Fugu-MT 論文翻訳(概要): Toward Universal Laws of Outlier Propagation

論文の概要: Toward Universal Laws of Outlier Propagation

arxiv url: http://arxiv.org/abs/2502.08593v3
Date: Sun, 06 Jul 2025 19:59:47 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-08 15:46:34.231658
Title: Toward Universal Laws of Outlier Propagation
Title（参考訳）: 外乱伝播の普遍的法則に向けて
Authors: Aram Ebtekar, Yuhao Wang, Dominik Janzing,
Abstract要約: 共同サンプルのランダム性欠失は各因果機構におけるランダム性欠失の和に分解されることを示す。ランダム性保存のレヴィンの法則の拡張として、弱い外れ値が強いものを引き起こすことができないことを示す。
参考スコア（独自算出の注目度）: 12.474280839142395
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: When a variety of anomalous features motivate flagging different samples as outliers, Algorithmic Information Theory (AIT) offers a principled way to unify them in terms of a sample's randomness deficiency. Subject to the algorithmic Markov condition on a causal Bayesian network, we show that the randomness deficiency of a joint sample decomposes into a sum of randomness deficiencies at each causal mechanism. Consequently, anomalous observations can be attributed to their root causes, i.e., the mechanisms that behaved anomalously. As an extension of Levin's law of randomness conservation, we show that weak outliers cannot cause strong ones. We show how these information theoretic laws clarify our understanding of outlier detection and attribution, in the context of more specialized outlier scores from prior literature.
Abstract（参考訳）: 様々な異常が、異なるサンプルを外れ値としてフラグ付けする動機付けを特徴付けると、アルゴリズム情報理論(AIT)は、サンプルのランダム性不足の観点からそれらを統一する原則的な方法を提供する。因果ベイズネットワーク上でのマルコフ条件について, 共同サンプルのランダム性欠陥は各因果機構におけるランダム性欠陥の和に分解されることを示す。その結果、異常な観察は、その根本原因、すなわち不規則に振る舞うメカニズムに起因する可能性がある。ランダム性保存のレヴィンの法則の拡張として、弱い外れ値が強いものを引き起こすことができないことを示す。これらの情報理論法則は, 先行文献のより専門的な外れ値の文脈において, 外乱検出と帰属の理解をいかに明らかにするかを示す。

関連論文リスト

Identifiable Latent Neural Causal Models [82.14087963690561]
因果表現学習は、低レベルの観測データから潜伏した高レベルの因果表現を明らかにすることを目指している。因果表現の識別可能性に寄与する分布シフトのタイプを決定する。本稿では,本研究の成果を実用的なアルゴリズムに翻訳し,信頼性の高い潜在因果表現の取得を可能にする。
論文参考訳（メタデータ） (2024-03-23T04:13:55Z)
Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
論文参考訳（メタデータ） (2024-01-10T02:38:21Z)
A Versatile Causal Discovery Framework to Allow Causally-Related Hidden Variables [28.51579090194802]
因果ネットワークの至る所で、因果関係の隠れ変数の存在を許容する因果発見のための新しい枠組みを提案する。ランクに基づく潜在因果探索アルゴリズム(RLCD)を開発し、隠れ変数を効率よく探索し、その濃度を判定し、測定値と隠れ変数の両方に対して因果構造全体を発見する。合成・実世界のパーソナリティデータセットを用いた実験結果から,有限サンプルケースにおける提案手法の有効性が示された。
論文参考訳（メタデータ） (2023-12-18T07:57:39Z)
Learning Causally Disentangled Representations via the Principle of Independent Causal Mechanisms [17.074858228123706]
本稿では、因果関係の観測ラベルによって教師される因果関係の非絡み合い表現を学習するための枠組みを提案する。この枠組みは, 極めて不整合な因果関係を生じさせ, 介入の堅牢性を向上し, 反事実発生と相容れないことを示す。
論文参考訳（メタデータ） (2023-06-02T00:28:48Z)
An entropic uncertainty principle for mixed states [0.0]
エントロピーの不確実性原理の一般化の族を提供する。結果は、信頼できる当事者間の絡み合いを認証したり、信頼できない環境とシステムの絡み合いを結びつけるために使われる。
論文参考訳（メタデータ） (2023-03-20T18:31:53Z)
Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
論文参考訳（メタデータ） (2022-06-30T06:00:13Z)
Fluctuations, Bias, Variance & Ensemble of Learners: Exact Asymptotics for Convex Losses in High-Dimension [25.711297863946193]
我々は、異なる、しかし相関のある特徴に基づいて訓練された一般化線形モデルの集合における揺らぎの研究の理論を開発する。一般凸損失と高次元限界における正則化のための経験的リスク最小化器の結合分布の完全な記述を提供する。
論文参考訳（メタデータ） (2022-01-31T17:44:58Z)
From no causal loop to absoluteness of cause: discarding the quantum NOT logic [0.0]
AC原則は、2つの空間的な分離イベント/プロセスの時間順序を、その共通の未来における別の事象の潜在的な原因として抑制する。強い形態の違反は即時信号化を可能にし、弱い形態の違反は局所的なトモグラフィー理論を禁止している。一方、中間違反の可能性は、普遍量子NOT論理を破棄するのに十分である。
論文参考訳（メタデータ） (2021-09-21T04:24:25Z)
Explainable Deep Few-shot Anomaly Detection with Deviation Networks [123.46611927225963]
本稿では,弱い教師付き異常検出フレームワークを導入し,検出モデルを訓練する。提案手法は,ラベル付き異常と事前確率を活用することにより,識別正規性を学習する。我々のモデルはサンプル効率が高く頑健であり、クローズドセットとオープンセットの両方の設定において最先端の競合手法よりもはるかに優れている。
論文参考訳（メタデータ） (2021-08-01T14:33:17Z)
Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
論文参考訳（メタデータ） (2021-07-21T14:22:14Z)
Invariance Principle Meets Information Bottleneck for Out-of-Distribution Generalization [77.24152933825238]
線形分類タスクには分布シフトの強い制限が必要であり、そうでなければ OOD の一般化は不可能であることを示す。不変な特徴がラベルに関するすべての情報をキャプチャし、そうでなければ既存の成功を保っている場合、情報ボトルネックの形式が重要な障害に対処するのに役立つことを証明します。
論文参考訳（メタデータ） (2021-06-11T20:42:27Z)
Independent mechanism analysis, a new concept? [3.2548794659022393]
Identifiabilityは、通常観察される変数が生成プロセスに含まれる設定で回復することができる。我々は,非線形ブラインド音源分離における非識別性問題の多くを回避できるという理論的,実証的な証拠を提供する。
論文参考訳（メタデータ） (2021-06-09T16:45:00Z)
Deconfounded Score Method: Scoring DAGs with Dense Unobserved Confounding [101.35070661471124]
本研究では,観測データ分布に特徴的フットプリントが残っており,突発的・因果的影響を解消できることを示す。汎用ソルバで実装し,高次元問題へのスケールアップが可能なスコアベース因果検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-28T11:07:59Z)
Anomaly detection using principles of human perception [0.0]
簡易かつリアルタイムかつパラメータフリーな教師なし異常検出アルゴリズムを開発した。考えは、異常は、データの大半によって行われた特定のグループに関して予期しない観察であると仮定することです。
論文参考訳（メタデータ） (2021-03-23T05:46:27Z)
Localisation in quasiperiodic chains: a theory based on convergence of local propagators [68.8204255655161]
局所プロパゲータの収束に基づく準周期鎖に最も近いホッピングを持つ局所化の理論を提示する。これらの連続分数の収束、局所化、あるいはその欠如を分析することは可能であり、それによって臨界点とモビリティエッジが帰結する。結果は、振る舞いの範囲をカバーする3つの準周期モデルの理論を分析することで実証される。
論文参考訳（メタデータ） (2021-02-18T16:19:52Z)
A Weaker Faithfulness Assumption based on Triple Interactions [89.59955143854556]
より弱い仮定として, 2$-adjacency faithfulness を提案します。より弱い仮定の下で適用可能な因果発見のための音方向規則を提案する。
論文参考訳（メタデータ） (2020-10-27T13:04:08Z)
Deep Weakly-supervised Anomaly Detection [118.55172352231381]
ペアワイズ関係予測ネットワーク(PReNet)は、ペアワイズ関係の特徴と異常スコアを学習する。 PReNetは、学習したペアの異常パターンに適合する見知らぬ異常を検出できる。 12の実世界のデータセットに対する実証的な結果から、PReNetは目に見えない異常や異常を検知する9つの競合する手法を著しく上回っている。
論文参考訳（メタデータ） (2019-10-30T00:40:25Z)

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。