論文の概要: Play MNIST For Me! User Studies on the Effects of Post-Hoc, Example-Based Explanations & Error Rates on Debugging a Deep Learning, Black-Box Classifier

• arxiv url: http://arxiv.org/abs/2009.06349v1
• Date: Thu, 10 Sep 2020 14:55:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 04:21:24.508964
• Title: Play MNIST For Me! User Studies on the Effects of Post-Hoc, Example-Based Explanations & Error Rates on Debugging a Deep Learning, Black-Box Classifier
• Title（参考訳）: 俺のためにムニストをやれ! 深層学習ブラックボックス分類器のデバッグにおけるポストホック・事例ベース説明・誤り率の影響に関するユーザ研究
• Authors: Courtney Ford and Eoin M. Kenny and Mark T. Keane
• Abstract要約: 2つの実験により、ケースベースの説明が与えられると、分類がより正しくないことが分かる。 また、エラー率が4%を超えると、人々は分類器を信頼しなくなり、正確ではなく、合理的で、信頼性が低いとみなす。
• 参考スコア（独自算出の注目度）: 13.51428541306368
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper reports two experiments (N=349) on the impact of post hoc explanations by example and error rates on peoples perceptions of a black box classifier. Both experiments show that when people are given case based explanations, from an implemented ANN CBR twin system, they perceive miss classifications to be more correct. They also show that as error rates increase above 4%, people trust the classifier less and view it as being less correct, less reasonable and less trustworthy. The implications of these results for XAI are discussed.
• Abstract（参考訳）: 本報告では, ブラックボックス分類器の誤認識に対する実例と誤り率の影響に関する2つの実験 (N=349) を報告する。 どちらの実験も、ANN CBR双対システムからケースベースの説明が与えられると、より正しく分類されていると認識されることを示している。 また、エラー率が4%を超えると、人々は分類器を信頼しなくなり、正確ではなく、合理的で、信頼性が低いとみなす。 これらの結果がXAIに与える影響について論じる。

関連論文リスト

• When are ensembles really effective? [49.37269057899679]
  分類タスクにおいて,アンサンブルが顕著な性能向上をもたらす時期について検討する。 平均誤差率に対して不一致率が大きくなると,アンサンブルにより性能が大幅に向上することを示す。 アンサンブルが実現し、大きなパフォーマンス改善をもたらすことのない、実践的なシナリオを特定します。
  論文  参考訳（メタデータ） (2023-05-21T01:36:25Z)
• Explaining Classifications to Non Experts: An XAI User Study of Post Hoc Explanations for a Classifier When People Lack Expertise [7.881140597011731]
  本稿では、ドメイン内の人々の専門知識が、ポストホックな説明に対する理解にどのように影響するかに関する、新しいユーザスタディを報告する。 その結果, 正誤分類の説明に対する理解は, 様々な次元において劇的に変化することが示唆された。
  論文  参考訳（メタデータ） (2022-12-19T10:19:05Z)
• Cross Pairwise Ranking for Unbiased Item Recommendation [57.71258289870123]
  我々はCPR(Cross Pairwise Ranking)という新しい学習パラダイムを開発する。 CPRは、露出メカニズムを知らずに不偏の推奨を達成する。 理論的には、この方法が学習に対するユーザ/イテムの適合性の影響を相殺することを証明する。
  論文  参考訳（メタデータ） (2022-04-26T09:20:27Z)
• On the Veracity of Local, Model-agnostic Explanations in Audio Classification: Targeted Investigations with Adversarial Examples [5.744593856232663]
  LIMEのようなローカルな説明手法がMIRで普及している。 本稿は、LIMEの説明の真正性についてより深い知見を得るための対象調査について報告する。
  論文  参考訳（メタデータ） (2021-07-19T17:54:10Z)
• Investigating the Role of Negatives in Contrastive Representation Learning [59.30700308648194]
  ノイズコントラスト学習は教師なし表現学習の一般的な手法である。 我々は、これらのパラメータの1つの役割の曖昧さ、すなわち負の例の数に焦点をあてる。 結果が我々の理論と広く一致しているのに対して、我々の視覚実験はより悪質であり、性能は時々負の数に敏感である。
  論文  参考訳（メタデータ） (2021-06-18T06:44:16Z)
• Probabilistic and Variational Recommendation Denoising [56.879165033014026]
  暗黙のフィードバックから学ぶことは、推奨システムの適用において最も一般的なケースの1つである。 本稿では,暗黙のフィードバックに対する確率的・変動的推薦を提案する。 提案したDPIとDVAEを4つの最先端レコメンデーションモデルに適用し、3つのデータセットで実験を行う。
  論文  参考訳（メタデータ） (2021-05-20T08:59:44Z)
• Correcting Classification: A Bayesian Framework Using Explanation Feedback to Improve Classification Abilities [2.0931163605360115]
  説明は社会的であり、それは相互作用による知識の伝達である。 説明フィードバックを用いたベイズ畳み込みニューラルネットワーク(CNN)の訓練により、これらの困難を克服します。 提案手法は,このフィードバックを微調整に利用して,説明や分類が改善するモデルを修正する。
  論文  参考訳（メタデータ） (2021-04-29T13:59:21Z)
• How to Control the Error Rates of Binary Classifiers [0.0]
  本稿では,二項分類を統計的テストに変換し,p値の分類を計算し,対象の誤差率を制限する方法を示す。 特に、二項分類器を統計検査に変換し、p-値の分類を計算し、対象の誤差率を制限する方法を示す。
  論文  参考訳（メタデータ） (2020-10-21T14:43:14Z)
• Leakage-Adjusted Simulatability: Can Models Generate Non-Trivial Explanations of Their Behavior in Natural Language? [86.60613602337246]
  我々はNL説明を評価するためのリーク調整シミュラビリティ(LAS)指標を提案する。 LASは、どのように説明が直接アウトプットをリークするかを制御しながら、オブザーバがモデルのアウトプットを予測するのに役立つかを計測する。 マルチエージェントゲームとしての説明文生成を行い、ラベルリークをペナライズしながら、シミュラビリティの説明を最適化する。
  論文  参考訳（メタデータ） (2020-10-08T16:59:07Z)
• SCOUT: Self-aware Discriminant Counterfactual Explanations [78.79534272979305]
  対物的視覚的説明の問題点を考察する。 新しい差別的な説明の族が紹介される。 結果として生じる反実的な説明は、最適化が自由で、従って以前の方法よりもはるかに高速である。
  論文  参考訳（メタデータ） (2020-04-16T17:05:49Z)

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。