Fugu-MT 論文翻訳(概要): Towards Attributions of Input Variables in a Coalition

論文の概要: Towards Attributions of Input Variables in a Coalition

arxiv url: http://arxiv.org/abs/2309.13411v2
Date: Tue, 28 Nov 2023 16:41:35 GMT
ステータス: 処理完了
システム内更新日: 2023-11-30 14:51:26.575202
Title: Towards Attributions of Input Variables in a Coalition
Title（参考訳）: 連帯における入力変数の属性
Authors: Xinhao Zheng, Huiqi Deng, Bo Fan, Quanshi Zhang
Abstract要約: 我々は,各変数の帰属と連立帰属の対立を説明する新しい帰属法を開発する。まず、Shapleyの値はAIモデルで符号化されたHarsanyi相互作用の割り当てとして再構成できる。第2に、相互作用の再調整に基づいて、Shapleyの価値を連立の帰属にまで広げます。
参考スコア（独自算出の注目度）: 22.23671744465488
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper aims to develop a new attribution method to explain the conflict between individual variables' attributions and their coalition's attribution from a fully new perspective. First, we find that the Shapley value can be reformulated as the allocation of Harsanyi interactions encoded by the AI model. Second, based the re-alloction of interactions, we extend the Shapley value to the attribution of coalitions. Third we ective. We derive the fundamental mechanism behind the conflict. This conflict come from the interaction containing partial variables in their coalition.
Abstract（参考訳）: 本稿では,各変数の帰属と連立の帰属の対立を,全く新しい視点から説明するための新しい帰属法を開発することを目的とする。まず、Shapleyの値はAIモデルで符号化されたHarsanyi相互作用の割り当てとして再構成できる。第2に、相互作用の再調整に基づいて、Shapleyの価値を連立の帰属にまで広げます。第3に誘惑的だ紛争の背後にある基本的なメカニズムを導き出しますこの対立は、連立関係に部分変数を含む相互作用から生じる。

関連論文リスト

Reducing Optimism Bias in Incomplete Cooperative Games [0.0]
協調ゲームにおける連立価値を明らかにするためのシーケンスの最適化を目的としたフレームワークを提案する。筆者らのコントリビューションは3つある: (i) 個々のプレイヤーの楽観的な連立価値の達成と、より効率的な最適化を促進するための分析的特性について検討し、 (ii) オフライン・オンライン両方の方法で追加連立価値を開示し、このギャップを最小限に抑える方法、 (iii) 実践シナリオにおけるアルゴリズムの性能を実証的に示す。
論文参考訳（メタデータ） (2024-02-02T21:58:26Z)
Coalitional Manipulations and Immunity of the Shapley Value [0.0]
我々は、連立ゲームにおける操作について検討し、連立は会員の総支払額を増やすことを目的としている。割当規則は、連立が内部的な再配置から利益を得ることができない場合、連立操作に対して無害である。効率的な割当規則では、実位置耐久性は制約付き余剰性と等価である。
論文参考訳（メタデータ） (2023-10-31T12:43:31Z)
Delta-AI: Local objectives for amortized inference in sparse graphical models [64.5938437823851]
スパース確率的グラフィカルモデル(PGM)における補正推論のための新しいアルゴリズムを提案する。提案手法は, PGMにおける変数のサンプリングをエージェントが行う一連の行動とみなす場合, エージェントのポリシー学習目的において, PGMの疎結合が局所的な信用割当を可能にするという観察に基づいている。合成PGMからサンプリングし、スパース因子構造を持つ潜在変数モデルを訓練するための$Delta$-AIの有効性について説明する。
論文参考訳（メタデータ） (2023-10-03T20:37:03Z)
On the Convergence of the Shapley Value in Parametric Bayesian Learning Games [28.212413634171572]
いずれのプレイヤーにおいても、シャプリー値の差は、特徴関数が結合フィッシャー情報の対数行列に比例する制限ゲームにおけるシャプリー値の差に収束することを示す。この結果から,KL 分岐のコストのかかる計算を行なわずに実現可能となった。
論文参考訳（メタデータ） (2022-05-16T02:29:14Z)
An Instance-Dependent Analysis for the Cooperative Multi-Player Multi-Armed Bandit [93.97385339354318]
マルチプレイヤーマルチアーマッドバンドにおける情報共有と協調の課題について検討する。まず, プレイヤーの最適度差を推定するために, 逐次的除去戦略への簡単な修正が可能であることを示す。第2に,第1の結果を利用して,衝突の小さな報奨をプレイヤー間の協調に役立てる通信プロトコルを設計する。
論文参考訳（メタデータ） (2021-11-08T23:38:47Z)
Collective eXplainable AI: Explaining Cooperative Strategies and Agent Contribution in Multiagent Reinforcement Learning with Shapley Values [68.8204255655161]
本研究は,シェープリー値を用いたマルチエージェントRLにおける協調戦略を説明するための新しい手法を提案する。結果は、差別的でない意思決定、倫理的かつ責任あるAI由来の意思決定、公正な制約の下での政策決定に影響を及ぼす可能性がある。
論文参考訳（メタデータ） (2021-10-04T10:28:57Z)
Apportionment with Parity Constraints [1.52292571922932]
本論では, 議員の議席配分に関する課題を, 候補者間での公平な制約の下で検討する。二次元近似の文脈で使われる典型的なベンチマークはフェアシェアであり、理想的な分数二分法解に対応する。
論文参考訳（メタデータ） (2021-08-09T16:08:12Z)
Dealing with Non-Stationarity in Multi-Agent Reinforcement Learning via Trust Region Decomposition [52.06086375833474]
非定常性は多エージェント強化学習における厄介な問題である。ポリシーシーケンスの定常性を明示的にモデル化するための$delta$-stationarity測定を導入する。共同政策の分岐を推定するために,メッセージパッシングに基づく信頼領域分解ネットワークを提案する。
論文参考訳（メタデータ） (2021-02-21T14:46:50Z)
Improving KernelSHAP: Practical Shapley Value Estimation via Linear Regression [9.89901717499058]
このアプローチの理解と改善のために,線形回帰によるShapley値を推定する考え方を再考する。我々は,その収束を検知し,不確実性推定を計算する手法を開発した。我々は,2つの大域的説明法のための高速な新しい推定器を生成する協調ゲームのためのKernelSHAPのバージョンを開発した。
論文参考訳（メタデータ） (2020-12-02T21:20:47Z)
End-to-End Learning and Intervention in Games [60.41921763076017]
ゲームにおける学習と介入のための統一的なフレームワークを提供する。明示的および暗黙的な区別に基づく2つのアプローチを提案する。分析結果は、実世界のいくつかの問題を用いて検証される。
論文参考訳（メタデータ） (2020-10-26T18:39:32Z)
Implicit Distributional Reinforcement Learning [61.166030238490634]
2つのディープジェネレータネットワーク(DGN)上に構築された暗黙の分布型アクター批判(IDAC) 半単純アクター (SIA) は、フレキシブルなポリシー分布を利用する。我々は,代表的OpenAI Gym環境において,IDACが最先端のアルゴリズムより優れていることを観察する。
論文参考訳（メタデータ） (2020-07-13T02:52:18Z)

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。