論文の概要: Clustering-Based Approaches for Symbolic Knowledge Extraction
- arxiv url: http://arxiv.org/abs/2211.00234v1
- Date: Tue, 1 Nov 2022 02:56:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 13:06:20.710433
- Title: Clustering-Based Approaches for Symbolic Knowledge Extraction
- Title(参考訳): クラスタリングに基づく記号知識抽出手法
- Authors: Federico Sabbatini and Roberta Calegari
- Abstract要約: ブラックボックス(BB)として人間の視点で機能するブラックボックスは、アプリケーションが重要であれば完全に信頼できない。
シンボリックな知識抽出に先立って,クラスタリングに基づく手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Opaque models belonging to the machine learning world are ever more exploited
in the most different application areas. These models, acting as black boxes
(BB) from the human perspective, cannot be entirely trusted if the application
is critical unless there exists a method to extract symbolic and human-readable
knowledge out of them. In this paper we analyse a recurrent design adopted by
symbolic knowledge extractors for BB regressors - that is, the creation of
rules associated with hypercubic input space regions. We argue that this kind
of partitioning may lead to suboptimal solutions when the data set at hand is
high-dimensional or does not satisfy symmetric constraints. We then propose a
(deep) clustering-based approach to be performed before symbolic knowledge
extraction to achieve better performance with data sets of any kind.
- Abstract(参考訳): 機械学習の世界に属する不透明なモデルは、最も異なるアプリケーション領域でさらに活用される。
これらのモデルは、人間の見地からブラックボックス(BB)として機能し、そのアプリケーションに象徴的で人間の読みやすい知識を抽出する方法がなければ、完全に信頼できない。
本稿では,bbレグレプタのシンボリック知識抽出器が採用する再帰的設計,すなわち超立方体入力空間領域に関する規則の作成について分析する。
この種のパーティショニングは、手元にあるデータセットが高次元であるか対称的な制約を満たさない場合、最適以下の解をもたらすかもしれない。
次に,記号的知識抽出に先立って行う(深度)クラスタリングに基づく手法を提案する。
関連論文リスト
- Deep Clustering using Dirichlet Process Gaussian Mixture and Alpha Jensen-Shannon Divergence Clustering Loss [0.65268245109828]
オートエンコーダをベースとしたディープクラスタリングでは、クラスタリングとディメンションリダクションを共同で最適化する方法が課題である。
本稿では,ダイリクレ過程のガウス混合モデルを用いた無限クラスタ表現を導入し,潜在空間における連成クラスタリングとモデル選択について述べる。
我々は,MIT67 や CIFAR100 などの大規模クラス数データセットに対して,従来のモデル選択を用いた深層モデル選択手法の評価を行った。
論文 参考訳(メタデータ) (2024-12-12T05:02:41Z) - A Machine Learning-Based Framework for Clustering Residential
Electricity Load Profiles to Enhance Demand Response Programs [0.0]
実ケーススタディを通じて最適な負荷プロファイルを実現するために,機械学習に基づく新しいフレームワークを提案する。
本稿では,実ケーススタディを通じて最適な負荷プロファイルを実現するために,機械学習に基づく新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-31T11:23:26Z) - Meaning Representations from Trajectories in Autoregressive Models [106.63181745054571]
入力テキストを拡張可能なすべてのトラジェクトリの分布を考慮し,自己回帰言語モデルから意味表現を抽出する。
この戦略はプロンプトフリーであり、微調整は必要とせず、事前訓練された自己回帰モデルにも適用できる。
我々は,大規模なモデルから得られた表現が人間のアノテーションとよく一致し,意味的類似性タスクにおける他のゼロショットおよびプロンプトフリーメソッドよりも優れており,標準埋め込みが扱えないより複雑なエンタテインメントや包含タスクの解決に使用できることを実証的に示す。
論文 参考訳(メタデータ) (2023-10-23T04:35:58Z) - Disentanglement via Latent Quantization [60.37109712033694]
本研究では,組織化された潜在空間からの符号化と復号化に向けた帰納的バイアスを構築する。
本稿では,基本データレコーダ (vanilla autoencoder) と潜時再構成 (InfoGAN) 生成モデルの両方に追加することで,このアプローチの広範な適用性を実証する。
論文 参考訳(メタデータ) (2023-05-28T06:30:29Z) - Data-driven abstractions via adaptive refinements and a Kantorovich
metric [extended version] [56.94699829208978]
本稿では,動的システムのスマートでスケーラブルな抽象化のための適応的洗練手順を提案する。
最適構造を学ぶために、マルコフ連鎖の間のカントロビッチに着想を得た計量を定義する。
本稿では,従来の線形プログラミング手法よりも計算量が多くなることを示す。
論文 参考訳(メタデータ) (2023-03-30T11:26:40Z) - HyperImpute: Generalized Iterative Imputation with Automatic Model
Selection [77.86861638371926]
カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。
既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
論文 参考訳(メタデータ) (2022-06-15T19:10:35Z) - Principled Knowledge Extrapolation with GANs [92.62635018136476]
我々は,知識外挿の新たな視点から,対実合成を研究する。
本稿では, 知識外挿問題に対処するために, クローズド形式判別器を用いた対角ゲームが利用可能であることを示す。
提案手法は,多くのシナリオにおいて,エレガントな理論的保証と優れた性能の両方を享受する。
論文 参考訳(メタデータ) (2022-05-21T08:39:42Z) - KnAC: an approach for enhancing cluster analysis with background
knowledge and explanations [0.20999222360659603]
我々はKnAC(Knowledge Augmented Clustering)を紹介します。
KnACは任意のクラスタリングアルゴリズムの拡張として機能し、アプローチを堅牢でモデルに依存しないものにすることができる。
論文 参考訳(メタデータ) (2021-12-16T10:13:47Z) - Enhancing the Analysis of Software Failures in Cloud Computing Systems
with Deep Learning [0.11470070927586014]
本稿では,人手による特徴工学の微調整を緩和するため,クラウドシステムからの故障データを解析するための新しい手法を提案する。
このアプローチでは、ディープラーニングに基づく教師なしクラスタリングアルゴリズムのファミリであるDeep Embedded Clustering(DEC)を活用する。
その結果、クラスタの純度の観点からは、提案手法の性能は手作業による微調整クラスタリングと同等か、場合によっては同等であることがわかった。
論文 参考訳(メタデータ) (2021-06-29T09:00:41Z) - Deep Conditional Gaussian Mixture Model for Constrained Clustering [7.070883800886882]
制約付きクラスタリングは、部分的にラベル付けされたデータの増加量に関する事前情報を利用することができる。
本稿では、直感的で解釈可能で、勾配変動推論の枠組みで効率的に訓練できる制約付きクラスタリングのための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2021-06-11T13:38:09Z) - Probabilistic Case-based Reasoning for Open-World Knowledge Graph
Completion [59.549664231655726]
ケースベース推論(CBR)システムは,与えられた問題に類似した事例を検索することで,新たな問題を解決する。
本稿では,知識ベース(KB)の推論において,そのようなシステムが実現可能であることを示す。
提案手法は,KB内の類似エンティティからの推論パスを収集することにより,エンティティの属性を予測する。
論文 参考訳(メタデータ) (2020-10-07T17:48:12Z)
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。