論文の概要: Learning High Coverage Discriminative Parsimonious Rulesets

• arxiv url: http://arxiv.org/abs/2606.14156v1
• Date: Fri, 12 Jun 2026 06:29:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.774979
• Title: Learning High Coverage Discriminative Parsimonious Rulesets
• Title（参考訳）: 高カバレッジ識別型パロジニアスルールセットの学習
• Authors: Mariamma Antony, Raman Sankaran, Chiranjib Bhattacharyya, Uma Satya Ranjan,
• Abstract要約: CDPRは、分類問題に対して高度に正確かつ解釈可能なルールセットを作成することを目的としている。 サブモジュールシステムに根ざした2つのアルゴリズムを導入し、カバー範囲の証明可能な保証と、差別的かつ同義的なルールセットを出力する。
• 参考スコア（独自算出の注目度）: 11.431743328450194
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning systems based on IF-THEN rule representations readily offer interpretability, making them a crucial focus in contemporary AI research. A key objective for such rule sets is to achieve both high discriminative power and interpretability. While existing state-of-the-art algorithms implicitly prioritize predictive accuracy, they often fall short on one or more quality metrics that ensure interpretability, such as coverage and parsimony of rule sets. Motivated by this, this paper propose the development of CDPR, which aims to create highly accurate and interpretable rule sets for classification problems. To the best of our knowledge, this represents the first attempt to establish such an approach. In this study, we introduce two algorithms rooted in submodular maximization, which not only provide provable guarantees on coverage but also yield rule sets that are both discriminative and parsimonious. We empirically demonstrate that rule sets learned through our approaches achieve higher accuracy and interpretability and has more than a 2.5-fold improvement in average coverage rates when compared to the next best algorithm.
• Abstract（参考訳）: IF-THEN規則表現に基づく学習システムは、解釈可能性を容易に提供し、現代のAI研究に重点を置いている。 このようなルールセットの重要な目的は、高い識別力と解釈可能性の両方を達成することである。 既存の最先端アルゴリズムは予測精度を暗黙的に優先順位付けするが、多くの場合、ルールセットのカバレッジやパーシモニーなどの解釈可能性を保証する1つ以上の品質指標に不足する。 そこで本研究では,分類問題に対する高精度かつ解釈可能なルールセットを作成することを目的としたCDPRの開発を提案する。 私たちの知る限りでは、このようなアプローチを確立する最初の試みである。 本研究では,部分モジュラーの最大化に根ざした2つのアルゴリズムを導入する。 提案手法を用いて学習したルールセットが,精度と解釈可能性の向上を実現し,次のアルゴリズムと比較して平均カバレッジ率を2.5倍以上に向上させることを実証的に実証した。

関連論文リスト

• HIPO: Instruction Hierarchy via Constrained Reinforcement Learning [57.40686733111483]
  textscHIPOは、制約付きマルコフ決定プロセスとしてHIFを定式化する新しいアライメントフレームワークである。 textscHIPOはシステムプロンプトを単に入力コンテキストから厳密なアルゴリズム境界まで高める。
  論文  参考訳（メタデータ） (2026-03-17T06:12:41Z)
• AI Alignment at Your Discretion [7.133218044328296]
  AIアライメントでは、人間かアルゴリズムのいずれかのアノテータに対して、どのモデル出力がより良いか、より安全かを判断するために、緯度を付与しなければならない」。 このような判断はほとんど検討されていないままであり、(i)アノテータは任意に判断の力を利用することができ、(ii)モデルはこの判断を模倣することができない。 安全アライメントデータセットに対する人間とアルゴリズムの両方の裁量を測定することで、これまで考慮されていなかったアライメントプロセスにおける裁量層を明らかにする。
  論文  参考訳（メタデータ） (2025-02-10T09:19:52Z)
• Evaluating Human Alignment and Model Faithfulness of LLM Rationale [66.75309523854476]
  大規模言語モデル(LLM)が,その世代を理論的にどのように説明するかを考察する。 提案手法は帰属に基づく説明よりも「偽り」が少ないことを示す。
  論文  参考訳（メタデータ） (2024-06-28T20:06:30Z)
• On Finding Bi-objective Pareto-optimal Fraud Prevention Rule Sets for Fintech Applications [0.949959422062959]
  ルールは詐欺防止の判断を行う機関で広く使用されている。 本稿では,ルールマイニングのための2段階フレームワークの柔軟性と有効性の向上に焦点をあてる。
  論文  参考訳（メタデータ） (2023-11-02T03:18:40Z)
• Bi-discriminator Domain Adversarial Neural Networks with Class-Level Gradient Alignment [87.8301166955305]
  そこで本研究では,クラスレベルのアライメントアライメントを有するバイディミネータドメイン対向ニューラルネットワークを提案する。 BACGは、領域分布の整合性を改善するために勾配信号と二階確率推定を利用する。 さらに、対照的な学習にインスパイアされ、トレーニングプロセスを大幅に短縮できるメモリバンクベースの変種であるFast-BACGを開発した。
  論文  参考訳（メタデータ） (2023-10-21T09:53:17Z)
• On the Aggregation of Rules for Knowledge Graph Completion [9.628032156001069]
  知識グラフ補完のためのルール学習アプローチは、純粋にニューラルモデルに対して効率的、解釈可能、競争的である。 既存のアグリゲーションアプローチは,予測ルールよりも限界推論操作として表現できることを示す。 本稿では,従来の戦略を組み合わさり,計算上より高価なアプローチと競合する,効率的で見落とされがちなベースラインを提案する。
  論文  参考訳（メタデータ） (2023-09-01T07:32:11Z)
• Synergies between Disentanglement and Sparsity: Generalization and Identifiability in Multi-Task Learning [79.83792914684985]
  我々は,最大スパース基底予測器が不整合表現をもたらす条件を提供する新しい識別可能性の結果を証明した。 この理論的な結果から,両レベル最適化問題に基づくアンタングル表現学習の実践的アプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-26T21:02:09Z)
• Concise and interpretable multi-label rule sets [13.416159628299779]
  簡単な「if-then」ルールの簡潔な集合として表現できるマルチラベル分類器を開発した。 提案手法は, 正確なマルチラベル分類に繋がる, 関連パターンの小さな集合を見つけることができる。
  論文  参考訳（メタデータ） (2022-10-04T11:23:50Z)
• Interpretable Reinforcement Learning with Multilevel Subgoal Discovery [77.34726150561087]
  離散環境のための新しい強化学習モデルを提案する。 モデルでは、エージェントは確率的ルールの形で環境に関する情報を学習する。 学習には報酬関数は不要であり、エージェントは達成するための第一の目標のみを与える必要がある。
  論文  参考訳（メタデータ） (2022-02-15T14:04:44Z)
• Better Short than Greedy: Interpretable Models through Optimal Rule Boosting [10.938624307941197]
  ルールアンサンブルは、予測精度とモデル解釈可能性の間の有用なトレードオフを提供するように設計されている。 与えられたアンサンブルサイズに対して最大予測力の規則アンサンブルを適合させる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-01-21T01:03:48Z)

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。