305336記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. 詐欺検出のための微分可能帰納ロジックプログラミング（Differentiable Inductive Logic Programming for Fraud Detection）
1未満 分で読了
0 views

詐欺検出のための微分可能帰納ロジックプログラミング

（Differentiable Inductive Logic Programming for Fraud Detection）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海さん、最近部下から “説明可能なAI” を導入すべきだと詰められているんですが、正直どう判断すればいいのか分かりません。詐欺検出の論文を読めば良いんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね！まず結論を先に言うと、今回の論文は”ルールで説明するAI”が現場でも使える可能性を示しているんですよ。大丈夫、一緒に要点を3つにまとめますよ。

田中専務

ルールで説明するAI、ですか。うちの現場だと “なんでそう判定するか” が分からないと使えないんですが、本当に実務的なんですか。

AIメンター拓海

いい質問です。ポイントは三つです。第一に、説明可能性（Explainable AI）はルールを返すことで現場の理解を得やすい。第二に、微分可能帰納ロジックプログラミング（Differentiable Inductive Logic Programming、∂ILP）はルール学習とニューラル学習の両立を図る。第三に、データ整備次第で実務適用の余地がある、という点です。

田中専務

なるほど。しかしうちのデータは古いシステムのCSVの寄せ集めで、ノイズも多い。これって扱えるんですか。

AIメンター拓海

その懸念は的確です。∂ILPは本来ノイズに弱い面があるが、論文では前処理でタブularな数値データを

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
AIサイバーリスクベンチマーク：自動化された悪用能力
（AI Cyber Risk Benchmark: Automated Exploitation Capabilities）
次の記事
トランスフォーマーに基づくシンボリック回帰モデルに対するK-フォールド交差検証の評価
（Evaluating K-Fold Cross Validation for Transformer Based Symbolic Regression Models）
関連記事
血管奇形
（アンギオディスプラジア）検出と局在化のための深層学習 (Deep Learning for Angiodysplasia Detection and Localization)
Active Advantage-Aligned Online Reinforcement Learning with Offline Data
（オフラインデータを活用する能動的利得整合型オンライン強化学習）
エゴセントリック動画視線推定のための個別化連合学習と包括的パラメータ凍結
（Personalized Federated Learning for Egocentric Video Gaze Estimation with Comprehensive Parameter Freezing）
アマゾン地域の迅速な森林破壊および焼失領域検出
（Rapid Deforestation and Burned Area Detection using Deep Multimodal Learning on Satellite Imagery）
MeMo — 言語モデルのための連想記憶機構
（MeMo: Towards Language Models with Associative Memory Mechanisms）
光学ベースのWinogradフォトニクス加速器
（A Winograd-based Integrated Photonics Accelerator for Convolutional Neural Networks）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
音声から「屋外録音」時の3D顔動作を合成する技術
（Synthesising 3D Facial Motion from “In-the-Wild” Speech）
  • 論文研究
大量のツイートに基づく市民の特徴付け
（Characterization of citizens using word2vec and latent topic analysis in a large set of tweets）
  • 論文研究
オミクスデータの統合的コンセンサスクラスタリングのための多重カーネル学習
（Multiple kernel learning for integrative consensus clustering of ’omic datasets）
  • 論文研究
生成モデルの精度と網羅性を分離して評価する手法の改良
（Improved Precision and Recall Metric for Assessing Generative Models）
  • 論文研究
SR-GANによるゼロショット学習の改良
（SR-GAN: SEMANTIC RECTIFYING GENERATIVE ADVERSARIAL NETWORK FOR ZERO-SHOT LEARNING）
  • 論文研究
継続学習の三つのシナリオ
（Three scenarios for continual learning）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る