論文の概要: Human-in-the-Loop Design Cycles -- A Process Framework that Integrates Design Sprints, Agile Processes, and Machine Learning with Humans

• arxiv url: http://arxiv.org/abs/2003.05268v1
• Date: Sat, 29 Feb 2020 07:35:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 21:03:57.778785
• Title: Human-in-the-Loop Design Cycles -- A Process Framework that Integrates Design Sprints, Agile Processes, and Machine Learning with Humans
• Title（参考訳）: Human-in-the-Loopデザインサイクル - デザインスプリント、アジャイルプロセス、機械学習を人間と統合するプロセスフレームワーク
• Authors: Chaehan So
• Abstract要約: この研究は、HILL(Human-in-the-learning-loop)デザインサイクルという新しいプロセスフレームワークを提案する。 HILL Design Cyclesプロセスは、定性的なユーザテストの代わりに、設計知覚のための定量的な心理測定器を使用する。 生成されたユーザフィードバックは、マシンラーニングモデルをトレーニングし、その後の設計サイクルを4つの設計次元に沿って指示するのに役立つ。
• 参考スコア（独自算出の注目度）: 1.52292571922932
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Demands on more transparency of the backbox nature of machine learning models have led to the recent rise of human-in-the-loop in machine learning, i.e. processes that integrate humans in the training and application of machine learning models. The present work argues that this process requirement does not represent an obstacle but an opportunity to optimize the design process. Hence, this work proposes a new process framework, Human-in-the-learning-loop (HILL) Design Cycles - a design process that integrates the structural elements of agile and design thinking process, and controls the training of a machine learning model by the human in the loop. The HILL Design Cycles process replaces the qualitative user testing by a quantitative psychometric measurement instrument for design perception. The generated user feedback serves to train a machine learning model and to instruct the subsequent design cycle along four design dimensions (novelty, energy, simplicity, tool). Mapping the four-dimensional user feedback into user stories and priorities, the design sprint thus transforms the user feedback directly into the implementation process. The human in the loop is a quality engineer who scrutinizes the collected user feedback to prevents invalid data to enter machine learning model training.
• Abstract（参考訳）: 機械学習モデルのバックボックスの性質の透明性向上に対する需要は、機械学習におけるヒューマン・イン・ザ・ループの近年の台頭、すなわち機械学習モデルのトレーニングと応用に人間を統合するプロセスにつながっている。 本研究は、このプロセス要件が障害ではなく、設計プロセスを最適化する機会であると主張する。 そこで本研究では,新しいプロセスフレームワークであるhuman-in-the-learning-loop (hill) design cycles - アジャイルとデザイン思考プロセスの構造要素を統合し,ループ内の人間による機械学習モデルのトレーニングを制御するデザインプロセスを提案する。 hill design cyclesプロセスは、デザイン知覚のための定量的心理測定器によって質的ユーザテストを置き換える。 生成されたユーザフィードバックは、マシンラーニングモデルをトレーニングし、次の設計サイクルを4つの設計次元(ノベルティ、エネルギ、シンプルさ、ツール)に沿って指示するのに役立つ。 4次元のユーザーフィードバックをユーザストーリーと優先順位にマッピングすることで、デザインスプリントはユーザフィードバックを実装プロセスに直接変換します。 ループ内の人間は品質エンジニアであり、収集したユーザフィードバックを調査し、不正なデータが機械学習モデルトレーニングに入るのを防ぐ。

関連論文リスト

• Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
  本調査では,コンピュータ支援設計における学習手法の概要について概観する。 類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。 ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
  論文  参考訳（メタデータ） (2024-02-27T17:11:35Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Representation Learning for Sequential Volumetric Design Tasks [11.702880690338677]
  本稿では,設計知識を専門家や高性能な設計シーケンスの集合から符号化することを提案する。 学習した表現の密度を推定して選好モデルを開発する。 逐次設計生成のための自己回帰変換モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-05T21:21:06Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• Investigating Positive and Negative Qualities of Human-in-the-Loop Optimization for Designing Interaction Techniques [55.492211642128446]
  設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。 モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。 一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
  論文  参考訳（メタデータ） (2022-04-15T20:40:43Z)
• iPLAN: Interactive and Procedural Layout Planning [13.172253981084403]
  そこで本研究では,新しいループ生成モデルiPLANを提案する。 レイアウトを自動的に生成するだけでなく、プロセス全体を通してデザイナと対話することも可能だ。 以上の結果から,iPLANは人間設計者と同様のレイアウトを作成できる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-03-27T23:21:15Z)
• Streaming and Learning the Personal Context [5.639451539396458]
  パーソナルコンテキストの表現は複雑で、機械が人間に与えるヘルプを改善するために不可欠である。 我々は、パーソナルコンテキストの新たなモデル表現を設計し、機械学習との統合性を高めるための学習プロセスを設計することを目指している。
  論文  参考訳（メタデータ） (2021-08-18T16:55:12Z)
• Using Machine Learning to Predict Engineering Technology Students' Success with Computer Aided Design [50.591267188664666]
  機械学習技術と組み合わせたデータによって、特定の学生がデザインタスクでどれだけうまく機能するかを予測する方法を示す。 初期設計シーケンスアクションを用いたモデルは,特に予測に有用であることが判明した。 これらのモデルをさらに改善することで、事前の予測が得られ、学生のフィードバックがより早く得られるようになり、学習が向上する可能性がある。
  論文  参考訳（メタデータ） (2021-08-12T20:24:54Z)
• Generative Design by Reinforcement Learning: Enhancing the Diversity of Topology Optimization Designs [5.8010446129208155]
  本研究では、トポロジ設計の多様性を最大化する報酬関数を備えた強化学習に基づく生成設計プロセスを提案する。 RLをベースとした生成設計は,GPUを完全自動で活用することにより,短時間で多数の多様な設計を生成できることを示す。
  論文  参考訳（メタデータ） (2020-08-17T06:50:47Z)
• Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
  本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。 第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。 第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
  論文  参考訳（メタデータ） (2020-03-11T08:25:49Z)
• Designing for the Long Tail of Machine Learning [0.0]
  機械学習のパフォーマンスがトレーニングデータとどのようにスケールし、デザイナがデータ収集、モデル開発、および与えられたモデルパフォーマンスのための貴重なインタラクションを設計するためのトレードオフをガイドするかを説明します。 我々は,ブートストラップフェーズにおける初期システムの設計に有用なパターンについて論じる。
  論文  参考訳（メタデータ） (2020-01-21T11:53:28Z)

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。