論文の概要: Data Obsolescence Detection in the Light of Newly Acquired Valid
Observations
- arxiv url: http://arxiv.org/abs/2101.07067v1
- Date: Mon, 18 Jan 2021 13:24:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-27 05:58:39.121207
- Title: Data Obsolescence Detection in the Light of Newly Acquired Valid
Observations
- Title（参考訳）: 新しく得られた有効観測値の光によるデータ欠落検出
- Authors: Salma Chaieb and Ali Ben Mrad and Brahim Hnich and V\'eronique
Delcroix
- Abstract要約: 情報難読化問題に対処するための新しいアプローチを提案する。
私たちのアプローチは、観察間の矛盾をリアルタイムで検出し、時代遅れのものを特定することを目指しています。
結果として得られた古くなった情報は、単純な観測結果よりもAND-OR木の方がよいことを示す。
- 参考スコア（独自算出の注目度）: 1.2043574473965317
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The information describing the conditions of a system or a person is
constantly evolving and may become obsolete and contradict other information. A
database, therefore, must be consistently updated upon the acquisition of new
valid observations that contradict obsolete ones contained in the database. In
this paper, we propose a novel approach for dealing with the information
obsolescence problem. Our approach aims to detect, in real-time, contradictions
between observations and then identify the obsolete ones, given a
representation model. Since we work within an uncertain environment
characterized by the lack of information, we choose to use a Bayesian network
as our representation model and propose a new approximate concept,
$\epsilon$-Contradiction. The new concept is parameterised by a confidence
level of having a contradiction in a set of observations. We propose a
polynomial-time algorithm for detecting obsolete information. We show that the
resulting obsolete information is better represented by an AND-OR tree than a
simple set of observations. Finally, we demonstrate the effectiveness of our
approach on a real elderly fall-prevention database and showcase how this tree
can be used to give reliable recommendations to doctors. Our experiments give
systematically and substantially very good results.
- Abstract（参考訳）: システムまたは人の状態を記述する情報は、常に進化し、時代遅れになり、他の情報と矛盾する可能性がある。
したがってデータベースは、データベースに含まれる時代遅れのものと矛盾する、新しい有効な観測の取得によって一貫して更新されなければならない。
本稿では,情報陳腐化問題に対処するための新しい手法を提案する。
提案手法は,観測結果間の矛盾をリアルタイムに検出し,表現モデルから古いものを特定することを目的としている。
情報不足を特徴とする不確実な環境下で作業するため、ベイズネットワークを表現モデルとして使用し、新しい近似概念である$\epsilon$-Contradictionを提案する。
新しい概念は、一連の観測において矛盾を持つ自信レベルによってパラメータ化される。
本稿では,古い情報を検出する多項式時間アルゴリズムを提案する。
結果として得られた古くなった情報は、単純な観測結果よりもAND-OR木の方がよいことを示す。
最後に,本手法の有効性を高齢者の転倒防止データベースに示すとともに,この木を用いて医師に信頼できる推薦を行う方法を示す。
我々の実験は体系的にも実質的にも良い結果をもたらす。
関連論文リスト
- AR-Pro: Counterfactual Explanations for Anomaly Repair with Formal Properties [12.71326587869053]
異常検出は、重大な誤りや不審な振る舞いを識別するために広く用いられているが、現在の手法には解釈可能性がない。
本稿では,既存手法の共通特性を活用して,異常検出のための対実的説明を導入する。
このアプローチの重要な利点は、ドメインに依存しない説明可能性の形式的な仕様を可能にすることである。
論文 参考訳（メタデータ） (2024-10-31T17:43:53Z) - What If the Input is Expanded in OOD Detection? [77.37433624869857]
Out-of-distriion (OOD) 検出は未知のクラスからのOOD入力を特定することを目的としている。
In-distriion(ID)データと区別するために,様々なスコアリング関数を提案する。
入力空間に異なる共通の汚職を用いるという、新しい視点を導入する。
論文 参考訳（メタデータ） (2024-10-24T06:47:28Z) - Unsupervised Model Diagnosis [49.36194740479798]
本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。
提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
論文 参考訳（メタデータ） (2024-10-08T17:59:03Z) - Don't Miss Out on Novelty: Importance of Novel Features for Deep Anomaly
Detection [64.21963650519312]
異常検出(AD)は、正規性の学習モデルに適合しない観察を識別する重要なタスクである。
本稿では, 入力空間における説明不能な観測として, 説明可能性を用いた新しいAD手法を提案する。
当社のアプローチでは,複数のベンチマークにまたがる新たな最先端性を確立し,さまざまな異常な型を扱う。
論文 参考訳（メタデータ） (2023-10-01T21:24:05Z) - CEnt: An Entropy-based Model-agnostic Explainability Framework to
Contrast Classifiers' Decisions [2.543865489517869]
我々は任意の分類器の予測を局所的に対比する新しい手法を提案する。
コントラストエントロピーに基づく説明法CEntは、決定木によって局所的にモデルを近似し、異なる特徴分割のエントロピー情報を算出する。
CEntは、不変性(人種など)と半不変性(年齢が増加する方向にしか変化しない)を満足しながら、トレーニングデータに必ずしも存在しない多様な反事実を生成する最初の非漸進的コントラスト法である。
論文 参考訳（メタデータ） (2023-01-19T08:23:34Z) - Augmenting Softmax Information for Selective Classification with
Out-of-Distribution Data [7.221206118679026]
既存のポストホック法はOOD検出でのみ評価した場合とは大きく異なる性能を示す。
本稿では,特徴に依存しない情報を用いて,ソフトマックスに基づく信頼度を向上するSCOD(Softmax Information Retaining Combination, SIRC)の新たな手法を提案する。
多様なImageNetスケールのデータセットと畳み込みニューラルネットワークアーキテクチャの実験は、SIRCがSCODのベースラインを一貫して一致または上回っていることを示している。
論文 参考訳（メタデータ） (2022-07-15T14:39:57Z) - Hybrid Predictive Coding: Inferring, Fast and Slow [62.997667081978825]
本稿では,反復型と償却型の両方を原則的に組み合わせたハイブリッド予測符号化ネットワークを提案する。
我々は,本モデルが本質的に不確実性に敏感であり,最小計算費用を用いて正確な信念を得るためにバランスを適応的にバランスさせることを実証した。
論文 参考訳（メタデータ） (2022-04-05T12:52:45Z) - A Bayesian Framework for Information-Theoretic Probing [51.98576673620385]
我々は、探索は相互情報を近似するものとみなすべきであると論じる。
これは、表現が元の文とターゲットタスクに関する全く同じ情報をエンコードしているというかなり直感的な結論を導いた。
本稿では,ベイズ的相互情報(Bayesian mutual information)と呼ぶものを測定するための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-09-08T18:08:36Z) - Counterfactual Evaluation for Explainable AI [21.055319253405603]
そこで本稿では, 文献的推論の観点から, 説明の忠実さを評価する新しい手法を提案する。
離散シナリオと連続シナリオの両方において適切な反事実を見つけるために2つのアルゴリズムを導入し、取得した反事実を用いて忠実度を測定する。
論文 参考訳（メタデータ） (2021-09-05T01:38:49Z) - Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。
敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。
ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
論文 参考訳（メタデータ） (2020-09-16T14:13:15Z)
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。