Fugu-MT 論文翻訳(概要): Shapley Based Residual Decomposition for Instance Analysis

論文の概要: Shapley Based Residual Decomposition for Instance Analysis

arxiv url: http://arxiv.org/abs/2305.18818v1
Date: Tue, 30 May 2023 08:07:41 GMT
ステータス: 処理完了
システム内更新日: 2023-05-31 17:38:46.424969
Title: Shapley Based Residual Decomposition for Instance Analysis
Title（参考訳）: サンプル分析のためのシェープ型残留分解
Authors: Tommy Liu, Amanda Barnard
Abstract要約: 機能ではなくデータインスタンスに対する回帰の残余を分解するという考え方を紹介します。これにより、各インスタンスがモデルと相互に与える影響を判断することができ、それによって、関心のあるインスタンスを識別するモデルに依存しない方法が実現されます。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we introduce the idea of decomposing the residuals of regression with respect to the data instances instead of features. This allows us to determine the effects of each individual instance on the model and each other, and in doing so makes for a model-agnostic method of identifying instances of interest. In doing so, we can also determine the appropriateness of the model and data in the wider context of a given study. The paper focuses on the possible applications that such a framework brings to the relatively unexplored field of instance analysis in the context of Explainable AI tasks.
Abstract（参考訳）: 本稿では,特徴ではなく,データインスタンスに対する回帰の残差を分解するという考え方を紹介する。これにより、各インスタンスがモデルと互いに与える影響を判断でき、それによって、関心のあるインスタンスを識別するモデル非依存な方法が生まれます。これにより、与えられた研究のより広い文脈において、モデルとデータの適切性を決定することができる。本稿は、Explainable AIタスクのコンテキストにおいて、そのようなフレームワークが比較的未探索のインスタンス分析にもたらす可能性について論じる。

関連論文リスト

RepMatch: Quantifying Cross-Instance Similarities in Representation Space [15.215985417763472]
類似性のレンズを通してデータを特徴付ける新しい手法であるRepMatchを紹介する。 RepMatchは、トレーニングインスタンスのサブセット間の類似性を、トレーニングされたモデルにエンコードされた知識と比較することによって定量化する。複数のNLPタスク、データセット、モデルにまたがるRepMatchの有効性を検証する。
論文参考訳（メタデータ） (2024-10-12T20:42:28Z)
Generative vs. Discriminative modeling under the lens of uncertainty quantification [0.929965561686354]
本稿では,生成的アプローチと識別的アプローチの比較分析を行った。両手法が,不確実性を考慮した推論において,様々な情報源からの情報を活用する能力を比較する。本稿では,両手法の教師あり学習と,検討されたモデリング手法と互換性のあるセミ教師あり学習を実現するための一般的なサンプリング手法を提案する。
論文参考訳（メタデータ） (2024-06-13T14:32:43Z)
Assessing Privacy Risks in Language Models: A Case Study on Summarization Tasks [65.21536453075275]
我々は要約作業に焦点をあて、会員推測(MI)攻撃について調査する。テキストの類似性や文書修正に対するモデルの抵抗をMI信号として活用する。我々は、MI攻撃から保護するための要約モデルの訓練と、プライバシとユーティリティの本質的にのトレードオフについて議論する。
論文参考訳（メタデータ） (2023-10-20T05:44:39Z)
Improving Narrative Relationship Embeddings by Training with Additional Inverse-Relationship Constraints [0.0]
本稿では,物語の意味空間の縮小から,人物関係を埋め込むという課題について考察する。この仮定を解析し,人為的なラベルを用いた下流クラスタリングタスクの有効性をシミュレートするユニークな評価法を用いて,ベースライン・オブ・ザ・アートモデルに対するアプローチを比較する。
論文参考訳（メタデータ） (2022-12-21T17:59:11Z)
Generalization Properties of Retrieval-based Models [50.35325326050263]
検索ベースの機械学習手法は、幅広い問題で成功をおさめた。これらのモデルの約束を示す文献が増えているにもかかわらず、そのようなモデルの理論的基盤はいまだに解明されていない。本稿では,その一般化能力を特徴付けるために,検索ベースモデルの形式的処理を行う。
論文参考訳（メタデータ） (2022-10-06T00:33:01Z)
Model-agnostic multi-objective approach for the evolutionary discovery of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文参考訳（メタデータ） (2021-07-07T11:17:09Z)
MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文参考訳（メタデータ） (2021-06-03T12:59:16Z)
Attentional Prototype Inference for Few-Shot Segmentation [128.45753577331422]
数発のセグメンテーションのための確率的潜在変数フレームワークである注意型プロトタイプ推論(API)を提案する。我々は各オブジェクトカテゴリのプロトタイプを表現するためにグローバル潜在変数を定義し、確率分布としてモデル化する。我々は4つのベンチマークで広範な実験を行い、提案手法は最先端のプロトタイプベースの手法よりも、少なくとも競争力があり、しばしば優れた性能が得られる。
論文参考訳（メタデータ） (2021-05-14T06:58:44Z)
PermuteAttack: Counterfactual Explanation of Machine Learning Credit Scorecards [0.0]
本稿では、金融における小売クレジットスコアリングに使用される機械学習(ML)モデルの検証と説明のための新しい方向性と方法論について述べる。提案するフレームワークは人工知能(AI)のセキュリティと敵MLの分野からモチベーションを引き出す。
論文参考訳（メタデータ） (2020-08-24T00:05:13Z)
Accounting for Unobserved Confounding in Domain Generalization [107.0464488046289]
本稿では,データセットの組み合わせから頑健で一般化可能な予測モデルを学習する際の問題点について検討する。堅牢なモデルを学ぶことの課題の一部は、保存されていない共同設立者の影響にある。異なるモダリティの医療データに対するアプローチの実証的性能を実証する。
論文参考訳（メタデータ） (2020-07-21T08:18:06Z)
Capsule Networks -- A Probabilistic Perspective [42.187785678596384]
カプセル」モデルはオブジェクトのポーズを明示的に表現し、オブジェクトのポーズと構成部品のリニアな関係を強制しようとする。本稿では,このようなカプセル仮定を符号化した確率的生成モデルについて述べる。統合された目的の応用性を実験的に実証し、我々のモデルにおける償却推論に固有の問題を解決するためのテスト時間最適化の活用を実証する。
論文参考訳（メタデータ） (2020-04-07T17:26:11Z)

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。