論文の概要: Extended Empirical Validation of the Explainability Solution Space

• arxiv url: http://arxiv.org/abs/2603.01235v1
• Date: Sun, 01 Mar 2026 19:13:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.581283
• Title: Extended Empirical Validation of the Explainability Solution Space
• Title（参考訳）: 説明可能性解空間の拡張的実証検証
• Authors: Antoni Mestre, Manoli Albert, Miriam Gil, Vicente Pelechano,
• Abstract要約: 本研究では,ヘテロジニアスな都市資源配分システムを導入し,ESSフレームワークの汎用性とドメイン依存性を実証する。 結果は、ESSランキングがドメイン固有のものではなく、ガバナンスの役割、リスクプロファイル、ステークホルダの設定に体系的に適応していることを確認します。 この発見は、社会技術システム全体にわたる説明可能なAI戦略設計のための一般的な運用上の意思決定支援手段としてESSを強化した。
• 参考スコア（独自算出の注目度）: 0.43748379918040853
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This technical report provides an extended validation of the Explainability Solution Space (ESS) through cross-domain evaluation. While initial validation focused on employee attrition prediction, this study introduces a heterogeneous intelligent urban resource allocation system to demonstrate the generality and domain-independence of the ESS framework. The second case study integrates tabular, temporal, and geospatial data under multi-stakeholder governance conditions. Explicit quantitative positioning of representative XAI families is provided for both contexts. Results confirm that ESS rankings are not domain-specific but adapt systematically to governance roles, risk profiles, and stakeholder configurations. The findings reinforce ESS as a generalizable operational decision-support instrument for explainable AI strategy design across socio-technical systems.
• Abstract（参考訳）: この技術レポートは、クロスドメイン評価を通じて、説明可能性ソリューションスペース(ESS)の拡張検証を提供する。 当初、従業員の誘引予測に焦点をあてた検証を行ったが、この研究では、ヘテロジニアスなインテリジェントな都市資源配分システムを導入し、ESSフレームワークの汎用性とドメイン依存性を実証した。 第2のケーススタディは、マルチステークホルダーのガバナンス条件下で表、時間、地理空間のデータを統合する。 いずれの文脈においても、代表的XAIファミリーの定量的な位置決めが提供される。 結果は、ESSランキングがドメイン固有のものではなく、ガバナンスの役割、リスクプロファイル、ステークホルダの設定に体系的に適応していることを確認します。 この発見は、社会技術システム全体にわたる説明可能なAI戦略設計のための一般的な運用上の意思決定支援手段としてESSを強化した。

関連論文リスト

• Let the Barbarians In: How AI Can Accelerate Systems Performance Research [80.43506848683633]
  我々は、この繰り返しサイクルを、AI駆動システム研究の生成、評価、洗練のサイクルと呼ぶ。 我々はADRSが生成するソリューションが人間の最先端の設計に適合し、さらに優れることを示した。
  論文  参考訳（メタデータ） (2025-12-16T18:51:23Z)
• Reliable and Reproducible Demographic Inference for Fairness in Face Analysis [63.46525489354455]
  本稿では、従来のエンドツーエンドトレーニングをモジュラートランスファー学習アプローチで置き換える、完全に再現可能なDAIパイプラインを提案する。 このパイプラインは、正確性、公正性、そしてアイデンティティ内整合性によって定義される、新たに導入された堅牢性の概念の3つの次元にわたって監査する。 以上の結果から,提案手法は特に民族性において,強い基準線を上回り,その特性はより困難であることが示唆された。
  論文  参考訳（メタデータ） (2025-10-23T12:22:02Z)
• GESA: Graph-Enhanced Semantic Allocation for Generalized, Fair, and Explainable Candidate-Role Matching [5.714160612687252]
  現在のアプローチは、セマンティックな柔軟性、永続的な人口統計バイアス、意思決定プロセスの不透明さ、動的ポリシー制約の下でのスケーラビリティの低下に悩まされている。 GESAは、ドメイン適応型トランスフォーマーの埋め込み、異種自己教師付きグラフニューラルネットワーク、対向的デバイアス機構、多目的遺伝的最適化、説明可能なAIコンポーネントの統合を通じて、これらの制限に対処する包括的フレームワークである。 大規模国際ベンチマークによる評価では、94.5%のトップ3アロケーション精度、多様性表現の37%改善、人口統計カテゴリー別0.98フェアネススコア、エンド・ツー・エンドのレイテンシーが優れた性能を示している。
  論文  参考訳（メタデータ） (2025-09-29T19:41:55Z)
• MSDA: Combining Pseudo-labeling and Self-Supervision for Unsupervised Domain Adaptation in ASR [59.83547898874152]
  本稿では,自己教師付き学習と半教師付き技術を統合する,サンプル効率のよい2段階適応手法を提案する。 MSDAは、ASRモデルの堅牢性と一般化を強化するように設計されている。 本稿では,メタPLがASRタスクに効果的に適用可能であることを示す。
  論文  参考訳（メタデータ） (2025-05-30T14:46:05Z)
• On the Transferability and Discriminability of Repersentation Learning in Unsupervised Domain Adaptation [40.32838937328407]
  標準的な逆数ベースのフレームワークは、ターゲットドメイン機能の識別性を無視し、最適以下のパフォーマンスをもたらす。 本稿では、ドメインアライメントの目的と識別可能性向上の制約を明確に統合する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-28T08:24:43Z)
• Partial Transportability for Domain Generalization [56.37032680901525]
  本稿では, 部分的同定と輸送可能性の理論に基づいて, 対象分布の関数値の有界化に関する新たな結果を紹介する。 我々の貢献は、輸送可能性問題に対する最初の一般的な評価手法を提供することである。 本稿では,スケーラブルな推論を実現するための勾配に基づく最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-03-30T22:06:37Z)
• Beyond Batch Learning: Global Awareness Enhanced Domain Adaptation [7.414646586981638]
  Global Awareness Enhanced Domain Adaptation (GAN-DA)は、従来のバッチベースの制限を超越した新しいアプローチである。 GAN-DAは、ドメイン間分布のアライメントを容易にするために、ユニークな事前定義された特徴表現(PFR)を統合する。 実験では, GAN-DA の優れた優位性を示し, 確立された 24 のDA 法を有意差で上回った。
  論文  参考訳（メタデータ） (2025-02-10T09:13:11Z)
• A Comprehensive Survey of Belief Rule Base (BRB) Hybrid Expert system: Bridging Decision Science and Professional Services [0.0]
  BRBは曖昧さ、ランダムさ、無知を十分に処理する。 半定量的ツールは、数値データと言語知識の両方を処理するのに優れている。 BRBの透明で白いボックスの性質は、アクセシビリティと明確性を保証する。
  論文  参考訳（メタデータ） (2024-02-26T15:23:27Z)
• Enhancing Interpretability and Generalizability in Extended Isolation Forests [5.139809663513828]
  ExIFFI (Extended isolated Forest Feature Importance) は、EIF(Extended isolated Forest)モデルによる予測を説明する手法である。 EIF+は、修正された分割戦略により、見えない異常を検出するモデルの能力を高めるように設計されている。 ExIFFIは、11の現実世界のデータセットのうち8つで、他の教師なしの解釈可能性メソッドよりも優れています。
  論文  参考訳（メタデータ） (2023-10-09T07:24:04Z)
• A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
  マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。 この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる 本調査では,I-CMRの3段階分類法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T05:06:48Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• Explainable Supervised Domain Adaptation [5.051036968777244]
  本稿では、ドメイン適応フレームワーク XSDA-Net の設計により説明可能であることを提案する。 我々は、XSDA-Netにケースベースの推論機構を統合し、ソースとターゲットの列車画像の類似した領域でテストインスタンスの予測を説明する。 提案フレームワークの有用性を実証的に示すため,提案フレームワークは,部分ベースの説明可能性を示すことが広く知られているデータセット上で,ドメイン適応設定をキュレートする。
  論文  参考訳（メタデータ） (2022-05-20T03:33:04Z)

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。