ترجمه فارسی مقاله توضیح دشوار: در مورد سختی محاسباتی تفسیر مدل درون توزیعی
| عنوان مقاله به انگلیسی | Hard to Explain: On the Computational Hardness of In-Distribution Model Interpretation |
| عنوان مقاله به فارسی | توضیح دشوار: در مورد سختی محاسباتی تفسیر مدل درون توزیعی |
| نویسندگان | Guy Amir, Shahaf Bassan, Guy Katz |
| فرمت مقاله انگلیسی | |
| تعداد صفحات | 18 |
| دسته بندی موضوعات | Machine Learning,Computational Complexity,Logic in Computer Science,یادگیری ماشین , پیچیدگی محاسباتی , منطق در علوم کامپیوتر , |
| توضیحات | Submitted 7 August, 2024; originally announced August 2024. , Comments: To appear in ECAI 2024 |
| توضیحات به فارسی | ارسال شده در 7 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: برای حضور در ECAI 2024 |
قیمت: 19,000 تومان
سفارش
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش میدهید.
قیمت: 720,000 تومان
زمان تحویل: 2 تا 3 روز کاری
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
چکیده
The ability to interpret Machine Learning (ML) models is becoming increasingly essential. However, despite significant progress in the field, there remains a lack of rigorous characterization regarding the innate interpretability of different models. In an attempt to bridge this gap, recent work has demonstrated that it is possible to formally assess interpretability by studying the computational complexity of explaining the decisions of various models. In this setting, if explanations for a particular model can be obtained efficiently, the model is considered interpretable (since it can be explained ``easily''). However, if generating explanations over an ML model is computationally intractable, it is considered uninterpretable. Prior research identified two key factors that influence the complexity of interpreting an ML model: (i) the type of the model (e.g., neural networks, decision trees, etc.); and (ii) the form of explanation (e.g., contrastive explanations, Shapley values, etc.). In this work, we claim that a third, important factor must also be considered for this analysis -- the underlying distribution over which the explanation is obtained. Considering the underlying distribution is key in avoiding explanations that are socially misaligned, i.e., convey information that is biased and unhelpful to users. We demonstrate the significant influence of the underlying distribution on the resulting overall interpretation complexity, in two settings: (i) prediction models paired with an external out-of-distribution (OOD) detector; and (ii) prediction models designed to inherently generate socially aligned explanations. Our findings prove that the expressiveness of the distribution can significantly influence the overall complexity of interpretation, and identify essential prerequisites that a model must possess to generate socially aligned explanations.
چکیده به فارسی (ترجمه ماشینی)
توانایی تفسیر مدل های یادگیری ماشین (ML) به طور فزاینده ای ضروری می شود.با این حال ، با وجود پیشرفت چشمگیر در این زمینه ، عدم توصیف دقیق در مورد تفسیر ذاتی مدلهای مختلف وجود دارد.در تلاش برای ایجاد این شکاف ، کار اخیر نشان داده است که می توان با مطالعه پیچیدگی محاسباتی توضیح در مورد تصمیمات مدلهای مختلف ، تفسیر را به طور رسمی ارزیابی کرد.در این تنظیم ، اگر توضیحات مربوط به یک مدل خاص را می توان به طور مؤثر بدست آورد ، مدل قابل تفسیر در نظر گرفته می شود (زیرا می توان آن را "به راحتی" توضیح داد).با این حال ، اگر ایجاد توضیحات بر روی یک مدل ML از نظر محاسباتی غیرقابل توصیف باشد ، غیرقابل تفسیر محسوب می شود.تحقیقات قبلی دو عامل اصلی را که بر پیچیدگی تفسیر یک مدل ML تأثیر می گذارد ، شناسایی کرد: (i) نوع مدل (به عنوان مثال ، شبکه های عصبی ، درختان تصمیم گیری و غیره).و (ب) شکل توضیح (به عنوان مثال ، توضیحات متناقض ، مقادیر شاپلی و غیره).در این کار ، ما ادعا می کنیم که یک عامل مهم سوم نیز باید برای این تجزیه و تحلیل در نظر گرفته شود - توزیع اساسی که توضیح آن به دست آمده است.با توجه به توزیع اساسی در جلوگیری از توضیحاتی که از نظر اجتماعی نادرست هستند ، مهم است ، یعنی اطلاعاتی را که مغرضانه و بی فایده برای کاربران است ، منتقل می کند.ما تأثیر قابل توجهی از توزیع اساسی در پیچیدگی تفسیر کلی حاصل ، در دو تنظیم را نشان می دهیم: (i) مدل های پیش بینی جفت شده با یک ردیاب خارج از توزیع خارجی (OOD).و (ب) مدل های پیش بینی طراحی شده برای تولید ذاتاً توضیحات هماهنگ اجتماعی.یافته های ما ثابت می کند که بیان توزیع توزیع می تواند به طور قابل توجهی بر پیچیدگی کلی تفسیر تأثیر بگذارد و پیش نیازهای اساسی را که یک مدل باید برای تولید توضیحات هماهنگ اجتماعی در اختیار داشته باشد ، شناسایی کند.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.