Fugu-MT 論文翻訳(概要): On Using the Shapley Value for Anomaly Localization: A Statistical Investigation

論文の概要: On Using the Shapley Value for Anomaly Localization: A Statistical Investigation

arxiv url: http://arxiv.org/abs/2507.21023v1
Date: Mon, 28 Jul 2025 17:43:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-29 16:23:58.23326
Title: On Using the Shapley Value for Anomaly Localization: A Statistical Investigation
Title（参考訳）: 異常局所化におけるシェープリー値の利用について:統計的検討
Authors: Rick S. Blum, Franziska Freytag,
Abstract要約: シェープリー値計算における1つの固定項を用いることで、より低い複雑性の異常な局所化テストが達成される。証明は、これらの結論が全ての独立した観測ケースに対して真でなければならないことを証明している。
参考スコア（独自算出の注目度）: 13.106063755117399
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent publications have suggested using the Shapley value for anomaly localization for sensor data systems. Using a reasonable mathematical anomaly model for full control, experiments indicate that using a single fixed term in the Shapley value calculation achieves a lower complexity anomaly localization test, with the same probability of error, as a test using the Shapley value for all cases tested. A proof demonstrates these conclusions must be true for all independent observation cases. For dependent observation cases, no proof is available.
Abstract（参考訳）: 近年の論文では、センサデータシステムの異常な局所化にShapley値を用いることが提案されている。完全制御のための合理的な数学的異常モデルを用いて、実験により、シャプリー値計算における1つの固定項を用いることで、テストされた全てのケースに対してシャプリー値を用いたテストと同様に、同じ確率で同じ誤差で、より低い複雑性の異常な局所化テストが達成されることを示す。証明は、これらの結論がすべての独立した観測ケースに対して真でなければならないことを証明している。依存的な観察の場合、証拠は得られない。

関連論文リスト

Pre-validation Revisited [79.92204034170092]
シミュレーションと応用による予測,推測,誤差推定における事前検証の特性と利点を示す。そこで本研究では, あるモデル下での事前検証予測のためのテスト統計量の解析的分布だけでなく, 推論を行うための一般的なブートストラップ手順も提案する。
論文参考訳（メタデータ） (2025-05-21T00:20:14Z)
Internal Incoherency Scores for Constraint-based Causal Discovery Algorithms [12.524536193679124]
仮説違反や有限サンプル誤りの検証が可能な内部コヒーレンシスコアを提案する。シミュレーションおよび実世界のデータセットを用いて,PCアルゴリズムにおけるコヒーレンシースコアについて述べる。
論文参考訳（メタデータ） (2025-02-20T16:44:54Z)
TabADM: Unsupervised Tabular Anomaly Detection with Diffusion Models [5.314466196448187]
本稿では,非教師付き異常検出に有効な拡散型確率モデルを提案する。本モデルは, 特異な拒絶手法を用いて, サンプルの密度を学習するよう訓練されている。低密度領域のサンプルとして異常を同定する。
論文参考訳（メタデータ） (2023-07-23T14:02:33Z)
Anomaly Detection with Variance Stabilized Density Estimation [49.46356430493534]
本稿では, 観測試料の確率を最大化するための分散安定化密度推定問題を提案する。信頼性の高い異常検知器を得るために,分散安定化分布を学習するための自己回帰モデルのスペクトルアンサンブルを導入する。我々は52のデータセットで広範なベンチマークを行い、我々の手法が最先端の結果につながることを示した。
論文参考訳（メタデータ） (2023-06-01T11:52:58Z)
Learning to Bound Counterfactual Inference in Structural Causal Models from Observational and Randomised Data [64.96984404868411]
我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
論文参考訳（メタデータ） (2022-12-06T12:42:11Z)
Null Hypothesis Test for Anomaly Detection [0.0]
我々は、背景のみの仮説を除外した仮説テストを用いて、異常検出のための分類不要ラベルの使用を拡張した。 2つの識別されたデータセット領域の統計的独立性をテストすることで、固定された異常スコアのカットや、各領域間の背景推定の外挿に頼ることなく、背景のみの仮説を除外することができる。
論文参考訳（メタデータ） (2022-10-05T13:03:55Z)
SHAP-XRT: The Shapley Value Meets Conditional Independence Testing [21.794110108580746]
そこで本研究では,Shapleyに基づく説明手法と条件付き独立性テストが密接に関連していることを示す。本研究では,条件付きランダム化テスト(CRT, Conditional Randomization Test)にインスパイアされたテスト手法であるSHAPley Explanation Randomization Test(SHAP-XRT)を紹介した。我々は、Shapley値自体が大域(つまり全体)のnull仮説の期待$p$-値に上限を与えることを示した。
論文参考訳（メタデータ） (2022-07-14T16:28:54Z)
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)
Good Classifiers are Abundant in the Interpolating Regime [64.72044662855612]
補間分類器間のテストエラーの完全な分布を正確に計算する手法を開発した。テストエラーは、最悪の補間モデルのテストエラーから大きく逸脱する、小さな典型的な$varepsilon*$に集中する傾向にある。以上の結果から,統計的学習理論における通常の解析手法は,実際に観測された優れた一般化性能を捉えるのに十分な粒度にはならない可能性が示唆された。
論文参考訳（メタデータ） (2020-06-22T21:12:31Z)
Density of States Estimation for Out-of-Distribution Detection [69.90130863160384]
DoSEは状態推定器の密度である。我々は、他の教師なしOOD検出器に対するDoSEの最先端性能を実証する。
論文参考訳（メタデータ） (2020-06-16T16:06:25Z)
On Anomaly Interpretation via Shapley Values [17.63040340961143]
異常解釈におけるShapley値の利用について検討する。本稿では,特に異常スコアに対して,Shapley値を計算した特徴関数を提案する。本稿では,複数のデータセットに対する実験結果と異常検出手法について述べる。
論文参考訳（メタデータ） (2020-04-09T10:27:00Z)

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。