論文の概要: Deep Technology Tracing for High-tech Companies

• arxiv url: http://arxiv.org/abs/2001.08606v1
• Date: Thu, 2 Jan 2020 07:44:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-16 03:53:19.624914
• Title: Deep Technology Tracing for High-tech Companies
• Title（参考訳）: ハイテク企業におけるDeep Technology Tracing
• Authors: Han Wu, Kun Zhang, Guangyi Lv, Qi Liu, Runlong Yu, Weihao Zhao, Enhong Chen and Jianhui Ma
• Abstract要約: 我々は、各ハイテク企業にカスタマイズされた最も可能な技術方向を自動的に見つけるために、新しいデータ駆動ソリューション、すなわちDeep Technology Forecasting(DTF)フレームワークを開発する。 DTFは、潜在的な競合認識(PCR)、協調技術認識(CTR)、Deep Technology Tracing(DTT)ニューラルネットワークの3つのコンポーネントで構成されている。
• 参考スコア（独自算出の注目度）: 67.86308971806322
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Technological change and innovation are vitally important, especially for high-tech companies. However, factors influencing their future research and development (R&D) trends are both complicated and various, leading it a quite difficult task to make technology tracing for high-tech companies. To this end, in this paper, we develop a novel data-driven solution, i.e., Deep Technology Forecasting (DTF) framework, to automatically find the most possible technology directions customized to each high-tech company. Specially, DTF consists of three components: Potential Competitor Recognition (PCR), Collaborative Technology Recognition (CTR), and Deep Technology Tracing (DTT) neural network. For one thing, PCR and CTR aim to capture competitive relations among enterprises and collaborative relations among technologies, respectively. For another, DTT is designed for modeling dynamic interactions between companies and technologies with the above relations involved. Finally, we evaluate our DTF framework on real-world patent data, and the experimental results clearly prove that DTF can precisely help to prospect future technology emphasis of companies by exploiting hybrid factors.
• Abstract（参考訳）: 技術革新とイノベーションは特にハイテク企業にとって極めて重要である。 しかし、将来の研究開発(r&d)のトレンドに影響を与える要因は複雑で多様であり、ハイテク企業の技術追跡を極めて困難にしている。 そこで本稿では,DTF(Deep Technology Forecasting)フレームワークという新たなデータ駆動型ソリューションを開発し,各ハイテク企業にカスタマイズされた最も可能な技術方向を自動的に見つける。 特に、DTFは3つのコンポーネントで構成されている。潜在的な競合認識(PCR)、協調技術認識(CTR)、ディープテクノロジートラクション(DTT)ニューラルネットワークである。 PCRとCTRは、それぞれ企業間の競争関係と技術間の協力関係を捉えることを目的としている。 別の例として、DTTは上記の関係を持つ企業と技術間の動的相互作用をモデル化するために設計されている。 最後に、実世界の特許データに基づいてDTFフレームワークを評価し、実験結果から、DTFが企業の将来的な技術強調に有効であることを示す。

関連論文リスト

• Technology Mapping with Large Language Models [1.1900482352079937]
  STARS(Semantic Technology and Retrieval System)は、LLM(Large Language Models)とSentence-BERTを利用する新しいフレームワークである。 それは、非構造化コンテンツの中に関連技術を特定し、包括的な企業プロファイルを構築し、その運用上の重要性に応じて各企業の技術をランク付けする。 実験の結果,STARSは検索精度を著しく向上させ,産業間技術マッピングのための汎用的で高性能なソリューションを提供することがわかった。
  論文  参考訳（メタデータ） (2025-01-25T08:18:15Z)
• Digital Twin in Industries: A Comprehensive Survey [1.1008520905907015]
  Digital Twin (DT)は、現実世界のシステムをバーチャルなシステムとシームレスに統合する革新的なイノベーションとして登場した。 特に、さまざまな分野にわたる産業アプリケーションにおけるDTの役割について、技術的に深く議論する。 DTベースの業界において、さまざまな主要なプライバシとセキュリティの問題を調査し、分析する。
  論文  参考訳（メタデータ） (2024-11-29T19:14:45Z)
• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Measuring Technological Convergence in Encryption Technologies with Proximity Indices: A Text Mining and Bibliometric Analysis using OpenAlex [46.3643544723237]
  本研究は,サイバーセキュリティにおける新興技術間の技術的収束を明らかにする。 提案手法は,テキストマイニングとバイオロメトリ分析を統合し,技術的近接指標の定式化と予測を行う。 我々のケーススタディでは、ブロックチェーンと公開鍵暗号の間にかなりの収束が見られ、その近さが証明されている。
  論文  参考訳（メタデータ） (2024-03-03T20:03:03Z)
• A Disruptive Research Playbook for Studying Disruptive Innovations [11.619658523864686]
  本稿では、説得力があり社会的に関係のある研究課題を定式化するためのガイドを提供するための研究プレイブックを提案する。 私たちは、AIとAR/VRの2つの破壊的なテクノロジの影響を疑問視するために使用することができることを示しています。
  論文  参考訳（メタデータ） (2024-02-20T19:13:36Z)
• Multi-Tier Computing-Enabled Digital Twin in 6G Networks [50.236861239246835]
  産業4.0では、製造業、自動車、医療などの産業がDTベースの開発を急速に採用している。 これまでの主な課題は、通信とコンピューティングリソースに対する高い要求と、プライバシとセキュリティに関する懸念だった。 新たなDTで低レイテンシと高セキュリティを実現するため,エッジ/フォグコンピューティングとクラウドコンピューティングを組み合わせたマルチ層コンピューティングが提案されている。
  論文  参考訳（メタデータ） (2023-12-28T13:02:53Z)
• Mitigating Sovereign Data Exchange Challenges: A Mapping to Apply Privacy- and Authenticity-Enhancing Technologies [67.34625604583208]
  AET(Authenticity Enhancing Technologies)とPET(Privacy-Enhancing Technologies)は、SDE(Sovereign Data Exchange)に関与していると考えられている。 PETとAETは技術的に複雑であり、採用を妨げる。 本研究は,挑戦指向技術マッピングを実証的に構築する。
  論文  参考訳（メタデータ） (2022-06-20T08:16:42Z)
• Axes for Sociotechnical Inquiry in AI Research [3.0215443986383734]
  技術開発の新たな発展領域を探求する4つの方向を提案する。 本論文は、社会技術調査のためのレキシコンを提供し、消費者向けドローン技術の例を通してそれを解説する。
  論文  参考訳（メタデータ） (2021-04-26T16:49:04Z)
• Constraint Programming Algorithms for Route Planning Exploiting Geometrical Information [91.3755431537592]
  本稿では,経路計画問題に対する新しいアルゴリズムの開発に関する現在の研究動向について概説する。 これまでの研究は、特にユークリッド旅行セールスパーソン問題(ユークリッドTSP)に焦点を当ててきた。 目的は、将来ユークリッド自動車問題(ユークリッドVRP)など、同じカテゴリーの他の問題にも得られる結果を活用することである。
  論文  参考訳（メタデータ） (2020-09-22T00:51:45Z)
• On the Convergence of Artificial Intelligence and Distributed Ledger Technology: A Scoping Review and Future Research Agenda [0.0]
  人工知能(AI)とDLT(Distributed Ledger Technology)の発展は、アカデミックと実践において活発な議論を引き起こしている。 DLTは、不確実な環境で参加者のグループ間でデータに関するコンセンサスを生み出す可能性がある。
  論文  参考訳（メタデータ） (2020-01-29T18:57:27Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。