Class based Influence Functions for Error Detection

要約

【タイトル】クラスベースの影響関数による誤り検出

【要約】

– 影響関数（IF）は、大規模なデータセット内の異常な例を検出するための強力なツールである。
– ただし、IFを深いネットワークに適用する場合、安定性が低下する。
– 本論文では、IFの不安定性の説明を提供し、この問題の解決策を開発する。
– IFが2つの異なるクラスに属するデータポイントを比較する場合、IFが信頼性を失うことを示す。
– クラス情報を利用してIFの安定性を改善する解決策を提供する。
– 大規模な実験により、本研究による改良が、IFの性能と安定性を大幅に改善することを示し、追加の計算コストを引き起こさないことを示す。

要約(オリジナル)

Influence functions (IFs) are a powerful tool for detecting anomalous examples in large scale datasets. However, they are unstable when applied to deep networks. In this paper, we provide an explanation for the instability of IFs and develop a solution to this problem. We show that IFs are unreliable when the two data points belong to two different classes. Our solution leverages class information to improve the stability of IFs. Extensive experiments show that our modification significantly improves the performance and stability of IFs while incurring no additional computational cost.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI