論文の概要: Interpretable Event Diagnosis in Water Distribution Networks

• arxiv url: http://arxiv.org/abs/2505.07299v1
• Date: Mon, 12 May 2025 07:36:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.292312
• Title: Interpretable Event Diagnosis in Water Distribution Networks
• Title（参考訳）: 配水ネットワークにおける解釈可能な事象診断
• Authors: André Artelt, Stelios G. Vrachimis, Demetrios G. Eliades, Ulrike Kuhl, Barbara Hammer, Marios M. Polycarpou,
• Abstract要約: 本稿では,イベント診断のためのフレームワークを提案する。 本稿では, 故障診断アルゴリズムによって得られた結果について, コントラスト的(反実的)な説明を行う。
• 参考スコア（独自算出の注目度）: 6.965539315733295
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing penetration of information and communication technologies in the design, monitoring, and control of water systems enables the use of algorithms for detecting and identifying unanticipated events (such as leakages or water contamination) using sensor measurements. However, data-driven methodologies do not always give accurate results and are often not trusted by operators, who may prefer to use their engineering judgment and experience to deal with such events. In this work, we propose a framework for interpretable event diagnosis -- an approach that assists the operators in associating the results of algorithmic event diagnosis methodologies with their own intuition and experience. This is achieved by providing contrasting (i.e., counterfactual) explanations of the results provided by fault diagnosis algorithms; their aim is to improve the understanding of the algorithm's inner workings by the operators, thus enabling them to take a more informed decision by combining the results with their personal experiences. Specifically, we propose counterfactual event fingerprints, a representation of the difference between the current event diagnosis and the closest alternative explanation, which can be presented in a graphical way. The proposed methodology is applied and evaluated on a realistic use case using the L-Town benchmark.
• Abstract（参考訳）: 水系の設計・監視・制御における情報・通信技術の普及により、センサ計測を用いて予期せぬ事象(漏れや水汚染など)を検出し識別するアルゴリズムが利用できるようになった。 しかし、データ駆動の方法論は必ずしも正確な結果を与えるわけではなく、しばしばオペレーターによって信頼されない。 本研究では,アルゴリズムによる事象診断手法の結果と,その直感や経験とを関連付けるための,解釈可能な事象診断のためのフレームワークを提案する。 これは、フォールト診断アルゴリズムによって提供される結果の対照的な(すなわち、反実的な)説明を提供することによって達成される。その目的は、演算子によるアルゴリズムの内部動作の理解を改善することであり、結果と個人的な経験を組み合わせることで、より深い決定を下すことである。 具体的には、現在の事象診断と最も近い代替説明との相違を図形的に示す、対実的な事象指紋を提案する。 提案手法をL-Townベンチマークを用いて現実的なユースケースに適用し評価した。

関連論文リスト

• Counterfactual Explanation for Auto-Encoder Based Time-Series Anomaly Detection [0.3199881502576702]
  オートエンコーダは意思決定プロセスに固有の不透明さを示し、大規模な実践を妨げている。 本研究では,機能セレクタを用いて特徴を抽出し,モデル出力にコンテキストを与える。 実験結果から,提案手法がモデル決定過程に有意義かつ有意義な洞察を与える可能性が示唆された。
  論文  参考訳（メタデータ） (2025-01-03T19:30:11Z)
• Leveraging Unlabeled Data for 3D Medical Image Segmentation through Self-Supervised Contrastive Learning [3.7395287262521717]
  現在の3次元半教師付きセグメンテーション法は、文脈情報の限定的考慮のような重要な課題に直面している。 両者の相違を探索し、活用するために設計された2つの個別のワークを導入し、最終的に誤った予測結果を修正した。 我々は、信頼できない予測と信頼できない予測を区別するために、自己教師付きコントラスト学習パラダイムを採用している。
  論文  参考訳（メタデータ） (2023-11-21T14:03:16Z)
• Predictive Coding beyond Correlations [59.47245250412873]
  このようなアルゴリズムのうちの1つは、予測符号化と呼ばれ、因果推論タスクを実行することができるかを示す。 まず、予測符号化の推論過程における簡単な変化が、因果グラフを再利用したり再定義したりすることなく、介入を計算できることを示す。
  論文  参考訳（メタデータ） (2023-06-27T13:57:16Z)
• On the Validation of Gibbs Algorithms: Training Datasets, Test Datasets and their Aggregation [70.540936204654]
  Gibbsアルゴリズム(GA)のトレーニングデータへの依存を解析的に特徴付ける。 この記述により、異なるデータセットでトレーニングされたGAのトレーニングエラーとテストエラーを含む明示的な表現の開発が可能になる。
  論文  参考訳（メタデータ） (2023-06-21T16:51:50Z)
• Explainable Data-Driven Optimization: From Context to Decision and Back Again [76.84947521482631]
  データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。 本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。 在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2023-01-24T15:25:16Z)
• Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
  本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。 また、局所的な一貫性の結果に基づいた理論的保証も提供する。 この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-11-17T15:48:06Z)
• SensorSCAN: Self-Supervised Learning and Deep Clustering for Fault Diagnosis in Chemical Processes [2.398451252047814]
  本研究では,教師なし故障検出・診断のための新しい手法であるSensorSCANを提案する。 我々は、テネシー・イーストマン・プロセスの2つの公開データセットに、さまざまな欠点のあるモデルの性能を実演する。 本手法は,故障の数が事前に分かっていない実世界のアプリケーションに適している。
  論文  参考訳（メタデータ） (2022-08-17T10:24:37Z)
• Imputation Strategies Under Clinical Presence: Impact on Algorithmic Fairness [8.958956425857878]
  我々は、機械学習がデータおよびデータから欠落するものにおけるバイアスを補強するリスクを論じる。 医療の欠如に対処する方法は、アルゴリズムの公正性に有害な影響を与える可能性がある。 提案手法は,命令の選択を実証的に導くためのフレームワークと,それに伴う報告フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-13T13:34:05Z)
• Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
  マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。 共通情報と相補情報の両方を敵意で抽出することを目的としている。 特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
  論文  参考訳（メタデータ） (2021-02-15T18:46:44Z)
• Explaining Predictions of Deep Neural Classifier via Activation Analysis [0.11470070927586014]
  本稿では,畳み込みニューラルネットワーク(CNN)に基づく深層学習システムを実行する人間専門家に対して,意思決定プロセスの説明と支援を行う新しいアプローチを提案する。 以上の結果から,本手法は既存のアトラスから最も類似した予測を識別できる別個の予測戦略を検出することができることが示された。
  論文  参考訳（メタデータ） (2020-12-03T20:36:19Z)

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。