Fugu-MT 論文翻訳(概要): Observation-specific explanations through scattered data approximation

論文の概要: Observation-specific explanations through scattered data approximation

arxiv url: http://arxiv.org/abs/2404.08747v1
Date: Fri, 12 Apr 2024 18:20:26 GMT
ステータス: 処理完了
システム内更新日: 2024-04-16 18:52:17.709299
Title: Observation-specific explanations through scattered data approximation
Title（参考訳）: 散乱データ近似による観察特異的説明
Authors: Valentina Ghidini, Michael Multerer, Jacopo Quizi, Rohan Sen,
Abstract要約: この研究は、その重要性に比例する各データポイントにスコアを割り当てるために、観察固有の説明の定義を導入する。提案手法は,分散データ近似を用いて代理モデルを構築することにより,これらの説明を推定することを含む。
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: This work introduces the definition of observation-specific explanations to assign a score to each data point proportional to its importance in the definition of the prediction process. Such explanations involve the identification of the most influential observations for the black-box model of interest. The proposed method involves estimating these explanations by constructing a surrogate model through scattered data approximation utilizing the orthogonal matching pursuit algorithm. The proposed approach is validated on both simulated and real-world datasets.
Abstract（参考訳）: この研究は、予測プロセスの定義において、その重要性に比例する各データポイントにスコアを割り当てるために、観察固有の説明の定義を導入する。このような説明は、関心のブラックボックスモデルに対する最も影響力のある観測を識別することを含む。提案手法は,直交マッチング追従アルゴリズムを用いた分散データ近似を用いて代理モデルを構築し,これらの説明を推定することを含む。提案手法はシミュレーションと実世界の両方のデータセットで検証される。

関連論文リスト

Rethinking Distance Metrics for Counterfactual Explainability [53.436414009687]
本研究では, 反事実を参照領域から独立して引き出すのではなく, 基礎となるデータ分布からの参照と共同してサンプリングする, 反事実生成手法のフレーミングについて検討する。我々は、幅広い設定に適用可能な、反ファクト的な類似性のために調整された距離メートル法を導出する。
論文参考訳（メタデータ） (2024-10-18T15:06:50Z)
Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。本手法は, 推定手法よりも有効であることを示す。
論文参考訳（メタデータ） (2024-08-26T08:39:09Z)
Generating observation guided ensembles for data assimilation with denoising diffusion probabilistic model [0.0]
本稿では拡散確率モデルから生成した擬似アンサンブルを用いたアンサンブルデータ同化法を提案する。生成したアンサンブルのばらつきにより,提案手法はシミュレーションモデルが不完全である場合に,確立されたアンサンブルデータ同化法よりも優れた性能を示す。
論文参考訳（メタデータ） (2023-08-13T07:55:46Z)
Generalizing Backpropagation for Gradient-Based Interpretability [103.2998254573497]
モデルの勾配は、半環を用いたより一般的な定式化の特別な場合であることを示す。この観測により、バックプロパゲーションアルゴリズムを一般化し、他の解釈可能な統計を効率的に計算することができる。
論文参考訳（メタデータ） (2023-07-06T15:19:53Z)
Metric Distribution to Vector: Constructing Data Representation via Broad-Scale Discrepancies [15.40538348604094]
本稿では,各データに対するベクトル表現に分布特性を抽出するために, $mathbfMetricDistribution2vec$ という新しい埋め込み方式を提案する。本研究では,広範囲な実世界構造グラフデータセット上での教師付き予測タスクにおける表現法の適用と有効性を示す。
論文参考訳（メタデータ） (2022-10-02T03:18:30Z)
A Symbolic Approach for Counterfactual Explanations [18.771531343438227]
本稿では,分類器の予測に反実的な説明を与えるための新しいシンボリックアプローチを提案する。我々のアプローチは、等価なCNF式で分類器の決定関数を符号化するという意味で象徴的である。
論文参考訳（メタデータ） (2022-06-20T08:38:54Z)
Riemannian classification of EEG signals with missing values [67.90148548467762]
本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
論文参考訳（メタデータ） (2021-10-19T14:24:50Z)
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)
EDDA: Explanation-driven Data Augmentation to Improve Model and Explanation Alignment [12.729179495550557]
モデル予測と説明手法の整合性を改善する手法を模索する。我々は,新しい説明駆動型データ拡張(EDDA)手法によりこれを実現した。これは、モデル予測のために正当領域を除外する単純な動機付け原理に基づいており、モデル予測におけるモデルの信頼性を低下させる。
論文参考訳（メタデータ） (2021-05-29T00:42:42Z)
Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文参考訳（メタデータ） (2020-04-17T12:47:04Z)

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。