論文の概要: Explainable Anomaly Detection: Counterfactual driven What-If Analysis

• arxiv url: http://arxiv.org/abs/2408.11935v1
• Date: Wed, 21 Aug 2024 18:38:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-23 18:06:47.039805
• Title: Explainable Anomaly Detection: Counterfactual driven What-If Analysis
• Title（参考訳）: 説明可能な異常検出: 事実駆動型What-If解析
• Authors: Logan Cummins, Alexander Sommers, Sudip Mittal, Shahram Rahimi, Maria Seale, Joseph Jaboure, Thomas Arnold,
• Abstract要約: 対実的説明を「何」分析として活用するための概念実証を行う。 本稿では, 時間的畳み込みネットワークを異常検出器として, PRONOSTIAデータセット上でこれを実行する。
• 参考スコア（独自算出の注目度）: 38.897055626205464
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There exists three main areas of study inside of the field of predictive maintenance: anomaly detection, fault diagnosis, and remaining useful life prediction. Notably, anomaly detection alerts the stakeholder that an anomaly is occurring. This raises two fundamental questions: what is causing the fault and how can we fix it? Inside of the field of explainable artificial intelligence, counterfactual explanations can give that information in the form of what changes to make to put the data point into the opposing class, in this case "healthy". The suggestions are not always actionable which may raise the interest in asking "what if we do this instead?" In this work, we provide a proof of concept for utilizing counterfactual explanations as what-if analysis. We perform this on the PRONOSTIA dataset with a temporal convolutional network as the anomaly detector. Our method presents the counterfactuals in the form of a what-if analysis for this base problem to inspire future work for more complex systems and scenarios.
• Abstract（参考訳）: 予測維持の分野には, 異常検出, 故障診断, 有用寿命予測の3つの研究領域がある。 特に異常検出は、異常が発生していることをステークホルダーに警告する。 これは2つの根本的な疑問を提起する。 説明可能な人工知能の分野の中で、反実的な説明は、データポイントを反対のクラスに配置するためにどのような変化をもたらすかという形で、その情報を与える。 提案が常に実行可能なわけではないため、"代わりにこれをしたらどうするか"という質問への関心が高まる可能性がある。 本研究では, 対実的説明を「何」分析として活用するための概念実証を行う。 本稿では, 時間的畳み込みネットワークを異常検出器として, PRONOSTIAデータセット上でこれを実行する。 提案手法は, より複雑なシステムやシナリオの今後の研究を促すために, 基本問題に対するWhat-if分析の形で, カウンターファクトルを提示する。

関連論文リスト

• Unsupervised Pairwise Causal Discovery on Heterogeneous Data using Mutual Information Measures [49.1574468325115]
  因果発見(Causal Discovery)は、構成変数の統計的性質を分析することで、この問題に取り組む手法である。 教師付き学習によって得られたことに基づいて,現在の(おそらく誤解を招く)ベースライン結果に疑問を呈する。 その結果、堅牢な相互情報測定を用いて、教師なしの方法でこの問題にアプローチする。
  論文  参考訳（メタデータ） (2024-08-01T09:11:08Z)
• PUPAE: Intuitive and Actionable Explanations for Time Series Anomalies [29.044942653423806]
  本稿では,時系列異常に対する説明を生成するためのドメイン対実的説明手法を提案する。 本手法は,客観的に正確で直感的で,多くの状況において直接動作可能な視覚的・テキスト的説明を生成する。
  論文  参考訳（メタデータ） (2024-01-16T20:13:46Z)
• Progressing from Anomaly Detection to Automated Log Labeling and Pioneering Root Cause Analysis [53.24804865821692]
  本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。 この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
  論文  参考訳（メタデータ） (2023-12-22T15:04:20Z)
• Explained anomaly detection in text reviews: Can subjective scenarios be correctly evaluated? [0.27624021966289597]
  本稿では,オンラインプラットフォームにおける異常レビューの検出と説明を行うパイプラインを提案する。 パイプラインの異常検出タスクを解決する能力は、大規模なAmazonデータベースから生成されたさまざまなデータセットを使用して評価された。
  論文  参考訳（メタデータ） (2023-11-08T11:51:47Z)
• Causalainer: Causal Explainer for Automatic Video Summarization [77.36225634727221]
  多くのアプリケーションシナリオにおいて、不適切なビデオ要約は大きな影響を与える可能性がある。 説明可能性のモデリングは重要な関心事です。 Causalainerと呼ばれるCausal Explainerがこの問題に対処するために提案されている。
  論文  参考訳（メタデータ） (2023-04-30T11:42:06Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• Uncertainty Estimation and Out-of-Distribution Detection for Counterfactual Explanations: Pitfalls and Solutions [7.106279650827998]
  生成された説明がトレーニングデータにしっかりと根付いていて、分布シフトに敏感かどうかを判断することはしばしば困難である。 本稿では,これらの問題を解決するために活用できる実用的ソリューションをいくつか提案する。
  論文  参考訳（メタデータ） (2021-07-20T19:09:10Z)
• X-MAN: Explaining multiple sources of anomalies in video [25.929134751869032]
  ビデオ中の異常を検出するのに適した解釈可能な特徴表現を構築する方法を示す。 また,その応答の背後にある理由を記述可能な,解釈可能な確率的異常検出器を提案する。 提案手法は,公開データセット上の技術状況とよく競合する。
  論文  参考訳（メタデータ） (2021-06-16T15:25:50Z)
• Amnesic Probing: Behavioral Explanation with Amnesic Counterfactuals [53.484562601127195]
  調査結果から行動学的結論を推測できない点を指摘する。 我々は、どの情報がエンコードされているかではなく、その情報がどのように使われているかに焦点を当てた代替手段を提供する。
  論文  参考訳（メタデータ） (2020-06-01T15:00:11Z)

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。

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。