論文の概要: Explaining Process Control Optimisation Recommendations via GradientSHAP and Implicit Differentiation
- arxiv url: http://arxiv.org/abs/2607.14970v1
- Date: Thu, 16 Jul 2026 13:25:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:33.120055
- Title: Explaining Process Control Optimisation Recommendations via GradientSHAP and Implicit Differentiation
- Title（参考訳）: グラディエントSHAPによるプロセス制御最適化勧告の解説とインプシット差別化
- Abstract要約: Inlicit Function Theorem (IFT) に基づく感度解析とSHAP属性と物語生成を統合した手法を提案する。
22個の特徴を持つ産業用高圧研削ロール(HPGR)制御問題に対して,40ドル以上の速度アップで等価なSHAP属性を実現する。
産業シナリオを検証し、生成した説明に関するドメインエキスパートからのフィードバックを提示する。
- 参考スコア（独自算出の注目度）: 2.430489924031135
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated optimisation is increasingly adopted in industrial processes, yet a trust gap persists between engineers who design these algorithms and operators who must act on their recommendations. Explainable AI methods like SHAP (SHapley Additive exPlanations) have transformed interpretability for machine learning predictions; optimisation outputs could benefit from similar techniques. We present an approach that integrates Implicit Function Theorem (IFT) based sensitivity analysis with SHAP attribution and narrative generation via Large Language Models (LLM), producing explanations tailored for operators. Our approach leverages IFT to compute exact parameter sensitivities $\partial p^*/\partial x$ from the optimality conditions, enabling efficient GradientSHAP computation. For an industrial High Pressure Grinding Roll (HPGR) control optimisation problem with 22 features, we achieve equivalent SHAP attributions (correlation $>$0.99 with KernelSHAP) with over 40$\times$ speedup, enabling real-time natural language explanations. We validate on industrial scenarios and present feedback from domain experts on generated explanations.
- Abstract（参考訳）: 自動化最適化は産業プロセスではますます採用されているが、これらのアルゴリズムを設計するエンジニアと、推奨に従わなければならないオペレータとの間には、信頼ギャップが持続している。
SHAP(SHapley Additive exPlanations)のような説明可能なAIメソッドは、機械学習予測の解釈可能性を変化させている。
本稿では、インプリシット関数定理(IFT)に基づく感度解析とSHAP属性とLarge Language Models(LLM)による物語生成を統合し、演算子に適した説明を生成する手法を提案する。
提案手法はIFTを利用して最適条件から正確なパラメータ感度を$\partial p^*/\partial x$で計算し,より効率的なGradientSHAP計算を実現する。
22個の特徴を持つ産業用高圧研削ロール(HPGR)制御最適化問題に対して,40ドル以上で等価なSHAP属性(KernelSHAPとの相関$0.99)を達成し,自然言語のリアルタイム説明を可能にする。
産業シナリオを検証し、生成した説明に関するドメインエキスパートからのフィードバックを提示する。
関連論文リスト
- P$^2$CE: Model-Agnostic Plausible Pareto-Optimal Counterfactual Explanations [0.764671395172401]
事実的説明は、個人が好ましくない決定を理解し、変更することを支援する。
既存の手法はしばしば実現可能性、妥当性、計算効率のバランスをとるのに苦労する。
提案アルゴリズムは3つのデータセットに対して実験的に評価し,解の質と計算効率の両面で優れた性能を示した。
論文 参考訳（メタデータ） (2026-06-16T19:12:43Z) - HE-DAP: Homomorphic Encryption-based Dynamic Adaptive Parameter Optimization for Statistical Computation [12.830608192610482]
ホモモルフィック暗号化(HE)は、プライバシー保護分析を可能にするが、高い計算オーバーヘッドを妨げている。
多くの統計的および機械学習ワークロードにおいて、逆正方根は重要なプリミティブであることがわかった。
不均一な実行環境に自動的に適応することにより、HE-DAPはプライバシー保護統計分析を大規模に実践する。
論文 参考訳（メタデータ） (2026-06-09T06:46:13Z) - Policy Gradient for Continuous-Time Robust Markov Decision Processes [11.595126166975854]
本稿では,マルコフ決定プロセスフレームワークにおけるポリシーアルゴリズムについて検討する。
ポリシー勾配と逆勾配は、パスワイズ式と随伴式を用いて導出される。
平均場オプティマイザを$tildemathcalO(frac1K)$ Oracle-based convergence rateおよび$tildemathcalO(fracN2)$ sample complexity under $N$- Particle approximationとして提案する。
論文 参考訳（メタデータ） (2026-06-03T01:25:20Z) - ProAct: Agentic Lookahead in Interactive Environments [56.50613398808361]
ProActは、2段階のトレーニングパラダイムを通じて、エージェントが正確なルックアヘッド推論を内部化することを可能にするフレームワークである。
そこでは,環境に基づく探索から得られたトラジェクトリの微調整をエージェントが行うGLAD(Grounded LookAhead Distillation)を紹介する。
また,政策段階のアルゴリズムを改良する補助値推定器であるモンテカルロ批判(MC-Critic)を提案する。
論文 参考訳（メタデータ） (2026-02-05T05:45:16Z) - TL-GRPO: Turn-Level RL for Reasoning-Guided Iterative Optimization [97.18886232580131]
大規模言語モデルは、ツール統合による複雑なタスクにおいて強力な推論能力を示している。
そこで我々はターンレベルグループサンプリングを行う軽量RLアルゴリズムであるTurn-Level GRPOを提案する。
論文 参考訳（メタデータ） (2026-01-23T06:21:33Z) - End-to-End Learning for Fair Multiobjective Optimization Under
Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。
本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。
この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文 参考訳（メタデータ） (2024-02-12T16:33:35Z) - Towards Learning Universal Hyperparameter Optimizers with Transformers [57.35920571605559]
我々は,テキストベースのトランスフォーマーHPOフレームワークであるOptFormerを紹介した。
実験の結果,OptFormerは少なくとも7種類のHPOアルゴリズムを模倣できることがわかった。
論文 参考訳（メタデータ） (2022-05-26T12:51:32Z) - An automatic differentiation system for the age of differential privacy [65.35244647521989]
Tritiumは、微分プライベート(DP)機械学習(ML)のための自動微分ベース感度分析フレームワークである
我々は、微分プライベート(DP)機械学習(ML)のための自動微分に基づく感度分析フレームワークTritiumを紹介する。
論文 参考訳（メタデータ） (2021-09-22T08:07:42Z) - Locally Interpretable Model Agnostic Explanations using Gaussian
Processes [2.9189409618561966]
LIME(Local Interpretable Model-Agnostic Explanations)は、単一インスタンスの予測を説明する一般的なテクニックである。
局所的解釈可能なモデルのガウス過程(GP)に基づくバリエーションを提案する。
提案手法は,LIMEに比べてはるかに少ないサンプルを用いて忠実な説明を生成可能であることを示す。
論文 参考訳（メタデータ） (2021-08-16T05:49:01Z) - Global Optimization of Gaussian processes [52.77024349608834]
少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。
このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。
提案手法の順序の順序による時間収束を,総じて低減する。
論文 参考訳（メタデータ） (2020-05-21T20:59:11Z)
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。