論文の概要: Flexible categorization using formal concept analysis and Dempster-Shafer theory

• arxiv url: http://arxiv.org/abs/2408.15012v2
• Date: Wed, 25 Dec 2024 15:35:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 21:44:04.813004
• Title: Flexible categorization using formal concept analysis and Dempster-Shafer theory
• Title（参考訳）: 形式的概念分析とデンプスター・シェーファー理論を用いたフレキシブル分類
• Authors: Marcel Boersma, Krishna Manoorkar, Alessandra Palmigiano, Mattia Panettiere, Apostolos Tzimoulis, Nachoem Wijnberg,
• Abstract要約: 本稿では,外乱検出と分類のための機械学習メタアルゴリズムについて論じる。 このフレームワークは、エンティティの集合の説明可能な分類を生成し、研究するための公式な基盤を提供する。
• 参考スコア（独自算出の注目度）: 40.30013238421509
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The framework developed in the present paper provides a formal ground to generate and study explainable categorizations of sets of entities, based on the epistemic attitudes of individual agents or groups thereof. Based on this framework, we discuss a machine-leaning meta-algorithm for outlier detection and classification which provides local and global explanations of its results.
• Abstract（参考訳）: 本研究で開発された枠組みは, 個々のエージェントや集団の認識的態度に基づいて, 説明可能な実体の分類を生成・研究するための公式な基盤を提供する。 この枠組みに基づいて,アウトラヤ検出と分類のための機械学習メタアルゴリズムについて論じ,その結果の局所的およびグローバル的説明を提供する。

関連論文リスト

• FGCE: Feasible Group Counterfactual Explanations for Auditing Fairness [4.749824105387293]
  本稿では,モデルフェアネスを監査するために,グループ対実的説明を生成する最初のグラフベースのフレームワークを提案する。 我々のフレームワークは、Fasible Group Counterfactual Explanations (FGCEs)と名付けられ、現実世界の現実性制約を捉え、類似の反事実を持つサブグループを構築する。 また、カウンターファクト・ジェネレーションにおける重要なトレードオフとして、カウンターファクト・ジェネレーションの件数、関連するコスト、達成された範囲の広さのバランスがあげられる。
  論文  参考訳（メタデータ） (2024-10-29T23:10:01Z)
• Interpreting Inflammation Prediction Model via Tag-based Cohort Explanation [5.356481722174994]
  本稿では,局所的特徴重要度スコアに基づいて,データセット内のコホートを識別する新しいフレームワークを提案する。 食品ベースの炎症予測モデル上での枠組みを評価し,その枠組みがドメイン知識に合致する信頼性のある説明を生成できることを実証した。
  論文  参考訳（メタデータ） (2024-10-17T23:22:59Z)
• CohEx: A Generalized Framework for Cohort Explanation [5.269665407562217]
  コホートの説明は、特定のグループや事例のコホートにおける説明者の振る舞いに関する洞察を与える。 本稿では,コホートの説明を測る上でのユニークな課題と機会について論じる。
  論文  参考訳（メタデータ） (2024-10-17T03:36:18Z)
• Generative Retrieval Meets Multi-Graded Relevance [104.75244721442756]
  GRADed Generative Retrieval (GR$2$)というフレームワークを紹介します。 GR$2$は2つの重要なコンポーネントに焦点を当てている。 マルチグレードとバイナリの関連性を持つデータセットの実験は,GR$2$の有効性を示した。
  論文  参考訳（メタデータ） (2024-09-27T02:55:53Z)
• Logifold: A Geometrical Foundation of Ensemble Machine Learning [0.0]
  データセット理解のための局所的・局所的・測度論的アプローチを提案する。 中心となる考え方は、ロジフォールド構造を定式化し、制限されたドメインを持つネットワークモデルをデータセットの局所チャートとして解釈することである。
  論文  参考訳（メタデータ） (2024-07-23T04:47:58Z)
• Aligned at the Start: Conceptual Groupings in LLM Embeddings [10.282327560070202]
  本稿では、しばしば見落とされがちな入力埋め込み(初期表現をトランスフォーマーブロックに入力する)に焦点を移す。 ファジィグラフ,k-nearest neighbor(k-NN),およびコミュニティ検出を用いて,多様なLDMの埋め込みを解析した。
  論文  参考訳（メタデータ） (2024-06-08T01:27:19Z)
• An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
  このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。 応用例としては、メタ理論的性質の形式的解析と検証がある。
  論文  参考訳（メタデータ） (2023-12-08T09:32:26Z)
• TraCE: Trajectory Counterfactual Explanation Scores [1.149801527015106]
  本稿では, 逐次意思決定タスクの進捗を評価するために, ファクトファクトファクトの使用を拡大することを提案する。 モデルに依存しないモジュラーフレームワークであるTraCEを導入し、高度に複雑なシナリオの進捗状況を単一の値に抽出し、凝縮することができる。
  論文  参考訳（メタデータ） (2023-09-27T19:24:57Z)
• Explainability for Large Language Models: A Survey [59.67574757137078]
  大規模言語モデル(LLM)は、自然言語処理における印象的な能力を示している。 本稿では,トランスフォーマーに基づく言語モデルを記述する手法について,説明可能性の分類法を紹介した。
  論文  参考訳（メタデータ） (2023-09-02T22:14:26Z)
• A Category-theoretical Meta-analysis of Definitions of Disentanglement [97.34033555407403]
  データの変化の要因を識別することは、機械学習の基本的な概念である。 本稿では,既存の乱れの定義をメタ分析する。
  論文  参考訳（メタデータ） (2023-05-11T15:24:20Z)
• The geometry of financial institutions -- Wasserstein clustering of financial data [0.0]
  我々は,粒状およびビッグデータを代表的で分かりやすい地図に凝縮する方法を開発した。 金融規制は、このニーズを実証する分野であり、規制当局はその活動を監視し評価するために、多種多様でしばしば非常に粒度の細かいデータを金融機関から要求する。 確率分布に適用可能なロイドのアルゴリズムの変種を提案し、一般化されたワッサーシュタイン・バリセンタを用いて、与えられたデータを凝縮した形で表現する計量空間を構築する。
  論文  参考訳（メタデータ） (2023-05-05T14:16:29Z)
• Flexible categorization for auditing using formal concept analysis and Dempster-Shafer theory [55.878249096379804]
  我々は、異なる金融口座に対する異なる利息の程度に応じて分類する様々な方法を研究する。 本稿で開発したフレームワークは,説明可能な分類の獲得と研究のための公式な基盤を提供する。
  論文  参考訳（メタデータ） (2022-10-31T13:49:16Z)
• A Framework for Auditing Multilevel Models using Explainability Methods [2.578242050187029]
  回帰の技術的評価のための監査フレームワークを提案する。 焦点は3つの側面、モデル、差別、透明性と説明責任である。 SHAP や LIME などの一般的な説明可能性法は,これらのモデルを解釈する際には精度が低いことが示されている。
  論文  参考訳（メタデータ） (2022-07-04T17:53:21Z)
• A Unifying Framework for Causal Explanation of Sequential Decision Making [24.29934526009098]
  本稿では、シーケンシャルな意思決定システムの因果的説明のための新しい枠組みを提案する。 本稿では,単一の統一的アプローチを用いて,エージェントアクションに対して意味的に異なるタイプの説明を識別する方法を示す。
  論文  参考訳（メタデータ） (2022-05-30T23:17:58Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• Resolving label uncertainty with implicit posterior models [71.62113762278963]
  本稿では,データサンプルのコレクション間でラベルを共同で推論する手法を提案する。 異なる予測子を後部とする生成モデルの存在を暗黙的に仮定することにより、弱い信念の下での学習を可能にする訓練目標を導出する。
  論文  参考訳（メタデータ） (2022-02-28T18:09:44Z)
• A Formalisation of Abstract Argumentation in Higher-Order Logic [77.34726150561087]
  本稿では,古典的高階論理へのエンコーディングに基づく抽象的議論フレームワークの表現手法を提案する。 対話型および自動推論ツールを用いた抽象的議論フレームワークのコンピュータ支援評価のための一様フレームワークを提供する。
  論文  参考訳（メタデータ） (2021-10-18T10:45:59Z)
• Gaussian process imputation of multiple financial series [71.08576457371433]
  金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。 金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
  論文  参考訳（メタデータ） (2020-02-11T19:18:18Z)
• End-to-End Models for the Analysis of System 1 and System 2 Interactions based on Eye-Tracking Data [99.00520068425759]
  本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。 統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。 機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
  論文  参考訳（メタデータ） (2020-02-03T17:46:13Z)

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。