論文の概要: BARD: A structured technique for group elicitation of Bayesian networks to support analytic reasoning

• arxiv url: http://arxiv.org/abs/2003.01207v1
• Date: Mon, 2 Mar 2020 21:55:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 05:16:05.805817
• Title: BARD: A structured technique for group elicitation of Bayesian networks to support analytic reasoning
• Title（参考訳）: bard: 解析的推論を支援するベイズネットワークの集団推定のための構造化手法
• Authors: Ann E. Nicholson, Kevin B. Korb, Erik P. Nyberg, Michael Wybrow, Ingrid Zukerman, Steven Mascaro, Shreshth Thakur, Abraham Oshni Alvandi, Jeff Riley, Ross Pearson, Shane Morris, Matthieu Herrmann, A.K.M. Azad, Fergus Bolger, Ulrike Hahn, and David Lagnado
• Abstract要約: BARD (Bayesian ARgumentation via Delphi) は方法論とエキスパートシステムである。 BNの専門知識を持たないグループが問題を理解し分析するための、オンライントレーニングを備えたエンドツーエンドのオンラインプラットフォームである。 最初の実験結果は、BARDが問題解決、推論、コラボレーションを支援することを示している。
• 参考スコア（独自算出の注目度）: 2.30529156118173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In many complex, real-world situations, problem solving and decision making require effective reasoning about causation and uncertainty. However, human reasoning in these cases is prone to confusion and error. Bayesian networks (BNs) are an artificial intelligence technology that models uncertain situations, supporting probabilistic and causal reasoning and decision making. However, to date, BN methodologies and software require significant upfront training, do not provide much guidance on the model building process, and do not support collaboratively building BNs. BARD (Bayesian ARgumentation via Delphi) is both a methodology and an expert system that utilises (1) BNs as the underlying structured representations for better argument analysis, (2) a multi-user web-based software platform and Delphi-style social processes to assist with collaboration, and (3) short, high-quality e-courses on demand, a highly structured process to guide BN construction, and a variety of helpful tools to assist in building and reasoning with BNs, including an automated explanation tool to assist effective report writing. The result is an end-to-end online platform, with associated online training, for groups without prior BN expertise to understand and analyse a problem, build a model of its underlying probabilistic causal structure, validate and reason with the causal model, and use it to produce a written analytic report. Initial experimental results demonstrate that BARD aids in problem solving, reasoning and collaboration.
• Abstract（参考訳）: 多くの複雑な現実の状況において、問題解決と意思決定は因果関係と不確実性に関する効果的な推論を必要とする。 しかし、このような場合の人間の推論は混乱と誤りを招きやすい。 ベイジアンネットワーク(英: bayesian networks、bns)は、不確定な状況をモデル化し、確率的かつ因果的推論と意思決定を支援する人工知能技術である。 しかし、これまでBNの方法論とソフトウェアは、かなりの事前トレーニングを必要とし、モデル構築プロセスに関するガイダンスを提供しておらず、BNを共同で構築することをサポートしていません。 BARD (Bayesian ARgumentation via Delphi) is both a methodology and an expert system that utilises (1) BNs as the underlying structured representations for better argument analysis, (2) a multi-user web-based software platform and Delphi-style social processes to assist with collaboration, and (3) short, high-quality e-courses on demand, a highly structured process to guide BN construction, and a variety of helpful tools to assist in building and reasoning with BNs, including an automated explanation tool to assist effective report writing. その結果、BNの専門知識を持たないグループが問題の理解と分析を行い、その根底にある確率的因果構造のモデルを構築し、因果モデルによる検証と推論を行い、それを分析レポートの作成に使用する、エンドツーエンドのオンラインプラットフォームが実現した。 最初の実験結果は、BARDが問題解決、推論、コラボレーションを支援することを示している。

関連論文リスト

• Make LLMs better zero-shot reasoners: Structure-orientated autonomous reasoning [52.83539473110143]
  本稿では,Large Language Models (LLM) の質問をよりよく理解するための構造指向分析手法を提案する。 複雑な質問応答タスクの信頼性をさらに向上するために,多エージェント推論システム,構造指向自律推論エージェント(SARA)を提案する。 大規模な実験により,提案システムの有効性が検証された。
  論文  参考訳（メタデータ） (2024-10-18T05:30:33Z)
• Enhancing Multi-Step Reasoning Abilities of Language Models through Direct Q-Function Optimization [50.485788083202124]
  強化学習(Reinforcement Learning, RL)は、大規模言語モデルを人間の好みと整合させ、複雑なタスクを遂行する能力を向上させる上で重要な役割を担っている。 反応生成過程をマルコフ決定プロセス(MDP)として定式化し,ソフトアクター・クリティック(SAC)フレームワークを用いて,言語モデルによって直接パラメータ化されたQ関数を最適化する,直接Q関数最適化(DQO)を提案する。 GSM8KとMATHという2つの数学問題解決データセットの実験結果から、DQOは従来の手法よりも優れており、言語モデルを整合させるための有望なオフライン強化学習手法として確立されている。
  論文  参考訳（メタデータ） (2024-10-11T23:29:20Z)
• Static Analysis of Logic Programs via Boolean Networks [0.0]
  「静的情報から論理プログラムの安定モデルについて何が言えるか」が研究され、多くの場面で有用であることが証明されている。 提案されたコネクションは、既存の結果をBooleanネットワークの静的解析の豊富な歴史に導いてくれる。 新しく得られた洞察は、ASP.NETの分野で多くの問題を解決する可能性がある。
  論文  参考訳（メタデータ） (2024-07-12T06:07:05Z)
• Contractual Reinforcement Learning: Pulling Arms with Invisible Hands [68.77645200579181]
  本稿では,契約設計によるオンライン学習問題において,利害関係者の経済的利益を整合させる理論的枠組みを提案する。 計画問題に対して、遠目エージェントに対する最適契約を決定するための効率的な動的プログラミングアルゴリズムを設計する。 学習問題に対して,契約の堅牢な設計から探索と搾取のバランスに至るまでの課題を解き放つために,非回帰学習アルゴリズムの汎用設計を導入する。
  論文  参考訳（メタデータ） (2024-07-01T16:53:00Z)
• Case-Based Reasoning Approach for Solving Financial Question Answering [5.10832476049103]
  FinQAは財務文書の数値推論データセットを導入した。 ケースベース推論(CBR)を用いた数値推論問題に対する新しいアプローチを提案する。 本モデルでは,質問に対処する関連事例を検索し,検索した事例と文脈情報に基づいて回答を生成する。
  論文  参考訳（メタデータ） (2024-05-18T10:06:55Z)
• Towards CausalGPT: A Multi-Agent Approach for Faithful Knowledge Reasoning via Promoting Causal Consistency in LLMs [60.244412212130264]
  Causal-Consistency Chain-of-Thoughtは、基礎モデルの忠実さと因果性を強化するために、マルチエージェントコラボレーションを活用する。 我々のフレームワークは、広範囲かつ包括的な評価を通じて、最先端の手法よりも大きな優位性を示す。
  論文  参考訳（メタデータ） (2023-08-23T04:59:21Z)
• PyRCA: A Library for Metric-based Root Cause Analysis [66.72542200701807]
  PyRCAは、AIOps(AIOps)のためのRoot Cause Analysis(RCA)のオープンソースの機械学習ライブラリである。 複雑なメトリクス因果依存性を明らかにし、インシデントの根本原因を自動的に特定する、包括的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2023-06-20T09:55:10Z)
• A survey of Bayesian Network structure learning [8.411014222942168]
  本稿では,データからBN構造を学習するための61のアルゴリズムについてレビューする。 各アルゴリズムの基本的アプローチは一貫性のある言葉で説明され、それらの類似点と相違点が強調された。 実世界のデータセットでのデータノイズに対処し、学習プロセスに専門家の知識を取り入れるためのアプローチについても紹介する。
  論文  参考訳（メタデータ） (2021-09-23T14:54:00Z)
• AR-LSAT: Investigating Analytical Reasoning of Text [57.1542673852013]
  テキストの分析的推論の課題を研究し、1991年から2016年までのロースクール入学試験からの質問からなる新しいデータセットを紹介します。 我々は,この課題をうまくこなすために必要な知識理解と推論能力を分析する。
  論文  参考訳（メタデータ） (2021-04-14T02:53:32Z)
• A Generalised Approach for Encoding and Reasoning with Qualitative Theories in Answer Set Programming [3.963609604649393]
  バイナリ関係を持つ定性計算を扱えるASPエンコーディングのファミリーが提案されている。 本論文はTPLPの受容について検討中である。
  論文  参考訳（メタデータ） (2020-08-04T13:31:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。