PulseAugur
中
实时 10:58:20
English(EN) When Proxy Prediction Becomes Equation Reconstruction: Diagnostics and Residual Learning for Factor-Derived Proxy Supervision

新的RASPL框架改进了科学机器学习代理预测

作者 PulseAugur 编辑部 · [1 个来源] ·

开发了一个名为RASPL的新框架，以应对科学机器学习中代理预测的挑战，特别是在直接观测有限的情况下。该方法侧重于重构方程，而不仅仅是预测代理目标，这可能导致准确性得分虚高。RASPL在学习自适应上下文校正的同时保持了原始公式估计的完整性，在对退化输入因子和尾部误差的鲁棒性方面优于传统方法。研究还探索了不同的编码器架构，发现紧凑的统计编码器在准确性和成本之间取得了良好的平衡，而卷积编码器提供了卓越的鲁棒性。 AI

影响 通过提高代理预测的准确性和退化抵抗力，增强了科学机器学习的鲁棒性。

排序理由 该集群包含一篇详细介绍科学机器学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的RASPL框架改进了科学机器学习代理预测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Chayan Lahiri, Ahmed Shafee, Cody Fehringer ·

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

    arXiv:2608.04393v1 Announce Type: new 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 recon…

相关实体

相关话题