arXiv 论文：符号回归预测母猪分娩时间，误差 9.28 小时
论文AI 评分 58/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇提交至 arXiv 的论文研究用可解释 AI 预测母猪分娩时间。方法分两步：先依据母猪活动量变化识别筑巢行为，这一步不使用机器学习，180 头母猪中有 166 头可被识别，其中 149 头在分娩前 48 小时内识别成功；再用符号回归生成可读的数学公式，预测距分娩的剩余时间。符号回归的平均绝对误差为 9.28 小时，在性能与可解释性上均优于支持向量回归和人工神经网络等闭箱模型。作者认为，这为精准畜牧养殖提供了兼顾精度与可解释性的方案。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要解决的问题
论文关注的是猪场里一个具体的管理难题：能否提前判断母猪何时分娩。判断准确，养殖者就能在仔猪安全与母猪福利之间取得平衡——既减少仔猪被压死的风险，也避免过早把母猪关进产仔栏。作者指出，传统机器学习模型往往缺乏可解释性，也就是所谓的闭箱问题；而可解释 AI 能揭示模型内部的决策过程，因此这项工作报告的是可解释 AI 在精准畜牧养殖中的一次尝试。
两阶段方法
工作被拆成两个阶段。第一阶段是筑巢行为检测，判断依据只是母猪活动水平的变化，没有使用任何机器学习技术。在 180 头母猪中，有 166 头可以完成检测；其中 149 头在分娩前 48 小时内检测成功。第二阶段才进入预测：用符号回归这一开箱建模方法，生成可读的数学公式，用来估计距离分娩开始还有多长时间。作者把符号回归与支持向量回归、人工神经网络等闭箱模型放在一起，从可解释性和性能两个维度做对比。
结果与定位
结果显示，符号回归在预测距分娩时间上的平均绝对误差为 9.28 小时，在性能与可解释性两方面都优于对比的闭箱模型。作者据此认为，可解释 AI 尤其是符号回归，能够在精准畜牧养殖中同时给出可解释的结果和有竞争力的表现。论文归类于机器学习与人工智能方向，编号为 arXiv:2610.39839。
为什么值得看
可解释模型在真实养殖场景中跑赢黑箱模型，对关注符号回归与可解释 AI 落地的人有参考价值。
论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。