Das SPA Team präsentiert die aktuellsten Entwicklungen im Bereich der Symbolischen Regression, mit Fokus auf die Integration von Vorwissen zur Steigerung der Vertrauenswürdigkeit und Interpretierbarkeit von Vorhersage-Modellen.

Am 3. Juli stellte das SPA-Team die neuesten Entwicklungen im Bereich der Symbolischen Regression am SCCH Research Day vor. Besonderes Augenmerk lag dabei auf der Integration von Vorwissen, um die Vertrauenswürdigkeit und Interpretierbarkeit von Vorhersage-Modellen zu steigern. Florian Bachinger präsentierte dabei die aktuellen Fortschritte zur Teilstruktur-Vorgabe und Shape Constraints, die es ermöglichen, Vorwissen in die Modelle einzubinden.

Vorwissen spielt eine entscheidende Rolle in der Symbolischen Regression. Dieses Vorwissen fließt in die Modellierung ein und steigert dadurch Stabilität der Vorhersage-Modelle und das Vertrauen der Experten in die Modelle. Dies ist besonders relevant, wenn die Modell-Vorhersagen zur Generierung von Empfehlungen und Handlungsvorschläge für menschliche Experten verwendet werden. Dadurch ist die Integration von Vorwissen in das Training von Vorhersage-Modellen ein essenzieller Aspekt für die Erstellung von Surrogaten für Simulations-Modelle.

Ein weiterer Vorteil der Integration von Vorwissen liegt in der erhöhten Interpretierbarkeit der Vorhersage-Modelle. Indem man explizite Vorstellungen und Annahmen in die Modellierung einbezieht, werden die resultierenden Modelle verständlicher und nachvollziehbarer. Experten können die Vorhersagen besser verstehen und gegebenenfalls Anpassungen oder Validierungen vornehmen.

Am SCCH Research Day konnte das SPA-Team dieses Thema einer breiten, internationalen Zuhörerschaft aus Wirtschaft und Wissenschaft näher bringen.