狠狠撸shows by User: SatoshiHara3 / http://www.slideshare.net/images/logo.gif 狠狠撸shows by User: SatoshiHara3 / Mon, 13 Dec 2021 03:23:51 GMT 狠狠撸Share feed for 狠狠撸shows by User: SatoshiHara3 Explanation in Machine Learning and Its Reliability /slideshow/explanation-in-machine-learning-and-its-reliability-250827393/250827393 neuripsmeetuphara20211213-211213032351
NeurIPS Meetup Japan 2021 https://neuripsmeetup.jp/2021/]]>
NeurIPS Meetup Japan 2021 https://neuripsmeetup.jp/2021/]]> Mon, 13 Dec 2021 03:23:51 GMT /slideshow/explanation-in-machine-learning-and-its-reliability-250827393/250827393 SatoshiHara3@slideshare.net(SatoshiHara3) Explanation in Machine Learning and Its Reliability SatoshiHara3 NeurIPS Meetup Japan 2021 https://neuripsmeetup.jp/2021/ <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/neuripsmeetuphara20211213-211213032351-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> NeurIPS Meetup Japan 2021 https://neuripsmeetup.jp/2021/
Explanation in Machine Learning and Its Reliability from Satoshi Hara
]]> 991 0 https://cdn.slidesharecdn.com/ss_thumbnails/neuripsmeetuphara20211213-211213032351-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 “机械学习の説明”の信頼性 /slideshow/ss-238926593/238926593 ibisml201022-201021011750
第41回IBISML研究会 https://www.ieice.org/ken/program/index.php?mode=program&tgs_regid=fcaa63fc93919d63c192941825025f97dfeb046f102fa4fa2c046abe6dc556ce 【講演タイトル】 “机械学习の説明”の信頼性 【講演概要】 機械学習を実社会で利用する上での課題の一つに「機械学習モデルはブラックボックスで説明ができない」点があげられる。このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明”の研究が活発になされている。しかし、これらの“説明”そのものの信頼性に課題があることが最近の研究で明らかになってきている。本講演ではこれら“説明”の信頼性に関する最近の研究について紹介する。]]>
第41回IBISML研究会 https://www.ieice.org/ken/program/index.php?mode=program&tgs_regid=fcaa63fc93919d63c192941825025f97dfeb046f102fa4fa2c046abe6dc556ce 【講演タイトル】 “机械学习の説明”の信頼性 【講演概要】 機械学習を実社会で利用する上での課題の一つに「機械学習モデルはブラックボックスで説明ができない」点があげられる。このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明”の研究が活発になされている。しかし、これらの“説明”そのものの信頼性に課題があることが最近の研究で明らかになってきている。本講演ではこれら“説明”の信頼性に関する最近の研究について紹介する。]]> Wed, 21 Oct 2020 01:17:50 GMT /slideshow/ss-238926593/238926593 SatoshiHara3@slideshare.net(SatoshiHara3) “机械学习の説明”の信頼性 SatoshiHara3 第41回IBISML研究会 https://www.ieice.org/ken/program/index.php?mode=program&tgs_regid=fcaa63fc93919d63c192941825025f97dfeb046f102fa4fa2c046abe6dc556ce 【講演タイトル】 “机械学习の説明”の信頼性 【講演概要】 機械学習を実社会で利用する上での課題の一つに「機械学習モデルはブラックボックスで説明ができない」点があげられる。このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明”の研究が活発になされている。しかし、これらの“説明”そのものの信頼性に課題があることが最近の研究で明らかになってきている。本講演ではこれら“説明”の信頼性に関する最近の研究について紹介する。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/ibisml201022-201021011750-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 第41回IBISML研究会 https://www.ieice.org/ken/program/index.php?mode=program&amp;tgs_regid=fcaa63fc93919d63c192941825025f97dfeb046f102fa4fa2c046abe6dc556ce 【講演タイトル】 “机械学习の説明”の信頼性 【講演概要】 機械学習を実社会で利用する上での課題の一つに「機械学習モデルはブラックボックスで説明ができない」点があげられる。このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明”の研究が活発になされている。しかし、これらの“説明”そのものの信頼性に課題があることが最近の研究で明らかになってきている。本講演ではこれら“説明”の信頼性に関する最近の研究について紹介する。
“机械学习の説明”の信頼性 from Satoshi Hara
]]> 4766 1 https://cdn.slidesharecdn.com/ss_thumbnails/ibisml201022-201021011750-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 【論文調査】XAI技術の効能を ユーザ実験で評価する研究 /slideshow/xai-238616601/238616601 evaluationofxai-200923065107
XAI技術の効能を ユーザ実験で評価した研究（一部）のまとめ]]>
XAI技術の効能を ユーザ実験で評価した研究（一部）のまとめ]]> Wed, 23 Sep 2020 06:51:06 GMT /slideshow/xai-238616601/238616601 SatoshiHara3@slideshare.net(SatoshiHara3) 【論文調査】XAI技術の効能を ユーザ実験で評価する研究 SatoshiHara3 XAI技術の効能を ユーザ実験で評価した研究（一部）のまとめ <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/evaluationofxai-200923065107-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> XAI技術の効能を ユーザ実験で評価した研究（一部）のまとめ
【論文調査】XAI技術の効能を ユーザ実験で評価する研究 from Satoshi Hara
]]> 5319 1 https://cdn.slidesharecdn.com/ss_thumbnails/evaluationofxai-200923065107-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 机械学习で嘘をつく话 /slideshow/ss-238329418/238329418 zapping200830public-200830074700
第２回ザッピングセミナー 【タイトル】 机械学习で嘘をつく话 【アブストラクト】 「機械学習モデルはブラックボックスで説明ができない」とよく言われます。 このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明法”の研究が活発になされています。本セミナーではこれらの“説明法”を悪用して嘘の説明を作る方法を紹介します。 本セミナーで紹介する手法を絶対に悪用しない、と約束できる方のみ参加をお願いします。]]>
第２回ザッピングセミナー 【タイトル】 机械学习で嘘をつく话 【アブストラクト】 「機械学習モデルはブラックボックスで説明ができない」とよく言われます。 このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明法”の研究が活発になされています。本セミナーではこれらの“説明法”を悪用して嘘の説明を作る方法を紹介します。 本セミナーで紹介する手法を絶対に悪用しない、と約束できる方のみ参加をお願いします。]]> Sun, 30 Aug 2020 07:47:00 GMT /slideshow/ss-238329418/238329418 SatoshiHara3@slideshare.net(SatoshiHara3) 机械学习で嘘をつく话 SatoshiHara3 第２回ザッピングセミナー 【タイトル】 机械学习で嘘をつく话 【アブストラクト】 「機械学習モデルはブラックボックスで説明ができない」とよく言われます。 このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明法”の研究が活発になされています。本セミナーではこれらの“説明法”を悪用して嘘の説明を作る方法を紹介します。 本セミナーで紹介する手法を絶対に悪用しない、と約束できる方のみ参加をお願いします。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/zapping200830public-200830074700-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 第２回ザッピングセミナー 【タイトル】 机械学习で嘘をつく话 【アブストラクト】 「機械学習モデルはブラックボックスで説明ができない」とよく言われます。 このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明法”の研究が活発になされています。本セミナーではこれらの“説明法”を悪用して嘘の説明を作る方法を紹介します。 本セミナーで紹介する手法を絶対に悪用しない、と約束できる方のみ参加をお願いします。
机械学习で嘘をつく话 from Satoshi Hara
]]> 5465 1 https://cdn.slidesharecdn.com/ss_thumbnails/zapping200830public-200830074700-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 机械学习モデルの判断根拠の説明（痴别谤.2） /slideshow/ver2-225753735/225753735 aistaiseminarhara200129-200129055035
【第40回AIセミナー】 「説明できるAI　?AIはブラックボックスなのか？?」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 机械学习モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識?識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究?提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。]]>
【第40回AIセミナー】 「説明できるAI　?AIはブラックボックスなのか？?」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 机械学习モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識?識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究?提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。]]> Wed, 29 Jan 2020 05:50:35 GMT /slideshow/ver2-225753735/225753735 SatoshiHara3@slideshare.net(SatoshiHara3) 机械学习モデルの判断根拠の説明（痴别谤.2） SatoshiHara3 【第40回AIセミナー】 「説明できるAI　?AIはブラックボックスなのか？?」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 机械学习モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識?識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究?提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/aistaiseminarhara200129-200129055035-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 【第40回AIセミナー】 「説明できるAI　?AIはブラックボックスなのか？?」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 机械学习モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識?識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究?提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。
机械学习モデルの判断根拠の説明（痴别谤.2） from Satoshi Hara
]]> 52417 1 https://cdn.slidesharecdn.com/ss_thumbnails/aistaiseminarhara200129-200129055035-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 异常の定义と推定 /slideshow/ss-170579833/170579833 ieice19anomalytutorialv2-190910130527
2019年電子情報通信学会ソサイエティ大会 チュートリアルセッション『異常検知と教師なし学習の理論と応用』 https://www.ieice-taikai.jp/2019society/jpn/webpro/_html/ess_kikaku.html#at_2]]>
2019年電子情報通信学会ソサイエティ大会 チュートリアルセッション『異常検知と教師なし学習の理論と応用』 https://www.ieice-taikai.jp/2019society/jpn/webpro/_html/ess_kikaku.html#at_2]]> Tue, 10 Sep 2019 13:05:27 GMT /slideshow/ss-170579833/170579833 SatoshiHara3@slideshare.net(SatoshiHara3) 异常の定义と推定 SatoshiHara3 2019年電子情報通信学会ソサイエティ大会 チュートリアルセッション『異常検知と教師なし学習の理論と応用』 https://www.ieice-taikai.jp/2019society/jpn/webpro/_html/ess_kikaku.html#at_2 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/ieice19anomalytutorialv2-190910130527-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 2019年電子情報通信学会ソサイエティ大会 チュートリアルセッション『異常検知と教師なし学習の理論と応用』 https://www.ieice-taikai.jp/2019society/jpn/webpro/_html/ess_kikaku.html#at_2
异常の定义と推定 from Satoshi Hara
]]> 7271 1 https://cdn.slidesharecdn.com/ss_thumbnails/ieice19anomalytutorialv2-190910130527-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Convex Hull Approximation of Nearly Optimal Lasso Solutions /slideshow/convex-hull-approximation-of-nearly-optimal-lasso-solutions/168072570 pricai19lassohullfull-190901093748
Satoshi Hara, Takanori Maehara. Convex Hull Approximation of Nearly Optimal Lasso Solutions. In Proceedings of 16th Pacific Rim International Conference on Artificial Intelligence, Part II, pages 350--363, 2019.]]>
Satoshi Hara, Takanori Maehara. Convex Hull Approximation of Nearly Optimal Lasso Solutions. In Proceedings of 16th Pacific Rim International Conference on Artificial Intelligence, Part II, pages 350--363, 2019.]]> Sun, 01 Sep 2019 09:37:48 GMT /slideshow/convex-hull-approximation-of-nearly-optimal-lasso-solutions/168072570 SatoshiHara3@slideshare.net(SatoshiHara3) Convex Hull Approximation of Nearly Optimal Lasso Solutions SatoshiHara3 Satoshi Hara, Takanori Maehara. Convex Hull Approximation of Nearly Optimal Lasso Solutions. In Proceedings of 16th Pacific Rim International Conference on Artificial Intelligence, Part II, pages 350--363, 2019. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/pricai19lassohullfull-190901093748-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Satoshi Hara, Takanori Maehara. Convex Hull Approximation of Nearly Optimal Lasso Solutions. In Proceedings of 16th Pacific Rim International Conference on Artificial Intelligence, Part II, pages 350--363, 2019.
Convex Hull Approximation of Nearly Optimal Lasso Solutions from Satoshi Hara
]]> 837 2 https://cdn.slidesharecdn.com/ss_thumbnails/pricai19lassohullfull-190901093748-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and Thresholds /slideshow/theoretical-linear-convergence-of-unfolded-ista-and-its-practical-weights-and-thresholds-127486034/127486034 haraneurips18yomikai190112-190108032205
【NeurIPS 2018 読み会 in 京都】 Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and Thresholds https://papers.nips.cc/paper/8120-theoretical-linear-convergence-of-unfolded-ista-and-its-practical-weights-and-thresholds]]>
【NeurIPS 2018 読み会 in 京都】 Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and Thresholds https://papers.nips.cc/paper/8120-theoretical-linear-convergence-of-unfolded-ista-and-its-practical-weights-and-thresholds]]> Tue, 08 Jan 2019 03:22:05 GMT /slideshow/theoretical-linear-convergence-of-unfolded-ista-and-its-practical-weights-and-thresholds-127486034/127486034 SatoshiHara3@slideshare.net(SatoshiHara3) Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and Thresholds SatoshiHara3 【NeurIPS 2018 読み会 in 京都】 Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and Thresholds https://papers.nips.cc/paper/8120-theoretical-linear-convergence-of-unfolded-ista-and-its-practical-weights-and-thresholds <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/haraneurips18yomikai190112-190108032205-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 【NeurIPS 2018 読み会 in 京都】 Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and Thresholds https://papers.nips.cc/paper/8120-theoretical-linear-convergence-of-unfolded-ista-and-its-practical-weights-and-thresholds
Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and Thresholds from Satoshi Hara
]]> 1592 3 https://cdn.slidesharecdn.com/ss_thumbnails/haraneurips18yomikai190112-190108032205-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 机械学习モデルの判断根拠の説明 /SatoshiHara3/ss-126157179 harastairseminar181221v1-181218021738
第20回ステアラボ人工知能セミナー https://stair.connpass.com/event/109983/ 【講演動画】 https://youtu.be/Fgza_C6KphU 【講演タイトル】 机械学习モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識?識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究?提案されてきている。本講演の前半ではまず近年の代表的な研究について紹介する。後半では、発表者の最近の研究として「ランダムフォレストの簡略化」と「モデル列挙」について紹介する。]]>
第20回ステアラボ人工知能セミナー https://stair.connpass.com/event/109983/ 【講演動画】 https://youtu.be/Fgza_C6KphU 【講演タイトル】 机械学习モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識?識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究?提案されてきている。本講演の前半ではまず近年の代表的な研究について紹介する。後半では、発表者の最近の研究として「ランダムフォレストの簡略化」と「モデル列挙」について紹介する。]]> Tue, 18 Dec 2018 02:17:38 GMT /SatoshiHara3/ss-126157179 SatoshiHara3@slideshare.net(SatoshiHara3) 机械学习モデルの判断根拠の説明 SatoshiHara3 第20回ステアラボ人工知能セミナー https://stair.connpass.com/event/109983/ 【講演動画】 https://youtu.be/Fgza_C6KphU 【講演タイトル】 机械学习モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識?識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究?提案されてきている。本講演の前半ではまず近年の代表的な研究について紹介する。後半では、発表者の最近の研究として「ランダムフォレストの簡略化」と「モデル列挙」について紹介する。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/harastairseminar181221v1-181218021738-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 第20回ステアラボ人工知能セミナー https://stair.connpass.com/event/109983/ 【講演動画】 https://youtu.be/Fgza_C6KphU 【講演タイトル】 机械学习モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識?識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究?提案されてきている。本講演の前半ではまず近年の代表的な研究について紹介する。後半では、発表者の最近の研究として「ランダムフォレストの簡略化」と「モデル列挙」について紹介する。
机械学习モデルの判断根拠の説明 from Satoshi Hara
]]> 101799 69 https://cdn.slidesharecdn.com/ss_thumbnails/harastairseminar181221v1-181218021738-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Maximally Invariant Data Perturbation as Explanation /slideshow/maximally-invariant-data-perturbation-as-explanation/104330070 icmlws2018harav6-180705075547
* Paper Satoshi Hara, Kouichi Ikeno, Tasuku Soma, Takanori Maehara. Maximally Invariant Data Perturbation as Explanation. arXiv:1806.07004, 2018. * GitHub https://github.com/sato9hara/PertMap]]>
* Paper Satoshi Hara, Kouichi Ikeno, Tasuku Soma, Takanori Maehara. Maximally Invariant Data Perturbation as Explanation. arXiv:1806.07004, 2018. * GitHub https://github.com/sato9hara/PertMap]]> Thu, 05 Jul 2018 07:55:47 GMT /slideshow/maximally-invariant-data-perturbation-as-explanation/104330070 SatoshiHara3@slideshare.net(SatoshiHara3) Maximally Invariant Data Perturbation as Explanation SatoshiHara3 * Paper Satoshi Hara, Kouichi Ikeno, Tasuku Soma, Takanori Maehara. Maximally Invariant Data Perturbation as Explanation. arXiv:1806.07004, 2018. * GitHub https://github.com/sato9hara/PertMap <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/icmlws2018harav6-180705075547-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> * Paper Satoshi Hara, Kouichi Ikeno, Tasuku Soma, Takanori Maehara. Maximally Invariant Data Perturbation as Explanation. arXiv:1806.07004, 2018. * GitHub https://github.com/sato9hara/PertMap
Maximally Invariant Data Perturbation as Explanation from Satoshi Hara
]]> 1273 5 https://cdn.slidesharecdn.com/ss_thumbnails/icmlws2018harav6-180705075547-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 アンサンブル木モデル解釈のためのモデル简略化法 /slideshow/ss-92587923/92587923 haraaistats18-180402025819
* Satoshi Hara and Kohei Hayashi. Making Tree Ensembles Interpretable: A Bayesian Model Selection Approach. AISTATS'18 (to appear). arXiv ver.: https://arxiv.org/abs/1606.09066# * GitHub https://github.com/sato9hara/defragTrees]]>
* Satoshi Hara and Kohei Hayashi. Making Tree Ensembles Interpretable: A Bayesian Model Selection Approach. AISTATS'18 (to appear). arXiv ver.: https://arxiv.org/abs/1606.09066# * GitHub https://github.com/sato9hara/defragTrees]]> Mon, 02 Apr 2018 02:58:19 GMT /slideshow/ss-92587923/92587923 SatoshiHara3@slideshare.net(SatoshiHara3) アンサンブル木モデル解釈のためのモデル简略化法 SatoshiHara3 * Satoshi Hara and Kohei Hayashi. Making Tree Ensembles Interpretable: A Bayesian Model Selection Approach. AISTATS'18 (to appear). arXiv ver.: https://arxiv.org/abs/1606.09066# * GitHub https://github.com/sato9hara/defragTrees <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/haraaistats18-180402025819-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> * Satoshi Hara and Kohei Hayashi. Making Tree Ensembles Interpretable: A Bayesian Model Selection Approach. AISTATS&#39;18 (to appear). arXiv ver.: https://arxiv.org/abs/1606.09066# * GitHub https://github.com/sato9hara/defragTrees
アンサンブル木モデル解釈のためのモデル简略化法 from Satoshi Hara
]]> 6540 2 https://cdn.slidesharecdn.com/ss_thumbnails/haraaistats18-180402025819-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 机械学习モデルの列挙 /slideshow/ss-81956585/81956585 modelenumeration-171113042232
机械学习モデルの列挙]]>
机械学习モデルの列挙]]> Mon, 13 Nov 2017 04:22:32 GMT /slideshow/ss-81956585/81956585 SatoshiHara3@slideshare.net(SatoshiHara3) 机械学习モデルの列挙 SatoshiHara3 机械学习モデルの列挙 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/modelenumeration-171113042232-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 机械学习モデルの列挙
机械学习モデルの列挙 from Satoshi Hara
]]> 9384 2 https://cdn.slidesharecdn.com/ss_thumbnails/modelenumeration-171113042232-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 KDD'17読み会：Anomaly Detection with Robust Deep Autoencoders /slideshow/kdd17anomaly-detection-with-robust-deep-autoencoders/80558041 harakdd17171007share-171007135622
KDD'17読み会資料：Anomaly Detection with Robust Deep Autoencoders]]>
KDD'17読み会資料：Anomaly Detection with Robust Deep Autoencoders]]> Sat, 07 Oct 2017 13:56:22 GMT /slideshow/kdd17anomaly-detection-with-robust-deep-autoencoders/80558041 SatoshiHara3@slideshare.net(SatoshiHara3) KDD'17読み会：Anomaly Detection with Robust Deep Autoencoders SatoshiHara3 KDD'17読み会資料：Anomaly Detection with Robust Deep Autoencoders <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/harakdd17171007share-171007135622-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> KDD&#39;17読み会資料：Anomaly Detection with Robust Deep Autoencoders
KDD'17読み会：Anomaly Detection with Robust Deep Autoencoders from Satoshi Hara
]]> 16933 3 https://cdn.slidesharecdn.com/ss_thumbnails/harakdd17171007share-171007135622-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 特徴选択のための尝补蝉蝉辞解列挙 /slideshow/lasso-78974703/78974703 haraerato170803v3-170819084455
ERATO感謝祭 Season IV 【参考】Satoshi Hara and Takanori Maehara. Enumerate Lasso Solutions for Feature Selection. In Proceedings of the 31st AAAI Conference on Artificial Intelligence (AAAI'17), pages 1985--1991, 2017.]]>
ERATO感謝祭 Season IV 【参考】Satoshi Hara and Takanori Maehara. Enumerate Lasso Solutions for Feature Selection. In Proceedings of the 31st AAAI Conference on Artificial Intelligence (AAAI'17), pages 1985--1991, 2017.]]> Sat, 19 Aug 2017 08:44:55 GMT /slideshow/lasso-78974703/78974703 SatoshiHara3@slideshare.net(SatoshiHara3) 特徴选択のための尝补蝉蝉辞解列挙 SatoshiHara3 ERATO感謝祭 Season IV 【参考】Satoshi Hara and Takanori Maehara. Enumerate Lasso Solutions for Feature Selection. In Proceedings of the 31st AAAI Conference on Artificial Intelligence (AAAI'17), pages 1985--1991, 2017. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/haraerato170803v3-170819084455-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> ERATO感謝祭 Season IV 【参考】Satoshi Hara and Takanori Maehara. Enumerate Lasso Solutions for Feature Selection. In Proceedings of the 31st AAAI Conference on Artificial Intelligence (AAAI&#39;17), pages 1985--1991, 2017.
特徴选択のための尝补蝉蝉辞解列挙 from Satoshi Hara
]]> 4970 2 https://cdn.slidesharecdn.com/ss_thumbnails/haraerato170803v3-170819084455-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 https://public.slidesharecdn.com/v2/images/profile-picture.png sites.google.com/site/sato9hara/ https://cdn.slidesharecdn.com/ss_thumbnails/neuripsmeetuphara20211213-211213032351-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/explanation-in-machine-learning-and-its-reliability-250827393/250827393 Explanation in Machine... https://cdn.slidesharecdn.com/ss_thumbnails/ibisml201022-201021011750-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/ss-238926593/238926593 “机械学习の説明”の信頼性 https://cdn.slidesharecdn.com/ss_thumbnails/evaluationofxai-200923065107-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/xai-238616601/238616601 【論文調査】XAI技術の効能を ユーザ実験で...