Fugu-MT 論文翻訳(概要): Explaining automated gender classification of human gait

論文の概要: Explaining automated gender classification of human gait

arxiv url: http://arxiv.org/abs/2211.17015v1
Date: Sun, 16 Oct 2022 13:57:09 GMT
ステータス: 処理完了
システム内更新日: 2023-01-22 09:29:10.439827
Title: Explaining automated gender classification of human gait
Title（参考訳）: ヒト歩行の性別自動分類について
Authors: Fabian Horst, Djordje Slijepcevic, Matthias Zeppelzauer, Anna-Maria Raberger, Sebastian Lapuschkin, Wojciech Samek, Wolfgang I. Sch\"ollhorn, Christian Breiteneder and Brian Horsak
Abstract要約: 最先端機械学習(ML)モデルは、歩行分析データの分類に非常に効果的であるが、予測に関する説明は提供されていない。この"ブラックボックス"の特徴は、どの入力パターン、MLモデルが予測に基づいているかを理解するのを不可能にする。本研究では、歩行分類におけるML予測の説明可能性を高めるために、説明可能な人工知能手法が有用かどうかを検討する。
参考スコア（独自算出の注目度）: 10.968267030101211
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: State-of-the-art machine learning (ML) models are highly effective in classifying gait analysis data, however, they lack in providing explanations for their predictions. This "black-box" characteristic makes it impossible to understand on which input patterns, ML models base their predictions. The present study investigates whether Explainable Artificial Intelligence methods, i.e., Layer-wise Relevance Propagation (LRP), can be useful to enhance the explainability of ML predictions in gait classification. The research question was: Which input patterns are most relevant for an automated gender classification model and do they correspond to characteristics identified in the literature? We utilized a subset of the GAITREC dataset containing five bilateral ground reaction force (GRF) recordings per person during barefoot walking of 62 healthy participants: 34 females and 28 males. Each input signal (right and left side) was min-max normalized before concatenation and fed into a multi-layer Convolutional Neural Network (CNN). The classification accuracy was obtained over a stratified ten-fold cross-validation. To identify gender-specific patterns, the input relevance scores were derived using LRP. The mean classification accuracy of the CNN with 83.3% showed a clear superiority over the zero-rule baseline of 54.8%.
Abstract（参考訳）: 最先端機械学習(ML)モデルは、歩行分析データの分類に非常に効果的であるが、予測に関する説明は提供されていない。この"ブラックボックス"の特徴は、どの入力パターン、MLモデルが予測に基づいているかを理解するのを不可能にする。本研究では,説明可能な人工知能(lrp)手法が,歩行分類におけるml予測の理解可能性を高めるのに有用かどうかについて検討する。研究課題は、どの入力パターンが自動性別分類モデルに最も関係しており、文献で特定された特徴に対応しているか? 健常者62名(女性34名,男性28名)の裸足歩行中,人1人あたり5つの地上反応力(grf)記録を含む歩行データセットのサブセットを用いた。各入力信号(左右)は結合前にmin-max正規化され、多層畳み込みニューラルネットワーク(CNN)に入力される。分類精度は層状10倍のクロスバリデーションで得られた。性別別パターンを特定するために, LRPを用いて入力関連スコアを導出した。 83.3%のcnnの平均分類精度は54.8%のゼロルールベースラインよりも明らかに優れていた。

関連論文リスト

Mitigating Algorithmic Bias in Multiclass CNN Classifications Using Causal Modeling [0.0]
本研究では,分類問題におけるアルゴリズムバイアスの検出と緩和のために因果モデリングを適用した手法について述べる。データセットはFairFaceデータセットから派生したもので、DeepFace事前トレーニングモデルによって生成された感情的なラベルが補足されている。その結果、偏見のある分類は、すべてのクラスで男女の公平性を向上させ、無視できる影響、あるいは全体的な正確性においてわずかに改善した。
論文参考訳（メタデータ） (2025-01-14T06:51:27Z)
GECOBench: A Gender-Controlled Text Dataset and Benchmark for Quantifying Biases in Explanations [1.0000511213628438]
性別制御されたテキストデータセットであるGECOを作成し、それ以外は男性と女性に同じ文が現れる。これにより、ジェンダー分類タスクの「世界説明」が根本から生まれる。また,一般的なXAI手法をベンチマークする厳密な定量的評価フレームワークであるGECOBenchも提供する。
論文参考訳（メタデータ） (2024-06-17T13:44:37Z)
Exploring Beyond Logits: Hierarchical Dynamic Labeling Based on Embeddings for Semi-Supervised Classification [49.09505771145326]
モデル予測に依存しない階層型動的ラベル付け(HDL)アルゴリズムを提案し,画像埋め込みを用いてサンプルラベルを生成する。本手法は,半教師付き学習における擬似ラベル生成のパラダイムを変える可能性がある。
論文参考訳（メタデータ） (2024-04-26T06:00:27Z)
Measuring and Improving Attentiveness to Partial Inputs with Counterfactuals [91.59906995214209]
我々は,新しい評価手法であるCAT(Facterfactual Attentiveness Test)を提案する。 CATは、入力の一部を別の例から別の例に置き換えることで、予測を変更する注意深いモデルを期待することで、反事実を使用する。実験データの精度が向上する一方, GPT3 は実演回数の増加により注意力の低下がみられた。
論文参考訳（メタデータ） (2023-11-16T06:27:35Z)
Quantifying Human Bias and Knowledge to guide ML models during Training [0.0]
トレーニングプロセスに人間を含めることで、歪んだデータセットを扱うための実験的なアプローチを導入する。我々は、データセットの特徴の重要性をランク付けし、ランクアグリゲーションを通じて、モデルの初期重みバイアスを決定するよう人間に求める。我々は、集団的人間の偏見によって、機械学習モデルがバイアス標本の代わりに真の人口についての洞察を学習できることを示した。
論文参考訳（メタデータ） (2022-11-19T20:49:07Z)
Explaining machine learning models for age classification in human gait analysis [10.570744839131775]
機械学習モデルではどの入力特徴が年齢による歩行パターンの違いを分類するために使用されるのか? AIST Gait Database 2019のサブセットを用いて,健常者の裸足歩行において,1人あたり5つの地上反応力(GRF)の記録を収録した。 60.1%の平均分類精度は37.3%のゼロルールベースラインよりも明らかに高かった。混乱行列は,CNNが若年層と高齢層をよく区別するが,中年層をモデル化することは困難であったことを示している。
論文参考訳（メタデータ） (2022-10-16T13:53:51Z)
An Efficient End-to-End Deep Neural Network for Interstitial Lung Disease Recognition and Classification [0.5424799109837065]
本稿では、IDDパターンを分類するためのエンドツーエンドのディープ畳み込みニューラルネットワーク(CNN)を提案する。提案モデルでは,カーネルサイズが異なる4つの畳み込み層と,Rectified Linear Unit (ReLU) アクティベーション機能を備える。 128のCTスキャンと5つのクラスからなる21328の画像パッチからなるデータセットを用いて、提案モデルのトレーニングと評価を行う。
論文参考訳（メタデータ） (2022-04-21T06:36:10Z)
Discovering Invariant Rationales for Graph Neural Networks [104.61908788639052]
グラフニューラルネットワーク(GNN)の固有の解釈可能性とは、入力グラフの特徴の小さなサブセットを見つけることである。本稿では,本質的に解釈可能なGNNを構築するために,不変理性(DIR)を発見するための新しい戦略を提案する。
論文参考訳（メタデータ） (2022-01-30T16:43:40Z)
Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
現在の顔認識(FR)モデルには、人口統計バイアスが存在する。さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
論文参考訳（メタデータ） (2021-03-16T15:05:49Z)
Interpreting Graph Neural Networks for NLP With Differentiable Edge Masking [63.49779304362376]
グラフニューラルネットワーク(GNN)は、構造的帰納バイアスをNLPモデルに統合する一般的なアプローチとなっている。本稿では,不要なエッジを識別するGNNの予測を解釈するポストホック手法を提案する。モデルの性能を劣化させることなく,多数のエッジを落とせることを示す。
論文参考訳（メタデータ） (2020-10-01T17:51:19Z)
How do Decisions Emerge across Layers in Neural Models? Interpretation with Differentiable Masking [70.92463223410225]
DiffMaskは、差分性を維持しながら入力のサブセットをマスクアウトすることを学ぶ。入力トークンを包含または無視する決定は、中間隠蔽層に基づく単純なモデルで行われる。これにより、属性のヒートマップをプロットするだけでなく、ネットワーク層間で意思決定がどのように形成されるかを分析することができます。
論文参考訳（メタデータ） (2020-04-30T17:36:14Z)

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。