Fugu-MT 論文翻訳(概要): Interpretable Distribution Shift Detection using Optimal Transport

論文の概要: Interpretable Distribution Shift Detection using Optimal Transport

arxiv url: http://arxiv.org/abs/2208.02896v1
Date: Thu, 4 Aug 2022 21:55:29 GMT
ステータス: 処理完了
システム内更新日: 2022-08-08 12:18:48.161131
Title: Interpretable Distribution Shift Detection using Optimal Transport
Title（参考訳）: 最適輸送を用いた解釈可能な分布シフト検出
Authors: Neha Hulkund, Nicolo Fusi, Jennifer Wortman Vaughan, David Alvarez-Melis
Abstract要約: 最適輸送に基づく分類データセットにおける分布変化の同定と特徴付けを行う手法を提案する。変更によって各クラスが影響を受ける範囲を特定し、対応するサンプルのペアを取得して、その性質に関する洞察を提供する。
参考スコア（独自算出の注目度）: 22.047388001308253
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a method to identify and characterize distribution shifts in classification datasets based on optimal transport. It allows the user to identify the extent to which each class is affected by the shift, and retrieves corresponding pairs of samples to provide insights on its nature. We illustrate its use on synthetic and natural shift examples. While the results we present are preliminary, we hope that this inspires future work on interpretable methods for analyzing distribution shifts.
Abstract（参考訳）: 最適輸送に基づく分類データセットにおける分布変化の同定と特徴付けを行う手法を提案する。これにより、各クラスがシフトによって影響を受ける範囲を特定し、対応するサンプルペアを取得して、その性質に関する洞察を提供することができる。合成および自然シフトの例での使用例を示す。本研究の成果は予備的なものであるが,今後は分布変化解析のための解釈可能な手法の開発が期待できる。

関連論文リスト

Identifiable Latent Neural Causal Models [82.14087963690561]
因果表現学習は、低レベルの観測データから潜伏した高レベルの因果表現を明らかにすることを目指している。因果表現の識別可能性に寄与する分布シフトのタイプを決定する。本稿では,本研究の成果を実用的なアルゴリズムに翻訳し,信頼性の高い潜在因果表現の取得を可能にする。
論文参考訳（メタデータ） (2024-03-23T04:13:55Z)
Supervised Algorithmic Fairness in Distribution Shifts: A Survey [17.826312801085052]
現実世界のアプリケーションでは、機械学習モデルは特定のデータセットでトレーニングされることが多いが、データ分散がシフトする可能性のある環境にデプロイされる。この変化は、人種や性別などのセンシティブな属性によって特徴づけられる特定のグループに不公平な予測をもたらす可能性がある。
論文参考訳（メタデータ） (2024-02-02T11:26:18Z)
Invariance assumptions for class distribution estimation [1.3053649021965603]
本研究では,データセットシフトによるクラス分布推定の問題について検討する。トレーニングデータセットでは、機能とクラスラベルの両方が観察され、テストデータセットでは、機能のみが観察される。
論文参考訳（メタデータ） (2023-11-28T20:57:10Z)
Predicate Classification Using Optimal Transport Loss in Scene Graph Generation [7.056402944499977]
本稿では,2つの確率分布を比較する尺度として最適輸送を用いたシーングラフを生成する手法を提案する。実験により,提案手法はRecall@50,100の平均値で既存手法よりも優れていることが示された。
論文参考訳（メタデータ） (2023-09-19T08:46:18Z)
Distribution Shift Inversion for Out-of-Distribution Prediction [57.22301285120695]
本稿では,OoD(Out-of-Distribution)予測のためのポータブル分布シフト変換アルゴリズムを提案する。提案手法は,OoDアルゴリズムを広範囲に接続した場合に,一般的な性能向上をもたらすことを示す。
論文参考訳（メタデータ） (2023-06-14T08:00:49Z)
Variational Classification [51.2541371924591]
我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
論文参考訳（メタデータ） (2023-05-17T17:47:19Z)
Explanation Shift: Detecting distribution shifts on tabular data via the explanation space [13.050516715665166]
本研究では, モデル予測性能とモデル説明特性の分布変化の影響について検討する。我々は,予測性能変化の検出において,説明シフトのモデル化がより良い指標となることを見出した。
論文参考訳（メタデータ） (2022-10-22T06:47:13Z)
Towards Explaining Distribution Shifts [9.036025934093965]
分散シフトは、運用環境の変化を信号化したり、下流モデルの精度を著しく低下させるなど、根本的な結果をもたらす可能性がある。これまでのほとんどの研究は、シフトが発生したかどうかを単に検出することだけに焦点を当てており、検出されたシフトが人間のオペレータによって適切に理解され、処理されると仮定している。本研究は, 従来の流通から移行した輸送地図を用いて, 流通変化を説明することで, これらの手動緩和作業を支援することを期待する。
論文参考訳（メタデータ） (2022-10-19T03:38:57Z)
Discriminative Attribution from Counterfactuals [64.94009515033984]
本稿では,特徴属性と反実的説明を組み合わせたニューラルネットワークの解釈可能性について述べる。本手法は,特徴属性法の性能を客観的に評価するために有効であることを示す。
論文参考訳（メタデータ） (2021-09-28T00:53:34Z)
Toward Scalable and Unified Example-based Explanation and Outlier Detection [128.23117182137418]
我々は,試行錯誤の予測に例ベースの説明を与えることのできる,プロトタイプベースの学生ネットワークのより広範な採用を論じる。類似カーネル以外のプロトタイプベースのネットワークは,分類精度を損なうことなく,有意義な説明と有望な外乱検出結果が得られることを示す。
論文参考訳（メタデータ） (2020-11-11T05:58:17Z)
Generalization Properties of Optimal Transport GANs with Latent Distribution Learning [52.25145141639159]
本研究では,潜伏分布とプッシュフォワードマップの複雑さの相互作用が性能に与える影響について検討する。我々の分析に感銘を受けて、我々はGANパラダイム内での潜伏分布とプッシュフォワードマップの学習を提唱した。
論文参考訳（メタデータ） (2020-07-29T07:31:33Z)

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。