Interpretable Scientific Discovery with Symbolic Regression: A Review

要約

「シンボル回帰による解釈可能な科学的発見：レビュー」という論文は、以下のような内容で構成されています。

タイトル：
– 「シンボル回帰による解釈可能な科学的発見：レビュー」

要約：
– シンボル回帰は、機械学習手法の1つであり、直接データから簡潔で解釈可能な数学的式を学ぶための有望な手法として注目されています。
– これまで、シンボル回帰は遺伝的プログラミングによって取り組まれてきましたが、最近ではディープラーニングでも取り組まれてきており、基礎から応用までのさまざまな分野で著しい進展を遂げています。
– この調査報告書では、シンボル回帰手法の構造化された包括的な概要を提示し、その強みと限界について論じています。

要約(オリジナル)

Symbolic regression is emerging as a promising machine learning method for learning succinct underlying interpretable mathematical expressions directly from data. Whereas it has been traditionally tackled with genetic programming, it has recently gained a growing interest in deep learning as a data-driven model discovery method, achieving significant advances in various application domains ranging from fundamental to applied sciences. This survey presents a structured and comprehensive overview of symbolic regression methods and discusses their strengths and limitations.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI