論文の概要: Causal Interventional Prediction System for Robust and Explainable Effect Forecasting
- arxiv url: http://arxiv.org/abs/2407.19688v1
- Date: Mon, 29 Jul 2024 04:16:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-30 15:06:20.341197
- Title: Causal Interventional Prediction System for Robust and Explainable Effect Forecasting
- Title(参考訳): ロバスト・説明可能な効果予測のための因果干渉予測システム
- Authors: Zhixuan Chu, Hui Ding, Guang Zeng, Shiyu Wang, Yiming Li,
- Abstract要約: AIに基づく予測システムの堅牢性と説明可能性について検討する。
我々は、変分オートエンコーダと多重計算の完全条件仕様に基づく因果介入予測システム(CIPS)を設計する。
- 参考スコア(独自算出の注目度): 14.104665282086339
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although the widespread use of AI systems in today's world is growing, many current AI systems are found vulnerable due to hidden bias and missing information, especially in the most commonly used forecasting system. In this work, we explore the robustness and explainability of AI-based forecasting systems. We provide an in-depth analysis of the underlying causality involved in the effect prediction task and further establish a causal graph based on treatment, adjustment variable, confounder, and outcome. Correspondingly, we design a causal interventional prediction system (CIPS) based on a variational autoencoder and fully conditional specification of multiple imputations. Extensive results demonstrate the superiority of our system over state-of-the-art methods and show remarkable versatility and extensibility in practice.
- Abstract(参考訳): 今日の世界でAIシステムが広く利用されているが、多くの現在のAIシステムは、特に最も一般的に使われている予測システムにおいて、隠れバイアスと不足した情報のために脆弱である。
本研究では,AIに基づく予測システムの堅牢性と説明可能性について検討する。
本稿では,効果予測タスクの根底にある因果関係を詳細に分析し,治療,調整変数,共同設立者,成果に基づいて因果グラフを確立する。
そこで我々は,変分オートエンコーダと複数命令の完全条件仕様に基づく因果介入予測システム(CIPS)を設計した。
その結果,本システムは最先端手法よりも優れていることが示され,実際は優れた汎用性と拡張性を示している。
関連論文リスト
- The Significance of Latent Data Divergence in Predicting System Degradation [1.2058600649065616]
条件ベースのメンテナンスは、エンジニアリングシステムにおける潜在的な障害を早期に検出する上で、重要である。
本稿では,システムコンポーネントの潜在データ内における統計的類似性の分析を基礎とした新しい手法を提案する。
システム間の類似性は、これらの先行の相違を評価し、個々のシステム行動の微妙な理解を提供することによって推測する。
論文 参考訳(メタデータ) (2024-06-13T11:41:20Z) - Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。
我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。
この手法を現実のシナリオに適用するのは,私たちが初めてです。
論文 参考訳(メタデータ) (2023-12-18T09:05:28Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳(メタデータ) (2023-10-09T18:34:29Z) - Unsupervised Quality Prediction for Improved Single-Frame and Weighted
Sequential Visual Place Recognition [20.737660223671003]
位置推定の質を予測できる新しい,トレーニング不要な手法を提案する。
これらの予測はシーケンスマッチングプロセスに偏りを生じさせ、さらなるパフォーマンス向上をもたらす。
我々のシステムは軽量であり、リアルタイムに動作しており、基礎となるVPR技術に非依存である。
論文 参考訳(メタデータ) (2023-07-04T03:53:05Z) - Multi Agent System for Machine Learning Under Uncertainty in Cyber
Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。
ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。
本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文 参考訳(メタデータ) (2021-07-28T10:28:05Z) - Beyond Predictions in Neural ODEs: Identification and Interventions [4.257168718582631]
システムに関する大量の観測データがあれば、その進化を規定するルールを解明できるだろうか?
単純な正規化スキームとフレキシブルなニューラルODEを組み合わせることで,時系列データから動的・因果構造を頑健に復元できることを示す。
我々は、変数やシステム自体の介入の下で正確な予測を行うこともできることを示して結論付けます。
論文 参考訳(メタデータ) (2021-06-23T14:35:38Z) - Learning Dependencies in Distributed Cloud Applications to Identify and
Localize Anomalies [58.88325379746632]
本稿では、システムコンポーネントをノードとしてモデル化し、その依存関係をエッジとしてモデル化し、異常の識別と局在を改善するニューラルグラフ変換手法であるArvalusとその変種D-Arvalusを紹介します。
一連のメトリックを考えると、私たちの方法は最も可能性の高いシステム状態 - 正常または異常クラス - を予測し、異常が検出されたときにローカライズを行います。
この評価は、一般にArvalusの良好な予測性能を示し、システムコンポーネント依存性に関する情報を組み込んだD-Arvalusの利点を明らかにします。
論文 参考訳(メタデータ) (2021-03-09T06:34:05Z) - Stochastically forced ensemble dynamic mode decomposition for
forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。
固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。
電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文 参考訳(メタデータ) (2020-10-08T20:25:52Z) - An Uncertainty-based Human-in-the-loop System for Industrial Tool Wear
Analysis [68.8204255655161]
人間のループシステムにおけるモンテカルロのドロップアウトに基づく不確実性対策により,システムの透明性と性能が向上することを示す。
シミュレーション研究により、不確実性に基づく「ループ内人間システム」は、様々なレベルの人間の関与に対する性能を高めることが示されている。
論文 参考訳(メタデータ) (2020-07-14T15:47:37Z) - Predictability limit of partially observed systems [9.029961759984943]
金融学から疫学への応用は、しばしば部分的にしか観察されないダイナミック現象の正確な予測を必要とする。
サンプリングによる予測可能性の喪失を定量化し,外部信号を用いて回復できないことを示す。
我々は,感染症の発生,オンラインディスカッション,ソフトウェア開発プロジェクトを表す実世界の部分的観察システムにおける理論的発見の一般性を検証する。
論文 参考訳(メタデータ) (2020-01-17T22:06:53Z)
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。