論文の概要: When Proxy Prediction Becomes Equation Reconstruction: Diagnostics and Residual Learning for Factor-Derived Proxy Supervision

• arxiv url: http://arxiv.org/abs/2608.04393v1
• Date: Wed, 05 Aug 2026 02:54:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.697237
• Title: When Proxy Prediction Becomes Equation Reconstruction: Diagnostics and Residual Learning for Factor-Derived Proxy Supervision
• Title（参考訳）: プロキシ予測が方程式再構成になるとき:因子依存型プロキシスーパービジョンの診断と残差学習
• Authors: Chayan Lahiri, Ahmed Shafee, Cody Fehringer,
• Abstract要約: 高い予測精度は、分解因子情報に対する堅牢性よりもむしろプロキシ生成方程式の再構成を反映する可能性がある。 本稿では, 劣化形式参照, 古典的木系ベースライン, 一致した直接予測, 公式予測, 文脈改善, テールエラー解析, 堅牢性スコアリングを組み合わせた診断フレームワークを提案する。 次に、劣化した公式推定を予測アンカーとして保持し、適応的にゲートされた文脈補正を学習する式保存残留フレームワークであるRASPLを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientific machine learning often relies on proxy targets computed from known domain factors when direct observations are limited. When those same factors are used as model inputs, however, high predictive accuracy may reflect reconstruction of the proxy-generating equation rather than robustness to degraded factor information. We study this problem in RUSLE-derived soil-loss proxy prediction under controlled degradation of the soil-erodibility factor $K$. We introduce a diagnostic framework that combines degraded-formula references, classical tree-based baselines, matched direct and formula-feature predictors, contextual ablations, tail-error analysis, and degradation robustness scoring. We then propose RASPL, a formula-preserving residual framework that retains the degraded formula estimate as the prediction anchor and learns an adaptively gated contextual correction. RASPL substantially outperforms matched direct prediction and provides stronger degradation and tail robustness than treating the formula estimate as an ordinary input feature. Within RASPL, a compact statistical encoder achieves the highest macro-averaged $R^2$ and lowest computational cost, whereas a convolutional encoder achieves the strongest degradation robustness and lowest Tail95 mean absolute error (MAE). These results establish formula preservation as the central design principle for robust learning from factor-derived proxy targets.
• Abstract（参考訳）: 科学機械学習は、直接観測が限られている場合に、既知のドメイン要素から計算されたプロキシターゲットに依存することが多い。 しかし、これらの因子がモデル入力として使用される場合、高い予測精度は、分解因子情報に対する堅牢性よりも、プロキシ生成方程式の再構成を反映する可能性がある。 本研究は, RUSLE由来の土壌ロスプロキシ予測において, 土壌侵食係数の制御劣化下での問題点について検討した。 本稿では, 劣化形式参照, 古典的木系ベースライン, 一致した直接予測, 公式予測, 文脈改善, テールエラー解析, 劣化堅牢性スコアリングを組み合わせた診断フレームワークを提案する。 次に、劣化した公式推定を予測アンカーとして保持し、適応的にゲートされた文脈補正を学習する式保存残留フレームワークであるRASPLを提案する。 RASPLは一致した直接予測を著しく上回り、式推定を通常の入力特徴として扱うよりも強い劣化と尾の頑健性を提供する。 RASPLでは、コンパクトな統計エンコーダが平均$R^2$と最低計算コストを達成するのに対し、畳み込みエンコーダは最強の劣化堅牢性と最低のTail95平均絶対誤差(MAE)を達成する。 これらの結果は、因子由来のプロキシターゲットからの堅牢な学習のための中心設計原則として、公式保存を確立している。

関連論文リスト

• Plug-in Losses for Evidential Deep Learning: A Simplified Framework for Uncertainty Estimation that Includes the Softmax Classifier [3.6423651166048874]
  実世界のセンサに基づく学習システムでは、信頼性と計算効率の両方で不確実性を推定する必要がある。 Evidential Deep Learning (EDL) は、ディリクレ分布を用いたクラス確率のモデル化による単一パス不確実性推定を提供する。 本稿では,EDLにより誘導される1次経験的リスク最小化問題の目的をディリクレ平均で評価されたプラグイン損失を用いて近似することにより,この問題に対処する。 提案手法をGoogle Speech Commandsデータセットで検証し,従来のEDLに匹敵する予測精度と選択予測性能が得られることを示す。
  論文  参考訳（メタデータ） (2026-05-21T17:15:10Z)
• $V_{0.5}$: Generalist Value Model as a Prior for Sparse RL Rollouts [81.48669089692189]
  一般値モデル(例えば$V_0.5$)は、コンテキスト内のモデル機能を明示的にエンコードすることで、事前訓練された値推定を実現する。 本稿では,このような値モデルにより予測されるベースラインと,スパースロールアウトから導出される経験的平均とを適応的に融合する$V_0.5$を提案する。 V_0.5$はGRPOとDAPOを大きく上回り、より高速な収束と約10%のパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2026-03-11T14:57:41Z)
• STAR : Bridging Statistical and Agentic Reasoning for Large Model Performance Prediction [78.0692157478247]
  本稿では,知識駆動型エージェント推論を用いて,データ駆動型静的予測を橋渡しするフレームワークSTARを提案する。 STARはスコアベースとランクベースの両方の基準線を一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2026-02-12T16:30:07Z)
• Adaptive-CaRe: Adaptive Causal Regularization for Robust Outcome Prediction [16.391352325575763]
  監視された機械学習アルゴリズムは、医療領域における結果予測に一般的に使用される。 本稿では,医療領域における一般結果予測のためのモデル非依存型正規化戦略であるAdaptive-CaReを提案する。
  論文  参考訳（メタデータ） (2026-02-06T11:14:03Z)
• Uncertainty Quantification for Regression using Proper Scoring Rules [76.24649098854219]
  CRPS,対数,2乗誤差,2次スコアなど,適切なスコアリングルールに基づく回帰のための統一的UQフレームワークを提案する。 実測パラメトリックな仮定に基づく不確実性尺度に対する閉形式式を導出し、モデルのアンサンブルを用いてそれらを推定する方法を示す。 合成および実世界の回帰データセットに対する広範な評価は、信頼性の高いUQ尺度を選択するためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2025-09-30T17:52:12Z)
• Adversarial learning for nonparametric regression: Minimax rate and adaptive estimation [3.244945627960733]
  逆数$L_risks と $1 leq leq infty$ の最小収束率を確立し、極大最適性を達成する部分的局所推定器を提案する。 我々は、対数係数の中で、非対数クラスと対数クラスの広い範囲で最適な速度を達成することが示されるデータ駆動適応推定器を構築する。
  論文  参考訳（メタデータ） (2025-06-02T02:38:47Z)
• Bridging Internal Probability and Self-Consistency for Effective and Efficient LLM Reasoning [53.25336975467293]
  パープレキシティや自己整合性などの手法の第一理論誤差分解解析について述べる。 パープレキシティ法は、適切な整合関数が存在しないため、かなりのモデル誤差に悩まされる。 本稿では、自己整合性とパープレキシティを統合したReasoning-Pruning Perplexity Consistency(RPC)と、低確率推論経路を排除したReasoning Pruningを提案する。
  論文  参考訳（メタデータ） (2025-02-01T18:09:49Z)
• Predictability Analysis of Regression Problems via Conditional Entropy Estimations [1.8913544072080544]
  回帰問題の予測可能性を評価するために,条件付きエントロピー推定器を開発した。 合成および実世界のデータセットの実験は、これらの推定器の堅牢性と有用性を示している。
  論文  参考訳（メタデータ） (2024-06-06T07:59:19Z)
• Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction [51.82628081279621]
  多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。 構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。 この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
  論文  参考訳（メタデータ） (2023-09-02T01:27:53Z)
• Prediction in latent factor regression: Adaptive PCR and beyond [2.9439848714137447]
  我々は、大きなクラスの予測子のリスクバウンドを確立するマスター定理を証明する。 主定理を用いて、最小ノルム補間予測器の既知のリスク境界を復元する。 理論的結果を裏付け,補完するための詳細なシミュレーション研究を締めくくった。
  論文  参考訳（メタデータ） (2020-07-20T12:42:47Z)

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。