Fugu-MT 論文翻訳(概要): Consistent and Truthful Interpretation with Fourier Analysis

論文の概要: Consistent and Truthful Interpretation with Fourier Analysis

arxiv url: http://arxiv.org/abs/2210.17426v1
Date: Mon, 31 Oct 2022 15:56:39 GMT
ステータス: 処理完了
システム内更新日: 2022-11-01 14:55:51.282141
Title: Consistent and Truthful Interpretation with Fourier Analysis
Title（参考訳）: フーリエ解析による一貫性と真理解釈
Authors: Yifan Zhang, Haowei He, Yang Yuan
Abstract要約: 真理解釈と呼ばれる新しい概念を導入し、厳密な保証を得るためにブール関数のフーリエ解析を適用する。様々なラジイを持つ近傍では,他の手法に比べて2倍から50倍低い解釈誤差が得られる。
参考スコア（独自算出の注目度）: 15.992917892937436
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: For many interdisciplinary fields, ML interpretations need to be consistent with what-if scenarios related to the current case, i.e., if one factor changes, how does the model react? Although the attribution methods are supported by the elegant axiomatic systems, they mainly focus on individual inputs, and are generally inconsistent. To support what-if scenarios, we introduce a new notion called truthful interpretation, and apply Fourier analysis of Boolean functions to get rigorous guarantees. Experimental results show that for neighborhoods with various radii, our method achieves 2x - 50x lower interpretation error compared with the other methods.
Abstract（参考訳）: 多くの学際的分野において、mlの解釈は、現在のケース、すなわち1つの要因が変化した場合、モデルがどのように反応するかに関するシナリオと一致する必要がある。帰属法はエレガントな公理系によってサポートされているが、それらは主に個々の入力に焦点を当て、一般に一貫性がない。そこで我々は,真理解釈という新たな概念を導入し,ブール関数のフーリエ解析を適用して厳密な保証を得る。実験の結果,様々な半径を持つ地区では,他の手法に比べて2倍から50倍低い解釈誤差が得られた。

関連論文リスト

Enhancing Performance of Explainable AI Models with Constrained Concept Refinement [10.241134756773228]
正確性と解釈可能性のトレードオフは、機械学習(ML)における長年の課題である。本稿では,概念表現における偏差の影響について検討し,これらの効果を緩和するための新しい枠組みを提案する。従来の説明可能な手法と比較して,提案手法は様々な大規模ベンチマークにおいてモデル解釈可能性を維持しながら予測精度を向上するだけでなく,計算コストを大幅に削減する。
論文参考訳（メタデータ） (2025-02-10T18:53:15Z)
Exogenous Matching: Learning Good Proposals for Tractable Counterfactual Estimation [1.9662978733004601]
本稿では, 抽出可能かつ効率的な対実表現推定のための重要サンプリング手法を提案する。対物推定器の共通上限を最小化することにより、分散最小化問題を条件分布学習問題に変換する。構造因果モデル (Structure Causal Models, SCM) の様々なタイプと設定による実験による理論的結果の検証と, 対実推定タスクにおける性能の実証を行った。
論文参考訳（メタデータ） (2024-10-17T03:08:28Z)
Algorithmic Recourse with Missing Values [11.401006371457436]
本稿では,欠落した値の存在下でも機能するアルゴリズム・リコース(AR)の新たな枠組みを提案する。 ARは、分類器によって与えられる望ましくない予測結果を変更するためのリコースアクションを提供することを目的としている。実験の結果, 基準値に比較して, 欠落した値の存在下での本手法の有効性が示された。
論文参考訳（メタデータ） (2023-04-28T03:22:48Z)
Synergies between Disentanglement and Sparsity: Generalization and Identifiability in Multi-Task Learning [79.83792914684985]
我々は,最大スパース基底予測器が不整合表現をもたらす条件を提供する新しい識別可能性の結果を証明した。この理論的な結果から,両レベル最適化問題に基づくアンタングル表現学習の実践的アプローチを提案する。
論文参考訳（メタデータ） (2022-11-26T21:02:09Z)
Making Linear MDPs Practical via Contrastive Representation Learning [101.75885788118131]
マルコフ決定過程(MDP)における次元性の呪いに、低ランク表現を利用することで対処することが一般的である。本稿では,効率的な表現学習を可能にしつつ,正規化を自動的に保証する線形MDPの代替的定義について考察する。いくつかのベンチマークにおいて、既存の最先端モデルベースおよびモデルフリーアルゴリズムよりも優れた性能を示す。
論文参考訳（メタデータ） (2022-07-14T18:18:02Z)
Self-attention fusion for audiovisual emotion recognition with incomplete data [103.70855797025689]
視覚的感情認識を応用したマルチモーダルデータ解析の問題点を考察する。本稿では、生データから学習可能なアーキテクチャを提案し、その3つの変種を異なるモダリティ融合機構で記述する。
論文参考訳（メタデータ） (2022-01-26T18:04:29Z)
Regularizing Variational Autoencoder with Diversity and Uncertainty Awareness [61.827054365139645]
変分オートエンコーダ(VAE)は、償却変分推論に基づいて潜伏変数の後部を近似する。よりディバースで不確実な潜在空間を学習するための代替モデルDU-VAEを提案する。
論文参考訳（メタデータ） (2021-10-24T07:58:13Z)
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)
On Sample Based Explanation Methods for NLP:Efficiency, Faithfulness, and Semantic Evaluation [23.72825603188359]
我々は、任意のテキストシーケンスを説明単位として許容することにより、説明の解釈可能性を向上させることができる。本研究では,人間による説明の判断に適合する意味に基づく評価指標を提案する。
論文参考訳（メタデータ） (2021-06-09T00:49:56Z)
Learning explanations that are hard to vary [75.30552491694066]
例を越えた平均化は、異なる戦略を縫合する記憶とパッチワークのソリューションに有利であることを示す。そこで我々は論理ANDに基づく単純な代替アルゴリズムを提案し,実験的に検証する。
論文参考訳（メタデータ） (2020-09-01T10:17:48Z)

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。