Fugu-MT 論文翻訳(概要): CaBRNet, an open-source library for developing and evaluating Case-Based Reasoning Models

論文の概要: CaBRNet, an open-source library for developing and evaluating Case-Based Reasoning Models

arxiv url: http://arxiv.org/abs/2409.16693v1
Date: Wed, 25 Sep 2024 07:32:03 GMT
ステータス: 処理完了
システム内更新日: 2024-09-27 05:00:58.113408
Title: CaBRNet, an open-source library for developing and evaluating Case-Based Reasoning Models
Title（参考訳）: CaBRNet - ケースベース推論モデルの開発と評価のためのオープンソースライブラリ
Authors: Romain Xu-Darme, Aymeric Varasse, Alban Grastien, Julien Girard, Zakaria Chihani,
Abstract要約: CaBRNetはCase-Based Reasoning Networks用のオープンソースでモジュール化された後方互換性のあるフレームワークである。本稿では,CaBRNetを提案する。CaBRNetはCase-Based Reasoning Networksのための,オープンソースでモジュール化された,後方互換性のあるフレームワークである。
参考スコア（独自算出の注目度）: 2.3592914313389253
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the field of explainable AI, a vibrant effort is dedicated to the design of self-explainable models, as a more principled alternative to post-hoc methods that attempt to explain the decisions after a model opaquely makes them. However, this productive line of research suffers from common downsides: lack of reproducibility, unfeasible comparison, diverging standards. In this paper, we propose CaBRNet, an open-source, modular, backward-compatible framework for Case-Based Reasoning Networks: https://github.com/aiser-team/cabrnet.
Abstract（参考訳）: 説明可能なAIの分野では、モデルが不透明に決定を下そうとするポストホックメソッドのより原則的な代替手段として、自己説明可能なモデルの設計に活発な取り組みが費やされている。しかし、この生産的な研究のラインは、再現性の欠如、実現不可能な比較、標準の多様化といった共通の欠点に悩まされている。本稿では,CaBRNetを提案する。CaBRNetはオープンソースでモジュール化された,ケースベース推論ネットワークのための後方互換性のあるフレームワークである。

関連論文リスト

Generative Active Learning for Image Synthesis Personalization [57.01364199734464]
本稿では,伝統的に識別モデルを用いて研究されてきた能動的学習の生成モデルへの応用について検討する。生成モデル上でアクティブな学習を行う上での最大の課題は、クエリのオープンな性質にある。問合せ処理を半開問題に変換するために,アンカー方向の概念を導入する。
論文参考訳（メタデータ） (2024-03-22T06:45:45Z)
Explaining Pre-Trained Language Models with Attribution Scores: An Analysis in Low-Resource Settings [32.03184402316848]
我々は,素早いモデルから抽出した帰属スコアの妥当性と忠実度を分析した。プロンプトパラダイムを用いることで、低リソース環境下でモデルを微調整するよりも、より妥当な説明が得られます。
論文参考訳（メタデータ） (2024-03-08T14:14:37Z)
CAR: Conceptualization-Augmented Reasoner for Zero-Shot Commonsense Question Answering [56.592385613002584]
ゼロショットコモンセンス質問応答の課題に対処するために,概念化強化推論器(CAR)を提案する。 CARは、CommonSenseの知識を多くの高レベルなインスタンスに抽象化し、CommonSenseの知識ベースの範囲を拡大する。 CARは、既存のメソッドよりも、ゼロショットのコモンセンスシナリオに関する質問に答えることにより、より堅牢に一般化する。
論文参考訳（メタデータ） (2023-05-24T08:21:31Z)
This changes to that : Combining causal and non-causal explanations to generate disease progression in capsule endoscopy [5.287156503763459]
本稿では,モデル依存型と非依存型の両方を組み合わせて説明セットを生成する統一的説明手法を提案する。生成された説明はサンプルの近傍で一貫性があり、画像の内容と結果の因果関係を明らかにすることができる。
論文参考訳（メタデータ） (2022-12-05T12:46:19Z)
Investigating Ensemble Methods for Model Robustness Improvement of Text Classifiers [66.36045164286854]
既存のバイアス機能を分析し、すべてのケースに最適なモデルが存在しないことを実証します。適切なバイアスモデルを選択することで、より洗練されたモデル設計でベースラインよりもロバスト性が得られる。
論文参考訳（メタデータ） (2022-10-28T17:52:10Z)
Interpretations Steered Network Pruning via Amortized Inferred Saliency Maps [85.49020931411825]
限られたリソースを持つエッジデバイスにこれらのモデルをデプロイするには、畳み込みニューラルネットワーク(CNN)圧縮が不可欠である。本稿では,新しい視点からチャネルプルーニング問題に対処するために,モデルの解釈を活用して,プルーニング過程を解析する手法を提案する。本研究では,実時間スムーズなスムーズなスムーズなスムーズなマスク予測を行うセレクタモデルを導入することで,この問題に対処する。
論文参考訳（メタデータ） (2022-09-07T01:12:11Z)
Comparing and extending the use of defeasible argumentation with quantitative data in real-world contexts [5.482532589225552]
非単調な形式主義(英: non-monotonic formalism)は、新しい証拠に照らして、前提から以前の結論や主張を撤回できる形式である。本研究は, 難解な議論の活用を通じて知識の体系に寄与し, 類似したアプローチとの比較を行った。
論文参考訳（メタデータ） (2022-06-28T12:28:47Z)
CARE: Coherent Actionable Recourse based on Sound Counterfactual Explanations [0.0]
本稿では,モデルおよびユーザレベルのデシダータに対処するモジュール型説明フレームワークであるCAREを紹介する。モデルに依存しないアプローチとして、CAREはブラックボックスモデルに対して複数の多様な説明を生成する。
論文参考訳（メタデータ） (2021-08-18T15:26:59Z)
Bellman: A Toolbox for Model-Based Reinforcement Learning in TensorFlow [14.422129911404472]
Bellmanはこのギャップを埋めることを目指しており、モデルベースのRLツールボックスを初めて完全に設計し、テストした。我々のモジュラーアプローチは、幅広い環境モデルと、最先端アルゴリズムを復元する汎用モデルベースのエージェントクラスを組み合わせることができる。
論文参考訳（メタデータ） (2021-03-26T11:32:27Z)
COMBO: Conservative Offline Model-Based Policy Optimization [120.55713363569845]
ディープニューラルネットワークのような複雑なモデルによる不確実性推定は困難であり、信頼性が低い。我々は,サポート外状態動作の値関数を正規化するモデルベースオフラインRLアルゴリズムCOMBOを開発した。従来のオフラインモデルフリーメソッドやモデルベースメソッドと比べて、comboは一貫してパフォーマンスが良いことが分かりました。
論文参考訳（メタデータ） (2021-02-16T18:50:32Z)
Text Modular Networks: Learning to Decompose Tasks in the Language of Existing Models [61.480085460269514]
本稿では,既存のモデルで解けるより単純なモデルに分解することで,複雑なタスクを解くための解釈可能なシステムを構築するためのフレームワークを提案する。我々はこのフレームワークを用いて、ニューラルネットワークのファクトイド単一スパンQAモデルとシンボリック電卓で答えられるサブクエストに分解することで、マルチホップ推論問題に答えられるシステムであるModularQAを構築する。
論文参考訳（メタデータ） (2020-09-01T23:45:42Z)

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。