIMEのような不安定なポストホックツールに依存するブラックボックス法とは異なり、直接解釈可能な公式を持つガラスボックスモデルを生成する。
この透明性は臨床医学や社会科学において重要であるが、SRは高次元入力、パレートフロント式の選択の原則、多項性やクラス不均衡といったデータ不規則という3つの課題に直面している。
本稿では,これらの問題に,探索中の無関係な特徴を除去する動的変数抽出スケジュール,精度と複雑性のトレードオフを排除した指数パレート選択基準,階層的記号合成のための多層アーキテクチャを導入する。
4つのFeynman物理ベンチマークと7つのバイオメディカルおよび社会科学データセットにおいて、DeepPySRはPySRと体脂肪のベースライン(R$^2$: 0.794 vs)を上回っている。
0.702)、心臓病(F1:0.898 vs。
\ 0.787), 学生成績(R$^2$:0.964 vs。
0.948) と Raine BMI (R$^2$:0.525 vs。
0.370) ドメインリスク因子に整合した解釈可能な式を生成する。
関連論文リスト
- Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。
我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。
ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
論文 参考訳（メタデータ） (2026-07-07T10:10:00Z) - Towards Robust Training in NNGPT AutoML Pipeline: A Loss-Optimizer Pairing Selection Study [48.83701310501069]
本稿では, 一つのレシピがヘテロジニアスなアーキテクチャプールに十分であるか, 最適ペアリングが構造的に多様なモデルによって異なるかを検討する。
我々は,CEL(Cross-Entropy),NLL(Negative Log-Likelihood),および最近導入された遺伝学的に進化したNGL損失を,LEMURヘテロジニアス・アーキテクチャー・プールの6つの画像分類データセット上に提示したベースモデル間で比較検討した。
我々の結果は、単一のペアリングが普遍的に最適でないことを確認した。AdamやAdamWとのクロスエントロピーは、最も堅牢な選択である。
論文 参考訳（メタデータ） (2026-06-18T20:51:42Z) - 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) - Shared Emotion Geometry Across Small Language Models: A Cross-Architecture Study of Representation, Behavior, and Methodological Confounds [4.358468367889626]
我々は、fp16精度で統合理解モードパイプラインの下で、12個の小言語モデルから21個の感情ベクトル集合を抽出する。
5つの成熟したアーキテクチャは、ほぼ同じ21-感情幾何学を共有し、対の RDM Spearman 相関は 0.74-0.92 である。
本研究は, 従来の研究成果を, 単一の理解と生成の方法の効果として, 4つの異なる層に分解したことを示す。
論文 参考訳（メタデータ） (2026-04-13T06:27:40Z) - Quantum-Inspired Geometric Classification with Correlation Group Structures and VQC Decision Modeling [0.5039813366558307]
本稿では、相関群構造(CGR)、コンパクトなSWAPテストに基づく重複推定、選択的変分量子決定モデリングを統合した幾何駆動型量子インスピレーション型分類フレームワークを提案する。
CGRは特徴をアンカー中心の相関近傍に整理し、非線形で相関重み付き表現を生成する。
Credit Card Fraudデータセット(0.17%)では、Delta + VQCパイプラインが約0.85マイノリティリコールを約1.31%の警告レートで達成し、ROC-AUC 0.9249とPR-AUC 0.3251をフルデータセットで評価している。
論文 参考訳（メタデータ） (2026-04-02T11:50:29Z) - Diagnosing Heteroskedasticity and Resolving Multicollinearity Paradoxes in Physicochemical Property Prediction [0.2330146832085843]
PubChem, ChEMBL, eMoleculesデータベースから426,850個の生物活性分子を解析した。
計算された logP 値を予測する線形モデルでは, 重度のヘテロスケダスト性が確認された。
木に基づくアンサンブル法は本質的にヘテロスケダスティック性に強く,予測性能は優れていた。
論文 参考訳（メタデータ） (2025-12-31T05:32:13Z) - Hyperparameter Optimization and Reproducibility in Deep Learning Model Training [5.851295230237131]
再生性は、病理学の基礎モデルトレーニングにおいて重要な課題である。
QUILT-1Mデータセットを用いてCLIPモデルを訓練した。
RandomResizedCropの値は0.7-0.8で、より攻撃的である(0.6)か保守的である(0.9)。
論文 参考訳（メタデータ） (2025-10-16T21:57:52Z) - GRID: Graph-based Reasoning for Intervention and Discovery in Built Environments [0.31096636737010974]
商業ビルにおける手動のHVAC故障診断には、インシデント毎に8～12時間かかり、診断精度は60%に過ぎません。
本稿では,制約に基づく探索,ニューラル構造方程式モデリング,言語モデルなどを組み合わせた3段階の因果探索パイプラインGRIDについて述べる。
このフレームワークは制約ベースの手法、ニューラルアーキテクチャ、ドメイン固有の言語モデルを統合し、分析を構築する際の観察と因果的なギャップに対処する。
論文 参考訳（メタデータ） (2025-09-19T20:19:48Z) - A Fine-Grained Attention and Geometric Correspondence Model for Musculoskeletal Risk Classification in Athletes Using Multimodal Visual and Skeletal Features [3.0826008596787253]
筋骨格障害はアスリートに重大なリスクをもたらし、早期にリスクを評価することは予防に重要である。
本研究では,視覚的および骨格的座標に基づく特徴を用いて筋骨格リスクを分類する,新しいマルチモーダル深層学習フレームワークであるViSK-GATを紹介する。
ViSK-GATは、9つの人気のある移行学習のバックボーンを一貫して上回り、AIによる筋骨格リスク評価を前進させる可能性を示した。
論文 参考訳（メタデータ） (2025-09-07T04:09:06Z) - Federated Learning Resilient to Byzantine Attacks and Data Heterogeneity [59.17297282373628]
本稿では、データに対する悪意ある攻撃の文脈におけるグラディエント学習(FL)について述べる。
本稿では,収束解析と損失関数の中央値を用いた新しい平均ロバストアルゴリズム(RAGA)を提案する。
論文 参考訳（メタデータ） (2024-03-20T08:15:08Z) - Simulation-based Inference for Cardiovascular Models [43.55219268578912]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳（メタデータ） (2023-07-26T02:34:57Z) - RAMP-Net: A Robust Adaptive MPC for Quadrotors via Physics-informed
Neural Network [6.309365332210523]
本稿では、単純なODEとデータの一部をトレーニングしたニューラルネットワークを用いて、PINN(RAMP-Net)を介してロバスト適応MPCフレームワークを提案する。
我々は,SOTA回帰に基づく2つのMPC法と比較して,0.5～1.75m/sの追跡誤差を7.8%から43.2%,8.04%から61.5%削減した。
論文 参考訳（メタデータ） (2022-09-19T16:11:51Z) - Robust Representation via Dynamic Feature Aggregation [44.927408735490005]
ディープ畳み込みニューラルネットワーク(CNN)ベースのモデルは、敵の攻撃に対して脆弱である。
本稿では,新しい正規化により埋め込み空間を圧縮する動的特徴集約法を提案する。
CIFAR-10における攻撃法の平均精度は56.91%である。
論文 参考訳（メタデータ） (2022-05-16T06:22:15Z)
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。