論文の概要: Product risk assessment: a Bayesian network approach
- arxiv url: http://arxiv.org/abs/2010.06698v1
- Date: Fri, 9 Oct 2020 16:40:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 04:48:35.841912
- Title: Product risk assessment: a Bayesian network approach
- Title(参考訳): 製品リスク評価 : ベイズ的ネットワークアプローチ
- Authors: Joshua Hunte, Martin Neil, Norman Fenton
- Abstract要約: RAPEX(英: RAPEX)は、イギリスとEUの規制当局が使用する主要な方法である。
我々は、不確実性を扱うための限定的なアプローチを含む、RAPEXのいくつかの制限を識別する。
本稿では,製品リスク評価のための体系的手法を改良したBNモデルを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Product risk assessment is the overall process of determining whether a
product, which could be anything from a type of washing machine to a type of
teddy bear, is judged safe for consumers to use. There are several methods used
for product risk assessment, including RAPEX, which is the primary method used
by regulators in the UK and EU. However, despite its widespread use, we
identify several limitations of RAPEX including a limited approach to handling
uncertainty and the inability to incorporate causal explanations for using and
interpreting test data. In contrast, Bayesian Networks (BNs) are a rigorous,
normative method for modelling uncertainty and causality which are already used
for risk assessment in domains such as medicine and finance, as well as
critical systems generally. This article proposes a BN model that provides an
improved systematic method for product risk assessment that resolves the
identified limitations with RAPEX. We use our proposed method to demonstrate
risk assessments for a teddy bear and a new uncertified kettle for which there
is no testing data and the number of product instances is unknown. We show
that, while we can replicate the results of the RAPEX method, the BN approach
is more powerful and flexible.
- Abstract(参考訳): 製品リスクアセスメント(product risk assessment)とは、洗濯機からテディベアまであらゆる種類の製品が、消費者が安全に使用できるかどうかを判断する総合的なプロセスである。
製品リスクアセスメントにはいくつかの方法があり、英国とEUの規制当局が使用する主要な手法であるRAPEX(英語版)などがある。
しかし,その普及にもかかわらず,不確実性を扱うための限定的なアプローチや,テストデータの使用と解釈のための因果的説明を組み込むことができないなど,RAPEXのいくつかの制限を指摘した。
対照的に、ベイジアンネットワーク(BNs)は、医療や金融などの分野のリスクアセスメントに既に使われている不確実性と因果性をモデル化するための厳密で規範的な手法である。
本稿では,製品リスク評価のための体系的手法を改良したbnモデルを提案する。
提案手法を用いて,テディベアのリスクアセスメントと,テストデータがなく,製品インスタンス数も不明な新たな未確認ケトルのリスクアセスメントを実証する。
RAPEX法の結果を再現できるが,BN法の方が強力で柔軟であることを示す。
関連論文リスト
- REX: Rapid Exploration and eXploitation for AI Agents [103.68453326880456]
本稿では、REXと呼ばれるAIエージェントのための高速探索およびeXploitationのための改良されたアプローチを提案する。
REXは追加の報酬層を導入し、アッパー信頼境界(UCB)スコアに似た概念を統合し、より堅牢で効率的なAIエージェントのパフォーマンスをもたらす。
論文 参考訳(メタデータ) (2023-07-18T04:26:33Z) - Selecting Models based on the Risk of Damage Caused by Adversarial
Attacks [2.969705152497174]
規制、法的責任、社会的懸念は、安全およびセキュリティクリティカルなアプリケーションにおけるAIの採用に挑戦する。
重要な懸念の1つは、敵が検出されずにモデル予測を操作することで害を引き起こす可能性があることである。
本稿では,敵攻撃による被害の確率をモデル化し,統計的に推定する手法を提案する。
論文 参考訳(メタデータ) (2023-01-28T10:24:38Z) - Adaptive Risk-Aware Bidding with Budget Constraint in Display
Advertising [47.14651340748015]
本稿では,強化学習による予算制約を考慮した適応型リスク対応入札アルゴリズムを提案する。
リスク・アット・バリュー(VaR)に基づく不確実性とリスク傾向の本質的関係を理論的に明らかにする。
論文 参考訳(メタデータ) (2022-12-06T18:50:09Z) - A hybrid Bayesian network for medical device risk assessment and
management [0.0]
ISO 14971は医療機器のリスク管理に使用される主要な規格である。
リスク管理を行うための特定の方法を規定していない。
本稿では,ハイブリッドベイズネットワークを用いた医療機器のリスク管理手法を提案する。
論文 参考訳(メタデータ) (2022-09-07T08:02:13Z) - Mitigating multiple descents: A model-agnostic framework for risk
monotonization [84.6382406922369]
クロスバリデーションに基づくリスクモノトナイズのための一般的なフレームワークを開発する。
本稿では,データ駆動方式であるゼロステップとワンステップの2つの手法を提案する。
論文 参考訳(メタデータ) (2022-05-25T17:41:40Z) - Risk Consistent Multi-Class Learning from Label Proportions [64.0125322353281]
本研究は,バッグにトレーニングインスタンスを提供するMCLLP設定によるマルチクラス学習に対処する。
既存のほとんどのMCLLPメソッドは、インスタンスの予測や擬似ラベルの割り当てにバッグワイズな制約を課している。
経験的リスク最小化フレームワークを用いたリスク一貫性手法を提案する。
論文 参考訳(メタデータ) (2022-03-24T03:49:04Z) - Feedback Effects in Repeat-Use Criminal Risk Assessments [0.0]
リスクは、単発テストで捉えられていない方法で、シーケンシャルな決定を伝達できることを示します。
リスクアセスメントツールは、非常に複雑でパスに依存したプロセスで動作し、歴史的な不平等が引き起こされる。
論文 参考訳(メタデータ) (2020-11-28T06:40:05Z) - Risk-Constrained Thompson Sampling for CVaR Bandits [82.47796318548306]
CVaR(Conditional Value at Risk)として知られる量的ファイナンスにおける一般的なリスク尺度について考察する。
本稿では,トンプソンサンプリングに基づくCVaR-TSアルゴリズムの性能について検討する。
論文 参考訳(メタデータ) (2020-11-16T15:53:22Z) - Learning Bounds for Risk-sensitive Learning [86.50262971918276]
リスクに敏感な学習では、損失のリスク・アバース(またはリスク・シーキング)を最小化する仮説を見つけることを目的としている。
最適化された確実性等価性によって最適性を記述するリスク感応学習スキームの一般化特性について検討する。
論文 参考訳(メタデータ) (2020-06-15T05:25:02Z) - Dirichlet uncertainty wrappers for actionable algorithm accuracy
accountability and auditability [0.5156484100374058]
本研究では,不確実性の尺度を用いて出力予測を充実させるラッパーを提案する。
結果の不確実性に基づいて、より確実な予測を選択する拒絶制度を提唱する。
その結果,ラッパーが計算した不確実性の有効性が示された。
論文 参考訳(メタデータ) (2019-12-29T11:05:47Z)
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。