Sign In

Architecture-Induced Recoverability Bias in Differentiable Symbolic Regression

μž‘μ„±μž
  • Haebom
μΉ΄ν…Œκ³ λ¦¬
Empty

μ €μž

Chakshu Gupta, Theodore J. LaGrow

πŸ’‘ κ°œμš”

λ³Έ 논문은 λ―ΈλΆ„ κ°€λŠ₯ν•œ 기호 νšŒκ·€(differentiable symbolic regression)μ—μ„œ κ³ μ •λœ 신경망 μ•„ν‚€ν…μ²˜κ°€ λ³΅κ΅¬λ˜λŠ” 기호 ν‘œν˜„μ˜ 편ν–₯을 μœ λ°œν•œλ‹€λŠ” 점을 λ°ν˜€λƒ…λ‹ˆλ‹€. 연ꡬ진은 λ‹€μ–‘ν•œ μ•„ν‚€ν…μ²˜λ₯Ό λΉ„κ΅ν•˜μ—¬ λ³€μˆ˜ λΌμš°νŒ… 방식이 결과에 큰 영ν–₯을 미침을 μž…μ¦ν–ˆμœΌλ©°, 특히 두 개의 동일 깊이 ν•˜μœ„ 트리둜 κ΅¬μ„±λœ ν‘œν˜„μ€ λͺ¨λ“  ν…ŒμŠ€νŠΈμ—μ„œ 볡ꡬ에 μ‹€νŒ¨ν•˜λŠ” 문제λ₯Ό λ°œκ²¬ν–ˆμŠ΅λ‹ˆλ‹€. 이λ₯Ό ν•΄κ²°ν•˜κΈ° μœ„ν•œ λ°©μ•ˆμœΌλ‘œ, 검증 데이터λ₯Ό ν™œμš©ν•˜μ—¬ 졜적의 μ•„ν‚€ν…μ²˜λ₯Ό μ„ νƒν•˜λŠ” 방법을 μ œμ•ˆν•˜κ³  κ·Έ 효과λ₯Ό μž…μ¦ν–ˆμŠ΅λ‹ˆλ‹€.

πŸ”‘ μ‹œμ‚¬μ  및 ν•œκ³„

β€’
λ―ΈλΆ„ κ°€λŠ₯ν•œ 기호 νšŒκ·€μ—μ„œ κ³ μ •λœ 신경망 μ•„ν‚€ν…μ²˜κ°€ 볡ꡬ 결과에 μƒλ‹Ήν•œ 편ν–₯을 μœ λ°œν•˜λ©°, μ΄λŠ” λ‹¨μˆœνžˆ μ—°μ‚°μžλ‚˜ λ¬Έλ²•μ˜ λ¬Έμ œκ°€ μ•„λ‹˜μ„ μ‹œμ‚¬ν•©λ‹ˆλ‹€.
β€’
λ™μΌν•œ λ¬Έμ œμ— λŒ€ν•΄μ„œλ„ μ•„ν‚€ν…μ²˜μ— 따라 볡ꡬ 성곡λ₯ μ΄ 크게 λ‹¬λΌμ§ˆ 수 μžˆμŒμ„ 보여주며, μ•„ν‚€ν…μ²˜λ₯Ό μ€‘μš”ν•œ 섀계 λ³€μˆ˜λ‘œ κ³ λ €ν•΄μ•Ό 함을 κ°•μ‘°ν•©λ‹ˆλ‹€.
β€’
두 개의 동일 깊이 ν•˜μœ„ 트리λ₯Ό κ°–λŠ” ν‘œν˜„μ€ ν˜„μž¬ κΈ°λ²•μœΌλ‘œ λ³΅κ΅¬ν•˜κΈ° 맀우 μ–΄λ ΅λ‹€λŠ” 점을 ν™•μΈν–ˆμŠ΅λ‹ˆλ‹€.
β€’
μ œμ•ˆλœ μ•„ν‚€ν…μ²˜ 선택 방법은 μœ λ§ν•˜μ§€λ§Œ, μ‹€ν—˜μ— μ‚¬μš©λœ μ•„ν‚€ν…μ²˜ μ„ΈνŠΈκ°€ μž‘κ³  곡동 μ‹€ν–‰λœ 데이터셋도 μ œν•œμ μ΄λ―€λ‘œ 좔가적인 검증이 ν•„μš”ν•©λ‹ˆλ‹€.
πŸ‘
Made with Slashpage