Fugu-MT 論文翻訳(概要): Feature Concepts for Data Federative Innovations

論文の概要: Feature Concepts for Data Federative Innovations

arxiv url: http://arxiv.org/abs/2111.04505v1
Date: Fri, 5 Nov 2021 08:46:16 GMT
ステータス: 処理完了
システム内更新日: 2021-11-11 08:07:15.656149
Title: Feature Concepts for Data Federative Innovations
Title（参考訳）: データフェデレーティブイノベーションのための特徴概念
Authors: Yukio Ohsawa, Sae Kondo, Teruaki Hayashi
Abstract要約: 機能の概念はデータから得られる概念のモデルである。例えば、木とクラスタは決定木学習とクラスタリングのための特徴概念です。データのユーザ要求を満たすための便利な機能概念は、これまでクリエイティブなコミュニケーションを通じて提供されてきた。
参考スコア（独自算出の注目度）: 0.45119235878273
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A feature concept, the essence of the data-federative innovation process, is presented as a model of the concept to be acquired from data. A feature concept may be a simple feature, such as a single variable, but is more likely to be a conceptual illustration of the abstract information to be obtained from the data. For example, trees and clusters are feature concepts for decision tree learning and clustering, respectively. Useful feature concepts for satis-fying the requirements of users of data have been elicited so far via creative communication among stakeholders in the market of data. In this short paper, such a creative communication is reviewed, showing a couple of appli-cations, for example, change explanation in markets and earthquakes, and highlight the feature concepts elicited in these cases.
Abstract（参考訳）: データフェデレーティブなイノベーションプロセスの本質である特徴概念は、データから得られる概念のモデルとして提示される。特徴概念は単一の変数のような単純な特徴であるが、データから得られる抽象的な情報の概念的な説明である可能性が高い。例えば、ツリーとクラスタはそれぞれ、決定木学習とクラスタリングのための機能概念である。データのユーザ要求を満たすための有用な機能概念は、データ市場における利害関係者間の創造的なコミュニケーションを通じて、これまで提供されてきた。本稿では,このような創造的なコミュニケーションを概観し,市場や地震における説明の変更など,いくつかの応用例を示し,これらの事例で引き起こされる特徴概念を強調する。

関連論文リスト

Visual Data Diagnosis and Debiasing with Concept Graphs [50.84781894621378]
ディープラーニングモデルは、トレーニングプロセス中にデータ固有のバイアスを拾い上げることが多く、信頼性の低い予測につながります。視覚データセットにおける概念共起バイアスの診断と緩和のための新しいフレームワークであるConBIASを提案する。このような不均衡を緩和し,下流タスクの性能向上につながることを示す。
論文参考訳（メタデータ） (2024-09-26T16:59:01Z)
Achieving Data Efficient Neural Networks with Hybrid Concept-based Models [0.0]
クラスラベルと概念と呼ばれるデータセットの付加情報の両方をトレーニングする2つの新しいモデルアーキテクチャを導入する。ハイブリッドの概念に基づくモデルは、特にスパースデータ設定において、精度に関して、標準的なコンピュータビジョンモデルよりも優れていることを示す。また,概念ベースモデルの概念予測を変更せずに,クラス予測を変更する方法で,画像が摂動されるような,敵対的概念攻撃を行うアルゴリズムも導入する。
論文参考訳（メタデータ） (2024-08-14T10:15:34Z)
Knowledge graphs for empirical concept retrieval [1.06378109904813]
概念に基づく説明可能なAIは、あるユーザの前提における複雑なモデルの理解を改善するツールとして期待されている。本稿では,テキスト領域と画像領域の両方でユーザ主導のデータ収集を行うワークフローを提案する。我々は,概念アクティベーションベクトル(CAV)と概念アクティベーション領域(CAR)の2つの概念ベース説明可能性手法を用いて,検索した概念データセットをテストする。
論文参考訳（メタデータ） (2024-04-10T13:47:22Z)
Collect and Connect Data Leaves to Feature Concepts: Interactive Graph Generation Toward Well-being [0.0]
特徴の概念とデータの葉は、データセットを使って創造的な思考を育み、日々の生活で幸福を生み出すために発明されている。単に言い換えれば、対象とする特徴概念に基づいて、選択された、および収集された、対応するデータセットから検出されるイベントフローの要約であるデータ葉をアタッチする、という考え方だ。
論文参考訳（メタデータ） (2023-12-16T08:23:12Z)
Attributing Learned Concepts in Neural Networks to Training Data [5.930268338525991]
コンバージェンス(収束)の証拠として,概念の上位1万個の画像を取り除き,モデルの再トレーニングを行うと,ネットワーク内の概念の位置が変化しない。このことは、概念の発達を知らせる特徴が、概念形成の堅牢さを暗示して、その先例にまたがるより拡散した方法で広がることを示唆している。
論文参考訳（メタデータ） (2023-10-04T20:26:59Z)
A Recursive Bateson-Inspired Model for the Generation of Semantic Formal Concepts from Spatial Sensory Data [77.34726150561087]
本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
論文参考訳（メタデータ） (2023-07-16T15:59:13Z)
Human-Centered Concept Explanations for Neural Networks [47.71169918421306]
概念活性化ベクトル(Concept Activation Vectors, CAV)のクラスを含む概念的説明を紹介する。次に、自動的に概念を抽出するアプローチと、それらの注意事項に対処するアプローチについて議論する。最後に、このような概念に基づく説明が、合成設定や実世界の応用において有用であることを示すケーススタディについて論じる。
論文参考訳（メタデータ） (2022-02-25T01:27:31Z)
Discovering Concepts in Learned Representations using Statistical Inference and Interactive Visualization [0.76146285961466]
概念発見は、深層学習の専門家とモデルエンドユーザーの間のギャップを埋めるために重要である。現在のアプローチには、手作りの概念データセットと、それを潜在空間方向に変換することが含まれる。本研究では,複数の仮説テストに基づく意味ある概念のユーザ発見と,インタラクティブな可視化に関する2つのアプローチを提案する。
論文参考訳（メタデータ） (2022-02-09T22:29:48Z)
Translational Concept Embedding for Generalized Compositional Zero-shot Learning [73.60639796305415]
一般合成ゼロショット学習は、ゼロショット方式で属性オブジェクト対の合成概念を学習する手段である。本稿では,これら2つの課題を統一的なフレームワークで解決するために,翻訳概念の埋め込み(translational concept embedded)という新しいアプローチを提案する。
論文参考訳（メタデータ） (2021-12-20T21:27:51Z)
Separating Skills and Concepts for Novel Visual Question Answering [66.46070380927372]
アウト・オブ・ディストリビューションデータへの一般化は、VQA(Visual Question Answering)モデルにおいて問題となっている。「スキル」とは、数え方や属性認識などの視覚的なタスクであり、その疑問に言及された「概念」に適用される。モデル内でこれらの2つの要因を暗黙的に分離するスキルと概念を学習するための新しい手法を提案する。
論文参考訳（メタデータ） (2021-07-19T18:55:10Z)
Generative Counterfactuals for Neural Networks via Attribute-Informed Perturbation [51.29486247405601]
AIP(Attribute-Informed Perturbation)の提案により,生データインスタンスの反事実を生成するフレームワークを設計する。異なる属性を条件とした生成モデルを利用することで、所望のラベルとの反事実を効果的かつ効率的に得ることができる。実世界のテキストや画像に対する実験結果から, 設計したフレームワークの有効性, サンプル品質, および効率が示された。
論文参考訳（メタデータ） (2021-01-18T08:37:13Z)

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。