Fugu-MT 論文翻訳(概要): What is understandable in Bayesian network explanations?

論文の概要: What is understandable in Bayesian network explanations?

arxiv url: http://arxiv.org/abs/2110.01322v1
Date: Mon, 4 Oct 2021 11:05:36 GMT
ステータス: 処理完了
システム内更新日: 2021-10-05 20:27:40.999668
Title: What is understandable in Bayesian network explanations?
Title（参考訳）: ベイズネットワークの説明で何が理解できるか?
Authors: Raphaela Butz, Ren\'ee Schulz, Arjen Hommersom, Marko van Eekelen
Abstract要約: 本研究は, 被験者グループに対して, 説明の解釈を依頼することで, 4つの異なる説明方法を比較した研究である。技術的な研究は数多く行われてきたが、人間がこれらの説明を実際にどのように理解しているかは、ほとんど分かっていない。
参考スコア（独自算出の注目度）: 0.9176056742068811
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Explaining predictions from Bayesian networks, for example to physicians, is non-trivial. Various explanation methods for Bayesian network inference have appeared in literature, focusing on different aspects of the underlying reasoning. While there has been a lot of technical research, there is very little known about how well humans actually understand these explanations. In this paper, we present ongoing research in which four different explanation approaches were compared through a survey by asking a group of human participants to interpret the explanations.
Abstract（参考訳）: 例えば、ベイズネットワークからの予測を医師に説明するのは簡単ではない。ベイズネットワーク推論の様々な説明法が文献に現れ、基礎となる推論の異なる側面に焦点を当てている。技術的な研究は数多く行われてきたが、人間がこれらの説明を実際にどのように理解しているかは、ほとんど分かっていない。本稿では, 被験者グループに説明の解釈を依頼し, 調査を通じて4つの異なる説明手法を比較した。

関連論文リスト

Adding Why to What? Analyses of an Everyday Explanation [0.0]
この理論を分析的枠組みとして20のゲーム説明について検討した。説明者はまずゲームの物理的側面(アーキテクチャ)に焦点を合わせ、その後は関連性(Relevance)の側面にのみ焦点を当てた。両者の対応のシフトは、説明目標、出現する誤解、説明者の知識要求によって正当化された。
論文参考訳（メタデータ） (2023-08-08T11:17:22Z)
NELLIE: A Neuro-Symbolic Inference Engine for Grounded, Compositional, and Explainable Reasoning [59.16962123636579]
本稿では,Prologベースの推論エンジンを新たに提案する。我々は手作りのルールを、ニューラルネットワークモデリング、ガイド付き生成、半密検索の組み合わせで置き換える。我々の実装であるNELLIEは、完全に解釈可能なエンドツーエンドの基底QAを示す最初のシステムである。
論文参考訳（メタデータ） (2022-09-16T00:54:44Z)
Eliminating The Impossible, Whatever Remains Must Be True [46.39428193548396]
より簡潔な「なぜ」形式的な説明をするために背景知識を適用する方法を示す。また,既存のルール誘導手法を用いて,データセットから背景情報を効率的に抽出する方法を示す。
論文参考訳（メタデータ） (2022-06-20T03:18:14Z)
Explanatory Paradigms in Neural Networks [18.32369721322249]
本稿では、推論に基づく質問に対する解答として説明を考慮し、ニューラルネットワークにおける説明可能性の研究に飛躍的に拡張する。これらの質問に対する回答は, それぞれ, 相関, 反事実, 対照的な説明である。この用語は、訓練されたニューラルネットワークが決定を下した後に、説明的手法が$P$を説明したとき、ホック後の説明可能性の特定のケースを指す。
論文参考訳（メタデータ） (2022-02-24T00:22:11Z)
Human Interpretation of Saliency-based Explanation Over Text [65.29015910991261]
テキストデータ上でのサリエンシに基づく説明について検討する。人はしばしば説明を誤って解釈する。本稿では,過度知覚と過小認識のモデル推定に基づいて,サリエンシを調整する手法を提案する。
論文参考訳（メタデータ） (2022-01-27T15:20:32Z)
The Who in XAI: How AI Background Shapes Perceptions of AI Explanations [61.49776160925216]
私たちは、2つの異なるグループ、つまりAIのバックグラウンドを持つ人々といない人たちの、異なるタイプのAI説明に対する理解について、混合手法による研究を行います。その結果,(1) 両群は異なる理由から不合理な数に対する信頼を示し,(2) それぞれの群は意図した設計以上の異なる説明に価値を見出した。
論文参考訳（メタデータ） (2021-07-28T17:32:04Z)
On the Diversity and Limits of Human Explanations [11.44224857047629]
NLPの取り組みは、人間の説明のデータセットを構築することを目的としている。私たちのゴールは、さまざまなタイプの説明と人間の制限の概要を提供することです。
論文参考訳（メタデータ） (2021-06-22T18:00:07Z)
Interpretable Deep Learning: Interpretations, Interpretability, Trustworthiness, and Beyond [49.93153180169685]
一般に混同される2つの基本的な概念(解釈と解釈可能性)を紹介・明らかにする。我々は,新しい分類法を提案することにより,異なる視点から,最近のいくつかの解釈アルゴリズムの設計を詳細に述べる。信頼される」解釈アルゴリズムを用いてモデルの解釈可能性を評価する上での既存の作業をまとめる。
論文参考訳（メタデータ） (2021-03-19T08:40:30Z)
Semantics and explanation: why counterfactual explanations produce adversarial examples in deep neural networks [15.102346715690759]
説明可能なAIに関する最近の論文は、対実的な説明のモードを説得力あるものにしている。反事実的説明はいくつかのケースでは極めて効果的であるように見えるが、正式には敵の例と等価である。この2つの手順が公式に同値であるならば、反事実的な説明と敵対的な例の間に明らかな説明分割にはどのような意味があるのでしょうか? このパラドックスは、反事実表現の意味論に重きを置くことで解決する。
論文参考訳（メタデータ） (2020-12-18T07:04:04Z)
The Struggles of Feature-Based Explanations: Shapley Values vs. Minimal Sufficient Subsets [61.66584140190247]
機能に基づく説明は、自明なモデルでも問題を引き起こすことを示す。そこで本研究では,2つの一般的な説明書クラスであるシェープリー説明書と十分最小限の部分集合説明書が,基本的に異なる基底的説明書のタイプをターゲットにしていることを示す。
論文参考訳（メタデータ） (2020-09-23T09:45:23Z)

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。