Fugu-MT 論文翻訳(概要): Knowledge Representations in Technical Systems -- A Taxonomy

論文の概要: Knowledge Representations in Technical Systems -- A Taxonomy

arxiv url: http://arxiv.org/abs/2001.04835v2
Date: Wed, 15 Jan 2020 07:07:10 GMT
ステータス: 処理完了
システム内更新日: 2023-01-11 11:47:46.536789
Title: Knowledge Representations in Technical Systems -- A Taxonomy
Title（参考訳）: 技術システムにおける知識表現 -分類学
Authors: Kristina Scharei, Florian Heidecker, Maarten Bieshaar
Abstract要約: システムが期待通りに機能するためには、知識の正確な表現が不可欠である。本稿では,様々な知識表現技術と,人工知能の様々な問題領域への分類について考察する。
参考スコア（独自算出の注目度）: 4.807347156077899
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The recent usage of technical systems in human-centric environments leads to the question, how to teach technical systems, e.g., robots, to understand, learn, and perform tasks desired by the human. Therefore, an accurate representation of knowledge is essential for the system to work as expected. This article mainly gives insight into different knowledge representation techniques and their categorization into various problem domains in artificial intelligence. Additionally, applications of presented knowledge representations are introduced in everyday robotics tasks. By means of the provided taxonomy, the search for a proper knowledge representation technique regarding a specific problem should be facilitated.
Abstract（参考訳）: 近年の人間中心の環境における技術システムの使用は、例えばロボット、人間の望むタスクを理解し、学習し、実行するための技術システムをどのように教えるかという問題に繋がる。したがって、システムが期待通りに機能するためには、知識の正確な表現が不可欠である。本稿では,様々な知識表現技術と,人工知能の様々な問題領域への分類について考察する。さらに、提示された知識表現の応用は、日常ロボットタスクに導入される。提供された分類学により、特定の問題に関する適切な知識表現手法の探索が促進される。

関連論文リスト

Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文参考訳（メタデータ） (2024-06-16T14:49:19Z)
Knowledge-enhanced Neural Machine Reasoning: A Review [67.51157900655207]
既存の知識強化手法を2つの主要なカテゴリと4つのサブカテゴリに分類する新しい分類法を導入する。我々は、現在のアプリケーションドメインを解明し、将来的な研究の展望について洞察を提供する。
論文参考訳（メタデータ） (2023-02-04T04:54:30Z)
Towards Human Cognition Level-based Experiment Design for Counterfactual Explanations (XAI) [68.8204255655161]
XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
論文参考訳（メタデータ） (2022-10-31T19:20:22Z)
Machine learning and deep learning [0.0]
機械学習は、問題固有のトレーニングデータから学習するシステムの能力を記述する。ディープラーニングは、人工ニューラルネットワークに基づく機械学習の概念である。
論文参考訳（メタデータ） (2021-04-12T09:54:12Z)
Projection: A Mechanism for Human-like Reasoning in Artificial Intelligence [6.218613353519724]
モデルから)トップダウン情報を利用する推論手法は、困難な状況における実体認識に有効であることが示されている。投射は、様々な状況や困難な状況に知識を適用するという問題を解決するための鍵となるメカニズムである。
論文参考訳（メタデータ） (2021-03-24T22:33:51Z)
Continual Learning of Knowledge Graph Embeddings [17.686595033265558]
近年,ロボット工学応用における意味知識の表現と推論に分散(神経)表現を用いた手法が復活している。私たちの仕事は、これらの表現の静的仮定を緩め、インクリメンタルな知識グラフ埋め込み問題に取り組みます。セマンティクス駆動ロボットアプリケーションと適切な連続的知識グラフ埋め込み法を適合させるためのトレードオフに関する洞察を提供する。
論文参考訳（メタデータ） (2021-01-14T19:59:57Z)
Knowledge as Invariance -- History and Perspectives of Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文参考訳（メタデータ） (2020-12-21T15:07:19Z)
Foundations of Explainable Knowledge-Enabled Systems [3.7250420821969827]
本稿では,説明可能な人工知能システムの歴史的概要を紹介する。我々は、エキスパートシステム、認知アシスタント、セマンティックアプリケーション、機械学習ドメインにまたがる知識対応システムに焦点を当てる。説明可能な知識対応システムと説明可能な知識対応システムについて,新たな定義を提案する。
論文参考訳（メタデータ） (2020-03-17T04:18:48Z)
Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文参考訳（メタデータ） (2020-03-09T15:04:07Z)
A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
物体知覚はコンピュータビジョンの基本的なサブフィールドである。最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
論文参考訳（メタデータ） (2019-12-26T13:26:49Z)
A Survey of Knowledge Representation in Service Robotics [10.220366465518262]
我々は、知識表現と、どのようにして知識が収集され、表現され、どのように再生され、問題を解決するかに焦点を当てる。知識表現の定義に従って、そのような表現と有用な学習モデルの主な区別について議論する。効果的な知識表現を設計する際に考慮すべき重要な原則について議論する。
論文参考訳（メタデータ） (2018-07-05T22:18:08Z)

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。