論文の概要: Prolog-based agnostic explanation module for structured pattern classification

• arxiv url: http://arxiv.org/abs/2112.12641v1
• Date: Thu, 23 Dec 2021 15:28:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-24 16:33:44.245499
• Title: Prolog-based agnostic explanation module for structured pattern classification
• Title（参考訳）: 構造的パターン分類のためのProlog-based agnostic explanation module
• Authors: Gonzalo N\'apoles, Fabian Hoitsma, Andreas Knoben, Agnieszka Jastrzebska, Maikel Leon Espinosa
• Abstract要約: 本稿では,Prologをベースとした推論モジュールを提案する。 また、予測されたものではなく、接地トラスラベルを使ってe-ifクエリを解決できる。 全体として、本手法は、構造化パターン分類問題に適用可能な4つの明確に定義された段階から構成される。
• 参考スコア（独自算出の注目度）: 2.0824228840987447
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents a Prolog-based reasoning module to generate counterfactual explanations given the predictions computed by a black-box classifier. The proposed symbolic reasoning module can also resolve what-if queries using the ground-truth labels instead of the predicted ones. Overall, our approach comprises four well-defined stages that can be applied to any structured pattern classification problem. Firstly, we pre-process the given dataset by imputing missing values and normalizing the numerical features. Secondly, we transform numerical features into symbolic ones using fuzzy clustering such that extracted fuzzy clusters are mapped to an ordered set of predefined symbols. Thirdly, we encode instances as a Prolog rule using the nominal values, the predefined symbols, the decision classes, and the confidence values. Fourthly, we compute the overall confidence of each Prolog rule using fuzzy-rough set theory to handle the uncertainty caused by transforming numerical quantities into symbols. This step comes with an additional theoretical contribution to a new similarity function to compare the previously defined Prolog rules involving confidence values. Finally, we implement a chatbot as a proxy between human beings and the Prolog-based reasoning module to resolve natural language queries and generate counterfactual explanations. During the numerical simulations using synthetic datasets, we study the performance of our system when using different fuzzy operators and similarity functions. Towards the end, we illustrate how our reasoning module works using different use cases.
• Abstract（参考訳）: 本稿では,ブラックボックス分類器で計算された予測値から反事実的説明を生成するprologベースの推論モジュールを提案する。 提案するシンボリック推論モジュールは、予測されたラベルではなく接地ラベルを使用して、what-ifクエリを解決できる。 全体として、このアプローチは構造化パターン分類問題に適用可能な4つの明確に定義された段階から構成される。 まず、欠落値を暗示し、数値的特徴を正規化することにより、与えられたデータセットを前処理する。 次に,抽出されたファジィクラスタを予め定義されたシンボルの集合にマッピングするように,ファジィクラスタリングを用いて数値特徴をシンボルに変換する。 第3に,インスタンスを名目値,予め定義されたシンボル,決定クラス,信頼度値を用いてprologルールとしてエンコードする。 第4に、ファジィロー集合理論を用いて各プロログ規則の全体的な信頼度を計算し、数値量から記号への変換による不確実性に対処する。 このステップは、信頼値を含む以前に定義されたPrologルールを比較するために、新しい類似性関数に対するさらなる理論的貢献が伴う。 最後に,人間とprologベースの推論モジュール間のプロキシとしてチャットボットを実装し,自然言語クエリを解決し,反事実的説明を生成する。 合成データセットを用いた数値シミュレーションにおいて,ファジィ演算子と類似関数を用いたシステムの性能について検討した。 最後に、さまざまなユースケースを使って推論モジュールがどのように動作するかを説明します。

関連論文リスト

• Parseval Convolution Operators and Neural Networks [16.78532039510369]
  まず、Parseval畳み込み演算子をエネルギー保存フィルタバンクのクラスとして同定する。 次に,基本Parsevalモジュールの連鎖によるフィルタバンクの設計・特定のための構築的アプローチを提案する。 生体医用画像の反復的再構成のためのCNNアルゴリズムの設計により,これらのツールの使用例を示す。
  論文  参考訳（メタデータ） (2024-08-19T13:31:16Z)
• Causal Interpretation of Self-Attention in Pre-Trained Transformers [4.419843514606336]
  本稿ではトランスフォーマーニューラルネットワークアーキテクチャにおける自己注意の因果的解釈を提案する。 シンボルの入力シーケンスに対する構造方程式モデルを推定するメカニズムとして自己アテンションを用いる。 本手法は,2つのタスク – 感情分類(NLP)とレコメンデーション – において,トランスフォーマーの結果に対する因果的説明を提供することによって実証する。
  論文  参考訳（メタデータ） (2023-10-31T09:27:12Z)
• Tractable Bounding of Counterfactual Queries by Knowledge Compilation [51.47174989680976]
  本稿では, パール構造因果モデルにおいて, 因果関係などの部分的特定可能なクエリのバウンダリングの問題について議論する。 最近提案された反復EMスキームは初期化パラメータをサンプリングしてそれらの境界を内部近似する。 シンボルパラメータを実際の値に置き換えた回路構造を,単一のシンボル知識コンパイルによって得られることを示す。
  論文  参考訳（メタデータ） (2023-10-05T07:10:40Z)
• Evaluating Step-by-Step Reasoning through Symbolic Verification [20.156768135017007]
  事前学習言語モデル(LM)は、文脈内学習において顕著な推論性能を示した。 LMLPは、より小さなモデルサイズであっても、長さの一般化ベンチマークにおいて、チェーン・オブ・ソート(CoT)よりも25%以上精度が高い。
  論文  参考訳（メタデータ） (2022-12-16T19:30:01Z)
• Learning to Select Prototypical Parts for Interpretable Sequential Data Modeling [7.376829794171344]
  本稿では,原型概念の線形結合を用いた自己説明選択モデル(SESM)を提案する。 より良い解釈可能性を得るために,多様性,安定性,局所性など,複数の制約をトレーニング対象として設計する。
  論文  参考訳（メタデータ） (2022-12-07T01:42:47Z)
• Hierarchical Phrase-based Sequence-to-Sequence Learning [94.10257313923478]
  本稿では、学習中の帰納バイアスの源として階層的フレーズを取り入れ、推論中の明示的な制約として、標準的なシーケンス・ツー・シーケンス(seq2seq)モデルの柔軟性を維持するニューラルトランスデューサについて述べる。 本手法では,木が原文と対象句を階層的に整列するブラケット文法に基づく識別的導出法と,整列した句を1対1で翻訳するニューラルネットワークセク2セックモデルという2つのモデルを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T05:22:40Z)
• Data-driven Numerical Invariant Synthesis with Automatic Generation of Attributes [0.0]
  数値不変合成と検証のためのデータ駆動アルゴリズムを提案する。 このアルゴリズムは、正および負の状態のサンプルから決定木を学習するためのICE-DTスキーマに基づいている。
  論文  参考訳（メタデータ） (2022-05-30T09:18:37Z)
• Logical Satisfiability of Counterfactuals for Faithful Explanations in NLI [60.142926537264714]
  本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。 これは、説明に表される論理述語に基づいて、反実仮説を生成する。 そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
  論文  参考訳（メタデータ） (2022-05-25T03:40:59Z)
• Structured Reordering for Modeling Latent Alignments in Sequence Transduction [86.94309120789396]
  本稿では,分離可能な置換の辺りを正確に推定する効率的な動的プログラミングアルゴリズムを提案する。 結果のSeq2seqモデルは、合成問題やNLPタスクの標準モデルよりも体系的な一般化が優れている。
  論文  参考訳（メタデータ） (2021-06-06T21:53:54Z)
• Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
  確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。 我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。 まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
  論文  参考訳（メタデータ） (2020-08-19T16:04:34Z)
• LogicalFactChecker: Leveraging Logical Operations for Fact Checking with Graph Module Network [111.24773949467567]
  ファクトチェックに論理演算を活用するニューラルネットワークアプローチであるLogicalFactCheckerを提案する。 大規模なベンチマークデータセットであるTABFACT上での最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-04-28T17:04:19Z)

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。