影響関数による宇宙スペクトル推論の解釈性向上

アリエル計画等の科学的宇宙ミッションに向け、影響関数を用いた効率的なデータ帰属と誤差評価のフレームワークを提案する。

• 宇宙ミッションの機械学習においてモデルの解釈可能性と物理的妥当性の検証を目的とする。
• 予測に基づく影響関数の再定式化とExtreme Learning Machineの利用により効率的な計算を実現した。
• 学習残差の伝播に基づく保守的な誤差プロキシを導出し、スペクトル誤差との強い相関を確認した。
• 最も影響力の高いサンプルを特定し、有害なサンプルを近似することが可能であることを示した。

原文タイトル: Traceable Spectral Inference via Influence Functions: Efficient Data Attribution and Error Proxies for the Ariel Mission

arXiv で原文を見る

この要約は AI が生成したものであり、arXiv および論文著者の見解ではありません。