09:49arXiv cs.LG@Paul Collart, Juergen Gall, Andrea Schnepf, Holger Pagel, Lars Doorenbos该研究提出了首个混合建模框架,从DNA测序数据推断的宏基因组功能特征中推导过程型土壤有机质周转模型的生物动力学参数值。该框架使用神经网络将基因组性状数据映射到生物动力学参数,并整合生态理论和文献约束以确保行为真实。在合成数据和真实数据上的评估表明,该方法在小训练集条件下仍能有效学习不可观测组分的动态,性能优于多个基线模型。论文混合建模宏基因组土壤微生物有机质周转生态约束推荐理由:这篇论文提出了一个新方法,用神经网络从宏基因组数据预测土壤微生物参数,还能在小样本下保持准确,搞生态模拟或AI交叉的可以看看。原文
10:39arXiv cs.LG@Till Richter, Niki KilbertusOrthoReg提出了一种正交正则化方法,直接惩罚符号组件与神经组件的重叠,防止符号结构被神经残差吸收。相比标准L2正则化,该方法在符号组件通过稀疏发现学习时仍能保持互补分解。在部分库不匹配的基准动力系统上,OrthoReg改善了符号恢复准确性和分布外泛化性能。论文OrthoReg动力系统混合建模正则化符号回归推荐理由:这篇论文提出OrthoReg,解决了混合建模中神经网络容易学走符号部分的问题,实验效果明显,写代码的朋友可以看看。原文