論文の概要: Preferential Mixture-of-Experts: Interpretable Models that Rely on Human Expertise as much as Possible

• arxiv url: http://arxiv.org/abs/2101.05360v1
• Date: Wed, 13 Jan 2021 21:57:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-30 09:21:13.376928
• Title: Preferential Mixture-of-Experts: Interpretable Models that Rely on Human Expertise as much as Possible
• Title（参考訳）: 優先的混合--人間の知識を最大限に活用する解釈可能なモデル
• Authors: Melanie F. Pradier, Javier Zazo, Sonali Parbhoo, Roy H. Perlis, Maurizio Zazzi, Finale Doshi-Velez
• Abstract要約: 新規な人間-ML混合専門家モデルであるPreference MoEを提案する。 我々のモデルは、人間のルールをいつ守るべきか、あるいは避けるべきかの情報を提供する解釈可能なゲーティング機能を示す。 ヒト免疫不全ウイルス(HIV)の治療および主要なうつ病疾患(MDD)の管理のための2つの臨床応用におけるPreference MoEの有用性を示す。
• 参考スコア（独自算出の注目度）: 29.097034423502368
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose Preferential MoE, a novel human-ML mixture-of-experts model that augments human expertise in decision making with a data-based classifier only when necessary for predictive performance. Our model exhibits an interpretable gating function that provides information on when human rules should be followed or avoided. The gating function is maximized for using human-based rules, and classification errors are minimized. We propose solving a coupled multi-objective problem with convex subproblems. We develop approximate algorithms and study their performance and convergence. Finally, we demonstrate the utility of Preferential MoE on two clinical applications for the treatment of Human Immunodeficiency Virus (HIV) and management of Major Depressive Disorder (MDD).
• Abstract（参考訳）: 予測性能に必要な場合にのみ、データに基づく分類器を用いて意思決定における人間の専門知識を高める新しい人間-ML混合専門家モデルであるPreferential MoEを提案する。 我々のモデルは、人間のルールをいつ守るべきか、あるいは避けるべきかの情報を提供する解釈可能なゲーティング機能を示す。 ゲーティング関数は、人間ベースのルールを使用するために最大化され、分類エラーが最小化される。 本稿では,凸部分問題を用いた多目的結合問題の解法を提案する。 近似アルゴリズムを開発し,その性能と収束について検討する。 最後に,ヒト免疫不全ウイルス(hiv)治療と大うつ病性障害(mdd)治療における2つの臨床応用における優先的moeの有用性を示す。

関連論文リスト

• A Topic-level Self-Correctional Approach to Mitigate Hallucinations in MLLMs [34.71750379630014]
  トピックレベルの幻覚を緩和するために,モデル自体をガイドする自己修正的アプローチであるトピックレベルの優先上書き(TPO)を導入する。 以上の結果から,TPOは信頼性の最先端性を達成し,対象幻覚の92%,全体幻覚の38%を著しく低減した。
  論文  参考訳（メタデータ） (2024-11-26T09:42:07Z)
• A Gradient Analysis Framework for Rewarding Good and Penalizing Bad Examples in Language Models [63.949883238901414]
  本稿では,損失関数の勾配解析の特異な角度について述べる。 ExMATEはMLEの優れたサロゲートであり,DPOとMLEの代わりにExMATEを組み合わせることで,統計的(5-7%)と生成的(+18%)の性能が向上することがわかった。
  論文  参考訳（メタデータ） (2024-08-29T17:46:18Z)
• The Relevance Feature and Vector Machine for health applications [0.11538034264098687]
  本稿では,臨床研究における脂肪データ問題に対処する新しいモデルを提案する。 モデル機能は、太いデータ問題のあるいくつかの医療データセットの最先端モデルに対してテストされる。
  論文  参考訳（メタデータ） (2024-02-11T01:21:56Z)
• Beyond Human Data: Scaling Self-Training for Problem-Solving with Language Models [115.501751261878]
  人為的なデータに基づく微調整言語モデル(LM)が普及している。 我々は、スカラーフィードバックにアクセス可能なタスクにおいて、人間のデータを超えることができるかどうか検討する。 ReST$EM$はモデルサイズに好適にスケールし、人間のデータのみによる微調整を大幅に上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-12-11T18:17:43Z)
• Modeling Boundedly Rational Agents with Latent Inference Budgets [56.24971011281947]
  エージェントの計算制約を明示的にモデル化する潜在推論予算モデル(L-IBM)を導入する。 L-IBMは、最適なアクターの多様な集団のデータを使ってエージェントモデルを学ぶことができる。 我々は,L-IBMが不確実性の下での意思決定のボルツマンモデルに適合しているか,あるいは上回っていることを示す。
  論文  参考訳（メタデータ） (2023-12-07T03:55:51Z)
• Improving Normative Modeling for Multi-modal Neuroimaging Data using mixture-of-product-of-experts variational autoencoders [0.0]
  既存の変分オートエンコーダ(VAE)ベースの規範モデルは、積を推定したり、不定形遅延後部の平均化によって複数のモードから情報を集約する。 これはしばしば、主観レベルの偏差の推定に影響を及ぼす非形式的な関節潜伏分布をもたらす。 後肢後肢のモデリングを改善するMixture-of-Product-of-Experts法を応用した。
  論文  参考訳（メタデータ） (2023-12-02T01:17:01Z)
• Causal Inference via Nonlinear Variable Decorrelation for Healthcare Applications [60.26261850082012]
  線形および非線形共振の両方を扱う可変デコリレーション正規化器を用いた新しい手法を提案する。 我々は、モデル解釈可能性を高めるために、元の特徴に基づくアソシエーションルールマイニングを用いた新しい表現として、アソシエーションルールを採用する。
  論文  参考訳（メタデータ） (2022-09-29T17:44:14Z)
• A comparison of approaches to improve worst-case predictive model performance over patient subpopulations [14.175321968797252]
  患者において平均的に正確な臨床結果の予測モデルは、いくつかのサブ集団に対して劇的に過小評価される可能性がある。 サブポピュレーションに対する解離および最悪の性能を一貫して改善するモデル開発と選択のアプローチを同定する。 本研究は, 比較的少数の例外を除いて, 標準学習法よりも, 患者サブポピュレーションに対するアプローチが優れていることが確認された。
  論文  参考訳（メタデータ） (2021-08-27T13:10:00Z)
• A Twin Neural Model for Uplift [59.38563723706796]
  Upliftは条件付き治療効果モデリングの特定のケースです。 相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。 本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
  論文  参考訳（メタデータ） (2021-05-11T16:02:39Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)

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。