Fugu-MT 論文翻訳(概要): Counterfactual Metarules for Local and Global Recourse

論文の概要: Counterfactual Metarules for Local and Global Recourse

arxiv url: http://arxiv.org/abs/2405.18875v1
Date: Wed, 29 May 2024 08:35:17 GMT
ステータス: 処理完了
システム内更新日: 2024-05-30 18:09:15.323637
Title: Counterfactual Metarules for Local and Global Recourse
Title（参考訳）: 地域・グローバル・リコースにおける対物的メタルル
Authors: Tom Bewley, Salim I. Amoukou, Saumitra Mishra, Daniele Magazzeni, Manuela Veloso,
Abstract要約: T-CRExは局所的および大域的対実的説明のためのモデルに依存しない手法である。それは、個人とグループの両方のリコメンデーションオプションを、可読性のあるルールの形で要約する。
参考スコア（独自算出の注目度）: 19.566362530518717
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce T-CREx, a novel model-agnostic method for local and global counterfactual explanation (CE), which summarises recourse options for both individuals and groups in the form of human-readable rules. It leverages tree-based surrogate models to learn the counterfactual rules, alongside 'metarules' denoting their regions of optimality, providing both a global analysis of model behaviour and diverse recourse options for users. Experiments indicate that T-CREx achieves superior aggregate performance over existing rule-based baselines on a range of CE desiderata, while being orders of magnitude faster to run.
Abstract（参考訳）: T-CRExは局所的およびグローバル的対実的説明(CE)のための新しいモデルに依存しない手法である。ツリーベースのサロゲートモデルを活用して、モデル行動のグローバルな分析と、ユーザのための多様なリコメンデーションオプションの両方を提供する、最適な領域を示す'メタル'とともに、カウンターファクトルールを学ぶ。実験により、T-CRExは、CEデシデラタにおける既存のルールベースベースラインよりも、桁違いに高速に動作しながら、より優れたアグリゲーション性能を達成することが示された。

関連論文リスト

Generating Global and Local Explanations for Tree-Ensemble Learning Methods by Answer Set Programming [4.820391833117535]
本稿では,ツリーアンサンブル学習手法のグローバルおよびローカルな説明としてルールセットを生成する手法を提案する。グローバルな説明のために、候補ルールは訓練されたツリーアンサンブルモデル全体から選択される。局所的な説明では、候補ルールは特定の予測されたインスタンスに関連するルールのみを考慮して選択される。
論文参考訳（メタデータ） (2024-10-14T18:32:29Z)
Adaptive Global-Local Representation Learning and Selection for Cross-Domain Facial Expression Recognition [54.334773598942775]
ドメインシフトは、クロスドメイン顔表情認識(CD-FER)において重要な課題となる適応的グローバルローカル表現学習・選択フレームワークを提案する。
論文参考訳（メタデータ） (2024-01-20T02:21:41Z)
FedLoGe: Joint Local and Generic Federated Learning under Long-tailed Data [46.29190753993415]
Federated Long-Tailed Learning (Fed-LT)は、分散化されたローカルクライアントから収集されたデータが、グローバルに普及しているロングテール分布を示すパラダイムである。本稿では、Fed-LT(FedLoGe)におけるFederated Local and Generic Model Training(FedLoGe)というアプローチを紹介し、ローカルモデルとジェネリックモデルの両方のパフォーマンスを向上させる。
論文参考訳（メタデータ） (2024-01-17T05:04:33Z)
Group Preference Optimization: Few-Shot Alignment of Large Language Models [28.464834028110538]
グループ優先最適化(Group Preference Optimization)は、言語モデルを数ショットで個々のグループを選好する。大規模言語モデルを用いた厳密な評価により, GPOの有効性を実証的に検証した。以上の結果から,GPOはモデルをより正確に整合させるだけでなく,グループ固有の嗜好を少なくし,トレーニングや推論のリソースを少なくする。
論文参考訳（メタデータ） (2023-10-17T18:41:57Z)
Consistency Regularization for Generalizable Source-free Domain Adaptation [62.654883736925456]
ソースフリードメイン適応(source-free domain adapt, SFDA)は、ソースデータセットにアクセスすることなく、十分にトレーニングされたソースモデルを未学習のターゲットドメインに適応することを目的としている。既存のSFDAメソッドは、ターゲットのトレーニングセット上で適用されたモデルを評価し、目に見えないが同一の分散テストセットからデータを無視する。より一般化可能なSFDA法を開発するための整合正則化フレームワークを提案する。
論文参考訳（メタデータ） (2023-08-03T07:45:53Z)
CGXplain: Rule-Based Deep Neural Network Explanations Using Dual Linear Programs [4.632241550169363]
ルールベースサロゲートモデルは、ディープニューラルネットワーク(DNN)決定境界を近似する有効な方法である。本稿では,これらの制約に対処するCGX(Column Generation eXplainer)を提案する。
論文参考訳（メタデータ） (2023-04-11T13:16:26Z)
Global-to-Local Modeling for Video-based 3D Human Pose and Shape Estimation [53.04781510348416]
フレーム内精度とフレーム間スムーズさにより,映像に基づく3次元人間のポーズと形状推定を評価する。エンドツーエンドフレームワークGLoT(Global-to-Local Transformer)における長期的・短期的相関のモデル化を構造的に分離することを提案する。我々のGLoTは、一般的なベンチマーク(3DPW、MPI-INF-3DHP、Human3.6M)において、最も低いモデルパラメータを持つ従来の最先端の手法を上回る。
論文参考訳（メタデータ） (2023-03-26T14:57:49Z)
Relational Proxies: Emergent Relationships as Fine-Grained Discriminators [52.17542855760418]
本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
論文参考訳（メタデータ） (2022-10-05T11:08:04Z)
Local-Adaptive Face Recognition via Graph-based Meta-Clustering and Regularized Adaptation [21.08555249703121]
局所適応顔認識(LaFR)と呼ばれる新しい問題設定を導入する。 LaFRは、ローカルに適応したモデルを自動かつ非監視にトレーニングすることで、最適なパフォーマンスを実現することを目指している。更新された局所モデルに対して,単純なフェデレーションアグリゲーションにより,LaFRはグローバルモデルをさらに改善できることを示す。
論文参考訳（メタデータ） (2022-03-27T15:20:14Z)
Federated and Generalized Person Re-identification through Domain and Feature Hallucinating [88.77196261300699]
人物再識別(re-ID)におけるフェデレーションドメイン一般化(FedDG)の問題について検討する。一般化された局所的・グローバルなモデルを学ぶための多様な特徴を創出する手法として,DFH (Domain and Feature Hallucinating) を提案する。提案手法は4つの大規模re-IDベンチマークにおいてFedDGの最先端性能を実現する。
論文参考訳（メタデータ） (2022-03-05T09:15:13Z)
Global Aggregation then Local Distribution for Scene Parsing [99.1095068574454]
提案手法は,エンドツーエンドのトレーニング可能なブロックとしてモジュール化され,既存のセマンティックセグメンテーションネットワークに容易に接続可能であることを示す。私たちのアプローチでは、Cityscapes、ADE20K、Pascal Context、Camvid、COCO-stuffといった主要なセマンティックセグメンテーションベンチマークに基づいて、新しい最先端の技術を構築できます。
論文参考訳（メタデータ） (2021-07-28T03:46:57Z)

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。